GEOInflow 是一套可自部署的网站分析工具，可以理解为面向 AI 时代的 Google Analytics 加爬虫日志分析器：它把普通访客数据、AI 搜索引流、服务器爬虫日志和内容清单放进同一个网站视图里。它能回答几个具体问题——OpenAI、Anthropic、Perplexity、百度、Kimi 等哪些 AI 平台的爬虫来过你的站、反复抓哪些页面、你 sitemap 里的重点页面有没有被抓到、抓取请求是不是失败，以及 AI 搜索带来了多少会话和转化。比如媒体或文档站可以导入页面清单，对照日志找出「AI 盲区」，再决定改内链还是调 robots 规则。它还强调证据链：只凭 User-Agent 不算验证通过，IP 段、DNS 等证据单独留存。适合企业官网、内容站、媒体出版方和负责多个站点的 GEO 运营、SEO 及增长岗位使用；如果你不关心 AI 搜索带来的流量和爬虫覆盖，和你关系不大。

Graphicle 是一个用 Rust 写的本地工具，给 Claude Code、Cursor、Codex 这类编码 Agent 提供两样东西：代码知识图谱和项目记忆。它把你的仓库解析成一张图，记住项目文档、技术决策和过往 Agent 会话，然后在 Agent 提问时返回带出处的原文片段——精确到文件和行号。全程在本机运行，不需要 API key 或账号。实际用处比如你问「失败请求是怎么重试的」，它能直接给出相关代码位置，而不是让 Agent 翻遍仓库瞎猜；改一个函数时也能查出波及范围。官方基准显示它在记忆问答准确率上与 Hindsight 持平、超过 Mem0 OSS，而每轮对话只需约 12 次模型调用，远低于对手的上百次，token 消耗也低得多。适合日常重度使用 AI 编码工具、受够了 Agent 反复丢失上下文的后端和全栈工程师；如果你不用编码 Agent，关系不大。

Mortar 是一个跑在终端里的 AI agent，可以类比成 Minecraft 版的 Claude Code：你用自然语言描述想建的建筑或结构，它会先读取你周围的地形、生物群系和已有建筑，规划出方案，再以半透明幽灵预览的形式投射到世界里，你走过去绕着看、确认位置和朝向后才真正放置方块，一次 /undo 就能全部还原。它还能生成 datapack，包括函数、进度、配方和战利品表，自动 reload 并修复报错；/materials 会列出建造所需的全部方块和烧炼材料，/export 则可导出为 litematic、schem 或 nbt 格式供手动搭建或分享。默认通过 Ollama 跑本地免费模型，也支持自带 Claude、GPT、Gemini 的 key。对 Minecraft 服主、模组开发者和喜欢在生存模式里搞建筑的玩家来说，它能省掉大量手敲方块和调试 datapack 的时间；如果你不玩 Minecraft，这个项目和你的工作基本无关。

LidTap 是一个 macOS 菜单栏应用，它把 MacBook 屏幕的边缘当成隐藏按钮：敲一下屏幕左上角就切上一个桌面，敲右下角则一键静音所有麦克风、关掉摄像头并隐藏屏幕，适合开会时有人突然走近的场景。原理是读取 MacBook 内置的加速度计和陀螺仪（约 800Hz），敲击会让机身绕铰链产生微小扭转，一个用你自己敲击数据训练的小模型据此判断你敲的是哪个区域，屏幕默认可划分为 2×2、2×3 或 3×3 个热区，每个热区绑定一个动作，比如切桌面、控制 Music/Spotify 播放、打开指定应用或新建备忘录。它会过滤打字、点击、挪动屏幕等干扰，识别不准的敲击直接忽略而非乱猜，官方测试在 2×2 布局下准确率约 95%，且全部计算在本机完成、不联网。适合 Apple Silicon MacBook（M2 起或 M1 Pro/Max）上重度依赖多桌面和快捷操作的 macOS 开发者与效率工具爱好者；对 Windows 用户、台式机用户以及没有运动传感器的旧款 Mac 用户则完全无关。

Tailwind CSS 是一个「工具类优先」的 CSS 框架，和 Bootstrap 属于同一赛道，但思路相反：它不给你现成的按钮、卡片组件，而是提供大量可组合的小工具类，让你直接在 HTML 里拼出想要的样式，写完再由构建工具裁剪掉没用到的部分。它解决的典型麻烦是：改一个间距、调一个断点，不用再跳到另一个 CSS 文件里找类名，样式和结构写在一起，改起来直观；同时因为不依赖预设组件，定制设计稿时不会被框架的默认外观绑住。前端工程师、做中后台系统的全栈开发者，以及需要快速搭落地页、活动页的独立开发者都会用得上；如果你不写界面代码，比如做算法或数据方向，这个项目和你关系不大。

webpack 是前端领域最经典的模块打包工具，作用是把散落的 JavaScript 模块、CSS、图片、JSON 等资源在编译阶段合并成浏览器能直接加载的少数几个文件，并在编译时解析依赖关系以减小运行时体积。它支持 ES Modules、CommonJS、AMD 混用，能通过代码分割按需加载页面片段来缩短首屏时间，还能用 loader 在编译过程中把 TypeScript 转成 JS、把图片转成 Base64 等，配合插件系统可生成 HTML、抽取 CSS。如今 Vite 等新工具风头正劲，但大量存量项目和企业级中后台仍深度依赖 webpack。值得看的是前端工程师、构建维护者以及需要排查打包体积和构建性能问题的人；如果你只做算法、模型训练或后端服务，和它的关系不大。

Ghost 是一个开源的内容发布平台，可以理解为 WordPress 的现代替代品，主打专业写作、会员订阅和邮件通讯一体化。它内置了完整的编辑器、付费会员体系、订阅管理和 newsletter 群发功能，作者在一个后台就能完成写文章、收订阅费、给读者发邮件的全流程，不必再拼凑多个工具。比如独立记者或内容创业者想做付费专栏，用 Ghost 可以直接设置付费墙和会员等级，读者付费后自动收到更新邮件，而不像 WordPress 那样需要额外插件堆砌。它同时支持 headless 模式，能作为纯内容后端对接你自己的前端或其他应用。适合的内容创作者、媒体团队、以及需要自建付费内容站的开发者关注；如果你只是写写个人博客或做纯技术开发，和它的关系就不大。

CVEngine 是一个开源的外部攻击面评估平台，可以理解为把资产发现、漏洞扫描和威胁情报三件事合成一个持续循环的自动化安全工具：输入你的域名，它自动盘点所有暴露的域名、子域名、IP、端口、产品版本和 TLS 配置，再把当天正在被真实利用的 CVE 与你的实际暴露面匹配，直接给出「哪些漏洞真的能打到你」的结论，而不是一堆告警。它的核心价值在于证据驱动：AI 分诊加上只读验证，用 Nuclei、nmap 等工具复现漏洞并记录命令，按真实利用情况给每个 CVE 打出 fire、smoke、ice 评级，同时用时间线追踪新主机、端口变化和页面改动。适合安全运营、渗透测试、漏洞管理岗位以及做 bug bounty 的人使用，尤其是想自建攻击面管理又不想付商业 ASM 平台费用的团队；纯开发或产品岗位关系不大。

Frametell（帧言）是一个桌面应用，把一句话想法或手头的文档、PDF、PPT 变成会动的讲解视频，类似给知识类创作者配了一个 AI 导演。你先给它一个主题，比如「为什么天空是蓝的」，它会先产出分镜脚本让你确认，再写旁白、配音、逐页绘制画面并自检，最后渲染出带字幕的 1080p 成片，官方示例一条 72 秒的片子成本约 1.59 美元。它不从零生成视频，而是驱动成熟的动画引擎，所以画面稳定、可控，成片还能进编辑器手动微调元素位置、文字和时间轴，改动不消耗 token。模型侧完全本地运行，可接 Anthropic、OpenAI、Google、DeepSeek 等任意兼容端点，素材和密钥留在本机。适合做科普、教育、投资、读书类内容的创作者，尤其是想讲好故事但不想学视频剪辑的人；纯后端或算法岗基本用不上。

这是一个二次元角色换装素材的中文检索与组装工具，把日本画师 たき AI 的 1,027 张角色部件图（发型、服装、姿势、线稿）翻译成中文界面，方便国内用户浏览。它的核心玩法是「组装」：把发型、发色、刘海、发饰、眼睛、服装、姿势分别放进 7 个槽位，再选好品质前缀（Illustrious、NovelAI、SDXL 等）、表情、构图、背景，就能实时生成可直接复制的正向和负向提示词，还能把选中的零件拼成一张带编号的对照图一起发出去。搜索支持中日文和 Danbooru 标签三语，姿势卡可切换线稿喂 ControlNet。对画师、AI 绘图爱好者和需要批量出图的运营来说，这是省去手写提示词的效率工具；如果你不碰 AI 绘画，和你关系不大。

这是一个 Claude Code 插件，让你在终端里直接看到 AI 干活的过程和结果，不用切到浏览器或另开窗口。它利用 kitty 图形协议在聊天里渲染图片和播放视频：Claude 改完一个功能后会用 Playwright 录下测试过程，把修复前后的录像并排同步播放，旁边列出每处改动的时间戳，测试项随视频播放逐个变绿变红，一眼就能看出哪步修好了、哪步还挂着。除了 QA，它也能展示 Claude 画的页面、组件、设计稿和生成图，多个方案并排对比，历史版本随时回看。适合重度使用 Claude Code 做前端或全栈开发、需要频繁验收 UI 改动的工程师，以及想在终端里完成视觉走查的 AI 编程用户；只写后端或不碰界面的人关系不大。注意它依赖支持 kitty 图形协议的终端，Warp、WezTerm 等目前还显示不了图片。

Speedrun 是一个移动端端到端测试工具，用 YAML 写黑盒 UI 测试，覆盖 Android、iOS 和 Web，可直接读取 Maestro 的 flow 文件，把 maestro test 换成 speedrun test 就能跑。它从应用外部驱动界面，不往 App 里塞任何 SDK，release 包也能测。核心卖点是快和稳：一次点击约 0.3 秒，同样的用户流程在 Android 上 20 秒跑完，而 Appium 要 59 秒、Maestro 要 127 秒；它靠等待界面真正变化而非固定 sleep，能避开还在滑入的弹窗和加载遮罩，减少 flaky 失败。还内置 session 模式，让 AI 编码 Agent 逐步操作 App、读屏并把跑通的步骤沉淀成 CI 流程。适合移动端 QA、测试开发和负责 CI 的工程师，尤其是已经在用 Maestro、被测试慢和偶发失败困扰的团队；纯后端或算法岗关系不大。

这是一份持续更新的 awesome 清单，收录了 149 个活跃的开源 AI 游戏开发工具，每天从 GitHub API 拉取真实数据刷新，只保留 100 星以上且一年内有提交的项目。它覆盖两大方向：一是用 AI 做游戏，从美术、3D 动画、音频、NPC 叙事到代码引擎、测试 QA、Agent 与 MCP server 都有分类；二是反编译、重混和魔改你自己拥有的游戏，包括 AI 逆向、decomp/recomp 项目、Agent 驱动的 modding 和 AI 替换素材。比如你可以用它找到给老游戏换 AI 生成贴图的工具，或者让 coding agent 读取你手头的游戏文件做二次创作。适合独立游戏开发者、游戏行业技术美术和程序、以及对 AI 逆向工程感兴趣的从业者快速选型；如果你完全不碰游戏开发，这份清单和你关系不大。

这是一个把 WhatsApp 接入 AI Agent 的 MCP 服务器，相当于给 Claude、LangChain、Google ADK 这类框架提供了一个现成的 WhatsApp 通道，开发者不用再自己写 REST 封装和 webhook 解析。它通过 Model Context Protocol 暴露 61 个工具、10 个资源和 12 类实时事件，Agent 连上后能自动发现全部能力，覆盖发消息、群管理、联系人、投票、表情回应等操作，还能收到新消息、正在输入等推送。底层同时支持 Baileys（模拟 WhatsApp Web，个人号即可用）和 Meta Cloud API（官方企业通道），两套后端共用同一套工具名，切换渠道不用改 Agent 逻辑。内置限流和持久化，适合高频消息场景。值得看的是正在做 WhatsApp 客服机器人、社群自动化运营或跨境私域触达的开发者，尤其是已经在用 MCP 生态的人；如果你的工作和 WhatsApp 或 Agent 集成无关，这个项目基本用不上。

ClusterChat 是一个纯浏览器运行的分布式推理聊天工具，思路类似 Petals 或 exo，但把模型切分的对象换成了你和朋友各自机器上的显卡：通过 WebRTC 把多台电脑的 GPU 拼成一块，共同跑起一个 27B 的 Qwen 模型，全程零安装，打开链接即可用。它解决的痛点很具体——27B 模型约需 27GB 显存，单人往往不够，但一个实验室、俱乐部或朋友圈凑一凑通常有，于是每个人都能在自己的聊天窗口里同时对话，最多支持 64 人、多条回复并行生成；中途有人退出也不会中断，因为每段模型权重都有多个浏览器持有，丢失的工作会自动在别处重放。实测两块 RTX 3090 上 12 人同时聊天仍能保持每条回复 7.1 tok/s，跨两台机器也有 8.1 tok/s。值得看的是那些手里有闲置显卡、想和同事朋友共享一个大模型的研究者、学生团队或极客玩家；如果你没有多卡环境，这项目跟多数人关系不大。

pumi 是一个用 Rust 写的桌面工作台，专门用来同时跑多个 AI 编程 agent，比如 Claude Code、Codex、pi，你可以把它们并排放在不同标签页里，一眼看出谁在干活、谁卡住了、谁跑完了，还能在它们工作时排队塞新提示词。它背后有个常驻服务接管终端，窗口关了任务照跑，适合长时间挂机的多 agent 任务。真正特别的是它几乎全由插件构成——界面、终端、agent 面板都是 TypeScript 写的插件，能随意关掉、替换甚至重写，主题也能重绘窗口任何部分，插件和主题可以直接从 GitHub 安装分享。核心只保留标签、终端、按键这些最小骨架，远程机器、git 面板等一概不做，留给你自己搭。适合同时驱动多个 AI agent、想按自己工作流定制开发环境的 AI 工程师和重度 AI 编程用户；如果你只用单一 agent 或不碰这类工具，关系不大。

Franco 是一个跑在你本机上的自动外联销售代理，用你已有的 Claude Code 或 Codex 订阅驱动，不额外产生模型 API 账单。它接手一份客户名单，为每个客户找到写信的理由，从你自己的邮箱发出简短的邮件序列，再读取并处理回复，所有引用的事实都记录来源。它有三种工作方式：默认模式下模型会自己找企业、读官网、挑对人并起草个性化序列；模板模式则逐字发送你审核过的文案，合规页脚和退订规则由代码强制执行；还有一种漏斗模式，把客户分进最窄的销售漏斗再按既定故事写信。每封邮件默认都要你过目，也可以开自动发送，新战役一律先预览、签字后才发。适合做 outbound、冷邮件开发的销售和增长负责人，以及想用 AI 提效但要保留人工审核权的团队；纯技术岗或不做主动获客的人关系不大。

agentplay 是一个本地运行的 coding agent 会话回放工具，把散落在 ~/.claude、~/.codex、~/.cursor 等目录里的对话记录，转成一张可交互的地图和一条可播放的时间线，让你看清 agent 到底读了什么、改了什么、哪里失败、最终产出了什么。它兼容 Claude Code、Codex、Cursor、Copilot、OpenCode、Kiro、Gemini CLI 等主流工具，一条命令即可扫描本机已有会话并打开本地查看器，无需账号和 API key，数据不出机器。地图以放射树展示会话触及的仓库、文件、shell 命令、MCP 服务、子 agent、错误和产出的 commit/PR；时间线支持 1x 到 16x 回放，按 prompt、错误、编辑、token 消耗、上下文占用等分轨展示，还能按任务或单个子 agent 重新聚焦。适合重度使用 AI 编程助手、想搞清楚「agent 为什么改错文件」「上下文在哪一步撑爆」「哪个命令反复重试」的工程师和团队负责人；偶尔用一下 agent 的人关系不大。

LumaBrowser 是一个把本地 AI 全家桶塞进一个桌面应用的 Chromium 浏览器：内置 llama.cpp 推理运行时、OpenAI 兼容 API、聊天与 Agent、Stable Diffusion 图像视频生成、TTS 和音乐，还带 MCP server 让 Claude Code、Codex、Cline 驱动你的浏览器。它会先读你的显存，在下载模型前就标出哪些模型装得下、预计多快，也能直接复用 LM Studio、Ollama 或 Hugging Face 缓存里已有的模型，避免重复下载。聊天时让它联网查资料，它会自己开标签页读页面作答，而你的标签页和登录状态始终留在本机。对多数人来说，如果你只是用云端 ChatGPT 或 Cursor，这项目关系不大；但想在自己机器上跑本地模型、做隐私敏感的浏览器自动化，或需要给终端里的 coding agent 一个真实浏览器的人，值得看看。

Moli OS 是一个用 Rust 写的超轻量智能家居中枢，定位类似 Home Assistant，但设计思路完全反过来：Home Assistant 是给人点界面用的，Moli OS 是给 AI Agent 用的——Claude Code、Codex 或任何 API 模型可以直接通过 MCP 接入，完成设备配置、日常操作、故障排查，甚至编写新设备驱动，而实时控制循环始终由确定性的二进制核心负责，Agent 不会直接插手。它的资源占用极低，内存只有几兆、镜像十几兆，对比 Home Assistant 动辄 2GB 的开销优势明显。内置 24 种集成（Zigbee2MQTT、Hue、Sonos、Tuya、打印机、3D 打印机等）、Svelte 仪表盘、可视化自动化编辑器和手机 App，敏感操作还设有人工确认的保护机制。适合智能家居爱好者、想探索 Agent 操控物理设备的 AI 工程师，以及需要在低配设备上跑家庭自动化的开发者；纯做模型训练或后端业务的人关系不大。

Local Code 是一款跑在 Mac、iPad 和 iPhone 上的私有 AI 编程与办公 Agent，可以理解为把 Claude Code 这类编码助手搬到本地设备、并内置了一整套工具链的应用。它自带针对 Apple Silicon 优化的 LLM 推理引擎，能离线运行 DeepSeek 4.1、Qwen 等量化模型，也支持接 Anthropic、OpenAI 等云端模型。应用内集成了 Python、Node.js、shell、LibreOffice、FFmpeg 乃至浏览器和绘图工具，Agent 可以在你授权的文件夹里完成数据分析、画图表、写文档和幻灯片、开发软件等完整任务，且所有命令都在 App Sandbox 内执行，无法接触全盘。任务和对话可持久保存、生成中断能续跑、长对话有磁盘级上下文缓存。适合关注本地大模型落地、隐私敏感场景的 AI 应用开发者、Mac 端工具开发者，以及想在无网环境下用 Agent 干活的从业者参考其工程实现。

这是一个把 DeepSeek-V4.1-Flash 模型跑在两台 NVIDIA DGX Spark（GB10）上的推理部署方案，核心是作者自己改的 TensorFold 引擎分支，用 2.9bpw 量化加双机张量并行，实测解码速度约为标准 vLLM 部署的 2.1-2.3 倍：散文 57 tok/s、代码 92 tok/s，32K 长提示的预填充速度约 2,200 tok/s，还把上下文窗口拉到 1M token 并通过了百万级大海捞针测试。它面向需要长上下文和低延迟的场景，比如让 Agent 高频调用工具、对同一份长文档反复追问（前缀缓存让第二次提问的首字延迟从 13 秒降到 1 秒），支持强制工具调用、结构化输出和 4 路并发。适合手里有 DGX Spark 硬件、正在为本地大模型部署做性能选型的推理工程师和基础设施负责人参考；README 也注明完整硬件验证尚在进行中。如果你不打算在双机 GB10 上部署 DeepSeek，这个项目和多数人关系不大。