1401 是一个在 Windows 上运行的工具，可以理解为 Boot Camp 的反向操作：让你在现有 PC 上安装 macOS。它会自动检测你的硬件配置，生成对应的 OpenCore 引导设置，并制作一个 macOS 安装 U 盘，把过去需要照着 OpenCore Install Guide 手动折腾的流程自动化了。它还附带 NVIDIA 显卡（GTX 16 及更新型号）在 macOS 下的驱动安装支持，装完系统后可直接补上驱动。需要注意的是，项目自述只在少量 PC 上做过完整测试，其他机型可能遇到问题，遇到故障时它能收集启动日志并生成报告 ID 方便求助。适合想在自组台式机或非 Mac 电脑上体验、开发 macOS 环境的开发者和折腾党；如果你只用 Windows 或 Mac 原生机，和你关系不大。

Waypoint 是一款开源的 Android 导航应用，功能上对标 Google Maps，但把地图皮肤换成了 27 款游戏世界的风格——开车经过真实街道时，你看到的可能是 Grand Theft Auto V 的 Los Santos、Cyberpunk 2077 的 Night City 或 Minecraft 的像素世界，路名、标记和导航控件都跟着换装。它基于 MapLibre 和 Jetpack Compose 构建，支持手机和 Android Auto 投屏，提供驾车、骑行、步行三种路线、语音播报和重新规划路线，还利用手机传感器辅助判断行进方向。对普通用户来说，它无广告、无账号、全部地图免费，适合想在通勤导航里加点游戏趣味的人；对开发者而言，它是研究 Kotlin 原生地图渲染、地图主题切换和 Android Auto 集成的完整参考实现。如果你既不玩这类游戏也不做 Android 开发，那它和你关系不大。

这是一套给创意人用的「术语词库」，收录了 192 个你向 AI 提需求时该用的专业名词，每个名字都配了动态示例、一句话含义和现成的提问句式。目前分八组：动态图形动作、镜头运动与转场、UI 组件名、落地页与网页特效、照片风格与光影，各两批。它解决的痛点很具体——很多人卡住不是没想象力，而是不知道那种运动叫什么，比如想让 AI 做一段推镜或某种转场，说不清词就只能反复描述。词库提供中英日西多语言版本，还附带一套提示词，让你照着给自己的领域、自己的语言做一份同类词库。适合做短视频、动效、网页视觉的设计师和前端，以及经常用 AI 生成视觉内容的创作者；纯后端或算法岗基本用不上。

Watson 是一款面向 Windows 的免费 OSINT（开源情报）搜索工具，可以理解为把散落在公网上的个人数字足迹汇总成一份可读报告的桌面应用。你只需在输入框里填入一个昵称、邮箱、手机号或网址，它会自动识别类型并检索 3100 多个公开来源——社交网络、论坛、游戏平台、开发者站点等——找出相关账号和提及，并用大白话告诉你这些结果意味着什么，还能区分同名不同人，一键导出 PDF 报告。典型场景包括：付款前核查卖家身份、验证招聘方是否靠谱、排查评论区里反复出现的可疑账号，或者反查互联网上关于你自己的公开信息。它不需要终端、Python 或 API key，也不用注册账号，适合安全研究员、隐私从业者、招聘与风控人员，以及任何想快速做背景核查的普通用户；如果你的工作完全不涉及身份核验或舆情排查，那它和你关系不大。

这是一个成人向 AI 视频生成平台 123vips.com（Vipeak AI）的接入文档仓库，主打「无审查」的文生视频和图生视频 API，底层模型包括 Seedance Spicy 和 Wan NSFW。它实际做的事是：把成人内容生成能力包装成标准的异步任务接口，开发者提交任务后通过 webhook 回调拿结果，按积分计费，仓库本身主要提供接入流程、服务端架构和安全要求的说明，不含可直接运行的代码。典型场景是给 AI 陪伴、虚拟角色类产品接入 18+ 视频生成能力，比如用户上传一张角色图加一句提示词，就能生成带角色一致性的视频片段。需要提醒的是，README 里堆了大量 SEO 关键词，且明确说具体模型和端点要登录后才能看到，信息透明度有限。对多数后端、算法或产品岗位的人来说这和工作关系不大；只有正在做成人向 AI 陪伴或角色视频产品、且需要绕过内容审查的开发者才值得点进去看一眼。

这是一份给 AI 智能体用的短剧创作技能包精选清单，收录了 83 个 skill 和 16 个相关开源平台，覆盖从小说改编、集纲钩子、剧本审稿到分镜、角色资产、以及给 Seedance、可灵、MiniMax 等视频模型写提示词的全流程，装进 Claude Code、Codex、千问、豆包、Kimi Code 等支持 skill 的智能体就能直接用。它的独特价值在于做了三轮实测：用同一道题让各 skill 和不装 skill 的对照组盲比，由 Opus 和 GPT 两位 AI 评审打分，告诉你哪些 skill 写的剧本和人物大纲真的更好、各自适合什么风格、有什么短板，比如钩子偏弱或中段推进慢。适合正在用 AI 做网文改编短剧、竖屏微剧或漫剧的编剧、内容策划和 AI 应用开发者，想快速挑到靠谱的编剧 skill 而不想自己逐个试错的人；如果你不做短剧内容，和你关系不大。

Bookracy 是一个自托管的电子书搜索、阅读和书库管理工具，可以理解为「私人版 Z-Library + 阅读器」的组合。它把书籍搜索、在线阅读和本地书库管理整合在一个网页界面里，用户输入书名或作者即可检索并直接打开阅读，支持常见电子书格式，也能把自己的藏书导入统一管理。典型场景是个人或小团队想建立一个不依赖商业平台的电子书资料库，比如团队内部共享技术书籍、研究者整理文献、或者重度阅读者把散落在各处的 epub 和 pdf 归档到一处随时翻阅。如果你是做内容平台、数字图书馆或自托管服务的开发者，想了解这类应用的 TypeScript 实现方式，可以看看它的架构；对多数互联网和 AI 岗位的从业者来说，除非你正好有自建书库的需求，否则和日常工作关系不大。

这是一个配合 DeepSeek Harness 插件使用的现成工作流包合集，下载后导入插件即可运行，目前上架的是「破甲制作」。它本质是一条针对目标 LLM 的越狱（jailbreak）研究自动化流水线：输入目标模型名和 API key，自动跑 200 多个探针覆盖身份系统、混合帧等架构，归纳该模型的拒绝规律，再据此生成定制破甲词，用真实 API 回验有效性并迭代，最终输出破甲词文件、使用手册和研究报告三件套。配套的 Skill 内含探针执行、拒绝分析、帧排列组合验证等脚本和提示词模板。值得看的是做 LLM 安全评估、红队测试或越狱攻防研究的安全工程师和 AI 安全研究员，普通开发者或非安全方向的从业者关系不大。

ManimGX 是一个数学动画渲染引擎，可以理解为 Manim 的高速替代品：它保留了 Manim CE 的 Python 写法，但把渲染核心换成了 Rust 加 GPU，所以渲染速度快得多——官方基准显示比 ManimCE 快约 90 倍，36 秒的视频 3 秒就能出片，还能直接在浏览器里跑。它擅长生成公式推导、傅里叶级数、矩阵变换、三维曲面这类数学可视化视频，典型场景是教育内容创作者批量产出讲解动画，或者让 AI Agent 自动生成数学课件、论文配图和科普短视频，而不必在渲染上等上几分钟。如果你在做 AI 生成视频、教育科技产品，或需要频繁产出数学可视化内容，值得花几分钟看看；纯做业务后端或模型训练的人和它关系不大。

UniXNU 是一个让 iOS 和 macOS 跑在非苹果 ARM64 硬件上的项目，思路类似黑苹果界的 OpenCore：它提供一套通用的 UEFI 引导环境和驱动加载机制，负责把设备需要的驱动挂上，再通过标准 UEFI 层启动系统，同时提供构建工具、ARM64 支持和可复用组件，让不同 SoC 和设备的移植工作能共享代码。项目已经打通了具体案例，比如小米平板 6S Pro（SM8550）的 UEFI 固件，还实现了 Adreno 740 的 GPU 加速，意味着高通骁龙设备上跑苹果系统开始有图形性能可用。它面向的是想在安卓平板、手机等高通平台上折腾 iOS/macOS 的极客和系统移植开发者，如果你只是做常规的 iOS 应用开发或 AI 相关工作，这个项目和你关系不大；但如果你关注跨平台系统底层、UEFI 移植或想在非苹果设备上体验苹果生态，值得花时间看看。

这是 OpenAI 公开的一个数学研究成果库：用一个尚未发布的内部模型，对约 4000 个开放数学问题做自动研究，产出 721 篇手稿、归为 373 个主题族，涵盖数论、代数、概率、物理等多个方向，其中约 42% 的核心结果已用 Lean 完成形式化验证，其余部分仍可能存在错误。OpenAI 明确把这些成果定位为「原始研究数据」而非正式论文，部分结果附带模型推理过程的节选，比如 π 的无理数指数、Riemann zeta 函数零点区域、Kaplansky 猜想等。对读者来说，它的价值不在于直接使用，而在于观察 AI 做数学研究的真实上限：平均每题消耗约三小时 ChatGPT Pro 级别的思考算力，最终能产出什么量级的成果。值得看的是关注 AI for Science、推理模型能力边界的算法和研究岗位，以及对形式化证明（Lean）生态感兴趣的人；纯业务开发或不关心 AI 科研进展的读者关系不大。

PolyStrata 是一个本地大模型推理引擎，让普通 PC 跑起通常需要服务器的模型，数据完全不出本机。它内置 Qwen3.8-Flash-Next、GLM 5.3 Flash、DeepSeek V4 Flash、Qwen3.6、Gemma 4、MiniCPM-V 等十余款模型，一键安装后在本机暴露 OpenAI 和 Anthropic 兼容接口，可直接对接 Claude Code 等编程 Agent 或自己的应用。它支持 Windows 和 Linux，8GB 显存的笔记本也能跑多个 35B 级 MoE 模型，长上下文对显存占用也做了优化。适合想在本地跑模型做开发调试、注重数据隐私的 AI 工程师和后端开发者；如果你只用云端 API，关系不大。

NextTransformer 是一个用来公平比较下一代 Transformer 架构的开源训练与评测框架，核心回答一个问题：训练预算固定时，语言模型该怎么花算力。它把循环深度、稀疏注意力、线性注意力、残差流变体以及各种混合架构（如 GQA、NSA、MoBA、GDN、Ouro 等）放进同一套训练器、数据管线和评估流程里，在完全相同的数据、token 数和训练 FLOPs 下跑对比，误差控制在 1% 以内，每次运行都有可审计的记录。目前已完成 31 次训练、36 份模型卡，配套的在线观测台能看学习曲线、排行榜和模型图谱，还计划让 AI agent 在同一规则下自主探索新架构。它适合做模型架构研究、预训练 scaling 实验的算法工程师和研究员，以及关注注意力机制替代方案的从业者；如果你只做应用层开发或推理部署，和你的关系不大。

Zero-Breach-Toolkit 是一款免费开源的间谍软件痕迹检测工具，可以类比成「手机和电脑的体检报告」，专门排查 Pegasus、Predator、Graphite、Candiru 等商业间谍软件留下的痕迹。它能在 Windows、Mac、Linux 电脑上直接双击运行，也能连接检查 Android 手机和 iPhone 备份，全程只读、扫描时不联网，不会上传任何数据，报告还会明确写出证据强度和未能检查的部分，不会把「没查到」包装成「绝对安全」。它主要面向记者、人权活动人士、公益组织成员等可能被定向监控的人群，以及为这类客户提供安全服务的数字安全顾问；如果你只是普通开发者或 AI 从业者，日常用不到它，但若身边有高风险岗位的朋友，可以转告他们先找 Access Now 或 Amnesty International 的专家求助，再考虑用这个工具自查。

这是一个针对 Android 手机的远程拒绝服务概念验证工具：通过短信发送一条仅 8 字节的畸形 WAP Push 数据报文，触发系统短信处理流程中的未捕获异常，直接杀死接收端的 com.android.phone 进程。受害者无需任何交互，正在通话中的电话（包括紧急呼叫）会被瞬间切断，信号也会短暂丢失。它本质上是把一个系统级解析漏洞打包成了可一键发送的 PoC 应用，发送方只需填入目标号码并点击发送即可复现。对 Android 系统安全、基带与短信协议方向的研究者来说，这是理解 WAP Push 解析缺陷和进程崩溃链路的直观样本；普通开发者和 AI 从业者与它关系不大，且仅限在自有或已获授权的设备上测试，滥用即违法。

EdgeRock 是 Rock Matrix 推出的固定内存多模态模型系列，首个开源版本 EdgeRock-4B 能理解文本和图像，用于推理、编码和 Agent 任务。它解决的是长上下文推理时显存不断膨胀的问题：常规模型的 KV cache 随上下文线性增长，而 EdgeRock 用循环状态概括历史、局部注意力处理近期信息、再配合 Rock Memory Anchors 保留关键细节，让每条序列的注意力 KV 固定在 72 MiB，比同级的 Qwen3.5-4B 少 99.1%，省下的显存可以用来跑更多并发请求，输出吞吐达到其 6.42 倍。数学推理上它在 AIME 上拿到 82.9% 的平均 pass@1，远超同类有界状态基线。值得看的是做推理服务、Agent 基础设施和端侧部署的工程师，尤其是被长会话、长任务的显存成本卡住的人；如果你不涉及模型部署和推理优化，跟你的关系不大。

NamiAgent 是一套中文的 AI Agent 入门教程，同时也是一个真能在本地跑起来的最小 Agent：从 100 行的 while 循环开始，一课加一个能力，依次讲清工具调用、权限确认、上下文管理、Skills、MCP、子 Agent、计划和长期记忆，最后拆解 Claude Code、Codex 等主流产品是怎么做的。它自带网页端，左边显示模型每一步的思考和工具调用，右边显示发给模型的完整上下文，能直观看到上下文如何一圈圈变长；写文件、跑命令前会弹窗让你确认。每课都有可独立运行的代码快照，测试用假模型跑，不花 API 费用。适合想搞懂 Agent 到底在上下文里做什么的后端、算法和全栈工程师，以及准备自建 Agent 的团队；只想调用现成 Agent 产品的人关系不大。

dsh-see-now 是给 DSH 用的实时视觉插件，让 AI 直接「看见」你的屏幕，而不是听你口头描述。它解决的是一个很实际的矛盾：定时截全屏喂给模型，截得密会把 token 烧穿，截得疏又会漏掉关键变化。它的做法是先给每帧算一个 0–255 的变化分，只有画面突然切换或持续运动攒够量才留下，再把留下的几帧拼进同一张图，一张图的固定成本摊到多帧上——同样 30 秒的操作，别人烧 30 张图，它常常只要 2 到 3 张，静止屏幕则几乎不出图。除了画面，它还能抓系统回环音频并转写成带时间码的台词，让模型把某句话对应到某一格画面。适合需要让 AI 陪看屏幕的场景，比如做桌面 Agent、屏幕共享助手、视频内容分析的开发者；如果你的工作不涉及给模型喂视觉上下文，这个项目和你关系不大。

这是一份关于 Yandex Station 智能音箱的社区破解维基，教你怎么在不拆机的情况下拿到 root 权限，之后能装自己的软件、接 USB 外设，甚至把内置的语音助手 Alice 换成自己的 LLM（比如接 Home Assistant 或 ChatGPT Voice）。目前覆盖了 17 款机型，每款都有对应的 root 方法，还整理了各型号的芯片、分区、网络和语音链路等硬件内幕。玩法包括让音箱支持 AirPlay、Spotify Connect、当蓝牙音源、接 USB 声卡和网卡，Station 1 还能当电视盒子用。如果你手里有 Yandex 音箱想折腾、做智能家居语音入口，或者单纯想研究嵌入式 Linux 设备的固件结构，这份资料很有参考价值；对多数不碰俄系智能硬件的从业者来说，和日常工作关系不大。

这是一套配套 REA（Reverse Engineer Anything）工具使用的提示词合集，REA 是让 AI 编码代理去拆解软件工作原理的工具，能分析原生二进制、固件、内核、游戏、Electron 应用、APK 和网站。仓库里按场景整理了几十组现成提示词，覆盖功能追踪、软件克隆、游戏移植 WASM、Android 分析、漏洞研究、恶意软件分析、Go/Rust 源码恢复等，直接粘贴给你的 AI 代理就能用。每条提示都要求模型区分已证实事实与假设、并给出文件或地址级证据，避免瞎猜。比如你想搞清楚某个应用点「导出」按钮后到底写了什么文件、数据流经哪些函数，或者想逆向一个二进制看它的架构和入口点，都能找到对应模板。适合安全研究员、逆向工程师、CTF/漏洞赏金选手，以及想理解竞品实现细节的开发者；如果你的工作不涉及逆向或安全测试，和你关系不大。注意仓库明确提示只分析自己拥有或获授权的软件。

motionmaxxing 是一个给 Claude Code 等 Agent 用的 skill，专门治 AI 生成的动效视频那种「能看但没想法」的毛病——角落贴标签、左侧标题配卡片、到处淡入淡出，像会动的 PPT。它接收一个网站或品牌 brief，先抓取品牌调性、提炼出只有这个品牌能占有的创意，再构建视觉世界并逐帧对齐动画节奏（参考了 53 个专业 motion 时刻），最后本地渲染成片，并用脚本逐项检查成片质量、给出 Slop/Mid/Maxxed 三档评分，而不是自夸「效果不错」。README 里有 Cluely、Spotify、Wispr Flow 三组同 brief 对比，展示加不加 skill 的差距。适合做产品发布片、品牌 sting、动态字体的动效设计师和市场团队，以及想用 AI 批量产出不那么廉价的宣传视频的人；纯后端或算法岗基本用不上。

ARTEX 是一套 AI 自主渗透测试系统，可以理解为把安全工程师的日常渗透工作交给 Agent 来跑：给它一个目标范围，它会自己探索资产、调用工具、发起攻击尝试并汇总漏洞发现，全程在 Web 界面上可视化呈现——包括任务执行过程、探索链路、资产覆盖图和流量录制。它内置了人在环路的审批机制，敏感操作需要人工确认后才继续，同时支持从 ScopeSentry 同步已有的资产数据，避免重复收集。这个仓库是 Autumn-27/ARTEX 的源码备份，保留了原始提交历史。对安全团队和红队从业者来说，它适合用来做批量资产的自动化漏洞挖掘和复测；对做 AI Agent 应用的开发者，它也是一个观察多步工具调用与审批拦截如何落地的完整参考。如果你既不做安全也不研究 Agent 编排，那和你关系不大。

这是一个把红果短剧搬到电脑上的桌面客户端，用 Electron 写的，Mac 和 Windows 都能装。它把手机 App 里刷短剧的那套体验搬了过来：能按剧名或分享链接搜片、在线播放、批量下载到本地，还能记录观看进度接着看。除了基础播放，它还做了不少贴近实际用法的功能，比如把下载好的整剧按「剧名 S01E001」命名并生成封面简介，直接投到 NAS 或媒体库；支持同局域网 DLNA 投屏到电视；有老板键一键隐藏所有播放窗口；还能选集数和清晰度加入下载队列、失败自动重试。对追短剧又想把片子存到 NAS 的人来说，它解决的是手机上下载难、投屏麻烦的问题。适合重度短剧观众、想自建短剧媒体库的 NAS 用户，以及对这类桌面工具开发感兴趣的前端工程师；如果你平时不怎么看短剧，这个项目和你关系不大。

BAMA 是一套给 Claude Code、Codex 这类 AI 编程 Agent 用的技能包，让 Agent 能端到端地做出原生 macOS 应用（Swift + SwiftUI）。它把开发流程拆成几段：先让 Agent 打开你喜欢的 App 截图每一屏、生成界面索引，再把截图转成带验收标准的用户故事，然后一个故事一个 commit 地写代码，每次提交前自动跑测试并截取明暗两套界面快照。技能覆盖了 macOS 开发的常见痛点：全局快捷键、菜单栏、悬浮面板、窗口控制、权限申请等系统集成，Swift 6 并发与 SwiftData，以及用 Instruments 做性能排查和渐进式重构；设计侧则有 Liquid Glass 风格、4pt 栅格对齐检查、从截图逐像素复刻某个 App 的外观等。适合想用 AI 快速做出 Mac 工具类应用的独立开发者、想让 Agent 参与 Swift 项目的团队，以及对「Agent 如何规范地交付一个完整 App」感兴趣的人；不写 macOS 代码的读者可以跳过。