toolism 是一个专门给 LLM 工具定义 JSON Schema「瘦身」的命令行工具。你给模型的每个工具（OpenAI function、Anthropic tool、MCP server tool）都会随每次请求发送，而 Pydantic、FastMCP、zod-to-json-schema 这类生成器会塞进大量冗余内容：重复属性名的 title、可选字段的 anyOf 包装、default: null、无用的 $defs 等。toolism 能测量这些 schema 到底花掉多少 token，然后在不改变任何合法工具调用的前提下删掉冗余，并用等价性检查证明结果安全。在 13 个热门 MCP server 的 159 个工具上，默认规则平均砍掉 37.4% 的工具定义 token，Notion 甚至省了 73%。它还提供 CI 门禁，把 token 预算锁在基线水平，防止成本悄悄回涨。适合维护 MCP server、做 Agent 应用或负责 LLM 推理成本的工程师——如果你的工具定义是手写的精简 schema，那它能省的就很少，关系不大。

麦麦碳账本是一个用 Python 写的个人餐饮碳足迹估算工具：它通过麦当劳官方 MCP 拉取你的真实历史订单，按餐品、包装、配送三层模型算出一年吃麦当劳排了多少公斤二氧化碳，生成一份可离线打开的单文件 HTML「碳账本」，包含碳等级 A–E、月度曲线、最碳重一单，以及一个减排模拟器——比如红肉换白肉、外送改自提各能减多少 kg。它还内置了公开实测排放因子（如 Vegan Society 的英国麦当劳餐品数据），套餐会自动拆成单品核算，会员卡号默认打码方便截图分享。适合两类人：一是关注个人碳足迹、想量化自己消费排放的环保向用户；二是对 MCP 接入真实业务数据、碳核算方法学或纯标准库生成可视化报告感兴趣的开发者。如果你既不关心碳足迹也不做相关开发，它跟你的关系不大。

McLife Desk 是一个麦当劳点餐记录工作台，通过接入麦当劳 MCP，自动同步你的真实订单，把散落的点餐记录整理成点餐日历、月度账本和热量统计。它按当月消费次数和金额动态计算「麦门等级」，还能通过趣味测试生成消费人格身份卡，比如「深夜续命型」或「优惠研究型」。结合预算、忌口和口味偏好，它会在你纠结「今天吃什么」时给出省钱、合口味或尝新的取舍建议。本质上它是个带 MCP 接入的个人消费看板，数据全部来自你自己的订单，不会伪造信息。适合经常点麦当劳、想看清自己消费节奏和花销的普通用户，以及对 MCP 接入实际应用案例感兴趣的开发者；不常吃麦当劳的人关系不大。

这是一个把麦当劳官方 MCP 接口包装成团餐组织助手的工具，你输入城市、关键词、人数和预算，它去查附近营业门店、拉真实菜单、用官方计价接口算钱，输出几套含合计与人均的可比对方案。除了算钱，它还能自动串联五级查询帮你预约生日派对或品鉴会场次（默认只生成下单载荷，不会真的下单），并结合活动日历给出「今天该不该组织、要不要提前订场」的建议。比如你说「成都春熙路，8 个人，预算 400」，十几秒就能拿到经济型、均衡型等多套真实报价，超预算的组合会直接标出来。适合团建或班级活动的组织者、企业行政和团餐负责人、想办麦当劳派对的家长；对 MCP 或 Agent 开发者来说，它也是一个编排 15 个 MCP Tool 的完整参考实现。和多数不涉及聚餐的从业者关系不大。

ARTEX 是一个用多智能体 LLM 驱动的自主渗透测试系统，可以理解为把红队里「信息收集—漏洞发现—利用验证」这套人工流程交给 AI Agent 自动跑完，后端用 Go 写，前端配了 Next.js 界面，还支持 MCP 协议接入工具。它在百度 agent+ 攻防挑战赛拿了冠军，说明实战能力经过了对抗检验。实际用处是：安全团队让它对自家 Web 资产做自动化安全评估，省掉重复的扫描和手工验证；甲方安全工程师可以用它快速摸清暴露面，而不是手动拼各种扫描器。对做 AI Agent 落地的人来说，它也是一个多智能体协同完成复杂任务的完整参考实现。如果你是安全工程师、红队成员，或者在研究 LLM Agent 在安全领域的应用，值得花时间看看；纯做业务后端或前端的人关系不大。

Grandet 是一个帮你给大模型 API 比价的工具，背后收录了 1800 多家官方、推理商和中转站的挂牌价格。它以 Skill 和匿名 MCP server 两种形态接入你的 AI agent，比如 Claude Code 或 Codex，你直接用自然语言问「2000 万 token 一个月哪个最便宜」「有没有不要信用卡的免费 Gemini API」，它会按挂牌价列出最便宜的几家，标明价格单位、观察日期和最低充值等限制条件，美元额度、人民币额度和现金价分开列、不混比。它还能帮你把选中的 API 接进 agent：你自己注册充值拿 key，它给出配置改动、备份后写入、验证 key 和模型名，说 undo 即可回滚。要注意它只比挂牌价、不评价质量。适合经常在多家 API 之间切换、想省 token 开销的 AI 应用开发者和 agent 重度用户，普通从业者关系不大。

麦门认证机是一个基于麦当劳中国官方 MCP 的创意应用：上传任意一张图——自拍、工位、代码报错截图甚至你家猫——AI 会看图给出 10 档「麦门身份」判级（从 LV.1 甜筒级到 LV.10 麦门本门），生成一张可转发的认证梗图卡，卡片上附带基于官方真实营养数据的套餐推荐，并能一键领取真实入账的麦当劳优惠券，另有抽奖和当月活动日历等玩法。它的设计思路是「梗图负责传播，接口负责闭环」，把营养表、菜单、优惠券这些零散接口编排成完整的营销链路。这是 2026 麦当劳程序员创意开发大赛的参赛作品，非官方产品。对多数互联网和 AI 从业者来说它更像一个有趣的营销 demo，真正值得看的是做 MCP 集成、Agent 工作流编排或品牌营销玩法的工程师，能从中看到如何把官方 MCP 的原子接口串成有传播力的产品。

HelixSR 是一个游戏画面超分工具，让老显卡也能用上 NVIDIA DLSS 和 AMD FSR 4 的超分网络。它把 DLSS Model E 网络转成普通 Direct3D 12 计算着色器运行，不需要 NVIDIA Tensor Core、CUDA 或 ROCm，因此 GTX 10 系列、AMD RDNA 1/2 等老卡也能跑。它提供两个超分器：HLX DLSS 和 HLX FSR 4，支持从原生 DLAA 到 Ultra Performance 的全部画质档位和动态分辨率，还能作为 FSR 3.1 的即插即用替代品接入游戏，覆盖 DirectX 11、DirectX 12 和 Vulkan 游戏，Windows 和 Linux/Proton 都能用。项目还带一个桌面端，能对你的 GPU 做速度测试并检查画质。它主要面向还在用老显卡、想榨干现有硬件的游戏玩家，以及关注跨厂商超分技术实现的图形开发者；如果你是 AI 从业者，这更像图形工程参考而非 AI 项目，关系不大。

flybrainlabs/node 是 flybrain.work 平台的后端服务节点，负责权威决策、任务目标竞争、commit/reveal 处理、完整模拟回放协调，以及私有工件、科研出版、客户工单和账务等服务 API。简单说，它像一个带审计和回放能力的订单与结算中枢：每个任务有明确的目标竞争和验收流程，所有交互留有可回放的记录，账本部分对应经济结算。README 明确提到 Marketplace 目录和金融域仍在开发中，生产支付尚未启用，Solana Devnet 上的钱包挖矿扩展属于有限实验，因此目前更像内部基础设施而非成熟商用产品。值得看的是做平台型服务、需要任务验收与审计回放机制的后端和基础设施工程师，以及关注这类去中心化任务市场的从业者；纯做模型训练、推理或 AI 应用开发的人与它关系不大。

Leviathan 是一个用 Rust 写的单文件工具，把 JSONL、CSV、SQLite 等任意表格或日志数据建成带排序的全文索引，让 Agent 用自然语言提问就能拿到几条带引用的精简结果卡。它解决的核心问题是：面对百万级记录，Agent 直接 grep 或读原始历史会烧掉大量 token，而 Leviathan 把每次回答稳定压到约 450 token，官方基准显示在 100 万条记录上中位数 436 token、命中率 99%，延迟 33 毫秒。除了检索，它还提供可选的长期记忆能力，Agent 每次只写入一条带 key 的事实，会话开始时自动注入简短 briefing，避免 MEMORY.md 越滚越大导致的过期和 token 浪费。它通过 CLI、MCP 或 HTTP 服务接入 Claude Code、Cursor、Codex 等 24 种 Agent 环境。适合需要让 Agent 长期查阅工单、日志、业务表等结构化数据的 AI 应用工程师和 Agent 平台开发者；如果你的工作不涉及 Agent 检索大规模记录，和你关系不大。

这是一个给 AI Agent 用的汇报规范 skill，借鉴航空业的 ASD-STE100 简化技术英语原则，约束 Agent 用清晰、无歧义的中文向你汇报工作结果。它解决的痛点很具体：Agent 修完 bug 后常常写一大段过程流水账，结论含糊、证据缺失、还把「已完成」和「已验证」混为一谈。激活后，汇报会变成结论先行、证据可查、状态分明的结构——比如明确写出改了哪个文件哪一行、跑了哪些测试通过几项、哪些环境没验证、哪些决策点列成带推荐的编号选项让你直接回数字。它只影响 Agent 对你的表达，不碰代码、注释和 commit。适合经常用 Claude Code 等编码 Agent 并被冗长汇报困扰的开发者，尤其是需要快速判断「改动是否可信、要不要拍板」的 tech lead 和项目负责人；如果你的 Agent 汇报本来就简洁，这个项目关系不大。

ExaltHelper 是给《Realm of the Mad God Exalt》玩家用的 Windows 伴侣工具，类似游戏内的第三方 HUD 加数据面板。它从游戏数据包里重建战斗信息，实时显示 DPS、总伤害和遭遇战历史，并能区分武器、技能和召唤物各自的贡献；同时提供玩家与装备查看、队伍和掉落日志、任务追踪（含季节任务和 Tinkerer 任务）、战利品图鉴与 Trophy Hall 收集进度，还支持多账号启动、官方或 Steam 客户端管理和重连工具。界面可作为悬浮 HUD 叠在游戏上，也能切到独立的桌面仪表盘放到第二块屏幕。适合重度 RoA Exalt 玩家、想优化输出循环和配装的硬核玩家，以及做游戏数据分析的人参考；对不玩这款游戏或只关心通用 AI 工具的读者来说关系不大。

这是一个用 Go 写成的第三方网易云音乐桌面客户端，主打轻量安静，支持标准到 Hi-Res 五种音质、断点续播、每日推荐和扫码登录，用你自己的会员账号听自己买的歌。不过它已经被网易云音乐官方发函要求下线，作者也照办了，仓库现在更像一份纪念品而非可用工具，README 里满是自嘲式的告别文案。对多数从业者来说，它和 AI、开发工作都没什么关系，不值得花时间部署；如果你只是好奇第三方音乐客户端怎么做、或者想看看一个项目如何体面地收场，翻翻它的 README 当段子读倒是挺有意思。

这是一份 DeepSeek API 计费指南，教你看懂并估算自己的月度账单。它把成本拆成三块：未命中缓存的输入、命中缓存的输入、输出 token，再叠加高峰时段的双倍费率，以及 Search 和 Fetch 这类单独计费的工具调用。比如一个输入密集的助手应用，同样 200M 输入 token，缓存命中率从 60% 掉到 0，或者全部请求落在高峰时段，月成本可能从 24 美元涨到 48 美元——模型没变，只是计费结构变了。README 还提醒思考型模型要按计费输出而非可见答案估算，并给出跨时段请求的边界风险。适合正在用 DeepSeek 或对比多家 API 价格的技术负责人、后端工程师和做 AI 产品成本核算的人，用来做预算和选型；如果你不直接为 API 付费，关系不大。

这是一个专门评测 AI Agent 在「保研咨询与申请规划」场景下表现的开源基准测试，由屿智同行与保研岛联合推出。它包含 70 道中文任务，分三类：21 道院校推荐题（看推荐是否贴合学生背景）、36 道规划决策题（看备考计划和风险评估是否可执行）、13 道两阶段题（中途给新信息，看 Agent 会不会及时修正建议），每题都有人工校准过的评分标准。目前已跑出 8 组「执行系统 + 模型」配置的排行榜，Codex + GPT Sol 6.1 以 79.08 分居首，Qwen、Kimi、Gemini 等组合分数在 55 到 68 之间。对做 Agent 产品或选型的人来说，这份榜单直接回答了「换哪个模型能提升咨询类任务质量」；如果你正在做教育、升学方向的 AI 应用，或者想给团队挑保研咨询 Agent，值得花十分钟看结果和任务设计。普通开发者若不涉及这类场景，关系不大。

FinderSearch 是一个原生 macOS 文件浏览器，可以理解为「带极速模糊搜索的 Finder 替代品」。它用 fsearch 做本地文件名搜索，支持模糊匹配、相关度排序、限定文件夹范围，以及 ext:pdf、mtime:<7d 这类过滤条件，官方测试中万文件规模下搜索耗时不到 1 毫秒，明显快于 Spotlight。除了搜索，它还提供图标、列表、列、画廊四种视图，Quick Look 预览、标签页恢复，以及拖拽选择、批量重命名、ZIP、标签、废纸篓和撤销等日常文件操作，搜索完全在本地进行，文件不会上传。适合每天在 Mac 上翻找大量文件的开发者、设计师和内容工作者，尤其是觉得 Finder 搜索慢、Spotlight 结果不够精准的人；不过它目前不支持内容搜索、AirDrop 和 Finder 扩展，只按文件名找文件的轻度用户未必需要换。

这是一款用 Unity 和 C# 做的回合制大战略游戏，玩法类似《文明》系列，但题材是扮演 1948 年 5 月 15 日以色列建国时的总理：内阁里是真实的部长，地图是按高程和气候数据生成的真实地形，每条历史事件都附带出处。玩家按月推进，要在国防、移民安置等部门之间分配捉襟见肘的预算，把移民安置进十二座城市并安排就业，指挥旅级部队移动、进攻或筑垒，同时应对从日常威胁到全面战争的五级升级阶梯，还要在真实日期上面对第一次停火、Altalena 事件等真实抉择。底层是确定性 C# 模拟，同样的选择永远得到同样的结果，存档就是种子加指令序列。对游戏开发者而言，它展示了如何把严肃史料做成可玩的模拟系统；对历史和策略游戏爱好者，它是个能玩的原型。如果你不关心游戏开发或这段历史，和多数从业者关系不大。

这是《龙珠Z：电光火石3》的原生PC移植版，基于对PS2美版光盘代码的逆向反编译重新编译而成，不是模拟器，仓库本身不含任何游戏数据，需要玩家自备光盘镜像。它把完整的游戏流程搬到了PC上：菜单、存档、分屏对战都能跑，底层换成了Vulkan渲染器（也提供OpenGL备选），能还原PS2特有的描边、辉光等效果，分辨率最高可提到8倍，还支持超宽屏和实验性的插帧平滑。此外它加入了无需端口转发的联机大厅、可重绑的键鼠手柄操作、兼容PCSX2的材质包、自定义关卡与音乐，以及用Lua写的小型画面临时脚本模组。对普通从业者来说这和工作关系不大，但如果你是做游戏移植、图形渲染或对逆向工程、复古游戏社区感兴趣的开发者，看它如何把一台主机的代码原样编译到PC并替换渲染与输入层，会是相当有参考价值的案例。

ai-pojia 是一套面向 Codex 的提示词与 Skill 配置包，俗称「破甲」，本质是把社区整理的执行指令注入 Codex，让它在授权任务里更少拒答、更持续地干活，直到交付可核对的产物。它改写自 gpt-instruct v45，保留连续执行、基线对照和恢复验证，去掉了无条件禁止拒答等激进部分，并提供安装检查、备份与一键恢复。实际效果上，你给它一个测试 DEMO，它会先说明代码如何工作，再在副本上完成修改、实际运行验证并保留差异记录。适合已经在用 Codex 做代码任务、常被模型中途拒答或敷衍卡住的开发者，尤其是想让 AI 稳定交付可验证结果的人；README 也坦承尚无全模型兼容和正式 DEMO 通关的实测结论，别指望装上就万能。

Mortiflix 是一个跑在本机的 AI 动效视频工作室，由 Claude 驱动，但和「一句话生成视频」的抽卡式工具完全不同：它把制作拆成 brief、脚本、风格帧、转场板、动态样片、成片等阶段，每个阶段都停下来等你审批，你可以在画面具体位置或时间点上钉批注，下一版会逐条回应并标出改动。它内置了 explainer、社媒竖屏短片、logo 动画等流水线，规则写在代码里而非提示词中，还支持把你的审美沉淀成跨项目复用的检查项，甚至可选 ElevenLabs 配音配乐和 Upload-Post 发布。适合需要频繁产出短视频的独立创作者、市场或社媒运营，以及想用 Claude Code 做可控视频生成流程的开发者；只想一键出片或与视频制作无关的人可以跳过。

ff-ruyiJS 是一个专为自动化和爬虫设计的无头浏览器，它只嵌入 Firefox 真正的 SpiderMonkey JS 引擎和 Necko 网络栈，砍掉了窗口和渲染器，因此比 Headless Chrome、Playwright 轻得多，也更难被反爬系统识别。你可以从 Python 里驱动一个隔离的 Context，让页面的 JavaScript、签名计算和指纹挑战以和真实 Firefox 完全一致的方式执行，还能拿到可调用的 JS 对象继续操作。它适合抓取带 Cloudflare 等验证的页面、逆向网页 JS 加密逻辑、批量采集数据，也支持离线重放抓包流程。如果你的爬虫经常被反爬拦截、或需要在 Python 里跑网页 JS，值得试一下；如果普通 HTTP 库就能拿到页面，那就不必用它。

Pitstop 是一个 Windows 游戏性能诊断工具，主打「一键查清游戏为什么卡顿、掉帧甚至打不开」。它底层调用 Intel 的 PresentMon 抓取帧数据，用大白话解释问题出在哪——比如是显卡驱动、后台程序还是系统设置在拖后腿，然后给出修复方案，所有改动都能一键还原，不怕改坏系统。从话题标签看，它尤其针对《Valorant》这类带 Vanguard 反作弊的游戏，处理 TPM、Secure Boot 校验失败导致的启动报错，以及 bufferbloat 引发的网络延迟。适合经常遇到游戏 stutter、FPS drops 又懒得逐项排查设置的玩家，或者帮朋友远程修电脑的 IT 支持。对多数互联网和 AI 从业者来说，如果你不怎么打 PC 游戏，这个项目和日常工作关系不大。

Ultra-Water 是一个基于 three.js（WebGL2）的实时海洋渲染器，可以理解为网页版的海面模拟引擎：用 FFT 算法生成波浪，同时渲染岸浪、泡沫、焦散、水下视角和浮力效果，在 RTX 3060 上能跑到 170–300 fps，还附带一个演示用的岛屿场景。它解决的是「想在浏览器里做逼真海面但性能不够」的麻烦——比如做 WebGL 游戏、产品可视化或交互式 demo 的开发者，需要既有岸浪泡沫又有水下折射的海面，又不想自己从零写着色器。项目还针对手机做了轻量配置和自动降分辨率策略，保证移动端稳定 60 fps。值得看的是前端图形工程师、WebGL/three.js 方向的开发者，以及在做 3D 网页场景、游戏原型的人；如果你不碰实时渲染或图形学，这个项目和你关系不大。