NSP Box 是一个 Windows 上的 Switch 2 游戏打包工具，把已经提取好的 ExeFS/RomFS 游戏快照封装成模拟器能读的明文 NSP 包，同时支持自定义封面、标题和 DLC 打包。4.0 版新增了 NUP 压缩格式，可以在明文 NSP 和 NUP 之间互转，按 Base/更新/DLC 来源选择内容并合并更新，还提供三档压缩比和重复数据共享存储，适合把大体积游戏快照压得更小。它还内置一个可逆的模拟器补丁功能，能给 Selevet、Eglantine、PokeDinner 等特定 Windows x64 模拟器版本打补丁，让它们直接读取 NSP 内的元数据，省去手动放置 main.npdm 的麻烦；较新的 PokeDone 2.5.0 已原生支持则无需补丁。项目明确声明不支持盗版，只处理合法获得的文件。对普通从业者关系不大，主要面向在 Windows 上折腾 Switch 2 模拟器、需要批量打包和压缩游戏快照的玩家与模拟器开发者。

MOSS-Image 是 OpenMOSS 团队开源的 5B 参数文生图基础模型（DiT 架构），主打三点：图内文字渲染准确、可控制文字和视觉元素的排版布局、支持长达 4K token 的长提示词，风格覆盖二次元到写实照片。它提供 Base 和 SFT 两个权重版本，SGLang、vLLM-Omni、ComfyUI 都已支持，也接入了 MOSI API 平台，社区还出了支持 6GB 显存 LoRA 训练的 KohakuMossTrainer。典型场景是做海报、电商主图、带文案的营销素材——这类需求里文字排版和字形准确性往往是文生图模型的硬伤，而它正是冲着这个痛点来的。值得看的人：做图像生成产品或 AIGC 应用的算法与工程团队、需要批量产出带字视觉内容的设计师和运营、以及想在垂直领域微调文生图模型的研究者；如果你的工作和图像生成无关，这个项目可以跳过。

AutoCua 是一个 computer-use agent，可以像人一样操作电脑：它看屏幕、移动鼠标、敲键盘，去点桌面软件、逛网页、跑终端命令，甚至通过 USB 或 Wi-Fi 控制配对的 iPhone 和 Android 手机。它覆盖 macOS、Windows、Linux 三大桌面和主流浏览器，一个 agent 通吃。和常见的截图猜坐标方案不同，它把系统无障碍树和 OCR 融合成带编号的元素视图，模型只选编号，选错会被直接拒绝，因此不会乱点；输入走操作系统原生输入层，普通应用收到的事件和你亲手操作完全一样。它还内置一个压缩 agent，在长任务中途自动续写上下文摘要，避免跑到一半撞上上下文上限。实际场景包括：批量在电商网站下单加购、跨多个网页抓取数据填进表格、用真实终端跑编码任务、以及移动端 App 的自动化测试。适合做 RPA、自动化测试、运营脚本和 AI 应用原型的工程师；如果你的工作和桌面/浏览器自动化无关，这个项目跟你就没什么关系。

InstantTrack 是一个让人形机器人快速学会「照着参考动作跳舞」的训练框架，目标机型是 Unitree G1。它属于动作模仿（motion tracking）这一类：给一段人体动作捕捉数据，训练出一个策略，让机器人在仿真里把动作复现出来。它的卖点是快——在一张 RTX 5090 上约 7 分钟就能把 40 段 LAFAN1 动作全部训到可用水平，且零失败，比 SuperMimic + EMA 的方案快 4.7 倍，同时脚部接触更干净、身体朝向误差更小。做法上它把 SuperMimic 的可微世界模型和 InstantMimic 式的 GPU 训练循环结合起来，用 Muon 优化器和 CUDA graph 进一步压榨速度。项目还预告了 InstantGMT，把这套思路推广到 VR 遥操作的人体动作库上。值得看的是具身智能和人形机器人方向的研究者与工程师，尤其是正在做动作模仿、遥操作策略训练、需要频繁迭代实验的人；如果你不碰机器人强化学习，这个项目和你关系不大。

NUP 是一个为 Nintendo Switch 1/2 未加密游戏转储设计的容器格式，可以把 base、更新、DLC 等内容打包进一个用 zstd 压缩的 .nup 文件里，同时保留 ExeFS 和 RomFS 的完整目录树。它自带 Python 参考实现，支持打包、查看元数据（标题名、图标、多语言名称、build ID）、按需解包某个子树、修改元数据以及校验文件完整性。简单说，它类似给 Switch 游戏转储做了一个结构化的归档标准，方便分发和管理。适合做 Switch 模拟器、转储工具链、mod/作弊工具相关开发的工程师，或者需要批量整理游戏转储的个人开发者参考；如果你不碰 Switch 生态，这个项目和你关系不大。

这是一套把跨境电商运营 SOP 翻译成 AI Agent 工作流的 Prompt 工具箱，不是可部署的软件，而是 7 个模块的标准化交付物：每个模块都包含结构化 Prompt、输入输出模板和一份真实产品跑通案例，覆盖从市场分析、产品策略、标题详情页生成、主图规划、短视频脚本，到广告漏斗诊断和评论归因的完整闭环。它解决的核心痛点是运营产出下限不稳定——老手写标题一次到位，新人写十遍还是堆词，这套东西把老手的判断规则（如标题字符实测、净利率与盈亏价核算、像素级图片合规校验）固化成可复用的流程，让 AI 产出稳定在老手水平。适合在 Shopee、Mercado Libre 等平台做运营的卖家和运营负责人，以及想把内部经验沉淀为 AI 工作流的团队参考；纯技术岗或不做电商的人关系不大。

这是一个实验性项目：把一个文件系统直接编译进 Qwen3.5-2B 的权重里，模型自己就能存取文件，不需要外挂数据库或工具服务器。它在 Qwen 原有 24 层之前插入 8 层专门的 transformer，这些层的权重全部按构造设定、不经过训练，负责解析模型发出的普通工具调用（写文件、读文件、列目录、建立文件间链接、按关键词搜索等），并由模型自己生成响应。文件内容存在 attention 中，路径表和链接图存在 DeltaNet 状态里，因此读取能逐 token 精确还原，还能通过链接和反向链接形成文件图谱。这更像是一个「把 RAG 和记忆系统烧进权重」的概念验证，展示 LLM 的记忆与检索未必需要外挂组件。对做模型架构研究、关注长上下文记忆或 Agent 记忆机制的工程师和研究者有参考价值；想直接拿来用的人会失望，它目前只是实验品，和多数从业者的日常工作关系不大。

Qwenputer 把一台 32 位 RISC-V CPU 直接编译进了 Qwen3.5-4B 的权重里：它在原模型前面加了 11 层 transformer，权重全部由编译器算出而非训练得来，并把模型自带的 Gated DeltaNet 状态当作 RAM 使用——每个 head 的一行就是一个内存单元，存寄存器、程序计数器和调用栈。模型能在前向传播中执行 C 和 MicroPython 代码，通过 riscv-tests 测试，还能在内存里跑一个 260K 参数的小模型写故事。实际效果是大数乘除法等算术题从基座的 55~90 分拉到 97.5 以上，接近调用真实 Python 解释器的水平，且模型的正常文本行为几乎没变。对可解释性、模型内计算和「用权重替代外部工具」这条路线感兴趣的研究者值得花时间看；日常做应用开发的工程师关系不大，但如果你在琢磨 LLM 算术不稳、或想让模型摆脱外部沙箱执行代码，这是个很有启发性的实验。

这是一套用 AI 替换视频中人物或物体的开源工作流，由 TEIN 提供。它把深度图、SAM 分割掩码、人脸网格和音频处理串在一起，最终调用 Seedance 模型完成替换，自带本地网页界面用于准备素材、检查掩码、预览生成结果并导出成片。实际用法是：先从原片提取音频并用 Demucs 分离人声，把人声升调后嵌回合成视频，再用彩色深度图配合 SAM 3 掩码抠出主体，交给 Seedance 生成草稿，人工审核通过后才出 1080p 成片，最后把完整原声轨还原回去，保证口型和背景音不被破坏。它适合短视频创作者、影视后期和广告制作团队，尤其是需要换角色、换商品或做创意二创但预算有限的人；对纯算法或后端岗位来说关系不大。注意它依赖 Enhancor 的 Seedance API，需要自备密钥。

这是一套给 coding agent 用的「产品工程」技能包，装进 Claude Code、Codex、Cursor、Copilot 等工具后，agent 就不再只是写代码，而是按一套完整流程陪你从一个想法走到有付费用户：先做竞品分析和市场细分，出带原型的方案让你拍板，再拆解开发计划、分阶段交付，最后处理上线、收款和复盘。作者用它实际做出了三个上线运营的产品，案例都写在里面。它解决的麻烦是：非工程师用 agent 做产品时，常常写完代码却不知道下一步该做什么、该验证什么。适合产品经理、创始人、设计师，以及想让多个 agent 分工协作（一个规划、一个开发、一个审查）的工程师；纯写代码、不关心产品全流程的人关系不大。

Moodle-MCP 是一个零依赖的 MCP server，把全球大量高校在用的 Moodle 教学平台的 Web Service API 封装成十个只读工具，让 Claude、Cursor 等 MCP 客户端直接读取课程数据，不用开浏览器、不用爬虫。它能列出你选修的所有课程，把未提交的作业按「快到期/已逾期/不着急」分类并算出剩余天数，读取测验的作答状态和成绩，还能按周下载课件和作业附件到本地文件夹，甚至生成一份包含新增内容和截止日期的周报。配套的 moodle-course-watch skill 在此基础上做课程内容差异对比和未交作业提醒。适合两类人：一是高校学生，用它在 AI 助手里统一管理多门课的作业、测验和资料，避免漏交；二是给学校做教育工具的开发者，Moodle 之前没有通用 MCP server，这是现成的接入层。如果你既不用 Moodle 也和教育场景无关，这个项目基本用不上。

这是一个案例索引清单，收录了 AI agent 拆解并重建闭源软件的真实案例，比如用 AI 逆向出 OBS Studio 的 Rust 替代品 rec-rs、PowerToys 取色器的替代品 hexgrab，以及读写 Axure RP 原型文件的工具。它围绕 REA（Reverse Engineer Anything）这个让 Claude Code、Codex 等编码 agent 借助 Ghidra、IDA、JADX 等工具分析无源码二进制、APK、固件的 MCP 服务展开，同时会核实每个案例到底有没有真的用到 REA，还是只是干净重写，避免被夸大宣传误导。对做逆向工程、互操作性、游戏或软件保存、开源替代品开发的工程师来说，这份清单能快速告诉你「某个闭源软件有没有人已经用 AI 拆过、重建到什么程度」，省去自己搜案例的时间；如果你的工作和逆向、竞品分析、替代品开发无关，那它和你关系不大。

Co-op Anything 是一套让 AI 编码 Agent 自动给单机游戏做联机 Mod 的框架：你把 Claude Code、Codex 或 Cursor 指向这个仓库，它会研究现有资料、必要时逆向游戏和引擎，做出或修复合作模式，再用游戏内的机器人自动测试，最后打包成朋友一键安装、走 Steam 中继联机的成品。它自带 MCP server，能检索合作 Mod 目录、从安装目录识别游戏引擎、读取操作手册和技能库，还提供从零逆向、复活废弃 Mod、联机同步测试等成套方法论。目前已覆盖 Deus Ex、Fallout: New Vegas、塞尔达时之笛、Dungeon Keeper、STALKER 等，社区还产出了 Mega Man X、Enter the Gungeon 等作品。适合想和朋友联机玩老游戏的玩家，以及对游戏逆向、Mod 工程和 Agent 自动化流程感兴趣的开发者；纯做业务后端或模型训练的人关系不大。

这是一个面向多 Claude 账号用户的本地环境防护工具，核心思路是「Fail-Closed」：启动前先做 14 项环境指纹审计，任何硬性安全项不通过就直接拒绝拉起应用，而不是像常见代理客户端那样出错也照常放行。它检查的包括代理内核是否在跑、TUN 网卡是否接管流量、出口 IP 与国家/时区/Locale 是否一致、IPv6 双栈旁路、DNS 明文泄漏，以及用自研 STUN 协议栈做的 WebRTC 泄漏交叉探测——同时打国内和全球节点，裸连时真实 IP 会被当场抓出。此外还有常驻守护进程，隧道一断秒级杀掉受保护进程，防止代理暴毙时裸连窗口出现。多账号切换不是登出登入，而是用写时复制技术原子化交换整个数据卷，让每个账号在服务端眼里始终是同一台设备。适合经常出差、旅居、需要在合规地区管理多个 Claude 账号的开发者或重度用户；如果你只用单账号单环境，和你关系不大。

这是一个收录了 17,000 多个逆向工程成果的索引库，专门收集那些因为有人逆向了闭源应用、API、设备、协议、文件格式、游戏或 AI 产品而诞生的开源工具。它的核心价值是让你在动手之前先搜一下——你想逆向的东西很可能已经有人做过了，成果就躺在某个没人链接的仓库里。比如你想给某个没有官方 API 的 App 写客户端、想解析某个私有文件格式、想给智能家居设备做本地控制，或者想找某个 AI 工具泄露的 system prompt，都可以先在这里按产品名、厂商或协议检索，还能把它作为 agent skill 或 MCP server 直接接入你的 AI 工作流。索引每晚刷新，按类别分好了游戏反编译、非官方 API 客户端、IoT 设备、汽车电子等门类。适合做协议分析、安全研究、IoT 开发、数据采集以及需要对接闭源生态的工程师；如果你的工作和逆向、互操作性无关，那这个列表跟你的关系不大。

HairDeck 能从一张角色图片直接生成可用于动画的风格化头发卡片（hair cards）。它把每张发片编码成一个 token，用 set diffusion transformer 整体生成整套发型，输出带 UV 的几何网格，并额外用一个 chain diffusion 模型生成驱动发片摆动的 spring-bone 骨骼链，最终可导出 GLB 或挂到虚拟形象上导出 VRM。相比传统流程里美术手工建发片、绑骨骼、刷权重，它把这整套环节自动化了，适合快速给 3D 角色或虚拟主播形象做可动发型。做游戏美术、虚拟偶像/VTuber 内容、3D 角色管线的技术美术和 TA 值得一看，尤其是需要批量产出可动画发型的团队；纯后端或算法岗读者关系不大。

RoboSkills 是一套面向机器人的轻量级 Agent 工作流与工具集，可以理解为把 LLM Agent 的能力接到机器人仿真和动作生成上的「技能包」。它内置了几种典型工作流：让 LLM 逐步观察画面并直接充当策略控制机器人动作；从人类演示视频重建可交互的仿真场景（Real2Sim）；用文字、图片或视频描述生成动作视频；以及通过反复仿真试验自动改进策略。项目强调低成本，官方给出的对比是 Real2Sim 任务花费约为 Codex 的 11%，动作生成几乎不花钱。适合做具身智能、机器人学习、仿真数据合成的研究员和算法工程师，尤其是想用 Agent 快速跑通「演示到仿真」「策略迭代」实验、又不想自建整套工具链的人；如果你不碰机器人方向，和多数从业者关系不大。

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。

leanrea 是一份仅 8 KB 的 skill 文件，用来替代 REA（Reverse Engineer Anything）这类逆向分析工具集。REA 会在你的 Agent 和 asar、otool、nm、jadx、apktool、Ghidra、tshark、binwalk 等命令行工具之间加一层 MCP，注册 207 个工具；leanrea 直接去掉这层，只告诉 Agent 针对每类目标该用哪条命令最快、给出可直接粘贴的侦察指令和常见坑，让 Agent 自己跑原生工具。作者用 Claude Code 跑了四类逆向任务（Electron 应用 IPC 追踪、原生 .node 模块导出清单、剥离的 Go 二进制依赖识别、从反汇编推断 socket 协议），对比显示它比 REA 快 38%、省 35% 成本、token 消耗少 60%，准确率持平。适合做安全研究、逆向分析或经常让 Claude Code 处理二进制与打包产物的工程师；如果你不碰逆向场景，和多数人关系不大。

这是一份逆向工程工具与学习资源的精选清单，按「你要干什么」来组织：想识别一个可执行文件、读原生代码、动态插桩、脱壳反调试、分析恶意样本、拆 APK 或 iOS 固件、还原游戏内存结构、做二进制 diff，都能直接找到对应工具和教程，条目还标注了是否为商业软件。它覆盖 Ghidra、Frida、反编译器、符号执行等经典工具，也收录了 AI 辅助分析和 Agent 化逆向的方向，并推荐了配套的 REA 项目。适合安全研究员、恶意软件分析师、CTF 选手、固件与协议分析工程师，以及想入门逆向的后端或移动端开发者——比如你要逆一个陌生协议、审计一个闭源二进制，或给团队找一套现成的分析工具链时，这份清单能省下大量检索时间。纯做业务开发或 AI 应用的人关系不大。

这是一套为中国医生和医学研究生定制的医学论文写作助手，本质上是 32 个可装进 Claude Code、Codex 等智能体的 Agent Skills，让你用中文直接交代科研任务。它覆盖论文全流程：手上有病例数据却定不下选题时，帮你梳理可研究方向；文献查乱了，帮你设计 PubMed 及知网、万方等中英文检索方案；统计结果出来了，帮你区分统计差异与临床意义并起草结果段落；讨论写不下去或导师要求大改时，帮你理顺论证、排出修改顺序；收到审稿意见后，帮你逐条拆解并起草回复信；最后还能按主题、版面费和时间筛选候选期刊、整理投稿材料。对互联网和 AI 行业的从业者来说，除非你正在做医疗科研或学术写作类产品，否则和多数人关系不大；真正需要它的是临床医生、医学研究生以及做医疗 AI 内容工具的人。

这是一个用 AI 帮你找工作的工具，作者是一位有 30 年经验的 IT 从业者，靠这套方法 5 个月后成功再就业。它把求职当成一条数据流水线：你先写一份完整诚实的「主档案」，之后每份简历、每段面试回答都从这份档案生成，AI 只负责重排、压缩和翻译，不允许编造经历。项目提供两条路线，一条是用现成提示词配合任意聊天助手，另一条是基于 CrewAI 和 AWS Bedrock/Claude 的命令行工具，自动针对每个职位描述生成定制简历（PDF/LaTeX，支持葡语和英语），并做岗位覆盖度检查和面试准备草稿。它还附带防招聘诈骗的安全指南。适合正在海投、需要为几十个岗位反复改简历的程序员和 IT 从业者，尤其是会写代码、想批量生成简历版本的人；非技术岗位用提示词那条路线也行，但和多数不求职的人关系不大。

AnyModelBot 是一个开源、本地优先的个人 AI 智能体应用，可以理解为 Grok Bot、OpenAI dots、Claude Duet 的开源替代品：装在自己电脑或服务器上，一个机器人对应一个人设，带默认模型、工作区和长期记忆。它通过一个 Modelflare 账号接入 GPT、Claude、Gemini、Grok、DeepSeek、Kimi、GLM 等 70 多个模型，也支持直连各家官方 API，按量付费不绑定订阅。除了在桌面应用里聊天，你还能在微信、飞书、Telegram 等 IM 里直接找它，让它在后台跑定时任务、读写文件、执行命令、操作桌面，越出工作区时会先征求你的同意；对话、记忆和密钥都留在本地。适合想搭个人自动化助手、又在意数据隐私的开发者和重度 AI 用户，普通只用聊天网页的人关系不大。

这是一个完全跑在本地电脑上的离线 AI 助手加生存知识库，断网也能用，可以理解为「本地版 RAG 问答 + 应急百科」。它内置约 150 万篇来自 Wikipedia、WikiMed、MedlinePlus、CDC、FEMA、美军生存手册等权威来源的文章，你问「停电时食物怎么保存」「烧伤怎么处理」「怎么净化水」，它会检索这些文章作答，并把引用的原文段落高亮给你看，还能展开查看逐步推理过程。你也可以把自己的 PDF、Word、EPUB、网页丢进去一起检索，比如发电机说明书或家庭应急计划；它还会记住「女儿对青霉素过敏」这类备注供后续对话使用。适合经常需要离线环境、重视隐私和答案可溯源的用户，比如户外从业者、应急管理人员，或想给家里备一份断网应急查询工具的人；日常在办公室用云端 AI 的从业者关系不大。

Zero Breach 是一个本地只读的取证扫描器，用来检查你的电脑是否残留 AdFection / Candiru 间谍软件活动的痕迹。Candiru 是通过实时广告竞价投放的零点击间谍软件，Citizen Lab 记录的案例中，Al Jazeera 至少 45 台设备在 2024–2025 年间被感染。它不联网、不需要管理员权限，只读取本机的浏览器历史、Cookie、缓存、文件指纹、自启动注册和 DNS 缓存，逐条比对已公开的威胁指标，并给出证据强度分级——区分「只是保存过的网页引用」和「真正的连接证据」，同时明确列出哪些项没能检查到。它适合安全团队、事件响应人员和关注自身设备安全的从业者做初步自查，但 README 也强调：查不出问题不等于设备干净，这类间谍软件本就针对此类检查设计，真正怀疑自己被盯上时应求助专业机构而非依赖脚本。对多数普通开发者来说关系不大。