这是一个专门评测 AI Agent 在「保研咨询与申请规划」场景下表现的开源基准测试，由屿智同行与保研岛联合推出。它包含 70 道中文任务，分三类：21 道院校推荐题（看推荐是否贴合学生背景）、36 道规划决策题（看备考计划和风险评估是否可执行）、13 道两阶段题（中途给新信息，看 Agent 会不会及时修正建议），每题都有人工校准过的评分标准。目前已跑出 8 组「执行系统 + 模型」配置的排行榜，Codex + GPT Sol 6.1 以 79.08 分居首，Qwen、Kimi、Gemini 等组合分数在 55 到 68 之间。对做 Agent 产品或选型的人来说，这份榜单直接回答了「换哪个模型能提升咨询类任务质量」；如果你正在做教育、升学方向的 AI 应用，或者想给团队挑保研咨询 Agent，值得花十分钟看结果和任务设计。普通开发者若不涉及这类场景，关系不大。

Lampline 是一个在自己电脑上构建和测试 AI 电话客服机器人的开源工具，可以理解为 Dialogflow CX 的本地化替代加测试框架。它把电话机器人写成 YAML 和 Markdown 文件，用测试用例描述「来电者说什么、机器人该走到哪一步、必须或绝不能说什么」，然后自动跑测试并给出失败原因，还能让 AI 扮演来电者给真实通话打分。它支持导入导出 Dialogflow CX 和 CX Agent Studio 的机器人，也能通过 Twilio、Telnyx 或任意 SIP 中继接真实电话，底层基于 Pipecat。对做呼叫中心、IVR、语音 Agent 的工程师来说，最大的价值是能在改动上线前用自动化测试验证对话流程，还能接入 Claude Code、Cursor 等编码 Agent 自动修复失败用例。如果你不做语音客服或电话机器人，这个项目和你关系不大。

McPet 是一只跑在桌面上的 AI 桌宠，同时也是一个 MCP 服务：它能显示你正在跑的 Agent 会话状态和本机 token 用量，还能通过 MCP 接入麦当劳、瑞幸等日常工具。你可以右键宠物查优惠券、领券、生成订单、查取餐码，也能记录营养摄入、设置饭点和咖啡时间提醒；角色默认是 DeepSeek 娘，可切换 ChatGPT 娘并换装。它更像一个带陪伴感的 Agent 状态面板加生活服务入口，而不是严肃的运维工具。适合日常重度使用 LLM Agent、想随时盯会话进度和余额、又不介意桌面多个可爱挂件的开发者和 AI 从业者；如果你不跑 Agent、也不需要点外卖查优惠，它对你的价值就比较有限。

ResiMind 是一套神经符号 Agent 架构，核心思路是让模型或工具提出的每一步都先过独立校验器，通过了才算事实，失败的校验会把「还差什么」反馈给下一次尝试。它最典型的应用是代数：内置 MCP 数学工具和一个代数修复 Skill，能识别并纠正推理中看似合理但错误的步骤，还支持把验证过的解法提炼成可复用的规则存进记忆，下次遇到同类问题直接调用，知识在模型权重之外增长。除数学外，它还覆盖桥梁工程、约束优化、客服和开放式规划等场景，各自配了校验器；部分纯规则路径可以零模型调用运行。README 也坦诚说明目前代数能力限于有界有理多项式，MiniF2F 等基准成绩尚未公布。适合关注 Agent 可靠性、自我纠错与记忆机制的 AI 工程师和研究者，想给现有 Agent 加验证能力的人也能直接接入其 MCP 工具；普通后端或前端开发者关系不大。

这是一个麦当劳点餐助手 Skill，说一句「35 元，不辣，有糖可乐去冰，带走」，它就把预算、口味、取餐方式这些硬约束变成一份完整餐单（主食+小食+饮料），给出唯一答案和一张可复制的点单卡，照着在 App 或柜台点即可。它的核心价值是核价：金额只认官方 calculate-price 返回的整数分，菜单展示价若附带「随单购麦金卡」之类的条件会一并说明，避免你以为省了钱其实没省。README 实测同一餐两种点法差 12 元（24.7%），它会明确告诉你省在哪。预算不够时它直说没有方案并给出最低需要多少钱，不硬凑；也不会因为你钠含量低就擅自把有糖可乐换成无糖。只读不领券不下单不支付，Token 留在本机。适合预算有限、口味偏好明确、常点到店自取的个人或两人用餐者，以及想参考「只读 MCP 客户端+确定性比较」实现样板的开发者；对多数不点麦当劳或不关心点餐比价的人关系不大。

这是一个基于麦当劳中国官方 MCP 的 AI Skill，把点麦当劳这件事拆成四种玩法：修行录记录你的点餐习惯与卡路里，团餐指挥官帮多人聚餐快速凑单，隐藏菜单实验室探索官方 App 里不显眼的搭配，每日运势签则根据当天菜单给一个随机推荐。它本质上是给 Claude 这类支持 MCP 的 AI 助手加一层麦当劳业务能力，让模型能直接读取菜单、价格和优惠信息来回答你的点餐问题，而不是靠训练数据里的过时信息瞎猜。项目自带 187 个测试和离线演示，不连真实接口也能跑通流程，方便开发者快速验证效果。适合对 MCP 协议、AI Agent 落地场景感兴趣的工程师，或者想看看「官方 API + LLM」能玩出什么花样的人；普通用户和不碰 Agent 开发的后端同学关系不大。

这是一套给 DeepSeek 模型用的 Agent skills，目标是让便宜模型在 Claude Code、Cline、Codex 这类编程助手里表现得更像昂贵的前沿模型。它针对廉价模型的常见毛病——跳过规划、没跑就宣称修好了、在同一个坏点子上反复重试、长任务跑着跑着跑偏——每个 skill 用一个短循环加硬性停止条件来堵住，比如改完必须跑真实检查、失败两次就换思路、长任务靠进度文件在新上下文里接着干。它还提供并行多路尝试取最优、多模型评审、自动提 PR 和盯 CI 等玩法。适合日常用 DeepSeek 当编码执行者、又嫌它不稳的开发者，尤其是想在长任务和无人值守场景里省心的人；如果你不用 DeepSeek 或不玩 Agent 编程，关系不大。

这是一个麦当劳配餐决策 Skill，把「说话」和「算账」拆开：LLM 只负责听懂你说的「40 块以内，随便，不要辣」，之后所有价格、热量、优惠券判定都交给确定性代码，每个数字都能追溯到某次接口返回。它会在门店实时菜单上枚举 1881 种搭配，剪枝出可行解后给出省钱、均衡、放纵三档方案，并解释为什么淘汰了其他选项——比如「预算加到 48 元均衡档主餐不会变」或「你 6 张券当前一张都用不了，最近可用在 10.1 小时后」。控卡场景下热量和蛋白是硬约束，算不出就直说；多人拼单用 max-min 公平分配，把谁做了让步摆到台面上；还会基于历史订单算出带置信度的口味画像。适合写字楼午餐决策者、控卡健身人群、券的持有者和拼单组织者；只想快速下单的人用官方常点更快，它只做决策不下单。

Doc2Harness 是一个评测基准，衡量的不是模型写代码补丁的能力，而是模型能否从零搭建出一个能用的 coding agent 本体（即 harness）。它分两步：先让被测模型在隔离容器里根据开发文档和接口骨架实现完整 agent，再冻结该实现，用脚本化的 mock 模型端到端驱动，观察模型请求、磁盘文件、退出码、命令输出四类信号来判定通过与否，并用正向对照排除“空过”。场景覆盖文件读写、权限约束、会话状态、无头运行、协议层、终端交互、启动安装等九类。榜单显示 19 个前沿模型最高通过率仅 53%，说明即便最强模型也近半失败。适合关注 agent 工程质量、做 coding agent 产品或模型评测的研究与工程人员；普通后端或应用层开发者关系不大。

qgpu 是一个实验性项目：在 Qwen3.5-2B 的权重里直接塞进了一块 SIMT GPU——45 层编译出来的 transformer 排在 Qwen 自己 24 层之前，用 Gated DeltaNet 层的循环状态充当寄存器和显存。它不是插件也不是模拟器，模型自己逐 token 写出每次 CUDA kernel 启动的每一步，从分支、循环到 atomicAdd 和 warp shuffle 都能跑，参考解释器在 49 个测试 kernel 上与真实 NVIDIA Tesla T4 结果完全一致，而文本能力几乎不受影响。聊天时问它一个计算，它会现场编译 CUDA 到 PTX、降级成机器块，再由模型自己把每条指令的执行结果写出来，旁边还有面板实时显示 warp 调度和流水线。这更像一个展示「transformer 能当通用计算机器」的研究玩具，适合对模型内部机制、循环注意力或 AI 计算极限好奇的研究者和工程师；想实际做数值计算的人用不上它。

YominPost 是一个自托管的 AI 社交媒体工作台，可以理解为开源版的 Postiz：你把一份素材丢进去，它自动改写成 X、LinkedIn、Instagram、Telegram 等每个平台各自地道的帖子，再经过风控检查、排期并真实发布。它不只是改写文字，还会按平台规则决定该发短文、thread、图文还是短视频，对草稿自我打分重写，并在发布前拦截提示词泄露、诱导互动、标签堆砌、重复内容和过密发布节奏这些容易导致账号被限流的行为。它通过 OAuth 真实连接各平台，也提供 Web 界面、CLI 和 MCP server，可接入 Claude Code、Cursor 等 Agent 使用，但发布动作始终需要人工在界面上确认。适合做海外多平台运营的市场、增长和自媒体从业者，尤其是想把 AI 写稿到发布串成一条流水线、又不想把账号 token 托管给第三方 SaaS 的人；只发单一平台或不涉及内容分发的工程师关系不大。

这是一个基于麦当劳中国 MCP 的点餐前体检工具，主打「下单前 30 秒算清热量、复购与券浪费」。它会读取你准备点的餐品，结合营养数据估算这一餐的热量，判断你最近是否在重复点同一家店的同款，并提醒你手里的优惠券是否被浪费——比如为了凑单多花的钱其实比不用券还贵。适合那些既想控制饮食、又不想被麦当劳的营销套路牵着走的上班族：中午打开点餐页犹豫不决时，让它快速给个参考，比自己翻营养表和算券规则省事得多。对多数互联网从业者来说，这更多是个有趣的生活小工具，和工作关系不大；但如果你在做 MCP 生态或 AI Agent 应用，看看它怎么把 MCP 工具串成一个有实际消费决策价值的场景，倒是有参考意义。

这是一个基于麦当劳中国官方 MCP Server 构建的 AI 助手 Skill，把领券、点餐、外送、派对预约、积分抽奖等 35 个接口串成 7 条完整工作流，让 AI 能在你的真实账号上安全跑完「从领券到下单」的全流程。它的核心价值在于解决「能调用 ≠ 会用」的问题：点餐链路上每一环的参数都必须来自上一环的返回值，项目把踩过的坑固化成 14 条硬约束，比如下单前必须算价并让用户确认、抽奖前先看消耗明细、绝不臆造商品编码、积分抽奖会溢出即将过期的积分时直接拒绝执行。它还附带一个零依赖的命令行通道，不接 AI 客户端也能用。对做 Agent 编排、MCP 集成的工程师来说，这是一个很好的「如何给有副作用的工具链加安全护栏」的参考实现；普通用户如果只是想点个麦当劳，直接用官方 App 更省事。

这是给 Hermes Agent 用的插件，让你给主 Agent 配一支固定的「子代理团队」：比如一个 reviewer、一个 scout、一个 test-writer，每个都有自己的指令、工具集和模型。主 Agent 派活时只选名字，具体含义由你在配置里定，不用每次重写任务简报。它能并行派多个子代理干活，中途不打断就能给正在跑的子代理发消息纠偏，还能带着前次任务的上下文做后续追问，每次运行的结果都记在本地账本里。另外它提供一个 Kanban 的 teammates 泳道，卡片派出去后自动认领、跑完进 review 或标 blocked，适合把任务交接流程化。适合已经在用 Hermes 做任务委派、希望每次都是同一批「专家角色」且要留痕的 AI 应用工程师；如果你要的是带门禁和扇出的 DAG 工作流，它明确说不适用。对不碰 Hermes 的人基本无关。

decision-cascade 是一个本地运行的决策引擎，思路是不让 LLM 生成自由文本，而是把状态编码成特征后由专门的决策头直接输出三种类型化结果：是/否（Noul）、选项（Choice）、分数（Score），每个答案都带概率分布和置信度，可校验、可校准（内置 ECE/Brier 指标）。相比让模型「想一段话再回答」，它没有自回归生成，延迟低且确定，一次前向就能并行处理多个问题。它对标付费 SaaS 产品 Jev，但完全开源、数据不出本机，还支持用自己领域的标注数据微调决策头（SFT + RLCD）来优化校准质量，并兼容 Cloudflare Clef、Perplexity 等项目共用的 SystemOne 协议，可当网关转发。适合需要在产品里做可审计、可校准的分类或打分决策、又在意隐私和成本的后端/AI 工程师；项目尚在 beta，开箱权重是随机的，需要自己标注训练，只想拿现成模型直接用的人会失望。

这是一个把研究选题变成论文初稿的多智能体流水线，核心卖点是「不信任写作者」：它先从 OpenAlex、Crossref、Semantic Scholar、arXiv 检索真实文献并尽量抓取开放获取全文，再强制初稿里每条引用只能指向这个文献池中的论文，最后做三重校验——引用键能否解析、DOI 和元数据是否与真实记录一致、被引论文是否真的支持这句话（有全文时还会标出最匹配的段落页码）。除了写稿，它还生成证据表、做创新性诊断（指出最接近的已有论文和审稿人最可能的质疑）、模拟三位不同侧重的审稿人独立评审，并支持中英文写作与 GB/T 7714、APA 等引用格式导出。每个阶段都设有人工审批闸口，也可全自动跑完。对需要写文献综述或论文初稿、又担心 LLM 编造参考文献的研究生、高校科研人员和企业研究岗来说值得一看；只是想快速查文献或做普通写作的人关系不大。

Sparky 是一个完全跑在本地 Windows 电脑上的私人 AI 助手，可以理解为把 ChatGPT、ComfyUI、Whisper 和一个本地 RAG 知识库打包成一个桌面应用，数据默认不离开你的机器。它能聊天、看图、给文档（PDF、Office、代码）建索引并带编号引用地回答问题、联网搜索（默认关闭）、生成图片和带同步音轨的视频、离线语音听写与朗读，还能在聊天旁边实时写代码和多文件项目并预览。更进一步的是 Computer mode，它能浏览文件夹、截图、读写文件、执行 PowerShell，安全等级由你逐会话设定，敏感操作会弹审批卡片；也支持接入 MCP 工具和定时任务。适合对隐私敏感、想在无网或内网环境用大模型的个人开发者、研究者和办公用户，以及想本地跑 LLM 做 RAG、图像视频生成的 AI 爱好者；如果你只用云端服务、不关心数据出境，那它和你关系不大。

这是一个 QQ 群消息降噪与待办提取工具：通过 NapCat（OneBot v11）只读接收白名单 QQ 群的新消息，用本地规则加可选 LLM 过滤闲聊，只把明确的通知、待办和紧急事项摘要后推送到微信（WxPusher 等十余种通道），并自动解析群里转发的 PDF、Office 文档和截图，跨群去重同一条通知。它自带手机端 PWA 待办台，能按截止时间、紧急/学业标签管理任务，还支持日历导出、时间冲突检测和模型用量成本统计。官方演示里，一个日均 500 条消息的假群最终只推送 30 次通知、生成 62 项待办。适合被班级群、工作群轰炸到看不过来的人，尤其是需要从群聊里捞截止时间和通知的学生、班主任或团队协调者；如果你的 QQ 群本来就不多，和你关系不大。

这是一个教学用的可视化工具，把 AI Agent 聊天框背后那个「模型提议动作、框架执行、再喂回结果」的循环逐步画出来，连模型生成的每个 token 都能实时看到。它内置了简单的 harness，可以跑本地的 Gemma 4 E2B 或 Qwen3.5 小模型，也能接入 pi 这类编码 Agent 当 harness，让你对比不同模型的工具调用格式、思考 token、停止条件和采样温度差异。页面还支持给模型挂图片、音视频附件，以及一个在 Docker 沙箱里跑 Python 画图的工具。想搞清楚 function calling、ReAct 循环、人类在环确认、MTP 投机解码到底怎么运作的工程师和 AI 学习者，会从中看到比读论文更直观的机制；只想用 Agent 干活的人则不必看。