anyscene 让 AI agent 从一段文字描述或几张参考图出发，自动搭出照片级的 Blender 3D 场景：先由 Claude 按 SKILL.md 规划房间结构和道具清单，再为每件道具生成参考图，用 fal 上的 Tripo 和 Meshy 两个 image-to-3D 模型各转一次，通过同光照渲染对比挑出更好的那个，最后脚本化完成摆放、碰撞检查、污渍雾气、实用光源布光、电影感运镜和调色渲染。整个过程每步都有可视化检查关卡，.blend 文件只是可重新生成的构建产物。示例场景包括东京深夜电子维修店、拉面店、香港大排档和 1970 年代任务控制中心，单个场景包含七八十件自动生成的道具；也支持不装 Blender，直接把参考图发到托管端点拿回完整场景包。适合做 3D 场景、影视预演、游戏关卡概念验证的美术和技术美术，以及想用 agent 批量生产虚拟布景的团队；纯后端或算法岗关系不大。

这是一套在浏览器里用摄像头做手部游戏的开源工具包，底层跑 Google 的 MediaPipe Hand Landmarker，把每只手的 21 个关键点转成稳定的游戏输入。它内置约 1600 行无依赖的 TypeScript 手势引擎，能识别 20 种静态手势（握拳、比心、捏合、点赞等）、16 种动作（挥手、画圈、推拉、投掷等）以及拍手、缩放、转向等双手手势，还带平滑和防抖处理，避免手势误触发；视频全程留在本地设备。仓库附带一个完整的 three.js 起步游戏模板和一份从 17 个手部游戏总结出的开发手册，作者用它做过《Show of Hands》等 15 款小游戏。它还专门为 coding agent 写了入口文档，你可以直接让 Claude Code 等工具照着模板生成新游戏，比如「用手指挥交响乐」。适合想做体感互动网页、线下活动 demo 或给产品加手势交互的前端和创意开发者；纯后端或做模型训练的人关系不大。

OpenCV 是计算机视觉领域的老牌基础库，可以理解为图像处理界的瑞士军刀：从读取图片、缩放裁剪、颜色空间转换，到人脸检测、目标跟踪、相机标定，几乎所有「让程序看懂图像」的底层操作都能在里面找到现成实现。它被广泛用在工业质检中检测产品缺陷、在自动驾驶里做车道线识别、在安防监控中做运动检测，也常作为深度学习模型的前处理和后处理环节，比如把摄像头画面裁剪归一化后喂给神经网络，再把输出的检测框画回图像上。如果你是做 CV 算法、嵌入式视觉、机器人或 AI 应用开发的工程师，它几乎是绕不开的工具；但如果你只做大模型或 NLP 相关工作，平时用不到图像处理，那这个项目和你关系不大。

这是一个 ComfyUI 的中文服装图库节点，内置 1407 套服装原图和缩略图，共 8 个分类，支持中英文搜索、分类筛选和随机抽取，可以把它理解为给 ComfyUI 工作流用的本地服装素材库。它本身不执行换装，而是把选中的服装原图作为参考图输出，接入后续支持图像参考的工作流，比如附带的 Qwen Image 2.1 换脸换装、姿态迁移示例：图1原人物、图2服装、图3目标人像，一次采样完成服装替换。你也可以上传自己的参考图入库，随机节点每次运行重新抽一张，锁定后则固定使用当前素材。做 AI 写真、虚拟试衣、电商服装生成的从业者，或者正在搭 ComfyUI 换装工作流、苦于没有成规模中文服装素材的人，值得花两分钟看看；只做纯文本或代码生成的读者和它关系不大。

Rigby2D 是一款开源的 2D 骨骼动画编辑器，定位类似 Spine、DragonBones 和 Live2D 的免费替代品，面向游戏和短片制作。它能对分层 PSD 美术资源自动绑骨，用网格变形、IK 和物理效果做动画，还能从音频自动生成口型同步，最终渲染成视频或导出 JSON/.skel 供引擎使用。它提供 Godot、Unity、Defold、Cocos、Phaser 以及 JavaScript、Rust 等多种运行时，另外内置 MCP server，可以让 AI 助手直接参与动画制作流程。做 2D 手游的动画师、独立游戏开发者，以及需要批量生产角色动画的团队会最需要它；如果你不涉及 2D 骨骼动画，这个项目和你关系不大。

这是一个把文字内容变成手绘讲解视频的制作工具：给它一个主题、一篇文章或完整故事，Agent 负责理解内容、写口播、设计分镜和生成插画，本地工具则负责逐笔描线、按笔顺书写汉字、上色、配音对齐与导出成片。它类似把「白板动画」类视频的整条流水线自动化了，画风、时长和讲解形式（清单、流程图、公式等）都跟着内容走。典型场景是知识博主或教学团队做概念讲解、故事寓言、产品原理视频——比如把一篇讲墨菲定律的文章改成两分钟有声手绘片，口播按语义段生成并过音质检查，画面按旁白时间戳逐笔出现，改字幕也不用重新生图。适合内容创作者、知识区 UP 主、做内部培训或产品科普的市场与教育岗位；如果你不做视频内容，跟多数从业者关系不大。它需要能执行本地命令的 Agent（Codex 或 Claude Code）和图像生成能力才能跑起来。

MiniCPM-OCR 是 OpenBMB 推出的文档解析模型系列，主打把扫描件、照片、弯曲页面等复杂来源的中英文文档和 PDF 快速转成结构化文本，覆盖文字、表格、公式、图表、印章等元素，可类比为 PaddleOCR、MinerU 这类工具的模型级替代品。它在真实文档基准 Real5-OmniDocBench 上取得 93.68 的成绩，配合解码加速后端到端效率提升约 55%，吞吐明显高于 PaddleOCR-VL 和 MinerU2.5 Pro，适合批量处理。系列里的 MiniCPM-OCR Jev 更特别：它不负责识别，而是对 OCR 结果做区域级质量评估，标出哪些区域可信、哪些需要人工复核，能搭配任意解析模型使用。值得看的是做文档数字化、票据或合同信息抽取、RAG 数据管线的后端和算法工程师，以及需要在移动端离线跑 OCR 的开发者；纯前端或非技术岗位关系不大。

openpilot 是 comma.ai 开源的自动驾驶操作系统，可以理解为给 300 多款量产车加装一套第三方辅助驾驶系统：配合 comma 的车载设备和线束，它接管车辆的自适应巡航与车道保持，让原本只有基础 ACC 的车获得接近高阶辅助驾驶的体验。它解决的是「我的车原厂辅助驾驶太弱，又不想换车」的麻烦，比如长途高速上自动跟车、车道居中，减少驾驶疲劳。项目主要用 Python 写成，包含感知、规划、控制等完整链路，社区活跃，也常被用来研究端到端自动驾驶和实车数据闭环。值得看的人包括自动驾驶算法工程师、做车载感知或规控的从业者，以及想了解真实量产车辅助驾驶系统怎么落地的 AI 工程师；如果你不碰机器人或自动驾驶，和多数人的日常工作关系不大。

Indra OCR 是一个只有 100 万参数的轻量 OCR 模型，把 PDF 和图片转成 markdown、纯文本或带坐标框的 JSON，可以理解为 Tesseract 的现代替代品，但完全跑在 CPU 上，不需要 GPU 和 PyTorch。它支持 80 多种语言（含中日韩、阿拉伯文等），能识别手写、歪斜 45 度以内的扫描件，并输出每行每块的版面标签和阅读顺序，比如标题、列表、表格、脚注；遇到带文字层的数字 PDF，它只对缺失部分做 OCR。速度是它的主打卖点：32 核机器上约每秒 44 页，比 Tesseract 快 15 倍，4 核约 210 毫秒一页，精度在 OmniParseBench 上也超过 PaddleOCR 的完整流水线。适合需要批量处理文档的后端和数据工程岗位，比如把合同、发票、论文扫描件灌进 RAG 或数据管线的人；如果你只是偶尔转一两个文件，或者做的是手写、数学公式、复杂表格这类高难度场景，它未必是最优解，README 也明确建议那种情况用他们更大的 Chandra 模型。

这是一个本地运行的摄像头特效工具，能把你的摄像头画面实时变成动漫里的「瞬移消失」效果，类似给直播或视频通话加一层趣味滤镜。它用 MediaPipe 做人脸和手势识别，通过按键或手势触发烟雾、粒子等特效，让人物瞬间消失再出现，视频全程只在本机处理，不上传服务器。输出可以接到 OBS Virtual Camera，方便在直播场景里使用。适合想给直播、短视频或线上会议加点整活效果的内容创作者和主播，尤其是喜欢 Naruto、Goku 这类动漫梗的人；如果你不玩直播或不做视频内容，这个项目和你关系不大。另外要注意，打包版 EXE 需要联网激活邮箱许可证，本地源码版则没有这层限制。

这是一个把日本画师公开的三套 AI 作图参考素材（脸库、姿势库、服装库）翻译成中文的检索网站，共收录约 4300 张参考图：正面向脸部特写、灰色人偶线稿姿势、无人物服装图，全部 AI 生成、不涉及真人。它解决的是写提示词时「描述不清想要的脸和姿势」的痛点——你可以中英双语搜索、一键复制作图指令，或者点随机组合，从三个库各抽一张并排展示，自动生成现成提示词，还能单独换掉其中一张。针对不同工具它给了两种参考图形式：给能联网的 Agent（Claude、GPT 加浏览器工具）用的带源站直链版，以及给只能贴图的对话式图像模型用的三联图版。经常用 Stable Diffusion、Midjourney 或各类对话式 AI 画人物的创作者、需要批量产出角色图的美术和运营同学值得看看；纯后端或不做图像相关工作的人关系不大。注意服装库和姿势库禁止再分发图片本体，商用前需自行判断侵权风险。

YOLOv5 是 Ultralytics 基于 PyTorch 打造的目标检测工具包，可以理解为视觉版的「开箱即用」模型库：给它一批标注图片，就能训练出检测、实例分割、分类三种任务的模型，并导出到 ONNX、TensorRT、TFLite、CoreML 等格式部署到服务器或移动端。它解决的是「想快速落地视觉识别但不想从零搭训练管线」的麻烦，比如质检产线要识别产品缺陷、监控视频要统计人车、零售货架要检测商品是否缺货，用它都能在几天内跑通从数据到推理的全流程。适合计算机视觉工程师、算法工程师以及需要在边缘设备上跑检测模型的开发者；如果你的工作与图像识别无关，这个项目和你关系不大。需要注意的是，YOLOv5 已是成熟但非最新架构，追求 pose estimation、OBB 等新任务的人可关注 Ultralytics 更新的版本。

这是一个基于姿势线稿和服装库给固定角色出图的姿势工作室，可以单独在浏览器里用，也能作为插件装进 DeepSeek Harness。它内置了 288 组共 1439 张姿势线稿、1407 套服装和 1499 张脸部参考，你选好姿势、换上某套衣服、再挑一张脸，就能让默认模特「大肥鱼」（社区鲸鱼娘）按这套组合生成图片，也可以导入自己的模特照片替换脸和衣服。生图走 Gemini、OpenAI 兼容接口或火山方舟 Seedream，没有密钥时它会把写好的提示词输出出来，方便你复制到别的生图工具里。装进 Harness 后，Agent 能直接调用搜索姿势、服装、脸部和生图的工具，让对话里的 agent 帮你完成换装出图。适合做 AI 角色立绘、同人创作、姿势参考的画师和创作者，以及想给 DeepSeek Harness 增加图像生成能力的开发者；如果你不碰角色出图，和你关系不大。

光域造景（Guangyu Zaojing）是一个图像驱动的三维场景生成系统，你可以把它理解成把 LucidDreamer 那套「单图变 3D 场景」流程打包成的一个中文网页工作台。你只需提供一张参考图和一句中文提示词，它就能沿指定的相机轨迹生成可预览、可回放、可追溯的场景结果，包括彩色动画、深度动画和 Gaussian 点云，浏览器里就能拖动查看，也能导出 PLY 交给 SuperSplat 或 MeshLab 继续处理。它把过去要拆成深度估计、图像补全、3D 表示、运镜渲染等多个工具的链路合到一个界面里，适合在决定是否投入精修前先看空间概念稿、做风格化内容探索（动漫、奇幻、废土等预设）、把静帧加飞越视频加点云预览放在一页给协作者评审，或在课堂和提案会上直接演示——没有 GPU 也能用 demo 模式浏览官方示例资产。对 3D 内容创作者、空间设计和视觉概念岗、以及需要快速出三维演示素材的人来说值得一看；纯后端或算法岗关系不大。

这是 NVIDIA 官方推出的一个 Minecraft Java 版渲染模组，基于 RTX Remix 技术，让游戏里每个方块、生物和物品都由实时光线追踪（path tracing）计算照明，光影、反射和颜色溢出都是真实算出来的，而不是贴图画上去的。它自带一张由 BlockWorks 制作的展示世界和 NVIDIA 美术团队做的材质包，还新增了一个可放置的 Copper Beacon 定向光源，以及录制相机路径回放做前后对比的功能。目前是 beta，只支持 1.21.1，与其他模组的兼容性和完整流程的适配都还在打磨中。对游戏渲染、图形编程感兴趣的开发者可以看看它的实现方式；普通玩家若想在 RTX 显卡上体验光追版 Minecraft 也可以试，但和多数互联网或 AI 从业者关系不大。

这是一个 ComfyUI 自定义节点包，围绕 MiniMax H3 视频模型做多镜头连续创作。它提供一条时间线（Timeline），把多个片段串起来并跨片段携带上下文，让第二镜、第三镜能延续第一镜的设定；还带一个 Studio 界面，可编辑故事、参考图和时间线。核心卖点是「视觉记忆」：能把之前片段里的某个画面带进后面的镜头，即使中间切了外景或换了机位也能接上。另外内置 H3 Story 节点，可通过 OpenAI 兼容接口（本地或云端）自动规划并撰写时间线上的故事。适合在 ComfyUI 里做短片、分镜连贯性测试的视频创作者和 AI 内容团队，尤其是苦恼于多镜头人物、场景一致性的从业者；只想跑单条视频生成的人用不上它。

这是一个 MCP server，让 Claude Code、Cursor、Windsurf 这类 AI 编程助手直接生成游戏素材并写进你的项目仓库，而不是只在聊天窗口里给你一段描述。它覆盖了从概念图到可用资产的整条链路：输入提示词或参考图，能产出带 idle/run/attack 动画的绑定骨骼角色、自动吸附到手骨并握紧的武器、可无缝平铺的材质贴图、带出生点和路线的俯视地图、VFX 特效与 HUD 血条套件，还能把模块化玩法套件组装成可直接在浏览器打开试玩的 Godot、Unity 或 Unreal 项目。生成的资产会进入一个可搜索的 Library，支持按标签检索、依赖解析和回滚。适合正在用 AI 辅助开发独立游戏的程序或技术美术，尤其是想让 agent 直接产出引擎可用资产而非占位模型的人；纯后端或算法岗与它关系不大。注意生成需要 GripForge API key，服务端完成渲染。

这是一个 Windows 桌面端的大图浏览与标注工作台，专门处理病理切片这类超大图像（支持 SVS、NDPI、OME-TIFF 等格式），可以理解为给数字病理和遥感影像用的「带 AI 协作能力的 QuPath」。它能流畅地平移缩放浏览整张切片，让你分层画矩形、多边形等标注，还能通过 MCP 协议把图像区域暴露给外部 AI Agent：Agent 读取切片局部后提交识别候选结果，你在界面上逐条比对原图、接受或拒绝，通过的自动转成可编辑标注，视口控制权也由你手动授予或收回，全程 human-in-the-loop。适合做数字病理、医学影像标注、遥感解译的产品和算法工程师，尤其是想把 LLM Agent 接入图像标注流水线、又需要人工审核兜底的团队；如果你的工作与大图标注或 AI 辅助识别无关，这个项目可以跳过。

这是一个面向 AI 绘画和角色设计的中文参考图库，把散落在日文原站的服装、脸型、姿势、深度图和二次元素材整合成一个可中文检索的静态网站。服装库收录写实与动画两套共两千多套衣装，可按季节、颜色、材质筛选；脸型库有近 1500 张虚构人物的五官与发型参考；姿势库和深度库各 1400 多张，线稿与灰度深度图按编号配对，方便处理肢体遮挡和透视；二次元库则带可直接复制的英文标签。实际用处是：写 prompt 时找不到合适的服装或姿势参考、画分镜需要多视角构图、训练或调试 ControlNet 类模型需要成对的线稿与深度图，都能在这里快速取图。对做 AI 绘画工作流、漫剧分镜、角色设计的画师和相关算法工程师比较有用；纯后端或不做视觉相关工作的读者关系不大。