A hobbyist project called Polymo pairs an ESP32-based virtual pet toy with phone usage tracking to combat doomscrolling: the pet's health degrades when you doomscroll, nudging you to put the phone down. It also runs a local LLM on the phone that reads notifications and screen time, with a Whisper model for voice input via a bluetooth microphone and a Piper model to give the pet a spoken voice. The creator, known as brenpoly, has open-sourced the project on GitHub for others to build their own.
Source: https://hackaday.com/2026/09/08/anti-doomscroll-tamagotchi-only-lives-if-you-do. 8 Sync News only summarizes and links out; content copyright belongs to the authors and original sources.
Đang tải bình luận…
Nhiều dự án đồng hồ DIY chỉ tập trung vào hiển thị số cơ bản, thiếu yếu tố thu hút mắt. Dự án này sử dụng ESP32 để kết nối Wi‑Fi và lấy thời gian chuẩn qua giao thức NTP, đồng thời điều khiển các chân GPIO để vẽ hình ảnh trên màn hình. Nó tích hợp các sprite pixel‑art từ các trò chơi rétro nổi bật, cho phép đồng hồ chuyển đổi giữa hiển thị thời gian thực và các cảnh hoạt hình ngắn. Kết quả là một thiết bị vừa báo giờ vừa mang lại nỗi nhớ về thời đại arcade, làm tăng giá trị giải trí mà không tăng đáng kể độ phức tạp firmware. Điều này cho thấy việc kết hợp khả năng mạng, thư viện đồ họa và MCU giá rẻ có thể biến một công cụ đơn giản thành trải nghiệm tương tác thú vị.
Lập trình viên sẽ tìm hiểu cách kết hợp ESP32 với thiết kế thời gian retro game bằng cách giải quyết vấn đề kết nối cảm biến thời gian với logic game đơn giản, giúp hiểu rõ cách tối ưu hóa nguồn năng lượng và giao diện người dùng trên thiết bị IoT này.
Apple sẽ tung phiên bản Siri được tái thiết sau hai năm trì hoãn vào tháng tới, trong đó có sự tham gia của thị trường Nam Phi từ lần ra mắt đầu tiên.
Lập trình viên nên đọc bài này để hiểu cách Apple tái thiết lại Siri, một hệ sinh thái AI tích hợp sâu vào hệ điều hành iOS, và tìm hiểu về những cơ hội phát triển ứng dụng tương tác thông minh, giao diện người dùng tự động hóa, và cách tối ưu hóa tương tác ngôn ngữ cho các giải pháp tương lai.
Một bài viết mới cho thấy các mô hình LLM mã nguồn mở như Qwen3.8 27B và Qwen3.6 đã giảm thiểu lợi thế cạnh tranh mà Anthropic và OpenAI từng có nhờ chi phí tính toán khổng lồ. Các phiên bản đã quan sát hoá của chúng được chạy trên máy Mac Studio với 256GB RAM và có thể được giảm xuống để hoạt động trên PC chơi game chỉ có 32GB RAM, trong khi một mô hình 1-bit vẫn chạy trên thiết bị 16GB, dù chất lượng bị giảm. Do đó, phần cứng vật lý trở thành rào cản duy nhất để triển khai các mô hình lớn tại chỗ thay vì phụ thuộc vào dịch vụ đám mây có chủ sở hữu. Đối với các lập trình viên cân nhắc có nên đọc bài gốc, họ sẽ thấy rằng các cải tiến hiệu suất đang làm chậm sự khác biệt giữa môi trường mở và khép kín, khiến việc triển khai tại chỗ ngày càng khả thi. Bài viết nêu con số cụ thể như 27B, 32GB, 16
Bài viết này giúp lập trình viên hiểu xu hướng chạy các mô hình AI mạnh mẽ ngay tại máy cá nhân thay vì phụ thuộc vào dịch vụ đám mây.
Bài viết mô tả việc tác giả cung cấp bộ chuyển đổi đóng nguồn của Adobe cho một mô hình LLM chạy local để xem nó có thể hiểu định dạng file từ dữ liệu thô không. Mô hình được sử dụng là GLM-5.3-Flash, được mô tả là cực kỳ mạnh và có thể chạy trên máy có phần cứng mạnh như GPU cao cấp hoặc nhiều nhân CPU. Sau khi được huấn luyện hoặc đưa vào bộ chuyển đổi, GLM-5.3-Flash đã tái tạo toàn bộ cấu trúc định dạng từ cấp byte, tái dựng được các trường và mối quan hệ mà không cần tài liệu gốc. Kết quả cho thấy LLM có khả năng phân tích ngược định dạng đóng nguồn khi được cung cấp đủ dữ liệu nhị phân và nguồn lực tính toán đủ lớn. Điều này gợi ý rằng với phần cứng đủ beefy và mô hình lớn như GLM-5.3-Flash, các nhà phát triển có thể sử dụng LLM để khám phá hoặc tái tạo các định dạng file độc quyền mà không cần truy cập mã nguồn.
Bài viết này chứng minh khả năng tái tạo định dạng Adobe của mô hình ngôn ngữ lớn GLM-5.3-Flash, mở ra triển vọng ứng dụng AI trong phân tích và xử lý file chuyên sâu.
Bối cảnh: Ollama là công cụ chạy mô hình ngôn ngữ lớn (LLM) cục bộ, giúp lập trình viên làm việc với AI mà không cần kết nối internet. Nguyên nhân kỹ thuật: Bài hướng dẫn chi tiết cách cài đặt Ollama, tải các mô hình như Llama 2 hoặc Mistral về máy, và kết nối chúng vào Python thông qua các API chat và text generation. Hệ quả: Người đọc có thể triển khai ứng dụng AI hoạt động hoàn toàn offline, đảm bảo bảo mật dữ liệu và tốc độ phản hồi nhanh hơn. Điều đáng học: Bài viết minh họa cách sử dụng thư viện ollama Python để gọi mô hình, xử lý response và tích hợp vào ứng dụng thực tế với code ví dụ cụ thể.
Bài hướng dẫn này sẽ giúp bạn cài đặt Ollama, tải mô hình cục bộ và kết nối vào Python để tạo và trò chuyện với AI.
eeink là dự án hobby mang trò chơi choose‑your‑own‑adventure viết bằng ngôn ngữ scripting ink tới các thiết bị e‑ink giá rẻ chạy ESP32. Nó hỗ trợ cả hai phiên bản hardware: các board X3/X4 dựa trên ESP32‑C3 không có PSRAM và board X4 Pro dựa trên ESP32‑S3 có bộ nhớ RAM lớn hơn. Nhờ việc tối ưu hóa việc sử dụng bộ nhớ, dự án cho phép chạy các câu chuyện tương tác trên các màn hình e‑ink có nguồn hạn chế mà vẫn mượt mà. Kèm theo là eenky, một IDE đồng hành giúp tác giả soạn thảo và biên dịch trò chơi, toàn bộ mã được công khai trên GitHub dưới giấy phép MIT cùng video demo. Điều này cho thấy việc chọn scripting language nhẹ và quản lý bộ nhớ kỹ lưỡng có thể mang lại trải nghiệm đa phương thức trên các vi điều khiển có tài nguyên hạn chế.
Để học cách phát triển game văn bản tương tác trên ESP32 bằng e‑ink và công cụ IDE eeink.
Bạn đang cân nhắc đọc bài vì nó đề cập đến việc thay thế một local model 8GB bằng cách chạy song song hai local models 2GB trên cùng một máy. Nguyên nhân kỹ thuật nằm ở việc giảm áp lực rememory khi mỗi mô hình vừa đủ để chứa trọng số và gradient, khiến việc load và inference nhanh hơn. Hệ quả là tổng thời gian xử lý giảm đáng kể và tiêu thụ bộ nhớ thấp hơn so với việc duy trì một local model lớn. Kết luận là việc dùng nhiều local models nhỏ có thể hiệu quả hơn một local model to khi tài nguyên bị giới hạn. Bạn nên đọc bài nếu muốn hiểu cách tối ưu hoá inference bằng cách chia tải cho nhiều mô hình nhỏ thay vì cố gắng nâng cấp bộ nhớ.
Hai mô hình nhỏ 2GB chạy đồng thời mang lại hiệu quả vượt trội hơn một mô hình lớn 8GB.
Smart plug (Zigbee) giá rẻ (~$15) thay thế smart appliance nhờ ưu điểm tiết kiệm chi phí, tránh lệ thuộc cloud, kéo dài tuổi thọ thiết bị và giảm rác thải điện tử. Chúng theo dõi dòng điện, kích hoạt tự động hóa (Home Assistant) như thông báo kết thúc chu trình, tính toán chi phí năng lượng hay ngắt an toàn mà không cần internet.
Lập trình viên nên đọc bài này để hiểu cách xây dựng hệ thống nhà thông minh tự động hóa hiệu quả bằng cách kết hợp các thiết bị cơ bản với các công cụ mở nguồn như Home Assistant, giảm chi phí và tránh phụ thuộc vào dịch vụ đám mây đắt tiền.
Read the news here, practice coding, follow structured courses and train for IELTS on our sibling products — all connected through one 8 Sync account.
The ecosystem home: product overviews, blog and full pricing.
ExploreLearn along a clear roadmap: videos, auto-graded quizzes, certificates and mentors who ship for a living.
View the roadmap1,000+ DSA problems in Vietnamese, auto-graded across 7 languages — many FREE, right in your browser.
Practice for freeAI grading for all four IELTS skills with detailed rubric feedback.
Try it freeA 22 MB AI IDE for Vietnamese devs.
Download freeOrganizational memory for AI agents.
ExploreAI that staffs your Fanpage and qualifies leads for you.
Try it