Stremio Origin 是给 LG webOS 电视做的 Stremio 原生客户端，非官方出品，用 C 和 SDL2 写成，走 homebrew channel 安装。它把 Stremio 的插件生态搬上电视大屏：首页、发现、片库、搜索都带海报和预告片，播放器支持选源、字幕、跳过片头片尾、下一集卡片，还能在电视端转码 DTS、播放 Dolby Vision 和种子流（可配 USB 做缓冲），手机投屏功能也接近完成。片库、观看进度与 Continue Watching 会和你的 Stremio 账号同步，登录直接走 Stremio 官方，不收集任何数据，日志只留在电视本地。对家里有 LG 电视、平时用 Stremio 追剧看电影的用户来说，这基本是把网页版体验原样搬到了遥控器上；如果你不碰 Stremio 或没有 webOS 电视，这个项目和你关系不大。

stalemap 解决的是 AI 编码助手的一个通病：模型的训练数据有截止日期，而你项目里锁定的依赖版本往往更新，于是 agent 会按旧 API 写代码，比如对着 AI SDK 7 用 `maxSteps`、对着 zod 4 用 `required_error`。它会找出模型训练截止之后发生变动的依赖，把类型变更和 changelog 摘成一段简短说明写进 AGENTS.md 或 CLAUDE.md，让 agent 开工前先读到；编辑代码后还会跑类型检查，一旦用了过时 API 就立刻把编译错误和对应说明推给 agent；另外提供一个 MCP 工具，agent 可以用自己的话查询某个包的变更。支持 Claude Code、Cursor、Codex、OpenCode 等，适用于 JavaScript 和 TypeScript 项目。官方基准测试显示，用它之后 agent 任务通过率从 68% 提升到 89%。日常用 Claude Code 等工具写 Next.js、React 或 Node 项目的前端和全栈工程师最值得看，尤其是经常被依赖升级坑到的场景。

Fush Vue MCP 是一套面向 Vue 前端逆向和 Web 安全测试的工具，由 Chrome 扩展加 MCP 服务端组成，把 91 个浏览器操作能力暴露给 Claude、Codex 等支持 MCP 的 AI 客户端。它能提取 Vue Router 全部路由和权限矩阵、绕过路由守卫与反调试、Hook XFR/Fetch/CryptoJS 等抓取加密参数，还能让 AI 直接点击、截图、抓包、批量探测哪些路由未登录也能访问。它定位是 AI 挖漏洞的副驾而非扫描器，专攻扫描器容易漏掉的越权组合和业务逻辑缺陷。适合甲方渗透测试、企业 SRC、众测平台的安全工程师，以及想用 AI 辅助做授权测试的人；和普通开发者、非安全岗位关系不大。注意它仅限授权测试使用。

这是一个把约3000万参数的decoder-only Transformer语言模型塞进ESP32-S3单片机里离线跑的个人实验项目，模型从零训练，权重和分词器已随仓库提供，不需要联网也不需要API key。它在XIAO ESP32-S3加圆形触摸屏上提供触屏键盘聊天界面，在DevKit上则通过USB对话，能回几句简单寒暄，比如问how are you会答I'm doing okay。但能力非常有限：上下文只有64个token，一次最多生成24个token，速度慢到每秒不到1.5个词，回答容易重复跑题，连基本算术都不可靠，作者自己也标明这是能力受限的个人实验。对多数互联网和AI从业者来说它没有实用价值，值得看的主要是做嵌入式AI、端侧推理或对Transformer在极低算力设备上如何量化部署感兴趣的人，以及想了解LLM从训练到固件落地全流程的硬件爱好者。

heditor 是给 Claude Code、Cursor、Codex 这类 AI 编程 Agent 用的视频剪辑技能包，装上后你直接用自然语言下指令，比如「把这段剪成 podcast 风格」或「用 GTA 6 的感觉处理 12:30 到 13:40」，Agent 就会全程本地完成：分析画面找到说话人、按词级时间戳转录并挑出 30-70 秒的完整观点、帧级精剪并压缩停顿、为每条视频单独设计视觉方案，再用 HTML+GSAP 合成渲染，最后混音时保证人声始终在前、背景音乐和音效压在后面。它内置十几种命名风格，从电影感、惊悚监控录像、复古游戏 HUD 到纪录片、聊天 App、机场塔台，甚至能生成人物分身在不同场景间瞬移。适合做 Reels、Shorts、TikTok 竖屏内容的创作者和内容团队，以及想把口播素材批量变成成片的运营；如果你不做视频，跟你的关系不大。

gemini-stealth-bridge 是一个把 Gemini 网页版包装成 OpenAI 兼容接口的代理服务，用你自己的 Google 账号 Cookie 登录，不需要 Gemini Developer API key，也不用跑 headless Chrome。它把 OpenAI 格式的消息、图片和工具定义翻译成 Gemini Web 请求再转回 JSON 或 SSE，让只认 OpenAI SDK 的客户端直接调用 Gemini。除了聊天，它还支持多账号池化与配额感知的故障转移、Google 搜索引用附带、Imagen/Veo 图片视频生成，以及内置 MCP 端点供 Claude Code、Cursor 等客户端调用。适合想用免费或已有 Gemini 账号跑 coding agent、又不想接官方 API 计费的开发者，或者需要在多个账号间轮换规避配额限制的场景。但要注意它是非官方桥接，Google 改协议或封号就可能失效，且不保证防检测，对多数普通从业者关系不大。

Decks 是一个把幻灯片制作交给 AI 编程助手的工具：你在某一页幻灯片下面留一条评论，Claude Code 或 Codex 就会直接改这份 deck，并把改动说明、追问或保留理由回写在那一页上。每份 deck 就是本地的一个 HTML 文件，浏览器打开即可放映和导出 PDF，还能生成客户可评论的 Review 版本再把反馈收回。除了让 agent 改稿，它还内置了几项演示质量检查（五秒/十秒测试、标题测试、横纵向逻辑流），以及 Focus、Scroll、Sorter、Checks 四种视图，新 deck 会先问你主题和受众再让 agent 起草初稿，也支持导入已有 PowerPoint 或 PDF。对经常做咨询方案、培训材料或对外提案的顾问、独立顾问和需要频繁产出 deck 的从业者来说，这基本是把 PowerPoint 的排版体力活外包给 agent，值得试；只偶尔做 PPT 的人关系不大。

这是一套关于 Linux 恶意软件攻防技术的演讲与研究资料，按五个模块梳理了从用户态到内核态的完整攻击面：先是 LD_PRELOAD 和 ld.so.preload 这类动态链接劫持与进程隐藏（案例 Symbiote），再到用 memfd_create 绕过 noexec 挂载的无文件内存执行（案例 Kinsing 挖矿木马），接着深入 Ring 0，讲 ftrace 动态钩子和 DKOM 隐藏技术如何取代老式的 sys_call_table 改写（案例 Drovorub，APT28），第四部分覆盖 eBPF 的 fentry/fexit 攻击原语，包括静默内核追踪和零端口监听（案例 BPFDoor），最后落到防御侧的遥测不对称、内核 Lockdown、模块签名与 BPF 限制。每个模块都配有真实案例分析、架构图、幻灯片和检测逻辑片段。适合安全工程师、蓝队检测工程师、内核安全研究者以及需要理解 Linux 高级威胁的 SRE 阅读，普通后端或 AI 从业者关系不大。

这是 DeepSeek Harness 的一个社区插件，用来让模型自己管理上下文窗口。Harness 自带的自动压缩是按 token 压力和长度来裁剪历史的，分不清哪些消息属于刚做完的子任务；这个插件改成「黑板区块」模式：模型在跑代码时给消息打上区块标签，任务做完后自己写一段交接摘要，把该区块的原始消息替换成摘要，腾出上下文。原始对话仍完整保留在只读日志里，人类看到的记录不丢，重放也保持确定性。它不额外调用摘要模型，摘要由模型在程序里自己提交，因此省掉一次模型往返。要注意 README 里明确说，上下文变小不等于缓存命中率更高或账单更低，替换历史可能让缓存后缀失效。适合在 DeepSeek Harness 里跑长任务、多子任务 Agent，关心上下文成本和缓存命中率的 AI 应用工程师和 Agent 开发者看看；不直接用 Harness 的人关系不大。

nomore 是一个本地命令行工具，专门解决 Claude Code 用户的一个痛点：你反复对它说的那些纠正，它转头就忘。它会扫描你过去 30 天的 Claude Code 会话记录，找出你在至少两个会话里重复说过的指令，比如「别乱加注释」「别用 reset --hard」，然后经你确认后写进 CLAUDE.md，让这些规则在每次新会话和上下文压缩后依然生效。它还能反向检查：CLAUDE.md 里已有的规则如果你还在重复说，说明 Claude 没在遵守，它会标出来。此外它从 8000 多条 claude-code GitHub issues 里挖出了 20 条最常被抱怨的行为规则，开箱即用，也支持 OpenAI Codex CLI 的 AGENTS.md。全程本地运行、默认不用 LLM、只写你批准的内容。适合每天重度使用 Claude Code 或 Codex、被重复纠正折磨的 AI 编程工具用户，以及想给团队沉淀 AI 编码规范的工程负责人。

这是一个本机运行的 AI 学习工作台，可以理解为「带 RAG 检索的苏格拉底式辅导老师」：你上传课程讲义或习题资料，它先用 BGE 向量化建索引，再结合检索到的原文内容，通过多轮对话逐步给你提示而不是直接甩答案。它能针对你的作答给出错因反馈、分步讲解和变式练习，还能把每道题的提问、作答、反馈保存下来，下次接着学。技术栈是 Next.js 加 FastAPI，向量索引和记录都存在本地，只有教学回复和判分会调用你配置的聊天模型 API。适合想做 AI 辅导类应用、教育 Agent 或 RAG 检索实践的开发者参考其架构；单纯想找个刷题工具的普通学习者也能用，但需要自己准备模型 API 和课程资料。

open-sesame 是一套给 Claude Code 用的渗透测试技能包，本质是一组 Markdown 指令加少量辅助脚本，把 Claude 变成一个按流程干活的渗透测试员。它包含两个技能：web-pentest 针对单个 Web 应用或 API，按 OWASP WSTG 走完侦察、配置、认证、访问控制、注入、业务逻辑等测试；net-pentest 针对网络和基础设施，覆盖端口扫描、漏洞识别、提权、横向移动，甚至 Active Directory 的 Kerberoasting、BloodHound 等攻击路径。实际用起来，你只需对 Claude 说「测一下我自己的 staging 站点」或「扫我实验室网段」，它会先确认授权范围，再逐步验证漏洞并生成面向工程师和管理层的两份 PDF 报告。适合安全工程师、AppSec 从业者以及做 bug bounty 或 CTF 练习的人，用来加速授权范围内的渗透测试流程；对不涉及安全工作的开发者来说关系不大。

Litpage 是一个可以自己部署的开源工作空间，把文档编辑、数据库和 AI 聊天装进同一个应用里，形态上类似 Notion，但整个系统只跑一个 Node.js 进程、只用一个 SQLite 文件，不需要额外的 Postgres 或 Redis，笔记本就能跑起来。它提供块编辑器写文档、支持表格/看板/日历/图表等十来种视图的数据库、实时多人协作和细粒度权限，AI 部分则由你自己填入模型 API key，用来做工作区问答、写作助手、数据库字段自动填充和定时运行的自定义 agent，还带 REST API、webhook 和 MCP 端点方便接入其他工具。适合想自建团队知识库或项目管理工具、又不想维护复杂后端的独立开发者和小团队，尤其是对数据主权敏感、希望文档和任务数据留在自己服务器上的场景；如果你只是想找现成的 SaaS 协作工具，或者不打算自己运维，那这个项目和你关系不大。

这是一个给研究 idea 做文献调研和多模型评审的工具：你输入一句话 idea，它会拆出英文检索式，去 Semantic Scholar、arXiv、OpenAlex 搜论文并下载开放获取的全文，逐篇精读、核对摘要与正文是否一致、按论文类型分档评质量，再据此画出方向版图、找有论文证据支撑的空白，为你的原始 idea 和挖出的新方向各写一份 proposal，最后换别家公司的模型做元评审（只列撞车论文、死因、可行性、最便宜的证伪实验，不打分），由最强模型综合成最终 meta review，输出一份手机电脑都能看的自包含 HTML 报告。它的设计很克制：证据不够就停下来不硬编，评审只交可核实的页码和实验，写 proposal 和做评审的必须是不同家的模型以免自我打分偏高。适合正在选题、写开题或基金本子的研究生、高校青年教师和企业研究院的科研人员，尤其是想快速判断「这个 idea 有没有撞车、值不值得做」的人；日常做工程或应用开发的读者关系不大。

Double Shot 是一个 macOS 菜单栏小工具，解决一个很具体的痛点：你跑着 Claude Code、Codex 或 Cursor Agent 的长任务，合上盖子把 MacBook 塞进包里，任务就停了。系统自带的 caffeinate 只能防「空闲休眠」，管不了合盖休眠，也不知道你的 AI 什么时候跑完。Double Shot 两头都管：它每 10 秒检测已知 agent 进程（也支持你自己写的 LangChain 脚本，在设置里加名字即可），判断它们是在真干活还是卡死了，全部安静几分钟后自动让 Mac 正常休眠；同时通过一次性的管理员授权禁用合盖休眠，让任务在包里继续跑，跑完自动睡回去。考虑到包里散热差，它还会在机器变热时主动收手、关掉屏幕、电池模式下开 Low Power Mode、电量低于 20% 放手。适合经常挂长 agent 任务又想合盖走人的独立开发者和 AI 工程师，普通办公场景用不上。

bootgpt 是一个把语言模型塞进硬盘主引导记录（MBR）的极客项目：开机后不加载任何操作系统，直接在 16 位实模式的 386 上跑一个 11.5 KB 的 int8 量化小模型，让它「做梦」出一段 Linux 启动日志——时间戳、PCI 设备、ACPI 事件，全是不存在的硬件。模型只有 8 字符上下文和一个隐藏层，输出质量约等于乱码版 dmesg，但字符级输出与 Python 模拟完全一致。整个推理引擎压缩在 510 字节的引导扇区里，权重和词表放在后续扇区，前向传播只用整数乘除完成。它属于 boot sector demoscene 的 sizecoding 传统，和 sectorllm 等项目一脉相承，只是走了「极致小而专」的路线。对多数从业者来说这更像行为艺术而非生产力工具，值得花两分钟看的是它展示的量化与整数推理技巧；真正会动手研究的是做底层推理、模型量化或对 demoscene 感兴趣的工程师。

这是一套面向 ML/NLP 方向学生的实用指南合集，涵盖 PhD、硕士和本科论文三种场景，每份内容都提供完整 PDF、一页速查表和幻灯片三种版本，可直接打印使用。内容非常具体：梳理 NeurIPS、ICML、ACL 等主流会议的投稿节奏与 ACL Rolling Review 的实际运作，讲解如何用 Zotero 和 Better BibTeX 管理文献、避开 BibTeX 常见坑，如何做一篇聚焦的 survey（含 ASReview 筛文献）、如何读懂引用速度和 GitHub 仓库信号，还给出用 AI 助手做初审的护栏（比如没打开过的论文绝不引用），以及第一周、第一个月到每次投稿前的检查清单。对刚入学、需要和导师对齐预期的新生最有用；如果你已经在带学生或准备开组会，它的幻灯片版本可以直接拿来当 induction 材料。对不走学术路线的从业者参考价值有限。

这是一个实验性项目：把一个文件系统直接编译进 Qwen3.5-2B 的权重里，模型自己就能存取文件，不需要外挂数据库或工具服务器。它在 Qwen 原有 24 层之前插入 8 层专门的 transformer，这些层的权重全部按构造设定、不经过训练，负责解析模型发出的普通工具调用（写文件、读文件、列目录、建立文件间链接、按关键词搜索等），并由模型自己生成响应。文件内容存在 attention 中，路径表和链接图存在 DeltaNet 状态里，因此读取能逐 token 精确还原，还能通过链接和反向链接形成文件图谱。这更像是一个「把 RAG 和记忆系统烧进权重」的概念验证，展示 LLM 的记忆与检索未必需要外挂组件。对做模型架构研究、关注长上下文记忆或 Agent 记忆机制的工程师和研究者有参考价值；想直接拿来用的人会失望，它目前只是实验品，和多数从业者的日常工作关系不大。

ViralWave Studio 是一个把社交媒体内容生产自动化的 AI 平台，你可以把它理解成「批量生成加定时发布的营销助手」：把你的网站链接贴进去，它会爬取你的业务、语气和卖点，直接生成一整个月约 50 条带文案和配图的帖子，涵盖教育、幕后、口碑、故事和促销等类型，你只需像刷照片一样逐条批准、跳过或让 AI 修改，然后连接 Facebook、Instagram、LinkedIn、X 等八个平台自动发布。它还提供 AI 配图、短视频生成、SEO 博客、RSS 转帖子和数据分析，并支持通过 MCP 把 Codex、ChatGPT、Claude 直接连到你的账号。值得看的是本地服务业老板（餐馆、诊所、美容院等没有专职营销人的小商户）、靠内容吃饭的创作者和教练，以及需要给多个客户批量排期的营销代理和自由职业者；如果你不做社媒运营，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。

jevcrawl 是一个面向 AI Agent 的网页抓取工具，提供 MCP server 和 CLI 两种形态，可接入 Claude Code、Claude Desktop、Cursor 等环境。它解决的是 Agent 浏览网页时的老难题：要么把抓到的页面全塞给 LLM 读，token 烧得快还容易被导航和广告淹没；要么让 LLM 逐个挑链接，又慢又贵。jevcrawl 用一个轻量决策模型代替 LLM 来判断该点哪个链接、该保留哪段文字，LLM 只读最终筛出的相关段落，每次抓取成本约一美分。官方在 WebWalkerQA 基准上测试，找到答案页的比例是 54%，约为 Crawl4AI 的两倍，单次任务成本比让 Claude 自己爬低约 8 倍，且返回内容带 URL 和字符偏移，可溯源、不会被页面文字注入指令。适合在做 RAG、Agent 网页检索、需要从多层嵌套网站里挖答案的工程师关注；如果你的工作不涉及让模型上网找信息，这个项目和你关系不大。

Lead Signal Listener 是一个本地运行的线索发现工具，可以理解为「社交聆听 + 销售线索挖掘」的组合：你告诉它你在卖什么、解决什么问题，它就去 Reddit、X、LinkedIn、Hacker News、RSS 以及 Treg 目录里 3800 多个数据源抓取正在公开吐槽这个痛点的人，同时也会捕捉招聘、融资这类触发信号。抓到的每条线索会按痛点短语、购买意图、目标画像、互动量等规则打分并去重，排好序等你审阅，规则可自行编辑后一键重新打分。数据全部存在本机，单次默认配置跑一轮成本大约几美分。对增长、GTM、销售开发岗位的人来说，它解决的是「主动找到正在描述你所解决问题的潜在客户」这件事，适合需要持续获客线索但又不想依赖昂贵 SaaS 的团队；如果你不做获客或销售，这个项目和你关系不大。

这是一个本地运行的 MCP 服务，让 Claude Desktop、Cursor 等 AI Agent 能直接检索你的微信和钉钉聊天记录。它在本地解密客户端的 SQLite 数据库，用 FTS5 建全文索引，全程只读、数据不出本机，毫秒级响应。它能干的事很具体：按关键词搜「群里谁发过关于某需求的讨论」、按时间范围拉取上周某群的对话、汇总某天所有沟通生成日报、查群成员和联系人、找回群里发过的 Excel 或截图，还能做群活跃度统计、成员画像和沟通风格分析。对微信支持 4.x/3.x，对钉钉支持 7.x 的 V2/V3 版本。值得看的是需要频繁翻聊天记录找信息的人——比如用 AI 做知识管理、日报周报、项目复盘的从业者，或者想让 Agent 读取工作沟通上下文的 AI 工程师；如果你平时很少回头查聊天记录，这项目和你关系不大。

pwner 是一个用自然语言指挥的网络渗透测试 Agent：你直接对它说「扫一下这台机器，重点看数据库」，它自己规划步骤、调用 nmap、nuclei、netexec、impacket、hydra 等真实工具去发现主机、识别服务、比对已知漏洞，最后给出带严重级别、证据和修复建议的报告，而不是模拟一遍流程。它的安全设计值得留意：目标范围在代码层强制校验，模型无法越权扩大授权；爆破、远程执行、凭据窃取等侵入性动作默认拒绝，必须你逐次批准，拒绝后它会继续在边界内工作。模型可以自选 OpenAI、Anthropic、DeepSeek 或本地 Ollama 等，也支持完全不接模型的确定性扫描模式。适合安全工程师、渗透测试人员和红队在授权范围内做自动化侦察与验证，也适合想了解 LLM Agent 如何安全驱动真实工具的开发者；普通后端或 AI 应用开发者关系不大。

UIGraph 是一个本地运行的代码库架构查看器，可以理解为「给你的代码画工程地图」的工具。它配合 Claude Code、Codex、Cursor 等编码 Agent 使用：让 Agent 读你的代码，把服务依赖、API 规格、数据库表结构、时序图等写成仓库里的普通文件（YAML、Mermaid、OpenAPI），再由本地查看器统一展示，你在界面上改图也会同步写回文件。它还提供 PR 审查视角，能显示一次改动影响了哪些流程、覆盖多少测试。适合需要快速摸清陌生代码库、维护服务目录、做架构评审的后端工程师、架构师和技术负责人，尤其是接手微服务系统、需要向团队解释系统全貌的人；如果你只写前端小项目或不参与系统设计，关系不大。