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。

Ansible 是一个老牌的 IT 自动化工具，可以理解为用接近自然英语的描述来批量指挥服务器的「遥控器」。它不需要在目标机器上安装任何代理程序，直接复用现有的 SSH 通道，就能并行完成配置管理、应用部署、云资源开通、网络设备配置和多节点编排等任务。典型场景比如：给上百台机器统一装包改配置、配合负载均衡器做零停机滚动更新、批量初始化新购的云主机。写清楚「期望状态」即可，机器会自己算出要执行哪些步骤，内容也便于审计和版本管理。对互联网和 AI 行业的从业者来说，如果你是运维、SRE、后端工程师，或者需要在 GPU 集群上反复部署推理服务和训练环境，它能显著减少重复劳动；如果你只做模型研究或纯前端开发，这个项目和你的日常工作关系不大。

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。

hackingtool 是一个把 219 个安全工具收进同一个交互式控制台的集合器，覆盖信息收集、Web 攻击、SQL 注入、无线攻击、密码破解、取证、逆向等 21 个类别，你可以直接在里面搜索、安装并运行，不用再逐个去 GitHub 找仓库。它还加了一层 AI 辅助：用自然语言描述目标（比如「找出 example.com 的子域名」），它会映射到合适的工具、给出具体命令、把任务拆成步骤执行，最后汇总结果并起草报告；本地模型或自带 API key 都行，且不会自动执行任何命令。对做渗透测试、红蓝对抗、CTF、bug bounty 或安全运维的人来说，它省去了到处找工具和拼环境的功夫；但工具里包含 DDoS、RAT、钓鱼等攻击性内容，只应在授权目标上使用，普通开发者和非安全岗位基本用不上。

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。

Chaos 是一门把智能体当作可调用值的编程语言：普通计算写成函数，理解与生成交给 agent，两者在同一个程序里传数据、协作执行。比如你可以声明一个带角色和提示词的 agent，像调用函数一样传入问题让它回答，纯计算部分则完全不需要模型密钥。它自带 CLI 和网页 IDE，程序的返回值可以直接是页面、表格、图表等可交互的交付物，还能通过事件流和运行网络观察每个节点的执行过程。典型场景包括把规划、执行、复核串成多 agent 工作流，或构建围绕目标持久工作的 bot，以及把计算结果变成实时更新的看板报告。适合想用代码而非编排平台来组织多 agent 系统的 AI 应用工程师和全栈开发者；如果你只是调用现成 LLM API、不碰工作流编排，和你关系不大。

LlamaFactory 是一个把大模型微调这件事打包成一站式工具的开源框架，可以理解为微调界的「全家桶」：不管是 LLaMA、Qwen、DeepSeek、Gemma 这类语言模型，还是 Qwen-VL、LLaVA 这类多模态模型，它都统一支持，从全参数训练到 LoRA、QLoRA 低资源微调，再到 DPO、PPO 等偏好对齐方法都能覆盖。它解决的麻烦是：过去想给模型灌入行业知识或定制对话风格，得自己拼凑 transformers、peft、trl 一堆库，现在准备一份数据集就能跑通，还带图形界面，不写代码也能操作。典型场景比如用 DeepSeek 蒸馏版微调一个新闻分类器，或者让模型学会银行票据的信息提取。适合算法工程师、AI 应用开发者，以及任何想用少量数据让开源模型适配垂直业务、又不想从零搭训练管线的人；如果你只调用闭源 API、不碰模型训练，那和你关系不大。

Scrapy 是 Python 生态里最老牌的网页爬取框架，可以把它理解成一个帮你批量抓取网页并整理成结构化数据的工具箱。你告诉它要抓哪些页面、需要哪些字段，它就负责并发请求、跟进链接、解析内容并输出成表格或 JSON。比如电商团队要监控竞品价格和库存变化，运营人员要收集行业资讯列表，数据团队要为分析或模型训练准备语料，都可以用它一次性搭好抓取流程，而不是手写一堆 requests 加解析脚本。它内置了去重、限速、重试、中间件等机制，适合长期运行的采集任务。如果你是做数据工程、爬虫开发或需要持续获取外部数据的后端工程师，这个项目值得花时间看；但如果你的工作和网页数据采集无关，比如纯做前端或模型训练，那它和你关系不大。

scikit-learn 是 Python 生态里最经典的机器学习库，可以理解为传统机器学习的「瑞士军刀」：分类、回归、聚类、降维、模型选择、数据预处理这些能力它都内置了，接口统一，文档和社区积累十几年，基本是数据科学课程和工业界的默认选择。它解决的是「不想自己从零写算法」的麻烦——比如你要做用户流失预测、垃圾邮件识别、销量回归、客户分群，直接调用现成的模型和交叉验证流程就能跑通，还能配合 pandas、Matplotlib 完成从数据清洗到结果可视化的完整链路。值得看的人包括数据分析师、算法工程师、做传统 ML 建模的从业者，以及需要快速验证想法的研究人员；如果你的工作重心在大模型、Agent 或深度学习训练上，它和你的日常关系不大，但做特征工程和基线模型时仍会用到。

这是一个针对 Qwen3.5-4B 的神经元探索工具，属于机制可解释性（mechanistic interpretability）研究方向。它把模型某一层的每个 MLP 神经元都向上、向下推一推（steering），在若干提示词上跑出所有结果并保留，再用 3D 视图把整层神经元铺开供浏览。具体能做的事包括：悬停查看单个神经元的 steer lens 和 R lens，点击看它在不同剂量下的多轮对话效果（负向、无干预、正向三栏对比），查看它在网页文本里最强的激活上下文和集中的域名，以及用 UMAP 观察一层 rollout 的分布。它还内置了 Claude CLI 聊天，把探索器作为 MCP server 让 Claude 读取神经元数据、跑推理和消融、操作地图。适合做模型可解释性、安全研究或想深入理解 Transformer 内部机制的研究员和算法工程师；如果你不碰 Qwen 或不研究模型内部结构，跟你的关系不大。

editonny 是一个装在本地的视频剪辑技能，你可以用自然语言告诉 AI 助手想要什么效果，它会自动检查素材文件夹、挑选完整可用的镜头、对照波形清理停顿和口误、组装工程并导出带字幕的 MP4。比如你说「剪一条 45 秒竖版视频，去掉呼吸声和废话，加上清晰字幕」，它会先列出所有剪辑参数等你确认再动手，成品和工程文件分目录保存，还会让你抽查 8-15 秒样片。内置 145 种动态场景和 79 段原创素材可用于转场和信息图，但素材本身不会被上传，全程在本地处理。适合经常要剪口播、短视频、产品演示的自媒体运营和内容创作者，尤其是已经在用 Claude 等 AI 编程助手、想把重复剪辑工作交给 Agent 的人；如果你不常做视频剪辑，和你关系不大。

这是一套把专业 Blender 3D 制作流程打包成 Agent Skills 的技能库，让 Claude Code、Codex、Gemini CLI、Copilot、Cursor 这类 AI 编程代理能直接指挥 Blender 干活。它覆盖 28 个技能，从硬表面建模、UV 展开、PBR 材质、贴图烘焙、骨骼绑定、动画重定向，到衣物头发、场景环境、天气特效、渲染输出和资产 QA，基本对应游戏美术的完整管线。典型用法是用一句话让代理生成可直接进引擎的游戏资产，比如「给 Unreal 做一个带烘焙法线和 LOD 的板条箱」「用 Rigify 绑定角色并导出到 Unity」「检查模型有没有 z-fighting 和悬浮部件再导出到 Roblox」「把街道做成雨夜带积水和闪电的效果」。它主要面向独立游戏开发者、3D 美术和需要自动化资产管线的技术美术，想用 AI 提速 Blender 工作流的人值得看；纯后端或算法岗关系不大。

rsi_eval 是一个用来评测「递归自我改进」（RSI）方法的轻量级 Python 工具，你可以把它理解成给 RSI 实验用的统一评测台：你自带改进循环，它负责把候选方案丢进现成的 agent 基准里跑分，再把每题得分、执行状态、token 消耗、验证器输出等反馈以统一格式还给你，省去自己对接各家 benchmark 执行和结果处理的麻烦。它内置 24 套评测配置，覆盖 Terminal-Bench、SWE-bench Verified、LiveCodeBench、MMLU、GPQA、ARC-AGI 等编码、推理、工程和领域工作流任务，也支持接入自定义任务，实验过程可快照记录并断点恢复。适合做 agent 自我改进研究、需要横向比较不同 RSI 策略的算法工程师，以及想在统一协议下跑多套基准的 LLM 评测人员；如果你不研究 RSI 或不做 agent 基准评测，跟你的关系不大。

这是一个持续更新的精选清单，收录了被反编译、静态重编译、移植或引擎重写的经典游戏项目，覆盖两千多款游戏，按反编译、源码移植、引擎重实现、浏览器版等类型分类，并给出评分。它不托管任何游戏文件，只链接源码和项目页，多数项目需要你自备正版游戏资源。清单每天用真实浏览器复查链接，失效的会被隐藏；其中44款可以直接在浏览器标签页里玩，比如 Counter-Strike 1.6、红色警戒2、Zelda II 的 WebAssembly 版本，部分支持多人联机。对游戏逆向、模拟器开发、WASM 移植感兴趣的工程师，或想找老游戏现代运行方案的从业者，这个清单能省下大量检索时间；如果你不碰游戏逆向或复古游戏，和日常工作关系不大。

这是给赛车模拟游戏 BeamNG.drive 做的一个模组，把整个地球按 1:1 比例搬进游戏里：用真实高程数据和卫星影像生成地形，玩家可以开车去地球上任何地方，还能看到真实的地球曲率、昼夜和极地风光。它靠一个配套服务器按距离流式加载不同精度的地图数据，所以道路、建筑、森林、河流、高压线这些都来自 OpenStreetMap 等真实地理数据，连路灯间距和建筑风格都按当地实际情况生成。对游戏从业者来说，它展示了大规模开放世界流式加载、LOD 分级和浮点原点等技术在实际项目中的落地方式；对 AI 行业从业者关系不大，除非你对地理数据驱动的游戏世界生成感兴趣。

TgWitness 是一个 Telegram 聊天取证与归档工具，可以理解为「带证据保全能力的 Telegram 导出器」：它把聊天记录导出成 HTML、JSON、CSV，同时持续监控并记录那些被对方撤回或修改的消息，还能对比同一消息的不同编辑版本。它最大的特点是为司法和调查场景设计，导出的文件带有 RFC 3161 时间戳签名，能形成完整的证据保管链，方便在事后证明内容未被篡改。典型用法是安全团队或调查人员在跟进一场 Telegram 上的诈骗、威胁情报或内部泄密事件时，用它持续留存对话快照，事后还能按人、按群建立档案并跨聊天关联分析。如果你是 DFIR 取证工程师、做 OSINT 或威胁情报分析的安全从业者，或者法务合规岗位需要固定 Telegram 证据，这个项目值得花时间看看；普通开发者或非安全岗位基本用不上。