DeepSeek Harness（简称 dsh）是 DeepSeek AI 开源的 Agent 运行框架，核心理念是「一切皆插件」：模型调用、工具、界面、记忆等能力都拆成可插拔的模块，底层由 Cordis 插件系统驱动，方便按需组合和替换。它自带 Web 界面，启动后能在浏览器里直接与 Agent 对话、查看执行过程，适合想快速搭一个本地 Agent 工作台的人。目前项目处于 developer preview 阶段，官方明确提示会有破坏性变更，动手前需留意安全公告。对多数从业者来说，如果你正在调研 Agent 框架选型、想理解插件化架构如何落地，或者需要给团队搭一个可扩展的内部 Agent 原型，值得花时间翻一下；若你只是用现成的 AI 产品、不涉及框架开发，关系不大。

这是 DeepSeek 团队放出的一个研究原型，本质是一个「主动型 coding agent」：它盯着一个 GitHub 仓库（可选也接 Feishu），当有人在对话里给它派活、或团队预设的规则被触发时，它会自己开一个工作项，在独立会话和目录里干活，最后回到原对话交差，比如直接提一个 pull request。配套的 web 面板只呈现「需要人拍板」的事项，核心设计哲学是尽量少占用人的注意力、只在必须有人行动或结果有用时才开口。作者明确说这是从日常开发中长出来的研究代码，很多工程由 coding agent 完成，风格不统一、可能有 bug，且与论文中的完整设计有出入，仅供参考。对做 AI Agent 产品、研究 multi-agent 协作与人机分工的工程师和研究员来说，它的授权模型、执行隔离和「少打扰」的交互设计值得翻翻；纯后端或前端岗位、只想找生产可用工具的人关系不大。

Agent Autoloop 是一个轻量的自动化中台，解决命令行 Agent（如 Claude Code、Codex）必须人守着终端才能推进的问题：它把定时任务、GitHub Issue、线上告警等事件统一收进来，按规则派给指定 Agent 执行，Agent 干完一轮就退出，不占进程也不烧 Token；只有遇到删数据、重启服务、对外发消息这类拿不准的事，才会通过飞书、钉钉、Slack 或桌面通知推卡片给你拍板，你回复后它接上原会话继续干完。事件来源、Agent、通知通道、CI/CD 交付都做成可插拔插件，规则用一个配置文件描述即可，无需写胶水代码，仓库还内置了每日早报、Issue 跟进、告警排查、网站巡检等现成模板。适合日常重度使用命令行 Agent、想把重复性自动化任务托管出去的开发者和运维，以及在做 Agent 工作流编排的工程师参考；如果你只是偶尔手动用一下 Agent，关系不大。

Rerun 是一个可以自托管的「AI 同事」平台，你可以把它理解成给团队雇了一组数字员工：用大白话告诉它需要做什么，一个叫 Foreman 的调度角色会先跟你沟通、拆解任务，再组建并分配一支 AI 团队，每个成员有独立的记忆、技能和一台可远程观看、随时接管的虚拟电脑。它内置了多种现成模板，比如帮你整理邮箱和日程的行政助理、基于你的数据出图表和周报的分析师、盯竞品评价并起草回复的口碑经理、筛选潜在客户并写首封邮件的销售开发，以及定期发帖的社媒运营。所有成员在一块看板上协作，你可以像跟同事聊天一样和他们对话，而在发送、付款、删除这类关键动作前，他们必须先停下来征得你的同意。适合想把重复性运营、客服、销售支持工作自动化的小团队负责人，以及在评估 Agent 落地方案的从业者；纯技术开发岗位关联不大。

Paperclip 是一个把 AI agent 当员工来管理的开源平台，可以理解为「给 agent 用的 Jira + 组织架构图 + HR 系统」。它围绕四件事展开：任务管理、组织架构、员工培训和底层运行时。你可以在里面给 agent 分配任务、设置审批和验收关卡，从 diff、截图和测试结果里核对产出；也能画一张人机混合的组织架构图，定义每个 agent 的角色、权限边界和汇报关系，配上预算控制、SSO、RBAC 这类企业治理能力。它不绑定单一模型或框架，Claude Code、Codex 等各类 agent 都能接入统一调度，还提供技能库、评测和版本管理，方便反复打磨 agent 的表现。适合正在把 agent 引入生产流程的团队负责人、平台工程和 AI 应用落地岗位的人看；如果你只是偶尔用用大模型写代码，暂时关系不大。

LearnHarness 是一个用 AI Agent 帮你学懂难知识的桌面应用，可以理解为「会先摸底再讲课的私人导师」。它不会一上来就甩解释，而是先通过你的回答、信心和思考方式，测出你对目标知识的理解边界在哪，再据此规划一条从你当前水平到目标的依赖路径，逐步讲解，每一步都建立在你已确认理解的内容上，发现困惑就先修补。学完后还有独立的练习环节，用变式题目逼你主动回忆，而不是被动重读。所有学过的命题和推理链会沉淀成一张持久的知识图谱，跨会话保留，下次学习直接从图谱续上，还能导入自己的笔记。适合正在啃硬核技术或理论、苦于找不到系统学习路径的工程师、学生和研究者；如果你只是想快速查个 API 或者日常写业务代码，它和你关系不大。模型接入灵活，数据存在本地。

LobeHub 是一个把多个 AI Agent 当作「员工」来管理的工作台，定位类似给你的 AI 团队配一位 Chief Agent Operator：你负责招人、排班、看汇报，Agent 负责干活。它把散落在不同窗口和模型里的对话收拢到一处，通过 Agent Builder 用一句话描述需求就能快速搭出一个 Agent，并接入上万个技能和 MCP 插件；Agent Groups 让多个 Agent 带着共享上下文并行协作，比如多人共同打磨一篇文档，或者按项目、按工作区分派任务。定时调度功能允许你离线时 Agent 仍在指定时间自动执行，个人记忆模块则让 Agent 记住你的偏好且可编辑透明。适合需要长期维护多个 AI 助手、做内容生产或多 Agent 流水线的个人创作者和小团队；如果你只是偶尔和单个模型聊天，它对你意义不大。

这是 DeepSeek Harness 的一个工作流插件，让你在画布上拖拽步骤、连线编排流程，插件把整张图编译成一份计划提示词交给模型执行，本身不带执行引擎，顺序、并行、分支、循环都由当前会话的模型自己调度。它最主打的场景是「破甲」研究：内置一条 15 步的流水线，从 200 多个探针测试开始，分析模型的拒绝模式，再定制生成破甲词，最后 API 验证并输出破甲词文件、使用手册和研究报告，适合想系统化研究 LLM 越狱的人。除此之外，它也能用来编排通用的多步任务，比如写代码、审查、不通过就回炉重修的循环流程，还能把跑通的流程导出成 Skill 复用。值得看的是关注 prompt 工程、Agent 编排和 LLM 安全研究的从业者，如果你只是想找个通用自动化工具，它依赖 DeepSeek Harness 生态，和多数人关系不大。

Ruflo 是套在 Claude Code、Codex 等 AI 编程工具外面的「agent 执行层」，作者把它比作模型的神经系统：模型负责写代码，Ruflo 负责给它配工具、记忆、循环和协调。装好后你照常用 Claude Code，它会在后台自动把任务拆给上百个专职 agent，让它们组成 swarm 分工协作，比如一个改代码、一个跑测试、一个做审查，还能跨会话记住经验、跨机器联邦通信，并接入本地向量检索做 RAG。对日常用 AI 编程助手的人来说，它解决的是「单个 agent 干着干着忘上下文、复杂任务没人分工、跑完就忘」这些痛点。值得看的是已经在重度使用 Claude Code 或 Codex 做工程的开发者、以及在评估多 agent 编排方案的技术负责人；如果你只是偶尔让 AI 补几行代码，这套东西对你意义不大。

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。

deepseek-bot 是 DeepSeek Harness 的一个插件，把常驻 AI 助手接进你的终端和聊天工具，核心卖点是跨会话的持久记忆。装好后在终端输入 dsh 就能进入全屏对话界面，回答流式输出、工具调用带 diff 展示，能生成 docx/xlsx/pptx、用无头浏览器读链接、看图、调用 MCP 工具。它的记忆会跨重启存活：用户画像、工作记录和过往对话的召回索引每轮都会带入，还能在 Slack、Discord、Telegram 里被 @ 后在原线程回答。涉及删除或覆盖的命令必须在对话里等你点 Allow 或 Deny 才执行，命令跑在 Seatbelt 沙箱里，写权限仅限自己的工作区。默认直接用 DeepSeek 自带 API。适合想在聊天软件里长期挂一个有记忆的 AI 助手、又在意操作可控性的开发者；目前仅支持 macOS，Discord 和 Telegram 还只在模拟 API 下验证过。

n8n 是一个可视化工作流自动化平台，可以理解为 Zapier 的开源替代品，但把 AI 能力做成了原生特性。你在画布上拖拽节点把各种服务串起来，需要复杂逻辑时随时插入 JavaScript 或 Python 代码，能连接 1500 多个第三方应用，也能自托管部署。它的 AI 场景很具体：比如把 OpenAI 或 Anthropic 的模型接到你自己的数据库和内部系统上，搭建带人工审批、工具调用和完整日志的多步 Agent 流程，从原型一路跑到生产。适合需要把 AI 落进业务流程的后端工程师、平台团队和自动化负责人，比如做客服工单自动分类、跨系统数据同步加智能摘要这类活儿的人。如果你只是写模型训练或纯算法研究，跟它关系不大。

OpenClaw 是一个跑在你自己电脑上的开源 AI 助手，最大的特点是它不困在网页聊天框里，而是直接出现在你已经在用的聊天渠道——Discord、Slack、Telegram、WhatsApp、iMessage、Teams 等 20 多个平台都能接入，也有各桌面和移动端的原生应用。它类似一个自托管版的个人 AI 助理中枢：状态、记忆、凭据全部留在本地硬件上，底层模型（Claude、Codex 或本地模型）以插件形式随意切换，没有付费档位和托管服务。实际用起来，你可以让它在群里回答同事提问、在私聊里帮你查资料、执行本地工具和技能，甚至多人共享一个「multiplayer claw」。适合关注数据主权、想把 AI 助手嵌入团队沟通流程的开发者和运维同学；如果你只是想找个开箱即用的聊天机器人，它反而偏重，需要自己承担安全配置责任。

Bops 是一个 Mac 应用，给你配一队 AI bot 来打理公司日常杂活：收件箱、销售线索、发票、报表。每个 bot 都跑在一台云端电脑上，有独立的邮箱地址和电话号码，你可以像带同事一样在 App、Slack、Telegram 或 Discord 里给它们派活，甚至直接打电话聊。它能接管约 1400 个常用应用，读取操作即时执行，但发送、创建、付款这类动作会先等你点头；你还能实时观看 bot 的屏幕、随时接管再交还。典型场景是小团队或独立开发者想把跟进邮件、查公司资料、整理报表这类重复劳动甩出去，又不想完全失去控制。适合需要自动化运营杂务的创业者、销售运营和一人公司；纯做模型训练或推理的工程师关系不大。

Tucano 是一个本地运行的多 Agent 协作桌面应用，把散落在多个终端里的 Claude Code、Codex、Cursor CLI、OpenCode 等编码 Agent 收进一个类似团队聊天软件的界面。每个 Agent 有名字、角色、工具权限和记忆，能在频道里用 @ 调度彼此：一个查 bug、一个修、一个 review，全程动作和 token 消耗都有记录。它复用你已有的订阅登录，不另收 API 费用，数据全部留在本机；涉及合并、发帖、删除等真实操作时会弹出审批，还能通过 Telegram 推到手机上确认，并支持 MCP 接入 Jira、GitHub、Slack 等工具。适合同时跑多个编码 Agent、又担心权限失控的 AI 工程师和研发负责人；只想用单个 Agent 写代码的人关系不大。

OpenDuet 是 CopilotKit 开源的一个「主动型 AI 助理」模板，可以理解为自托管版的个人 AI 秘书：它不等你提问，每天早上先给你一段简报，汇总日程、邮件和 Slack 里什么需要你决策、什么可以先放着；你离开时它在自己的浏览器和沙箱环境里继续干活，做完或卡住才回来找你。涉及发消息、付款、签名、删除这类不可逆操作时，它会把具体动作摊开给你确认，密码通过遮罩框输入、对话永远看不到，外发内容还会做敏感信息检查。目前能用的能力包括读 Gmail 和 Google Calendar、定时任务、Google Drive 和 Notion 连接器、公开网页调研等，模型和数据都可自托管。适合想把日常事务性工作交给 Agent、又必须保留人工审批环节的个人助理类场景或团队，普通开发者若不做这类产品，参考价值有限。

这是 MCP（Model Context Protocol）官方维护的一组参考实现服务器合集，相当于给大模型接外部工具的「标准示范代码」。它本身不是生产可用的产品，而是教学样板，展示如何用官方 SDK 让 LLM 安全地读写文件、抓网页、操作 Git 仓库、维护基于知识图谱的长期记忆、做多步推理等。比如 Fetch 服务器把网页转成适合模型消费的格式，Filesystem 带访问控制地读写本地文件，Sequential Thinking 让模型按思考序列逐步解题。仓库还汇总了各语言 SDK 和社区服务器索引。适合正在自研 MCP 服务器的后端或 AI 应用开发者，想了解协议怎么落地、参考官方写法时看它；如果你不打算对接 MCP 生态，和多数从业者关系不大。

CodeRail 是一个自托管的编码 Agent 远程控制台，可以理解为「给 Claude Code 和 Codex 做的远程桌面加审批中心」：在自己服务器上跑一个 Docker 容器，就能从浏览器或手机统一管理你名下所有电脑上的编码 Agent。它能做的事很具体——在手机上批准或拒绝 Claude Code、Codex 的命令执行，查看和操作会话里的终端、文件、git 提交和 PR，还能把电脑上的开发服务器页面实时共享给会话里的人，关掉浏览器后任务照常在后台跑。权限按 Owner、Operator、Viewer 分角色，所有改动留审计记录，AI 密钥始终留在各台电脑本地。适合经常用 Claude Code、Codex 干活、又希望离开工位也能盯着 Agent 跑任务的个人开发者，以及需要多人协作管理多台开发机的小团队；如果你不用编码 Agent，这项目和你关系不大。

Pomerado 是一个把任意网站快速变成 API 或 MCP 工具的开源框架，可以理解为「网站转 MCP 的自动化流水线」。你只需用自然语言描述想在某个网站上完成的任务，它就会自动探索该网站、跑一遍示例并泛化成可复用的集成，之后你的 AI Agent 就能直接调用它。相比依赖 computer use 的方案，它生成的集成是确定性的，速度更快也更稳定，而且能处理登录和两因素认证背后的站点。典型场景比如让 Claude Code 或 Cursor 自动去某个后台读取数据、提交表单，而不用自己写爬虫或对接官方 API。适合需要让 Agent 操作具体业务网站的 AI 应用开发者、做自动化集成的工程师，以及在 Claude Code、Cursor 等 MCP 客户端里搭建工作流的人；如果你的工作不涉及 Agent 调用外部网站，和你关系不大。

Xiryn 是一个开源的个人 Agent，可以看作 Meta Muse、xAI Grok Bot、OpenAI Dots 这类云端个人助理的自托管版本，跑在你自己的电脑上。每个 Agent 拥有独立的 Docker Linux 桌面环境，带真实 Chromium 浏览器，可以后台浏览网页、调研资料、写代码并互相交接任务，同时完全不占用你本机的屏幕和鼠标。模型可以自由选择 OpenAI、Anthropic、Google、DeepSeek 或 Ollama 本地模型，对话、记忆和密钥都存在本地 SQLite 里，登录凭证和支付信息放在加密保险库中，Agent 本身无法读取。配对 Telegram 后可从手机随时下达指令并查看实时进度和截图。适合关注隐私、不想把数据交给云端订阅服务的开发者，以及想在本地搭建多 Agent 工作流做自动化调研或个人助理的人；如果你只是想用现成的 AI 产品，和你关系不大。

Lancer 是一个桌面 AI 工作区，把 AI 会话、并行分支、运行过程和交付文件整合到一个界面里，方便追溯一次任务从开始到结束的完整过程。它基于 pi-gui 和 pi 构建，通过 pi 接入订阅账号、API 密钥和自定义端点。核心能力包括：一个助手可管理多个会话，任务能派生子分支、结果回父会话汇总；右侧 GitTree 同时展示多条会话线、分支和交付节点；还支持 macOS 上接管豆包 App 会话，以及视频下载、关键帧提取和带证据的分析交接。适合需要同时跑多个 AI 任务、追踪复杂 Agent 工作流的开发者和 AI 应用从业者，尤其是做多分支任务编排、视频分析流水线的人。目前是 Alpha 阶段，主要在 macOS Apple Silicon 验证，多数人可以先观望。

这是一个 MCP server，作用是让 AI agent 能够读取和操作 Elysium 链——Kinetiq 为 Hyperliquid 搭建的 Arbitrum Orbit L2。你可以把它理解成给 Agent 用的链上数据网关：接入后，agent 能通过 JSON-RPC 查最新区块、地址余额（HYPE 及最多 20 种 ERC-20）、交易详情与回执、事件日志，也能调用合约的 view 函数做只读查询和 gas 估算；若配置了 Blockscout 风格的区块浏览器 API，还能额外查地址历史、代币转账、合约 ABI 等索引数据。写操作是独立开关，默认关闭且只允许测试网（chain ID 99801），开启后发送交易也默认 dry run 预览，并带白名单、费用上限等多重校验。适合在做链上 Agent、DeFi 自动化或 Web3 与 LLM 结合原型的开发者，尤其是需要让 Claude 等 MCP 客户端直接查链、读合约的场景；只做模型训练或纯后端的人关系不大。

chord-cli 是一个把多个 coding agent 组成集群协同干活的命令行工具，可以理解为 Claude Code、Codex CLI 这类编码 Agent 的「多人协作调度器」。它让 N 个 Agent 在同一个仓库里各自占用一个 git worktree 并行开发，通过一块共享的文件认领板避免互相踩脚：谁要改某个文件得先登记，别人持有就得先发消息询问，未认领的写入会被 hook 直接拦下。Agent 之间还能异步发消息，空闲的会被唤醒，任务完成后一步完成 rebase 并快进 main，冲突时自动回退并让 Agent 自己解决。在 CooperBench 上，两个 Agent 各领一个 feature 的协作模式在弱模型上比单 Agent 高出 20 多个百分点。适合已经在用 Claude Code、Codex CLI 等工具、想让多个 Agent 并行推进不同功能模块的开发者，以及关注多 Agent 协作机制的人；只做单人单 Agent 开发的读者关系不大。

Executioner 是一个跑在本机的 AI 渗透测试工作台，把 AI agent 团队、可视化工作流和你自己的安全工具整合到一个环境里，全程本地运行、不依赖云端账号。它主要解决渗透测试中最琐碎的部分：信息收集、记录和整理证据。每次测试是一个独立工作区，包含范围、目标、发现和证据，你可以在里面直接启动 Claude Code、Codex、Gemini、Cursor 等 agent，它们一进来就已了解上下文，前一个 agent 扫出的子域名能立刻被下一个利用。它还内置了可观察的浏览器，agent 操作时你能实时看到并随时接管，遇到验证码会主动找你。你也可以用自然语言描述需求，让它生成自动化工作流，比如新子域名出现就自动探测、截图并交给 AI 分析。所有发现统一带严重级别和原始请求响应，可一键导出报告。适合安全工程师、渗透测试人员和 bug bounty 从业者，尤其是想用 AI 提效但又要求数据不出本机的人；对普通开发岗位关系不大。

ForgeAX Engine 是一个把 AI agent 当作第一用户的 TypeScript 游戏引擎，可以理解为「专为 AI 编程助手设计的轻量 Unity」：用 WebGPU 做渲染，内置 ECS 架构、Rapier 物理和程序化资产生成，配套 CLI 工作流，让 Claude Code、Cursor 等工具能直接创建、运行、检查和打包游戏。它的核心卖点是「AI 能效」——通过可录制重放的渲染帧调试、活实体查询、结构化错误信息等机制，让 AI 用更少上下文和更少试错完成经过验证的开发工作，官方已用它做出了机甲动作、ARPG、竞速等 3D 小游戏，并支持微信小游戏、Steam、Switch 等多平台发布。值得看的是两类人：想用 AI 辅助做独立游戏或小游戏的开发者，以及在评估「AI 能否真正接管游戏开发流程」的技术负责人。如果你不碰游戏开发，这个项目和你关系不大。