ARTEX 是一个 AI 自主渗透测试系统，可以理解为「让大模型自己当红队成员」：你给它一个目标，它会自主规划攻击路径、调用 nmap 等工具去探测和验证漏洞，全程在 Web 界面上以任务、探索图、资产覆盖图的形式展示进展。它解决的是人工渗透测试里重复劳动多、覆盖面难保证的问题，比如子域名和端口扫描结果可以从 ScopeSentry 同步进来，浏览器扩展还能把你登录目标站点时的请求流量录下来，直接绑定到发现的漏洞上作为证据；涉及敏感操作时会停下来等人工审批，也支持在对话里实时干预。适合安全工程师、红队和攻防平台开发者，用来做授权范围内的自动化资产梳理和漏洞验证；如果你不做安全方向，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。

这是一份教人成为 Forward Deployed Engineer（FDE）的学习路线图，FDE 是近两年在 Palantir、OpenAI 等公司兴起的岗位，简单说就是驻扎在客户现场、把 AI 产品从 demo 落地到客户生产环境的工程师，比纯研发更贴近业务，比售前更会写代码。这份路线图按真实项目交付的生命周期组织，从理解客户需求、选模型、做 prompt 和 RAG、搭 Agent，一路讲到评估观测、安全合规、成本延迟优化、微调和系统设计，最后用一个实时语音 Agent 案例把所有知识串起来，并附面试准备。每个主题都配了配套博客，内容偏实战而非理论。如果你是后端或算法工程师，正在考虑往 AI 应用交付、解决方案架构方向转型，或者已经在做面向客户的 AI 落地项目却缺乏方法论，这份路线图能帮你快速建立全局视野；如果你只做模型训练或纯后端开发，和你关系不大。

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。

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。

这是一个针对 Qwen3.5-4B 的神经元探索工具，属于机制可解释性（mechanistic interpretability）研究方向。它把模型某一层的每个 MLP 神经元都向上、向下推一推（steering），在若干提示词上跑出所有结果并保留，再用 3D 视图把整层神经元铺开供浏览。具体能做的事包括：悬停查看单个神经元的 steer lens 和 R lens，点击看它在不同剂量下的多轮对话效果（负向、无干预、正向三栏对比），查看它在网页文本里最强的激活上下文和集中的域名，以及用 UMAP 观察一层 rollout 的分布。它还内置了 Claude CLI 聊天，把探索器作为 MCP server 让 Claude 读取神经元数据、跑推理和消融、操作地图。适合做模型可解释性、安全研究或想深入理解 Transformer 内部机制的研究员和算法工程师；如果你不碰 Qwen 或不研究模型内部结构，跟你的关系不大。

这是一份持续维护的自托管开源AI项目清单，收录了309个可以在自己机器或服务器上跑的项目，覆盖本地LLM推理、聊天界面、Agent框架、MCP服务器、RAG与向量库、语音和图像生成等17个分类。它比一般awesome列表多做了一件事：每周自动检查每个项目的健康状态，被归档、删除或一年没动静的会自动移出主列表，另附一张实时健康表展示各项目的star数、最近提交和许可证。比如你想找一个本地跑的Ollama替代方案、一个能自部署的RAG工具，或者对比LangGraph、CrewAI这类Agent框架的定位，都能在这里按分类快速扫一遍。适合正在评估自托管AI方案的架构师、运维和隐私敏感场景的技术负责人，以及想在自己homelab里搭AI服务的开发者；如果你只用云端API、不关心数据不出机房，和你关系不大。

nesformer 把任天堂红白机的 6502 CPU 直接编译进了未经训练的 Qwen3.5 模型权重里：2 KB 工作内存、卡带程序 ROM 都存在模型的 Gated DeltaNet 状态中，玩一局游戏时，模型逐 token 预测 CPU 的执行日志，宿主程序负责画屏、读手柄和触发 vblank 中断。它基于此前把 CHIP-8 和 RISC-V 编译进 Qwen3.5-4B 的 Qwenputer，扩展到了能跑 Super Mario Bros.、Donkey Kong 这类 NROM 卡带游戏，输出帧与传统 6502 模拟器完全一致。速度很慢，一帧要 1 到 6 秒，600 帧约需 25 分钟。这本质上是个展示「Transformer 状态可当图灵机内存」的实验性研究项目，对做模型架构、状态空间模型或对 LLM 计算本质好奇的 AI 研究者和工程师值得一看；想拿它玩游戏或做实际应用的人可以跳过。

Lalabase 是一个可自托管的项目管理平台，面向软件外包团队和他们的客户，功能上类似 Jira 或 Redmine 的替代品，把工单、工时、文档和会议纪要放在一处管理。它最实用的地方是内置 AI 助手：你可以直接问「这个工单现在谁在做、还剩什么没完成」，或「上次开会我们达成了什么共识」，回答会跨工单、文档、工时和会议记录检索，并明确标注引用了哪条工单、哪条评论、哪场会议，避免凭空编造。工时按会话记录、可单独标记是否计费并导出用于开票，会议自动生成摘要和待办，仓库里的文档目录也能直接变成项目文档。此外它提供 MCP server 和 REST API，可接入 Claude、Cursor 等工具操作工单和知识库。适合外包公司、小型开发团队的项目负责人和需要向客户透明同步进度的工程师；纯做模型训练或算法研究的人关系不大。

这是一份面向零基础学习者的 AI 工程学习路线图，把 2026 年的 AI 工程能力拆成五层：基础、LLM 工程、Agents、评估和生产部署，每层都配了可验证的免费资源和一个能放进作品集的小项目。它基于市场分析写成，指出当前招聘 JD 里反复出现的三项技能是 RAG、Agents 和 Evals，也附了各层对应的岗位方向。如果你正在从传统开发转向 AI 套路、准备面试 AI Engineer 岗位，或者想系统补上评估工程这块短板，这份路线图能帮你省去自己搜集资源的时间；只想了解行业趋势、暂不动手的人，翻翻它的 Careers 部分也有参考价值。

Beayy 是一款自动记流水账的 lifelog 工具，跨 Mac、Windows、iPhone 和 Apple Watch 后台记录你几点在哪、在做什么，再让模型替你写日记。它会每 10 分钟生成一段摘要，每晚汇总成日总结（含时间去向、偏离目标的点评），一周一月再汇成周报月报。记录维度很细：电脑上切了哪些 app、打了什么字、在不在电脑前；手机的屏幕使用时间、停留过的地点（只记停留点不记轨迹）、苹果健康的睡眠步数；手表还能全天录音转写成对话文字。数据全部本地存储，多设备同步可选官方服务器、自部署或同步文件夹，且先加密再上传。它还自带本机 MCP 服务，接到 Claude Code 或 Cursor 后可以直接问「上周三下午我在忙什么」。适合量化自我爱好者、时间管理需求强的独立开发者和知识工作者；如果你不关心自己时间花在哪，和多数人关系不大。

这是一份针对 25+ 主流模型的越狱提示词合集，收录了 35 条可直接粘贴使用的完整 prompt，覆盖 Claude、Gemini、Grok 等闭源模型和 DeepSeek、Qwen、GLM、Kimi 等开源模型，形式包括 system prompt、persona 设定、AGENTS.md 规范和 Ollama Modelfile。它实际在演示 persona 框架、指令层级、提示词冲突和策略覆盖如何影响模型行为，这些手法反过来也是做 prompt injection 防御时需要了解的攻击面。比如你想知道某个模型在角色扮演设定下会如何绕过原有拒绝策略，或者想给自家 Agent 写更难被注入劫持的系统提示，都能从这些案例里找到参照。仓库里还夹带了第三方 API 服务的推广链接，需自行判断。对多数从业者来说关系不大，真正值得看的是 AI 安全研究员、红队测试人员，以及负责给 Agent 或 chatbot 设计系统提示、需要了解注入风险的工程师。

Aurelio 是一款跑在自己电脑上的个人理财应用，可以理解为本地部署的记账加财富管理工具，数据全部存在本机，不上传云端。它能跟踪你的净资产、各券商和银行的现金、股票与 ETF 持仓、成本与分红，还能穿透查看基金实际持有的国家、行业和公司，同时管理房产、贷款、现金流和储蓄目标。AI 部分是可选的，通过 OpenRouter 调用模型，你可以直接用自然语言问它「这个 ETF 和我已有的持仓重叠多少」「该不该买某只股票」，它会基于你自己的数据回答，并把建议做成卡片等你确认后才改动记录。适合有较多投资持仓、想自己掌控财务数据又懒得用 Excel 手动维护的个人投资者和理财爱好者；如果你只是简单记账或对投资不感兴趣，这个项目和你关系不大。

DecisionPivot 是一套专门评测 LLM 系统中「决策模型」的诊断型基准。所谓决策模型，是指读入一个案例和带固定选项的问题、一次前向输出各选项概率的小模型，它们在系统里负责路由请求、拦截危险工具调用、校验生成结果、判断何时转人工。这个基准的核心玩法是构造「对比组」：同一案例出现两到四次，只改动一个决定性的细节（比如运费让总价刚好越过或没越过限额），答案就随之翻转。它用 pair accuracy 揭穿只看表面模式的模型——这类模型单题准确率能到一半，成对几乎全错。此外还报告 5% 错误率下能自动接管多少工作、置信度校准误差等指标，覆盖生成前可答性、安全护栏、生成后校验、Agent 循环等七类决策点。适合做 LLM 应用评估、Agent 安全与可靠性、模型选型的算法和评测工程师看；如果你的工作不涉及给 LLM 系统加决策/守门环节，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。

这是一个由买方机构和高校联合推出的股票投资研究基准，用来检验 AI Agent 能不能在不偷看未来的前提下完成真实的投资研究工作。它把模型关进一个「时间冻结」的环境：语料库只包含某个历史截止日之前发布的财报、电话会、研报、持仓和新闻，共 343 万份文档版本，任何检索和计算都无法越界拿到之后的信息。任务由资深买方研究员设计，覆盖机会筛选、证据核对、盈利预测、估值决策、观点更新到完整研报，以及价格和波动率预测，共 86 项。评分不只看报告写得像不像样，还拆开检查证据链、假设、计算是否自洽，并把预测和后来的真实结果、模拟收益分开打分——比如让模型预测 Tesla 某季度交付量，分析满分但预测全错照样拿不到分。适合关注 AI Agent 在金融场景落地能力的研究员、做 Agent 评测的工程师，以及想了解大模型投资研究真实水平的从业者参考。

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。