Talorys 是一个可以部署在你自己 Cloudflare 账号里的个人 AI 助手，相当于把 ChatGPT 加上任务清单、笔记和定时提醒打包成一个私有服务，数据全部存在你自己的 Durable Objects 里，不经过任何第三方服务器，也没有遥测。它能聊天（流式回复、Markdown、工具调用提示）、记住你的长期偏好并在每轮只挑最相关的记忆喂给模型、管理任务笔记项目，还能用自然语言让它规划任务——比如「帮我规划下个月上线 iOS 应用的任务」，它会生成一张可编辑的卡片，你确认后才真正创建。定时提醒和每日任务摘要跑在 Durable Object 的闹钟上，不需要进程常驻，还能通过 Web Push 推到手机。它默认单用户、免费额度友好，Workers AI 配额用完时任务笔记照常工作。值得看的是想给自己搭一个私有 AI 助手的独立开发者、后端工程师，以及对 Cloudflare Agents SDK、Durable Objects 架构感兴趣想参考实现的人；如果你只是找现成的团队协作工具或不需要自托管，关系不大。

Timestral 是 Mistral AI 推出的时间序列基础模型家族，可以理解为「时间序列领域的 GPT」：先在海量数据上预训练，再零样本直接对新序列做多变量概率预测，无需为每个业务单独训练。它支持最多 32768 步的长上下文，能联合预测多个相关变量，并引入仅历史或已知未来的协变量（比如促销日、节假日），每个时间点输出 21 个分位数，给出的不只是一个点估计而是完整的不确定性区间。发布时在 GIFT-Eval、TIME、fev-bench 三大公开预测基准的预训练与零样本模型中均排名第一，提供 5M 到 209M 四种尺寸，最小的仅 21MB，纯 CPU 即可推理。做销量预测、库存补货、能耗负荷、运维指标监控等场景的算法和数据工程师值得一看，尤其是那些过去只能靠 Prophet、LightGBM 或自建 LSTM 逐条调参、现在想用统一预训练模型省掉训练成本的团队；纯做 LLM 应用或不涉及预测的人关系不大。

这是一份中文的 Grok Bot 玩法清单，Grok Bot 是 xAI 和 Cursor 联合推出的 AI 队友，每个 bot 有名字有岗位，共用一台常开的云电脑，可以派活、定时跑 Routine、装 Skill。这个仓库不写代码，而是把散落在 GitHub 和 X 上的相关资源整理成可直接抄的配方：193 个核过存活的条目、10 个统一格式的可抄配方（场景、步骤、prompt、坑都写清）、337 篇社区教程精选，还分了三级验证标记，真跑通的才打勾。三个招牌配方很实用：额度快烧光时的 Routine 额度体检、3 到 6 个 bot 靠文件交接的作战室编排、每天扫 X 只推有信号摘要的雷达。维护方式也特别，Grok Bot 每天找料，Claude Code 核实写短评，人只拍板，协作记录全公开。适合已经在用或打算用 Grok Bot 的独立开发者、一人公司、做内容和出海的人，想让多个 bot 分工协作、又不想自己摸索踩坑的可以直接抄配方；跟 Grok Bot 没交集的人可以跳过。

这是一个把本机同时跑着的多个 AI 编程 Agent 可视化成一间小办公室的工具，支持 Claude Code、Codex、Gemini CLI、Copilot CLI、OpenCode 等十几种。输入 /myoffice 后浏览器里会打开一间等距视角的办公室：正在思考的 Agent 头顶冒气泡，调用工具时显示器上滚动代码，需要你审批或提问时会站起来招手；刚结束的则在茶水间喝咖啡、打乒乓或打盹。除了手绘 2D 版，还有基于 three.js 的 3D 版可切换。侧栏按「需要你 → 工作中 → 已完成」分组，能看每个 Agent 的模型、项目目录、当前回合耗时、上下文窗口占用比例，并一键复制 resume 命令；工具跑超 10 分钟或长时间无输出会被标记为无进展，避免卡死的命令白耗一小时。适合经常并行开多个 Agent 干活的 AI 编程重度用户，用来一眼掌握全局、及时处理卡住的会话；如果你一次只开一个 Agent，这工具基本用不上。

imozuru 是一个给 Claude Code 用的调研技能，解决的是「让 AI 查资料时只读搜索结果前几条就草草总结」的老毛病。它借鉴图书馆信息学里的信息探索理论，先摸清一个陌生领域的术语、关键人物和信息聚集的平台，再顺着引用、参考文献、作者一路追到原文，把原文完整存下来而不是只留摘要，最后按论点整理出带出处的摘录页和分层解说的详细报告，另有一个看板把所有调研汇总成一页。比如你想搞懂 Gaussian Splatting 或者某类音频混音的处理流程，它能挖到论文和一手文章并告诉你每个论点出自哪个文件哪一行，方便你亲自核对依据；还有个监视模式可以持续收集指定话题在 Qiita、arXiv 等来源的新内容。适合需要深入调研陌生技术领域、重视结论可溯源的工程师、技术写作者和研究者，如果你平时只是随手问 AI 几个问题，关系不大。

GEOInflow 是一套可自部署的网站分析工具，可以理解为面向 AI 时代的 Google Analytics 加爬虫日志分析器：它把普通访客数据、AI 搜索引流、服务器爬虫日志和内容清单放进同一个网站视图里。它能回答几个具体问题——OpenAI、Anthropic、Perplexity、百度、Kimi 等哪些 AI 平台的爬虫来过你的站、反复抓哪些页面、你 sitemap 里的重点页面有没有被抓到、抓取请求是不是失败，以及 AI 搜索带来了多少会话和转化。比如媒体或文档站可以导入页面清单，对照日志找出「AI 盲区」，再决定改内链还是调 robots 规则。它还强调证据链：只凭 User-Agent 不算验证通过，IP 段、DNS 等证据单独留存。适合企业官网、内容站、媒体出版方和负责多个站点的 GEO 运营、SEO 及增长岗位使用；如果你不关心 AI 搜索带来的流量和爬虫覆盖，和你关系不大。

这是一套把斯坦福 CS329Z「Engineering AI Agents」课程整理成中文的自学教程，面向会写 Python、调过 LLM API 的开发者，用 19 讲加 4 项实践讲清一个 Agent 从零到上线的完整链路：LLM 基础、RAG 检索、工具调用、记忆机制、多 Agent 协作，以及容易被忽略的评测设计和安全防护。比如它会教你如何为一个客服 Agent 设计回归评测集，判断加了 RAG 之后回答质量是升是降，以及怎样防止提示词注入。内容以 Markdown 和可离线阅读的 HTML 形式提供，适合碎片时间通读。如果你正在做 Agent 应用开发、算法工程师想系统补齐 Agent 工程方法论，或者带团队需要一份中文培训材料，它都值得翻一翻；只做纯模型训练或不碰 Agent 的岗位关系不大。注意这是个人整理版，非官方中文翻译。

Verdict 是一个只有 197 KB 的本地小模型，专门判断命令行工具调用到底成功了没有。它的出发点是「退出码为 0 不等于成功」：进程可能一个测试都没跑、返回了 HTTP 500、或者只做了 dry-run，却依然正常退出。Verdict 会读取命令、退出码、stdout 和 stderr，输出 success、failure、blocked 或 unknown 四种结论，帮助 Agent 区分「真失败」和「环境被挡住了」，从而决定该重试、该停下还是可以宣称完成。在 48 个训练时完全没见过的 CLI 家族上，它的准确率达到 93.2%，而只看退出码的基线只有 47.9%。推理纯 Python 标准库、CPU 上 0.5 毫秒出结果，不联网不上传日志。README 也明确说它只是辅助分类器，不能替代确定性检查。适合在做 coding agent、CI 流水线或工具调用编排、需要判断 Agent 是否谎报成功的从业者看一眼。

这是一个把 TikTok 直播间变成互动佛教寺庙的直播场景项目：观众通过点赞、评论、送礼、关注等行为，在 9:16 竖屏画面里触发上香跪拜、放河灯许愿、求签解卦、敲木鱼撞钟等仪式，并由 ZeroTTS 用越南语朗读观众的祈愿和签文。它面向的是想做「互动仪式感直播」的主播，比如在 TikTok Live 上靠观众送礼和评论互动变现的内容创作者，评论里的关键词会直接驱动画面动画和 AI 语音，送礼金额越大触发的仪式越隆重，还能实时排行功德榜。技术上它跑在 Bun.js 上、配合 Python 常驻进程跑 ZeroTTS 模型，画面用 Canvas 粒子和预渲染序列帧保证流畅。对多数互联网和 AI 从业者来说这更像一个猎奇的直播玩法参考，除非你在做直播互动、TTS 应用或 OBS 场景开发，否则关系不大。

dots-agent 是一个会自己找活干的常驻智能体：它每隔一分钟跑一轮，主动从你的目标队列里领任务、执行、汇报结论，还能把做过的活总结成可复用的「技能」存进技能库，下次直接调用。它提供命令行和 Windows 桌面窗口两种用法，窗口里能看它在干什么、派新任务、批准它想做的敏感动作（比如发邮件），也能直接跟它对话。核心设计是审批闸门和证据机制：危险动作默认要人点头，超时未批自动拒绝；完成的任务必须附带可核对的证据，否则标为「待复核」，防止它编造结果。适合想在本地跑一个长期值守的自动化助手、又不想完全放权给模型的个人开发者或 AI 应用工程师，用来盯邮件、跑例行脚本、整理资料这类重复劳动；如果你只是想找一个对话式 LLM 工具，它不太对口。

Mortar 是一个跑在终端里的 AI agent，可以类比成 Minecraft 版的 Claude Code：你用自然语言描述想建的建筑或结构，它会先读取你周围的地形、生物群系和已有建筑，规划出方案，再以半透明幽灵预览的形式投射到世界里，你走过去绕着看、确认位置和朝向后才真正放置方块，一次 /undo 就能全部还原。它还能生成 datapack，包括函数、进度、配方和战利品表，自动 reload 并修复报错；/materials 会列出建造所需的全部方块和烧炼材料，/export 则可导出为 litematic、schem 或 nbt 格式供手动搭建或分享。默认通过 Ollama 跑本地免费模型，也支持自带 Claude、GPT、Gemini 的 key。对 Minecraft 服主、模组开发者和喜欢在生存模式里搞建筑的玩家来说，它能省掉大量手敲方块和调试 datapack 的时间；如果你不玩 Minecraft，这个项目和你的工作基本无关。

这是一套给 Claude 用的技能包，专门帮你运营 LinkedIn 账号：写帖子、回评论、打分个人资料、排一周的内容计划，还带一个「去 AI 味」脚本。它不自动发布，所有产出都是可复制的文本，由你手动贴到 LinkedIn——因为自动化发帖违反 LinkedIn 用户协议，容易被限流。实际能解决的麻烦很具体：比如用 21 种钩子公式把一个想法扩成带三个标题选项的帖子；把别人帖子下的评论按类型匹配，避免千篇一律的「Great post!」；把自己帖子下的留言分成潜在客户、同行、噪音几类再逐条回复；给个人主页按 12 项标准打分并按失分优先重写。最有意思的是 humanizer，它会清掉零宽字符、em dash、弯引号这些 AI 写作的隐形指纹，替换 delve、leverage、seamless 这类套话，再用五项指标（句长起伏、具体度、套话密度等）给草稿打「人类分」，句式结构类问题则标出来交给你自己改。适合做个人品牌的内容创作者、求职者、销售和独立开发者——如果你不靠 LinkedIn 获客或找工作，关系不大。

DSHAPP 是把 DeepSeek 的 AI 编码 Agent（DSH，DeepSeek Harness）完整搬进 Android 手机的客户端：内置 Termux 环境跑 Node，Node 上跑 DSH 引擎，WebView 加载官方 Web GUI，界面与桌面端完全一致，不是阉割版。它提供完整的 Agent 能力——bash 执行、文件读写、grep/glob 搜索、终端 PTY 都能用，还能让模型自己看屏幕、点按钮做端到端自测，甚至有悬浮球随时唤起。适合想在通勤、出差等没有电脑的场景下，用手机继续让 AI 改代码、跑脚本、查仓库的开发者；由于只能侧载、包体较大（137–216 MB）、仅支持 arm64，普通用户和非技术岗位基本用不上，主要受众是重度依赖 AI 编码工具、愿意折腾手机环境的工程师。

Decision Forge 是一个把公司内部规章制度编译成可审计的决策训练数据的工具。它读取你们的员工手册、SOP、审批规则和权限表，先提炼出带原文引用的规则草案供业务方审核，再用这些规则去标注从工作流、工单、CRM 记录里还原出的决策场景，产出带来源溯源、标签可复现的样本，用来微调或评估 AI Agent。它解决的问题是：Agent 接手客户分配、文件共享、付款审批这类操作时，凭什么判断该做不该做——通用模型没有你们公司的判断标准，只能从内部文档里学。适合需要让 Agent 在生产环境里按公司规矩行事的团队，比如负责 Agent 落地的工程负责人、做决策类模型微调的算法工程师，以及需要向业务方交代 Agent 行为依据的 AI 治理岗位；如果你的工作和 Agent 决策、合规审计无关，这个项目暂时和你关系不大。

MemForge 是给 AI 编码代理用的记忆层，可以理解为 Claude Code、Codex 这类工具的「团队大脑」。它把散落在 Confluence、Jira、Teams 等系统里的 wiki、工单和聊天记录同步下来，用模型提炼成一条条带出处的短记忆，代理通过 MCP 检索这些记忆，而不是每次从零翻文档。它解决的具体麻烦是：新加入的代理只看得到本地代码库，对团队既有的技术决策、约定和历史一无所知；而直接把整篇文档塞进上下文又太占空间。MemForge 只返回精确的事实并附带原文出处，文档过期或两处说法冲突时会自动更新或标注。适合正在用 Claude Code、Codex 等 AI 编程工具、且团队知识散落在多个协作系统里的研发团队，尤其是需要让代理理解历史决策的工程师；单人开发者或不依赖 AI 编码代理的人关系不大。

Frametell（帧言）是一个桌面应用，把一句话想法或手头的文档、PDF、PPT 变成会动的讲解视频，类似给知识类创作者配了一个 AI 导演。你先给它一个主题，比如「为什么天空是蓝的」，它会先产出分镜脚本让你确认，再写旁白、配音、逐页绘制画面并自检，最后渲染出带字幕的 1080p 成片，官方示例一条 72 秒的片子成本约 1.59 美元。它不从零生成视频，而是驱动成熟的动画引擎，所以画面稳定、可控，成片还能进编辑器手动微调元素位置、文字和时间轴，改动不消耗 token。模型侧完全本地运行，可接 Anthropic、OpenAI、Google、DeepSeek 等任意兼容端点，素材和密钥留在本机。适合做科普、教育、投资、读书类内容的创作者，尤其是想讲好故事但不想学视频剪辑的人；纯后端或算法岗基本用不上。

这是一个二次元角色换装素材的中文检索与组装工具，把日本画师 たき AI 的 1,027 张角色部件图（发型、服装、姿势、线稿）翻译成中文界面，方便国内用户浏览。它的核心玩法是「组装」：把发型、发色、刘海、发饰、眼睛、服装、姿势分别放进 7 个槽位，再选好品质前缀（Illustrious、NovelAI、SDXL 等）、表情、构图、背景，就能实时生成可直接复制的正向和负向提示词，还能把选中的零件拼成一张带编号的对照图一起发出去。搜索支持中日文和 Danbooru 标签三语，姿势卡可切换线稿喂 ControlNet。对画师、AI 绘图爱好者和需要批量出图的运营来说，这是省去手写提示词的效率工具；如果你不碰 AI 绘画，和你关系不大。

这是一个 Claude Code 插件，让你在终端里直接看到 AI 干活的过程和结果，不用切到浏览器或另开窗口。它利用 kitty 图形协议在聊天里渲染图片和播放视频：Claude 改完一个功能后会用 Playwright 录下测试过程，把修复前后的录像并排同步播放，旁边列出每处改动的时间戳，测试项随视频播放逐个变绿变红，一眼就能看出哪步修好了、哪步还挂着。除了 QA，它也能展示 Claude 画的页面、组件、设计稿和生成图，多个方案并排对比，历史版本随时回看。适合重度使用 Claude Code 做前端或全栈开发、需要频繁验收 UI 改动的工程师，以及想在终端里完成视觉走查的 AI 编程用户；只写后端或不碰界面的人关系不大。注意它依赖支持 kitty 图形协议的终端，Warp、WezTerm 等目前还显示不了图片。

OpenAssembler 是一个开源的 PTX 到 SASS 编译器，相当于把 NVIDIA 闭源的 ptxas 重新实现了一遍。作者通过黑盒方式逆向工程出指令编码、调度策略和 ELF 容器格式，然后替换成自己的代码生成器，支持把 Python 子集、CUDA C/C++ 或 PTX 编译成 SASS 和 cubin，目标硬件是 A100（sm_80）。它还带一个 SASS 模拟器，张量核心指令的数值结果与真机逐位一致。实际效果上，部分矩阵乘法内核比 ptxas 快，微基准测试范围在 0.92× 到 1.36× 之间，也导入了 AlphaTensor 的 97 个低秩分解在 A100 上与 cuBLAS 对比，但作者明确说这只是内核级测量，不代表 LLM 训练整体提速。适合关注 GPU 底层性能优化、做 CUDA 内核开发或对编译器后端感兴趣的工程师；如果你只做模型训练或推理调用，和你关系不大。

Lalabase 是一个可自托管的项目管理平台，面向软件外包团队和他们的客户，功能上类似 Jira 或 Redmine 的替代品，把工单、工时、文档和会议纪要放在一处管理。它最实用的地方是内置 AI 助手：你可以直接问「这个工单现在谁在做、还剩什么没完成」，或「上次开会我们达成了什么共识」，回答会跨工单、文档、工时和会议记录检索，并明确标注引用了哪条工单、哪条评论、哪场会议，避免凭空编造。工时按会话记录、可单独标记是否计费并导出用于开票，会议自动生成摘要和待办，仓库里的文档目录也能直接变成项目文档。此外它提供 MCP server 和 REST API，可接入 Claude、Cursor 等工具操作工单和知识库。适合外包公司、小型开发团队的项目负责人和需要向客户透明同步进度的工程师；纯做模型训练或算法研究的人关系不大。

这是一套面向 YouTube 创作者的开源视频制作工作流，把提词器、AI 剪辑、视觉设计和动效打包成一条流水线。开头的 Eyeline 提词器能跟读你的脚本、录下麦克风音频并标记口误，随后 AI 工具负责转写、估算多机位同步偏差、生成候选剪辑方案，但剪辑决策仍需人工在 Eyeline Edit 里确认。设计环节提供 267 套可改的 HTML 动效板（含图表、转场、遮罩等），配合 Claude Design 或其他工具产出与旁白对齐的动画，最后整理成能直接交给 Resolve 或 Premiere 的文件夹。它适合独立 YouTuber、视频内容团队里负责脚本到成片全流程的人，以及想用 AI agent 自动化剪辑流程的开发者；如果你不做视频内容，和你关系不大。

Prevue 让 AI 编码 agent 直接「看见」它写的 Jetpack Compose 界面：保存代码后约一秒，浏览器里的 Compose Preview 就会重绘，无需打开 Android Studio、无需等 Gradle 构建。它解决的是 agent 开发 UI 时的循环痛点——以前 agent 改完代码，开发者要自己开 IDE 看效果、截图、再转述问题，人被卡在循环中间；现在 agent 保存、拿到渲染图、对照 Figma 设计稿或截图自行比对修改，人只需最后在浏览器里验收。它还支持交互模式，agent 能模拟点击拖拽并拿到新画面；点击预览中任意元素可直接定位到对应文件和行号，方便把问题精确指给 agent。每个 worktree 有独立轻量守护进程，内存占用约为 Android Studio 的六分之一，多个 agent 并行互不干扰。适合正在用 Claude Code、Codex 等工具做 Android 或 Compose Multiplatform 开发、且被 IDE 占用和反复截图折磨的工程师；不做 Compose 开发的人关系不大。

这是一个把 WhatsApp 接入 AI Agent 的 MCP 服务器，相当于给 Claude、LangChain、Google ADK 这类框架提供了一个现成的 WhatsApp 通道，开发者不用再自己写 REST 封装和 webhook 解析。它通过 Model Context Protocol 暴露 61 个工具、10 个资源和 12 类实时事件，Agent 连上后能自动发现全部能力，覆盖发消息、群管理、联系人、投票、表情回应等操作，还能收到新消息、正在输入等推送。底层同时支持 Baileys（模拟 WhatsApp Web，个人号即可用）和 Meta Cloud API（官方企业通道），两套后端共用同一套工具名，切换渠道不用改 Agent 逻辑。内置限流和持久化，适合高频消息场景。值得看的是正在做 WhatsApp 客服机器人、社群自动化运营或跨境私域触达的开发者，尤其是已经在用 MCP 生态的人；如果你的工作和 WhatsApp 或 Agent 集成无关，这个项目基本用不上。

ClusterChat 是一个纯浏览器运行的分布式推理聊天工具，思路类似 Petals 或 exo，但把模型切分的对象换成了你和朋友各自机器上的显卡：通过 WebRTC 把多台电脑的 GPU 拼成一块，共同跑起一个 27B 的 Qwen 模型，全程零安装，打开链接即可用。它解决的痛点很具体——27B 模型约需 27GB 显存，单人往往不够，但一个实验室、俱乐部或朋友圈凑一凑通常有，于是每个人都能在自己的聊天窗口里同时对话，最多支持 64 人、多条回复并行生成；中途有人退出也不会中断，因为每段模型权重都有多个浏览器持有，丢失的工作会自动在别处重放。实测两块 RTX 3090 上 12 人同时聊天仍能保持每条回复 7.1 tok/s，跨两台机器也有 8.1 tok/s。值得看的是那些手里有闲置显卡、想和同事朋友共享一个大模型的研究者、学生团队或极客玩家；如果你没有多卡环境，这项目跟多数人关系不大。

pumi 是一个用 Rust 写的桌面工作台，专门用来同时跑多个 AI 编程 agent，比如 Claude Code、Codex、pi，你可以把它们并排放在不同标签页里，一眼看出谁在干活、谁卡住了、谁跑完了，还能在它们工作时排队塞新提示词。它背后有个常驻服务接管终端，窗口关了任务照跑，适合长时间挂机的多 agent 任务。真正特别的是它几乎全由插件构成——界面、终端、agent 面板都是 TypeScript 写的插件，能随意关掉、替换甚至重写，主题也能重绘窗口任何部分，插件和主题可以直接从 GitHub 安装分享。核心只保留标签、终端、按键这些最小骨架，远程机器、git 面板等一概不做，留给你自己搭。适合同时驱动多个 AI agent、想按自己工作流定制开发环境的 AI 工程师和重度 AI 编程用户；如果你只用单一 agent 或不碰这类工具，关系不大。