这是一份中英双语的开放书稿，作者韩先凯（法海）把它定位成「AI 时代的人生进阶指南」，内容横跨英语学习、AI 上手、真实项目与创业验证、沟通与生活节律恢复。它不是工具软件，更像一本可下载、可打印、可反复填写的实践手册：每条路径都遵循同一套循环——定义问题、保存基线、完成最小任务、记录证据、延迟复测、再决定下一步。具体来说，你可以用它的英语能力诊断表测出听说读写的真实起点，用 AI 评测模板做一次可复核的小实验并写下验收标准，用创业实验卡把想法推到首批用户面前，也可以用生活工作表重新安排一天的最小任务。适合三类人：想把 AI 用进工作但不想外包判断的从业者、准备海外求职或远程协作需要练英语的人，以及想用证据而非焦虑管理自己或孩子学习节奏的人。如果你只想找代码或框架，这个项目和你关系不大。

Immich 是一个自托管的照片和视频管理方案，可以理解为部署在自己服务器上的 Google Photos 替代品：手机端自动备份照片视频到你的私有存储，网页端提供相册浏览、时间线、地图和共享功能。它内置人脸聚类、以图搜图（CLIP）、按元数据和对象搜索，还支持 RAW 格式、LivePhoto、多用户与 OAuth 登录，日常找照片、给家人共享相册都很顺手。适合对隐私敏感、不想把私人照片交给云厂商的个人和家庭用户，以及想搭建私有媒体库的 homelab 玩家；运维和后端工程师也能从它的 NestJS + SvelteKit 架构里参考自托管应用的工程实践。如果你只是用网盘存照片、没有自建服务的需求，这个项目和你关系不大。

LiteLLM 是一个 AI 网关，用统一的 OpenAI 格式调用 100 多家大模型服务，包括 OpenAI、Anthropic、Bedrock、Azure、VertexAI、vLLM 等，让你不必为每家模型单独适配 SDK、鉴权和请求格式。它既能作为 Python 库直接嵌进代码，也能部署成团队共用的代理服务，换模型供应商时不用改业务代码。除了转发请求，它还内置了虚拟密钥管理、按团队或项目的花费统计、内容护栏、负载均衡和调用日志，相当于给公司的大模型调用加了一层统一管控和计费的中间层。适合需要在生产环境里管理多家模型、控制成本和权限的团队，比如负责 LLM 应用的后端工程师、平台工程或 MLOps 岗位；如果你只是写写脚本调用单一模型，和你关系不大。

shadcn/ui 是一套开源的 React 组件库，和 Ant Design、MUI 那种装进依赖里的库不同，它把组件源码直接复制进你的项目里，你可以随意改样式、加逻辑，最终长成自己团队的组件库。组件基于 Radix UI 和 Tailwind CSS 打造，兼顾无障碍访问和视觉一致性，覆盖按钮、表单、弹窗、表格等常见界面元素。它解决的是前端团队反复造轮子的问题：新项目起步时不用从零写组件，也不用被第三方库的样式约束绑死，改起来没有心理负担。目前它已是 Next.js 生态里最主流的 UI 方案之一，很多 AI 生成界面的场景也默认用它来渲染结果。值得看的人主要是 React 技术栈的前端工程师、独立开发者，以及做设计系统或内部中后台的团队；如果你不写前端界面，这个项目和你关系不大。

Termux 是安卓上的终端模拟器加 Linux 环境，相当于把一台小型 Linux 服务器塞进手机里，无需 root 就能在安卓设备上跑 shell、装各种命令行工具和编程语言运行时。它自带包管理器，可安装的软件包由独立的 termux/termux-packages 仓库维护，还提供一组可选插件，比如调用摄像头、传感器等系统能力的 Termux:API，开机自启的 Termux:Boot，以及配合 Tasker 自动化脚本的 Termux:Tasker。典型场景是运维或开发人员在没有电脑时用手机 SSH 到远程服务器、跑脚本、做轻量开发，或者把安卓设备当随身的自动化执行终端。适合后端、运维、数据工程等经常和命令行打交道的岗位在移动场景下使用；如果你的工作完全在桌面端完成，这个项目和你关系不大。另外要注意，README 明确提示它在 Android 12+ 上可能不稳定，系统会杀掉高 CPU 占用的进程。

这是一个围绕 Claude Code 的精选资源导航站，相当于 Claude Code 生态的 awesome-list：作者人工挑选了各类值得用的技能包、子代理、状态栏、插件和开发工具，并按用途分成几十个板块。它解决的是「Claude Code 装好之后不知道还能怎么玩」的问题——比如想给它加个显示 token 消耗的状态栏、找现成的 skills 来提升代码质量、接入通知和语音、做多代理编排，或者查成本监控和可观测性方案，都能在这里直接找到现成项目和教程，省去自己翻社区的时间。对已经在用或准备深度使用 Claude Code 的工程师、AI 应用开发者来说，这是个高密度的入口清单，适合收藏后按需翻查；如果你不用 Claude Code，或只是想找通用 LLM 资源，那和你关系不大。

这是一个全球公开 IPTV 频道的聚合清单，本身不存任何视频文件，只收集用户提交的公开直播流地址，整理成可直接被播放器读取的 m3u 播放列表，并按国家、地区、分类拆分成多份子列表，同时配套提供节目单（EPG）数据和查询接口。简单说，它相当于一个「全球免费电视直播源的维基」，你可以在里面找到各国新闻台、体育台、地方台的在线直播地址。典型用法是把它的播放列表导入 VLC、TiviMate 或各类电视盒子 App，就能免费看海外直播；做流媒体聚合、电视墙或媒体播放器开发的人也能直接拿它的数据当内容源。对多数互联网和 AI 从业者来说，这和日常工作关系不大，除非你在做视频、直播或电视相关产品，或者单纯想找海外直播源。需要注意的是链接由社区维护，稳定性和版权状况需自行判断。

RAGFlow 是一个开源的 RAG 引擎，可以理解为给大模型接上「靠谱外脑」的中间层：把散乱的文档喂进去，它负责解析、切分、索引，再在回答时检索出有依据的内容。它的强项是深度文档理解，能处理 Word、PPT、Excel、PDF、扫描件、网页等复杂格式，把非结构化数据抽成结构化知识，还能编译成 Wiki、思维导图、时间线等形态。面对复杂问题时，它会自动拆解、多轮检索并核验证据，答案可溯源到具体引用。适合需要把企业内部资料做成可问答知识库的场景，比如客服知识库、合同审查、研究报告检索。对 AI 应用工程师、算法工程师以及负责企业知识管理的人来说值得一看；纯前端或后端开发、不涉及 LLM 应用的岗位关系不大。

GPT-SoVITS 是一个开源的语音克隆与文字转语音（TTS）工具，可以理解为「低配版 ElevenLabs 的本地替代」：给它 5 秒人声样本就能零样本合成，用 1 分钟录音微调即可获得相似度更高的专属音色，还支持中英日韩粤跨语言朗读。它自带 WebUI，集成了人声伴奏分离、自动切分训练集、中文语音识别和文本标注，等于把从原始音频到可用模型的整条链路都包办了，推理速度在消费级显卡上也足够实时。适合做有声内容、虚拟主播、游戏配音、无障碍朗读的创作者，以及想低成本搭建私有 TTS 服务的 AI 应用开发者；如果你的工作和语音交互、AIGC 内容生产无关，那看看就好，不必上手。

Django 是 Python 生态里最主流的 Web 框架之一，可以理解为「后端开发的全家桶」：ORM 数据库操作、URL 路由、模板渲染、后台管理界面、用户认证都内置好了，开箱即用。它解决的是从零拼装后端的麻烦——比如想快速做一个带登录、后台和数据管理的内容站点或内部工具，用 Django 几天就能搭起来，而不必自己组合十几个库。它的自动管理后台尤其出名，很多公司的运营系统直接基于它二次开发。适合后端工程师、全栈开发者，以及需要快速交付 Web 应用或内部系统的团队；如果你只做前端、算法或模型训练，和它的关系不大。

这是 Microsoft 官方出的一套生成式 AI 入门课程，共 21 节课，用 Jupyter Notebook 形式带你从零搭出一个 GenAI 应用。内容覆盖 prompt engineering、调用大模型 API、用 DALL-E 生成图像、语义检索（semantic search）等基础主题，每节课配讲解和动手练习，代码可跑在 Azure OpenAI Service、OpenAI API 或本地离线模型上，还提供 50 多种语言的翻译，含简体中文。它适合两类人：一是刚接触大模型、想系统搞懂「怎么把 LLM 接进自己产品」的后端或全栈工程师，二是需要给团队做 AI 入门培训的技术负责人，可以直接拿它当教材。如果你已经在做模型训练、推理优化或 Agent 架构，这套课会偏浅，翻一下 prompt 部分即可，不必深究。

这是一款装在 Android 手机上的应用，用来清理 Android TV、Google TV 上的广告、追踪和预装垃圾应用，相当于把原来需要电脑跑 ADB 脚本或交给 Claude Code 这类编码 Agent 的 Clean Your TV 流程搬到了手机上。它在同一 Wi-Fi 下自动发现电视，先列出「要关掉什么、保留什么」的清单让你确认，再一键执行并生成还原点，随时可以撤销。比如小米、Redmi、OnePlus、Sony、Hisense 等机型还能顺带换上无广告的新主屏幕。适合家里电视广告多、预装应用删不掉的普通用户，以及帮父母打理电视的人；如果你是 Android 系统调优或电视固件相关从业者，也能从中参考社区维护的机型适配清单。Fire TV 和部分国产 TCL 机型暂不支持，App 会提前说明。

Go 是 Google 开发的开源编程语言，定位类似「更好上手的 C++ 加上 Python 的简洁」，主打编译快、并发天然好用、部署就是一个二进制文件。它常被用来写云原生基础设施，Docker、Kubernetes、etcd 这批项目都是用 Go 写的，因此在后端服务、CLI 工具、网络代理等场景里非常主流。如果你在做微服务、运维平台或需要高并发的 API 服务，Go 是绕不开的选项；写 AI 应用的推理服务封装、Agent 运行时也越来越多团队选它，因为启动快、内存占用低。对纯算法研究、数据科学或前端岗位的人来说，这个仓库和日常关系不大，了解即可。

Playwright 是微软推出的浏览器自动化框架，可以理解为 Selenium 的现代替代品，用一套 API 同时驱动 Chromium、Firefox 和 WebKit。它最初面向端到端测试：自动等待元素就绪、断言自动重试、每个测试跑在独立浏览器上下文里互不干扰，失败时还能回放操作轨迹、截图和网络请求，方便定位问题。除了测试，它也能当库用，做网页抓取、生成 PDF、模拟手机设备、拦截网络请求这类需要程序化控制浏览器的场景。更值得注意的是它在 AI 方向的延伸：Playwright MCP 让 AI Agent 通过无障碍树结构化地读取页面并操作元素，不依赖截图和视觉模型；Playwright CLI 则专门面向 Claude Code、Copilot 这类编码 Agent。前端和测试工程师做 E2E 测试选它很合适；后端或全栈工程师写爬虫、自动化脚本也能用；正在给 AI Agent 接入浏览器能力的开发者，MCP 那条路径值得重点看。

词光 Word Atlas 是一款开源的雅思背词应用，可以理解为 Anki 的插画版：7,298 个词条每个都配一幅原创插画、中英释义、两条例句，以及英音美音和例句朗读，用画面和语境帮你建立词义联想。学习流程是看图理解、听发音、主动回忆练习，再由 FSRS 间隔复习算法按你的作答记录安排下次复习时间，目标记忆率可调；进度存在本地，无需注册，离线也能用。它还把词汇做成 19 个话题的 WebGL 星图，学过的词会点亮，直观展示积累过程。对备考雅思的学生、英语老师，以及想做背词工具或研究间隔复习的人来说都值得看——词库、插画和录音以 CC BY 4.0 开放，可直接导入自己的 Anki 牌组或学习项目。不过内容由生成式 AI 产出、未经逐条人工审校，且不是官方词表，别指望它承诺提分。

这是一个把 2004 年的 PC 竞速游戏《Need for Speed: Underground 2》搬进浏览器的粉丝项目：它用静态重编译技术把游戏的 x86 机器码提前翻译成 C，再编译成 WebAssembly，同时用 WebGPU 重新实现了 Direct3D 9 渲染、用 Web Audio 处理声音，让 Chrome 和 Firefox 直接跑起这款老游戏，玩家需要自带正版游戏文件。它还支持多人联机，同一服务器下的玩家能在自由漫游里相遇，并提供多语言文本和 UI 放大等 mod 支持。对多数互联网和 AI 从业者来说这只是一个有趣的怀旧玩具，但如果你做 WebAssembly、WebGPU 或游戏移植方向的技术研究，它的 x86→C 提升器、浏览器端多线程共享内存架构和 Rust 联机服务器都值得翻一翻源码。

这是一个把 Nintendo Switch 游戏原生移植到 Apple 芯片设备的技术实验项目，主打《塞尔达传说：王国之泪》和《旷野之息》。它不是模拟器：Switch 和 Apple 芯片同为 ARM64 架构，游戏的原生代码直接在 Mac、iPhone、iPad 上运行，唯一的重活是把游戏调用的 NVN 图形接口重新实现到 Apple 的 Metal 上，同时用一个小型宿主层接管系统服务。效果是游戏能以原生 4K 甚至 5K 分辨率跑在 Mac 上，iPhone 14 也能流畅游玩。仓库本身不含任何游戏内容，需要你自备正版游戏的转储文件和密钥，法律风险自负。同一套运行时还衍生出《Super Smash Bros. Ultimate》《Super Mario Odyssey》等社区移植。对图形 API 逆向、跨平台移植、Metal 渲染层开发感兴趣的工程师，以及想在 Apple 设备上玩 Switch 游戏的玩家，都值得翻翻它的技术文档。

这是一套自建科学上网的部署方案，把 3x-ui、Xray、OpenClash、Shadowrocket 和 CLIProxyAPI 等工具串成一套可复制的蓝图，让你买一台海外服务器后，交给 AI 按方案配好，手机、电脑、路由器导入订阅即可使用。它解决的是出差或旅行到网络受限地区时，如何稳定访问常用网站和 AI 工具的麻烦：主备两个节点自动切换，国内网站直连、国外和 AI 服务走代理的分流规则已预置，证书、规则、配置备份都自动维护，基本不用手动管。附带的 CLIProxyAPI 能给你一个自己的 API 接口和管理后台，但 README 特别提醒不要把 Claude 账号接进去，这违反 Anthropic 政策。适合经常跨境出差、需要在受限网络下用 AI 工具的个人开发者和远程办公者，以及想给全家配一条独享线路的技术爱好者；如果你没有自建代理的需求，和你关系不大。

awesome-mac 是一份持续维护的 macOS 优质软件清单，按用途分类整理，相当于 Mac 版的「装机必备大全」。它不提供软件本身，而是帮你快速找到某类需求下口碑最好的工具，比如截图标注、窗口管理、文件解压、音视频处理、开发辅助等，省去在搜索引擎和应用商店里反复筛选的时间。对日常用 Mac 工作的人来说，它更像一个可随时查阅的选型字典：换新电脑装机、想找某个效率工具的替代品、或者单纯想发掘好用的小软件时，翻一翻对应分类就能有收获。如果你是设计师、开发者、产品经理等重度 Mac 用户，或者负责给团队统一配装办公软件，这个清单值得收藏；但如果你平时用 Windows 或对找软件没需求，它和你关系不大。

Open WebUI 是一个可以自己部署的 AI 聊天界面，相当于自托管版的 ChatGPT 网页端：既能接 Ollama 跑本地模型，也能连 OpenAI 兼容的云端 API，全部数据留在自己机器上。除了多轮对话，它还内置了知识库问答（RAG）、文档上传、语音输入和 MCP 工具调用，团队可以把内部文档喂进去做检索问答，或者把常用模型统一挂在一个界面下切换使用。最近它还在往 Agent 方向扩展，配套的终端、知识库同步等生态项目能让它变成一个完整的 AI 工作台。适合需要在公司内网安全使用大模型的后端和算法工程师、想快速搭一个私有 AI 助手的独立开发者，以及对数据隐私敏感、不想把对话内容交给第三方服务的团队；如果你只是偶尔用用 ChatGPT，这个项目和你关系不大。

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。

Node.js 是让 JavaScript 跑在浏览器之外的运行时，可以理解为服务端的 JavaScript 引擎，和 Python、Go 一样用来写后端程序，只是语言换成了前端开发者最熟悉的 JS。它基于事件驱动和非阻塞 I/O，擅长处理高并发的网络请求，是目前构建 Web 服务、API 网关、实时应用（如聊天、推送）和各类中间件的主流选择，npm 生态里绝大多数后端库都围绕它构建。项目由 OpenJS Foundation 托管，采用开放治理模式，发布节奏很规律：每年 4 月出一个大版本，10 月转为 LTS，提供约 30 个月的长期支持，生产环境通常选 LTS 版本。对后端开发、全栈工程师以及做 Node 服务运维的人来说，了解它的版本策略和安全公告是日常必修课；如果你只做前端或纯算法研究，这个仓库本身和你关系不大，日常用发行版安装即可。

TensorFlow 是 Google Brain 团队开源的深度学习框架，可以理解为和 PyTorch 齐名的另一大主流选择，提供从模型训练、评估到部署的完整工具链，支持 Python 和 C++ 接口，也能做分布式训练。它解决的是「怎么把神经网络从代码变成能跑的模型」这件事：比如用它训练一个图像分类模型，再通过配套的模型优化工具压缩后跑在手机或嵌入式设备上；或者用 TensorBoard 可视化训练过程、定位收敛问题。对多数互联网和 AI 从业者来说，如果你的工作是用现成大模型做应用，直接关系不大；但如果你在做模型训练、推理部署、需要跨平台落地的算法工程师或 ML Infra 工程员，或者团队技术栈本来就基于 TensorFlow，那它就是绕不开的基础设施，值得了解其生态里有哪些现成组件可用。

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。

Vite 是新一代前端构建工具，可以理解为 Webpack 的快速替代品，法语里就是「快」的意思。它把开发和生产两件事分开处理：开发时启动一个基于原生 ES Modules 的开发服务器，改一行代码几乎瞬间热更新，不用像 Webpack 那样等整个包重新编译；生产构建则交给 Rolldown 打包出优化过的静态资源。它还提供统一的插件接口和全类型化的 JavaScript API，方便扩展。实际场景里，无论是新建 React、Vue 还是 Svelte 项目，还是把老项目从 Webpack 迁移过来，它都能显著缩短开发时的等待时间。对前端工程师、全栈开发者以及做 AI 应用界面的工程师来说，这是日常开发几乎绕不开的基础设施；后端或算法岗位的人了解即可，不必深入。