这是一个把 AI 原理做成可玩实验的桌面学习应用，类似把教科书里的插图全部变成能拖动、能点击的交互沙盒。58 个小实验覆盖从机器学习基础、注意力机制、RAG、Agent，到预训练、LoRA 微调、量化、蒸馏和部署的完整链路：你可以点一个词看它在 attention 里关注谁，可以实时训练一个微型语言模型看 loss 下降，也可以用 SGD、AdamW、Muon 等优化器跑同一批数据对比效果。每个实验旁配短讲解，同一段内容有简单版、白话版和技术版三种写法，适合不同基础的人。对互联网和 AI 行业从业者来说，它适合两类场景：一是想系统补上 transformer、训练、微调这些底层概念的产品经理、算法工程师或刚入行的新人，用碎片时间把知识盲区补上；二是需要给别人讲清楚 AI 原理的讲师或技术布道者，可以直接拿这些可视化当演示素材。纯做业务开发、不碰模型的人关系不大。

onsystem 是一个专为 AI 编程助手设计的守门工具，解决的问题很具体：Claude Code、Cursor 这类 coding agent 写 UI 时凭训练数据发挥，而不是照你的设计系统来——你要一个设置卡片，它给你硬编码的十六进制颜色、随手写的间距、原生 button，或者根本不存在的组件属性。onsystem 会用 TypeScript 编译器读取你设计系统包里的组件、cva/tv 变体和 design tokens，然后在每次编辑和每个 pull request 上检查 agent 实际写出来的代码，指出问题并附上修复建议，比如把 bg-[#ef4444] 换成语义 token、把原生 button 换成你的 Button 组件。它在设计系统包里配一次，monorepo 里所有应用都能生效，也能通过 GitHub Action 只检查 PR 改动的行。适合维护 React 设计系统或平台团队的前端工程师、以及被 agent 产出的不规范 UI 拖累的 code reviewer；如果你不维护共享组件库，和多数人关系不大。

Aegis SkinFees 是一款本地运行的 CS2 皮肤交易桌面工具，专门用来算清「倒卖一件皮肤到底能赚多少」。它把 Steam Community Market、Buff163、CSFloat、Skinport、Waxpeer 等主流交易场所各自不同的手续费、结算货币和汇率转换都建模进去，扫描器给出的是扣除卖方手续费后的净回报，而不是看起来诱人的表面价差。除了价差扫描，它还提供账户库（可本地生成 Steam Guard TOTP 验证码）、买入计划管理和费用模型配置，所有数据都存在本机，不依赖云端。对在多个平台之间搬砖套利的皮肤交易者来说，它解决的是「手续费和汇率算不准、来回切换网页对价太麻烦」的痛点；如果你不玩 CS2 皮肤交易，这个项目和你基本没关系。

这是一个本地运行的 CS2 皮肤交易工作台，帮你在 Steam、Buff163、CSFloat、Skinport、Waxpeer 这些平台之间算清楚一笔买卖到底能赚多少。它不像很多看盘工具那样只给你一个表面价差，而是把每个平台的手续费、汇率和结算方式都算进去，直接告诉你扣完卖出手续费后还剩多少钱、ROI 是多少。比如你在 Buff163 低价收一个皮肤，打算挂到 Steam 卖，它会把 Steam 那 13% 的手续费和 CNY 兑 USD 的汇率一并扣掉再报净收益。工具还把市场扫描、账户库存、本地 Steam Guard 验证码、买入计划和费率假设拆成独立工作区，数据全部存在本机，不上传云端。适合经常在多平台之间倒卖皮肤、需要反复核对到手利润的个人交易者；如果你不玩 CS2 皮肤交易，这个项目和你没什么关系。

这是一个面向 CS2 饰品交易者的本地桌面工作台，用 Tauri 打包成单个 exe，核心是把跨市场的价差算清楚：它会按 Steam、Buff163、CSFloat、Skinport、Waxpeer 各自的手续费和结算货币（含 CNY/EUR 兑 USD）逐笔折算，报告扣除卖方费用后真正到手的净收益，而不是表面价差。界面分成价差扫描、账户金库（库存与本地 Steam Guard TOTP）、买入计划、费率与接口配置几个独立工作区，报价轮询和网络请求都隔离在 Rust 后端。适合经常在 Buff163 低费率进货、再往 Steam 或 Skinport 出货的饰品倒爷和小型工作室，用来快速判断某笔买卖扣完费还剩多少、以及不同渠道的到手差异；如果你不碰 CS2 交易，这项目和你没什么关系。

SoftJL 是一个把软件需求文档自动转成 UML 图、测试用例和可编辑 Word 规格说明书的工具，带需求追溯能力，可自托管并接入自己的 AI 模型。它主要面向软件工程课程设计和毕业设计场景：你把需求描述丢进去，它能生成用例图、类图等 PlantUML 图表，产出测试用例，并生成能继续手工修改的 Word 文档，同时保留需求到设计再到测试的追溯链，方便答辩时解释「每条需求是怎么被覆盖的」。对互联网和 AI 行业的从业者来说，如果你在带实习生做课程项目、或者团队里需要快速把粗略需求整理成规范文档和测试基线，可以看看；但如果你日常做的是模型训练、推理服务或业务开发，它和你的核心工作关系不大。

这是一个给 AI 聊天助手装上「数字生命体征」的内核插件，运行在 DSH（DeepSeek Harness）之上，让原本无状态的对话机器人拥有能量、激素（多巴胺、皮质醇、血清素）、情绪劫持、时间感、执念缺口池、离线梦境和自主唤醒等拟生命机制。比如请求失败会让皮质醇升高并影响后续回复的语气，长时间没人理会出现孤独提示，深夜闲置时它会自己反思并写入记忆，还能给自己编写新「器官」扩展能力。它解决的是想做长期陪伴型、有人格连续性 AI 角色的开发者的麻烦：不用自己从零设计记忆、情绪和作息系统。适合做 AI 陪伴产品、数字人、Agent 人格化方向的工程师和独立开发者参考；如果你只是调用模型 API 做业务功能，和你关系不大。注意原作者已转入社区维护，不再答疑修 Bug。

Aegis VaultGrid 是一个本地运行的 CS2 皮肤交易工作台，把库存管理、跨平台比价和下单规划拆成几个清爽的独立界面，而不是塞进一个大杂烩面板。它的核心是一个「净收益引擎」：同时抓取 Steam Community Market、Buff163、CSFloat、Skinport、Waxpeer 等平台的报价，扣除各自的手续费和汇率损耗后告诉你真正到手多少钱——比如 Buff163 只收 2.5% 而 Steam 收 13%，它会按实际结算模型算差价，而不是给你一个虚高的表面价差。此外它能在本地生成 Steam Guard TOTP 验证码，库存和订单计划都存在本地 JSON 里，不依赖账号登录即可浏览。适合经常在多个平台之间倒卖 CS2 皮肤、需要精确核算手续费和汇率损耗的个人交易者，以及想自己搭交易工具的开发者；普通玩家或不碰 Steam 交易的人关系不大。

Aegis Skin Terminal 是一个本地运行的 CS2 皮肤交易工作台，把倒卖皮肤时最费脑子的几件事拆成独立界面：价差扫描、账号金库、买单计划和费率设置。它的核心是「净收益」计算——扫描器会先扣掉卖出方手续费和汇率损耗再报数字，而不是给你一个好看的表面价差，比如 Steam 13%、Buff163 2.5%、CSFloat 2% 这些平台的费率和结算币种都内置成模型。账号金库能在本地生成 Steam Guard 验证码，方便你同时管理多个 Steam 账号的登录。数据全部存在本机，不上传云端。对靠 CS2 皮肤搬砖套利的个人卖家、在多平台之间找低买高卖机会的交易者，以及想看清手续费到底吃掉多少利润的人来说，这比在几个网页之间来回切换算数要省事；如果你不碰皮肤交易，这个项目和你没什么关系。

这是一个 Solana memecoin 项目 $JRAMES 的官网仓库，产品分两部分：网站是一个用 Three.js、自写 GLSL 雕刻着色器和 Web Audio 现场生成配乐做的滚动式版画风格互动漫画，讲一座大理石雕像在死币大厅中敲打并取出一枚活币的故事；配套 App 则用来解释 Solana meme 币为何异动，它会列出带日期的证据（聪明钱和 KOL 买入、launchpad 迁移、X 上的帖子），给出假设、置信度和基准概率，但不下结论，另有新币雷达和 X 追踪。本仓库只包含网站部分，App 和后端是私有的。对做前端、WebGL 或创意编程的人，它的雕刻着色器和滚动叙事手法值得翻翻；对链上交易者，App 的证据链思路可能有用，但代码看不到。若你只是找 AI 或通用工具，这项目和你关系不大。

OpenField 是一个跑在自己 GPU 上的本地创作工作室，底层全部通过 ComfyUI 工作流实现，每个功能界面背后都是一张可导出的 ComfyUI 图。它把文生视频、图生视频、FLUX.2 出图、单张图转带 PBR 贴图的 3D 模型、给无声片段配音、口型说话、放大到 1440p、HDR 母版输出等能力打包成一套完整流程，还支持最多挂四个自己的 LoRA、用 @cast 固定角色和道具、手机拍动作同步到角色、事后重新打光和改机位。比较特别的是 Stage 功能，用方块和人物在浏览器里摆镜头，再由 LTX-2.5 的 Layout-to-Render 模型渲染成运镜一致的成片；Scene 则让本地 LLM 把一段剧本拆成多个镜头自动剪成一条。所有渲染都在本地完成，不上传不烧点数，并提供 31 个 MCP 工具供 Claude Code 等 Agent 调用。适合做短视频、广告分镜、独立影视的概念验证和样片制作的创作者，以及想用 Agent 驱动视频生产管线的 AI 工程师；普通办公或纯文本开发的读者关系不大。

这是一个基于麦当劳中国官方 MCP 的命令行选餐工具，输入预算和饮食偏好，它会查询指定门店当前菜单与官方营养数据，给出均衡、蛋白质、预算三种优先级的候选套餐对比。它的核心价值在于「可解释」：套餐会自动展开成单品逐件匹配官方营养再求和，每个金额都标明价源是官方字段、单品加总还是未核实，取不到就如实标「未知」而不是填 0；配件替换后营养和价格会重算，非法替换会被拒绝并说明原因。它明确不提供下单能力，也不做医疗建议。对普通消费者来说，想在麦当劳点餐时兼顾预算和营养目标可以拿来参考；对 AI 从业者而言，它展示了如何用结构化规则负责数值、LLM 只负责理解意图和表达，以及 MCP 在真实商业数据源上的落地方式，值得一看。

这是一个给 AI 智能体配真实硬件鼠标的 MCP 服务器，需要搭配专用的 uMouse 设备和固件，普通 USB 鼠标不行。它通过 USB HID 协议让 Claude、Codex 这类 Agent 客户端直接操控桌面：移动光标、点击、滚动、拖拽，支持多显示器的物理像素坐标和高精度模式，还能读取光标位置、按键状态和前台窗口信息。除了鼠标，它还带语音听写功能，按住设备上的语音键说话，识别结果会直接输入到当前聚焦的窗口，比如给 Agent 下口头指令或在微信里发语音转文字消息。同一台机器上只跑一个共享守护进程，多个 Agent 客户端可以共用，同一时间只有一个任务能接管键鼠。适合在 Windows 上做 computer-use、桌面自动化实验的 AI 应用开发者，以及想让 Agent 真正操作本机的从业者；没有 uMouse 硬件或不碰桌面自动化的人关系不大。

FDE Gym 是一个面向 LLM 时代的在线评测平台，可以理解为 LeetCode 式 OJ 的升级版：考的不再是写出正确代码，而是像 forward deployed engineer 那样把客户交付做完。每个案例都是一次真实客户交付——你拿到的只有一段含糊的客户诉求、一个已在运行的系统、文档和几个可以询问的客户方人员，需要自己判断真正要解决的问题、找出没写下来的规则，再指挥 coding agent 去改系统。提交后系统会在客户没展示过的流量上真实运行打分，改没改好一目了然，生产事故直接归零，占用客户人员时间也会扣分。适合想评估或练习 AI coding agent 实战能力的工程师、做 agent 评测与 benchmark 的团队，以及关心 FDE 这类岗位实际工作方式的人；只想刷算法题或找部署方案的读者关系不大。

Trina AX 是一个自托管的团队 AI 工作台：管理员在一台服务器上配好一次 Claude Code 和 Codex，全公司员工直接用浏览器或手机打开就能问，不用装终端、不用碰命令行。它解决的核心麻烦是——Claude Code 在空文件夹里不知道你是谁，每次都要先问六个问题；而 Trina 把公司文件夹、团队技能（一个 SKILL.md 就是一种写法规范，比如提案模板）和每个人的文件夹权限预先接好，新员工第一天问「写个提案」就能拿到贴合公司风格的成品。每次 AI 要读文件，服务器都会以提问者本人的身份做权限校验，你打不开的目录对你的 AI 同样不可见，销售看不到财务报表，AI 也就读不到。适合需要把 AI 编程助手安全地推广给非技术同事的团队负责人、IT 管理员，以及对数据不出内网有硬性要求的公司；如果你只是自己写代码用 Claude Code，关系不大。

stalemap 解决的是 AI 编码助手的一个通病：模型的训练数据有截止日期，而你项目里锁定的依赖版本往往更新，于是 agent 会按旧 API 写代码，比如对着 AI SDK 7 用 `maxSteps`、对着 zod 4 用 `required_error`。它会找出模型训练截止之后发生变动的依赖，把类型变更和 changelog 摘成一段简短说明写进 AGENTS.md 或 CLAUDE.md，让 agent 开工前先读到；编辑代码后还会跑类型检查，一旦用了过时 API 就立刻把编译错误和对应说明推给 agent；另外提供一个 MCP 工具，agent 可以用自己的话查询某个包的变更。支持 Claude Code、Cursor、Codex、OpenCode 等，适用于 JavaScript 和 TypeScript 项目。官方基准测试显示，用它之后 agent 任务通过率从 68% 提升到 89%。日常用 Claude Code 等工具写 Next.js、React 或 Node 项目的前端和全栈工程师最值得看，尤其是经常被依赖升级坑到的场景。

OpenMinutes 是一个配合 MemoTalk S1 录音笔使用的开源工作台，把录音笔里的 MP3 导入电脑后，自动转成可搜索、可分类的文字。它把导入、转录、AI 归类、检索复盘串成一条流水线：每条录音都有清晰的状态标签（待下载、待转录、转录中、待归类、已归档、失败等），支持批量操作。转录用流式 ASR 生成带时间戳的分段文本，AI 归类则用 LLM 生成结构化标题、摘要、分类、标签、要点和待办事项，且可手动修改；还能按分类、标签、阶段筛选，按时间排序，回放时可直接跳到对应句子。对每天产生大量会议、访谈录音的人来说，它解决的是「录了一堆却找不到某段对话」的麻烦。适合需要整理语音记录的产品、运营、研究或助理类岗位，以及想自建语音笔记系统的开发者；如果你不用录音笔或不常处理音频，关系不大。

Azure Lab 是一个跑在本地的 Microsoft Azure 模拟器，让你不注册账号、不绑信用卡就能练 DevOps。它复刻了 Azure Portal、Cloud Shell 和 Azure DevOps 的界面与行为，连命令输出、报错信息和计费逻辑都照搬真实体验（1 分钟真实时间算 1 小时账单），你可以放心搞砸一台虚拟机或忘关一个集群而不产生任何费用。内置的学院课程分 13 个级别、47 个实验，从资源组、VNet、VM 讲到 Terraform、AKS、Pipelines YAML 和 Azure Policy，每一步操作都会被自动校验并打勾，还带 XP 和段位系统。适合想转 DevOps、正在备考 Azure 认证、或团队里需要零成本练手 Azure CLI 与 CI/CD 流水线的后端、运维和平台工程师；纯前端或非云方向的读者关系不大。注意它是独立教育项目，与 Microsoft 无关，也不连接真实 Azure。

Grim 是一个多人协作的 Markdown 笔记本，人和 AI agent 可以同时编辑同一篇笔记，光标实时可见。它的核心卖点是笔记就是普通的 Markdown 文件、存在 Git 仓库里，每次改动都有完整历史，不锁定在任何平台。给 AI agent 一个链接，它就能通过 HTTP 直接读写你的笔记，无需安装任何东西，也可以走 MCP 获得完整权限——比如让 Claude 或其他 agent 帮你整理会议纪要、和你一起写方案。适合需要人机协同写作的场景：团队共享文档、个人知识库，或者把 agent 当成实时协作的同事。如果你在做 AI 工作流、想让 agent 接入你的笔记系统，或者只是想要一个不依赖云服务、可自托管的协作编辑器，可以看看；普通只需要单人记笔记的用户关系不大。

AuricUI 是一套面向 AI 应用的 React 组件库，可以理解为专为 AI 产品定制的 Ant Design：除了按钮、表格、对话框这类常规控件，还内置了聊天气泡、引用来源、工具调用过程、审批确认、记忆展示等 AI 场景特有的交互组件，并提供富文本输入、模型选择菜单、时间线、图层和检查器面板，可拼装成 agent 工作台或内容创作界面。它自带深浅两套主题和过渡动效，样式开箱即用，还附带一个 Skill 文件，让 Cursor 等编码 agent 能直接读懂并按规范生成页面。适合正在开发 AI 助手、agent 工作台、对话式编辑器的前端和全栈工程师，尤其是想快速搭出专业观感 AI 界面、或需要让 AI 编码工具产出风格统一代码的团队；如果你不涉及 AI 应用开发，这个库和你关系不大。

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。

nsq 是一个终端里的 AI 编程 Agent 调度台，让你同时跑 Claude Code、Codex、OpenCode 等多个编程助手而不必来回切换窗口盯梢。它把每个 Agent 挂在后台守护进程里，关掉终端也继续干活，重启后还能恢复会话；所有 Agent 以实时终端网格呈现在一个仪表盘上，谁在干活、谁在等你一目了然。它能精确识别「需要你」的状态——比如 Claude 想跑 npm test——并直接在仪表盘里回答权限提示，还记录每次审批的完整日志。屏幕五分钟没动静的卡死场景也会被标出来提醒。每个 Agent 可分配独立 git worktree 避免互相踩代码，还能查看各自的 token 花费。适合同时驱动多个 AI 编程助手的开发者，尤其是用 Claude Code 加 Codex 混合干活、经常被「等你确认」打断的人；只用单个 Agent 的人关系不大。目前是 0.1.0 预览版，接口可能变动。

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。

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。

DishwasherBench 是一个把洗碗机装碗做成物理模拟游戏的 LLM 评测基准，游戏名叫 Spotless。它基于一台真实 Bosch SMV4HAX40G 洗碗机的实测数据建模，玩家（或模型）要把餐具摆进碗篮，随后模拟 Eco 50 程序的水流、污渍和洗涤剂作用，摆得干净就得分；从第二关起容量不够，必须取舍放什么、怎么放。它的核心价值在于确定性和可复现：同样的摆放每次结果一致，每个 episode 都能回放验证，还内置了 46 项来自文献的洗涤现象作为校验。人可以在浏览器里玩，语言模型则通过 MCP 用同一套动作接口操作，七关难度递增，适合横向比较模型的空间推理与规划能力。对做 Agent 评测、LLM benchmark 设计或关注具身/物理交互的研究者来说值得一看；普通工程岗位或只想找生产工具的读者关系不大。