caveman 是一个给 coding agent 用的省 token 技巧加代理工具，核心思路是让 AI 像原始人一样说话：能省的词全省，但代码和关键信息一字不动。它给 Claude Code 等 30 多种 agent 提供一套「原始人语音」规则，让回复先给结论、一句一个意思、砍掉寒暄和复述，实测能把整轮会话的输入 token 砍掉三成以上，输出也更短，而答案质量基本不变——JetBrains 的 A/B 测试显示没有可测量的质量下降，Adobe Research 和 Elasticsearch Labs 也各自验证过成本下降。它还提供几档激进程度不同的口令，从正常简写到中英混杂的极简模式，用户按需选择。适合每天重度使用 Claude Code、Cursor 等 agent、被 token 账单和上下文长度困扰的工程师，以及关注 prompt 工程和 agent 成本优化的人；如果你不常用 AI 编程工具，这项目跟你就没什么关系。

CLIProxyAPI 是一个用 Go 写的代理网关，它把 Claude Code、Codex、Gemini CLI、Grok、Devin 这些各家官方命令行工具的登录态，包装成标准的 OpenAI、Gemini、Anthropic 兼容 API 服务。简单说，你不用自己申请 API key 或按 token 付费，只要登录了这些 CLI 工具的账号，就能通过统一接口调用背后的模型，相当于把各家免费或订阅额度聚合成一个可编程的后端。典型场景是：你手上已有 Claude Pro 或 Gemini 订阅，想让自己的脚本、内部工具或不支持官方 API 的应用直接复用这些额度，而不是另开一份 API 账单；或者团队想用一个统一入口切换多家模型。需要留意的是，README 首屏大量篇幅是各类 API 中转商的推广链接，说明它在灰色地带被广泛用于绕过官方计费，使用时要自行评估账号风控风险。对 AI 应用开发者、需要低成本跑多模型实验的人有参考价值，普通从业者关系不大。

ARTEX 是一个 AI 自主渗透测试系统，可以理解为「让大模型自己当红队成员」：你给它一个目标，它会自主规划攻击路径、调用 nmap 等工具去探测和验证漏洞，全程在 Web 界面上以任务、探索图、资产覆盖图的形式展示进展。它解决的是人工渗透测试里重复劳动多、覆盖面难保证的问题，比如子域名和端口扫描结果可以从 ScopeSentry 同步进来，浏览器扩展还能把你登录目标站点时的请求流量录下来，直接绑定到发现的漏洞上作为证据；涉及敏感操作时会停下来等人工审批，也支持在对话里实时干预。适合安全工程师、红队和攻防平台开发者，用来做授权范围内的自动化资产梳理和漏洞验证；如果你不做安全方向，和你关系不大。

RAGFlow 是一个开源的 RAG 引擎，可以理解为给大模型接上「靠谱外脑」的中间层：把散乱的文档喂进去，它负责解析、切分、索引，再在回答时检索出有依据的内容。它的强项是深度文档理解，能处理 Word、PPT、Excel、PDF、扫描件、网页等复杂格式，把非结构化数据抽成结构化知识，还能编译成 Wiki、思维导图、时间线等形态。面对复杂问题时，它会自动拆解、多轮检索并核验证据，答案可溯源到具体引用。适合需要把企业内部资料做成可问答知识库的场景，比如客服知识库、合同审查、研究报告检索。对 AI 应用工程师、算法工程师以及负责企业知识管理的人来说值得一看；纯前端或后端开发、不涉及 LLM 应用的岗位关系不大。

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。

Ollama 是目前最主流的本地大模型运行工具，可以把它理解成「模型界的 Docker」：一条命令就能把 DeepSeek、Qwen、GLM、Gemma、Kimi、MiniMax 等开源模型拉到自己机器上跑起来，数据不出本地，同时提供统一的 REST API 和 Python、JS SDK，方便程序调用。它解决的麻烦很具体：想试一个新模型不用自己配 CUDA、拼推理框架，也不用把敏感数据发给云端 API；最近还打通了 Claude Code、Codex、Copilot CLI 等 AI 编程工具的接入，让这些工具直接用本地模型当后端。值得看的人包括想在内网或个人电脑上跑模型的算法和后端工程师、需要离线或隐私合规方案的团队，以及希望给编程助手换成本地免费模型的开发者；如果你只用云端 API、从不碰开源模型，那和你关系不大。

Pojun（破军）是一套用 LLM 多 Agent 自主推进的渗透测试与红队平台：你给出一句话目标，它自动完成目标拆解、侦察、漏洞挖掘、利用、后渗透到生成报告的全流程，人可以随时插手纠偏。它不只是跑扫描，还内置了漏洞情报运营——按时间流聚合 NVD、CISA KEV、GitHub Advisory 和 PoC，把近期高危漏洞自动匹配到你的资产指纹上；后渗透阶段提供回连接收器和三种 C2 出口形态，全程流量过 MITM 留痕，最后产出带封面、目录、证据截图和修复路线图的 Word 级报告，方便直接交付 SRC 或甲方。适合安全服务公司的渗透测试工程师、甲方红队与 SRC 白帽，以及想用 AI 提效的攻防团队；如果你不做安全，这个项目和你关系不大。

Helix Foundry 是一个把公司散落各处的数据整合成一张知识图谱的工具：它提供 PostgreSQL、MySQL、S3、Stripe、GitHub、Slack、Notion 等几十种连接器，把数据库表、文档和表格文件接进来，再由一个 AI agent 根据你的业务目标自动起草一套 ontology（实体类型、关联关系和规则），你审阅修改后加载进 HelixDB，形成一张可探索、可提问的统一图谱。它的核心卖点是可溯源：图里每个值都能追回原始的数据库行或文档引文，Analyst 回答问题时会给出图表、执行过的查询和每条结论的出处，文档间冲突的值会等你裁决；同步机制只读增量变化，避免全量重跑。适合数据工程师、数据分析师和需要跨系统做业务问答的后端或 AI 应用开发者，尤其是那些受困于「数据散在十几个系统、想让 AI 帮忙梳理但又怕它胡编」的团队；如果你不涉及数据整合或知识图谱，和你关系不大。

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。

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。

Berth 是一个用 Go 写的轻量级 GPU 资源调度器，可以理解为给你的显卡加了一个「排队叫号系统」：本机上跑的各类程序不再直接抢占显存，而是向它申请租约、轮流使用。它管的不只是自己启动的模型服务，还包括 ComfyUI、Ollama、vLLM、llama-swap 里的模型、游戏乃至任何占着显存的进程——如果发现有没申请租约的进程占着显存，它会报出 PID 和占用量，省去你翻 nvidia-smi 排查的时间。典型场景是本地跑大模型的工作站：你一边用 ComfyUI 出图，一边想让 llama-server 回答问题，以前两者同时加载模型会直接 OOM 崩掉，现在后到的请求会按优先级排队，等前者跑完当前任务再交接，还能把模型暂存到内存里加快切换。适合自建本地 AI 环境的开发者、算法工程师，以及在一台机器上同时跑推理、绘图和游戏的人；如果你只用云端 API 或单卡单任务，关系不大。项目目前处于 alpha 阶段。

gitai 是一个专为 AI 编码代理设计的版本控制系统，对标 Anthropic 内部未公开的 Scion 方案，用 Go 实现且完全开源。传统 Git 是为「人类 clone 后干几小时再 push」设计的，而编码代理的模式是成千上万个短命任务、每个只改几个文件、几秒内就要落地，全量 clone、merge 队列和客户端历史遍历都会成为瓶颈。gitai 把工作搬到服务端：客户端常在线只拉取需要的对象，blame、路径历史、代码搜索等查询在服务端计算并缓存，落地用 compare-and-swap 取代 merge 队列，冲突可交给任意 LLM 提议解决但必须通过你配置的验证命令才生效，仓库状态存在 SQLite/PostgreSQL 加对象存储里，服务节点无状态可横向扩展。它还提供按代理粒度的权限控制、语义化审批规则和落地后自动测试回滚。适合正在搭建多代理并行写代码流水线的平台工程、DevOps 团队，以及关注 AI 编码基础设施的人；如果你的团队只有少量代理或纯人工协作，暂时关系不大。

MyGit 是一个轻量的原生 Git 图形客户端，跨 macOS、Windows 和 Linux，主打「检查 AI agent 写的代码」这一场景。它把 JetBrains 的提交图和历史工具、VS Code 的暂存方式装进一个不到 7 MB 的单文件里，秒开、内存占用极低（打开两万条提交的仓库约 109 MB，远低于 IDE）。实际用法是：让 Claude Code、Codex 等 agent 干活时开着 MyGit，窗口随改动实时刷新，锁文件和压缩产物自动折叠，图片改动显示前后对比；你可以在 diff 里直接改一行、按行暂存，把不满意的行加上注释、一键复制成带文件和行号的 Markdown 贴回给 agent 重做。它只读 git 输出、所有写操作交给 git 本身，所以和任何 agent、多个 agent 并行、或你自己的手改都兼容。适合日常用 AI 编程、需要频繁 review agent 产出的开发者，以及想要一个比 IDE 轻得多的 Git 客户端的人；不写代码或不用 agent 的读者关系不大。

Droidline 是一套用代码操控真实 Android 手机的自动化工具，可以理解为免 ADB、免数据线、免 root 的 Appium 替代品：手机上装一个 App、扫码配对即可，手机主动连回电脑，同一局域网或移动网络都能用。它提供统一的命令集，Python、Node.js、命令行、HTTP 乃至 MCP 都能调用，典型场景包括在真机上测试自己的 App（比如跨应用读取短信验证码完成登录）、让一排手机每天跑同一套例行任务、写点小脚本定时开关 Wi-Fi 或抓取应用里的数据，以及通过 MCP 给 Claude、Cursor 等 AI agent 装上「手和眼」，让它们看手机屏幕并操作。适合移动端测试工程师、做手机农场或 RPA 的开发者，以及想让 AI agent 接管真机的团队；纯后端或算法岗关系不大。

Skein 是一个本地多 Agent 任务编排的执行控制面，用 Go 写的，可以理解成给本地跑的 Agent 群体加了一道「急停闸」。它按显式任务图调度并发任务，核心机制是 epoch fencing：一旦触发紧急停止，排队中的任务作废，旧 epoch 里迟到的完成结果会被直接拒绝，而不是仅仅标记为已取消，从而避免失控的 Agent 继续写入结果。它还负责终止被跟踪的本地进程树，实测能干净杀掉全部父子进程。适合需要在本地批量跑 Agent 工作流、又担心某个 Agent 失控或停不下来的团队，比如做 AI 工作流编排、多 Agent 系统的工程师，在引入外部副作用前用它做执行层的安全兜底。注意它不是 Agent 框架也不跑模型，只管调度和急停；对多数不涉及本地多 Agent 编排的读者关系不大。

Memdoor 是一个跑在本机的 coding agent 和工作流编排器，可以理解为给 Claude Code 这类编码助手加了一层确定性的流程控制：它让多个小模型（如 Qwen3.8-27B）分工协作，作者称在 LiveCodeBench Hard 上五个小模型协作的成绩超过了单次调用的 frontier 模型。它能读文件、改代码、跑测试，还能把重复性工作写成带检查点、并行步骤和人工审批门的工作流，失败后可从断点续跑，适合接进 CI 或定时任务；内置的决策模型还能按需裁剪每轮发送的工具和上下文，实测把某类问题的输入 token 压掉了七成。模型可以走本地 Ollama、llama.cpp，也可以用你自己的 OpenRouter 等 API key，单个二进制、无需注册账号。值得看的是关注 AI 编码工作流、想用低成本小模型替代昂贵大模型做批量代码任务的工程师，以及在 CI 里跑自动化修复的后端和平台岗位；如果你只是偶尔用一下 AI 补全，关系不大。

zcode2api 是一个把智谱 ZCode 免费账号转成标准 API 的反向代理网关，可以理解为「免费额度聚合器 + OpenAI/Anthropic 兼容接口转换器」。它能导入本机 ZCode 凭据或通过 OAuth 添加多个账号，统一管理余额与模型能力，再对外暴露 OpenAI Chat Completions、Responses 和 Anthropic Messages 三种协议的端点，客户端只需改 Base URL 和密钥即可接入。针对免费账号容易被限流的问题，它内置了并发调度与重试策略，还能自动领取免费 token，把零散的免费额度攒成可用的推理资源。适合想低成本调用 GLM-5.3 系列模型的个人开发者、在本地跑 AI 编程工具或 Agent 应用又不想付费开卡的工程师，以及需要给团队统一出口的后端负责人；如果你没有 ZCode 账号或不打算用智谱的免费额度，这个项目和你关系不大。