这是一个专门评测 AI Agent 在「保研咨询与申请规划」场景下表现的开源基准测试，由屿智同行与保研岛联合推出。它包含 70 道中文任务，分三类：21 道院校推荐题（看推荐是否贴合学生背景）、36 道规划决策题（看备考计划和风险评估是否可执行）、13 道两阶段题（中途给新信息，看 Agent 会不会及时修正建议），每题都有人工校准过的评分标准。目前已跑出 8 组「执行系统 + 模型」配置的排行榜，Codex + GPT Sol 6.1 以 79.08 分居首，Qwen、Kimi、Gemini 等组合分数在 55 到 68 之间。对做 Agent 产品或选型的人来说，这份榜单直接回答了「换哪个模型能提升咨询类任务质量」；如果你正在做教育、升学方向的 AI 应用，或者想给团队挑保研咨询 Agent，值得花十分钟看结果和任务设计。普通开发者若不涉及这类场景，关系不大。

ai-pojia 是一套面向 Codex 的提示词与 Skill 配置包，俗称「破甲」，本质是把社区整理的执行指令注入 Codex，让它在授权任务里更少拒答、更持续地干活，直到交付可核对的产物。它改写自 gpt-instruct v45，保留连续执行、基线对照和恢复验证，去掉了无条件禁止拒答等激进部分，并提供安装检查、备份与一键恢复。实际效果上，你给它一个测试 DEMO，它会先说明代码如何工作，再在副本上完成修改、实际运行验证并保留差异记录。适合已经在用 Codex 做代码任务、常被模型中途拒答或敷衍卡住的开发者，尤其是想让 AI 稳定交付可验证结果的人；README 也坦承尚无全模型兼容和正式 DEMO 通关的实测结论，别指望装上就万能。

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。

ResiMind 是一套神经符号 Agent 架构，核心思路是让模型或工具提出的每一步都先过独立校验器，通过了才算事实，失败的校验会把「还差什么」反馈给下一次尝试。它最典型的应用是代数：内置 MCP 数学工具和一个代数修复 Skill，能识别并纠正推理中看似合理但错误的步骤，还支持把验证过的解法提炼成可复用的规则存进记忆，下次遇到同类问题直接调用，知识在模型权重之外增长。除数学外，它还覆盖桥梁工程、约束优化、客服和开放式规划等场景，各自配了校验器；部分纯规则路径可以零模型调用运行。README 也坦诚说明目前代数能力限于有界有理多项式，MiniF2F 等基准成绩尚未公布。适合关注 Agent 可靠性、自我纠错与记忆机制的 AI 工程师和研究者，想给现有 Agent 加验证能力的人也能直接接入其 MCP 工具；普通后端或前端开发者关系不大。

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。

从 PDF 抽出来的中文经常藏着「长得一样、码点不同」的假汉字：比如 Kangxi 部首「⻆」渲染出来就是「角」，但字符串比较、关键词搜索、去重全都会悄悄失败，向量检索还可能把无关短文档排到前面。cjkfold 就是专门修这个问题的纯 Python 工具，把这些部首字形折叠回真正的统一汉字，让抽取出的文本重新可比对。它比常见的 NFKC 归一化更彻底——NFKC 能修 Kangxi 部首区的 214 个字，却对 CJK 部首补充区的 115 个字只修了 2 个，cjkfold 借助 Unicode 15.1 的 EquivalentUnifiedIdeograph 属性补上了 114 个。它还带扫描能力，能区分「可安全折叠」「NFKC 可处理」「零宽空格可删除」「ZWJ 等不可乱删」以及乱码占位符等几类问题，并给出处理建议。如果你在做 PDF 文本抽取、中文 RAG 检索、语料去重或搜索相关性排查，这个工具值得一看；纯做前端或业务后端的人关系不大。

这是一个麦当劳点餐助手 Skill，说一句「35 元，不辣，有糖可乐去冰，带走」，它就把预算、口味、取餐方式这些硬约束变成一份完整餐单（主食+小食+饮料），给出唯一答案和一张可复制的点单卡，照着在 App 或柜台点即可。它的核心价值是核价：金额只认官方 calculate-price 返回的整数分，菜单展示价若附带「随单购麦金卡」之类的条件会一并说明，避免你以为省了钱其实没省。README 实测同一餐两种点法差 12 元（24.7%），它会明确告诉你省在哪。预算不够时它直说没有方案并给出最低需要多少钱，不硬凑；也不会因为你钠含量低就擅自把有糖可乐换成无糖。只读不领券不下单不支付，Token 留在本机。适合预算有限、口味偏好明确、常点到店自取的个人或两人用餐者，以及想参考「只读 MCP 客户端+确定性比较」实现样板的开发者；对多数不点麦当劳或不关心点餐比价的人关系不大。

这是一套用来识别「没有真人负责的 AI 代写论文」的证据库加 agent 技能包。它不靠单一模型打分，而是整理了 83 条有出处的可疑信号：比如 AI 高频词汇聚集、防御性 hedging、指令泄漏痕迹、参考文献查无此文、表格间数字对不上等，并在 79 篇真实论文上做了校准，给出人类论文的分位数基线。面向三类人：投稿作者可以用它在署名前自查——它会逼你回答只有你能答的问题、核对引用和数字；审稿人或 AC 面对可疑投稿时，能拿到带原文引用和定位的 W/R/Q 评级、一段可直接写进评审意见的描述；只想快速扫一遍的人可以跑它的表面 lint，得到 28 类痕迹的计数。对学术出版、期刊编辑部、科研诚信岗位的人最相关；普通工程师或做 AI 产品的人关系不大，除非你需要判断收到的论文是否可信。

这是一个基于麦当劳中国官方 MCP 的 AI Skill，把点麦当劳这件事拆成四种玩法：修行录记录你的点餐习惯与卡路里，团餐指挥官帮多人聚餐快速凑单，隐藏菜单实验室探索官方 App 里不显眼的搭配，每日运势签则根据当天菜单给一个随机推荐。它本质上是给 Claude 这类支持 MCP 的 AI 助手加一层麦当劳业务能力，让模型能直接读取菜单、价格和优惠信息来回答你的点餐问题，而不是靠训练数据里的过时信息瞎猜。项目自带 187 个测试和离线演示，不连真实接口也能跑通流程，方便开发者快速验证效果。适合对 MCP 协议、AI Agent 落地场景感兴趣的工程师，或者想看看「官方 API + LLM」能玩出什么花样的人；普通用户和不碰 Agent 开发的后端同学关系不大。

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。

Simple Reviewer 是一个给 Codex 用的 skill，专门用来审阅 AI 写出来的代码。它把 AI 生成的代码拆成功能块，用大白话解释每块做什么、改动会影响什么，再把你的原始目标转成可观察的验收标准，逐条用实际运行的证据去核对，而不是只看代码「看起来能跑」。它还会列出具体风险，比如数据、凭证、外部服务、费用和权限方面的影响，并给出一到三步后续检查建议，最后产出 HTML 或 Markdown 的审阅报告。适合在 Vibe Coding 之后复盘、接手陌生的 AI 生成代码、或合并改动前把关。如果你的岗位经常用 AI 编程工具写功能但对结果不放心，比如需要给团队或客户交付的独立开发者和工程负责人，这个工具值得花几分钟看看；如果你不写代码或完全不用 AI 编程，它和你关系不大。

这是一个麦当劳配餐决策 Skill，把「说话」和「算账」拆开：LLM 只负责听懂你说的「40 块以内，随便，不要辣」，之后所有价格、热量、优惠券判定都交给确定性代码，每个数字都能追溯到某次接口返回。它会在门店实时菜单上枚举 1881 种搭配，剪枝出可行解后给出省钱、均衡、放纵三档方案，并解释为什么淘汰了其他选项——比如「预算加到 48 元均衡档主餐不会变」或「你 6 张券当前一张都用不了，最近可用在 10.1 小时后」。控卡场景下热量和蛋白是硬约束，算不出就直说；多人拼单用 max-min 公平分配，把谁做了让步摆到台面上；还会基于历史订单算出带置信度的口味画像。适合写字楼午餐决策者、控卡健身人群、券的持有者和拼单组织者；只想快速下单的人用官方常点更快，它只做决策不下单。

Doc2Harness 是一个评测基准，衡量的不是模型写代码补丁的能力，而是模型能否从零搭建出一个能用的 coding agent 本体（即 harness）。它分两步：先让被测模型在隔离容器里根据开发文档和接口骨架实现完整 agent，再冻结该实现，用脚本化的 mock 模型端到端驱动，观察模型请求、磁盘文件、退出码、命令输出四类信号来判定通过与否，并用正向对照排除“空过”。场景覆盖文件读写、权限约束、会话状态、无头运行、协议层、终端交互、启动安装等九类。榜单显示 19 个前沿模型最高通过率仅 53%，说明即便最强模型也近半失败。适合关注 agent 工程质量、做 coding agent 产品或模型评测的研究与工程人员；普通后端或应用层开发者关系不大。

qgpu 是一个实验性项目：在 Qwen3.5-2B 的权重里直接塞进了一块 SIMT GPU——45 层编译出来的 transformer 排在 Qwen 自己 24 层之前，用 Gated DeltaNet 层的循环状态充当寄存器和显存。它不是插件也不是模拟器，模型自己逐 token 写出每次 CUDA kernel 启动的每一步，从分支、循环到 atomicAdd 和 warp shuffle 都能跑，参考解释器在 49 个测试 kernel 上与真实 NVIDIA Tesla T4 结果完全一致，而文本能力几乎不受影响。聊天时问它一个计算，它会现场编译 CUDA 到 PTX、降级成机器块，再由模型自己把每条指令的执行结果写出来，旁边还有面板实时显示 warp 调度和流水线。这更像一个展示「transformer 能当通用计算机器」的研究玩具，适合对模型内部机制、循环注意力或 AI 计算极限好奇的研究者和工程师；想实际做数值计算的人用不上它。

Frankensurf 是一个自托管的网页抓取工具，可以看作 Firecrawl 的免费替代品：一个容器、同一套 API，让 AI agent 用一次调用就能读取网页。它背后串起了 41 种抓取手段，从普通 HTTP 请求、Jina Reader、浏览器到隐身浏览器逐级升级，只有被网站拦截时才动用更贵的付费 API。和多数抓取器不同，它会验证拿到的是否为真实页面——遇到验证码、登录墙或空壳页面会明确报错并说明原因，而不是让 agent 拿着垃圾内容继续作答。在 150 个随机站点的测试中，它的读取成功率达 96%，高于 Firecrawl 云服务的 85%。它支持 MCP server、Python 库、命令行，也能直接替换任何配置了 Firecrawl URL 的工具，如 LangChain、Dify、n8n 等。适合需要给 agent 接入实时网页数据的 AI 应用开发者、做 RAG 或深度研究产品的团队，以及被 Firecrawl 付费方案困扰的自托管用户；如果你不涉及网页抓取，和你关系不大。

这是一个装在 Codex 里的对话技能，帮对 AI 芯片方向感兴趣的初学者做探索：先了解你的专业背景、可投入时间和设备，再带你认识芯片领域的不同方向，设计 15-30 分钟就能完成的轻量任务让你实际感受某类工作在干什么，或者围绕你已有的科研 idea 查找相近文献、整理可验证的检索关键词。它也支持切换到其他行业，比如你贴入机器人领域的资料或论文链接，它会明确说明实际读到了什么，而不是把芯片那套话术原样搬过去。项目明确声明输出只是探索建议，不是就业预测或能力测评，且目前是第一版草稿，测试多为模拟、真实用户验证尚未完成。适合电子信息、计算机相关专业的在校生，尤其是想了解 AI 芯片有哪些细分方向、要不要往这个方向走但缺乏信息渠道的大一大二学生；已经在行业内的人基本用不上。

这是一个校园知识服务问答平台，可以理解为把学校官网散落的通知、竞赛、学籍和办事指南做成一个能溯源的智能问答系统。它用 FastAPI 搭建，本地跑 Qwen3 模型，先采集归档官网页面和附件，解析 PDF、Word、表格甚至扫描件，再按年份、学期和文档版本做检索，回答时必须附上原文证据窗口和来源链接，避免模型凭空编造或混用往年政策。多轮追问会继承事项和年份条件，教师还能在后台核对字段、审核发布或撤回，防止候选信息被当成正式政策。如果你在做 RAG 应用、知识库或 Agent 工作流，尤其是关心证据溯源、时间范围限定和人工审核环节，这个项目的工程实践很有参考价值；只想找现成校园问答服务的普通用户则关系不大。

YominPost 是一个自托管的 AI 社交媒体工作台，可以理解为开源版的 Postiz：你把一份素材丢进去，它自动改写成 X、LinkedIn、Instagram、Telegram 等每个平台各自地道的帖子，再经过风控检查、排期并真实发布。它不只是改写文字，还会按平台规则决定该发短文、thread、图文还是短视频，对草稿自我打分重写，并在发布前拦截提示词泄露、诱导互动、标签堆砌、重复内容和过密发布节奏这些容易导致账号被限流的行为。它通过 OAuth 真实连接各平台，也提供 Web 界面、CLI 和 MCP server，可接入 Claude Code、Cursor 等 Agent 使用，但发布动作始终需要人工在界面上确认。适合做海外多平台运营的市场、增长和自媒体从业者，尤其是想把 AI 写稿到发布串成一条流水线、又不想把账号 token 托管给第三方 SaaS 的人；只发单一平台或不涉及内容分发的工程师关系不大。