这是一个基于麦当劳中国官方 MCP Server 构建的 AI 助手 Skill，把领券、点餐、外送、派对预约、积分抽奖等 35 个接口串成 7 条完整工作流，让 AI 能在你的真实账号上安全跑完「从领券到下单」的全流程。它的核心价值在于解决「能调用 ≠ 会用」的问题：点餐链路上每一环的参数都必须来自上一环的返回值，项目把踩过的坑固化成 14 条硬约束，比如下单前必须算价并让用户确认、抽奖前先看消耗明细、绝不臆造商品编码、积分抽奖会溢出即将过期的积分时直接拒绝执行。它还附带一个零依赖的命令行通道，不接 AI 客户端也能用。对做 Agent 编排、MCP 集成的工程师来说，这是一个很好的「如何给有副作用的工具链加安全护栏」的参考实现；普通用户如果只是想点个麦当劳，直接用官方 App 更省事。

这是一个可嵌入的 TypeScript Agent Runtime，可以理解为 LangChain/LlamaIndex 那类 Agent 框架的「减法版」：它只负责跑 model→tool 循环、ReAct 状态机、工具调度、取消超时，以及带幂等恢复的 checkpoint 和 interrupt 执行屏障，HTTP、SSE、数据库、鉴权、会话 UI 全部留给宿主自己实现，且零生产依赖，不会给你的服务带来一棵依赖树。典型场景是：你已经在自己的后端里有会话存储和权限体系，只想借一个可靠的执行内核来跑 Agent，中途用户点「暂停审批」时挂起、之后从断点继续，且重复请求不会重复调用模型。它还内置了默认拒绝私网地址的 HTTP 工具和防路径逃逸的读文件工具，观测层只发中性事件、不记录 prompt。适合正在自建 Agent 产品或对话平台的后端/平台工程师，尤其是对依赖体积、checkpoint 一致性和安全边界有洁癖的团队；只想快速搭个 demo 的人用不上它。

这是给 Hermes Agent 用的插件，让你给主 Agent 配一支固定的「子代理团队」：比如一个 reviewer、一个 scout、一个 test-writer，每个都有自己的指令、工具集和模型。主 Agent 派活时只选名字，具体含义由你在配置里定，不用每次重写任务简报。它能并行派多个子代理干活，中途不打断就能给正在跑的子代理发消息纠偏，还能带着前次任务的上下文做后续追问，每次运行的结果都记在本地账本里。另外它提供一个 Kanban 的 teammates 泳道，卡片派出去后自动认领、跑完进 review 或标 blocked，适合把任务交接流程化。适合已经在用 Hermes 做任务委派、希望每次都是同一批「专家角色」且要留痕的 AI 应用工程师；如果你要的是带门禁和扇出的 DAG 工作流，它明确说不适用。对不碰 Hermes 的人基本无关。

touri 是一个本地优先的桌面应用，可以把它理解成 Codex、Claude Code、OpenCode 这些 AI 编程 CLI 的图形化驾驶舱：你可以在里面养多个持久化的 AI 助手，每个助手有自己的指令、记忆、技能和可分支的对话历史，还能用定时任务让它们按计划自动跑。所有数据存在本机 SQLite 里，不联网、不收集遥遥测，凭证走系统钥匙串。实际场景包括：把本地仓库接进 Projects 让 agent 受控地跑数据库和服务器并直接预览，用内置浏览器让 agent 操作网页且随时人工接管，以及通过 MCP 网关给不同会话分配独立令牌。agent 的运行环境隔离在容器里，审批粒度可调。适合已经在用 Codex 或 Claude Code CLI、又想要可视化管理多个 agent、定时任务和浏览器操作的开发者；如果你只是偶尔在终端里跑一下 AI 编程工具，这个项目和你关系不大。

这是一份可以直接丢进 AGENTS.md 的系统提示词，专门给 Claude Code、Codex、opencode 这类编码 Agent 用，解决的是同一个老毛病：模型动不动就加免责声明、说教、拒绝后还补一句「我可以给你一个弱化版」，或者在长对话里越聊越保守。它把提示词写成一份「宪法」而不是任务清单，规定角色、能力边界、安全策略、拒绝处理和会话纪律，核心思路是只在真正会造成具体、可预见伤害时才拒绝，其余一律按原始规格执行到底。比如问安全攻防问题它按从业者深度回答而不是上课，写创意内容不会自己把强度调低，长会话中立场不漂移。适合经常调教 Agent、受够了过度谨慎输出的 AI 工程师和重度 AI 编程用户，普通只用 AI 写写代码的人关系不大。

Cheatcode_ 是给 Claude Code、Codex、Cursor 这类 AI 编程工具「一键加技能」的商店加安装器。很多非开发者——产品经理、分析师、老师学生——听说 AI 应用能学会新技能、连上自己的工具，却卡在 GitHub 仓库、终端命令和 JSON 配置上；它就是夹在中间的那层：用大白话解释每个技能包和 MCP server 是干什么的，按岗位和工作场景（参考 O*NET 等职业框架）分类，点一个按钮就装进你选的 AI 应用，装之前会核对每个文件与源仓库的哈希是否一致，装完留有回执可精确卸载。目前索引了三千多个技能仓库、MCP server 和插件，覆盖 11 款 AI 应用，559 个 MCP server 在无凭据容器里实测过才上架。开源部分是 Mac 安装器、包格式和三个技能包（需求文档、发布沟通、合规规格）。值得看的是产品经理、业务分析师这类要靠 AI 干活但不想碰命令行的人，以及做 Agent 技能、MCP 生态分发的开发者；纯写代码的工程师关系不大。

neatroots 是一个跑在本机的 AI Agent 调试与观测工具，可以理解为给你的 Agent 装了一套本地版的「黑匣子 + 回放器」。它接收 Agent 通过 Neatlogs SDK 或 OpenTelemetry 发出的运行轨迹，用代码规则和决策模型自动检查每次运行——比如工具调用陷入死循环、连续报错、密钥泄露、空跑等——并给出出错原因和修复建议。界面上一次运行可以用聊天视图、Trace 树、时间线、会话四种方式查看，还能搜索历史运行、修改消息或模型后重放单次 LLM 调用甚至整轮 Agent。它通过 MCP 把这些能力交给 Claude Code、Codex、Cursor 等编程 Agent，让它们直接读取报错证据、改代码、重放验证，形成「跑一次、查问题、修代码、再回放」的闭环。数据默认留在本地，云端同步需手动开启。适合正在开发自定义 AI Agent、需要排查 Agent 行为异常的工程师，尤其是日常配合 Claude Code 等编程助手调试 Agent 的人；如果你不写 Agent，关系不大。

decision-cascade 是一个本地运行的决策引擎，思路是不让 LLM 生成自由文本，而是把状态编码成特征后由专门的决策头直接输出三种类型化结果：是/否（Noul）、选项（Choice）、分数（Score），每个答案都带概率分布和置信度，可校验、可校准（内置 ECE/Brier 指标）。相比让模型「想一段话再回答」，它没有自回归生成，延迟低且确定，一次前向就能并行处理多个问题。它对标付费 SaaS 产品 Jev，但完全开源、数据不出本机，还支持用自己领域的标注数据微调决策头（SFT + RLCD）来优化校准质量，并兼容 Cloudflare Clef、Perplexity 等项目共用的 SystemOne 协议，可当网关转发。适合需要在产品里做可审计、可校准的分类或打分决策、又在意隐私和成本的后端/AI 工程师；项目尚在 beta，开箱权重是随机的，需要自己标注训练，只想拿现成模型直接用的人会失望。

Delta MCP 是一个夹在你的 AI 应用（Claude Code、Cursor、Gemini CLI 等）和各种 MCP server 之间的代理层，让 AI 调用工具时更可控、更省 token。它对每个任务先做检查，改动要么全部生效要么全部不生效，执行后会从服务端读回实际变化并记录前后对比，出问题可以一键撤销，且会明确告诉你哪些操作无法回滚（比如已发出的消息）。它还支持定时任务，比如每天分析 Grafana 日志发报告、每周五关闭已完成工单，简单任务不需要 AI 参与，需要分析时才让模型介入。官方称多步任务能省下数倍 token。目前尚未正式发布，仅提供下载预告。对日常依赖 MCP 工具、担心 AI 误操作或想降低 token 成本的 AI 应用开发者、Agent 工作流搭建者值得留意；只做纯模型训练或不碰 MCP 的人关系不大。

这是一个把研究选题变成论文初稿的多智能体流水线，核心卖点是「不信任写作者」：它先从 OpenAlex、Crossref、Semantic Scholar、arXiv 检索真实文献并尽量抓取开放获取全文，再强制初稿里每条引用只能指向这个文献池中的论文，最后做三重校验——引用键能否解析、DOI 和元数据是否与真实记录一致、被引论文是否真的支持这句话（有全文时还会标出最匹配的段落页码）。除了写稿，它还生成证据表、做创新性诊断（指出最接近的已有论文和审稿人最可能的质疑）、模拟三位不同侧重的审稿人独立评审，并支持中英文写作与 GB/T 7714、APA 等引用格式导出。每个阶段都设有人工审批闸口，也可全自动跑完。对需要写文献综述或论文初稿、又担心 LLM 编造参考文献的研究生、高校科研人员和企业研究岗来说值得一看；只是想快速查文献或做普通写作的人关系不大。

Sparky 是一个完全跑在本地 Windows 电脑上的私人 AI 助手，可以理解为把 ChatGPT、ComfyUI、Whisper 和一个本地 RAG 知识库打包成一个桌面应用，数据默认不离开你的机器。它能聊天、看图、给文档（PDF、Office、代码）建索引并带编号引用地回答问题、联网搜索（默认关闭）、生成图片和带同步音轨的视频、离线语音听写与朗读，还能在聊天旁边实时写代码和多文件项目并预览。更进一步的是 Computer mode，它能浏览文件夹、截图、读写文件、执行 PowerShell，安全等级由你逐会话设定，敏感操作会弹审批卡片；也支持接入 MCP 工具和定时任务。适合对隐私敏感、想在无网或内网环境用大模型的个人开发者、研究者和办公用户，以及想本地跑 LLM 做 RAG、图像视频生成的 AI 爱好者；如果你只用云端服务、不关心数据出境，那它和你关系不大。

Malvex 是一个用 AI Agent 驱动的恶意软件分析框架，把 IDA、Ghidra、radare2、Frida、volatility3、YARA 等 126 个逆向与取证工具通过 MCP 串成一条流水线。你把二进制、内存转储、Office 文档或 pcap 丢给它，它会先分诊，再并行派出多个 Agent 分别做静态反编译、动态插桩、内存取证、网络流量分析和威胁情报关联，最后输出带证据的结论：IOC、MITRE ATT&CK 映射、YARA/Sigma 检测规则和攻击链图。它特别强调「LLM 输出不算证据」，模型提出的假设必须被静态或运行时证据复现才能标记为确认，避免 AI 幻觉污染分析报告。全部分析在本地跑，样本不上传，适合离线或气隙环境。值得看的是安全行业的逆向工程师、恶意软件分析师、蓝队检测工程师和事件响应人员，尤其是日常要在多个工具间手动切换、想用 Agent 自动化分诊和初筛的人；如果你不从事安全分析，和你关系不大。

这是一个 QQ 群消息降噪与待办提取工具：通过 NapCat（OneBot v11）只读接收白名单 QQ 群的新消息，用本地规则加可选 LLM 过滤闲聊，只把明确的通知、待办和紧急事项摘要后推送到微信（WxPusher 等十余种通道），并自动解析群里转发的 PDF、Office 文档和截图，跨群去重同一条通知。它自带手机端 PWA 待办台，能按截止时间、紧急/学业标签管理任务，还支持日历导出、时间冲突检测和模型用量成本统计。官方演示里，一个日均 500 条消息的假群最终只推送 30 次通知、生成 62 项待办。适合被班级群、工作群轰炸到看不过来的人，尤其是需要从群聊里捞截止时间和通知的学生、班主任或团队协调者；如果你的 QQ 群本来就不多，和你关系不大。

JOSIE-Voice 是一个跑在 Apple Silicon Mac 上的本地语音助手，可以理解成「完全离线的 Siri 替代品」：听、识别、说话全在本机完成，语音数据不出设备。它支持语音和文字两种模式，同一段对话可以随时切换，还能识别不同说话人。除了闲聊，它能直接操作 macOS 的 Reminders、Calendar、Maps 和 Messages，比如口头让它建提醒、查日程、发消息；文字模式下可拖入 PDF 提问，历史会话会存进侧边栏和 Library，并以 3D embedding 地图形式呈现。需要注意的是，目前仓库里还没有可下载的安装包，首个 DMG 要到 2026 年 12 月才发布，现在看到的界面截图都是 mockup。对关注本地部署语音 Agent、端侧多模态交互的工程师，以及想研究语音助手产品形态的从业者来说值得留意；普通用户暂时用不上。

Rna 是一个本地优先的 AI Agent 桌面工作台，面向需要跨多天推进的长线项目——比如写小说、做研究、开发一个代码库。它和常见的聊天框式工具最大的不同是以「项目」而非「会话」为单位：项目绑定一个文件夹、一份记忆和一套工具，Agent 会在后台持续干活，你回来时收到的是简短摘要而不是刷屏日志。内置本地记忆无需 Docker 即可检索历史对话和交付文件，还接入了六种网页搜索服务和 MCP 协议，并用一个极低成本的小模型先做「值不值得打扰你」这类判断，再调用主模型。适合需要让 Agent 长期跟进任务的独立开发者、研究者和内容创作者，如果你只是偶尔问几个问题，它对你意义不大。

Orbs 是一个跑在你自己 Mac 上的私人机器人平台，可以理解为「自托管版的群聊 AI 助手」：本地一个守护进程承载每个 bot，你在网页、iPhone 或 macOS 菜单栏应用里和它们聊天，关掉应用后 bot 依然在后台继续干活。每个 bot 基于 Pi agent，有独立的对话、记忆、工具和技能，可接入 Claude、OpenAI Codex、Grok 等模型，还能互相发消息协作（最多三层传递）并派生子 agent。它支持定时任务、生成文档图表、附件问答、加密保存 API key，以及只读/询问/自动/全权四档权限控制。适合想把 AI 助手长期跑在本地、又不想经过任何云服务的个人开发者和 AI 从业者，尤其是已经在用 Pi 或想搭多 agent 工作流的人；普通用户和纯后端岗位关系不大。注意它不是沙箱，bot 以你的用户身份执行工具。

这是一个跑在 Android 手机上的个人 AI 助手，模型自带（填 API key 或直接用你已付费的 ChatGPT、Claude 账号），核心卖点是「常驻、自主、隐私在自己手里」。它内置浏览器可以自己上网操作，遇到验证码或登录会把页面交给你再继续；学到的东西会整理成可编辑的 wiki 记忆页，而不是黑箱。重活可以甩给通过 SSH 连上的自家电脑或服务器，手机只当窗口，文件按需取用不外泄。还能按时间、邮件、通知触发定时任务，比如盯一个价格几周、只在真变动时提醒，以及通过 Composio 接入 Gmail、Slack 等几百个应用。适合想在手机上跑私人 Agent、又不愿把数据交给云端服务的独立开发者和 AI 爱好者；纯做业务后端或不折腾个人助手的人关系不大。项目尚不成熟，主要在一台 Samsung 上测过。

这是一个教学用的可视化工具，把 AI Agent 聊天框背后那个「模型提议动作、框架执行、再喂回结果」的循环逐步画出来，连模型生成的每个 token 都能实时看到。它内置了简单的 harness，可以跑本地的 Gemma 4 E2B 或 Qwen3.5 小模型，也能接入 pi 这类编码 Agent 当 harness，让你对比不同模型的工具调用格式、思考 token、停止条件和采样温度差异。页面还支持给模型挂图片、音视频附件，以及一个在 Docker 沙箱里跑 Python 画图的工具。想搞清楚 function calling、ReAct 循环、人类在环确认、MTP 投机解码到底怎么运作的工程师和 AI 学习者，会从中看到比读论文更直观的机制；只想用 Agent 干活的人则不必看。

这是一个 AI agent 数据接口的大合集目录，收录了 2,070 个可直接调用的 API，涵盖 MCP servers、LLM 工具、RAG 管道、实时网页数据、视觉与语音模型等，底层大多封装自 Apify 上现成的爬虫和数据任务。简单说，它解决的是「agent 拿不到实时外部数据」的麻烦：比如你想让 Claude 或 Codex 直接查网页、把任意网站变成可检索的知识库、或者给 agent 装上浏览器去读页面内容，这里都有现成的可调用单元，输入输出格式统一，通过 Apify 的 MCP server 就能被 MCP 兼容的 agent 发现并调用，省去自己写集成代码的功夫。适合正在搭建 AI agent、需要给它接外部工具和实时数据的后端与算法工程师，以及做 RAG 应用、想快速给 agent 加视觉或语音能力的人；如果你不碰 agent 开发，这个目录和你关系不大。注意仓库内含 Apify 推广链接，且多数 API 是按次计费的付费服务。

Rust off Rails 不是一个传统意义上的代码库，而是一套写给 AI 编码代理看的 Markdown 约定加一份可直接复制的 Rust 全栈应用模板，目标是把 Ruby on Rails 的「约定优于配置」和 Phoenix 的实时能力搬到 Rust 生态里。它不给你隐藏的框架代码，而是让 Claude Code 这类代理照着约定了 Axum、SeaORM、htmx、Tailwind 这一套固定技术栈，从建项目、生成资源到任务队列、邮件、认证、Presence 都有现成配方，人只负责写需求和验收。实际场景比如你想让 AI 从零搭一个带账号体系和后台任务的 Rust Web 应用，不用再纠结选哪个 crate、目录怎么放、错误怎么处理，代理按文档执行即可。适合正在用 AI 编程工具做全栈开发、又想要 Rails 式强约束来减少代理发挥空间的工程师；如果你不用 AI 写代码，或本来就在用 Rails/Phoenix，参考价值有限。

Capri 是一款 Windows 桌面端的 AI 助手应用，可以理解为给 Claude Code、Codex、Antigravity 等编程 Agent 套上了一层带语音和赛博朋克皮肤的外壳，让你不用碰终端就能指挥它们干活。它能用自然语言处理文件和项目，比如整理下载文件夹、批量总结 PDF、找 bug 并修复、搭建新项目，还能把重复任务设成每周自动执行的自动化流程，敏感操作会先让你确认再动手。除了干活，它还带语音对话、屏幕记忆、桌面挂件和小游戏陪玩等偏娱乐的功能，整体风格致敬 Cyberpunk: Edgerunners。适合想在桌面上更顺手地调用多个 AI 编程助手、又希望交互方式更口语化的开发者；纯做后端或不常用 Agent 的人关系不大。目前仅支持 Windows。