rea-video 是一个把短视频逐镜头拆解的分析工具，能判断每条片子是实拍、AI 生成、数字人、3D 渲染还是代码动效，并反推出它是怎么做的。比如一条带货视频，它会告诉你用了几个机位、什么布光方案、字幕花字的起止时间和样式、配音是真人还是 AI、配乐多少 BPM；一条 AI 视频则会给出每镜反推的提示词、合并成几次生成、该用哪个模型。拆完还能输出复刻方案，配合它的下游项目把运镜、节奏、转场照着原片重做一遍，只替换你指定的元素。它还带 AIGC 检测能力，靠帧率规律、噪点、文件标识等硬证据判断真伪，准确率在官方评测里接近 99%。适合短视频编导、AIGC 内容创作者、做视频生成或 AIGC 检测方向的算法工程师，以及想拆解爆款视频结构的产品和运营；如果你完全不碰短视频，关系不大。

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。

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。

这是一套给 Claude 用的 11 个日内交易技能包，用纯 Python 读取 Yahoo Finance、SEC EDGAR、美国众议院公开数据等免费数据源，帮你在真金白银入场前把整套交易流程跑一遍。它能扫描全市场几千只股票找突破、旗形等形态，盯自选股的突发新闻和财报摘要，逐根 K 线提示入场时机、提前设定止损和目标位，还会按你的预算和单笔最大亏损给仓位定大小、拦截超限订单，甚至追踪 Nancy Pelosi 等国会议员的股票申报。最特别的是 Time Machine：在你下单前，用该股近期 K 线模拟一万次当日走势、并回放历史上同形态出现后的真实结果，给出诚实的胜率。所有下单默认模拟盘，且必须经风控检查加你本人确认才会执行。适合做美股日内交易、想用 AI 辅助决策的个人交易者和量化爱好者；不碰交易的从业者基本用不上，且它明确声明不构成投资建议。

OXR 是 SoMark 团队开源的文档解析模型，可以理解为一个更强的 OCR：把 PDF 和文档图片转成带版面坐标的 Markdown 或 JSON，方便直接喂给 Agent 或大模型使用。它只有 1.3B 参数，却在 olmOCR-Bench、OmniDocBench、DocParsingBench 三个基准上排第一，表格解析优势尤其明显，解析速度也是开源同类模型里最快的。它能识别 13 种文档元素，包括公式、表格、代码块、化学方程和化学结构，还能处理 A3 试卷、报纸、竖排文字、手写中文这类难啃的版面。另一个特点是版面分析模块可插拔，你可以换成自己的版面模型，只保留它的内容识别和阅读顺序能力。做 RAG 数据管线、企业文档数字化、把内部资料接入 Agent 的工程师，以及需要批量处理合同、试卷、论文的团队，都值得花几分钟看看；如果你的工作和文档处理、AI 应用落地无关，那跟多数人关系不大。

这是 Theo（t3dotgg）日常在 Claude Code 和 Codex 里使用的一套 agent skills 合集，本质是给 AI 编程助手预设的「工作流剧本」。比如 full-send 一句指令就能让 agent 自己验证改动、审查、提交 PR、盯 CI、处理 review 意见直到合并；council 会拉三个不同厂商的模型交叉评审同一改动，反复循环直到意见一致；babysit 则专门盯住 PR 的 CI 和机器人审查，把真正的问题修掉；takeover 能接手别人没写完的 PR 或 agent 会话并保留原作者署名。这些 skill 之间还能互相调用，形成从写码到合并的完整自动化链路。适合已经在用 Claude Code、Codex 这类 agent 工具做日常开发、想减少 PR 流程中机械劳动的工程师，尤其是频繁提 PR、盯 CI、做 code review 的后端和全栈岗位；如果你不用 AI 编程助手，或不涉及 GitHub 协作流程，关系不大。

Pika H3 Flex 是 Pika 官方开源的视频生成模型推理代码，可以理解为 Runway、可灵这类视频生成产品的自托管版本：输入文字或参考图，直接产出带同步音轨的视频。它的特点是速度快、可控性强，六步采样即可出片，最多支持 12 个参考输入，能通过参考图和提示词指挥镜头运动、角色动作和分镜走向，本地推理可生成 480p/768p 视频并带立体声，更高分辨率和音频分轨则走 Pika 的托管 API。典型场景包括多镜头叙事短片、动态图形、产品宣传片和参考引导的动画制作，比如用一组参考图让角色在不同分镜里保持一致。值得看的是视频创作者、广告和动效团队里负责 AI 出片流程的人，以及想在自己服务器上批量跑视频生成的算法工程师；如果你不碰视频生成，这个项目和你关系不大。

InWorld 是一个开源的交互式音视频世界模型，可以理解为「能被你操作的短片生成器」：你输入一段动作或剧情，它把文字和参考图片变成带同步音效、甚至带台词对白的视频，而且后续片段能接续上一段的最后十几帧，人物、场景、道具都保持一致。它由两部分协作——Murea-Mind 负责记住角色、地点和剧情进度，把你的动作编排成生成条件；Murea 负责实际出片，支持多张参考图绑定实体外观，还提供多人协作房间，2到4人各带一个角色共同推进同一段故事。适合关注 AI 视频生成、世界模型或交互式叙事方向的研究者和工程师，尤其是想评估开源视频模型能否在长程一致性和音画同步上追平商业系统的从业者；如果你的工作与生成式视频、Agent 记忆机制或多模态应用无关，这个项目和你关系不大。

这是博客文章《Sparks of Weight Space Programming: LLMs can understand and write neural network weights》全部实验的完整日志存档，记录了让 LLM 直接读写神经网络权重的一系列尝试。八个实验覆盖了从简单到复杂的场景：让模型只看权重判断网络是玩 Breakout 还是 Pong 训练的、判断扩散模型生成的是圆形还是方形、从中间层判断语言模型学的是 Python 还是英文、直接编辑权重修复一个坏掉的网络、从零写出 MinAtar 游戏网络、写一个 150 万权重的 Go 网络、识别谄媚的语言模型，以及用改权重的方式提升 Qwen3.5-0.8B 的数学能力。每个实验都完整保留了发给模型的提示、模型的回复与推理摘要、它写的代码及运行输出、评分依据和涉及的网络文件，且全程禁用 Codex 的内置工具，仅在少数实验里允许跑沙箱 Python。对做 LLM 能力研究、想了解「权重空间编程」这条路线真实效果和边界的算法工程师和研究者来说，这是难得的可复核一手材料；不关心模型内部机制的人则不必看。

这是一套给 Claude 用的 11 个投资技能包，本质是把公开数据源（SEC EDGAR、国会披露、新闻源）接进 Claude，帮你做个人股票投资的辅助决策。它能从 SEC 13F 里反推出巴菲特等你信任的持仓并按权重复刻，实时盯持仓股的新闻和 8-K，按你的预算给每笔仓位算好大小、留足现金缓冲，还能在新披露一出就解析国会议员的股票交易（比如 Pelosi），以及拉取财报 XBRL 数据、做选股、税务亏损收割、价格提醒和再平衡。所有下单动作都必须经过风控检查并由你本人确认，默认模拟盘，工具本身不会自主下单。适合关注价值投资、想跟踪机构和国会动向的个人投资者、量化爱好者，以及想在 Claude 里搭 AI 投资助手的开发者；纯技术岗或不炒股的人关系不大。注意它只是读公开数据做算术，不构成投资建议。

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。

earshot 是给 AI 编码 Agent 装上「耳朵」的工具：Agent 现在能写代码渲染影片、产品演示或游戏音效，却听不见自己做出来的东西，earshot 把声音变成 Agent 可以推理的文字证据。它能描述一段音频像什么、与给定描述有多匹配、长录音里最佳片段在哪、是真实录音还是代码合成，还能逐秒输出听音时间轴、生成带标注的频谱图，甚至按专业发布片的标准给整支片子打分并指出该先修哪里。它也能反过来让 Agent 用代码造声音并边听边改进，或把一段录音翻译成可调参数的代码。全程本地 CPU 运行，无需模型和网络。适合做音视频产品、游戏音效或需要为发布片配乐的工程师，以及想让 Claude Code 等编码 Agent 产出可用声音的开发者；纯后端或数据岗位的人关系不大。

DeepInfer 是 DeepSeek 官方开源的高性能推理框架，也就是支撑 DeepSeek 线上大规模生产服务的那套推理引擎，目前支持 DeepSeek-V4.1-Flash 模型的离线推理。它把 FlashMLA、DeepGEMM、DeepEP 等自研算子和 MoE 专家并行、EPLB 负载均衡、投机采样、异步调度等生产级优化打包在一起，还提供确定性采样和结构化输出（按 JSON schema 或正则约束生成），保证不同 batch 组成下结果一致。适合需要在自有集群上高吞吐部署 DeepSeek 模型的团队，比如做推理服务的算法工程师、负责 GPU 集群利用率的 infra 工程师，以及需要复现 DeepSeek 官方性能基线做选型对比的人。注意它只开源了推理核心，KV cache 系统、Prefill/Decode 分离和负载均衡等完整服务组件并未包含，纯做应用层开发或轻量调用 API 的读者关系不大。

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。

TokenEconomizer 是微软研究院和 UC Berkeley 联合推出的 Claude Code、Codex、GitHub Copilot CLI 等编码 Agent 插件，作用是给已经在跑的 Agent 省钱，不改 Agent 本身。它从你在同一仓库的历史会话里学习：把反复踩到的坑（比如必须先跑的构建步骤、这个仓库里能用的命令写法）沉淀成 Micro-skills，下次会话开场直接告诉 Agent，避免每次重新摸索；把长期没被调用的工具从请求里剔除，减少每轮都在发送的工具定义开销；当某一轮反复撞同一个错误时，用一个判断模型介入并给出转向提示，防止死循环烧钱。论文在 SWE-Bench 上测得平均成本降低 18.4%–30.9%，且多数组合下任务通过率不降反升。经常用 AI 编码助手在固定仓库里干活、又在意 API 账单的开发者值得看；如果你只是偶尔用一次 Agent，或者不负责控制 AI 编码成本，和你关系不大。

Shisei 是一套免费（CC0 授权）的人体姿势参考图库，专门喂给 AI 绘图工具用。它画的是无脸人体模型的线稿，共 280 个姿势、每个姿势 5 个机位（正面、四分之三、侧面、俯视、仰视），另有部分姿势附带黏土渲染、深度图和法线图，可直接用于 ControlNet。姿势名称提供日、中、英、韩四种语言。实际用途是：当你用 Nano Banana、ChatGPT、Midjourney 或 ComfyUI 生成人物图时，把某个角度的线稿作为姿势或构图参考上传，就能让模型照着这个姿势画；同一姿势换不同机位，还能在多张图之间保持人物体态一致，脸、衣服、背景则由你的提示词决定。对 AI 绘图从业者、做角色插画或 AI 短片分镜的人来说，这省去了自己找参考或手画骨架的麻烦；如果你的工作不涉及人物生成，那和你关系不大。

Idol 是一个把单张图片变成 3D Gaussian Splat 模型的推理 SDK：给它一张物体照片、渲染图或 AI 生成图，它会自动去背景、裁切构图，然后生成最多一百万个 3D 高斯点，连照片里没拍到的背面也能补出来，输出标准的 .ply 文件，可直接在任意 Gaussian splat 查看器里打开。整个过程在消费级显卡上就能跑，7.2 GB 显存、两秒内完成，还内置了针对真实照片和合成渲染图的两种模式。它在多项指标上与 TripoSplat、TRELLIS、LGM 等同类单图转 3D 方案同台比较，速度和质量都有竞争力。值得看的是 3D 内容创作者、游戏和电商领域的资产生产人员，以及做 3D 生成、NeRF/3DGS 相关研究的算法工程师——如果你需要快速把产品图或概念图变成可旋转查看的 3D 资产，它能省下大量建模时间；只做纯文本或后端开发的人则关系不大。

这是一个给 Claude 用的 Skill，装上后 Claude 就能直接产出电影感、能拿奖级别的落地页，相当于给 Claude 内置了一套资深网页设计师的品味和素材库。它内置 40 个高赞设计 prompt、50 多个电影感视频和 30 个透明 3D 素材供 Claude 按视觉挑选，还有 55+ 可直接用的动效配方（无缝视频循环、liquid glass、逐词模糊标题、鼠标擦洗视频、Three.js 真 3D 模型等），以及字号、间距、配色、动效时序的具体数值规则；写代码前 Claude 会先产出一份设计 spec，之后通过截图加 QA 脚本自动检查坏资源、移动端溢出、字体和视频播放并打分修正。它还支持 prompt 模式，把需求转写成适配 Lovable、Bolt、v0、Cursor、Manus 的 prompt。适合做营销页、作品集、产品官网的前端和设计师，以及用 AI 编程工具快速出高质感页面的人；纯后端或不碰网页的人关系不大。

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。

这是一个配合 DeepSeek Harness 插件使用的现成工作流包合集，下载后导入插件即可运行，目前上架的是「破甲制作」。它本质是一条针对目标 LLM 的越狱（jailbreak）研究自动化流水线：输入目标模型名和 API key，自动跑 200 多个探针覆盖身份系统、混合帧等架构，归纳该模型的拒绝规律，再据此生成定制破甲词，用真实 API 回验有效性并迭代，最终输出破甲词文件、使用手册和研究报告三件套。配套的 Skill 内含探针执行、拒绝分析、帧排列组合验证等脚本和提示词模板。值得看的是做 LLM 安全评估、红队测试或越狱攻防研究的安全工程师和 AI 安全研究员，普通开发者或非安全方向的从业者关系不大。

NextTransformer 是一个用来公平比较下一代 Transformer 架构的开源训练与评测框架，核心回答一个问题：训练预算固定时，语言模型该怎么花算力。它把循环深度、稀疏注意力、线性注意力、残差流变体以及各种混合架构（如 GQA、NSA、MoBA、GDN、Ouro 等）放进同一套训练器、数据管线和评估流程里，在完全相同的数据、token 数和训练 FLOPs 下跑对比，误差控制在 1% 以内，每次运行都有可审计的记录。目前已完成 31 次训练、36 份模型卡，配套的在线观测台能看学习曲线、排行榜和模型图谱，还计划让 AI agent 在同一规则下自主探索新架构。它适合做模型架构研究、预训练 scaling 实验的算法工程师和研究员，以及关注注意力机制替代方案的从业者；如果你只做应用层开发或推理部署，和你的关系不大。

EdgeRock 是 Rock Matrix 推出的固定内存多模态模型系列，首个开源版本 EdgeRock-4B 能理解文本和图像，用于推理、编码和 Agent 任务。它解决的是长上下文推理时显存不断膨胀的问题：常规模型的 KV cache 随上下文线性增长，而 EdgeRock 用循环状态概括历史、局部注意力处理近期信息、再配合 Rock Memory Anchors 保留关键细节，让每条序列的注意力 KV 固定在 72 MiB，比同级的 Qwen3.5-4B 少 99.1%，省下的显存可以用来跑更多并发请求，输出吞吐达到其 6.42 倍。数学推理上它在 AIME 上拿到 82.9% 的平均 pass@1，远超同类有界状态基线。值得看的是做推理服务、Agent 基础设施和端侧部署的工程师，尤其是被长会话、长任务的显存成本卡住的人；如果你不涉及模型部署和推理优化，跟你的关系不大。

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。

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。

Freefield 是一个开源项目，把 Higgsfield 那套创意应用（图片、视频、VFX、音频）搬到 ComfyUI 上，全部基于开放权重模型，不依赖任何闭源 API。它包含 120 个应用，比如换脸、视频重绘、混媒风格、配音、AI 虚拟人等，每个应用就是一个文件夹加一份描述文件，界面表单、模型下载、显存占用都自动从描述生成，你也可以把自己的 ComfyUI 工作流一键导入成新应用。每个示例都附带实验室真实 GPU 跑出的耗时和峰值显存，方便你判断在自己显卡上跑不跑得动。适合想用本地或云端 GPU 做 AI 图像视频创作、又不想被 Higgsfield 等 SaaS 按次收费绑定的创作者和开发者；如果你只是做纯文本或后端开发，跟它的关系不大。