sapper 是一套多智能体编排框架，把多个 AI 组成一支分工协作的「军团」：一个 AI 指挥官读全局、做决策、派任务，将军和士兵并行进攻，另有看门狗负责保活，所有经验沉淀进分层的事实-意图图，个体挂了图还在。它不绑定任何模型或 CLI，指挥官、士兵、侦察兵可以各自换用 Claude Code、Codex、DeepSeek 等不同 agent 和模型。该项目专为腾讯智能攻防挑战赛这类 CTF 竞赛设计，曾在 634 支队伍、8 小时无人值守的比赛中夺冠；其通用底座 nvwabase 已独立开源，可复用于办公、科研、工程等任何长周期多智能体协作场景。适合关注 Agent 编排机制、多智能体记忆与自愈机制的 AI 应用和平台工程师，以及想把长任务拆给多个 AI 并行推进的从业者；纯做模型训练或单点推理的人关系不大。

Harness² 是 Google Research 开源的 Agent harness 自优化框架。所谓 harness，就是模型外面那层让它能干活的系统——提示词、工具、记忆、子 Agent、技能等，Harness² 把这些拆成八个可编辑组件，在不改模型权重的前提下自动改进它们。它解决的是开放世界问题：Agent 遇到设计时没见过的任务怎么办？框架用「提出—探测—组合」三步，先生成几版 harness 改动，在同一任务上跑出行为差异，再据此合成更优版本，全程不需要标准答案；同时把每次学到的经验沉淀下来，指导下一次优化。在 JobBench、LAB、WorkBuddy-Bench 三个职业类基准上，单步优化就能让 GLM-5、Gemini 3.5 Flash 相对基础 harness 提升最多 11.8 个百分点。值得看的是做 Agent 应用、Agent 评测或 prompt 工程的工程师，尤其是需要让 Agent 稳定完成法律、办公、代码等专业任务的团队；只做模型训练或纯后端开发的人关系不大。

这是一个给 Codex、Claude Code 等 AI Agent 用的家谱研究技能包，把 Agent 变成一位严谨的家族史调查员，专门查前苏联、苏联和俄罗斯帝国时期的档案：教会簿记、民事登记、军事档案、流放与镇压文件，以及未编索引的扫描件。它覆盖全部 15 个前加盟共和国，会按事件发生时的历史辖区（而非今天的地图）定位档案馆，处理革命前俄语、乌克兰语、波兰语、意第绪语等多种姓名变体和转写。核心价值在于证据纪律：每条结论都带可解释的状态（假设、单源、多源印证、矛盾、未决），同一份记录的副本和镜像被归入同一独立性分组，绝不重复计为独立佐证，同名者在缺乏区分证据前保持独立身份。适合有寻根需求、想让 AI 系统性查证家族史的个人，以及做东欧历史、档案研究的学者；对多数互联网和 AI 从业者关系不大。

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。

Autopilot 是一个给游戏用的 AI 自动测试系统，由 Aura 团队开发，可以理解为「会自己玩游戏的 QA 测试员」。它接入 Unreal Engine 5、Unity 6、Godot 4 项目后，能自主学习游戏机制、探索关卡地图，并在一次次运行中越玩越好。实际场景是：游戏团队不用再靠人工反复跑图找 bug，让 Autopilot 自动把关卡走一遍，暴露卡关点、碰撞问题或流程漏洞，尤其适合关卡多、迭代快的项目。它支持 Windows 和 macOS，可绑定 Aura 账号统一管理用量，也允许自带模型密钥。对游戏开发工程师、技术美术和 QA 负责人来说，如果正苦恼于重复性 playtest 拖慢迭代节奏，值得花几分钟看看；纯后端或 AI 应用方向的从业者则关系不大。

NamiAgent 是一套中文的 AI Agent 入门教程，同时也是一个真能在本地跑起来的最小 Agent：从 100 行的 while 循环开始，一课加一个能力，依次讲清工具调用、权限确认、上下文管理、Skills、MCP、子 Agent、计划和长期记忆，最后拆解 Claude Code、Codex 等主流产品是怎么做的。它自带网页端，左边显示模型每一步的思考和工具调用，右边显示发给模型的完整上下文，能直观看到上下文如何一圈圈变长；写文件、跑命令前会弹窗让你确认。每课都有可独立运行的代码快照，测试用假模型跑，不花 API 费用。适合想搞懂 Agent 到底在上下文里做什么的后端、算法和全栈工程师，以及准备自建 Agent 的团队；只想调用现成 Agent 产品的人关系不大。

Pestinha 是一个养在桌面上的虚拟宠物，类似早年的桌面宠物或 Tamagotchi，但它的行为由一个 470 神经元的脉冲神经网络驱动，完全本地运行、不依赖云端。它能感知你在用哪些窗口：你写代码时它会搬出小笔记本坐在旁边陪你干活，无聊时会往屏幕上贴 meme 和便利贴，被你长时间忽略会躲到角落贴小纸条，生气了会举着标语对光标抗议甚至罢工，摸摸它则会开心并把这份好感记进本地记忆，久而久之性格真的会变。目前有两个角色：爱闹脾气的 Bryan 和讽刺理财教练文化的 Jorge。适合想找点桌面陪伴感、又对「小神经网络如何驱动行为」好奇的开发者和 AI 从业者，当作一个轻松的本地 Agent 实验品来玩；只想正经干活的人可以跳过。

Claude-Guardian 是一个给 Agent 用的 Skill，专门帮用户把 Claude 订阅的使用环境准备好、降低封号风险。它会先了解你的设备、账号历史、网络环境和预算，再给出本机、虚拟机或 VPS 三条路线的个性化方案，内容覆盖固定出口 IP 的选择、注册与养号节奏、支付方式风险、防火墙与整机统一出口配置、线路优化，以及遇到 403/429 等故障时的排查思路。比如你第一次在 Mac 上订阅 Claude，它可以对比本机和 VM 两条路线的代价，再一步步带你检查网络是否泄漏、代理是否严格路由。操作按风险分三档授权，涉及付款、账号和防火墙改动时必须你本人确认。适合正在准备或维护 Claude 订阅的开发者、想在 VPS 上跑 Claude Code 的用户，以及被封号问题困扰的人；如果你不用 Claude，这个项目和你关系不大。

iPhone Use 是一个让 Codex、WorkBuddy、豆包等 AI 助手通过 USB 线操作你真实 iPhone 的工具，可以理解为手机端的 computer-use 方案。你在电脑上用自然语言下达任务，助手就能打开 App、读取页面控件、点击、滚动、输入中文长文本，还能在侧边栏实时显示手机屏幕，控件定位失败时会看截图改用坐标点击。它基于 WebDriverAgent 通信，内置本地 MCP 服务，针对微信导航做了看图点击优化，也支持把手机里的图片视频传回 Mac。适合想让 AI 代劳手机重复操作的场景，比如批量整理备忘录、在列表里搜索采集信息、自动填写表单。不过首次配置需要在 Mac 上用完整 Xcode 给 WDA 签名，门槛不低，更值得 iOS 自动化开发者、做 Agent 落地的工程师以及想探索 computer-use 边界的从业者看看；普通用户和多数后端、算法岗位关系不大。

这是一套给 Claude 用的创业前测试工具包，包含十一个免费 skill，相当于在你砸钱之前先雇了一个董事会、一个营销总监、一个 CFO 和一个由 100 个买家 agent 组成的消费者陪审团。董事会用 Hormozi 的 Offer、Thiel 的垄断和 Jobs 的产品三套框架给你的点子打分并投票；消费者面板会按目标客户画像生成一百个有各自收入、习惯和异议的模拟买家，统计谁会买、谁不会、为什么；CFO 负责单位经济，算出单笔贡献、真实利润率、每日盈亏平衡和首年逐月现金流；还有竞品侦察、定价策略、品牌命名、运营清单等角色，最后汇总成一份带结论的商业计划。它适合正在验证创业点子的独立开发者、产品经理和早期创业者，用几分钟找出方案里最可能致命的漏洞和定价盲区。对多数互联网和 AI 从业者来说，如果不打算创业，关系不大。

uni-robot-agent 是一个机器人操作智能体的统一运行框架，可以把它理解成「机器人版的 Codex/Claude Code 运行时」：它把大模型的推理能力接到真实的机器人工具上，让模型像写代码一样规划并执行抓取、双臂操作等任务。它内置了 Codex 和 Claude Code 两种运行时，支持 Direct（纯工具调用）和 Hybrid（搭配 Pi0.5 这类动作模型）两种控制模式，并集成了 RoboDojo、RoboUse、RoboLab 等多个仿真环境，覆盖双臂操作以及 LIBERO、ManiSkill 等经典任务集。附带的监控面板能实时看相机画面、工具调用时序，也能回放历史运行记录，方便调试策略。做具身智能、机器人学习的研究员和工程师最值得看——尤其是想用开源模型替代闭源方案、或需要在统一接口下对比不同 Agent 运行时和动作模型的人；如果你不碰机器人领域，这个项目和你关系不大。

这是一个关于 computer-use agent（让 AI 操作电脑、浏览器、手机 GUI 的智能体）的开源资源目录，把散落在各处的论文、GUI 模型、训练数据集、评测基准和工具框架集中收录，并附上可核查的原始来源链接，可类比为 CUA 领域的 Awesome 列表加结构化数据库。它实际能帮你快速回答几类问题：想选一个 GUI agent 评测基准时，可以对比不同平台、任务和版本；想找训练数据时，能查到监督方式、数据划分和许可；想追某篇论文的落地资源，能顺着链接找到对应代码、数据集和模型。目录还提供 JSONL 和 SQLite 格式，方便直接灌进自己的 RAG 系统或 Agent 做检索。适合关注 AI Agent 方向的研究员、做 GUI/浏览器 Agent 产品的工程师，以及需要系统梳理 CUA 领域文献和数据的人；如果你的工作与 computer-use agent 无关，这个目录基本用不上。

AutoCua 是一个 computer-use agent，可以像人一样操作电脑：它看屏幕、移动鼠标、敲键盘，去点桌面软件、逛网页、跑终端命令，甚至通过 USB 或 Wi-Fi 控制配对的 iPhone 和 Android 手机。它覆盖 macOS、Windows、Linux 三大桌面和主流浏览器，一个 agent 通吃。和常见的截图猜坐标方案不同，它把系统无障碍树和 OCR 融合成带编号的元素视图，模型只选编号，选错会被直接拒绝，因此不会乱点；输入走操作系统原生输入层，普通应用收到的事件和你亲手操作完全一样。它还内置一个压缩 agent，在长任务中途自动续写上下文摘要，避免跑到一半撞上上下文上限。实际场景包括：批量在电商网站下单加购、跨多个网页抓取数据填进表格、用真实终端跑编码任务、以及移动端 App 的自动化测试。适合做 RPA、自动化测试、运营脚本和 AI 应用原型的工程师；如果你的工作和桌面/浏览器自动化无关，这个项目跟你就没什么关系。

这是一套把跨境电商运营 SOP 翻译成 AI Agent 工作流的 Prompt 工具箱，不是可部署的软件，而是 7 个模块的标准化交付物：每个模块都包含结构化 Prompt、输入输出模板和一份真实产品跑通案例，覆盖从市场分析、产品策略、标题详情页生成、主图规划、短视频脚本，到广告漏斗诊断和评论归因的完整闭环。它解决的核心痛点是运营产出下限不稳定——老手写标题一次到位，新人写十遍还是堆词，这套东西把老手的判断规则（如标题字符实测、净利率与盈亏价核算、像素级图片合规校验）固化成可复用的流程，让 AI 产出稳定在老手水平。适合在 Shopee、Mercado Libre 等平台做运营的卖家和运营负责人，以及想把内部经验沉淀为 AI 工作流的团队参考；纯技术岗或不做电商的人关系不大。

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。

这是一套给 coding agent 用的「产品工程」技能包，装进 Claude Code、Codex、Cursor、Copilot 等工具后，agent 就不再只是写代码，而是按一套完整流程陪你从一个想法走到有付费用户：先做竞品分析和市场细分，出带原型的方案让你拍板，再拆解开发计划、分阶段交付，最后处理上线、收款和复盘。作者用它实际做出了三个上线运营的产品，案例都写在里面。它解决的麻烦是：非工程师用 agent 做产品时，常常写完代码却不知道下一步该做什么、该验证什么。适合产品经理、创始人、设计师，以及想让多个 agent 分工协作（一个规划、一个开发、一个审查）的工程师；纯写代码、不关心产品全流程的人关系不大。

RoboSkills 是一套面向机器人的轻量级 Agent 工作流与工具集，可以理解为把 LLM Agent 的能力接到机器人仿真和动作生成上的「技能包」。它内置了几种典型工作流：让 LLM 逐步观察画面并直接充当策略控制机器人动作；从人类演示视频重建可交互的仿真场景（Real2Sim）；用文字、图片或视频描述生成动作视频；以及通过反复仿真试验自动改进策略。项目强调低成本，官方给出的对比是 Real2Sim 任务花费约为 Codex 的 11%，动作生成几乎不花钱。适合做具身智能、机器人学习、仿真数据合成的研究员和算法工程师，尤其是想用 Agent 快速跑通「演示到仿真」「策略迭代」实验、又不想自建整套工具链的人；如果你不碰机器人方向，和多数从业者关系不大。

这是一套为中国医生和医学研究生定制的医学论文写作助手，本质上是 32 个可装进 Claude Code、Codex 等智能体的 Agent Skills，让你用中文直接交代科研任务。它覆盖论文全流程：手上有病例数据却定不下选题时，帮你梳理可研究方向；文献查乱了，帮你设计 PubMed 及知网、万方等中英文检索方案；统计结果出来了，帮你区分统计差异与临床意义并起草结果段落；讨论写不下去或导师要求大改时，帮你理顺论证、排出修改顺序；收到审稿意见后，帮你逐条拆解并起草回复信；最后还能按主题、版面费和时间筛选候选期刊、整理投稿材料。对互联网和 AI 行业的从业者来说，除非你正在做医疗科研或学术写作类产品，否则和多数人关系不大；真正需要它的是临床医生、医学研究生以及做医疗 AI 内容工具的人。

这是一个用 AI 帮你找工作的工具，作者是一位有 30 年经验的 IT 从业者，靠这套方法 5 个月后成功再就业。它把求职当成一条数据流水线：你先写一份完整诚实的「主档案」，之后每份简历、每段面试回答都从这份档案生成，AI 只负责重排、压缩和翻译，不允许编造经历。项目提供两条路线，一条是用现成提示词配合任意聊天助手，另一条是基于 CrewAI 和 AWS Bedrock/Claude 的命令行工具，自动针对每个职位描述生成定制简历（PDF/LaTeX，支持葡语和英语），并做岗位覆盖度检查和面试准备草稿。它还附带防招聘诈骗的安全指南。适合正在海投、需要为几十个岗位反复改简历的程序员和 IT 从业者，尤其是会写代码、想批量生成简历版本的人；非技术岗位用提示词那条路线也行，但和多数不求职的人关系不大。

AnyModelBot 是一个开源、本地优先的个人 AI 智能体应用，可以理解为 Grok Bot、OpenAI dots、Claude Duet 的开源替代品：装在自己电脑或服务器上，一个机器人对应一个人设，带默认模型、工作区和长期记忆。它通过一个 Modelflare 账号接入 GPT、Claude、Gemini、Grok、DeepSeek、Kimi、GLM 等 70 多个模型，也支持直连各家官方 API，按量付费不绑定订阅。除了在桌面应用里聊天，你还能在微信、飞书、Telegram 等 IM 里直接找它，让它在后台跑定时任务、读写文件、执行命令、操作桌面，越出工作区时会先征求你的同意；对话、记忆和密钥都留在本地。适合想搭个人自动化助手、又在意数据隐私的开发者和重度 AI 用户，普通只用聊天网页的人关系不大。

Chaos 是一门把智能体当作可调用值的编程语言：普通计算写成函数，理解与生成交给 agent，两者在同一个程序里传数据、协作执行。比如你可以声明一个带角色和提示词的 agent，像调用函数一样传入问题让它回答，纯计算部分则完全不需要模型密钥。它自带 CLI 和网页 IDE，程序的返回值可以直接是页面、表格、图表等可交互的交付物，还能通过事件流和运行网络观察每个节点的执行过程。典型场景包括把规划、执行、复核串成多 agent 工作流，或构建围绕目标持久工作的 bot，以及把计算结果变成实时更新的看板报告。适合想用代码而非编排平台来组织多 agent 系统的 AI 应用工程师和全栈开发者；如果你只是调用现成 LLM API、不碰工作流编排，和你关系不大。

rsi_eval 是一个用来评测「递归自我改进」（RSI）方法的轻量级 Python 工具，你可以把它理解成给 RSI 实验用的统一评测台：你自带改进循环，它负责把候选方案丢进现成的 agent 基准里跑分，再把每题得分、执行状态、token 消耗、验证器输出等反馈以统一格式还给你，省去自己对接各家 benchmark 执行和结果处理的麻烦。它内置 24 套评测配置，覆盖 Terminal-Bench、SWE-bench Verified、LiveCodeBench、MMLU、GPQA、ARC-AGI 等编码、推理、工程和领域工作流任务，也支持接入自定义任务，实验过程可快照记录并断点恢复。适合做 agent 自我改进研究、需要横向比较不同 RSI 策略的算法工程师，以及想在统一协议下跑多套基准的 LLM 评测人员；如果你不研究 RSI 或不做 agent 基准评测，跟你的关系不大。

Story Studio 是一个给 Claude Code、Cursor 这类 AI Agent 用的技能包，把历史、人物故事类短视频的整条生产线打包：从选题、磨开头钩子、写口播稿，到豆包语音合成配音、本地语音识别对齐字幕时间轴、按配音节奏拆分镜并生成配图画风统一的分镜图，最后直接导出一个能二次编辑的剪映专业版草稿，打开就能微调导出。它内置两套从数百篇爆款逐字稿蒸馏出的写作风格（历史叙事与人物故事）和 370 多篇对标文案库，配图提供厚涂漫画、黑白纪实、历史写实三种画风并用参考图锚定防止跨镜头漂移，还支持只做其中某一步，比如只改稿或只拿现成配音去对齐时间轴。适合做历史科普、人物传记类口播短视频的自媒体创作者和内容团队，如果你不做这类内容，关系不大。

这是 Nous Research 为自家 Hermes Agent 打造的官方插件集合，把智能家居、音乐播放、Claude 订阅接入等能力从主程序里拆出来，按需安装。Hermes Agent 本身是一个能跨会话记忆、自我改进的 AI Agent，可跑在终端、桌面应用或 Telegram、Discord 等聊天工具里，而这个仓库提供它的第一批一方插件：Home Assistant 插件让 Agent 监听家庭设备状态变化、通过 REST API 控制灯具空调、把定时任务结果直接推送到手机通知；Spotify 插件封装了播放控制、设备切换、队列、搜索和歌单管理等能力；还有 Claude Subscription DirectSDK 插件用于接入 Anthropic 订阅额度。所有插件都通过统一的插件目录分发，每个条目固定在经过审核的 commit 上，厂商和社区插件也走同一套审核流程。对做 Agent 集成、智能家居自动化或想给 LLM 接外部服务的开发者来说值得翻一翻；如果你不打算用 Hermes Agent，这个仓库本身和你关系不大。

Hy Memory 是腾讯混元推出的 Agent 认知记忆引擎和 Python SDK，解决大模型 Agent「聊完就忘」的问题。它把记忆分成三套场景：聊天场景下用分层长期记忆记住用户偏好和事实，工作场景下存两层事实与可复用经验，编码场景下追踪代码版本演化的 diff 链。配套的 MemHub 是本地桌面工具，能把 Claude Code、Cursor、Codex 等多个 AI 编程工具的对话和代码轨迹统一到一个本地目录里，跨应用检索。项目还发布了专门用强化学习训练的 Hy-Memory-30B-A3B 记忆写入模型，以及相关学术论文。做 Agent 应用、需要给产品加长期记忆能力的后端和算法工程师值得看；如果你只是日常用 AI 编程工具，MemHub 的跨工具记忆聚合也可能有用，但纯做前端或非 AI 方向的人关系不大。