ResolveLab 是一个给工具调用型 LLM agent 做「故障注入 + 副作用打分」的评测与后训练环境。它跑一个真实的 HTTP 服务，在 agent 操作过程中注入各种会改变正确下一步动作的故障，比如分页查询里的近似记录、If-Match 冲突、429 限流、写入已提交后才返回的 502、任务中途被收回权限等，然后从服务端状态、提交日志和读版本来判定 agent 到底把系统改成了什么样，而不是听它自己说「已解决」——写错记录、重复提交、漏读最新状态、谎报成功都会被判失败。它还内置一个经回放验证的 teacher，可以生成 DAgger 训练数据，README 里展示了 Qwen3-0.6B 经 BC+DAgger 微调后测试通过率从 90.8% 提到 98.3%。适合做 agent 评测基准、agent 后训练或 RL 环境研究的算法工程师和研究者；如果你不涉及 agent 训练或可靠性评测，和多数从业者关系不大。

MaiWeave（麦织）是给 MaiBot 加装的一套「角色生活引擎」，让聊天机器人不再只是被动应答，而是拥有自己的日程、作息和连续经历。你可以直接用聊天的方式约它明晚看电影、安排每周散步，或者把 TXT、EPUB 放进它的书架让它自主选书阅读并留下读书笔记；它会根据精力、心情、天气和地点自主安排活动，还能记住人物关系、生日纪念日，写日记、做梦、主动找你聊近况。本质上它解决的是 AI 角色「每次对话都像失忆重来」的问题，把零散对话串成有连续性的生活轨迹。适合做 AI 陪伴产品、虚拟角色或 Agent 应用的开发者参考，看别人如何设计长期记忆、日程调度与主动交互机制；如果你不玩 MaiBot 生态，和多数人关系不大。

bootgpt 是一个把语言模型塞进硬盘主引导记录（MBR）的极客项目：开机后不加载任何操作系统，直接在 16 位实模式的 386 上跑一个 11.5 KB 的 int8 量化小模型，让它「做梦」出一段 Linux 启动日志——时间戳、PCI 设备、ACPI 事件，全是不存在的硬件。模型只有 8 字符上下文和一个隐藏层，输出质量约等于乱码版 dmesg，但字符级输出与 Python 模拟完全一致。整个推理引擎压缩在 510 字节的引导扇区里，权重和词表放在后续扇区，前向传播只用整数乘除完成。它属于 boot sector demoscene 的 sizecoding 传统，和 sectorllm 等项目一脉相承，只是走了「极致小而专」的路线。对多数从业者来说这更像行为艺术而非生产力工具，值得花两分钟看的是它展示的量化与整数推理技巧；真正会动手研究的是做底层推理、模型量化或对 demoscene 感兴趣的工程师。

这是 TensorFlow 官方维护的模型库，相当于 TensorFlow 版的「model zoo」，收录了大量 SOTA 模型的参考实现，比如目标检测、图像分类、NLP 等任务的现成代码。它分几块：official 目录用最新的 TensorFlow 2 高层 API 实现并由官方持续更新，research 目录收录研究者贡献的模型，community 目录则是精选的第三方实现清单，另外还有一个叫 orbit 的轻量训练循环库，方便自定义训练逻辑并兼容 CPU、GPU、TPU。对从业者来说，它的价值在于当你需要复现某个论文的模型、或想参考官方推荐的建模最佳实践时，可以直接拿来对照，省去自己从零搭训练流程的功夫，部分模型还附带 TensorBoard 训练日志便于对比效果。适合正在用 TensorFlow 做研究或产品开发的算法工程师和研究员；如果你主要用 PyTorch 或者不做模型训练，这个仓库和你关系不大。

serviette 是一个免写代码的 RAG 服务：把一个文档文件夹、一个向量数据库和一个 embedder 写进一份 YAML 配置，就能得到带来源引用的文档问答聊天界面和 REST API，底层基于 Pathway Live Data Framework。它和常见 RAG 方案最大的区别是「实时」——文档被编辑、新增或删除后，几秒内答案就会跟着更新，不需要任何人手动重新上传或重建索引，适合文档频繁变动的场景。支持 Chroma、Milvus、pgvector、Pinecone、Qdrant、Weaviate 等 8 种向量数据库，默认本地 embedder 可让文档和索引不出本机，只有回答生成时的少量片段会发给模型 API。目前一次只回答一个问题，没有多轮对话记忆和用户账号。值得看的是需要给团队或客户搭内部文档问答、知识库检索的后端和算法工程师，尤其是那些苦于「索引一建就过期」的人；如果你只是想了解 RAG 概念或做一次性问答，它未必比现成方案更省事。

Tracely 是一套面向 AI agent 的 CI/CD 回归测试与可观测平台，核心思路是「生产环境里录下的那次失败运行，本身就是测试用例」。传统 eval 工具都要你手工编数据集，猜什么会坏；Tracely 则直接把线上出问题的 trace 冻结成可回放的回归用例，在每次 PR 上离线重放——用录制好的工具和模型响应做 fixture，不调真实 API、零成本、结果确定。除了回归门禁，它还提供 trace 瀑布图（agent、思考、工具调用、生成分层展示）、LLM-as-judge 在线打分、失败聚类（31 条坏运行合并成一个问题）、以及画布式告警规则（可推送到 Slack、邮件或自定义 webhook），回归时直接 block PR。适合负责 agent 质量保障的后端/平台工程师、做 LLM 应用评测的算法工程师，以及想把 agent 测试接入现有 CI 流程的团队；如果你不维护线上 agent，关系不大。

FPO 是一篇 ICRA 2026 论文的官方代码，做的事情是用强化学习继续微调机器人操作模型 pi0。pi0 这类 Vision-Language-Action 模型靠模仿学习训练，遇到训练数据里没见过的情况就会失手，比如从侧面抓方块失败。FPO 的思路是把 PPO 式的策略优化搬到 flow-matching 策略上：由于 flow 模型算不出似然，它用条件流匹配损失的逐样本变化构造一个无似然的比率，配合裁剪目标和 Q 集成估计优势，在冻结的 pi0 外面套一个 actor-critic 做在线微调。论文里 LIBERO 四个套件的平均成功率从 85.5% 提到 87.2%，ALOHA Transfer Cube 从约 40% 提到 65% 以上。做机器人操作、VLA 模型或 flow-matching 策略强化学习的研究者和工程师值得看，普通算法工程师关系不大。

这是一个本机运行的 AI 学习工作台，可以理解为「带 RAG 检索的苏格拉底式辅导老师」：你上传课程讲义或习题资料，它先用 BGE 向量化建索引，再结合检索到的原文内容，通过多轮对话逐步给你提示而不是直接甩答案。它能针对你的作答给出错因反馈、分步讲解和变式练习，还能把每道题的提问、作答、反馈保存下来，下次接着学。技术栈是 Next.js 加 FastAPI，向量索引和记录都存在本地，只有教学回复和判分会调用你配置的聊天模型 API。适合想做 AI 辅导类应用、教育 Agent 或 RAG 检索实践的开发者参考其架构；单纯想找个刷题工具的普通学习者也能用，但需要自己准备模型 API 和课程资料。

Protuna 是一个面向蛋白质工程的 AI 优化框架，可以理解为把贝叶斯优化和主动学习的思路搬到了蛋白突变体设计上：你给它历史突变数据或一个已知的活性分子，它会结合蛋白语言模型和打分函数，自动推荐下一批最值得做实验的变体序列。它支持用奖励引导的方式让蛋白语言模型朝着目标性质生成序列，内置零样本变体效应预测等打分方法，还能用 Ray 做分布式大规模筛选，并允许设置主目标加多个不等式约束（比如只优化活性但限制其他性质），同时可配置序列规则（固定位点、禁止某些氨基酸等）来约束搜索空间。适合做酶工程、抗体或药物先导化合物优化的生物信息、计算生物学和蛋白设计工程师，尤其是那些实验通量有限、需要每一轮聪明地挑选少量候选去做湿实验的团队；如果你不涉及蛋白序列设计，这个项目和你关系不大。

Yahont 是一个可私有部署的企业知识层平台，基于开源项目 Onyx 改造，主打俄语环境适配。它把公司散落在各处的文档、网站、知识库统一接入并建立混合索引，让团队和 AI Agent 通过一个入口检索全部资料，回答附带原文引用链接，方便核验。除了文档问答，它还提供 Deep Research 多步研究报告、带独立知识与指令的定制 Agent、网页搜索、代码沙箱执行、图片生成、语音模式，以及通过 MCP 把自身知识库接入 Claude Desktop 等外部 Agent。模型侧兼容 OpenRouter、OpenAI、Anthropic 及 Ollama、vLLM 等本地部署方案。适合需要搭建内部知识库、客服或销售助手、员工 onboarding 问答系统的技术团队，尤其是对数据合规和私有化有要求的场景；普通个人开发者或纯前端、后端岗位关联不大。

toolism 是一个专门给 LLM 工具定义 JSON Schema「瘦身」的命令行工具。你给模型的每个工具（OpenAI function、Anthropic tool、MCP server tool）都会随每次请求发送，而 Pydantic、FastMCP、zod-to-json-schema 这类生成器会塞进大量冗余内容：重复属性名的 title、可选字段的 anyOf 包装、default: null、无用的 $defs 等。toolism 能测量这些 schema 到底花掉多少 token，然后在不改变任何合法工具调用的前提下删掉冗余，并用等价性检查证明结果安全。在 13 个热门 MCP server 的 159 个工具上，默认规则平均砍掉 37.4% 的工具定义 token，Notion 甚至省了 73%。它还提供 CI 门禁，把 token 预算锁在基线水平，防止成本悄悄回涨。适合维护 MCP server、做 Agent 应用或负责 LLM 推理成本的工程师——如果你的工具定义是手写的精简 schema，那它能省的就很少，关系不大。

MarkItDown 是微软开源的一个 Python 工具，能把各种文件统一转成 Markdown，可以理解为面向 LLM 的 textract 替代品。它支持 PDF、Word、PowerPoint、Excel、HTML、CSV/JSON/XML、EPub、ZIP 包，甚至图片（OCR）、音频（转写）和 YouTube 链接，转换时会尽量保留标题、列表、表格、链接等结构信息，输出的 Markdown 既省 token 又是主流模型最熟悉的格式。典型用法是把公司内部的合同、报表、PPT 批量喂给 GPT-4o 做摘要、问答或 RAG 检索，省去为每种格式写解析器的麻烦；它还支持插件，比如用 LLM Vision 对文档内嵌图片做 OCR。如果你在做 AI 应用开发、数据管线或知识库建设，需要把异构文档清洗成模型可读的文本，这个工具值得花十分钟看看；纯前端、后端业务开发或不碰 LLM 的人关系不大。

这是 Anthropic 官方的 Agent Skills 示例仓库，用来展示 Claude 的「技能」机制：每个技能就是一个文件夹，里面放着给 Claude 的指令、脚本和资源，Claude 在遇到对应任务时会动态加载它，从而把某类工作做得又快又稳。比如按公司品牌规范生成文档、按团队既有流程分析数据、批量处理 PDF/Word/PPT/Excel，仓库里还收录了驱动 Claude 文档能力的 docx、pdf、pptx、xlsx 等生产级技能，以及网页测试、MCP server 生成等技术类示例。它同时提供了 Agent Skills 规范和技能模板，方便你照着写自己的技能。对做 Agent 应用、Claude Code 工作流或企业内部 AI 落地的工程师来说，这里是理解技能写法和复用现成能力的最佳参考；只想日常用 Claude 聊天的普通用户则关系不大。

Humanizer 是一个给 Claude Code、Codex、Cursor 等 Agent 用的 skill，作用是把 AI 写的文案改得像人写的，只改语气和表达，不动原意。它依据 Wikipedia 编辑用来识别 AI 文章的「Signs of AI writing」指南，内置 26 种 AI 写作套路，比如「不是 X，而是 Y」的句式、结尾来一句「Let that sink in」、假装深刻的「At its core...」、以及「Honestly?」式的铺垫，见到就改。改写时它会先标出所有可疑痕迹，再重写、自查、出终稿，遇到原文没有的姓名、数字、日期宁可追问也不编造；指向文件时只改正文，代码、数据、链接原样保留。你还可以贴几段自己的文字让它模仿你的节奏和用词。适合经常用 LLM 写产品公告、博客、文档的市场、运营和技术写作者，以及想让 AI 产出少一点「机器味」的从业者；单纯写代码或不碰文案的人关系不大。

AutoGen 是微软推出的多 Agent 编程框架，用 Python 把多个 LLM Agent 组装成能互相协作的系统，比如让一个总控 Agent 把数学题转给数学专家 Agent、化学题转给化学专家 Agent，也支持让 Agent 调用浏览器等外部工具完成任务，还提供无代码的 AutoGen Studio 用来快速搭原型。但要注意：该项目已被微软归档、停止维护，官方明确建议新项目改用其企业级继任者 Microsoft Agent Framework，老用户按迁移指南迁移，继续使用会有安全风险且不建议上生产。如果你正在选型多 Agent 框架，或公司里已有基于 AutoGen 的存量代码需要规划迁移，这份 README 值得一看；如果你只是想学 Agent 开发，直接看 Microsoft Agent Framework 即可。

这是 MiniMax Code 团队公开的内部工作流合集，把他们日常开发 MiniMax Code 时用到的一套「技能」打包开源，每个技能是一份可直接装进 MiniMax Code 的 SKILL.md。它不是提示词合集，而是实战经验：比如用 subagent-split-check 判断任务该不该拆给子代理、用 tool-budget-audit 和 context-tax-audit 审计工具调用与上下文注入对 prompt cache 的消耗、用 long-session-check 决定长会话该压缩还是重开、用 independent-review 从干净上下文独立评审 diff，还有把反复出现的人工纠正固化成测试或 CI 的 taste-to-checks。适合已经在用或打算深度使用 coding agent 的工程师，尤其是负责 AI 编程工具链、harness 工程、想提升 agent 产出质量与评审效率的人；如果你不写代码或不用 agent，这项目和你关系不大。

Lampline 是一个在自己电脑上构建和测试 AI 电话客服机器人的开源工具，可以理解为 Dialogflow CX 的本地化替代加测试框架。它把电话机器人写成 YAML 和 Markdown 文件，用测试用例描述「来电者说什么、机器人该走到哪一步、必须或绝不能说什么」，然后自动跑测试并给出失败原因，还能让 AI 扮演来电者给真实通话打分。它支持导入导出 Dialogflow CX 和 CX Agent Studio 的机器人，也能通过 Twilio、Telnyx 或任意 SIP 中继接真实电话，底层基于 Pipecat。对做呼叫中心、IVR、语音 Agent 的工程师来说，最大的价值是能在改动上线前用自动化测试验证对话流程，还能接入 Claude Code、Cursor 等编码 Agent 自动修复失败用例。如果你不做语音客服或电话机器人，这个项目和你关系不大。

McPet 是一只跑在桌面上的 AI 桌宠，同时也是一个 MCP 服务：它能显示你正在跑的 Agent 会话状态和本机 token 用量，还能通过 MCP 接入麦当劳、瑞幸等日常工具。你可以右键宠物查优惠券、领券、生成订单、查取餐码，也能记录营养摄入、设置饭点和咖啡时间提醒；角色默认是 DeepSeek 娘，可切换 ChatGPT 娘并换装。它更像一个带陪伴感的 Agent 状态面板加生活服务入口，而不是严肃的运维工具。适合日常重度使用 LLM Agent、想随时盯会话进度和余额、又不介意桌面多个可爱挂件的开发者和 AI 从业者；如果你不跑 Agent、也不需要点外卖查优惠，它对你的价值就比较有限。

video-director 是一套给 Claude Code 用的 skill，让 Claude Opus 5.5 当导演，把短视频直接写成代码——用 HTML、Canvas、Three.js、GSAP 或 Remotion 逐帧渲染成 MP4，覆盖产品发布片、讲解动画、数据故事、动态字体、循环短片和社交 Reels。它不是视频生成模型，而是一套流程约束：先用数字把片子规划好，再确定性地写代码，最后用脚本测量模型「看不了也听不了」的东西——首帧是否黑屏、文字大小和对比度够不够、有没有闪烁卡顿、循环接缝、响度和静音段。它还带三份测试 brief 和评分器，README 里展示了加 skill 前后的对比结果。适合需要给产品做发布视频、给 CLI 或 SaaS 写短片的开发者，以及做内容运营、想用代码而非剪辑工具批量产出 Reels 的人；如果你不做视频相关工作，和你关系不大。

这是一套做「AI 动画单元剧」的完整流程：先给几个原创角色（比如白仓鼠汤圆和腊肠狗油条）立好设定图，之后每集只需说一句主题，就能生成一集 30 秒的无台词动画短片。它以 Claude Skill 的形式装进 Claude Code，由 Claude 负责写剧本、按出场角色和时长自动拼出提示词，再配合脚本完成宫格故事板拼接、成片抽帧检查、单段补拍和合集剪辑，视频生成则交给即梦 Seedance 2.5 全能参考一次出片。适合想在抖音、小红书等平台做固定 IP 短视频账号的内容创作者，以及想低成本试水 AI 视频叙事的产品和运营同学；如果你不打算做动画内容，这个项目和你关系不大。

这是一个 ACM MM 2026 论文的配套代码，研究 text-to-image diffusion 模型的一个怪毛病：同一个风格概念（比如 ink sketch）在某些物体上反复失败——葡萄能变成墨线稿，蛋糕却怎么都是彩色的，换 seed 也没用。作者称之为 object-dependent concept brittleness，认为这是模型的系统性盲区而非采样噪声。他们的做法是在每个去噪步骤上训练一个 sparse autoencoder（SAE），把风格、属性这类抽象概念在稀疏空间里分离出来，对比成功与失败的生成，定位缺失或被削弱的概念维度，再在推理阶段把特征往类级概念原型上轻推来修复，全程不需要重训练。实验覆盖 SD 1.5、SDXL、SD 3.5、FLUX.1-dev、PixArt 等多个 backbone，修复后 CLIP 与风格对齐指标有明显提升。适合关注 diffusion 模型可控生成、prompt 遵循性、SAE 可解释性的研究者和算法工程师；做产品落地或不碰生成模型的人关系不大。

这是一个 ComfyUI 的中文人体姿势图库节点，内置 1439 张原图、288 组姿势、最多 5 个视角，相当于给你的生图工作流配了一个本地姿势素材库。你可以在节点里按中英文关键词、体系、动作、视角筛选并预览姿势，选中后把图片和姿势描述输出给后续节点；也可以用随机节点每次运行自动抽一张，或锁定某张姿势反复使用。典型用法是把图库姿势接进 Depth Anything 提取深度图，再驱动 MOSS SFT、Qwen Image 2.1、Z-Image-Turbo 等模型按指定姿态生成角色，也能配合 Anima LLLite 做动漫姿态生图，还支持上传自定义参考图入库。它主要面向用 ComfyUI 做人物生成、姿态控制和换装换脸工作流的 AI 绘画创作者，如果你不玩 ComfyUI 生图，和你关系不大。

这是一个给 Claude Code 用的音效选材 Skill，让 Agent 帮你在 Freesound 等音效库里搜索、筛选并下载真实音效，比如转场 whoosh、卡片入场、按钮点击、纸纸张滑动这类视频常用声音。它把画面动作翻译成英文关键词去搜候选，再结合下载量、评分人数、时长、描述和许可证（CC0/Attribution）判断是否合适，给出推荐依据和试听链接，最后下载到指定目录，必要时用 FFmpeg 检查时长与能量分布。典型用法是在做产品演示视频时说「找一个 0.3 秒、轻快的卡片飞入 whoosh，只要 CC0」，它会返回候选和理由。适合做短视频、动效演示、产品宣传片的剪辑师和前端/动效开发者，以及在 Claude Code 里搭自动化视频流水线的人；平时不碰视频音效的读者关系不大。

这是一套给 DeepSeek 模型用的 Agent skills，目标是让便宜模型在 Claude Code、Cline、Codex 这类编程助手里表现得更像昂贵的前沿模型。它针对廉价模型的常见毛病——跳过规划、没跑就宣称修好了、在同一个坏点子上反复重试、长任务跑着跑着跑偏——每个 skill 用一个短循环加硬性停止条件来堵住，比如改完必须跑真实检查、失败两次就换思路、长任务靠进度文件在新上下文里接着干。它还提供并行多路尝试取最优、多模型评审、自动提 PR 和盯 CI 等玩法。适合日常用 DeepSeek 当编码执行者、又嫌它不稳的开发者，尤其是想在长任务和无人值守场景里省心的人；如果你不用 DeepSeek 或不玩 Agent 编程，关系不大。

这是一个由买方机构和高校联合推出的股票投资研究基准，用来检验 AI Agent 能不能在不偷看未来的前提下完成真实的投资研究工作。它把模型关进一个「时间冻结」的环境：语料库只包含某个历史截止日之前发布的财报、电话会、研报、持仓和新闻，共 343 万份文档版本，任何检索和计算都无法越界拿到之后的信息。任务由资深买方研究员设计，覆盖机会筛选、证据核对、盈利预测、估值决策、观点更新到完整研报，以及价格和波动率预测，共 86 项。评分不只看报告写得像不像样，还拆开检查证据链、假设、计算是否自洽，并把预测和后来的真实结果、模拟收益分开打分——比如让模型预测 Tesla 某季度交付量，分析满分但预测全错照样拿不到分。适合关注 AI Agent 在金融场景落地能力的研究员、做 Agent 评测的工程师，以及想了解大模型投资研究真实水平的从业者参考。