这是 MiniMax Code 团队公开的内部工作流合集，把他们日常开发 MiniMax Code 时用到的一套「技能」打包开源，每个技能是一份可直接装进 MiniMax Code 的 SKILL.md。它不是提示词合集，而是实战经验：比如用 subagent-split-check 判断任务该不该拆给子代理、用 tool-budget-audit 和 context-tax-audit 审计工具调用与上下文注入对 prompt cache 的消耗、用 long-session-check 决定长会话该压缩还是重开、用 independent-review 从干净上下文独立评审 diff，还有把反复出现的人工纠正固化成测试或 CI 的 taste-to-checks。适合已经在用或打算深度使用 coding agent 的工程师，尤其是负责 AI 编程工具链、harness 工程、想提升 agent 产出质量与评审效率的人；如果你不写代码或不用 agent，这项目和你关系不大。

Lampline 是一个在自己电脑上构建和测试 AI 电话客服机器人的开源工具，可以理解为 Dialogflow CX 的本地化替代加测试框架。它把电话机器人写成 YAML 和 Markdown 文件，用测试用例描述「来电者说什么、机器人该走到哪一步、必须或绝不能说什么」，然后自动跑测试并给出失败原因，还能让 AI 扮演来电者给真实通话打分。它支持导入导出 Dialogflow CX 和 CX Agent Studio 的机器人，也能通过 Twilio、Telnyx 或任意 SIP 中继接真实电话，底层基于 Pipecat。对做呼叫中心、IVR、语音 Agent 的工程师来说，最大的价值是能在改动上线前用自动化测试验证对话流程，还能接入 Claude Code、Cursor 等编码 Agent 自动修复失败用例。如果你不做语音客服或电话机器人，这个项目和你关系不大。

LightPost 是一个自托管的社交媒体排期发布工具，可以理解为开源版的 Buffer 或 Hootsuite：你在同一个面板里连接多个账号，写好一条内容，就能同时发到 X、Bluesky、Mastodon、Instagram、Threads、LinkedIn、Telegram、Discord、Facebook Pages 和 YouTube 等平台，也可以存草稿、定时发布。它支持按账号定制内容形态（纯文字、图片或视频），发布后能看到每个账号的投递结果和链接，失败的目的地可以单独重试而不影响已成功的。数据全部存在自己的服务器上，凭据加密保存，不依赖外部数据库和 AI 服务。适合个人创作者、独立开发者或小团队里负责多平台运营的人，尤其是那些不想把账号凭据交给第三方 SaaS、又需要统一管理多个社交账号发布节奏的场景；如果你根本不做社交媒体分发，这个项目和你关系不大。

McPet 是一只跑在桌面上的 AI 桌宠，同时也是一个 MCP 服务：它能显示你正在跑的 Agent 会话状态和本机 token 用量，还能通过 MCP 接入麦当劳、瑞幸等日常工具。你可以右键宠物查优惠券、领券、生成订单、查取餐码，也能记录营养摄入、设置饭点和咖啡时间提醒；角色默认是 DeepSeek 娘，可切换 ChatGPT 娘并换装。它更像一个带陪伴感的 Agent 状态面板加生活服务入口，而不是严肃的运维工具。适合日常重度使用 LLM Agent、想随时盯会话进度和余额、又不介意桌面多个可爱挂件的开发者和 AI 从业者；如果你不跑 Agent、也不需要点外卖查优惠，它对你的价值就比较有限。

这是一个离线运行的 PDF 压缩工具，面向 Windows 用户，可以理解为本地版的 Smallpdf 或 iLovePDF，但完全不需要联网，文件不会上传到任何服务器。它主打把 PDF 体积压缩最多 90% 而画质损失很小，支持批量处理和拖拽操作，适合一次处理一堆文件。典型场景是：投标文件、论文、合同附件超过邮件或平台的大小限制时，用它快速瘦身；或者整理扫描件归档，省下大量磁盘和传输空间。由于全程离线，处理涉密合同、内部财报、未公开设计稿这类敏感文档时也比在线工具更让人放心。如果你是经常和文档打交道的行政、法务、编辑、科研人员，或者需要在内网环境里处理 PDF 的 IT 支持，这个工具值得花两分钟看一眼；但如果你平时几乎不碰 PDF，或者只在 Mac 和 Linux 上工作，它和你关系不大。

这是一个 Roblox 多账号管理工具，类似游戏圈里常见的账号切换器：把多个 Roblox 账号集中到一个界面里，支持快速切换、按分组整理档案、保存和恢复登录会话，省去反复输密码的麻烦。它面向的是需要同时运营多个 Roblox 账号的人，比如做游戏内容的工作室、批量测试游戏功能的开发者，或者管理粉丝账号的运营者。README 里也明确提醒使用风险自负、属于开源教育项目，说明它并非官方工具，涉及账号安全的部分需要自己掂量。对多数互联网和 AI 从业者来说，这东西和日常工作没什么关系，除非你本身在做 Roblox 生态相关的产品或内容，否则扫一眼知道有这么个工具就够了，不值得深入看。

这是一个游戏作弊脚本，提供自动连跳（Bunny Hop）和空中移动辅助，属于外挂类工具而非 AI 项目。它能自动执行跳跃时机和力度的调整，配合空中控制与速度保持，帮助玩家在需要连跳移动的游戏中更流畅地移动，还支持热键切换和自定义参数。README 明确标注了风险自负、仅供教育用途，但本质上仍是破坏游戏公平性的辅助脚本。对多数互联网和 AI 从业者来说，这个项目与工作内容无关，也不建议使用——既可能违反游戏服务条款导致封号，也可能带来账号安全风险。除非你专门研究游戏反作弊或脚本对抗，否则可以直接跳过。

这是一个 Windows 上的图片格式批量转换工具，功能上类似 XnConvert 或 IrfanView 的转换部分：把 JPG、PNG、WEBP、BMP、TIFF、GIF、ICO 等格式互相转换，支持拖拽导入、批量处理、调整质量与压缩参数，全程离线且无水印。它主要面向需要一次性处理大量图片的场景，比如运营同学要把几百张产品图统一转成 WEBP 上 CDN、设计交付前把 PNG 批量转 JPG 压体积、或者把老素材库的 BMP/TIFF 转成网页可用格式。对多数互联网和 AI 从业者来说，如果你偶尔转一两张图，用现成的在线工具或系统自带功能就够了，这个项目关系不大；但如果你的工作流里经常要批量处理图片素材，又不想依赖联网的第三方转换网站，可以看看它。需要提醒的是，README 里夹了一个来历不明的外链，且分发方式是直接运行 exe，下载前建议先在干净环境里验证。

这是一个 Minecraft 外挂/作弊客户端，面向 1.21.4 Fabric 版本，提供 KillAura 自动攻击、ESP/XRay 透视、飞行、Scaffold 自动搭路、Crystal Aura 自动水晶 PvP 等 150 多个作弊模块，覆盖 PvP、生存、Anarchy 等玩法场景。它本质上是给想在游戏里开挂的玩家用的工具，与 AI、开发工具或工程实践没有任何关系。对订阅本日报的互联网和 AI 从业者来说，这个项目和你的工作基本无关，不建议投入时间；唯一值得留意的是它 Star 数达 300，说明外挂类内容在 GitHub 上仍有一定传播度，遇到类似仓库时注意甄别，避免误下载运行来路不明的程序。

这是一个 Minecraft 辅助瞄准模组，属于游戏外挂性质的工具，装在 Fabric 1.21.4 上后，能在你瞄准敌人时自动平滑地把准星吸附到目标身上，支持调节吸附视野范围、只锁定可见目标、忽略队友，并带快捷键开关和游戏内设置面板。它面向的是想在 PvP 对战中降低瞄准难度的玩家，本质上是通过程序补偿操作精度，属于破坏游戏公平性的作弊类软件，多数服务器会判定为违规并封禁账号。对互联网和 AI 行业的从业者来说，这个项目和你的工作没有关系，README 也没有涉及任何 AI 技术，不值得花时间看。

这是一个用 Python 写的 TikTok 评论自动化工具，本质是一个基于会话的流程管理器，用来批量、可控地在 TikTok 视频下发布评论，支持多套评论模板轮换和频率限制，避免操作过于集中。它面向的是做社媒互动研究和内容测试的场景：比如运营想验证不同文案风格对视频互动率的影响，或者研究者想采集评论区数据做分析，手动一条条发既慢又容易被平台风控，这个工具把「登录会话管理 + 模板切换 + 节流」打包成一条流水线，替你省掉重复劳动。需要提醒的是，自动化评论本身可能违反 TikTok 的使用条款，账号有被限流或封禁的风险，用之前要评估清楚。对多数后端、算法或产品岗位来说，这跟日常工作关系不大；但如果你是做社媒运营、增长实验或内容数据分析的，且确实在跑 TikTok 相关的互动测试，可以花两分钟看一眼它的工作流设计是否合用。

ResiMind 是一套神经符号 Agent 架构，核心思路是让模型或工具提出的每一步都先过独立校验器，通过了才算事实，失败的校验会把「还差什么」反馈给下一次尝试。它最典型的应用是代数：内置 MCP 数学工具和一个代数修复 Skill，能识别并纠正推理中看似合理但错误的步骤，还支持把验证过的解法提炼成可复用的规则存进记忆，下次遇到同类问题直接调用，知识在模型权重之外增长。除数学外，它还覆盖桥梁工程、约束优化、客服和开放式规划等场景，各自配了校验器；部分纯规则路径可以零模型调用运行。README 也坦诚说明目前代数能力限于有界有理多项式，MiniF2F 等基准成绩尚未公布。适合关注 Agent 可靠性、自我纠错与记忆机制的 AI 工程师和研究者，想给现有 Agent 加验证能力的人也能直接接入其 MCP 工具；普通后端或前端开发者关系不大。

video-director 是一套给 Claude Code 用的 skill，让 Claude Opus 5.5 当导演，把短视频直接写成代码——用 HTML、Canvas、Three.js、GSAP 或 Remotion 逐帧渲染成 MP4，覆盖产品发布片、讲解动画、数据故事、动态字体、循环短片和社交 Reels。它不是视频生成模型，而是一套流程约束：先用数字把片子规划好，再确定性地写代码，最后用脚本测量模型「看不了也听不了」的东西——首帧是否黑屏、文字大小和对比度够不够、有没有闪烁卡顿、循环接缝、响度和静音段。它还带三份测试 brief 和评分器，README 里展示了加 skill 前后的对比结果。适合需要给产品做发布视频、给 CLI 或 SaaS 写短片的开发者，以及做内容运营、想用代码而非剪辑工具批量产出 Reels 的人；如果你不做视频相关工作，和你关系不大。

这是一套做「AI 动画单元剧」的完整流程：先给几个原创角色（比如白仓鼠汤圆和腊肠狗油条）立好设定图，之后每集只需说一句主题，就能生成一集 30 秒的无台词动画短片。它以 Claude Skill 的形式装进 Claude Code，由 Claude 负责写剧本、按出场角色和时长自动拼出提示词，再配合脚本完成宫格故事板拼接、成片抽帧检查、单段补拍和合集剪辑，视频生成则交给即梦 Seedance 2.5 全能参考一次出片。适合想在抖音、小红书等平台做固定 IP 短视频账号的内容创作者，以及想低成本试水 AI 视频叙事的产品和运营同学；如果你不打算做动画内容，这个项目和你关系不大。

这是一个 ACM MM 2026 论文的配套代码，研究 text-to-image diffusion 模型的一个怪毛病：同一个风格概念（比如 ink sketch）在某些物体上反复失败——葡萄能变成墨线稿，蛋糕却怎么都是彩色的，换 seed 也没用。作者称之为 object-dependent concept brittleness，认为这是模型的系统性盲区而非采样噪声。他们的做法是在每个去噪步骤上训练一个 sparse autoencoder（SAE），把风格、属性这类抽象概念在稀疏空间里分离出来，对比成功与失败的生成，定位缺失或被削弱的概念维度，再在推理阶段把特征往类级概念原型上轻推来修复，全程不需要重训练。实验覆盖 SD 1.5、SDXL、SD 3.5、FLUX.1-dev、PixArt 等多个 backbone，修复后 CLIP 与风格对齐指标有明显提升。适合关注 diffusion 模型可控生成、prompt 遵循性、SAE 可解释性的研究者和算法工程师；做产品落地或不碰生成模型的人关系不大。

这是一个 ComfyUI 的中文人体姿势图库节点，内置 1439 张原图、288 组姿势、最多 5 个视角，相当于给你的生图工作流配了一个本地姿势素材库。你可以在节点里按中英文关键词、体系、动作、视角筛选并预览姿势，选中后把图片和姿势描述输出给后续节点；也可以用随机节点每次运行自动抽一张，或锁定某张姿势反复使用。典型用法是把图库姿势接进 Depth Anything 提取深度图，再驱动 MOSS SFT、Qwen Image 2.1、Z-Image-Turbo 等模型按指定姿态生成角色，也能配合 Anima LLLite 做动漫姿态生图，还支持上传自定义参考图入库。它主要面向用 ComfyUI 做人物生成、姿态控制和换装换脸工作流的 AI 绘画创作者，如果你不玩 ComfyUI 生图，和你关系不大。

这是一个给 Claude Code 用的音效选材 Skill，让 Agent 帮你在 Freesound 等音效库里搜索、筛选并下载真实音效，比如转场 whoosh、卡片入场、按钮点击、纸纸张滑动这类视频常用声音。它把画面动作翻译成英文关键词去搜候选，再结合下载量、评分人数、时长、描述和许可证（CC0/Attribution）判断是否合适，给出推荐依据和试听链接，最后下载到指定目录，必要时用 FFmpeg 检查时长与能量分布。典型用法是在做产品演示视频时说「找一个 0.3 秒、轻快的卡片飞入 whoosh，只要 CC0」，它会返回候选和理由。适合做短视频、动效演示、产品宣传片的剪辑师和前端/动效开发者，以及在 Claude Code 里搭自动化视频流水线的人；平时不碰视频音效的读者关系不大。

从 PDF 抽出来的中文经常藏着「长得一样、码点不同」的假汉字：比如 Kangxi 部首「⻆」渲染出来就是「角」，但字符串比较、关键词搜索、去重全都会悄悄失败，向量检索还可能把无关短文档排到前面。cjkfold 就是专门修这个问题的纯 Python 工具，把这些部首字形折叠回真正的统一汉字，让抽取出的文本重新可比对。它比常见的 NFKC 归一化更彻底——NFKC 能修 Kangxi 部首区的 214 个字，却对 CJK 部首补充区的 115 个字只修了 2 个，cjkfold 借助 Unicode 15.1 的 EquivalentUnifiedIdeograph 属性补上了 114 个。它还带扫描能力，能区分「可安全折叠」「NFKC 可处理」「零宽空格可删除」「ZWJ 等不可乱删」以及乱码占位符等几类问题，并给出处理建议。如果你在做 PDF 文本抽取、中文 RAG 检索、语料去重或搜索相关性排查，这个工具值得一看；纯做前端或业务后端的人关系不大。

PlantCraft 是一套面向流程工业（化工、制药、能源等工厂）的开源工业软件套件，把 Historian 数据采集、信号分析、报警管理、看板、流程模型和文档库整合到一个平台里，对标的是 OSIsoft PI 加各类商业组态软件的组合。它对工厂只读，不写 DCS/PLC，可离线部署；每个页面内置 AI 助手，能根据你的描述自动生成分析方法、报警规则、看板或模型，也能基于工厂自身数据和文档回答问题，还提供只读 MCP 接口让你自己的 AI 读取工厂数据。Analytics 会自动巡检所有控制回路和信号，优先报出最差的并说明原因，比如坏数据、回路振荡、阀门卡涩。适合流程行业的工艺工程师、仪表与控制工程师、工厂运维数据团队，以及做工业 AI 应用的开发者；纯互联网或通用 AI 岗位的人关系不大。

这是一个麦当劳点餐助手 Skill，说一句「35 元，不辣，有糖可乐去冰，带走」，它就把预算、口味、取餐方式这些硬约束变成一份完整餐单（主食+小食+饮料），给出唯一答案和一张可复制的点单卡，照着在 App 或柜台点即可。它的核心价值是核价：金额只认官方 calculate-price 返回的整数分，菜单展示价若附带「随单购麦金卡」之类的条件会一并说明，避免你以为省了钱其实没省。README 实测同一餐两种点法差 12 元（24.7%），它会明确告诉你省在哪。预算不够时它直说没有方案并给出最低需要多少钱，不硬凑；也不会因为你钠含量低就擅自把有糖可乐换成无糖。只读不领券不下单不支付，Token 留在本机。适合预算有限、口味偏好明确、常点到店自取的个人或两人用餐者，以及想参考「只读 MCP 客户端+确定性比较」实现样板的开发者；对多数不点麦当劳或不关心点餐比价的人关系不大。

这个项目把罗马尼亚的法律体系整个搬进了 git 仓库：每部法律的每一条单独存成文件，法律每次修订生效当天生成一条 commit，而做出这次修订的那部法令就是 commit 的作者。于是你可以直接用 git blame 查某一段文字是哪部法律改的，用 git log 看某一条的完整修订史，也可以用配套工具查询任意历史日期当天生效的法律文本，比如 2014 年 10 月 18 日的《民法典》第 1112 条长什么样。数据覆盖宪法、法律、政府紧急法令等各类规范性文件，来源是罗马尼亚司法部的官方立法门户，每次修订都标注了出处页面。对做罗马尼亚市场合规、法律科技产品或跨境法务检索的人来说，这是一份可直接程序化查询的结构化法律语料；如果你的工作和罗马尼亚法律无关，那它基本用不上。

这是一套用来识别「没有真人负责的 AI 代写论文」的证据库加 agent 技能包。它不靠单一模型打分，而是整理了 83 条有出处的可疑信号：比如 AI 高频词汇聚集、防御性 hedging、指令泄漏痕迹、参考文献查无此文、表格间数字对不上等，并在 79 篇真实论文上做了校准，给出人类论文的分位数基线。面向三类人：投稿作者可以用它在署名前自查——它会逼你回答只有你能答的问题、核对引用和数字；审稿人或 AC 面对可疑投稿时，能拿到带原文引用和定位的 W/R/Q 评级、一段可直接写进评审意见的描述；只想快速扫一遍的人可以跑它的表面 lint，得到 28 类痕迹的计数。对学术出版、期刊编辑部、科研诚信岗位的人最相关；普通工程师或做 AI 产品的人关系不大，除非你需要判断收到的论文是否可信。

这是一个基于麦当劳中国官方 MCP 的 AI Skill，把点麦当劳这件事拆成四种玩法：修行录记录你的点餐习惯与卡路里，团餐指挥官帮多人聚餐快速凑单，隐藏菜单实验室探索官方 App 里不显眼的搭配，每日运势签则根据当天菜单给一个随机推荐。它本质上是给 Claude 这类支持 MCP 的 AI 助手加一层麦当劳业务能力，让模型能直接读取菜单、价格和优惠信息来回答你的点餐问题，而不是靠训练数据里的过时信息瞎猜。项目自带 187 个测试和离线演示，不连真实接口也能跑通流程，方便开发者快速验证效果。适合对 MCP 协议、AI Agent 落地场景感兴趣的工程师，或者想看看「官方 API + LLM」能玩出什么花样的人；普通用户和不碰 Agent 开发的后端同学关系不大。

这是一套给 DeepSeek 模型用的 Agent skills，目标是让便宜模型在 Claude Code、Cline、Codex 这类编程助手里表现得更像昂贵的前沿模型。它针对廉价模型的常见毛病——跳过规划、没跑就宣称修好了、在同一个坏点子上反复重试、长任务跑着跑着跑偏——每个 skill 用一个短循环加硬性停止条件来堵住，比如改完必须跑真实检查、失败两次就换思路、长任务靠进度文件在新上下文里接着干。它还提供并行多路尝试取最优、多模型评审、自动提 PR 和盯 CI 等玩法。适合日常用 DeepSeek 当编码执行者、又嫌它不稳的开发者，尤其是想在长任务和无人值守场景里省心的人；如果你不用 DeepSeek 或不玩 Agent 编程，关系不大。

这是一个由买方机构和高校联合推出的股票投资研究基准，用来检验 AI Agent 能不能在不偷看未来的前提下完成真实的投资研究工作。它把模型关进一个「时间冻结」的环境：语料库只包含某个历史截止日之前发布的财报、电话会、研报、持仓和新闻，共 343 万份文档版本，任何检索和计算都无法越界拿到之后的信息。任务由资深买方研究员设计，覆盖机会筛选、证据核对、盈利预测、估值决策、观点更新到完整研报，以及价格和波动率预测，共 86 项。评分不只看报告写得像不像样，还拆开检查证据链、假设、计算是否自洽，并把预测和后来的真实结果、模拟收益分开打分——比如让模型预测 Tesla 某季度交付量，分析满分但预测全错照样拿不到分。适合关注 AI Agent 在金融场景落地能力的研究员、做 Agent 评测的工程师，以及想了解大模型投资研究真实水平的从业者参考。