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。

terminal-mac 把一整台 macOS 桌面塞进你的终端里，专门给 AI Agent 当「电脑使用」的沙箱。它用 Apple Virtualization 起一个真实的 macOS 虚拟机，虚拟机里跑一个辅助程序负责截图和接收点击、拖拽、输入等事件，终端这边用 Kitty 或 iTerm2 的图形能力把画面流式显示出来。Agent 通过 MCP 工具（截图、点击、滚动、打字、按键等）操作这台虚拟 Mac，全程不会碰你本机的鼠标和剪贴板——虚拟机有自己独立的应用、文件和账号，跟宿主机完全隔离。比如你想让 Claude Code 自动完成某个需要图形界面的 macOS 操作流程，又不放心它在你真实桌面上乱点，就可以让它在这台虚拟 Mac 里试。适合在做 Agent、computer-use、MCP 集成的开发者，以及想给 AI 一个安全 GUI 沙箱的人；如果你不折腾 Agent，这项目跟你关系不大。目前仅支持 Apple silicon，且是早期候选版本。

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。

Mika 是一个装在 Android 手机上的 AI 助手，你用一句话交代任务，它就自己打开 App、点按钮、翻页面，把事情做完，比如「总结今天微信群聊了什么」「找 30 美元以下、4.5 星以上的充电器加进购物车」「找旧金山到纽约最便宜的直飞航班」。它的特别之处是所有操作都跑在一块隐藏的后台屏幕上，你照常用手机不受干扰，随时可以点开小窗看它在干什么；它靠看屏幕找按钮，不依赖任何 App 的接口，所以微信、小红书、招聘网站、外卖平台都能操作，涉及付款时会先停下来问你。模型 API key 自己填，数据不出手机。适合想研究手机端 GUI Agent、Accessibility 自动化实现方式的移动端和 Agent 方向工程师，以及想省时间处理重复手机操作的重度用户；如果你不做移动端开发也不常被琐事缠身，扫一眼即可。

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。

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。

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。

DS Bot 是一个基于 DeepSeek Harness（DSH）的桌面端多 Agent 应用，你可以把它理解成「一个能养多个 AI 员工的聊天室」：每个 bot 有独立身份、模型和长期记忆，主 bot（Chief）负责统筹管理，bot 之间还能互相转交任务。实际用起来，你可以在一个窗口里和单个 bot 长期协作，让它记住你的偏好；也可以开群聊，让几个 bot 分工完成一件较大的活——比如 @ 某个 bot 去干活，它会边做边在群里汇报进度，做完把结果交回给发起方，你随时可以叫停。群聊有独立记忆，不会污染你和别的 bot 的对话。它还内置了网页搜索能力。适合想在 DeepSeek 上搭个人 AI 助理团队、或试水多 Agent 协作玩法的从业者；如果你只是调 API 或做模型开发，和你关系不大。注意它是社区项目，非 DeepSeek 官方出品。

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。

dsh-purge Community 是 DeepSeek Harness（DSH）桌面端的社区维护版增强插件，圈内俗称「破甲」插件。它不改模型本身，而是降低交互摩擦：通过宿主补丁和提示词注入，让 Agent 少反复跟你确认「要不要继续」，能连续执行任务。同时它把状态诊断、提示词与预设管理、更新和本机备份回滚收敛到一个面板里，每次改动前自动快照，改坏了能一键撤回，全部逻辑跑在本机、不上传提示词。典型场景是个人学习和动手实验，比如让 Agent 连续跑完一串实验步骤而不被中途打断，或者集中调整多套提示词预设并保留回滚点。值得看的是正在用 DeepSeek Harness 做自动化实验、个人项目的开发者，以及关心本地 AI 工具可控性和可回滚性的从业者；如果你不用 DSH，这项目和你关系不大。

ARTEX 是一套 AI 自主渗透测试系统，可以理解为让大模型自己当渗透测试员：你给它一个目标和资产范围，它会自主规划探测路径、调用扫描工具、记录发现的漏洞，全程在网页界面上以会话和探索链路的形式呈现。它内置审批拦截机制，敏感操作需要人工放行，也支持人在环路对话随时介入调整方向；还能从 ScopeSentry 同步域名、IP、端口等资产数据，直接生成资产图供 Agent 探索。对安全团队来说，它把原本手工串联的信息收集、扫描、验证流程交给 Agent 自动跑，同时保留完整的执行轨迹和 Token 消耗统计。适合红队、安全运营和渗透测试工程师，以及想在授权范围内做自动化漏洞挖掘的团队；如果你的工作与安全测试无关，这个项目和你关系不大。

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。

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。

这是一个让 AI 模型直接操作真实 iPhone 的方案：一块约 7 美元的 ESP32-S3 开发板通过 USB 连接手机，板子作为 AirPlay 接收器截取屏幕画面，同时以标准 USB 鼠标键盘身份模拟点击、滑动和输入，配合手机上的 App 和任意 OpenAI 兼容的视觉模型形成闭环，全程不需要 Mac、开发者账号或越狱。它能完成跨 App 的真实操作，比如你说「设一个每周一和周二早上 8 点的重复闹钟」，Agent 会自己退出当前应用、打开时钟、滚动选时间、勾选日期并保存，还能回放每一步操作并导出截图与动作序列供分析。适合关注 Computer Use、手机端 Agent 落地形态的 AI 应用开发者和硬件极客，用来研究视觉模型驱动 UI 自动化的完整链路；如果你不做移动端自动化或不关心软硬结合的 Agent 方案，和日常工作关系不大。

鲸鲸是一个 Windows 桌面程序，让你的微信账号接入 DeepSeek、智谱 GLM、通义或本地 Ollama 等大模型，自动陪人聊天。它的人设是蓝发鲸鱼娘，说话短、带情绪，能撒娇也能毒舌，支持网页私聊和微信群自动回复，还能查 B 站热搜、联网搜资料，甚至按回复语气自动配表情包。群里它会先判断消息在跟谁说话，避免乱插嘴或误伤别人，聊天记忆也会持久保存、更新不丢。它本质上是用 UI 自动化桥接微信客户端，属于个人玩伴型机器人，不是面向企业的客服方案。对做 AI 应用、想研究 LLM 人设提示词与记忆机制的开发者有参考价值；普通从业者若不关心微信机器人场景，关系不大，且需注意它操作的是你自己的真实微信账号。

EXZA Remote 是一个 MCP 服务，让你在 ChatGPT 或 Claude 的对话里直接操控自己的电脑：查看文件、查进程状态、跑一条经你批准的终端命令，不用再手动把命令行输出复制粘贴回聊天框。它由一个远程 MCP 端点加一个装在你本机的客户端组成，通过一次性配对码把 Mac、Windows 或 Linux 机器绑定到你的账号，敏感操作需要你在本地确认后才执行，权限可随时撤销。典型场景是开发者让 AI 读取项目文件并跑一次本地测试，或 IT 支持远程查看设备状态和诊断输出。如果你是需要频繁在 AI 对话和本地环境之间来回切换的开发、运维或技术支持岗位，值得花几分钟看看；纯做前端或不碰本地环境的读者关系不大。注意它依赖 OpenAI 对自定义 MCP 连接的支持，可用功能随平台和账号权限而异。

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。

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。

这是一份给 AI 智能体用的短剧创作技能包精选清单，收录了 83 个 skill 和 16 个相关开源平台，覆盖从小说改编、集纲钩子、剧本审稿到分镜、角色资产、以及给 Seedance、可灵、MiniMax 等视频模型写提示词的全流程，装进 Claude Code、Codex、千问、豆包、Kimi Code 等支持 skill 的智能体就能直接用。它的独特价值在于做了三轮实测：用同一道题让各 skill 和不装 skill 的对照组盲比，由 Opus 和 GPT 两位 AI 评审打分，告诉你哪些 skill 写的剧本和人物大纲真的更好、各自适合什么风格、有什么短板，比如钩子偏弱或中段推进慢。适合正在用 AI 做网文改编短剧、竖屏微剧或漫剧的编剧、内容策划和 AI 应用开发者，想快速挑到靠谱的编剧 skill 而不想自己逐个试错的人；如果你不做短剧内容，和你关系不大。

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。

ARTEX 是一套 AI 自主渗透测试系统，可以理解为把安全工程师的日常渗透工作交给 Agent 来跑：给它一个目标范围，它会自己探索资产、调用工具、发起攻击尝试并汇总漏洞发现，全程在 Web 界面上可视化呈现——包括任务执行过程、探索链路、资产覆盖图和流量录制。它内置了人在环路的审批机制，敏感操作需要人工确认后才继续，同时支持从 ScopeSentry 同步已有的资产数据，避免重复收集。这个仓库是 Autumn-27/ARTEX 的源码备份，保留了原始提交历史。对安全团队和红队从业者来说，它适合用来做批量资产的自动化漏洞挖掘和复测；对做 AI Agent 应用的开发者，它也是一个观察多步工具调用与审批拦截如何落地的完整参考。如果你既不做安全也不研究 Agent 编排，那和你关系不大。

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。

这是一个跑在 Claude Code 里的「AI 董事会」：你把一个难做的商业决策丢进去，Bezos、Paul Graham、Hormozi、Buffett 等十二位按其公开作品构建的 AI 顾问会围桌辩论，最后给出打分后的裁决和一份可下载的 PDF 报告。它解决的是创始人和业务负责人「一个人拍板心里没底」的麻烦——比如要不要全线涨价、该自建还是收购、这笔钱该不该花。提问时 Chair 会先追问你的收入、现金、团队规模和倾向，再按议题推荐合适的顾问阵容，且刻意安排一个会反对你的席位，避免全员点头。本地网页能看到顾问们实时争论的过程，不装网页也能直接在 Claude Code 里跑。适合独立开发者、创业者、业务线负责人在做定价、招聘、融资类决策前当外部视角用；纯技术岗或不涉及商业判断的读者关系不大。