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。

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。

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。

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。

MinerU 是一个文档解析工具，可以把 PDF、扫描件、Word、PPT、Excel、EPUB、HTML 等格式的复杂文档转成 LLM 能直接读的 markdown 或 JSON，相当于给大模型准备「干净语料」的前置工序。它内置版面分析和 OCR，能处理双栏排版、表格、数学公式这类通用解析器容易翻车的场景，还提供从快速预览到高质量解析的多档解析策略，按需选择速度与质量。除了单文件转换，它还带本地文档库能力，支持内容检索、按页或块续读，并保留稳定的引用定位，方便 Agent 在长文档中引用出处。如果你在做 RAG 检索、文档问答、Agent 工作流，或者需要批量把公司内部资料、论文、合同喂给模型，它会直接命中你的痛点；纯做前端或业务后端开发的人则关系不大。

这是一个把 Switch 2 游戏《Pokémon Pokopia》通过静态重编译技术直接跑在 Windows 上的项目，思路类似把主机游戏的代码提前翻译成 PC 原生程序，从而绕过模拟器的性能开销。它需要玩家自备已提取的游戏本体（2.0.1a 版本），在 Windows 10/11、支持 Vulkan 1.3 的显卡和 16GB 内存环境下运行，官方也明确声明与 Nintendo、The Pokémon Company、Koei Tecmo 无关联。对普通读者来说，这属于主机游戏跨平台移植的极客玩法，和 AI、开发工作流基本无关；只有对 Switch 2 逆向、静态重编译技术或想在 PC 上玩这款特定游戏的人才值得看一眼。

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。

Anime.js 是一个轻量的 JavaScript 动画库，定位类似 GSAP 的免费替代品，用一套简洁 API 统一驱动 CSS 属性、SVG、DOM 元素和普通 JS 对象的动画。它能解决前端开发中手写 requestAnimationFrame 或 CSS transition 难以编排复杂时序的麻烦，比如让一个 SVG 图标沿路径变形、让数据可视化的柱状图依次弹入、或者让页面元素随滚动做交错入场效果，都能用同一套写法完成。对做官网营销页、后台数据看板、H5 活动页的前端工程师来说，它能省下大量调试动画曲线和时间线的时间；如果你的日常是写 React/Vue 业务组件、很少碰视觉动效，那这个项目和你关系不大。

Idol 是一个把单张图片变成 3D Gaussian Splat 模型的推理 SDK：给它一张物体照片、渲染图或 AI 生成图，它会自动去背景、裁切构图，然后生成最多一百万个 3D 高斯点，连照片里没拍到的背面也能补出来，输出标准的 .ply 文件，可直接在任意 Gaussian splat 查看器里打开。整个过程在消费级显卡上就能跑，7.2 GB 显存、两秒内完成，还内置了针对真实照片和合成渲染图的两种模式。它在多项指标上与 TripoSplat、TRELLIS、LGM 等同类单图转 3D 方案同台比较，速度和质量都有竞争力。值得看的是 3D 内容创作者、游戏和电商领域的资产生产人员，以及做 3D 生成、NeRF/3DGS 相关研究的算法工程师——如果你需要快速把产品图或概念图变成可旋转查看的 3D 资产，它能省下大量建模时间；只做纯文本或后端开发的人则关系不大。

追客（Trackr）是一款 Android 实时公交到站追踪应用，类似「车来了」的开源替代品，主打把「下一班还有几分钟」直接放在第一屏，没有开屏广告和信息流。数据来自车来了与掌上公交两个实时源，按城市自动切换。它能解决日常等车的几个痛点：追踪卡片常驻显示倒计时和剩余站数，切页面不丢状态；在站点详情里可以勾选多条线路一起等，只发一次请求，车到站还能确认上了哪辆；支持按时间创建到站前提醒，快到站时发通知；输入起终点可用高德公交算路，给出最快、少换乘、少走路三种换乘方案并画在地图上。此外还有拼音模糊搜索、收藏分组、桌面微件、深色模式和大字号长辈版。对普通通勤者来说它是个干净好用的等车工具；对 Android 开发者而言，它展示了 Kotlin Multiplatform、Compose Multiplatform、Navigation 3、Koin 和 MAD 分层架构在真实产品里的完整落地方式，值得翻翻代码结构。

Kanzo 是一个把看板和 MCP server 合二为一的单文件程序，让你和 Claude Code、Codex 这类 coding agent 共用同一块任务板。它只有一个 4.5 MB 的 Rust 二进制，启动只需 2 毫秒，零配置：跑起来浏览器里就是看板，agent 通过 MCP 接口认领任务、移动卡片、写进度评论，你在网页上则能看到人和 agent 各自在做什么。它还能在局域网内把一块板实时共享给多台机器，或者用 Raspberry Pi 常驻当共享板，配合 Tailscale 等 VPN 也能跨网络同步。适合同时跑多个 coding agent、想让它们像同事一样排队领活的开发者，尤其是用 Claude Code / Codex 做多任务并行的人；如果你只用单个 agent 干活，或者不碰 AI 编程工具，这项目和你关系不大。

hackingtool 是一个把 219 个安全工具收进同一个交互式控制台的集合器，覆盖信息收集、Web 攻击、SQL 注入、无线攻击、密码破解、取证、逆向等 21 个类别，你可以直接在里面搜索、安装并运行，不用再逐个去 GitHub 找仓库。它还加了一层 AI 辅助：用自然语言描述目标（比如「找出 example.com 的子域名」），它会映射到合适的工具、给出具体命令、把任务拆成步骤执行，最后汇总结果并起草报告；本地模型或自带 API key 都行，且不会自动执行任何命令。对做渗透测试、红蓝对抗、CTF、bug bounty 或安全运维的人来说，它省去了到处找工具和拼环境的功夫；但工具里包含 DDoS、RAT、钓鱼等攻击性内容，只应在授权目标上使用，普通开发者和非安全岗位基本用不上。

Langflow 是一个用拖拽方式搭建 AI 应用的可视化平台，可以理解为面向 LLM 工作流的低代码版 n8n 或 Dify。它内置了主流大模型、向量数据库和各类 AI 工具的连接组件，你把模型、检索、记忆、多 Agent 编排等节点连成流程，就能在内置的 playground 里逐步调试，也可以用 Python 直接改写任意组件的源码。搭好的流程既能一键部署成 API 供自家应用调用，也能作为 MCP server 暴露给 Claude 等 MCP 客户端当工具用，还能对接 LangSmith、LangFuse 做链路观测。适合想快速验证 RAG 问答、客服机器人或多 Agent 协作原型的 AI 应用工程师和算法工程师，省去从零写胶水代码的时间；如果你只做模型训练或纯后端开发，和它的交集就不大了。

Svelte 是一个前端 UI 框架，和 React、Vue 解决同一类问题，但思路不同：它在编译阶段就把组件代码转成直接操作 DOM 的高效 JavaScript，运行时几乎不带框架负担，写法也更接近原生 HTML/CSS/JS。实际用起来，页面状态变化时它能精准地只更新受影响的那部分 DOM，而不是靠虚拟 DOM 做 diff，因此小工具、营销页、仪表盘这类对首屏体积和响应速度敏感的场景特别合适，SvelteKit 也支持服务端渲染和路由。如果你是前端工程师、独立开发者，或者在选型时纠结 React 生态包袱太重、Vue 又想换个口味，Svelte 值得花半小时上手感受一下；纯后端或算法岗与它关系不大。

OpenBB 是一个面向金融数据的开源数据平台，核心思路是「一次接入，处处消费」：把自有的、授权的和公开的金融数据源统一整合，再同时暴露给多种下游使用。同一个数据层既能供量化研究员在 Python 环境里直接取数，也能喂给 Excel、OpenBB Workspace 这类分析师看板，还能通过 MCP server 让 AI agent 调用，或以 REST API 供其他应用使用。它覆盖股票、期权、加密货币、债券、宏观经济等品类，典型用法是把散落在各处的行情、基本面数据收敛成统一接口，省去为每个数据源单独写对接代码的麻烦。值得看的是金融行业的数据工程师、量化研究员和做 AI copilot 或研究看板的开发团队——如果你的工作是把金融数据接到内部应用或 AI agent 上，它能显著减少重复集成；如果你不碰金融数据，这个项目和你关系不大。

huashu-motion 是一个给 Claude Code、Codex 这类 coding agent 用的 skill，让 agent 直接产出带配乐的产品发布宣传片。你对 agent 说一句「给我的产品做个30秒发布片」，它会先读你的产品资料，给出三个创意方向让你挑，然后写出整支片子的分镜脚本，用 ABC 记谱法自己作曲，配上三角钢琴、弦乐和鼓组的采样在本机生成配乐，最后在浏览器里打开一个编辑器等你验收。不满意的地方在画面上点一下、写下修改意见，评论会带着时间点、场景和元素位置发回给 agent，它只改那一处，预览停在原位刷新，每一版都可回退；标题、数字、颜色、时长这些也能直接在编辑器里手动改。适合需要给产品做发布视频、动效短片的独立开发者、市场和增长岗位，以及想让 agent 承担创意视频生产的人；如果你的工作和视频营销无关，这个项目跟你就没什么关系。

这是一个把 ComfyUI 搬到 Google Colab 免费 GPU 上的按需唤醒网关：平时 GPU 睡觉不烧额度，你打开网页点 Wake，它就自动拉起一台 Colab 虚拟机并反向代理出完整的 ComfyUI 界面，用完闲置后自动关机。它本身不重写 ComfyUI，只负责生命周期管理和冷启动，支持在唤醒前选择 MOSS-Image、FLUX.2 Klein、Wan 2.2 视频、SD3.5 等模型预设，也能通过 MCP 让 Claude Code、Cursor 之类的 AI Agent 直接调用它生成图片或视频。适合想白嫖 Colab L4 算力做 Stable Diffusion 出图、文生视频的个人创作者和 AI 工具链玩家，也适合想给 Agent 接一个免费图像生成后端的开发者；注意它仅供个人使用，共享账号可能触发 Colab 限制，企业或团队场景基本用不上。

这是一个面向 Windows 玩家的 VALORANT 卡顿与掉帧诊断工具，用 Rust 写成，主打「60 秒告诉你为什么卡，一键修复、一键撤销」。它分三块干活：游戏打不开时，输入 VAN 或 VALORANT 错误码，它会检查 TPM 2.0、Secure Boot、内存完整性等系统状态并给出修复步骤；掉帧时，用 Intel 的 PresentMon 采集 60 秒帧数据，找出是显示器刷新率、线材、Game Bar 录制还是后台应用在拖后腿；网络卡顿时，逐段检测路由器、运营商和服务器延迟，指出卡顿从哪一环开始。所有改动先建还原点并记日志，不碰游戏文件和反作弊。适合经常折腾 Windows 设置的 FPS 玩家，以及需要远程帮朋友排查游戏问题的技术支持；对多数互联网和 AI 从业者来说与本职工作关系不大。

Ladybird 是一个从零写起的独立网页浏览器，不基于 Chromium、Firefox 或 WebKit，而是自研整套渲染引擎和 JavaScript 引擎，可理解为浏览器界的「Rust 之于 C++」——目标是摆脱对现有浏览器内核的依赖。它采用多进程架构，每个标签页独立沙箱渲染，图片解码和网络请求放在独立进程，对恶意网页内容的防御更彻底。目前处于 pre-alpha 阶段，只适合开发者试用，日常上网还谈不上。对多数互联网从业者来说，它更像一个观察对象而非工具：如果你做浏览器内核、Web 标准、渲染性能相关的工作，或者单纯想了解一个现代浏览器引擎如何从零构建，值得翻翻它的代码；普通后端、算法、产品岗位基本用不上。

WeVisOne-VL 是腾讯微信视觉团队推出的视觉语言模型，可以理解为把检测、分割、抠图等多个视觉任务塞进同一个模型的「全家桶」。你用自然语言提问，它既能给出目标的点、框等对象级定位，也能直接输出像素级的 mask 和带透明通道的 alpha matte，覆盖目标检测、指代定位、计数、指指点点、OCR、指代分割和精细抠图等任务，还内置一个仅 9.6M 参数的轻量像素解码器，不再依赖 SAM。它还有一个实用特性：当图里根本没有你问的目标时，会老实返回空结果而不是胡乱编一个框。在 LVIS 检测、RefCOCOg 指代、ReasonSeg 分割、P3M 抠图等多个基准上，它的 4B 版本都超过了 Qwen3-VL 等开源基线。做多模态感知、图像标注工具链、内容审核或视觉 Agent 的算法和工程人员值得看看，尤其是需要在一个模型里同时搞定定位和精细分割的场景；只做纯文本或后端开发的人关系不大。

Chaos 是一门把智能体当作可调用值的编程语言：普通计算写成函数，理解与生成交给 agent，两者在同一个程序里传数据、协作执行。比如你可以声明一个带角色和提示词的 agent，像调用函数一样传入问题让它回答，纯计算部分则完全不需要模型密钥。它自带 CLI 和网页 IDE，程序的返回值可以直接是页面、表格、图表等可交互的交付物，还能通过事件流和运行网络观察每个节点的执行过程。典型场景包括把规划、执行、复核串成多 agent 工作流，或构建围绕目标持久工作的 bot，以及把计算结果变成实时更新的看板报告。适合想用代码而非编排平台来组织多 agent 系统的 AI 应用工程师和全栈开发者；如果你只是调用现成 LLM API、不碰工作流编排，和你关系不大。

AirPointer 是一个 macOS 小工具，能把合上的 AirPods 充电盒变成 Mac 的无线鼠标：移动盒子来移动光标，轻敲盒子正面来点击。它通过蓝牙读取盒内运动传感器的数据，再换算成屏幕坐标，本质上是把 AirPods Pro 充电盒里闲置的 IMU 挖出来当体感控制器用。实际场景比如你躺在沙发上用 MacBook 看视频、做演示时不想伸手够触控板，或者手上不方便操作键盘鼠标时，挥动盒子就能指哪打哪。项目还顺带逆向了耳机固件，解释了为什么合盖约 30 分钟后会话会自动断开。适合对硬件 hack、蓝牙协议和 macOS 辅助功能接口感兴趣的开发者折腾；普通用户和多数 AI 从业者关系不大，而且目前只在 AirPods Pro 3 加 Apple Silicon 上验证过，属于玩具性质的极客项目。

AFFiNE 是一个把文档、白板和表格融为一体的开源知识库工具，可以理解为 Notion 和 Miro 的合体替代品：你既能在里面写结构化笔记、建 wiki 和任务看板，也能把文字、便签、网页、数据库视图、图形甚至幻灯片自由摆放到同一块无边界画布上。它主打本地优先，数据先存在自己磁盘上，同时支持实时协作同步，也允许完全自托管和二次开发。内置的 AI 能力可以帮你把大纲转成幻灯片、把文章总结成思维导图、整理工作计划和 backlog，甚至一句话生成原型页面。对个人和团队来说，典型场景是把原本分散在 Notion、Miro、飞书文档里的规划、整理和创作收进一个工作区。值得看的是需要自建知识库或对数据隐私敏感的团队，以及想用 AI 加速文档和脑暴产出的互联网从业者；如果你只是想找一个笔记应用，它功能偏重，上手成本会高一些。

这是一个跑在 Claude Code 里的「AI 董事会」：你把一个难做的商业决策丢进去，Bezos、Paul Graham、Hormozi、Buffett 等十二位按其公开作品构建的 AI 顾问会围桌辩论，最后给出打分后的裁决和一份可下载的 PDF 报告。它解决的是创始人和业务负责人「一个人拍板心里没底」的麻烦——比如要不要全线涨价、该自建还是收购、这笔钱该不该花。提问时 Chair 会先追问你的收入、现金、团队规模和倾向，再按议题推荐合适的顾问阵容，且刻意安排一个会反对你的席位，避免全员点头。本地网页能看到顾问们实时争论的过程，不装网页也能直接在 Claude Code 里跑。适合独立开发者、创业者、业务线负责人在做定价、招聘、融资类决策前当外部视角用；纯技术岗或不涉及商业判断的读者关系不大。