这是一本用韩语写成的开源电子书，作者전종홍，全书445页，以「智能像电一样流动」为核心比喻来解释AI Native时代：把foundation model比作发电厂，MCP、A2A比作输电网，AI agent比作家电，从蒸汽机、电力、信息一路讲到第四次革命，覆盖智能的价格与速度、各国的智能能源战略、个人agent、Physical AI、编排者、智能鸿沟等话题，共7部89篇。它以living document方式持续修订，最新版可直接在浏览器打开PDF或下载EPUB，遵循CC BY-NC-ND 4.0协议。适合想从宏观视角理解AI产业格局、公司与国家如何重新画部署图的战略、产品、政策岗位读者；如果你只想找可落地的工程工具，它帮不上忙，而且是韩语原文，需要韩语阅读能力。

shoulder 是一个终端里的实时监控面板，让你像站在身后盯着一样，同时观察多个 AI 编程 agent 在项目里的工作过程。它支持 Claude Code、Codex、Gemini CLI、opencode 等主流 agent，读取它们本来就写下的会话日志，不需要你额外配置 agent 本身。启动后，左侧面板列出各 agent 及其改动的文件，中间显示当前聚焦 agent 正在编辑的文件和 diff，下方是它执行的命令和输出，右侧则是完整的活动日志，包括读取、搜索、编辑、回复等。它还支持分屏同时看多个 agent、查看上下文窗口占用、回放活动历史，以及离开一段时间回来后汇总各 agent 做了什么。整个工具只读、不联网、不改动文件，安全性有保障。适合同时跑多个编程 agent、需要把控改动质量的开发者，尤其是用 AI 辅助写代码但不想盲信输出的人；如果你不怎么用 agent 编程，这个项目和你关系不大。

这是一份汇总了国内外 AI 订阅发卡网与 API 中转站的比价评测榜单，收录了 16 家发卡比价平台和 24 家 API 中转服务商，用一套包含中立风控、数据功能、体验直连三个维度的打分体系给它们排名。榜单会告诉你哪家能买到 ChatGPT、Claude、Gemini 的便宜订阅或成品号，哪家中转接口是真官转、可用率高、倍率划算，还会标注跑路欺诈黑名单和资金安全风险。比如你想给团队采购 Claude API 中转额度，或者想找个靠谱渠道买 ChatGPT Plus 兑换码，都可以先来这里横向对比价格和风险。对经常需要自费采购 AI 服务、又怕踩坑买到掺水接口或被骗的开发者、独立开发者和 AI 应用创业者来说，这份指南能省不少比价和试错时间；如果你只用官方直连渠道，那跟你的关系不大。

Frontier UI 是给 Open WebUI 加的一层「ChatGPT 式界面」：模型不再只吐 markdown，而是输出一小段 JSON 描述，服务端负责找真实照片、在地图上画真实街道路线，最后在对话里渲染成卡片。它能做旅行规划——比如七天行程按天分 tab、地图上标路线、预算滑块算人均、加日历；也能做实时天气、股票行情图表、链接预览截图，还能把卡片一键导出成 Word/Excel/PPT。图片和地图数据走 Wikipedia、OpenFreeMap 等免费源，不需要 API key，单文件部署。适合自建 Open WebUI、跑本地模型又想要更像产品的交互体验的开发者；如果你不维护 Open WebUI 实例，这个项目和你关系不大。

video-factory 是一套让 Claude Code 或 Codex 当导演的 AI 视频流水线：你用一句话提需求，它负责写剧本、配音、出分镜、生成画面、剪辑加字幕，最后交付成片，中间串联 APIMart、Kie.ai、ElevenLabs 和 ffmpeg。它内置了多种竖屏短视频的制作套路，比如 15-30 秒的 UGC 带货广告、每集 60-120 秒的微短剧、情景喜剧、奇幻短片，也能做 10 分钟到 3 小时的冥想助眠视频（靠画面无缝循环把 30 分钟内容压到约 2 美元）。流程上有几道人工审批关卡：剧本、选角、预算方案都要你点头才继续，且预算在代码里锁死，超支必须再确认；每场戏只生成一次，成片还会自动做画面连续性和穿帮检查。适合需要批量产出短视频素材的营销人员、独立创作者和做 AI 内容实验的工程师——如果你不做视频，跟你的关系不大。

这是一个自托管的 Threads 内容排程与发布工作台，把选题、素材来源、AI 起草、人工审核和定时发布整合到一个私有面板里，可以理解为不依赖第三方 SaaS 的 Threads 版 Buffer。它维护一个经过审核的 HTTPS 来源库，写作前先挂上素材上下文，AI 起草的草稿默认必须人工批准才会进入排程，还配有急停开关防止误发；AI 部分是可选的，不接也能纯手动跑。发布走官方 Threads API，不做爬虫或浏览器自动化，另带回复发现、分析和审计记录。适合运营 Threads 账号的创作者、社媒营销人员和小团队，尤其是那些不想把草稿、排期和发布凭据交给外部平台、又希望用 AI 提效的人；如果你不发 Threads，这项目和你关系不大。

这是一个把你的家扫描成实时 3D 模型、并把它变成电视主屏幕的个人项目。用 iPhone 的 LiDAR 扫一遍房间，生成低多边形的「娃娃屋」模型，然后接到 Google TV 上当桌面：没有广告和推荐流，取而代之的是你家的 3D 视图，灯具和设备直接嵌进去——用遥控器开一盏灯，现实和 3D 里同时亮起；坐在 3D 沙发上环视，看一眼就能切换对应的灯。它通过 Home Assistant 和 Philips Hue 把 Tuya、Zigbee 等设备统一成一个实时 API，同一套家还能在 iPhone 和 macOS 菜单栏里看。项目的核心其实是一份「AI agent 施工手册」加参考实现，设计上就是让 AI 编码代理照着分阶段做完，每步有明确验收标准和踩坑记录。适合智能家居极客、想玩 AI agent 驱动开发的工程师，以及有 Google TV + Hue + Home Assistant 环境、愿意自己动手改造的人；只用 Apple TV 或三星 LG 的用户关系不大。

Morrow 是一个本地运行的求职工作台加自动投递引擎，可以理解为「帮你自动海投的求职管家」。它每天跑一遍完整流程：先按你的简历和目标岗位定制简历，再用浏览器自动登录 Naukri、Wellfound、Instahyre、Hirist 等招聘平台和公司官网投递，同时检查各平台资料是否完整、有没有待答的招聘方问卷，并生成一份面试学习计划。所有操作只有在页面上确认成功后才记为完成，每次投递保存的简历版本、结果和链接都会写进本地数据库和日报，数据不出你的机器。它依赖你已装好的 AI 命令行工具（Claude Code 或 Kiro）来生成回答，遇到不知道的问题会放进待办收件箱让你确认，而不是瞎编。适合正在海投、需要同时维护多个招聘平台资料的求职者，尤其是印度市场的程序员；如果你不找工作，这个项目和你关系不大。

这是一套面向 AI Agent 的合规工作技能库，把资深 GRC（治理、风险与合规）从业者做各类合规事务的方法写成了 65 份 SKILL.md，Claude Code、Codex、Cursor 等支持该格式的 Agent 都能直接读取使用。它覆盖 ISO 27001、SOC 2、GDPR、EU AI Act、DORA、NIS 2 等框架下的常见工作：差距评估、适用性声明、风险登记册、审计准备与应对、证据整理、供应商管理、隐私文档、AI 系统盘点、事件响应等，Agent 负责起草、搜集和交叉核对，而范围界定、风险接受、最终签字等判断明确交还给人。比如让 Agent 读取你手头的合规材料，它能盘点现状、挑出最该补的 10 项技能并写出 30 天整改计划。适合安全合规负责人、隐私专员、内审人员，以及需要准备 ISO 27001 或 SOC 2 审计的创业公司技术负责人；纯开发岗位关系不大。

MyGit 是一个轻量的原生 Git 图形客户端，跨 macOS、Windows 和 Linux，主打「检查 AI agent 写的代码」这一场景。它把 JetBrains 的提交图和历史工具、VS Code 的暂存方式装进一个不到 7 MB 的单文件里，秒开、内存占用极低（打开两万条提交的仓库约 109 MB，远低于 IDE）。实际用法是：让 Claude Code、Codex 等 agent 干活时开着 MyGit，窗口随改动实时刷新，锁文件和压缩产物自动折叠，图片改动显示前后对比；你可以在 diff 里直接改一行、按行暂存，把不满意的行加上注释、一键复制成带文件和行号的 Markdown 贴回给 agent 重做。它只读 git 输出、所有写操作交给 git 本身，所以和任何 agent、多个 agent 并行、或你自己的手改都兼容。适合日常用 AI 编程、需要频繁 review agent 产出的开发者，以及想要一个比 IDE 轻得多的 Git 客户端的人；不写代码或不用 agent 的读者关系不大。

Protuna 是一个面向蛋白质工程的 AI 优化框架，可以理解为把贝叶斯优化和主动学习的思路搬到了蛋白突变体设计上：你给它历史突变数据或一个已知的活性分子，它会结合蛋白语言模型和打分函数，自动推荐下一批最值得做实验的变体序列。它支持用奖励引导的方式让蛋白语言模型朝着目标性质生成序列，内置零样本变体效应预测等打分方法，还能用 Ray 做分布式大规模筛选，并允许设置主目标加多个不等式约束（比如只优化活性但限制其他性质），同时可配置序列规则（固定位点、禁止某些氨基酸等）来约束搜索空间。适合做酶工程、抗体或药物先导化合物优化的生物信息、计算生物学和蛋白设计工程师，尤其是那些实验通量有限、需要每一轮聪明地挑选少量候选去做湿实验的团队；如果你不涉及蛋白序列设计，这个项目和你关系不大。

Yahont 是一个可私有部署的企业知识层平台，基于开源项目 Onyx 改造，主打俄语环境适配。它把公司散落在各处的文档、网站、知识库统一接入并建立混合索引，让团队和 AI Agent 通过一个入口检索全部资料，回答附带原文引用链接，方便核验。除了文档问答，它还提供 Deep Research 多步研究报告、带独立知识与指令的定制 Agent、网页搜索、代码沙箱执行、图片生成、语音模式，以及通过 MCP 把自身知识库接入 Claude Desktop 等外部 Agent。模型侧兼容 OpenRouter、OpenAI、Anthropic 及 Ollama、vLLM 等本地部署方案。适合需要搭建内部知识库、客服或销售助手、员工 onboarding 问答系统的技术团队，尤其是对数据合规和私有化有要求的场景；普通个人开发者或纯前端、后端岗位关联不大。

AutoPPT 是一套给 AI 编程智能体（Claude Code、OpenAI Codex）用的课件生成技能加课件引擎，说白了就是「AI 备课神器」：你只需说出课程主题或给一份教学大纲，智能体就按固定流程产出一整周可直接上课的 HTML 幻灯片，包括理论课、实践课三套约 20 页的课件、每页完整讲稿、浏览器里真实计算的互动组件（拖滑块、点按钮当场出结果）、真实运行过的实践代码与 Notebook，还会自动生成学生版、教师分钟级教案和事实出处页。它来自复旦大学《人工智能基础》通识课的真实教学，14 周课件全部用这套方法完成，教师每周只需花约半小时审改设计文档。相比传统 PPT 的二进制难改、代码与截图对不上、交互只是动画等问题，它产出的是纯文本 HTML，可用 git 管理，支持三种视觉风格一键切换。适合高校教师、企业内训师、课程设计师，以及想用 Agent 做教学内容生产的人；如果你不做课件，和你关系不大。

PastAi 是一款开源的 macOS 剪贴板管理工具，可以理解为把 Paste 的剪贴板历史、PopClip 的选中文本工具栏和一个 AI 助手合成了一个原生 Swift 应用。它会记录你复制过的文字、图片、文件等所有格式，支持全文搜索（含中文和图片内 OCR 文字），在任意应用里选中文字时还会浮出小工具栏，提供翻译、搜索、打开链接等 30 多个内置扩展，覆盖 Google、知乎、B站、淘宝等中美常用服务。内置的 AI agent 可以接入你自己的模型（OpenAI 兼容协议或 Ollama 等本地模型），帮你按主题整理历史、查找上个月复制过的 nginx 配置、把多段内容合并成 Markdown、清理重复项，甚至直接生成新扩展。数据全部本地存储，agent 改动前需你批准。适合经常在多个应用间搬运文本、需要回溯历史剪贴内容的 macOS 效率用户和开发者；只用 Windows 或不依赖剪贴板历史的人关系不大。

omni2api 是一个把「任何能在终端里跑的东西」包装成 OpenAI 兼容 API 的反向代理，用 Rust 写的。它在服务器里留一个「座位」，平时这个位置该放模型，现在可以放一个 AI agent、一段脚本，甚至一个人；调用方拿到标准的 base URL、API key 和模型名，完全感觉不到对面不是真模型。它解决的麻烦是：你手头有个能干活的 agent（比如 Claude Code 或自写脚本），但想让别的工具——IDE、桌面应用、任意 LLM 客户端——像调 GPT 一样调它，不用自己写适配层。工具调用是真透传的，调用方沙箱执行命令后结果会回流给座位上的 agent，还支持多路并发对话、图片文件、语音和 Realtime。适合正在搭 AI 工作流、想把内部 agent 复用成标准服务的后端和平台工程师；如果你只是调用现成大模型 API，跟你的关系不大。

CludeGods 是一套跑在 Claude Code 之上的语音 Agent 工具包，让你像和同事说话一样指挥 Claude：常开麦克风实时收音，Claude 边干活边出声回答，你随时可以插话打断。它还带一个常驻的 Workers 面板，每个 worker 是有自己声音和工作时段的常驻助手，你把任务丢进它的任务框，它执行后把外发内容（邮件、帖子）留成草稿，等你点头才真正发出；另有 guard 机制限制每个 worker 只能用你授权的工具。此外支持 Slack 桥接、共享的 Spaces/Pages 文档，以及把 worker 拉进语音通话。全部本地运行，语音识别与合成都在本机完成。适合重度使用 Claude Code、想把重复任务交给常驻助手的开发者，以及对语音交互办公形态好奇的人；不碰 Claude Code 的读者关系不大。

MicroGPT 是一个用纯 NumPy 从零实现的 GPT 语言模型，约 700 行代码，不依赖任何深度学习框架，也没有自动求导引擎——前向传播写得明明白白，反向传播的梯度是手推出来的，链式法则直接体现在代码里。它包含字节级 tokenizer、多头因果自注意力、AdamW 训练器和 top-k 采样，整个模型在笔记本 CPU 上一分钟左右就能训练完。这个项目的价值在于教学和理解：如果你想搞清楚 Transformer 内部到底在算什么，而不是把它当成黑盒调用，它能让你一口气读完全部实现，还能通过有限差分验证手写梯度的正确性。适合刚入门深度学习、想吃透 GPT 原理的学生和算法工程师，以及需要给团队讲解模型内部机制的人；如果你只是想用现成模型做应用开发，这个项目和你关系不大。