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。

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。

这是一个给 Claude Code 和 Codex 用的代码审查 skill，核心卖点是让 AI 的 code review 变得可审计：它会跑四个独立的探针，分别检查行为、测试、规则和影响面，每条发现都必须附带具体位置、涉及的契约或代码路径以及严重级别，缺证据的结论直接不算数。它只做静态分析，读 diff、周边源码、测试和项目规则就能工作，不需要构建或跑测试，也不会改动被审查的代码，最后的合并门禁结论由机器可读的 JSON 生成，避免模型自己复述自己的判断。适合在 PR 合并前想拿到一份结构化、可追溯审查报告的工程团队，尤其是已经在用 Claude Code 或 Codex、希望把 AI 审查纳入流程的后端或全栈开发者。不过作者自己也说明它不能替代测试、CI 和人工审查，对并发缺陷的检测尚未验证，如果你只是想找一个能自动把关的工具，它更像辅助而非兜底。

n8n 是一个可视化工作流自动化平台，可以理解为 Zapier 的开源替代品，但把 AI 能力做成了原生特性。你在画布上拖拽节点把各种服务串起来，需要复杂逻辑时随时插入 JavaScript 或 Python 代码，能连接 1500 多个第三方应用，也能自托管部署。它的 AI 场景很具体：比如把 OpenAI 或 Anthropic 的模型接到你自己的数据库和内部系统上，搭建带人工审批、工具调用和完整日志的多步 Agent 流程，从原型一路跑到生产。适合需要把 AI 落进业务流程的后端工程师、平台团队和自动化负责人，比如做客服工单自动分类、跨系统数据同步加智能摘要这类活儿的人。如果你只是写模型训练或纯算法研究，跟它关系不大。

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。

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。

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。

鲸鲸是一个 Windows 桌面程序，让你的微信账号接入 DeepSeek、智谱 GLM、通义或本地 Ollama 等大模型，自动陪人聊天。它的人设是蓝发鲸鱼娘，说话短、带情绪，能撒娇也能毒舌，支持网页私聊和微信群自动回复，还能查 B 站热搜、联网搜资料，甚至按回复语气自动配表情包。群里它会先判断消息在跟谁说话，避免乱插嘴或误伤别人，聊天记忆也会持久保存、更新不丢。它本质上是用 UI 自动化桥接微信客户端，属于个人玩伴型机器人，不是面向企业的客服方案。对做 AI 应用、想研究 LLM 人设提示词与记忆机制的开发者有参考价值；普通从业者若不关心微信机器人场景，关系不大，且需注意它操作的是你自己的真实微信账号。

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。

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。

这是一个给 Claude Code、Codex、Cursor 等支持 skills 的 AI Agent 用的技能包，作用是让你用一句话描述技术栈，它就生成一张带官方 logo 的架构图。比如你说「Next.js 和 Hono API 部署在 Vercel，Postgres 用 Neon，支付走 Stripe」，它会自动从 svgl、devicon 等来源抓取各家官方图标，画出组件关系和连线，连线会绕开文字标签，不会出现箭头穿过文字的尴尬。产出物是一个自包含的 HTML 文件，字体和 logo 全部内联，不联网也能正常渲染，同时还能导出 PNG 或生成无依赖的 React 组件，方便放进 wiki、仓库或 Claude Artifact 分享。它支持 AWS、Google Cloud、Azure 各自的官方图标包，也覆盖 pnpm、Turborepo 这类开发工具链的绘制。适合需要频繁画系统架构图的后端工程师、架构师和写技术文档的人，尤其是已经在用 AI 编程助手、不想再手动拖 Visio 或 draw.io 的场景；如果你平时不画架构图，这个项目和你关系不大。

Bookracy 是一个自托管的电子书搜索、阅读和书库管理工具，可以理解为「私人版 Z-Library + 阅读器」的组合。它把书籍搜索、在线阅读和本地书库管理整合在一个网页界面里，用户输入书名或作者即可检索并直接打开阅读，支持常见电子书格式，也能把自己的藏书导入统一管理。典型场景是个人或小团队想建立一个不依赖商业平台的电子书资料库，比如团队内部共享技术书籍、研究者整理文献、或者重度阅读者把散落在各处的 epub 和 pdf 归档到一处随时翻阅。如果你是做内容平台、数字图书馆或自托管服务的开发者，想了解这类应用的 TypeScript 实现方式，可以看看它的架构；对多数互联网和 AI 岗位的从业者来说，除非你正好有自建书库的需求，否则和日常工作关系不大。

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。

worldmonitor 是一个实时全球情报仪表盘，把 AI 聚合的新闻、地缘政治动态、军事航班、网络攻击、气候事件、市场行情和预测市场数据整合到同一个态势感知界面里，可以理解为开源版的 Palantir 简化形态。它提供网页、桌面、终端多种形态，还带 MCP server，方便接入自己的 Agent 工作流。比如做跨境业务的人可以盯着供应链所在地区的冲突和港口动态，交易员能同时看地缘事件与大宗商品、汇率的联动，研究 OSINT 的人则能在一个界面里追踪多源事件的时间线。适合需要持续跟踪国际局势的分析师、情报或风控岗位、以及想给 AI Agent 接入实时全球数据的开发者；如果你的工作和地缘、宏观、新闻监控无关，这个项目基本用不上。

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。

dsh-purge 是针对 DeepSeek Harness 官方客户端的越狱插件，可以绕过宿主层的提示词改写、审批门控和沙箱策略，让模型在本地会话中不再被默认安全策略拦截。它提供一个侧边面板，可分组查看补丁状态、编辑提示词、切换多套规则集，还能在授权前提下扫描本地环境的资产与技能，用于红队演练或评估默认策略是否过严。需要说明的是，原仓库即将删库，当前是全量镜像，作者已暂停维护，不接受 issue 和 PR，也不保证兼容后续 dsh 版本。对普通从业者来说，它和你关系不大；只有做 LLM 安全红队、模型越狱评测或研究 DeepSeek Harness 宿主层防护机制的人才值得看，且仅限自管环境或书面授权的演练场景。

OBS Studio 是一款免费开源的直播推流和屏幕录制软件，可以理解为直播和录屏界的瑞士军刀。它能把游戏画面、摄像头、窗口捕获、图片文字等多种素材合成一个场景，再编码后推送到 Twitch、YouTube Live、Facebook Live 等平台，或者直接录成本地视频文件。主播用它一边打游戏一边开摄像头和弹幕叠加层，讲师用它录制网课和产品演示，技术团队用它做线上发布会和内部分享的导播台。对互联网和 AI 行业的从业者来说，如果你需要做产品 demo 录制、远程会议共享带摄像头的屏幕，或者搭建一个简单的直播环境，它都是绕不开的标准工具；插件生态和脚本接口也方便开发者做自动化和定制。不过它本身与 AI 关系不大，不研究直播、音视频或内容生产的同学基本用不上。

Ruby on Rails 是一个经典的全栈 Web 应用框架，把数据库操作、页面渲染、请求路由等后端开发的常见活儿打包成一套约定优于配置的工具集，类似 Django 之于 Python、Spring 之于 Java 的地位。它按 MVC 模式组织代码，内置 Active Record 处理数据库对象映射、Action Pack 处理 HTTP 请求、Action View 生成页面，还附带发邮件、后台任务队列、WebSocket 实时推送、文件存储等常用组件，开发者不用自己拼装轮子就能搭出一个完整的数据库驱动网站。对多数互联网和 AI 从业者来说，它和当下大模型、Agent 的关系不大，主要价值在于：如果你所在团队用 Ruby 技术栈维护线上业务，或者你想快速做一个带用户、后台、内容管理的原型产品，Rails 依然是效率最高的选择之一；纯做 AI 应用或前端的人基本用不上。

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。

Bootstrap 是最老牌的前端 UI 框架之一，可以理解为一套现成的网页积木：它把按钮、表单、导航栏、弹窗、栅格布局这些常见界面元素预先写好，开发者直接调用就能拼出一个在手机和电脑上都能正常显示的响应式页面，省去从零写 CSS 的功夫。它自带编译好的样式和脚本，也支持 RTL 右到左布局，文档站本身用 Astro 构建。对互联网从业者来说，它和 AI 关系不大，主要价值在于快速搭后台管理界面、营销落地页或内部工具的原型；如果你是前端工程师、全栈开发，或者需要在几天内交付一个能用的 Web 界面，它依然很顺手；但如果你做的是 AI 应用开发或算法工作，这个项目和你的日常基本无关。

Rerun 是一个可以自托管的「AI 同事」平台，你可以把它理解成给团队雇了一组数字员工：用大白话告诉它需要做什么，一个叫 Foreman 的调度角色会先跟你沟通、拆解任务，再组建并分配一支 AI 团队，每个成员有独立的记忆、技能和一台可远程观看、随时接管的虚拟电脑。它内置了多种现成模板，比如帮你整理邮箱和日程的行政助理、基于你的数据出图表和周报的分析师、盯竞品评价并起草回复的口碑经理、筛选潜在客户并写首封邮件的销售开发，以及定期发帖的社媒运营。所有成员在一块看板上协作，你可以像跟同事聊天一样和他们对话，而在发送、付款、删除这类关键动作前，他们必须先停下来征得你的同意。适合想把重复性运营、客服、销售支持工作自动化的小团队负责人，以及在评估 Agent 落地方案的从业者；纯技术开发岗位关联不大。

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。

v2rayN 是一个跨平台的代理客户端图形界面，覆盖 Windows、Linux 和 macOS，本身不提供节点，而是把 Xray、sing-box 等内核包装成好用的桌面软件，可以理解为 Clash 或 Shadowsocks 客户端的同类替代品。它支持 VMess、VLESS、Trojan、Shadowsocks 等常见协议，能导入订阅链接、一键切换节点、按规则分流国内外流量，还内置测速功能帮你挑延迟最低的线路。典型场景是需要稳定访问 GitHub、Google 或海外 API 服务的开发者，以及在公司网络下想绕开受限站点的办公人群；它对普通上网用户也够用，但如果你只用手机，对应的项目是 v2rayNG。对多数不涉及网络代理需求的岗位来说关系不大，凡是日常要连海外服务的后端、算法、运维同学都值得了解一下。

reanimate 是一个 Claude Code 技能，专门用来复刻别人网站上的动画：它先用无头浏览器把参考站点的动画逐帧录下来，提取出每个元素每个属性的起止值、时长、缓动和错峰，再用你项目里已有的技术栈（CSS、Framer Motion、GSAP、three.js 等）重写一遍，然后以同样方式录制你的复制品，逐帧比对时间、缓动和像素差异，把最大的偏差修掉再录，通常 2 到 5 轮就能把数字对齐，最后列出仍未匹配的部分和原因。它解决的是让 AI 从链接或截图重建页面时「只看静态、看不见动效、也不知道差多远」的老毛病，README 里展示了 vercel.com、stripe.com、nextjs.org 等站点动画的复刻结果。适合前端和动效工程师、以及经常用 AI 编程工具做高还原度落地页的开发者；如果你的工作不涉及精细动画复刻，和你关系不大。