GridCraft 是一个用纯 Rust 从零实现的开源电子表格应用，定位类似 Excel 的替代品：熟悉的 Ribbon 界面、公式栏、工作表标签都在，支持 500 多个函数、动态数组、LET 和 LAMBDA，还有数据透视表、17 种图表、条件格式、迷你图和 XLSX 读写，能做家庭预算、成绩统计、销售看板这类日常表格活。它跨平台原生运行，也能通过 WebAssembly 跑在浏览器里，并提供 MCP、CLI 等面向 Agent 的控制通道，方便让 AI 直接操作表格。对多数互联网和 AI 从业者来说，如果你只是偶尔用 Excel，它未必是刚需；但如果你在做办公软件、表格类产品的竞品调研，或想给 Agent 接一个可编程的表格引擎，值得花几分钟看看。

这是一个 AI 编程套餐与 API 价格的比价站，把散落在各家官网的定价整理成三张表：国内套餐、海外套餐、API 单价，外加一张基于真实评测数据算出的性价比排行。它解决的麻烦很具体——AI 编程的账单分套餐制和按量制两种，混在一起看容易选错：每天稳定写代码、想封顶预算的人适合月费套餐，偶发使用或要把模型嵌进产品的人更适合按 token 计费的 API。站内收录了智谱 GLM、MiniMax M Plan、阿里云百炼、火山方舟 Coding Plan 与 Agent Plan、小米 MiMo Token Plan 等在售方案，标注了额度刷新窗口、主力模型和官方购买入口，每条价格都附官方来源链接和核实日期，不猜不编。适合正在挑选 AI 编程订阅、或需要为团队评估模型调用成本的工程师和技术负责人；如果你不打算为 AI 编程付费，这个项目和你关系不大。

这是一个用大模型自动分析自选股的系统，覆盖 A股、港股、美股、日股、韩股、台股和 ETF。它每天抓取行情、K线、技术指标、新闻、公告和基本面数据，交给 LLM 生成一份「决策仪表盘」：给出核心结论、评分、趋势判断、买卖点位、风险警报和操作检查清单，再自动推送到企业微信、飞书、Telegram、Discord、Slack 或邮箱。除了每日定时报告，它还带一个 Web 工作台，支持手动分析、历史报告查看、回测和持仓管理，并内置 15 种策略（均线、缠论、波浪、事件驱动等）的多轮问答 Agent，可以像问分析师一样追问某只股票。数据源默认用 AkShare、Baostock、YFinance 等免费接口，配合 GitHub Actions 可以零成本定时运行，不需要自己买服务器。适合有自选股、想每天快速过一遍多市场持仓风险的个人投资者，以及想研究 LLM 在金融分析场景落地的开发者；纯技术岗、不炒股的人关系不大。

这是 DeepSeek Harness 的一个工作流插件，让你在画布上拖拽步骤、连线编排流程，插件把整张图编译成一份计划提示词交给模型执行，本身不带执行引擎，顺序、并行、分支、循环都由当前会话的模型自己调度。它最主打的场景是「破甲」研究：内置一条 15 步的流水线，从 200 多个探针测试开始，分析模型的拒绝模式，再定制生成破甲词，最后 API 验证并输出破甲词文件、使用手册和研究报告，适合想系统化研究 LLM 越狱的人。除此之外，它也能用来编排通用的多步任务，比如写代码、审查、不通过就回炉重修的循环流程，还能把跑通的流程导出成 Skill 复用。值得看的是关注 prompt 工程、Agent 编排和 LLM 安全研究的从业者，如果你只是想找个通用自动化工具，它依赖 DeepSeek Harness 生态，和多数人关系不大。

这是一个针对开源项目 issue tracker 的 RAG 问答系统，但它真正的卖点不是「能问答」，而是把评测做扎实并审计自己的评分器。它在 vitejs/vite 的 5,473 篇 issue 上用 95 条人工复核的问题做测试：闭卷时模型只有 8.4% 答对，加上检索升到 64.2%，但同时编造率从 1.1% 涨到 20%——检索让模型从「诚实地说不知道」变成「自信地错」。更值得看的是它对 LLM-as-judge 的审计：换判分模型、跑两遍、换 rubric、加 30 条人工盲评，发现机器测出的增益其实是下界，且四种检索配置之间的差距落在判分器噪声里，根本分不出高下。它还坦承检索只支持英文，中文提问会失效。适合做 RAG 系统评测、关心 LLM-as-judge 可靠性、或需要为自家检索方案设计评测集的算法和数据工程师；只想找现成问答工具的人可以跳过。

RustingStrata 是一个用纯 Rust 写的本地大模型推理引擎，可以理解为 llama.cpp 的 Rust 替代品，专门跑 Qwen3.5/3.6 等 Qwen 系列的 GGUF 量化模型。它的核心卖点是 MoE 混合专家模型的显存管理：放不进显卡的专家层自动落到 CPU 上，和 GPU 计算并行，还会根据路由结果动态调整专家摆放，因此 12 GB 的 RTX 3060 也能跑 35B 级别的 MoE 模型，解码速度约为 llama.cpp 的 1.7 倍。CUDA 内核在运行时用 NVRTC 编译，无需 C++ 构建链，同一套内核也能走 Vulkan 后端。它自带 OpenAI 兼容的服务端和浏览器聊天页，能直接接 Open WebUI、SillyTavern 或代码编辑器。值得看的是在消费级显卡上本地跑 Qwen 模型的开发者、做本地 LLM 应用原型的人，以及受够了 llama.cpp 编译折腾的 Windows 用户；纯云端从业者关系不大。

Context7 是给 AI 编程助手实时喂官方文档的工具。大模型写代码时经常凭训练数据编造不存在的 API，或者给出过时版本的示例，Context7 会从源头抓取指定库的最新、带版本号的文档和代码示例，直接塞进 Cursor、Claude Code 这类编码 Agent 的上下文里。比如你让 Agent 用 Supabase 做邮箱注册，它会自动匹配对应版本的 Supabase auth 文档，而不是瞎编接口。它支持 MCP 和 CLI+Skills 两种接入方式，也能在 prompt 里用斜杠语法指定具体库和版本来跳过匹配步骤。对日常用 AI 写代码、经常被幻觉 API 坑的开发者来说很实用；不写代码或不用 AI 编程工具的人则关系不大。

CardboardXR 是一个 Unity 手机应用，把最便宜的 Google Cardboard 纸盒眼镜升级成有 6DoF 追踪的轻量 VR 设备：借助手机的 ARCore 或 ARKit 做头部六自由度追踪、摄像头透视（passthrough），并用后置摄像头识别手部，实现捏合、抓取和指向射线等手势交互。它自带几个演示场景，比如在自己房间里空中绘画的 Air Paint、用手挡飞来光球的 Orb Rush、在地板上开传送门走进另一个世界的 Portal，以及播放 360/VR180 视频的播放器，还配了可 3D 打印的手机 VR 眼镜外壳。对做 XR 原型、想低成本验证空间交互想法的开发者来说，它展示了如何在一台手机上同时跑通追踪、透视和手势这一整套能力，值得翻翻它的实现思路；普通后端或算法工程师关系不大。

EXZA Remote 是一个 MCP 服务，让你在 ChatGPT 或 Claude 的对话里直接操控自己的电脑：查看文件、查进程状态、跑一条经你批准的终端命令，不用再手动把命令行输出复制粘贴回聊天框。它由一个远程 MCP 端点加一个装在你本机的客户端组成，通过一次性配对码把 Mac、Windows 或 Linux 机器绑定到你的账号，敏感操作需要你在本地确认后才执行，权限可随时撤销。典型场景是开发者让 AI 读取项目文件并跑一次本地测试，或 IT 支持远程查看设备状态和诊断输出。如果你是需要频繁在 AI 对话和本地环境之间来回切换的开发、运维或技术支持岗位，值得花几分钟看看；纯做前端或不碰本地环境的读者关系不大。注意它依赖 OpenAI 对自定义 MCP 连接的支持，可用功能随平台和账号权限而异。

Timestral 是 Mistral AI 推出的时间序列基础模型家族，可以理解为「时间序列领域的 GPT」：先在海量数据上预训练，再零样本直接对新序列做多变量概率预测，无需为每个业务单独训练。它支持最多 32768 步的长上下文，能联合预测多个相关变量，并引入仅历史或已知未来的协变量（比如促销日、节假日），每个时间点输出 21 个分位数，给出的不只是一个点估计而是完整的不确定性区间。发布时在 GIFT-Eval、TIME、fev-bench 三大公开预测基准的预训练与零样本模型中均排名第一，提供 5M 到 209M 四种尺寸，最小的仅 21MB，纯 CPU 即可推理。做销量预测、库存补货、能耗负荷、运维指标监控等场景的算法和数据工程师值得一看，尤其是那些过去只能靠 Prophet、LightGBM 或自建 LSTM 逐条调参、现在想用统一预训练模型省掉训练成本的团队；纯做 LLM 应用或不涉及预测的人关系不大。

LangChain 是目前最主流的 LLM 应用开发框架，可以理解为 AI 应用领域的 Spring 或 Express：它把各家大模型、向量库、检索器、工具封装成统一接口，让开发者用可组合的模块拼装出 RAG 问答、Agent 工作流等应用，换模型或换存储时不用重写业务代码。它配套的 Deep Agents 提供规划、子代理、文件系统等高层能力，LangGraph 负责编排复杂多步任务，LangSmith 则做评测、可观测和调试。典型场景包括：给企业内部知识库做带引用的问答机器人、让 Agent 自动调用多个 API 完成跨系统流程、在实验阶段快速对比 OpenAI 与 Anthropic 等不同模型的效果。如果你是做 LLM 应用的后端或算法工程师，尤其是需要把 demo 推向生产、关心可观测与模型可替换性的团队，这是绕不开的基础设施；只做模型训练或纯前端的读者关系不大。

Bun 是一个把 Node.js 运行时、打包器、测试运行器和包管理器合为一体的 JavaScript/TypeScript 工具链，用 Rust 编写，底层基于 JavaScriptCore，主打快。它可以直接运行 TS 和 JSX 文件，兼容现有 Node.js 项目，安装依赖、跑脚本、执行测试都能用同一个命令完成，省去在 npm、esbuild、jest、npx 之间来回切换的麻烦。实际场景比如大型 monorepo 里安装依赖动辄几分钟，换成 Bun 后能明显缩短 CI 时间；测试套件跑得慢、脚本启动慢的项目也能直接受益。对前端和全栈工程师来说，如果你受够了 node_modules 膨胀和工具链碎片化，值得花十分钟试试；但如果你的工作与 JS/TS 生态无关，比如主要写 Python 或做算法，这个项目和你关系不大。

这是一个整理好的计算机科学视频课程索引，把全球顶尖大学的公开课按主题归类，相当于一份「CS 版公开课导航」。它覆盖的范围很广：从算法、操作系统、数据库、计算机网络等经典方向，到机器学习、深度学习、强化学习、NLP、计算机视觉、Generative AI and LLMs 等 AI 热门领域，还有量子计算、机器人、计算金融等交叉学科，每门课都附上视频播放列表链接，且只收录大学级别的正式课程，不收零散教程。比如你想系统补一补 Distributed Systems 或者找一门靠谱的 Reinforcement Learning 课程，直接按分类翻就行，省去到处搜课的时间。适合两类人：一是想系统自学、准备转岗或面试的开发工程师和学生，二是需要为团队或课程挑选参考资料的技术负责人。如果你只是想找某个工具的用法，它帮不上忙；但凡你有「想认真学一门课」的需求，这个仓库都值得收藏。

Caddy 是一个用 Go 写的 Web 服务器，定位类似 Nginx，但把最麻烦的 HTTPS 自动化了：你只需声明域名，它就会自动向 Let's Encrypt 或 ZeroSSL 申请证书、续期和部署，内网地址则走自带的本地 CA，证书过期导致站点宕机这种事基本不会再发生。它默认支持 HTTP/1.1、HTTP/2 和 HTTP/3，既能直接对外提供网站服务，也常被当作反向代理，把前端和后端服务串起来。配置可以用简洁的 Caddyfile，也可以走 JSON 和动态 API，方便在集群里统一管理。它无外部依赖、可跨平台运行，模块化架构允许按需扩展功能。适合需要快速搭起带 HTTPS 的站点、给内部服务加反向代理的运维和后端工程师，以及不想再手动折腾证书的独立开发者；如果你的工作与部署、网关无关，这个项目和你关系不大。

这是一套把跨境电商运营 SOP 翻译成 AI Agent 工作流的 Prompt 工具箱，不是可部署的软件，而是 7 个模块的标准化交付物：每个模块都包含结构化 Prompt、输入输出模板和一份真实产品跑通案例，覆盖从市场分析、产品策略、标题详情页生成、主图规划、短视频脚本，到广告漏斗诊断和评论归因的完整闭环。它解决的核心痛点是运营产出下限不稳定——老手写标题一次到位，新人写十遍还是堆词，这套东西把老手的判断规则（如标题字符实测、净利率与盈亏价核算、像素级图片合规校验）固化成可复用的流程，让 AI 产出稳定在老手水平。适合在 Shopee、Mercado Libre 等平台做运营的卖家和运营负责人，以及想把内部经验沉淀为 AI 工作流的团队参考；纯技术岗或不做电商的人关系不大。

Looseleaf 是一套手绘风格的 React 组件库，可以理解为 shadcn/ui 的「纸上涂鸦版」：按钮、侧边栏、图表等 123 个组件的结构、props 和 data-slot 名称与 shadcn/ui 完全一致，替换时不用改 JSX，但所有表面看起来像纸张、线条像钢笔画出来的，还附带贴纸、印章、涂鸦和一套手写字体 Kevin Sans。它内置 61 个现成区块（登录页、仪表盘、定价页、聊天界面等），可访问性也做得很扎实，键盘操作、焦点可见、AA 对比度、RTL 都覆盖了。装饰是皮肤，底层语义仍是标准 Radix。适合前端和 UI 工程师，尤其是想给产品做差异化视觉、又不想牺牲可用性的场景，比如独立开发者的落地页、笔记类或教育类应用的界面；如果你只是做常规后台系统，这套手绘风格未必合适，可以略过。

mygo-music 是一个用 Go 写的原生桌面音乐播放器，不依赖 WebView，开箱即可播放本地音频文件，支持标签、封面和 LRC 歌词，还带播放列表、喜欢、搜索、专辑与歌手管理、macOS 灵动岛播放器、托盘和媒体键等常见功能。它的核心玩法是插件扩展：插件就是一个包含 plugin.json 和单个 JS/TS 文件的文件夹，导出搜索、取流、登录、歌单、评论、电台等接口函数，就能把任意在线音乐服务、播客源或电台接进播放器，无需编译，跨平台通用。另外它内置了基于 sherpa-onnx 和 Qwen3-ASR 的本地语音转写，能在播放播客时把内容实时转成文字存在设备上。适合想自建或定制音乐客户端的开发者、想给小众音源做接入的插件作者，以及对本地播放器有隐私和定制需求的用户；普通只想听歌的读者关系不大。

Unsloth 是一个桌面应用，让你在自己电脑上直接运行和微调大模型，相当于把过去要写一堆 Python 脚本才能做的模型训练和推理，装进了一个图形界面里。它既能跑 Qwen、DeepSeek、Gemma、Llama 等 LLM，也能跑 FLUX、Stable Diffusion 这类图像生成模型和 TTS 模型，支持 GGUF、MLX 等常见格式。训练方面覆盖 LoRA、QLoRA、全量微调、GRPO、DPO 等主流方法，官方称能省七成显存、速度翻倍；还能从 PDF、CSV、DOCX 直接构建训练数据集，训练完导出成可部署的格式。另一个实用点是能把本地模型一键接到 Claude Code、Codex、VS Code 等编程 Agent 上当后端。适合需要在本地或私有环境微调模型的算法工程师、数据科学家，以及想用本地模型替代云端 API 的开发者；如果你只是调用现成 API、不碰训练，关系不大。

Redis 是最广为人知的内存数据库，可以把数据放在内存里以亚毫秒级速度读写，同时提供字符串、哈希、列表、集合、有序集合、JSON 等多种数据结构，相当于把缓存、队列、排行榜、限流器、会话存储这些常见需求统一到一个服务里。除了传统用法，它现在还内置了向量检索和全文搜索能力，可以做 RAG 检索、LLM 语义缓存和 Agent 短期记忆，也支持时间序列和流式消息，用于实时分析、风控和推荐场景。如果你是后端或基础架构工程师，需要给热点数据加缓存、做分布式会话、搭消息队列，或者在 AI 应用里给模型配向量记忆库，Redis 都是绕不开的默认选项；纯前端或非技术岗位则关系不大。

Moby 是 Docker 官方开源的容器引擎底层项目，可以理解为 Docker 的「乐高积木盒」：它把容器运行时、镜像构建工具、registry、编排组件等拆成模块化的零件，供开发者拼装出自己的容器系统，Docker Engine 本身就是基于它构建的上游。它解决的麻烦是：当你不满足于直接用 Docker，想定制一个精简的容器引擎、替换某个组件（比如换掉默认运行时），或者研究容器底层原理时，Moby 提供了完整的框架和清晰的 API。近期它还把 Go SDK 拆成了独立的 client 和 api 模块，方便在 Go 代码里对接 Docker Engine API。值得看的是基础架构工程师、云平台开发者，以及想深入理解容器运行机制的后端和运维从业者；如果你只是日常用 Docker 跑容器，或者做 AI 应用开发，这个项目和你关系不大。

这是一份游戏逆向工程成果的导航清单，收录了经典游戏的反编译、重编译、移植和演示项目，按平台动作、RPG、射击、恐怖、竞速、策略等类型分好类，共上百款。比如 Super Mario 64 既有还原出源码的反编译项目，也有基于它做的 PC 移植和多人版；Metroid Prime 区分了引擎重实现和光盘原生移植；东方 Project 的作品还有浏览器可玩版本。每款游戏下面会列出相关项目并说明各自定位，帮你分清哪个是源码还原、哪个是移植、哪个只是演示。它适合对游戏逆向、复古游戏移植、引擎重实现感兴趣的开发者和爱好者，比如想研究 N64、GameCube 时代游戏如何被还原成现代可运行代码的人；如果你不碰游戏逆向，这个清单和你的工作关系不大。

scikit-learn 是 Python 生态里最经典的机器学习库，可以理解为传统机器学习的「瑞士军刀」：分类、回归、聚类、降维、模型选择、数据预处理这些能力它都内置了，接口统一，文档和社区积累十几年，基本是数据科学课程和工业界的默认选择。它解决的是「不想自己从零写算法」的麻烦——比如你要做用户流失预测、垃圾邮件识别、销量回归、客户分群，直接调用现成的模型和交叉验证流程就能跑通，还能配合 pandas、Matplotlib 完成从数据清洗到结果可视化的完整链路。值得看的人包括数据分析师、算法工程师、做传统 ML 建模的从业者，以及需要快速验证想法的研究人员；如果你的工作重心在大模型、Agent 或深度学习训练上，它和你的日常关系不大，但做特征工程和基线模型时仍会用到。

把 Apple 开源的 Darwin 内核（XNU）移植到搭载高通 SoC 的 Android 手机上，让 iPhone 的内核跑在安卓硬件里，就像 Android 手机跑 Linux 那样自带引导器、驱动和配置系统。目前在 POCO X5 Pro 5G 上已点亮锁屏、桌面、控制中心，触控、八核 CPU、Adreno GPU 渲染（OpenGL ES）、扬声器、Wi-Fi、摄像头都能工作，蜂窝网络和 Metal 部分可用，也能在 QEMU 里纯软件模拟运行。它明确不是刷机 ROM，而是研究平台：默认从 fastboot 启动进内存，重启即恢复原 Android，不碰 Apple 的激活、Apple ID、iCloud 等服务，Darwin 用户态需自己从 IPSW 提取。对内核、驱动、操作系统方向的工程师，或想研究 XNU 架构、把非苹果硬件跑起来的人来说值得翻翻文档；普通应用开发者和多数 AI 从业者关系不大。

这是一套把 Switch 2 游戏《Pokémon Pokopia》原生移植到 Mac 和 iPhone 的构建工具，注意它只提供工具本身，不含任何游戏内容，需要你用自己的游戏 dump。它不是模拟器方案，而是让游戏代码直接跑在 Apple 芯片上，图形走 Metal 渲染，作者称阴影、云层、昼夜效果与 Switch 2 逐帧对比难以分辨，iPhone 上能以 30fps 满画质运行。工具会校验 dump 版本（目前支持 2.0.0 和 2.0.1），在 Mac 上一键产出 Mac 应用和 IPA，没有 Mac 也能用 Windows Builder 生成。首次构建约一小时，主要用于编译三千多个着色器，之后重编只需几分钟。适合对 Switch 2 逆向移植、Metal 着色器移植技术感兴趣的开发者，以及想在苹果设备上玩这款掌机游戏的玩家；普通 AI 或后端从业者关系不大。

Zenith 是给 Factorio 做的 3D 可视化客户端，它不是重制版，也不自己跑游戏逻辑：Factorio 本体以无窗口的 headless 服务器方式运行，一个桥接 mod 把实时游戏状态流给用 Godot 4 写的 3D 客户端渲染，操作再传回游戏，所以存档、研究、传送带、火车、虫子和 Space Age 的规则全部由原版游戏决定。它把 Factorio 的界面整个搬进 3D——背包、合成、机器面板、研究、地图、蓝图、电路网络、火车时刻表都用原版美术和快捷键重建，本体加 Space Age 四百多个实体都有 3D 模型，物品在传送带上流动、机械臂摆动、昼夜和灯光照常工作，还能加载你自己的存档而不改动原文件。适合两类人：想从全新视角欣赏自己工厂、或想拍延时和运镜视频的 Factorio 玩家（附带电影相机插件），以及对「用 mod 桥接把老游戏改造成 3D 客户端」这种技术方案好奇的开发者。和 AI 从业者关系不大。