这是一份由 Free Ebook Foundation 维护的免费编程书籍与学习资源大合集，起源于 StackOverflow 上的一个问答帖，如今是 GitHub 上 star 最多的仓库之一。它按编程语言和主题分类整理了海量可免费阅读的电子书链接，覆盖 Python、Java、Go 等几十种语言，也包括机器学习、前端、数据库等专题，同时提供中文、日语、韩语等数十种语言的版本，还配了一个可按书名或作者检索的搜索网站。对从业者来说，它的价值在于省去到处找书的时间：比如想系统补一下 Rust 或 Kubernetes，直接翻对应分类就能找到免费且质量有保障的教材；团队做新人培训或整理学习路线时，也可以拿它当资源底稿。适合所有需要自学新技术的开发工程师、数据工程师和 AI 从业者，以及技术团队里负责培养新人的 TL；如果你只是想找某个具体 API 的用法，直接查官方文档可能更快，这个仓库更适合用来规划成体系的学习。

这是一个按编程语言分类的「项目实战教程」清单，收录了大量「从零做出一个完整东西」的教程链接，比如用 C 写一个 shell、写一个哈希表、写一个数据库，用 C++ 写光线追踪器和游戏，用 Python、Go、Java 等做 Web 应用。它和普通「知识点罗列」型教程不同，重点是让你跟着一步步把一个真实项目做出来，从而真正理解底层原理。比如你想搞懂 Redis 内部怎么工作，可以直接跟「Build Your Own Redis」；想理解编译器，有十篇连载的 C 编译器教程；想入门系统编程，有从零写操作系统、写内核、写虚拟机的完整路线。适合刚入行、正在自学的开发者，以及想补计算机基础的后端或系统方向工程师；如果你已经是资深从业者或主要做 AI 应用开发，这个清单和你的日常工作关系不大。

llama.cpp 是用纯 C/C++ 实现的大模型本地推理引擎，可以理解为「让 LLM 在你自己的电脑上跑起来」的通用底座，几乎所有本地部署方案都绕不开它。它不依赖 Python 环境，支持从 1.5-bit 到 8-bit 的多种量化格式来压缩模型体积，覆盖 Apple Silicon、NVIDIA、AMD、Intel、华为昇腾等几乎所有硬件后端，还能在显存不够时让 CPU 和 GPU 混合推理。实际场景比如：想在自己 Mac 上离线跑 Qwen 或 Llama 做代码补全、给内部知识库搭一个不联网的 RAG 服务、或者在边缘设备上部署轻量模型做语音转写，都可以直接用它起一个兼容 OpenAI 格式的接口。对 AI 应用工程师、算法工程师以及需要私有化部署的后端开发者来说，这是必看的基础设施级项目；如果你只做模型训练或纯云端调用，关系不大。

Ghostty 是一款跨平台终端模拟器，用 Zig 编写，主打「快、功能全、原生体验」三者兼得——性能对标 Alacritty，功能上支持多窗口、标签页、分屏、Kitty 图片协议、同步渲染、深浅色模式通知等现代特性，macOS 上还是纯 SwiftUI 应用，支持 AppleScript 和快捷指令。它还把核心抽成了可嵌入的 libghostty 库，别人可以在自己的应用里直接塞进一个终端。对日常写代码、跑服务、连远程机器的工程师来说，它就是 iTerm2 或 Windows Terminal 的更快替代品；如果你在做需要内嵌终端组件的 IDE、运维面板或 AI 编程工具，libghostty 值得一看。纯做前端、后端业务或不碰命令行的岗位，和它关系不大。

DOPPLERGEIST 是一个用 Python 写的音频取证工具：给它一段录到飞机飞过声音的音频，它能自动从录音里找出多普勒频移的轨迹，再拿去和历史 ADS-B 航班数据比对，反推出录音者当时可能站在哪里。整个流程全自动，不需要你手动标注事件时间窗或频率段，它会扫描整段录音、拉取附近航班档案、在城市尺度的地理范围内给候选位置排序，还带一个本地网页界面上传和查看结果。它明确会给出「证据不足、无法定论」的结论，而不是硬凑一个坐标。适合两类人：做 OSINT、音频取证、声学定位研究的安全与情报分析人员，以及对多普勒效应、信号处理建模感兴趣的工程师。如果你的工作和音频分析、地理定位无关，这个项目看看原理即可，实际用处不大。

岛仔 Daozai 是一个用 Rust 和 egui 写的 Windows 桌面小组件，形态模仿 iPhone 的灵动岛：平时贴在屏幕顶部收成一条小刘海，鼠标靠近才展开。它把散落各处的信息集中到这一个位置——正在播放的音乐和单行歌词、邮箱里的验证码自动识别并一键复制、飞书/钉钉/企业微信日历与邮件邀请合并后的日程提醒、待办清单、专注与饮水计时，以及 Codex、Claude、Kimi、Gemini 等 AI 服务的剩余额度圆环。比如你在等一个注册验证码，不用再开邮箱客户端，验证码会直接浮现在屏幕顶部；或者你想随时瞄一眼 Claude 订阅还剩多少额度，收起状态下就能看到。它还带一个会眨眼打盹的桌面宠物，可切极简模式。适合每天在 Windows 上处理多账号邮件、多套日历、又同时订阅了几个 AI 服务的个人开发者和办公人群；如果你只用一两个工具，或者用 macOS，就和你关系不大。

prompts.chat 是目前最大的开源提示词库，前身是知名的 Awesome ChatGPT Prompts，收录了社区贡献的大量 prompt，兼容 ChatGPT、Claude、Gemini、Llama 等主流模型。除了浏览和收藏提示词，它还托管了常驻 AI bot 及其协作团队，可以查看每个 bot 需要跑在云端还是本地、如何与其他 bot 配对接力完成任务，并附带一套 30 多章的免费交互式 prompt 工程教程，覆盖思维链、少样本学习等技巧，支持 17 种语言。对日常用大模型写文案、做翻译、搭 Agent 工作流的从业者来说，这里是找现成 prompt 和 bot 组合的快捷入口；做企业内部 AI 落地的人也能自建私有实例，避免内部 prompt 外泄。如果你完全不碰 LLM 应用，那它和你关系不大。

Open WebUI 是一个可以自己部署的 AI 聊天界面，相当于自托管版的 ChatGPT 网页端：既能接 Ollama 跑本地模型，也能连 OpenAI 兼容的云端 API，全部数据留在自己机器上。除了多轮对话，它还内置了知识库问答（RAG）、文档上传、语音输入和 MCP 工具调用，团队可以把内部文档喂进去做检索问答，或者把常用模型统一挂在一个界面下切换使用。最近它还在往 Agent 方向扩展，配套的终端、知识库同步等生态项目能让它变成一个完整的 AI 工作台。适合需要在公司内网安全使用大模型的后端和算法工程师、想快速搭一个私有 AI 助手的独立开发者，以及对数据隐私敏感、不想把对话内容交给第三方服务的团队；如果你只是偶尔用用 ChatGPT，这个项目和你关系不大。

wxa-runner 让你在普通浏览器里直接跑微信小程序，用的是微信官方基础库本身，渲染、组件、生命周期都和真机一致，而不是像 H5 那样由框架重新实现。它主要解决两个麻烦：一是本地调试，你可以用 Chrome DevTools 打断点、看网络请求、看 DOM，保存后热更新，还能通过地址参数直接跳到任意页面；二是 E2E 自动化测试，用 Playwright 在浏览器里无头运行，CI 的 Linux 环境不需要装开发者工具，也不用远程控制开发者工具。它还能在测试前预置登录态、mock 原生 API、拦截请求，跳过登录这类走不通的环节，支持原生小程序以及 uni-app、Taro 的编译产物。它不替代微信开发者工具，预览、上传、真机调试仍需后者。适合做小程序开发和测试的前端工程师，尤其是想给小程序补上自动化测试和 CI 能力的团队。

Looseleaf 是一套手绘风格的 React 组件库，可以理解为 shadcn/ui 的「纸上涂鸦版」：按钮、侧边栏、图表等 123 个组件的结构、props 和 data-slot 名称与 shadcn/ui 完全一致，替换时不用改 JSX，但所有表面看起来像纸张、线条像钢笔画出来的，还附带贴纸、印章、涂鸦和一套手写字体 Kevin Sans。它内置 61 个现成区块（登录页、仪表盘、定价页、聊天界面等），可访问性也做得很扎实，键盘操作、焦点可见、AA 对比度、RTL 都覆盖了。装饰是皮肤，底层语义仍是标准 Radix。适合前端和 UI 工程师，尤其是想给产品做差异化视觉、又不想牺牲可用性的场景，比如独立开发者的落地页、笔记类或教育类应用的界面；如果你只是做常规后台系统，这套手绘风格未必合适，可以略过。

这是一套自建科学上网的部署方案，把 3x-ui、Xray、OpenClash、Shadowrocket 和 CLIProxyAPI 等工具串成一套可复制的蓝图，让你买一台海外服务器后，交给 AI 按方案配好，手机、电脑、路由器导入订阅即可使用。它解决的是出差或旅行到网络受限地区时，如何稳定访问常用网站和 AI 工具的麻烦：主备两个节点自动切换，国内网站直连、国外和 AI 服务走代理的分流规则已预置，证书、规则、配置备份都自动维护，基本不用手动管。附带的 CLIProxyAPI 能给你一个自己的 API 接口和管理后台，但 README 特别提醒不要把 Claude 账号接进去，这违反 Anthropic 政策。适合经常跨境出差、需要在受限网络下用 AI 工具的个人开发者和远程办公者，以及想给全家配一条独享线路的技术爱好者；如果你没有自建代理的需求，和你关系不大。

这是微软官方出品的 AI Agent 入门课程，共 18 节课，用 Jupyter Notebook 讲解如何从零构建 AI Agent，内容覆盖 Agent 基础概念、Agentic RAG、多 Agent 协作等主题，代码示例基于 Microsoft Agent Framework 和 Foundry Agent Service，也兼容部分 OpenAI 风格的第三方模型服务。每节课配短视频和可运行的代码样例，还提供 50 多种语言的翻译，包括简体中文。它适合两类人：一是想系统理解 Agent 是什么、能做什么的后端或算法工程师，可以从概念到动手实践快速补齐知识；二是正在评估要不要在团队里引入 Agent 方案的技术负责人，可以用它当参考教材统一认知。如果你日常工作与 AI 应用开发无关，这个课程和你的关系不大。

GPT-SoVITS 是一个开源的语音克隆与文字转语音（TTS）工具，可以理解为「低配版 ElevenLabs 的本地替代」：给它 5 秒人声样本就能零样本合成，用 1 分钟录音微调即可获得相似度更高的专属音色，还支持中英日韩粤跨语言朗读。它自带 WebUI，集成了人声伴奏分离、自动切分训练集、中文语音识别和文本标注，等于把从原始音频到可用模型的整条链路都包办了，推理速度在消费级显卡上也足够实时。适合做有声内容、虚拟主播、游戏配音、无障碍朗读的创作者，以及想低成本搭建私有 TTS 服务的 AI 应用开发者；如果你的工作和语音交互、AIGC 内容生产无关，那看看就好，不必上手。

CADCraft 是一个用纯 Rust 写的开源 2D/3D CAD 软件，定位是 AutoCAD 的替代品：命令行、对象捕捉、图层、标注、填充、块、DXF 图纸这些老绘图员熟悉的交互它都照搬，能直接读写 DXF 和 DWG 文件，还能导出 SVG、PNG 和 PDF。它跑在 macOS、Windows、Linux、FreeBSD 上，也有浏览器版本，不依赖 Electron，启动快。除了常规画图，它还专门为 AI Agent 做了设计——每个菜单和工具都是一条命令，Agent 可以像人一样在命令行敲指令，或通过 MCP、JSON 接口调用命令、检查图纸内容并渲染结果来验证自己画得对不对。对做工程、建筑、机械制图的人来说，它是免费无订阅的 AutoCAD 平替；对做 AI Agent 应用的开发者，它是一个可被程序完整操控的 CAD 执行环境。如果你既不画图也不做 Agent，那和你关系不大。

这是 DeepSeek Harness（DSH）的插件合集，DSH 可以理解为运行 DeepSeek 模型的本地对话工作台，而这里提供三个扩展插件：一个是英文界面版的动效 UI，能在 HTML/SVG 画布上编辑动画并导出本地 MP4；一个是按会话统计 API 花费，按供应商和模型拆分成本，还能自动发现定价；还有一个是决策实验室，用优先级滑块、不确定性边界和敏感性分析来辅助可解释的决策。对日常用 DeepSeek 做内容或分析的人来说，成本追踪最实用——你能清楚看到每次会话烧了多少钱、哪个模型最贵；做演示或短视频的则可能用上动效画布。适合已经在用 DSH、想给工作台加功能的开发者和重度 AI 用户；如果你没用过 DSH，或者只是想找通用 AI 工具，这个仓库和你关系不大。

Kindred 是一个免费的 Windows 小工具，帮你在 WoW Forever（魔兽世界怀旧服风格的私服/赛季服）里选职业。它的思路和常见的 S 级天梯榜相反：不问哪个职业最强，而是先问你四个问题——和谁一起练级、想练多快、能承受多少风险、能投入多少注意力——然后把九个职业按匹配度重新排序，并用大白话告诉你为什么适合、哪里会烦你。比如一个人边看剧边练，它会推兽王猎，因为宠物扛怪、你远程输出；和朋友慢慢玩不怕死，就推暗影牧师。每个结果还附带经过实测的练级天赋方案，也支持把外部天赋模拟器的链接贴进来对照。对正在纠结练什么小号、被天梯榜带偏过的魔兽玩家来说，这比再看一份 tier list 更省时间；如果你不玩 WoW Forever，那和你关系不大。

dsh-purge 是针对 DeepSeek Harness 官方客户端的越狱插件，可以绕过宿主层的提示词改写、审批门控和沙箱策略，让模型在本地会话中不再被默认安全策略拦截。它提供一个侧边面板，可分组查看补丁状态、编辑提示词、切换多套规则集，还能在授权前提下扫描本地环境的资产与技能，用于红队演练或评估默认策略是否过严。需要说明的是，原仓库即将删库，当前是全量镜像，作者已暂停维护，不接受 issue 和 PR，也不保证兼容后续 dsh 版本。对普通从业者来说，它和你关系不大；只有做 LLM 安全红队、模型越狱评测或研究 DeepSeek Harness 宿主层防护机制的人才值得看，且仅限自管环境或书面授权的演练场景。

scrcpy 是一个把 Android 手机画面实时投到电脑上、并能直接用键鼠操作手机的开源工具，可以理解为免费开源版的 Vysor 或向日葵远控的手机端，但延迟只有 35~70ms、帧率可达 120fps，且手机端不装任何东西、无需 root。它通过 USB 或无线连接工作，除了投屏控制，还能录屏、双向剪贴板同步、把手机摄像头变成电脑摄像头、把手机屏幕当虚拟显示器单独开窗口，甚至支持游戏手柄和 HID 物理键鼠模拟。典型场景包括：开发者在大屏上调试 App、测试人员录制操作视频、主播把手机画面推流到直播软件、以及在电脑上批量操作多台手机。对 Android 开发、移动端测试、直播和自动化相关岗位的人来说非常实用；如果你的工作和手机端完全无关，那它跟你的关系不大。

LiteLLM 是一个 AI 网关，用统一的 OpenAI 格式调用 100 多家大模型服务，包括 OpenAI、Anthropic、Bedrock、Azure、VertexAI、vLLM 等，让你不必为每家模型单独适配 SDK、鉴权和请求格式。它既能作为 Python 库直接嵌进代码，也能部署成团队共用的代理服务，换模型供应商时不用改业务代码。除了转发请求，它还内置了虚拟密钥管理、按团队或项目的花费统计、内容护栏、负载均衡和调用日志，相当于给公司的大模型调用加了一层统一管控和计费的中间层。适合需要在生产环境里管理多家模型、控制成本和权限的团队，比如负责 LLM 应用的后端工程师、平台工程或 MLOps 岗位；如果你只是写写脚本调用单一模型，和你关系不大。

mem0 是给 AI Agent 和 AI 应用加装的「长期记忆层」，可以理解为对话版的持久化数据库：它自动从对话中抽取用户偏好、历史事件和事实，存起来并在下次交互时按需召回，让模型记住「你是谁、上次聊到哪」。它支持用户级、会话级和 Agent 级多层记忆，检索端融合语义、BM25 关键词和实体匹配，并带时间感知排序，能区分「现在状态」和「过去事件」。典型场景包括客服机器人复述历史工单、个人助理延续多轮偏好、医疗或游戏场景按用户行为调整策略。如果你在做面向 C 端的 AI 助手、客服系统，或需要跨会话保持上下文的 Agent 产品，值得花几分钟看它的记忆抽取与检索思路；纯做模型训练、推理部署或与 AI 无关的后端开发则关系不大。

WordCraft 是一个用纯 Rust 从零重写的开源文字处理器，对标 Microsoft Word，界面沿用大家熟悉的 ribbon 工具栏、样式面板、表格、修订模式、参考文献和邮件合并这套工作流。它能读写 .docx 文件，原生跑在 macOS、Windows、Linux 和 BSD 上，也能通过 WebAssembly 在浏览器里运行。实际能力覆盖日常文档排版的大部分需求：目录、脚注、APA/MLA/Chicago/IEEE 引用格式、首字下沉、文字环绕图片、自动断字、行号、水印、暗色模式，以及边写边查的拼写语法检查和带批注气泡的修订审阅。对多数互联网和 AI 从业者来说，它和你的日常工作关系不大——除非你恰好在做办公套件、文档格式解析或跨平台 GUI 的技术选型，想看看 Rust 生态里能不能替代 Electron 方案，或者需要一个能嵌进自己产品的 WebAssembly 文档编辑内核，那这份代码值得翻一翻。

Phone Harness 是一个 MCP 服务器，作用是把云端里的真机 iPhone 和 Android 模拟器接到 Claude、Cursor、ChatGPT、Codex 等任何 MCP 客户端上，让 AI agent 能像人一样操作手机：看屏幕、点击、输入、滑动、打开应用。它不需要你准备 Mac、adb 或做设备配对，只要一个 URL 加登录就能用，本质是给 agent 提供了一个「远程手机遥控器」。典型场景包括让 agent 自动测试 App 流程、复现只在真机上出现的 bug、批量执行移动端操作，或在没有实体设备的环境里跑 UI 自动化。对做移动端开发测试、AI agent 应用开发、以及想让 agent 触达真实设备的工程师来说值得一看；如果你的工作和手机端自动化、agent 工具链无关，那这个项目跟你的关系不大。

Immich 是一个自托管的照片和视频管理方案，可以理解为部署在自己服务器上的 Google Photos 替代品：手机端自动备份照片视频到你的私有存储，网页端提供相册浏览、时间线、地图和共享功能。它内置人脸聚类、以图搜图（CLIP）、按元数据和对象搜索，还支持 RAW 格式、LivePhoto、多用户与 OAuth 登录，日常找照片、给家人共享相册都很顺手。适合对隐私敏感、不想把私人照片交给云厂商的个人和家庭用户，以及想搭建私有媒体库的 homelab 玩家；运维和后端工程师也能从它的 NestJS + SvelteKit 架构里参考自托管应用的工程实践。如果你只是用网盘存照片、没有自建服务的需求，这个项目和你关系不大。

这是 Microsoft 官方出的一套生成式 AI 入门课程，共 21 节课，用 Jupyter Notebook 形式带你从零搭出一个 GenAI 应用。内容覆盖 prompt engineering、调用大模型 API、用 DALL-E 生成图像、语义检索（semantic search）等基础主题，每节课配讲解和动手练习，代码可跑在 Azure OpenAI Service、OpenAI API 或本地离线模型上，还提供 50 多种语言的翻译，含简体中文。它适合两类人：一是刚接触大模型、想系统搞懂「怎么把 LLM 接进自己产品」的后端或全栈工程师，二是需要给团队做 AI 入门培训的技术负责人，可以直接拿它当教材。如果你已经在做模型训练、推理优化或 Agent 架构，这套课会偏浅，翻一下 prompt 部分即可，不必深究。

OpenHands 是一个自托管的编码 Agent 控制中心，可以把它理解成你自己的「AI 工程团队驾驶舱」。它本身自带开源的 OpenHands 编码 Agent，同时也支持接入 Claude Code、Codex、Gemini CLI、OpenCode 等任何兼容 ACP 协议的第三方 Agent，让你在本地、Docker、虚拟机或公司内部基础设施之间自由切换后端，模型也可以任选。除了开对话写代码，它更强调自动化：比如定时生成报告推送到 Slack、把 GitHub Issue 自动拆解成任务、按 webhook 触发与 Linear、Notion 等工具联动的工作流。需要注意的是 Agent 会直接访问你机器上的文件系统，权限较大。适合想把多个编码 Agent 统一管理、并让它们 7×24 跑自动化任务的工程效率或平台团队；如果你只是想找个 AI 助手写几行代码，直接用各家 CLI 就够了，这个项目对你意义不大。