rea-video 是一个把短视频逐镜头拆解的分析工具，能判断每条片子是实拍、AI 生成、数字人、3D 渲染还是代码动效，并反推出它是怎么做的。比如一条带货视频，它会告诉你用了几个机位、什么布光方案、字幕花字的起止时间和样式、配音是真人还是 AI、配乐多少 BPM；一条 AI 视频则会给出每镜反推的提示词、合并成几次生成、该用哪个模型。拆完还能输出复刻方案，配合它的下游项目把运镜、节奏、转场照着原片重做一遍，只替换你指定的元素。它还带 AIGC 检测能力，靠帧率规律、噪点、文件标识等硬证据判断真伪，准确率在官方评测里接近 99%。适合短视频编导、AIGC 内容创作者、做视频生成或 AIGC 检测方向的算法工程师，以及想拆解爆款视频结构的产品和运营；如果你完全不碰短视频，关系不大。

CleanYourTV 是一个通过 Wi-Fi 给 Android TV、Google TV 瘦身的工具，思路类似手机圈的 debloat：打开电视的 USB 调试，用电脑连上去，把厂商预装的遥测、广告推送、内容推荐位和各种预置应用逐个禁用（只是停用，不真卸载，随时可一键恢复），再装上一个体积很小、界面接近 Apple TV 的极简桌面替换掉原来满是广告的首页。它覆盖 433 个电视型号、114 个品牌，包括 Sony Bravia、TCL、小米等，整个过程不需要 root、不需要数据线。对普通用户来说，最直接的收益是家里那台越用越卡、首页全是推荐广告的智能电视终于能清爽了；如果你是做 Android TV 应用或系统定制的开发者，也可以参考它对各品牌预装包的处理方式。和多数 AI 从业者关系不大，但家里有台被广告绑架的安卓电视的话值得试。

sapper 是一套多智能体编排框架，把多个 AI 组成一支分工协作的「军团」：一个 AI 指挥官读全局、做决策、派任务，将军和士兵并行进攻，另有看门狗负责保活，所有经验沉淀进分层的事实-意图图，个体挂了图还在。它不绑定任何模型或 CLI，指挥官、士兵、侦察兵可以各自换用 Claude Code、Codex、DeepSeek 等不同 agent 和模型。该项目专为腾讯智能攻防挑战赛这类 CTF 竞赛设计，曾在 634 支队伍、8 小时无人值守的比赛中夺冠；其通用底座 nvwabase 已独立开源，可复用于办公、科研、工程等任何长周期多智能体协作场景。适合关注 Agent 编排机制、多智能体记忆与自愈机制的 AI 应用和平台工程师，以及想把长任务拆给多个 AI 并行推进的从业者；纯做模型训练或单点推理的人关系不大。

Harness² 是 Google Research 开源的 Agent harness 自优化框架。所谓 harness，就是模型外面那层让它能干活的系统——提示词、工具、记忆、子 Agent、技能等，Harness² 把这些拆成八个可编辑组件，在不改模型权重的前提下自动改进它们。它解决的是开放世界问题：Agent 遇到设计时没见过的任务怎么办？框架用「提出—探测—组合」三步，先生成几版 harness 改动，在同一任务上跑出行为差异，再据此合成更优版本，全程不需要标准答案；同时把每次学到的经验沉淀下来，指导下一次优化。在 JobBench、LAB、WorkBuddy-Bench 三个职业类基准上，单步优化就能让 GLM-5、Gemini 3.5 Flash 相对基础 harness 提升最多 11.8 个百分点。值得看的是做 Agent 应用、Agent 评测或 prompt 工程的工程师，尤其是需要让 Agent 稳定完成法律、办公、代码等专业任务的团队；只做模型训练或纯后端开发的人关系不大。

RUN（润）是一份面向中文读者的海外移居手册，把欧洲 36 国加美加澳日韩新等地的 110 多条移民路线整理成结构化文档，覆盖数字游民、欧盟蓝卡、技术工作、留学转工、创业自雇、被动收入、投资居留等类型。每个国家页给出关键数字（收入门槛、永居年限、税率）、流程图、材料清单，以及生活成本、房租、安全、平均工资等生活档案，还带横向对比表，方便你按预算和身份目标筛选。它特别强调时效性——2025 至 2026 年大量路线关闭或改规则，网上旧攻略已失效，手册会跟进英国永居、加拿大 Express Entry 等最新变动。适合正在考虑数字游民、技术出海或为家人规划备选身份的互联网和 AI 从业者快速摸清选项；只是随便看看、暂无移居打算的人关系不大。注意它仅供参考，不构成法律或移民建议。

这是一套给 Claude 用的 11 个日内交易技能包，用纯 Python 读取 Yahoo Finance、SEC EDGAR、美国众议院公开数据等免费数据源，帮你在真金白银入场前把整套交易流程跑一遍。它能扫描全市场几千只股票找突破、旗形等形态，盯自选股的突发新闻和财报摘要，逐根 K 线提示入场时机、提前设定止损和目标位，还会按你的预算和单笔最大亏损给仓位定大小、拦截超限订单，甚至追踪 Nancy Pelosi 等国会议员的股票申报。最特别的是 Time Machine：在你下单前，用该股近期 K 线模拟一万次当日走势、并回放历史上同形态出现后的真实结果，给出诚实的胜率。所有下单默认模拟盘，且必须经风控检查加你本人确认才会执行。适合做美股日内交易、想用 AI 辅助决策的个人交易者和量化爱好者；不碰交易的从业者基本用不上，且它明确声明不构成投资建议。

nxnative 把任天堂 Switch 游戏直接跑在 iPhone、iPad 和 Mac 上，但它的思路和 Yuzu、Ryujinx 那类模拟器完全不同：不做指令翻译，而是重写游戏的 NSO 可执行文件，用一个 Horizon 系统的高层模拟宿主承接系统调用，再把 Switch 的 NVN 图形调用翻译成 Metal，让游戏代码原生跑在 Apple 芯片上。你提供自己 dump 的 NSP 和 prod.keys，一个脚本就能打包成可侧载的 IPA；Switch 2 游戏则从 .nup 文件或游戏文件夹构建，目前只在 Mac 上验证过，已支持 Mario Kart World、Donkey Kong Bananza 等多款，部分游戏甚至能跑到 60 帧。硬件门槛不低：需要 A17 Pro 或 M1 以上芯片，因为要读 BC 压缩纹理。对普通从业者来说这更像一个技术奇观而非生产力工具，但如果你关注主机系统模拟、图形 API 转译或 Apple 平台底层性能，它值得花十分钟看看 README 里的架构思路。

OXR 是 SoMark 团队开源的文档解析模型，可以理解为一个更强的 OCR：把 PDF 和文档图片转成带版面坐标的 Markdown 或 JSON，方便直接喂给 Agent 或大模型使用。它只有 1.3B 参数，却在 olmOCR-Bench、OmniDocBench、DocParsingBench 三个基准上排第一，表格解析优势尤其明显，解析速度也是开源同类模型里最快的。它能识别 13 种文档元素，包括公式、表格、代码块、化学方程和化学结构，还能处理 A3 试卷、报纸、竖排文字、手写中文这类难啃的版面。另一个特点是版面分析模块可插拔，你可以换成自己的版面模型，只保留它的内容识别和阅读顺序能力。做 RAG 数据管线、企业文档数字化、把内部资料接入 Agent 的工程师，以及需要批量处理合同、试卷、论文的团队，都值得花几分钟看看；如果你的工作和文档处理、AI 应用落地无关，那跟多数人关系不大。

这是一个用 Python 写的自动化脚本，目标是让批量 Google 账号零成本薅到两年的 Google AI Pro（5TB 存储）订阅。它会驱动 Chrome 自动登录账号、通过辅助邮箱或 2FA 验证，然后在结账时反复叠加多层免费优惠包，把 12 个月逐步堆到 24 个月封顶，最后自动取消续订并截图留证。脚本内置了 0 元消费保护，只有确认金额为 US$0.00 才会点订阅，同时要求你填入自己的 Visa/Mastercard 外币卡和美区代理。说白了，这是给想批量囤 Google AI Pro 权益的羊毛党准备的工具，需要 Windows、Chrome 和美区网络环境。对普通从业者来说它和日常工作关系不大，除非你正好想低成本批量拿到 Gemini 相关的 Pro 权益；但批量注册账号、自动绑卡这类操作本身有违反 Google 服务条款的风险，使用前需要自行评估账号被封的代价。

这是一套对齐中国课标和人教版教材的 K12 知识图谱，覆盖小学到高中的数学、三年级到高中的英语，以及初中和高中物理，共 1644 个知识点、2403 条先修边和 6723 道题。它把「学好二次函数需要先掌握哪些内容」这类依赖关系显式建模：学生答错一道题，系统会沿先修边从高中一路回溯到具体的小学知识点，定位真正的薄弱环节，这就是它附带的自适应前置诊断。比如高一学生配方法总出错，诊断可能追到小学的乘法公式没吃透。对做教育产品、自适应学习、智能题库或学习路径推荐的团队来说，这是难得的结构化中文教育数据，省去自己从零梳理课标的功夫；做 AI 辅导 Agent 的人也能拿它当知识底座。注意先修关系和题库仍需一线教师审核，且商业使用需单独授权，纯个人学习教学研究可免费用。与多数互联网从业者关系不大。

这是一个帮国产安卓手机去广告的桌面工具，通过 adb 连接手机，自动关掉系统广告、下拉搜索热榜、负一屏资讯、应用商店推广位和各类营销推送，覆盖 ColorOS、HyperOS、MagicOS、OriginOS 等系统。它不 root、不解锁、不卸载系统应用，只拨系统和 App 自带的开关，挂起广告组件前会征求同意且一条命令可还原，搜索、天气预警、快递提醒等功能保留。项目提供四种用法：桌面客户端点几下按钮、让 AI 智能体读仓库文档自动执行、用聊天 AI 带着你一步步点、或照手动清单自己关，营销通知按渠道勾选，订单和更新通知不受影响。机型脚本按具体型号和系统版本维护，覆盖一加、OPPO、荣耀、魅族等多款真机并标注验证状态。适合被国产 ROM 广告和营销推送骚扰的普通用户，以及想研究 adb 自动化操作手机、或评估 AI 智能体执行真实任务能力的开发者；原生鸿蒙暂不支持。

这是 Theo（t3dotgg）日常在 Claude Code 和 Codex 里使用的一套 agent skills 合集，本质是给 AI 编程助手预设的「工作流剧本」。比如 full-send 一句指令就能让 agent 自己验证改动、审查、提交 PR、盯 CI、处理 review 意见直到合并；council 会拉三个不同厂商的模型交叉评审同一改动，反复循环直到意见一致；babysit 则专门盯住 PR 的 CI 和机器人审查，把真正的问题修掉；takeover 能接手别人没写完的 PR 或 agent 会话并保留原作者署名。这些 skill 之间还能互相调用，形成从写码到合并的完整自动化链路。适合已经在用 Claude Code、Codex 这类 agent 工具做日常开发、想减少 PR 流程中机械劳动的工程师，尤其是频繁提 PR、盯 CI、做 code review 的后端和全栈岗位；如果你不用 AI 编程助手，或不涉及 GitHub 协作流程，关系不大。

Pika H3 Flex 是 Pika 官方开源的视频生成模型推理代码，可以理解为 Runway、可灵这类视频生成产品的自托管版本：输入文字或参考图，直接产出带同步音轨的视频。它的特点是速度快、可控性强，六步采样即可出片，最多支持 12 个参考输入，能通过参考图和提示词指挥镜头运动、角色动作和分镜走向，本地推理可生成 480p/768p 视频并带立体声，更高分辨率和音频分轨则走 Pika 的托管 API。典型场景包括多镜头叙事短片、动态图形、产品宣传片和参考引导的动画制作，比如用一组参考图让角色在不同分镜里保持一致。值得看的是视频创作者、广告和动效团队里负责 AI 出片流程的人，以及想在自己服务器上批量跑视频生成的算法工程师；如果你不碰视频生成，这个项目和你关系不大。

InWorld 是一个开源的交互式音视频世界模型，可以理解为「能被你操作的短片生成器」：你输入一段动作或剧情，它把文字和参考图片变成带同步音效、甚至带台词对白的视频，而且后续片段能接续上一段的最后十几帧，人物、场景、道具都保持一致。它由两部分协作——Murea-Mind 负责记住角色、地点和剧情进度，把你的动作编排成生成条件；Murea 负责实际出片，支持多张参考图绑定实体外观，还提供多人协作房间，2到4人各带一个角色共同推进同一段故事。适合关注 AI 视频生成、世界模型或交互式叙事方向的研究者和工程师，尤其是想评估开源视频模型能否在长程一致性和音画同步上追平商业系统的从业者；如果你的工作与生成式视频、Agent 记忆机制或多模态应用无关，这个项目和你关系不大。

这是博客文章《Sparks of Weight Space Programming: LLMs can understand and write neural network weights》全部实验的完整日志存档，记录了让 LLM 直接读写神经网络权重的一系列尝试。八个实验覆盖了从简单到复杂的场景：让模型只看权重判断网络是玩 Breakout 还是 Pong 训练的、判断扩散模型生成的是圆形还是方形、从中间层判断语言模型学的是 Python 还是英文、直接编辑权重修复一个坏掉的网络、从零写出 MinAtar 游戏网络、写一个 150 万权重的 Go 网络、识别谄媚的语言模型，以及用改权重的方式提升 Qwen3.5-0.8B 的数学能力。每个实验都完整保留了发给模型的提示、模型的回复与推理摘要、它写的代码及运行输出、评分依据和涉及的网络文件，且全程禁用 Codex 的内置工具，仅在少数实验里允许跑沙箱 Python。对做 LLM 能力研究、想了解「权重空间编程」这条路线真实效果和边界的算法工程师和研究者来说，这是难得的可复核一手材料；不关心模型内部机制的人则不必看。

这是一套给 Claude 用的 11 个投资技能包，本质是把公开数据源（SEC EDGAR、国会披露、新闻源）接进 Claude，帮你做个人股票投资的辅助决策。它能从 SEC 13F 里反推出巴菲特等你信任的持仓并按权重复刻，实时盯持仓股的新闻和 8-K，按你的预算给每笔仓位算好大小、留足现金缓冲，还能在新披露一出就解析国会议员的股票交易（比如 Pelosi），以及拉取财报 XBRL 数据、做选股、税务亏损收割、价格提醒和再平衡。所有下单动作都必须经过风控检查并由你本人确认，默认模拟盘，工具本身不会自主下单。适合关注价值投资、想跟踪机构和国会动向的个人投资者、量化爱好者，以及想在 Claude 里搭 AI 投资助手的开发者；纯技术岗或不炒股的人关系不大。注意它只是读公开数据做算术，不构成投资建议。

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。

earshot 是给 AI 编码 Agent 装上「耳朵」的工具：Agent 现在能写代码渲染影片、产品演示或游戏音效，却听不见自己做出来的东西，earshot 把声音变成 Agent 可以推理的文字证据。它能描述一段音频像什么、与给定描述有多匹配、长录音里最佳片段在哪、是真实录音还是代码合成，还能逐秒输出听音时间轴、生成带标注的频谱图，甚至按专业发布片的标准给整支片子打分并指出该先修哪里。它也能反过来让 Agent 用代码造声音并边听边改进，或把一段录音翻译成可调参数的代码。全程本地 CPU 运行，无需模型和网络。适合做音视频产品、游戏音效或需要为发布片配乐的工程师，以及想让 Claude Code 等编码 Agent 产出可用声音的开发者；纯后端或数据岗位的人关系不大。

DeepInfer 是 DeepSeek 官方开源的高性能推理框架，也就是支撑 DeepSeek 线上大规模生产服务的那套推理引擎，目前支持 DeepSeek-V4.1-Flash 模型的离线推理。它把 FlashMLA、DeepGEMM、DeepEP 等自研算子和 MoE 专家并行、EPLB 负载均衡、投机采样、异步调度等生产级优化打包在一起，还提供确定性采样和结构化输出（按 JSON schema 或正则约束生成），保证不同 batch 组成下结果一致。适合需要在自有集群上高吞吐部署 DeepSeek 模型的团队，比如做推理服务的算法工程师、负责 GPU 集群利用率的 infra 工程师，以及需要复现 DeepSeek 官方性能基线做选型对比的人。注意它只开源了推理核心，KV cache 系统、Prefill/Decode 分离和负载均衡等完整服务组件并未包含，纯做应用层开发或轻量调用 API 的读者关系不大。

DOPPLERGEIST 是一个用 Python 写的音频取证工具：给它一段录到飞机飞过声音的音频，它能自动从录音里找出多普勒频移的轨迹，再拿去和历史 ADS-B 航班数据比对，反推出录音者当时可能站在哪里。整个流程全自动，不需要你手动标注事件时间窗或频率段，它会扫描整段录音、拉取附近航班档案、在城市尺度的地理范围内给候选位置排序，还带一个本地网页界面上传和查看结果。它明确会给出「证据不足、无法定论」的结论，而不是硬凑一个坐标。适合两类人：做 OSINT、音频取证、声学定位研究的安全与情报分析人员，以及对多普勒效应、信号处理建模感兴趣的工程师。如果你的工作和音频分析、地理定位无关，这个项目看看原理即可，实际用处不大。

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。

TokenEconomizer 是微软研究院和 UC Berkeley 联合推出的 Claude Code、Codex、GitHub Copilot CLI 等编码 Agent 插件，作用是给已经在跑的 Agent 省钱，不改 Agent 本身。它从你在同一仓库的历史会话里学习：把反复踩到的坑（比如必须先跑的构建步骤、这个仓库里能用的命令写法）沉淀成 Micro-skills，下次会话开场直接告诉 Agent，避免每次重新摸索；把长期没被调用的工具从请求里剔除，减少每轮都在发送的工具定义开销；当某一轮反复撞同一个错误时，用一个判断模型介入并给出转向提示，防止死循环烧钱。论文在 SWE-Bench 上测得平均成本降低 18.4%–30.9%，且多数组合下任务通过率不降反升。经常用 AI 编码助手在固定仓库里干活、又在意 API 账单的开发者值得看；如果你只是偶尔用一次 Agent，或者不负责控制 AI 编码成本，和你关系不大。

Shisei 是一套免费（CC0 授权）的人体姿势参考图库，专门喂给 AI 绘图工具用。它画的是无脸人体模型的线稿，共 280 个姿势、每个姿势 5 个机位（正面、四分之三、侧面、俯视、仰视），另有部分姿势附带黏土渲染、深度图和法线图，可直接用于 ControlNet。姿势名称提供日、中、英、韩四种语言。实际用途是：当你用 Nano Banana、ChatGPT、Midjourney 或 ComfyUI 生成人物图时，把某个角度的线稿作为姿势或构图参考上传，就能让模型照着这个姿势画；同一姿势换不同机位，还能在多张图之间保持人物体态一致，脸、衣服、背景则由你的提示词决定。对 AI 绘图从业者、做角色插画或 AI 短片分镜的人来说，这省去了自己找参考或手画骨架的麻烦；如果你的工作不涉及人物生成，那和你关系不大。

Moect 是一个 Windows 桌面工具，用来把微信 4.x 的聊天记录读出来、整理好并导出到本地，可以理解为微信版的聊天记录备份与归档软件。它支持好友和群聊、朋友圈、收藏表情，导出时能带上头像、图片、GIF、音视频、文件、链接和小程序卡片，引用回复与合并转发也能展开保留。导出格式有 HTML、JSON、JSONL、TXT、CSV、Markdown 六种，HTML 版可以离线阅读、按发送者或正文搜索、按时间筛选，还支持批量任务和多会话一次导出。数据解析全部在本机完成，没有服务器接收聊天记录。适合需要长期留存工作沟通证据、整理客户或社群历史、做聊天数据分析的运营、客服、社群管理和合规相关人员；如果你只是普通用户想留个纪念，也用得上，但和多数不碰微信数据的开发者关系不大。

Stashcard 是一个在终端里给 Steam 账号库存估价的工具，可以理解为「Steam 库存的记账本加晒图卡」：贴入一个 profile，它会扫描 CS2、Dota 2、TF2、Rust 等游戏的库存，同时抓取 Steam 市场和各大现金交易平台的价格，最后生成一张可直接发社交平台的 PNG 卡片，样式包括成绩单、游戏卡、库存图标墙、小票、市场比价表以及「今昔对比」和「两个账号对比」。它的每个数字都标注了报价来源和时间窗口，明确区分钱包余额和现金，查不到价的物品不会被当作零计入，数据缺失也会在卡片上注明。适合两类人：一是想知道自己 Steam 库存值多少钱、打算出货的玩家，可以用它比较各平台到手价、找出最划算的出售渠道；二是做 Steam 相关数据、饰品行情内容的开发者，卡片自带可离线复核的数据文件。对不碰 Steam 饰品的从业者来说，这个项目基本无关。