Ruflo 是套在 Claude Code、Codex 等 AI 编程工具外面的「agent 执行层」，作者把它比作模型的神经系统：模型负责写代码，Ruflo 负责给它配工具、记忆、循环和协调。装好后你照常用 Claude Code，它会在后台自动把任务拆给上百个专职 agent，让它们组成 swarm 分工协作，比如一个改代码、一个跑测试、一个做审查，还能跨会话记住经验、跨机器联邦通信，并接入本地向量检索做 RAG。对日常用 AI 编程助手的人来说，它解决的是「单个 agent 干着干着忘上下文、复杂任务没人分工、跑完就忘」这些痛点。值得看的是已经在重度使用 Claude Code 或 Codex 做工程的开发者、以及在评估多 agent 编排方案的技术负责人；如果你只是偶尔让 AI 补几行代码，这套东西对你意义不大。

这是一个给 Codex、Claude Code 等 AI Agent 用的家谱研究技能包，把 Agent 变成一位严谨的家族史调查员，专门查前苏联、苏联和俄罗斯帝国时期的档案：教会簿记、民事登记、军事档案、流放与镇压文件，以及未编索引的扫描件。它覆盖全部 15 个前加盟共和国，会按事件发生时的历史辖区（而非今天的地图）定位档案馆，处理革命前俄语、乌克兰语、波兰语、意第绪语等多种姓名变体和转写。核心价值在于证据纪律：每条结论都带可解释的状态（假设、单源、多源印证、矛盾、未决），同一份记录的副本和镜像被归入同一独立性分组，绝不重复计为独立佐证，同名者在缺乏区分证据前保持独立身份。适合有寻根需求、想让 AI 系统性查证家族史的个人，以及做东欧历史、档案研究的学者；对多数互联网和 AI 从业者关系不大。

Odysseus 是一个可以部署在自己服务器上的 AI 工作台，把聊天、Agent、深度研究、文档、邮件、笔记和日历整合到一个界面里，既能接本地模型也能调 API。它解决的是「AI 工具散落各处」的麻烦：比如你可以在同一个地方让 Agent 读网页做多步调研并生成带引用的报告，用盲测方式并排对比两个模型的回答，让邮件收件箱自动分类、打标签、写回复草稿，或者把定时任务交给 Agent 在日历提醒触发时执行。文档编辑器支持 AI 改写和建议，笔记和任务还能通过 CalDAV 同步到手机。适合想把日常 AI 工作流收拢到一处、又在意数据不出自己机器的个人开发者、独立研究者和小团队；如果你只是偶尔用 ChatGPT 聊天，或者公司已有统一的 AI 平台，那它跟你关系不大。

browser-use 是一个开源的浏览器 Agent 框架，让大模型像人一样操作浏览器：你用自然语言描述目标，它自己打开页面、点击、填表、过验证码。可以本地跑，接任意 LLM；也可以用它的云服务，拿到带隐身能力和住宅代理的浏览器，按小时计费。典型场景是那些没有 API、只能靠网页完成的活儿，比如自动抢预约名额、在多个网站比价下单、批量抓取动态渲染的数据，README 里的演示就是自动完成驾照考试预约。它还提供托管的 Agent API，适合不想自己搭基础设施的团队。值得看的是做自动化运营、数据采集、RAG 数据管道的工程师，以及想给产品加浏览器操作能力的 AI 应用开发者；如果你的工作和网页自动化、Agent 落地无关，那跟你的关系不大。

prompts.chat 是目前最大的开源提示词库，前身是知名的 Awesome ChatGPT Prompts，收录了社区贡献的大量 prompt，兼容 ChatGPT、Claude、Gemini、Llama 等主流模型。除了浏览和收藏提示词，它还托管了常驻 AI bot 及其协作团队，可以查看每个 bot 需要跑在云端还是本地、如何与其他 bot 配对接力完成任务，并附带一套 30 多章的免费交互式 prompt 工程教程，覆盖思维链、少样本学习等技巧，支持 17 种语言。对日常用大模型写文案、做翻译、搭 Agent 工作流的从业者来说，这里是找现成 prompt 和 bot 组合的快捷入口；做企业内部 AI 落地的人也能自建私有实例，避免内部 prompt 外泄。如果你完全不碰 LLM 应用，那它和你关系不大。

这是微软官方出品的 AI Agent 入门课程，共 18 节课，用 Jupyter Notebook 讲解如何从零构建 AI Agent，内容覆盖 Agent 基础概念、Agentic RAG、多 Agent 协作等主题，代码示例基于 Microsoft Agent Framework 和 Foundry Agent Service，也兼容部分 OpenAI 风格的第三方模型服务。每节课配短视频和可运行的代码样例，还提供 50 多种语言的翻译，包括简体中文。它适合两类人：一是想系统理解 Agent 是什么、能做什么的后端或算法工程师，可以从概念到动手实践快速补齐知识；二是正在评估要不要在团队里引入 Agent 方案的技术负责人，可以用它当参考教材统一认知。如果你日常工作与 AI 应用开发无关，这个课程和你的关系不大。

mem0 是给 AI Agent 和 AI 应用加装的「长期记忆层」，可以理解为对话版的持久化数据库：它自动从对话中抽取用户偏好、历史事件和事实，存起来并在下次交互时按需召回，让模型记住「你是谁、上次聊到哪」。它支持用户级、会话级和 Agent 级多层记忆，检索端融合语义、BM25 关键词和实体匹配，并带时间感知排序，能区分「现在状态」和「过去事件」。典型场景包括客服机器人复述历史工单、个人助理延续多轮偏好、医疗或游戏场景按用户行为调整策略。如果你在做面向 C 端的 AI 助手、客服系统，或需要跨会话保持上下文的 Agent 产品，值得花几分钟看它的记忆抽取与检索思路；纯做模型训练、推理部署或与 AI 无关的后端开发则关系不大。

Phone Harness 是一个 MCP 服务器，作用是把云端里的真机 iPhone 和 Android 模拟器接到 Claude、Cursor、ChatGPT、Codex 等任何 MCP 客户端上，让 AI agent 能像人一样操作手机：看屏幕、点击、输入、滑动、打开应用。它不需要你准备 Mac、adb 或做设备配对，只要一个 URL 加登录就能用，本质是给 agent 提供了一个「远程手机遥控器」。典型场景包括让 agent 自动测试 App 流程、复现只在真机上出现的 bug、批量执行移动端操作，或在没有实体设备的环境里跑 UI 自动化。对做移动端开发测试、AI agent 应用开发、以及想让 agent 触达真实设备的工程师来说值得一看；如果你的工作和手机端自动化、agent 工具链无关，那这个项目跟你的关系不大。

OpenHands 是一个自托管的编码 Agent 控制中心，可以把它理解成你自己的「AI 工程团队驾驶舱」。它本身自带开源的 OpenHands 编码 Agent，同时也支持接入 Claude Code、Codex、Gemini CLI、OpenCode 等任何兼容 ACP 协议的第三方 Agent，让你在本地、Docker、虚拟机或公司内部基础设施之间自由切换后端，模型也可以任选。除了开对话写代码，它更强调自动化：比如定时生成报告推送到 Slack、把 GitHub Issue 自动拆解成任务、按 webhook 触发与 Linear、Notion 等工具联动的工作流。需要注意的是 Agent 会直接访问你机器上的文件系统，权限较大。适合想把多个编码 Agent 统一管理、并让它们 7×24 跑自动化任务的工程效率或平台团队；如果你只是想找个 AI 助手写几行代码，直接用各家 CLI 就够了，这个项目对你意义不大。

这是一份 MCP 服务器的精选清单。MCP 是让 AI 模型安全连接本地和远程资源的开放协议，这份列表收录了数百个可自行部署的 MCP 服务器，按浏览器自动化、数据库、代码执行、搜索提取、通信协作等几十个场景分类，还标注了实现语言和适用系统。比如你想让 Claude Desktop 直接读本地 SQLite 数据库、操控 Chrome 浏览器、或调用某个云服务 API，都能在这里找到现成的服务器实现，省去自己从零写的功夫。它本质上类似 awesome 系列的导航站，帮你快速定位「我要接的这个工具有没有现成 MCP 封装」。对正在评估 MCP 生态、给 AI 应用寻找外部工具集成的开发者和 AI 产品经理来说，这是最省事的入口；如果你暂时不碰 MCP 或 Agent 开发，和你关系不大。

LangChain 是目前最主流的 LLM 应用开发框架，可以理解为 AI 应用领域的 Spring 或 Express：它把各家大模型、向量库、检索器、工具封装成统一接口，让开发者用可组合的模块拼装出 RAG 问答、Agent 工作流等应用，换模型或换存储时不用重写业务代码。它配套的 Deep Agents 提供规划、子代理、文件系统等高层能力，LangGraph 负责编排复杂多步任务，LangSmith 则做评测、可观测和调试。典型场景包括：给企业内部知识库做带引用的问答机器人、让 Agent 自动调用多个 API 完成跨系统流程、在实验阶段快速对比 OpenAI 与 Anthropic 等不同模型的效果。如果你是做 LLM 应用的后端或算法工程师，尤其是需要把 demo 推向生产、关心可观测与模型可替换性的团队，这是绕不开的基础设施；只做模型训练或纯前端的读者关系不大。

deepseek-bot 是 DeepSeek Harness 的一个插件，把常驻 AI 助手接进你的终端和聊天工具，核心卖点是跨会话的持久记忆。装好后在终端输入 dsh 就能进入全屏对话界面，回答流式输出、工具调用带 diff 展示，能生成 docx/xlsx/pptx、用无头浏览器读链接、看图、调用 MCP 工具。它的记忆会跨重启存活：用户画像、工作记录和过往对话的召回索引每轮都会带入，还能在 Slack、Discord、Telegram 里被 @ 后在原线程回答。涉及删除或覆盖的命令必须在对话里等你点 Allow 或 Deny 才执行，命令跑在 Seatbelt 沙箱里，写权限仅限自己的工作区。默认直接用 DeepSeek 自带 API。适合想在聊天软件里长期挂一个有记忆的 AI 助手、又在意操作可控性的开发者；目前仅支持 macOS，Discord 和 Telegram 还只在模拟 API 下验证过。

Dify 是一个开源的 LLM 应用开发平台，可以理解为「可视化搭建 AI 应用的低代码工作台」，类似把 LangChain 的编排能力、RAG 检索和 Agent 逻辑拖拽成画布上的节点。它内置数百种模型接入（GPT、Claude、DeepSeek、Llama 等），提供 Prompt 调试界面、文档知识库检索、Agent 工作流编排和调用链观测，支持云端、VPC 或私有化部署，让团队从原型直接走到生产而不必重写技术栈。典型场景比如：把公司内部文档做成能回答问题的客服机器人，或者编排一个多步骤的自动化流程——先检索资料、再调用工具、最后生成报告。如果你是做 AI 应用落地的产品经理、后端工程师或算法工程师，正在评估用什么框架快速搭出可上线的 LLM 产品，Dify 值得优先看；纯做模型训练或只关心推理部署的人关系不大。

这是一个让 AI 模型直接操作真实 iPhone 的方案：一块约 7 美元的 ESP32-S3 开发板通过 USB 连接手机，板子作为 AirPlay 接收器截取屏幕画面，同时以标准 USB 鼠标键盘身份模拟点击、滑动和输入，配合手机上的 App 和任意 OpenAI 兼容的视觉模型形成闭环，全程不需要 Mac、开发者账号或越狱。它能完成跨 App 的真实操作，比如你说「设一个每周一和周二早上 8 点的重复闹钟」，Agent 会自己退出当前应用、打开时钟、滚动选时间、勾选日期并保存，还能回放每一步操作并导出截图与动作序列供分析。适合关注 Computer Use、手机端 Agent 落地形态的 AI 应用开发者和硬件极客，用来研究视觉模型驱动 UI 自动化的完整链路；如果你不做移动端自动化或不关心软硬结合的 Agent 方案，和日常工作关系不大。

鲸鲸是一个 Windows 桌面程序，让你的微信账号接入 DeepSeek、智谱 GLM、通义或本地 Ollama 等大模型，自动陪人聊天。它的人设是蓝发鲸鱼娘，说话短、带情绪，能撒娇也能毒舌，支持网页私聊和微信群自动回复，还能查 B 站热搜、联网搜资料，甚至按回复语气自动配表情包。群里它会先判断消息在跟谁说话，避免乱插嘴或误伤别人，聊天记忆也会持久保存、更新不丢。它本质上是用 UI 自动化桥接微信客户端，属于个人玩伴型机器人，不是面向企业的客服方案。对做 AI 应用、想研究 LLM 人设提示词与记忆机制的开发者有参考价值；普通从业者若不关心微信机器人场景，关系不大，且需注意它操作的是你自己的真实微信账号。

n8n 是一个可视化工作流自动化平台，可以理解为 Zapier 的开源替代品，但把 AI 能力做成了原生特性。你在画布上拖拽节点把各种服务串起来，需要复杂逻辑时随时插入 JavaScript 或 Python 代码，能连接 1500 多个第三方应用，也能自托管部署。它的 AI 场景很具体：比如把 OpenAI 或 Anthropic 的模型接到你自己的数据库和内部系统上，搭建带人工审批、工具调用和完整日志的多步 Agent 流程，从原型一路跑到生产。适合需要把 AI 落进业务流程的后端工程师、平台团队和自动化负责人，比如做客服工单自动分类、跨系统数据同步加智能摘要这类活儿的人。如果你只是写模型训练或纯算法研究，跟它关系不大。

EXZA Remote 是一个 MCP 服务，让你在 ChatGPT 或 Claude 的对话里直接操控自己的电脑：查看文件、查进程状态、跑一条经你批准的终端命令，不用再手动把命令行输出复制粘贴回聊天框。它由一个远程 MCP 端点加一个装在你本机的客户端组成，通过一次性配对码把 Mac、Windows 或 Linux 机器绑定到你的账号，敏感操作需要你在本地确认后才执行，权限可随时撤销。典型场景是开发者让 AI 读取项目文件并跑一次本地测试，或 IT 支持远程查看设备状态和诊断输出。如果你是需要频繁在 AI 对话和本地环境之间来回切换的开发、运维或技术支持岗位，值得花几分钟看看；纯做前端或不碰本地环境的读者关系不大。注意它依赖 OpenAI 对自定义 MCP 连接的支持，可用功能随平台和账号权限而异。

OpenClaw 是一个跑在你自己电脑上的开源 AI 助手，最大的特点是它不困在网页聊天框里，而是直接出现在你已经在用的聊天渠道——Discord、Slack、Telegram、WhatsApp、iMessage、Teams 等 20 多个平台都能接入，也有各桌面和移动端的原生应用。它类似一个自托管版的个人 AI 助理中枢：状态、记忆、凭据全部留在本地硬件上，底层模型（Claude、Codex 或本地模型）以插件形式随意切换，没有付费档位和托管服务。实际用起来，你可以让它在群里回答同事提问、在私聊里帮你查资料、执行本地工具和技能，甚至多人共享一个「multiplayer claw」。适合关注数据主权、想把 AI 助手嵌入团队沟通流程的开发者和运维同学；如果你只是想找个开箱即用的聊天机器人，它反而偏重，需要自己承担安全配置责任。

Autopilot 是一个给游戏用的 AI 自动测试系统，由 Aura 团队开发，可以理解为「会自己玩游戏的 QA 测试员」。它接入 Unreal Engine 5、Unity 6、Godot 4 项目后，能自主学习游戏机制、探索关卡地图，并在一次次运行中越玩越好。实际场景是：游戏团队不用再靠人工反复跑图找 bug，让 Autopilot 自动把关卡走一遍，暴露卡关点、碰撞问题或流程漏洞，尤其适合关卡多、迭代快的项目。它支持 Windows 和 macOS，可绑定 Aura 账号统一管理用量，也允许自带模型密钥。对游戏开发工程师、技术美术和 QA 负责人来说，如果正苦恼于重复性 playtest 拖慢迭代节奏，值得花几分钟看看；纯后端或 AI 应用方向的从业者则关系不大。

CrewAI 是一个 Python 多智能体编排框架，可以把它理解为「给 AI 员工排班的管理系统」：你定义若干个带角色分工的 Agent（比如研究员、写手、审核员），它们组成一个 Crew 自动协作完成任务；同时提供 Flows 这种事件驱动的编排方式，让开发者在需要精确控制的环节插入单次 LLM 调用或固定逻辑，把自主协作和可控流程结合起来。典型场景包括自动生成职位描述、规划旅行行程、做股票分析这类需要多步骤、多角色配合的自动化任务，官方也强调它面向生产环境而非玩具 demo。适合正在做 Agent 应用落地的后端/AI 工程师、需要把重复业务流程改造成 AI 自动化的团队技术负责人，以及在评估 LangGraph、AutoGen 等同类框架选型的人；如果你只是调用单个模型 API 或不做 Agent 编排，这个项目和你关系不大。

Bops 是一个 Mac 应用，给你配一队 AI bot 来打理公司日常杂活：收件箱、销售线索、发票、报表。每个 bot 都跑在一台云端电脑上，有独立的邮箱地址和电话号码，你可以像带同事一样在 App、Slack、Telegram 或 Discord 里给它们派活，甚至直接打电话聊。它能接管约 1400 个常用应用，读取操作即时执行，但发送、创建、付款这类动作会先等你点头；你还能实时观看 bot 的屏幕、随时接管再交还。典型场景是小团队或独立开发者想把跟进邮件、查公司资料、整理报表这类重复劳动甩出去，又不想完全失去控制。适合需要自动化运营杂务的创业者、销售运营和一人公司；纯做模型训练或推理的工程师关系不大。

这是一份给 AI 智能体用的短剧创作技能包精选清单，收录了 83 个 skill 和 16 个相关开源平台，覆盖从小说改编、集纲钩子、剧本审稿到分镜、角色资产、以及给 Seedance、可灵、MiniMax 等视频模型写提示词的全流程，装进 Claude Code、Codex、千问、豆包、Kimi Code 等支持 skill 的智能体就能直接用。它的独特价值在于做了三轮实测：用同一道题让各 skill 和不装 skill 的对照组盲比，由 Opus 和 GPT 两位 AI 评审打分，告诉你哪些 skill 写的剧本和人物大纲真的更好、各自适合什么风格、有什么短板，比如钩子偏弱或中段推进慢。适合正在用 AI 做网文改编短剧、竖屏微剧或漫剧的编剧、内容策划和 AI 应用开发者，想快速挑到靠谱的编剧 skill 而不想自己逐个试错的人；如果你不做短剧内容，和你关系不大。

DeerFlow 是字节跳动开源的长任务智能体框架，可以理解为一个能自己规划、执行、收尾的「超级 Agent 操作台」：它把子智能体、长期记忆、代码沙箱和可扩展技能编排在一起，让一个任务从几分钟到几小时都能自动跑完。它最初是做深度调研的框架，2.0 版重写后能力扩展到研究、写代码、生成内容等复合任务，比如让它先联网搜集资料、再在沙箱里写脚本处理数据、最后产出报告或播客脚本，中途还能控制浏览器抓取页面、调用私有知识库补充背景。适合想搭建或评估多智能体工作流的 AI 应用工程师、Agent 产品负责人，以及需要长时间自动化调研和内容生产的人；如果你只做单轮调用或轻量问答，和它的关系就不大。

NamiAgent 是一套中文的 AI Agent 入门教程，同时也是一个真能在本地跑起来的最小 Agent：从 100 行的 while 循环开始，一课加一个能力，依次讲清工具调用、权限确认、上下文管理、Skills、MCP、子 Agent、计划和长期记忆，最后拆解 Claude Code、Codex 等主流产品是怎么做的。它自带网页端，左边显示模型每一步的思考和工具调用，右边显示发给模型的完整上下文，能直观看到上下文如何一圈圈变长；写文件、跑命令前会弹窗让你确认。每课都有可独立运行的代码快照，测试用假模型跑，不花 API 费用。适合想搞懂 Agent 到底在上下文里做什么的后端、算法和全栈工程师，以及准备自建 Agent 的团队；只想调用现成 Agent 产品的人关系不大。

ARTEX 是一套 AI 自主渗透测试系统，可以理解为把安全工程师的日常渗透工作交给 Agent 来跑：给它一个目标范围，它会自己探索资产、调用工具、发起攻击尝试并汇总漏洞发现，全程在 Web 界面上可视化呈现——包括任务执行过程、探索链路、资产覆盖图和流量录制。它内置了人在环路的审批机制，敏感操作需要人工确认后才继续，同时支持从 ScopeSentry 同步已有的资产数据，避免重复收集。这个仓库是 Autumn-27/ARTEX 的源码备份，保留了原始提交历史。对安全团队和红队从业者来说，它适合用来做批量资产的自动化漏洞挖掘和复测；对做 AI Agent 应用的开发者，它也是一个观察多步工具调用与审批拦截如何落地的完整参考。如果你既不做安全也不研究 Agent 编排，那和你关系不大。