OpenCode 是一个开源的终端编码 Agent，可以理解为 Cursor、Claude Code 这类 AI 编程助手的开源替代品，用 TypeScript 写成，同时提供命令行和桌面应用两种形态。它内置两个可随时切换的 Agent：build 负责实际动手改代码、跑命令，plan 则是只读模式，只做代码分析和方案规划，执行命令前会先征求许可，另外还有一个能处理复杂多步检索任务的 general 子 Agent。典型场景是接手一个不熟悉的大型代码库时，先用 plan 模式摸清结构、规划改动，再切到 build 模式落地实现，避免 AI 直接乱改文件。适合日常需要写代码、做代码审查、频繁探索陌生仓库的后端、全栈和 AI 应用开发者；如果你的岗位基本不碰代码，这个项目和你关系不大。

caveman 是一个给 coding agent 用的省 token 技巧加代理工具，核心思路是让 AI 像原始人一样说话：能省的词全省，但代码和关键信息一字不动。它给 Claude Code 等 30 多种 agent 提供一套「原始人语音」规则，让回复先给结论、一句一个意思、砍掉寒暄和复述，实测能把整轮会话的输入 token 砍掉三成以上，输出也更短，而答案质量基本不变——JetBrains 的 A/B 测试显示没有可测量的质量下降，Adobe Research 和 Elasticsearch Labs 也各自验证过成本下降。它还提供几档激进程度不同的口令，从正常简写到中英混杂的极简模式，用户按需选择。适合每天重度使用 Claude Code、Cursor 等 agent、被 token 账单和上下文长度困扰的工程师，以及关注 prompt 工程和 agent 成本优化的人；如果你不常用 AI 编程工具，这项目跟你就没什么关系。

CodeGraph 是一个本地运行的代码知识图谱工具，可以理解为给 AI 编程助手配的「代码结构导航员」。它会预先扫描你的项目，把函数、类、调用关系、跨文件引用整理成一张图，并在代码变动时自动同步更新，保证索引始终是最新的。它通过 MCP 接入 Claude Code、Cursor、Codex、Copilot 等主流 AI 编程工具，让模型在回答问题时直接拿到精准的跨文件上下文，而不是靠反复搜索和读文件来猜，从而显著减少 token 消耗和工具调用次数。对日常用 AI 助手改代码、排查跨模块问题的工程师来说，这能直接改善响应速度和准确性；它还支持框架感知的路由和 iOS/React Native 混合项目的桥接分析。如果你的岗位是重度依赖 AI 编程工具的后端、全栈或移动端开发者，尤其项目较大、跨文件调用复杂，值得试一下；不常用 AI 编程助手的人则关系不大。

这是一套给 AI 编程助手用的「工程规范包」，把资深工程师在开发全流程中的工作习惯——从需求拆解、写规格、实现、测试、代码审查到上线——固化成 25 个结构化的 skill，让 Claude Code、Cursor、Codex 这类 AI 编程工具在干活时按统一的流程走，而不是想到哪写到哪。每个 skill 都包含具体步骤、验证关卡和「反自我合理化」清单，专门用来防止 AI 偷懒跳过测试或给自己的烂代码找借口。比如拿到一个需求后，它可以先把 spec 拆成带验收标准、排好依赖顺序的小任务，再逐个实现并验证。适合已经在用 AI 编程工具、但苦恼于生成代码质量不稳定、需要反复返工的工程师和团队技术负责人，尤其是想在存量代码库里逐步引入规范的场景；如果你不用 AI 写代码，这项目和你关系不大。

这是一套给 Claude Code 和 Codex 用的代码动画风格素材包，内置 341 份风格提示词和 196 张参考静帧，涵盖粒子、霓虹、水墨、剪纸、漫画、电影感等 10 个系列，装成 Agent Skill 后助手能按需检索风格、规划镜头并写出带动画的 HTML，再通过附带工具逐帧导出 MP4。比如想做一条讲「为什么下雨」的 30 秒科普短片，可以让助手先给出几个带编号的候选风格并说明动法，选定后交付可编辑 HTML 和成片；做新年片头、赛博城市片头或漫画短片也是同样流程。仓库还带一个可离线打开的风格挑选器，能搜索、筛选、放大图片并导出已选清单，不必把整个素材库塞进上下文。适合需要快速产出短视频、片头、动态图形的前端、创意开发和内容团队，以及在 Claude Code／Codex 里做视觉类任务的人；只想查风格不装渲染依赖也能用，纯做后端或与视觉无关的岗位关系不大。

这是 Theo（t3dotgg）日常在 Claude Code 和 Codex 里使用的一套 agent skills 合集，本质是给 AI 编程助手预设的「工作流剧本」。比如 full-send 一句指令就能让 agent 自己验证改动、审查、提交 PR、盯 CI、处理 review 意见直到合并；council 会拉三个不同厂商的模型交叉评审同一改动，反复循环直到意见一致；babysit 则专门盯住 PR 的 CI 和机器人审查，把真正的问题修掉；takeover 能接手别人没写完的 PR 或 agent 会话并保留原作者署名。这些 skill 之间还能互相调用，形成从写码到合并的完整自动化链路。适合已经在用 Claude Code、Codex 这类 agent 工具做日常开发、想减少 PR 流程中机械劳动的工程师，尤其是频繁提 PR、盯 CI、做 code review 的后端和全栈岗位；如果你不用 AI 编程助手，或不涉及 GitHub 协作流程，关系不大。

OpenDesign 是一个把设计协作和 AI 编码 Agent 揉在一起的本地优先工作区，可以理解为「Figma + Claude Code」的开源合体版。你先写一段设计需求，再让 Claude Code、Codex、Cursor 或 DeepSeek 这类编码 Agent 直接在项目里生成符合自家设计系统的原型、网页、仪表盘、演示文稿，甚至动效视频和图片，团队成员能在同一工作区里评论、反馈，再让 Agent 按意见继续改。它自带设计系统模板、技能插件和 MCP 接口，也支持 BYOK 自带模型。适合产品设计师、前端工程师和需要快速出原型的独立开发者，尤其是想把 AI 生成结果纳入团队设计流程的人；纯后端或不碰 UI 的岗位关系不大。

ub-mode 是给 AI 编程助手用的一套「工程纪律」技能包，作者是《Clean Code》的 Robert C. Martin（unclebob）。它不生成代码，而是约束 AI 写代码时必须遵守的规矩：先让功能跑通、再重构干净、最后持续练习，比如要求先写测试再写实现、修根因而非打补丁、小步提交等。真正让它落地的是配套的几个确定性质量门禁工具：crapper 计算每个函数的圈复杂度和 CRAP 分数并卡在阈值内，dryer 检测结构重复，mutator 用变异测试暴露没测到的代码，uml-viewer 可视化这些指标。适合正在用 Claude Code、Cursor 等 AI 编程工具、又苦恼于 AI 产出代码质量不稳定的工程师和团队技术负责人，如果你不用 AI 写代码，这个项目和你关系不大。

Floorplan 是一个让 Claude Code 或 Codex 读完你的代码库后，自动生成一张可交互、全英文大白话的架构地图的工具。它把每个模块、文件、接口都起成人能看懂的名字（比如「结账时收信用卡」而不是「Stripe API wrapper」），并画出它们之间的真实连线，包括前端请求对应哪个后端接口，甚至跨仓库也能对上。除了看图，你还能直接向地图提问，比如「退款是怎么打到用户卡上的」，它会给出答案加一张只含相关部分的小地图和分步讲解；它还带健康检查，能揪出 AI 写的应用里常见的坑：硬编码的密钥、开放的 Supabase 表、可伪造的 Stripe webhook、没鉴权的接口。最适合两类人：一是大量借助 AI 搭应用、但没耐心读代码的独立开发者或 vibe coder，用来搞懂自己到底做出了什么；二是团队里负责新人 onboarding 或者要盯住 AI 每次改动影响了哪些部分的人。如果你是逐函数研究大型代码库的工程师，它反而偏粗粒度，不如专门的代码理解工具。

Codex 是 OpenAI 官方开源的终端编码 Agent，用 Rust 写成，可以理解为 Claude Code 的同类产品。你在命令行里用自然语言描述需求，它会自己读代码、改文件、跑测试，完成一整套开发任务，比如「把这个函数的报错处理补全」「给这个模块加单元测试」「把这段逻辑重构成异步」。它也提供 IDE 插件和桌面应用形态，登录 ChatGPT 账号即可使用，Plus 及以上套餐都能用。对后端、全栈等日常写代码的工程师来说，如果你已经在用 Cursor 或 Claude Code 这类 AI 编程工具，Codex 值得对比试一下；纯管理岗或不写代码的读者关系不大。

这是博客文章《Sparks of Weight Space Programming: LLMs can understand and write neural network weights》全部实验的完整日志存档，记录了让 LLM 直接读写神经网络权重的一系列尝试。八个实验覆盖了从简单到复杂的场景：让模型只看权重判断网络是玩 Breakout 还是 Pong 训练的、判断扩散模型生成的是圆形还是方形、从中间层判断语言模型学的是 Python 还是英文、直接编辑权重修复一个坏掉的网络、从零写出 MinAtar 游戏网络、写一个 150 万权重的 Go 网络、识别谄媚的语言模型，以及用改权重的方式提升 Qwen3.5-0.8B 的数学能力。每个实验都完整保留了发给模型的提示、模型的回复与推理摘要、它写的代码及运行输出、评分依据和涉及的网络文件，且全程禁用 Codex 的内置工具，仅在少数实验里允许跑沙箱 Python。对做 LLM 能力研究、想了解「权重空间编程」这条路线真实效果和边界的算法工程师和研究者来说，这是难得的可复核一手材料；不关心模型内部机制的人则不必看。

Claude Code 是 Anthropic 官方推出的终端 AI 编程助手，可以理解为 Cursor、GitHub Copilot 那类工具的终端版：你用自然语言下达指令，它会读懂整个代码库并直接动手改代码。它能执行重复性的日常任务、解释难懂的复杂代码、自动处理 git 提交与分支流程，也能在 IDE 或 GitHub 上以 @claude 的方式协作，还支持插件扩展。对日常要写代码、改 bug、做 code review 的工程师来说，它把「查代码、改代码、提交代码」这类琐事交给 AI 代办，省下大量上下文切换时间。适合后端、全栈等经常在终端里工作的开发者，尤其是已经订阅 Claude 服务、想把 AI 融入日常开发流程的人；如果你不写代码，这个项目和你关系不大。

OpenSpec 是一套给 AI 编程助手用的「规格驱动开发」流程框架，简单说就是让 AI 在动手写代码之前，先把需求、方案和任务清单用纯 Markdown 写清楚，你审完再执行。实际用起来是这样的：你想加个暗色模式，先跟 AI 探讨方案，确认后它会生成一份变更提案，包含为什么做、具体需求场景、技术方案和任务清单，你看过没问题再让它逐条实现，做完归档，规格同步更新。它解决的痛点是 AI 编程助手容易跑偏、改着改着忘了原始需求，团队里多人多 Agent 协作时需求更是各写各的。它还支持把规格存到独立仓库共享，让平台团队维护需求、产品团队只读引用，跨多个代码仓库也能对齐。适合日常用 Cursor、Claude Code 这类 AI 编程工具的开发者，尤其是需要管理复杂需求、多人协作或维护存量项目的工程团队；如果你只是偶尔让 AI 写几行代码，关系不大。

这是一个给 Claude Code、Codex、Cursor 等支持 skills 的 AI Agent 用的技能包，作用是让你用一句话描述技术栈，它就生成一张带官方 logo 的架构图。比如你说「Next.js 和 Hono API 部署在 Vercel，Postgres 用 Neon，支付走 Stripe」，它会自动从 svgl、devicon 等来源抓取各家官方图标，画出组件关系和连线，连线会绕开文字标签，不会出现箭头穿过文字的尴尬。产出物是一个自包含的 HTML 文件，字体和 logo 全部内联，不联网也能正常渲染，同时还能导出 PNG 或生成无依赖的 React 组件，方便放进 wiki、仓库或 Claude Artifact 分享。它支持 AWS、Google Cloud、Azure 各自的官方图标包，也覆盖 pnpm、Turborepo 这类开发工具链的绘制。适合需要频繁画系统架构图的后端工程师、架构师和写技术文档的人，尤其是已经在用 AI 编程助手、不想再手动拖 Visio 或 draw.io 的场景；如果你平时不画架构图，这个项目和你关系不大。

这是一个给 Claude Code 和 Codex 用的代码审查 skill，核心卖点是让 AI 的 code review 变得可审计：它会跑四个独立的探针，分别检查行为、测试、规则和影响面，每条发现都必须附带具体位置、涉及的契约或代码路径以及严重级别，缺证据的结论直接不算数。它只做静态分析，读 diff、周边源码、测试和项目规则就能工作，不需要构建或跑测试，也不会改动被审查的代码，最后的合并门禁结论由机器可读的 JSON 生成，避免模型自己复述自己的判断。适合在 PR 合并前想拿到一份结构化、可追溯审查报告的工程团队，尤其是已经在用 Claude Code 或 Codex、希望把 AI 审查纳入流程的后端或全栈开发者。不过作者自己也说明它不能替代测试、CI 和人工审查，对并发缺陷的检测尚未验证，如果你只是想找一个能自动把关的工具，它更像辅助而非兜底。

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。

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。

TokenEconomizer 是微软研究院和 UC Berkeley 联合推出的 Claude Code、Codex、GitHub Copilot CLI 等编码 Agent 插件，作用是给已经在跑的 Agent 省钱，不改 Agent 本身。它从你在同一仓库的历史会话里学习：把反复踩到的坑（比如必须先跑的构建步骤、这个仓库里能用的命令写法）沉淀成 Micro-skills，下次会话开场直接告诉 Agent，避免每次重新摸索；把长期没被调用的工具从请求里剔除，减少每轮都在发送的工具定义开销；当某一轮反复撞同一个错误时，用一个判断模型介入并给出转向提示，防止死循环烧钱。论文在 SWE-Bench 上测得平均成本降低 18.4%–30.9%，且多数组合下任务通过率不降反升。经常用 AI 编码助手在固定仓库里干活、又在意 API 账单的开发者值得看；如果你只是偶尔用一次 Agent，或者不负责控制 AI 编码成本，和你关系不大。

dsh-ops 是一个 DSH 插件，作用类似给 AI 编程助手换一套更省 token 的底层工具：它新增一组 ops 系列工具，同时隐藏部分官方工具，让模型在执行文件读写、Shell 命令等常见操作时返回更紧凑、带行号或结构化 JSON 的结果，从而减少报错循环和调用轮次。它还提供动态工具加载机制，按需加载 pdf、word 读取、批量文件修改这类高级能力，避免系统提示词膨胀；PTC 模式下另有 18 个 API 的 SDK，帮 AI 少写 TypeScript 代码。适合日常重度使用 DSH、对 token 成本和任务耗时敏感的 AI 编程工具用户，尤其是需要频繁批量处理文件或在 Windows 上跑 Bash 的人；如果你不用 DSH，这个项目和你关系不大。

这是一个围绕 Claude Code 的精选资源导航站，相当于 Claude Code 生态的 awesome-list：作者人工挑选了各类值得用的技能包、子代理、状态栏、插件和开发工具，并按用途分成几十个板块。它解决的是「Claude Code 装好之后不知道还能怎么玩」的问题——比如想给它加个显示 token 消耗的状态栏、找现成的 skills 来提升代码质量、接入通知和语音、做多代理编排，或者查成本监控和可观测性方案，都能在这里直接找到现成项目和教程，省去自己翻社区的时间。对已经在用或准备深度使用 Claude Code 的工程师、AI 应用开发者来说，这是个高密度的入口清单，适合收藏后按需翻查；如果你不用 Claude Code，或只是想找通用 LLM 资源，那和你关系不大。

reanimate 是一个 Claude Code 技能，专门用来复刻别人网站上的动画：它先用无头浏览器把参考站点的动画逐帧录下来，提取出每个元素每个属性的起止值、时长、缓动和错峰，再用你项目里已有的技术栈（CSS、Framer Motion、GSAP、three.js 等）重写一遍，然后以同样方式录制你的复制品，逐帧比对时间、缓动和像素差异，把最大的偏差修掉再录，通常 2 到 5 轮就能把数字对齐，最后列出仍未匹配的部分和原因。它解决的是让 AI 从链接或截图重建页面时「只看静态、看不见动效、也不知道差多远」的老毛病，README 里展示了 vercel.com、stripe.com、nextjs.org 等站点动画的复刻结果。适合前端和动效工程师、以及经常用 AI 编程工具做高还原度落地页的开发者；如果你的工作不涉及精细动画复刻，和你关系不大。

rtk 是一个用 Rust 写的命令行代理，专门给 Claude Code 这类 AI 编程 Agent 省 token。它夹在 Agent 和 shell 之间，把命令输出先压缩过滤一遍再喂给模型：ls 变成带文件计数的树状结构，git log 只留哈希、作者和标题，pytest 只保留失败用例、通过的折叠成一个数字，grep 匹配按文件分组并截断超长行，覆盖 100 多种常见开发命令，额外开销不到 10 毫秒。实测能把 bash 输出砍掉 60-90%，但 README 也坦白说这只是输入 token 的一部分，账单不会等比例下降，且 token 数按字节除以 4 估算，绝对值仅供参考。适合每天重度使用 Claude Code、Cursor 等 Agent 跑大量构建、测试、git 操作的开发者，尤其是被上下文窗口和 API 账单卡住的人；如果你只是偶尔让 AI 写几行代码，或者不依赖 CLI 型 Agent，跟你就没什么关系。

agent-purge 是一个本地提示词管理工具，让你写一份「人设」（system prompt），统一同步给 Codex、Claude Code、OpenCode、pi、Grok 等多个 coding agent，类似给所有 AI 编程助手配一个共享的系统提示词配置中心，带本地 Web 控制台可视化编辑。它解决的麻烦是：你如果同时用好几个编码 agent，想让它们都用同一套协作规范（比如「用简体中文、先结论后依据、改代码前先读实现」），就得挨个改配置，而这个工具可以一键替换或追加到各宿主的提示词入口，还能按执行器单独指定不同人设，支持替换、追加、严格覆盖等模式，变更可追溯可撤销。适合同时重度使用多个 coding agent、对 AI 输出风格有统一要求的工程师，比如想让团队内所有 AI 助手遵循同一套代码规范的后端或全栈开发者；如果你只用单一 agent，或者不关心 system prompt 定制，关系不大。

Context7 是给 AI 编程助手实时喂官方文档的工具。大模型写代码时经常凭训练数据编造不存在的 API，或者给出过时版本的示例，Context7 会从源头抓取指定库的最新、带版本号的文档和代码示例，直接塞进 Cursor、Claude Code 这类编码 Agent 的上下文里。比如你让 Agent 用 Supabase 做邮箱注册，它会自动匹配对应版本的 Supabase auth 文档，而不是瞎编接口。它支持 MCP 和 CLI+Skills 两种接入方式，也能在 prompt 里用斜杠语法指定具体库和版本来跳过匹配步骤。对日常用 AI 写代码、经常被幻觉 API 坑的开发者来说很实用；不写代码或不用 AI 编程工具的人则关系不大。

这是一个用大模型自动分析自选股的系统，覆盖 A股、港股、美股、日股、韩股、台股和 ETF。它每天抓取行情、K线、技术指标、新闻、公告和基本面数据，交给 LLM 生成一份「决策仪表盘」：给出核心结论、评分、趋势判断、买卖点位、风险警报和操作检查清单，再自动推送到企业微信、飞书、Telegram、Discord、Slack 或邮箱。除了每日定时报告，它还带一个 Web 工作台，支持手动分析、历史报告查看、回测和持仓管理，并内置 15 种策略（均线、缠论、波浪、事件驱动等）的多轮问答 Agent，可以像问分析师一样追问某只股票。数据源默认用 AkShare、Baostock、YFinance 等免费接口，配合 GitHub Actions 可以零成本定时运行，不需要自己买服务器。适合有自选股、想每天快速过一遍多市场持仓风险的个人投资者，以及想研究 LLM 在金融分析场景落地的开发者；纯技术岗、不炒股的人关系不大。