開場白

1GB 的 Qwen 模型權重居然能拿來跑任天堂遊戲？本期「開源好物日報」帶你拆解在 Hacker News 斬獲 287 分的 nesformer，看它如何把 6502 CPU 和遊戲 ROM 直接編譯進大模型中。我們還會介紹 DeepSeek 官方開源、能將任務處理時間減半的開發助手，以及要把整個商業軟體生態開源化的野心專案，等一下告訴你細節。

---

今日開源好物

1. nesformer：將任天堂 NES 的 6502 CPU 編譯進 Qwen3.5 模型權重的概念驗證專案

• 它是什麼: 這是一個探索大語言模型（LLM）作為確定性計算機極限的概念驗證（PoC）專案。它並非實用的日常模擬器，而是為了解決「LLM 權重是否能精確模擬複雜硬體狀態」的科學學術好奇心。專案向技術社群證明，透過特殊的狀態設計，LLM 權重內也能精確模擬硬體指令的執行。
• 近期聲量: Hacker News 287 分（148 則討論），GitHub 254 stars，授權：Other，主要語言：Python。
• 亮點功能:
  1. 將 NES 6502 CPU、2 KB 記憶體與遊戲 ROM 直接編譯進 Qwen3.5-4B 的模型權重中，過程中完全不需要任何梯度下降訓練。
  2. 利用 DeltaNet 的循環狀態（Recurrent State）作為機器的記憶體（RAM），精確預測 CPU 的執行日誌。
  3. 提供輕量化的主機程式處理螢幕畫面（PPU）、手把輸入與中斷訊號，並且通過了 nestest 測試集的嚴格驗證。
• 快速上手:
  1. 複製專案並安裝依賴：

     git clone https://github.com/dbreunig/nesformer.git
     cd nesformer
     pip install -r requirements.txt
     

  2. 從 Hugging Face 下載本專案專用的 Qwen 模型權重，並準備好相容的 .nes 格式遊戲 ROM。
  3. 在終端機執行模擬指令：

     python -m nesformer run roms/thwaite.nes --frames 600 --show
     

• 跟同類比: 與傳統使用 C/C++ 撰寫的 NES 模擬器（如 Nestopia）不同，它完全不依賴傳統程式碼邏輯來模擬 CPU 暫存器與指令集，而是完全在 Transformer 模型的權重內進行硬體指令的預測與執行。
• 適合誰: 喜歡研究大模型底層機制、想了解 LLM 作為狀態機極限的技術狂熱者。
• 連結: https://github.com/dbreunig/nesformer

---

2. dsh-superagent-prototype：DeepSeek 官方開源的主動式開發 Agent 原型

• 它是什麼: 解決研發團隊在使用 AI 助手時，常見的任務處理延遲過高、AI 容易過度打擾團隊成員或濫用 Token 的痛點。它提供一個具備任務工單隔離與訂閱機制的開發 Agent，讓 AI 能在隔離環境中幫忙寫 code、修 bug 並直接提交 PR。
• 近期聲量: GitHub Stars 5059（30 天內新專案），授權：MIT，主要語言：TypeScript。
• 亮點功能:
  1. 採用 Router-Worker 雙層架構，Router 負責監聽 GitHub 或通訊軟體事件，Worker 則在隔離環境中執行具體開發任務並提交 PR。
  2. 支援團隊自訂規則，提供 Off、Observe、Auto 三種模式，防止 Agent 濫用 Token。
  3. 具備背景任務管理機制，當執行 Shell 指令超過 5 秒時會自動轉入背景，確保 Worker 能持續接收新訊息。
• 快速上手:
  1. 複製專案並安裝依賴：

     git clone https://github.com/deepseek-ai/dsh-superagent-prototype.git
     cd dsh-superagent-prototype
     npm install
     

  2. 複製環境設定檔，並配置 DEEP_SEEK_API_KEY 與 GitHub App 憑證等必要金鑰：

     cp .env.example .env
     

  3. 設定完成後，可直接對你的 AI 助理（如 Claude Code 或 Cursor）輸入：Read SETUP.md in this repository and set up dsh-superagent with me.，讓 AI 帶領你完成後續的自動化設定。
• 跟同類比: 相較於 Devin 或 Sweep 等單一會話（Single Session）的 AI 開發助手，dsh-superagent 透過任務工單隔離與訂閱機制。根據 DeepSeek Harness 團隊官方測試報告，這套架構將 p95 任務處理時間從 29.5 分鐘大幅縮短至 15.7 分鐘。
• 適合誰: 想在 GitHub 專案中導入 AI 協作者、提升非同步開發效率的軟體開發團隊。
• 連結: https://github.com/deepseek-ai/dsh-superagent-prototype

---

3. everything：用開源技術重構商業軟體生態的 MIT 單一儲存庫專案

• 它是什麼: 解決想要完全掌握個人數據、擺脫訂閱制商業軟體（如 Office、Slack、Photoshop）束縛的痛點。此專案由知名 WebOS 專案 Puter 團隊發起，為自架（Self-hosted）社群提供一整套基於 Web 技術、對 AI 友善的開源替代方案。
• 近期聲量: GitHub Stars 6178（30 天內新專案），授權：MIT，主要語言：JavaScript。
• 亮點功能:
  1. 採用 Mono-repository 單一儲存庫管理，目前已收錄超過 50 款開源替代軟體，涵蓋辦公、協作、創意與開發者工具。
  2. 所有應用程式皆以 JavaScript/TypeScript 為主，大部分可直接在瀏覽器中執行，對自架社群極度友善。
  3. 整合 Repowise MCP 伺服器，允許開發者直接將整個儲存庫串接給 Claude Code、Cursor 等 AI 程式碼助理進行深度分析與客製化修改。
• 快速上手:
  1. 複製整個專案儲存庫：

     git clone https://github.com/HeyPuter/everything.git
     cd everything
     

  2. 進入特定應用的目錄（例如進入試算表應用 apps/spreadsheet）並啟動：

     cd apps/spreadsheet
     npm install
     npm run dev
     

• 跟同類比: 相較於單一功能的開源替代品（如單獨的 LibreOffice 或 GIMP），everything 提供了一個統一的、基於 Web 技術的開源軟體套裝，並原生支援 AI 代理的接入與調用。
• 適合誰: 喜歡自架服務、尋找商業軟體開源替代品，或想利用 AI 輔助開發 Web 應用的工程師。
• 連結: https://github.com/HeyPuter/everything

---

結尾段落

沐妍觀察到，不論是把 LLM 當作硬體模擬器的極限實驗，還是 DeepSeek 與 Puter 團隊推出的實用開源架構，都可以看到 AI 與開源生態正在以驚人的速度融合。這些專案非常適合動手 clone 下來跑看看，體驗最新的技術進展，我們明天見！