RSI-Anything 是一个让 AI 系统「越用越聪明」的通用框架，核心思路是用世界模型预测行动后果，再用外部反馈修正预测，把经验留存下来指导下一轮决策，形成递归自我改进的循环。它建立在 JEPA-Anything 之上，流程是提出候选、预测结果、筛选、评估、学习、保留。论文把它跑通了五个差异极大的场景：代码修复（在 CodeContests、APPS、LiveCodeBench 上用预测执行结果给候选程序排序）、GUI 操作（MiniWoB++ 和 OSWorld，动作数比基线少约四成）、实验室实验规划、化学反应条件优化（十次观测内找到最优产率）以及免疫学科研工作流。对做 Agent、世界模型或科学智能体的研究者和工程师来说，它提供了一个可复用的「预测引导交互」范式；如果你只做业务后端或前端，关系不大。

Buddy 是一个跑在 Android 手机上的悬浮球 AI 助手，本质上是把 Claude Code、Codex、OpenCode、Antigravity CLI 或 Grok 这些命令行 Agent 搬进了手机，让它们通过无障碍服务替你操作手机：读屏幕、点击、输入、滚动、打开应用。你只要说「回复 Sam 我要迟到」或「把 Switch 2 加进 Amazon 购物车」，它就自己去点，涉及发送、支付、删除等敏感操作前会先弹窗等你批准。它不需要 root、adb 或电脑，用的是你自己的订阅计划，工具能力以本地 MCP server 形式暴露，也能接到你电脑上的 Claude Code 等会话里。还支持通知触发回复、后台浏览器、语音对话，甚至在手机上直接构建 APK。适合想在手机上体验 computer-use、做安卓自动化或想把手机工具接入自己 Agent 工作流的开发者；项目尚在早期，普通用户可先观望。

Asamana 是一个由 AI 驱动的涌现式叙事引擎：你给它一个主题，它就生成一个共享世界和一群各有性格、记忆、情绪与目标的 AI 角色，角色之间自主互动，故事在没有剧本的情况下自然长出来。它把角色认知拆成感知、动机、决策、行动、反馈五个阶段，用结构化输出和共享上下文保证角色行为前后一致，避免长对话导致的上下文膨胀和幻觉扩散。配套前端可以实时观察世界、查看 2D 地图、关系网络和叙事流，也支持回放。适合做 AI 叙事、生成式 Agent、多智能体模拟研究的开发者和内容创作者，用来快速搭一个可观察、可调优的 Agent 世界；如果你不研究 Agent 或互动叙事，跟你的关系不大。

37Studio 是一个自托管的社交媒体内容自动化工具，可以理解为开源版的 Buffer 加 Opus Clip：它在你自己的电脑或服务器上跑，用你自己的 API key，不收月费。你把品牌官网链接丢给它，它会自动整理出 logo、字体、配色和知识库；之后用 Claude Code 当「剪辑师」，把一句需求变成符合品牌风格的成片，还能把两小时的长课切成十条竖版短视频，本地转写支持上百种语言。成片可一键发布到 Facebook、Instagram、YouTube、TikTok、LinkedIn、X 等九个平台，支持定时和自动排期，评论私信则汇总到一个收件箱，由 AI 按品牌规则起草回复。它还提供 MCP server，能被 Claude Desktop、Cursor 等外部 Agent 调用。适合运营个人品牌、做内容营销的团队，以及想用 AI 打通「生产—发布—互动」全流程的独立开发者；如果你不碰社交媒体运营，和你关系不大。

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。

这是一个把 AstrBot 和 NapCat 装进 Android 手机的运行管理器，通过单个 APK 内置 PRoot Ubuntu 环境，无需 Root 就能在本地跑起完整的 QQ 机器人服务链路。它解决的麻烦是：想自建 QQ 机器人却不想租服务器或折腾 Linux 的人，现在装一个 App 就能用，原生界面负责启停服务、看实时日志、备份恢复和在线更新，内置 WebView 直接打开两套 WebUI 完成 QQ 登录、模型接入和插件配置，还带人设库、SSH 终端、cpolar 内网穿透等扩展。典型场景是个人开发者或爱好者在手机上跑一个 7x24 的 QQ 群机器人，调用 DeepSeek 等模型自动回复消息。适合想低成本试水自托管 QQ bot、或需要随时随地管理机器人状态的个人开发者；企业级部署或纯做后端服务的人关系不大。

这是一个给 Claude Code、OpenClaw 等 Agent 用的 skill，解决的是让 AI 仿制产品时「永远只做到 80%」的老毛病：它先让你把目标产品的功能盘点成一份带输入输出和验收方法的 parity checklist，明确 100% 的定义，再让 Agent 按 clean-room 纪律从零实现，随后用同一份输入对原版和自己的实现做 diff、截图对比和计时，逐项打分，按影响排序修差距，直到所有 must-have 连续两轮通过才算完成，中途卡住或需要碰原版受保护代码时会主动停下问你。它还把每轮学到的检查模式和修复配方存回 skill，下次复用。适合用 Agent 做竞品复刻、内部工具重写、或想给 AI 编码流程引入可量化验收标准的工程团队；如果你不打算让 Agent 重建已有产品，跟你的关系不大。

这是给 AstrBot 聊天机器人插件加装的一套长期记忆与生活层，让机器人不再聊完就忘。它把记忆分成事件、事实、反思、技能、道理五类存储，检索时用向量、关键词、实体图谱、重要性和新鲜度五路混合，还带遗忘治理（衰减、归档、冲突检测）和 PAD 三维情绪模型，情绪有上限和半衰期、不主导判断。比较特别的是「生活层」：你没找它时，它也会自己看书、刷视频、午睡，笔记回流进记忆；还能按「明天三点」这类时间表达主动发提醒。所有增强只往 system_prompt 追加带标记的注入块，人格文件保持只读，每个模块独立开关。适合在 AstrBot 上做 AI 陪伴角色、想给机器人加长期记忆和情绪表现的开发者，以及研究 RAG 记忆治理方案的人参考；如果你不做聊天机器人或 AI 伴侣方向，关系不大。

Talorys 是一个可以部署在你自己 Cloudflare 账号里的个人 AI 助手，相当于把 ChatGPT 加上任务清单、笔记和定时提醒打包成一个私有服务，数据全部存在你自己的 Durable Objects 里，不经过任何第三方服务器，也没有遥测。它能聊天（流式回复、Markdown、工具调用提示）、记住你的长期偏好并在每轮只挑最相关的记忆喂给模型、管理任务笔记项目，还能用自然语言让它规划任务——比如「帮我规划下个月上线 iOS 应用的任务」，它会生成一张可编辑的卡片，你确认后才真正创建。定时提醒和每日任务摘要跑在 Durable Object 的闹钟上，不需要进程常驻，还能通过 Web Push 推到手机。它默认单用户、免费额度友好，Workers AI 配额用完时任务笔记照常工作。值得看的是想给自己搭一个私有 AI 助手的独立开发者、后端工程师，以及对 Cloudflare Agents SDK、Durable Objects 架构感兴趣想参考实现的人；如果你只是找现成的团队协作工具或不需要自托管，关系不大。

这是一份中文的 Grok Bot 玩法清单，Grok Bot 是 xAI 和 Cursor 联合推出的 AI 队友，每个 bot 有名字有岗位，共用一台常开的云电脑，可以派活、定时跑 Routine、装 Skill。这个仓库不写代码，而是把散落在 GitHub 和 X 上的相关资源整理成可直接抄的配方：193 个核过存活的条目、10 个统一格式的可抄配方（场景、步骤、prompt、坑都写清）、337 篇社区教程精选，还分了三级验证标记，真跑通的才打勾。三个招牌配方很实用：额度快烧光时的 Routine 额度体检、3 到 6 个 bot 靠文件交接的作战室编排、每天扫 X 只推有信号摘要的雷达。维护方式也特别，Grok Bot 每天找料，Claude Code 核实写短评，人只拍板，协作记录全公开。适合已经在用或打算用 Grok Bot 的独立开发者、一人公司、做内容和出海的人，想让多个 bot 分工协作、又不想自己摸索踩坑的可以直接抄配方；跟 Grok Bot 没交集的人可以跳过。

这是一套把斯坦福 CS329Z「Engineering AI Agents」课程整理成中文的自学教程，面向会写 Python、调过 LLM API 的开发者，用 19 讲加 4 项实践讲清一个 Agent 从零到上线的完整链路：LLM 基础、RAG 检索、工具调用、记忆机制、多 Agent 协作，以及容易被忽略的评测设计和安全防护。比如它会教你如何为一个客服 Agent 设计回归评测集，判断加了 RAG 之后回答质量是升是降，以及怎样防止提示词注入。内容以 Markdown 和可离线阅读的 HTML 形式提供，适合碎片时间通读。如果你正在做 Agent 应用开发、算法工程师想系统补齐 Agent 工程方法论，或者带团队需要一份中文培训材料，它都值得翻一翻；只做纯模型训练或不碰 Agent 的岗位关系不大。注意这是个人整理版，非官方中文翻译。

Verdict 是一个只有 197 KB 的本地小模型，专门判断命令行工具调用到底成功了没有。它的出发点是「退出码为 0 不等于成功」：进程可能一个测试都没跑、返回了 HTTP 500、或者只做了 dry-run，却依然正常退出。Verdict 会读取命令、退出码、stdout 和 stderr，输出 success、failure、blocked 或 unknown 四种结论，帮助 Agent 区分「真失败」和「环境被挡住了」，从而决定该重试、该停下还是可以宣称完成。在 48 个训练时完全没见过的 CLI 家族上，它的准确率达到 93.2%，而只看退出码的基线只有 47.9%。推理纯 Python 标准库、CPU 上 0.5 毫秒出结果，不联网不上传日志。README 也明确说它只是辅助分类器，不能替代确定性检查。适合在做 coding agent、CI 流水线或工具调用编排、需要判断 Agent 是否谎报成功的从业者看一眼。

dots-agent 是一个会自己找活干的常驻智能体：它每隔一分钟跑一轮，主动从你的目标队列里领任务、执行、汇报结论，还能把做过的活总结成可复用的「技能」存进技能库，下次直接调用。它提供命令行和 Windows 桌面窗口两种用法，窗口里能看它在干什么、派新任务、批准它想做的敏感动作（比如发邮件），也能直接跟它对话。核心设计是审批闸门和证据机制：危险动作默认要人点头，超时未批自动拒绝；完成的任务必须附带可核对的证据，否则标为「待复核」，防止它编造结果。适合想在本地跑一个长期值守的自动化助手、又不想完全放权给模型的个人开发者或 AI 应用工程师，用来盯邮件、跑例行脚本、整理资料这类重复劳动；如果你只是想找一个对话式 LLM 工具，它不太对口。

Mortar 是一个跑在终端里的 AI agent，可以类比成 Minecraft 版的 Claude Code：你用自然语言描述想建的建筑或结构，它会先读取你周围的地形、生物群系和已有建筑，规划出方案，再以半透明幽灵预览的形式投射到世界里，你走过去绕着看、确认位置和朝向后才真正放置方块，一次 /undo 就能全部还原。它还能生成 datapack，包括函数、进度、配方和战利品表，自动 reload 并修复报错；/materials 会列出建造所需的全部方块和烧炼材料，/export 则可导出为 litematic、schem 或 nbt 格式供手动搭建或分享。默认通过 Ollama 跑本地免费模型，也支持自带 Claude、GPT、Gemini 的 key。对 Minecraft 服主、模组开发者和喜欢在生存模式里搞建筑的玩家来说，它能省掉大量手敲方块和调试 datapack 的时间；如果你不玩 Minecraft，这个项目和你的工作基本无关。

这是一套给 Claude 用的技能包，专门帮你运营 LinkedIn 账号：写帖子、回评论、打分个人资料、排一周的内容计划，还带一个「去 AI 味」脚本。它不自动发布，所有产出都是可复制的文本，由你手动贴到 LinkedIn——因为自动化发帖违反 LinkedIn 用户协议，容易被限流。实际能解决的麻烦很具体：比如用 21 种钩子公式把一个想法扩成带三个标题选项的帖子；把别人帖子下的评论按类型匹配，避免千篇一律的「Great post!」；把自己帖子下的留言分成潜在客户、同行、噪音几类再逐条回复；给个人主页按 12 项标准打分并按失分优先重写。最有意思的是 humanizer，它会清掉零宽字符、em dash、弯引号这些 AI 写作的隐形指纹，替换 delve、leverage、seamless 这类套话，再用五项指标（句长起伏、具体度、套话密度等）给草稿打「人类分」，句式结构类问题则标出来交给你自己改。适合做个人品牌的内容创作者、求职者、销售和独立开发者——如果你不靠 LinkedIn 获客或找工作，关系不大。

这是一个把 WhatsApp 接入 AI Agent 的 MCP 服务器，相当于给 Claude、LangChain、Google ADK 这类框架提供了一个现成的 WhatsApp 通道，开发者不用再自己写 REST 封装和 webhook 解析。它通过 Model Context Protocol 暴露 61 个工具、10 个资源和 12 类实时事件，Agent 连上后能自动发现全部能力，覆盖发消息、群管理、联系人、投票、表情回应等操作，还能收到新消息、正在输入等推送。底层同时支持 Baileys（模拟 WhatsApp Web，个人号即可用）和 Meta Cloud API（官方企业通道），两套后端共用同一套工具名，切换渠道不用改 Agent 逻辑。内置限流和持久化，适合高频消息场景。值得看的是正在做 WhatsApp 客服机器人、社群自动化运营或跨境私域触达的开发者，尤其是已经在用 MCP 生态的人；如果你的工作和 WhatsApp 或 Agent 集成无关，这个项目基本用不上。

Franco 是一个跑在你本机上的自动外联销售代理，用你已有的 Claude Code 或 Codex 订阅驱动，不额外产生模型 API 账单。它接手一份客户名单，为每个客户找到写信的理由，从你自己的邮箱发出简短的邮件序列，再读取并处理回复，所有引用的事实都记录来源。它有三种工作方式：默认模式下模型会自己找企业、读官网、挑对人并起草个性化序列；模板模式则逐字发送你审核过的文案，合规页脚和退订规则由代码强制执行；还有一种漏斗模式，把客户分进最窄的销售漏斗再按既定故事写信。每封邮件默认都要你过目，也可以开自动发送，新战役一律先预览、签字后才发。适合做 outbound、冷邮件开发的销售和增长负责人，以及想用 AI 提效但要保留人工审核权的团队；纯技术岗或不做主动获客的人关系不大。

Moli OS 是一个用 Rust 写的超轻量智能家居中枢，定位类似 Home Assistant，但设计思路完全反过来：Home Assistant 是给人点界面用的，Moli OS 是给 AI Agent 用的——Claude Code、Codex 或任何 API 模型可以直接通过 MCP 接入，完成设备配置、日常操作、故障排查，甚至编写新设备驱动，而实时控制循环始终由确定性的二进制核心负责，Agent 不会直接插手。它的资源占用极低，内存只有几兆、镜像十几兆，对比 Home Assistant 动辄 2GB 的开销优势明显。内置 24 种集成（Zigbee2MQTT、Hue、Sonos、Tuya、打印机、3D 打印机等）、Svelte 仪表盘、可视化自动化编辑器和手机 App，敏感操作还设有人工确认的保护机制。适合智能家居爱好者、想探索 Agent 操控物理设备的 AI 工程师，以及需要在低配设备上跑家庭自动化的开发者；纯做模型训练或后端业务的人关系不大。

Construct 是给 AI Agent 用的一套工具：你用大白话描述一个东西，Agent 负责调研并写出一份精确、可校验的结构描述——它有哪些命名部件、真实尺寸、如何装配、如何开合运动，以及每个信息是实测还是推测。Construct 校验这份描述后，把它渲染成一个网页里的「光线全息」动画模型，同一份描述永远生成同一个结果，还能进一步导出带可动关节的 3D 模型、CAD 文件、3D 打印件或拼装套件。它兼容 Claude Code、MCP 客户端和任何 OpenAI 兼容接口，输出统一视觉风格，并对每个部件标注「已知/猜测」的可信度。典型场景包括：把自家吉他、老车复刻成可旋转分享的数字副本、给缺失零件画可打印的替换件、做家居改造前的规划模型，或为游戏和影视从真实物体出发设计新资产。对做 Agent 工作流、MCP 集成、游戏资产和数字孪生方向的开发者最相关，普通 AI 从业者也可当案例看看。

kodeblue 是装在每台 Linux 服务器上的 AI 蓝队 agent，把 SOC 监控、事件响应和 SecOps 巡检合在一个进程里。它先花一两个小时学习这台机器的正常状态，之后用零 token 的传感器持续盯着敏感文件和进程，一旦发现异常就交给一个小模型分诊，再由 agent 自己开一个会话调查、按策略隔离攻击并写出事件报告，同时还能盘点各服务的漏洞、每天自动调优检测规则并把更新推到 Slack。设计上刻意让确定性过滤器做重活，模型只看漏网的少量事件，因此接任意 OpenAI 兼容的便宜小模型即可运行，不配模型时传感器和检测也照常工作。可选的 hub 控制台把整个机队的事件、agent 推理过程和待审批操作集中到一个界面。适合负责 Linux 服务器安全的运维、SecOps 和安全工程师，尤其是人手不足、雇不起 7×24 SOC 的团队；做 AI 安全应用的人也可以参考它的「确定性传感器 + 小模型分诊」架构。

这是一套给「一人公司」做 AI 产品用的 Agent Skill 合集，把创业全流程拆成七步：MVP 验证、写商业计划书、查政策补贴、练路演、小红书抖音冷启动获客、定价成交、公司注册与合规。它有一个总入口，你只需说清楚自己在做什么、做到哪一步，它会判断你处于哪个阶段并调用对应的子 skill，每步产出还能串到下一步。比如先验证有没有人要再写 BP，拿到验证证据后直接喂给商业计划书和路演稿。政策查询只引用官方原文链接，不编造行业数据。适合正在中国做 AI 工具、Agent 应用的独立开发者和早期创业者，尤其是需要申请园区孵化器补贴、参加创业大赛、摸索冷启动获客的人；它明确不提供法律税务意见，也不针对面向 VC 的融资路演，纯技术岗或大厂员工基本用不上。

pi-purge 是 pi 编程助手的一个扩展，作用是让你在会话里随时切换发给模型的系统提示词：保留 pi 原生提示、只删掉其中的助手身份段，或者干脆只发你自己的 persona 文件。它面向的是做 prompt 工程的人，比如你想知道同一句话在「带框架提示」和「纯你的指令」两种条件下模型行为差多少，或者想回归测试自己写的指令、在受控条件下观察指令遵循和 prompt 注入的鲁棒性。三种模式里 strict 最干净，把项目上下文和其他扩展注入的内容一并剥离，只留你的指令加工作目录，适合做单变量实验；append 最温和，适合当对照组。它按会话生效、不落盘、关闭时对 pi 完全无感，适合经常折腾 system prompt 的 AI 应用工程师和做提示词安全研究的人；如果你只是日常用 pi 写代码，跟你的关系不大。

MemT-1.0 是一类把「长期记忆」直接做进模型计算里的记忆基础模型，可以理解为给 LLM 装上一块随交互不断演化的原生记忆区，而不是每轮都把完整历史塞回上下文。它包含动态本地记忆和可训练的超记忆两部分，推理时无需回看原始对话，持久状态大小恒定，在 128K 历史长度下比全量 KV cache 省约 66% 存储。项目提供基于 Qwen3.6-35B-A3B 的 Nano 和基于 DeepSeek-V4-Flash 的 Flash 两个规格，并在 11 个记忆基准上取得参数化记忆方法中的前两名，还演示了把过往编码经验存进原生记忆、在长程 agentic coding 中复用的做法。适合做 Agent 应用、长对话产品或关注记忆机制与推理成本的算法工程师看；如果你只做前端、运维或不涉及长上下文的常规 LLM 调用，关系不大。

TOMC Memory 是给 Claude Code、Codex、Cursor 这类 AI 编程助手补记忆的工具，解决的痛点很具体：每次开新会话都要重新解释项目背景，而且助手还会把过时的旧结论翻出来——比如你的技术栈从 Flask 换到 Django、再到 FastAPI，最后定在 Litestar，它只该告诉你最新答案。它把历史对话和笔记压缩后按需喂给助手，只保留每个事实的最新版本并附上出处，同时大幅削减输入 token：作者自己的测试显示，保留 40% 历史能把请求输入减少约三成且答案全对，长历史场景下也优于其他六种记忆方法。要注意它不会压缩助手正在进行的对话，一万 token 以下的短历史收益有限，而且靠词面匹配而非语义理解，改写式的更新可能漏掉。适合重度使用 AI 编程工具、经常开新会话又烦于重复交代上下文的工程师，以及研究 Agent 记忆和上下文压缩的人；偶尔用用 AI 聊天的人关系不大。

pitupitu 让你用手机语音指挥跑在自己电脑上的 coding agent。它是一个装在每台机器上的小型 Rust 程序，通过一条主动外连的 WebSocket 把机器接到 pitupitu 云端，你在手机或浏览器上说一句话，就能在指定机器上启动 Claude Code、Codex、OpenCode 等 agent，查看进度、回答它抛出的问题、或在它卡住时推一把，全程不用碰终端。agent 仍跑在你原有的订阅和权限下，不碰你的凭证，云端也只能执行固定的一组操作，没有任意 shell。它把 agent 会话交给 herdr 这个终端工作区管理，你在桌面上打开 herdr 就能看到和手机完全相同的实时会话。适合经常让 agent 跑长任务、又不想一直守在电脑前的开发者，比如通勤、散步时想确认构建结果或批准权限请求的人；如果你的 agent 任务都是几分钟内完成的短活，这个项目意义不大。