这是一个给 DeepSeek Harness（cordis 插件体系）用的本地记忆层，让 AI 助手跨会话记住「你是谁、上次聊到哪」。它不用向量和图，靠 FTS5 倒排加 2-gram 捞候选、IDF 加权算相关度，再叠情绪桶（感受、原话、偏好、教训各有不同权重）、同日上下文和指数衰减，数据全存在本机 SQLite 文件里，不联网。会话开场它会吐一段两百多字的「认人」提示：你正在和谁说话、今天见过面吗、上次卡在哪个话题、你上次想问什么；会话结束只写三行交接。它还支持工作记忆的 supersedes 覆盖关系，新决定自动沉掉旧方案，避免向量检索分不清「哪个是现在的」。作者实测过图检索纯属噪音（1 跳把噪音率从 33% 推到 64%），直接砍掉了，README 里坦白了不少以前吹过但没实现的功能。适合在本地跑 AI 助手、想给长期对话角色做持久人设的开发者，以及对 RAG 记忆方案「太机械、没人情味」不满的人；普通只调 API 的从业者关系不大。

这是一个基于麦当劳中国 MCP 的点餐前体检工具，主打「下单前 30 秒算清热量、复购与券浪费」。它会读取你准备点的餐品，结合营养数据估算这一餐的热量，判断你最近是否在重复点同一家店的同款，并提醒你手里的优惠券是否被浪费——比如为了凑单多花的钱其实比不用券还贵。适合那些既想控制饮食、又不想被麦当劳的营销套路牵着走的上班族：中午打开点餐页犹豫不决时，让它快速给个参考，比自己翻营养表和算券规则省事得多。对多数互联网从业者来说，这更多是个有趣的生活小工具，和工作关系不大；但如果你在做 MCP 生态或 AI Agent 应用，看看它怎么把 MCP 工具串成一个有实际消费决策价值的场景，倒是有参考意义。

YominPost 是一个自托管的 AI 社交媒体工作台，可以理解为开源版的 Postiz：你把一份素材丢进去，它自动改写成 X、LinkedIn、Instagram、Telegram 等每个平台各自地道的帖子，再经过风控检查、排期并真实发布。它不只是改写文字，还会按平台规则决定该发短文、thread、图文还是短视频，对草稿自我打分重写，并在发布前拦截提示词泄露、诱导互动、标签堆砌、重复内容和过密发布节奏这些容易导致账号被限流的行为。它通过 OAuth 真实连接各平台，也提供 Web 界面、CLI 和 MCP server，可接入 Claude Code、Cursor 等 Agent 使用，但发布动作始终需要人工在界面上确认。适合做海外多平台运营的市场、增长和自媒体从业者，尤其是想把 AI 写稿到发布串成一条流水线、又不想把账号 token 托管给第三方 SaaS 的人；只发单一平台或不涉及内容分发的工程师关系不大。

这是一个基于麦当劳中国官方 MCP Server 构建的 AI 助手 Skill，把领券、点餐、外送、派对预约、积分抽奖等 35 个接口串成 7 条完整工作流，让 AI 能在你的真实账号上安全跑完「从领券到下单」的全流程。它的核心价值在于解决「能调用 ≠ 会用」的问题：点餐链路上每一环的参数都必须来自上一环的返回值，项目把踩过的坑固化成 14 条硬约束，比如下单前必须算价并让用户确认、抽奖前先看消耗明细、绝不臆造商品编码、积分抽奖会溢出即将过期的积分时直接拒绝执行。它还附带一个零依赖的命令行通道，不接 AI 客户端也能用。对做 Agent 编排、MCP 集成的工程师来说，这是一个很好的「如何给有副作用的工具链加安全护栏」的参考实现；普通用户如果只是想点个麦当劳，直接用官方 App 更省事。

构屎 GOUJI 是一个纯 C++/CUDA 写的微型模型项目，主打 2 bit 三值权重（-1/0/+1）、零 Python 依赖，目前的实际定位是一个设备端的命令路由层：把「读一下那个日志」这类自然语言意图分类成 read_file 等具体工具调用，支持 9 个基础工具，靠联想记忆实现零训练参数的写入——教一句新说法 23 微秒生效，不用梯度下降。实测在 8 GB 笔记本 GPU 上检索延迟 0.22 ms，留出集路由准确率 100%，三值量化比 int4 快约 1.9 倍。它明确不聊天、不推理、不写代码，语料外的动词会直接拒答。值得看的是对端侧推理、低比特量化、非 Transformer 路线感兴趣的研究者和 C++ 工程师，以及想了解「用检索加规则替代大权重」这一思路的人；只想找可用聊天模型或生产级 Agent 框架的读者可以跳过。

这是一个可嵌入的 TypeScript Agent Runtime，可以理解为 LangChain/LlamaIndex 那类 Agent 框架的「减法版」：它只负责跑 model→tool 循环、ReAct 状态机、工具调度、取消超时，以及带幂等恢复的 checkpoint 和 interrupt 执行屏障，HTTP、SSE、数据库、鉴权、会话 UI 全部留给宿主自己实现，且零生产依赖，不会给你的服务带来一棵依赖树。典型场景是：你已经在自己的后端里有会话存储和权限体系，只想借一个可靠的执行内核来跑 Agent，中途用户点「暂停审批」时挂起、之后从断点继续，且重复请求不会重复调用模型。它还内置了默认拒绝私网地址的 HTTP 工具和防路径逃逸的读文件工具，观测层只发中性事件、不记录 prompt。适合正在自建 Agent 产品或对话平台的后端/平台工程师，尤其是对依赖体积、checkpoint 一致性和安全边界有洁癖的团队；只想快速搭个 demo 的人用不上它。

这是给 Hermes Agent 用的插件，让你给主 Agent 配一支固定的「子代理团队」：比如一个 reviewer、一个 scout、一个 test-writer，每个都有自己的指令、工具集和模型。主 Agent 派活时只选名字，具体含义由你在配置里定，不用每次重写任务简报。它能并行派多个子代理干活，中途不打断就能给正在跑的子代理发消息纠偏，还能带着前次任务的上下文做后续追问，每次运行的结果都记在本地账本里。另外它提供一个 Kanban 的 teammates 泳道，卡片派出去后自动认领、跑完进 review 或标 blocked，适合把任务交接流程化。适合已经在用 Hermes 做任务委派、希望每次都是同一批「专家角色」且要留痕的 AI 应用工程师；如果你要的是带门禁和扇出的 DAG 工作流，它明确说不适用。对不碰 Hermes 的人基本无关。

nsq 是一个终端里的 AI 编程 Agent 调度台，让你同时跑 Claude Code、Codex、OpenCode 等多个编程助手而不必来回切换窗口盯梢。它把每个 Agent 挂在后台守护进程里，关掉终端也继续干活，重启后还能恢复会话；所有 Agent 以实时终端网格呈现在一个仪表盘上，谁在干活、谁在等你一目了然。它能精确识别「需要你」的状态——比如 Claude 想跑 npm test——并直接在仪表盘里回答权限提示，还记录每次审批的完整日志。屏幕五分钟没动静的卡死场景也会被标出来提醒。每个 Agent 可分配独立 git worktree 避免互相踩代码，还能查看各自的 token 花费。适合同时驱动多个 AI 编程助手的开发者，尤其是用 Claude Code 加 Codex 混合干活、经常被「等你确认」打断的人；只用单个 Agent 的人关系不大。目前是 0.1.0 预览版，接口可能变动。

touri 是一个本地优先的桌面应用，可以把它理解成 Codex、Claude Code、OpenCode 这些 AI 编程 CLI 的图形化驾驶舱：你可以在里面养多个持久化的 AI 助手，每个助手有自己的指令、记忆、技能和可分支的对话历史，还能用定时任务让它们按计划自动跑。所有数据存在本机 SQLite 里，不联网、不收集遥遥测，凭证走系统钥匙串。实际场景包括：把本地仓库接进 Projects 让 agent 受控地跑数据库和服务器并直接预览，用内置浏览器让 agent 操作网页且随时人工接管，以及通过 MCP 网关给不同会话分配独立令牌。agent 的运行环境隔离在容器里，审批粒度可调。适合已经在用 Codex 或 Claude Code CLI、又想要可视化管理多个 agent、定时任务和浏览器操作的开发者；如果你只是偶尔在终端里跑一下 AI 编程工具，这个项目和你关系不大。

这是一份可以直接丢进 AGENTS.md 的系统提示词，专门给 Claude Code、Codex、opencode 这类编码 Agent 用，解决的是同一个老毛病：模型动不动就加免责声明、说教、拒绝后还补一句「我可以给你一个弱化版」，或者在长对话里越聊越保守。它把提示词写成一份「宪法」而不是任务清单，规定角色、能力边界、安全策略、拒绝处理和会话纪律，核心思路是只在真正会造成具体、可预见伤害时才拒绝，其余一律按原始规格执行到底。比如问安全攻防问题它按从业者深度回答而不是上课，写创意内容不会自己把强度调低，长会话中立场不漂移。适合经常调教 Agent、受够了过度谨慎输出的 AI 工程师和重度 AI 编程用户，普通只用 AI 写写代码的人关系不大。

Cheatcode_ 是给 Claude Code、Codex、Cursor 这类 AI 编程工具「一键加技能」的商店加安装器。很多非开发者——产品经理、分析师、老师学生——听说 AI 应用能学会新技能、连上自己的工具，却卡在 GitHub 仓库、终端命令和 JSON 配置上；它就是夹在中间的那层：用大白话解释每个技能包和 MCP server 是干什么的，按岗位和工作场景（参考 O*NET 等职业框架）分类，点一个按钮就装进你选的 AI 应用，装之前会核对每个文件与源仓库的哈希是否一致，装完留有回执可精确卸载。目前索引了三千多个技能仓库、MCP server 和插件，覆盖 11 款 AI 应用，559 个 MCP server 在无凭据容器里实测过才上架。开源部分是 Mac 安装器、包格式和三个技能包（需求文档、发布沟通、合规规格）。值得看的是产品经理、业务分析师这类要靠 AI 干活但不想碰命令行的人，以及做 Agent 技能、MCP 生态分发的开发者；纯写代码的工程师关系不大。

neatroots 是一个跑在本机的 AI Agent 调试与观测工具，可以理解为给你的 Agent 装了一套本地版的「黑匣子 + 回放器」。它接收 Agent 通过 Neatlogs SDK 或 OpenTelemetry 发出的运行轨迹，用代码规则和决策模型自动检查每次运行——比如工具调用陷入死循环、连续报错、密钥泄露、空跑等——并给出出错原因和修复建议。界面上一次运行可以用聊天视图、Trace 树、时间线、会话四种方式查看，还能搜索历史运行、修改消息或模型后重放单次 LLM 调用甚至整轮 Agent。它通过 MCP 把这些能力交给 Claude Code、Codex、Cursor 等编程 Agent，让它们直接读取报错证据、改代码、重放验证，形成「跑一次、查问题、修代码、再回放」的闭环。数据默认留在本地，云端同步需手动开启。适合正在开发自定义 AI Agent、需要排查 Agent 行为异常的工程师，尤其是日常配合 Claude Code 等编程助手调试 Agent 的人；如果你不写 Agent，关系不大。

decision-cascade 是一个本地运行的决策引擎，思路是不让 LLM 生成自由文本，而是把状态编码成特征后由专门的决策头直接输出三种类型化结果：是/否（Noul）、选项（Choice）、分数（Score），每个答案都带概率分布和置信度，可校验、可校准（内置 ECE/Brier 指标）。相比让模型「想一段话再回答」，它没有自回归生成，延迟低且确定，一次前向就能并行处理多个问题。它对标付费 SaaS 产品 Jev，但完全开源、数据不出本机，还支持用自己领域的标注数据微调决策头（SFT + RLCD）来优化校准质量，并兼容 Cloudflare Clef、Perplexity 等项目共用的 SystemOne 协议，可当网关转发。适合需要在产品里做可审计、可校准的分类或打分决策、又在意隐私和成本的后端/AI 工程师；项目尚在 beta，开箱权重是随机的，需要自己标注训练，只想拿现成模型直接用的人会失望。

这是一份用葡萄牙语整理的 motion graphics 效果词典，收录 24 个常见动画效果（fade in、stagger、spring、typewriter、punch zoom 等），每个都给出中文式的「效果名 + 向 AI 提需求时该用的术语 + 可直接复制的提示词示例」，还附带按场景分类的配方和一个 Claude Code skill。它解决的问题很具体：直接让 AI「做个好看的动画」往往得不到想要的结果，因为 AI 不知道专业术语；把这份表贴进 Claude、ChatGPT、Cursor 或项目规则文件后，你说「让数字弹一下」，它就能对应到 pop in 并自动带上合适的时长和缓动曲线。目标用户是做无露脸 YouTube 频道（历史、科普、悬疑类）的内容创作者，不想雇 motion 设计师、靠 AI 生成视频又希望画面有动效的人；如果你不做视频、只写代码，这个项目和你关系不大。

Delta MCP 是一个夹在你的 AI 应用（Claude Code、Cursor、Gemini CLI 等）和各种 MCP server 之间的代理层，让 AI 调用工具时更可控、更省 token。它对每个任务先做检查，改动要么全部生效要么全部不生效，执行后会从服务端读回实际变化并记录前后对比，出问题可以一键撤销，且会明确告诉你哪些操作无法回滚（比如已发出的消息）。它还支持定时任务，比如每天分析 Grafana 日志发报告、每周五关闭已完成工单，简单任务不需要 AI 参与，需要分析时才让模型介入。官方称多步任务能省下数倍 token。目前尚未正式发布，仅提供下载预告。对日常依赖 MCP 工具、担心 AI 误操作或想降低 token 成本的 AI 应用开发者、Agent 工作流搭建者值得留意；只做纯模型训练或不碰 MCP 的人关系不大。

DishwasherBench 是一个把洗碗机装碗做成物理模拟游戏的 LLM 评测基准，游戏名叫 Spotless。它基于一台真实 Bosch SMV4HAX40G 洗碗机的实测数据建模，玩家（或模型）要把餐具摆进碗篮，随后模拟 Eco 50 程序的水流、污渍和洗涤剂作用，摆得干净就得分；从第二关起容量不够，必须取舍放什么、怎么放。它的核心价值在于确定性和可复现：同样的摆放每次结果一致，每个 episode 都能回放验证，还内置了 46 项来自文献的洗涤现象作为校验。人可以在浏览器里玩，语言模型则通过 MCP 用同一套动作接口操作，七关难度递增，适合横向比较模型的空间推理与规划能力。对做 Agent 评测、LLM benchmark 设计或关注具身/物理交互的研究者来说值得一看；普通工程岗位或只想找生产工具的读者关系不大。

Muster 是一款免费开源的 Mac 菜单栏应用，专门服务于同时跑多个 AI 编程 agent 的开发者。它解决的痛点很具体：当你并行开着 Claude Code、Codex 和 Cursor 时，慢的不是 agent，而是你没注意到某个 agent 已经等了你十分钟。Muster 会在屏幕顶部弹出常驻提醒，告诉你哪个会话在等你，并让你不切换窗口就能直接回应——比如批准 Claude Code 的权限请求、选择题或计划，处理 Codex 的审批，或一键跳回 Cursor 的提示框。它还能展开查看 agent 请求的具体原因和完整命令，用快捷键在各会话间按紧急程度切换，并搜索最近三小时的所有会话，附带 token 用量和 API 费用。适合每天重度使用 AI 编程工具、经常并行开多个 agent 的后端、全栈或 AI 工程师；如果你只是偶尔用用 Copilot 这类内嵌在编辑器里的工具，跟你的关系不大。

varelyo/ui 是一套开源的 React 组件库，定位类似 shadcn/ui：代码直接放进你的项目里，由你拥有和修改，而不是装一个黑盒依赖。它提供带 TypeScript 类型的组件 API、分层的设计 token（核心、语义、组件三层），以及统一的扩展模式，方便你基于它搭自己的设计系统。它特别强调「AI-ready」——组件结构和命名对 AI Agent 友好，让 coding agent 更容易理解、复用和扩展这些组件。适合正在搭建内部设计系统、或希望让 AI 编程工具更高效生成前端代码的团队。如果你是前端工程师、负责设计系统的架构师，或者在用 Cursor、Claude Code 等工具做 React 开发、希望生成的 UI 更规范一致，值得花几分钟看看；纯后端或非前端岗位关系不大。

这是一个把研究选题变成论文初稿的多智能体流水线，核心卖点是「不信任写作者」：它先从 OpenAlex、Crossref、Semantic Scholar、arXiv 检索真实文献并尽量抓取开放获取全文，再强制初稿里每条引用只能指向这个文献池中的论文，最后做三重校验——引用键能否解析、DOI 和元数据是否与真实记录一致、被引论文是否真的支持这句话（有全文时还会标出最匹配的段落页码）。除了写稿，它还生成证据表、做创新性诊断（指出最接近的已有论文和审稿人最可能的质疑）、模拟三位不同侧重的审稿人独立评审，并支持中英文写作与 GB/T 7714、APA 等引用格式导出。每个阶段都设有人工审批闸口，也可全自动跑完。对需要写文献综述或论文初稿、又担心 LLM 编造参考文献的研究生、高校科研人员和企业研究岗来说值得一看；只是想快速查文献或做普通写作的人关系不大。

这是一套给 Claude Code 用的跨会话工作流模板，解决长项目里「笔记过期」的老问题：每次新开会话上下文都是空的，靠交接笔记续命，但笔记会撒谎——说分支推了其实没推、说任务跑完了其实半夜挂了。它的核心思路是「笔记是主张，脚本是事实」，每次会话启动时用脚本去核对 git、GitHub 和本机的真实状态，报告交接记录与现实的分歧，再给出当天该做什么的建议。除了启动核对，它还提供看板（待办、决策、教训一页看完）、自主权限配置（哪些操作 Claude 可以不经询问直接做）、合并前检查规则，以及笔记膨胀后的裁剪建议。适合长期用 Claude Code 做多会话、多分支开发的工程师，尤其是那些被「上次说好了但其实没做」坑过的人；如果你只是单次问答式使用 Claude Code，关系不大。

ContextCraft 是一个把整个代码仓库压缩成适合喂给 LLM 的上下文的工具，可以理解为「代码库到 prompt 的智能打包器」。它先用 AST 解析和 Personalized PageRank 加 BM25F 给文件按依赖和任务相关性排序，再在给定 token 预算内为每个文件选择四种保真度之一——完整源码、结构大纲、声明签名或仅路径——而不是粗暴截断，最后输出 Markdown、XML 或 JSON。典型场景是给 coding agent 或代码问答系统准备上下文：比如你想问「认证相关逻辑怎么写的」，它会围绕这个 focus query 挑出相关文件及其依赖，塞进 8000 token 的预算里，还支持忽略规则和敏感信息脱敏。做 AI 编程工具、需要给 LLM 喂代码上下文的工程师值得看看；如果你不涉及这类场景，和多数人关系不大。

Sparky 是一个完全跑在本地 Windows 电脑上的私人 AI 助手，可以理解为把 ChatGPT、ComfyUI、Whisper 和一个本地 RAG 知识库打包成一个桌面应用，数据默认不离开你的机器。它能聊天、看图、给文档（PDF、Office、代码）建索引并带编号引用地回答问题、联网搜索（默认关闭）、生成图片和带同步音轨的视频、离线语音听写与朗读，还能在聊天旁边实时写代码和多文件项目并预览。更进一步的是 Computer mode，它能浏览文件夹、截图、读写文件、执行 PowerShell，安全等级由你逐会话设定，敏感操作会弹审批卡片；也支持接入 MCP 工具和定时任务。适合对隐私敏感、想在无网或内网环境用大模型的个人开发者、研究者和办公用户，以及想本地跑 LLM 做 RAG、图像视频生成的 AI 爱好者；如果你只用云端服务、不关心数据出境，那它和你关系不大。

srouter 是一个自托管的 AI 网关，把 60 多家供应商、1200 多个模型统一成一个 OpenAI 兼容的本地端点，Claude Code、Cursor、Codex、Cline 等工具只需改一个 base URL 就能全部接入。它主要解决 AI 编程时的三个痛点：一是撞上 429 限流，它按「订阅额度 → 便宜额度 → 免费无 key」三级自动降级切换，中断几乎无感；二是工具输出太占上下文，内置压缩器对 git diff、测试日志、JSON 等结构化结果做启发式裁剪，通常省下 20%–40% token；三是各家 SDK 和鉴权格式不统一，它顺带做了 OpenAI、Anthropic Messages、Gemini、Ollama 之间的协议互转。模型目录每天自动同步两次，密钥本地 AES 加密存储。适合每天重度使用 AI 编程工具、手头有多个供应商额度又常被限流打断的开发者；如果你不写代码、只偶尔调用一次模型，这个项目和你关系不大。

save-session 是一个给 AI 编码助手做「会话书签」的小工具，解决的痛点很具体：你在 Claude Code、Codex、Pi、Antigravity、OpenCode 之间来回切换，一周后想找回某个会话，却发现 session id 是一串看不懂的字符，各家恢复命令还不一样，用错目录甚至会打开另一个项目的历史。它让你直接用项目名（比如「heap benchmark」）给当前会话起个记得住的名字存下来，之后按名字一查，就把原生的恢复命令和该在哪个目录执行一并告诉你，不用记任何 id 或参数。书签以纯 Markdown 形式存在本机，不依赖服务器或账号，同名冲突会自动加序号，识别不确定时会先问你而不是瞎猜。对每天在多个 coding agent 之间切换、靠会话积累上下文的工程师来说，这是个省心的备忘录；如果你只用单一工具或很少恢复旧会话，关系不大。

pondok-ai 是一个命令行工具，一条命令就能在你自己的机器上搭起一整套私有 AI 环境：本地大模型（Ollama）、聊天界面（Open WebUI）、向量检索（Qdrant）和 OpenAI 兼容 API，全部用 Docker Compose 串好，还会根据你的内存、磁盘和 GPU 自动推荐能跑的模型。它解决的麻烦是：想用 ChatGPT 式的对话和 RAG，又不想把数据传到云端，或者公司、学校没有预算采购 API 服务。典型场景是老师用 pondok-ai share 把一台笔记本变成教室里的私有 ChatGPT，学生扫码登录后各自在手机上提问，聊天记录和向量检索全在本地完成；开发者也可以把现有代码里的 OpenAI SDK 直接指向它，零改动切换到本地模型。适合关注数据隐私的教育机构、小团队运维和想低成本自建 AI 应用的后端开发者，如果你只是调用云端 API，和你关系不大。