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。

LearnHarness 是一个用 AI Agent 帮你学懂难知识的桌面应用，可以理解为「会先摸底再讲课的私人导师」。它不会一上来就甩解释，而是先通过你的回答、信心和思考方式，测出你对目标知识的理解边界在哪，再据此规划一条从你当前水平到目标的依赖路径，逐步讲解，每一步都建立在你已确认理解的内容上，发现困惑就先修补。学完后还有独立的练习环节，用变式题目逼你主动回忆，而不是被动重读。所有学过的命题和推理链会沉淀成一张持久的知识图谱，跨会话保留，下次学习直接从图谱续上，还能导入自己的笔记。适合正在啃硬核技术或理论、苦于找不到系统学习路径的工程师、学生和研究者；如果你只是想快速查个 API 或者日常写业务代码，它和你关系不大。模型接入灵活，数据存在本地。

FlashProve 是 Anthropic 的一个研究原型，解决的是「AI 服务商如何证明某个回答确实出自承诺的模型」这一问题：服务商先发布一个绑定权重的承诺 ID，权重本身保持保密；之后每次回复都由 GPU 生成证明，任何人用普通 CPU 几秒内即可验证该回答来自被承诺的模型，而无需看到权重。它已在单张 H100 上跑通 Llama 4 Maverick 全尺寸推理，证明器 prefill 约 110 tokens/秒，协议可靠性用 Lean 4 形式化验证。这适合关注模型供应链可信、AI 服务合规审计以及零知识证明与推理结合方向的研究者和安全工程师；对多数做应用开发的从业者来说，目前只是一个不维护的实验品，参考价值大于实用价值。

这是一套给 coding agent 用的「艺术动画 skill」，让 Claude Code、Cursor 这类 AI 编程助手直接用代码画出会动的画：内置 53 张艺术风格配方卡（梵高、莫奈、敦煌壁画、8-bit 像素等，每张含参数、母题动作、签名转场）和 9 种解说动画语法（Kurzgesagt 扁平、Vox 剪报、白板、3Blue1Brown 形变、发布会大数字、财经图表等），你只要说「做个梵高风格的动画」「用我的口播做一段解说」，它就按配方生成场景代码、镜头表和配乐，还能拆解参考动画反推机制、用生图模型出角色帧再由代码合成。仓库里附了多支完整成片做示范，比如 Claude 吉祥物夜闯大都会博物馆、像素主角跑关卡、人物穿越艺术史长卷，交付前还有脚本自动验收画面是否像翻页 PPT。适合做短视频、科普解说、产品发布会动画的内容创作者和前端/动效工程师，以及想给 AI 编程 agent 加动画能力的开发者；纯后端或算法岗关系不大。

ub-mode 是给 AI 编程助手用的一套「工程纪律」技能包，作者是《Clean Code》的 Robert C. Martin（unclebob）。它不生成代码，而是约束 AI 写代码时必须遵守的规矩：先让功能跑通、再重构干净、最后持续练习，比如要求先写测试再写实现、修根因而非打补丁、小步提交等。真正让它落地的是配套的几个确定性质量门禁工具：crapper 计算每个函数的圈复杂度和 CRAP 分数并卡在阈值内，dryer 检测结构重复，mutator 用变异测试暴露没测到的代码，uml-viewer 可视化这些指标。适合正在用 Claude Code、Cursor 等 AI 编程工具、又苦恼于 AI 产出代码质量不稳定的工程师和团队技术负责人，如果你不用 AI 写代码，这个项目和你关系不大。

DS Bot 是一个基于 DeepSeek Harness（DSH）的桌面端多 Agent 应用，你可以把它理解成「一个能养多个 AI 员工的聊天室」：每个 bot 有独立身份、模型和长期记忆，主 bot（Chief）负责统筹管理，bot 之间还能互相转交任务。实际用起来，你可以在一个窗口里和单个 bot 长期协作，让它记住你的偏好；也可以开群聊，让几个 bot 分工完成一件较大的活——比如 @ 某个 bot 去干活，它会边做边在群里汇报进度，做完把结果交回给发起方，你随时可以叫停。群聊有独立记忆，不会污染你和别的 bot 的对话。它还内置了网页搜索能力。适合想在 DeepSeek 上搭个人 AI 助理团队、或试水多 Agent 协作玩法的从业者；如果你只是调 API 或做模型开发，和你关系不大。注意它是社区项目，非 DeepSeek 官方出品。

Floorplan 是一个让 Claude Code 或 Codex 读完你的代码库后，自动生成一张可交互、全英文大白话的架构地图的工具。它把每个模块、文件、接口都起成人能看懂的名字（比如「结账时收信用卡」而不是「Stripe API wrapper」），并画出它们之间的真实连线，包括前端请求对应哪个后端接口，甚至跨仓库也能对上。除了看图，你还能直接向地图提问，比如「退款是怎么打到用户卡上的」，它会给出答案加一张只含相关部分的小地图和分步讲解；它还带健康检查，能揪出 AI 写的应用里常见的坑：硬编码的密钥、开放的 Supabase 表、可伪造的 Stripe webhook、没鉴权的接口。最适合两类人：一是大量借助 AI 搭应用、但没耐心读代码的独立开发者或 vibe coder，用来搞懂自己到底做出了什么；二是团队里负责新人 onboarding 或者要盯住 AI 每次改动影响了哪些部分的人。如果你是逐函数研究大型代码库的工程师，它反而偏粗粒度，不如专门的代码理解工具。

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。

open-yoki 是一套能在单台服务器上跑起来的 AI 直播主播系统：她用复刻的声音和实时数字人形象出镜，读弹幕、即时回话，记得常来的观众，写日记、自己发动态，还能按时间表自动开播下播，推流到币安广场或任何收 RTMP 的平台，同时有自己的网页直播间。回弹幕用的是 OpenRouter 上的 DeepSeek 这类快模型，几秒内接话，说话前会先垫一声「嗯嗯」，心情和语气跟着内容走；另有一个可选的长期「心」（Claude Code 或 DeepSeek）以 Markdown 文件形式记住她的日记、对常客的印象，决定发什么动态。画面由无头 Chrome 合成，行情、礼物感谢、动作短片都实时叠加后推流。它其实是作者每晚在币安广场直播的 AI 主播 yoki 去掉形象、人设和资金功能后的开源底座。适合想做虚拟主播、AI 数字人直播或研究 AI 直播互动链路的开发者和内容团队；普通从业者看看架构思路即可，直接部署门槛不低。

这是 DeepSeek Harness 的一个工作流插件，让你在画布上拖拽步骤、连线编排流程，插件把整张图编译成一份计划提示词交给模型执行，本身不带执行引擎，顺序、并行、分支、循环都由当前会话的模型自己调度。它最主打的场景是「破甲」研究：内置一条 15 步的流水线，从 200 多个探针测试开始，分析模型的拒绝模式，再定制生成破甲词，最后 API 验证并输出破甲词文件、使用手册和研究报告，适合想系统化研究 LLM 越狱的人。除此之外，它也能用来编排通用的多步任务，比如写代码、审查、不通过就回炉重修的循环流程，还能把跑通的流程导出成 Skill 复用。值得看的是关注 prompt 工程、Agent 编排和 LLM 安全研究的从业者，如果你只是想找个通用自动化工具，它依赖 DeepSeek Harness 生态，和多数人关系不大。

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。

这是一个把日文 AI 绘画参考图库全面中文化的静态站点，原作者是ギア（@giaaibusi），本仓库将原本分散在三个站点的姿势库、服装库、人像库三合一，共 6,162 条中文元数据、上万张本地高清图，可离线浏览。它不只是图库：内置一个 Web 合成工作台，让你从人像、服装、姿势三个槽位挑素材拼出角色配方，选好后直连 Gemini、GPT Image、Qwen、Doubao 或本地 ComfyUI 生图，还提供 12 种画风预设和自动组装的中文提示词；同时它也是一个 ComfyUI 自定义节点插件，可在画布内调用姿势、服装、人像及三合一配方节点，姿势图可一键切换素体白模与深度图接入 ControlNet Depth。适合做 AI 绘画、角色设计、插画接单的画师和 AI 美术从业者，尤其是需要稳定姿势参考和多图参考生图流程的人；纯后端或算法岗关系不大。

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。

dsh-purge Community 是 DeepSeek Harness（DSH）桌面端的社区维护版增强插件，圈内俗称「破甲」插件。它不改模型本身，而是降低交互摩擦：通过宿主补丁和提示词注入，让 Agent 少反复跟你确认「要不要继续」，能连续执行任务。同时它把状态诊断、提示词与预设管理、更新和本机备份回滚收敛到一个面板里，每次改动前自动快照，改坏了能一键撤回，全部逻辑跑在本机、不上传提示词。典型场景是个人学习和动手实验，比如让 Agent 连续跑完一串实验步骤而不被中途打断，或者集中调整多套提示词预设并保留回滚点。值得看的是正在用 DeepSeek Harness 做自动化实验、个人项目的开发者，以及关心本地 AI 工具可控性和可回滚性的从业者；如果你不用 DSH，这项目和你关系不大。

openjutsu 是一个本地运行的视频换人工具，可以看作开源版的 Higgsfield Genjutsu：丢进一段视频和一张角色照片，点生成，视频里的主角就被替换成你的角色，同时保留原片的运镜、剪辑、动作和音轨。它基于 ComfyUI 工作流加 Next.js 前端，用 MiniMax H3 生成视频、SAM 3.1 跟踪人物、Qwen3-VL 描述画面并写提示词，全部跑在自己的 GPU 上。除了换人，它还支持多人各换各的、涂抹替换或移除头发衣服等物体、换背景、根据照片生成新姿势再转视频，以及用 FLUX 在同一次生成里重新打光。适合做短视频二创、虚拟主播换皮、广告素材改版的创作者和 AI 视频方向的工程师，尤其是想摆脱云端付费服务、在本地跑通完整流程的人；不碰视频生成的读者可以跳过。

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。

WeVisOne-VL 是腾讯微信视觉团队推出的视觉语言模型，可以理解为把检测、分割、抠图等多个视觉任务塞进同一个模型的「全家桶」。你用自然语言提问，它既能给出目标的点、框等对象级定位，也能直接输出像素级的 mask 和带透明通道的 alpha matte，覆盖目标检测、指代定位、计数、指指点点、OCR、指代分割和精细抠图等任务，还内置一个仅 9.6M 参数的轻量像素解码器，不再依赖 SAM。它还有一个实用特性：当图里根本没有你问的目标时，会老实返回空结果而不是胡乱编一个框。在 LVIS 检测、RefCOCOg 指代、ReasonSeg 分割、P3M 抠图等多个基准上，它的 4B 版本都超过了 Qwen3-VL 等开源基线。做多模态感知、图像标注工具链、内容审核或视觉 Agent 的算法和工程人员值得看看，尤其是需要在一个模型里同时搞定定位和精细分割的场景；只做纯文本或后端开发的人关系不大。

这是一个在操作系统启动前、UEFI 阶段解除 NVIDIA 显卡 Tensor 算力限制的工具，可以理解为「不刷 VBIOS 的显卡解锁器」：从 U 盘引导，在驱动加载前把被压制的张量性能放开，之后正常进入 Windows、Linux 或 Hackintosh，断电即恢复原状。它主要解决的是 RTX 20/30/40 系显卡在 AI 负载下被限速的问题，社区实测 FP16/BF16 吞吐最高约 2.6 倍，图像视频生成提速 14% 到 75%，LLM 推理 prefill 最高提升 19%。适合手里有闲置或主力 RTX 30/40 显卡、跑 ComfyUI 生图、Stable Diffusion、本地 LLM 推理或 DirectML 负载的个人开发者和小团队——如果你正抱怨显卡跑 AI 半速、又不想折腾刷 BIOS，值得花时间看兼容性矩阵确认自己的型号；纯做后端、前端或不碰本地推理的人关系不大。

这是一个给 Claude Code、Codex、Cursor 等支持 skills 的 AI Agent 用的技能包，作用是让你用一句话描述技术栈，它就生成一张带官方 logo 的架构图。比如你说「Next.js 和 Hono API 部署在 Vercel，Postgres 用 Neon，支付走 Stripe」，它会自动从 svgl、devicon 等来源抓取各家官方图标，画出组件关系和连线，连线会绕开文字标签，不会出现箭头穿过文字的尴尬。产出物是一个自包含的 HTML 文件，字体和 logo 全部内联，不联网也能正常渲染，同时还能导出 PNG 或生成无依赖的 React 组件，方便放进 wiki、仓库或 Claude Artifact 分享。它支持 AWS、Google Cloud、Azure 各自的官方图标包，也覆盖 pnpm、Turborepo 这类开发工具链的绘制。适合需要频繁画系统架构图的后端工程师、架构师和写技术文档的人，尤其是已经在用 AI 编程助手、不想再手动拖 Visio 或 draw.io 的场景；如果你平时不画架构图，这个项目和你关系不大。

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。

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。

这是一个给 Claude Code 和 Codex 用的代码审查 skill，核心卖点是让 AI 的 code review 变得可审计：它会跑四个独立的探针，分别检查行为、测试、规则和影响面，每条发现都必须附带具体位置、涉及的契约或代码路径以及严重级别，缺证据的结论直接不算数。它只做静态分析，读 diff、周边源码、测试和项目规则就能工作，不需要构建或跑测试，也不会改动被审查的代码，最后的合并门禁结论由机器可读的 JSON 生成，避免模型自己复述自己的判断。适合在 PR 合并前想拿到一份结构化、可追溯审查报告的工程团队，尤其是已经在用 Claude Code 或 Codex、希望把 AI 审查纳入流程的后端或全栈开发者。不过作者自己也说明它不能替代测试、CI 和人工审查，对并发缺陷的检测尚未验证，如果你只是想找一个能自动把关的工具，它更像辅助而非兜底。

这是 DeepSeek Harness（DSH）的插件合集，DSH 可以理解为运行 DeepSeek 模型的本地对话工作台，而这里提供三个扩展插件：一个是英文界面版的动效 UI，能在 HTML/SVG 画布上编辑动画并导出本地 MP4；一个是按会话统计 API 花费，按供应商和模型拆分成本，还能自动发现定价；还有一个是决策实验室，用优先级滑块、不确定性边界和敏感性分析来辅助可解释的决策。对日常用 DeepSeek 做内容或分析的人来说，成本追踪最实用——你能清楚看到每次会话烧了多少钱、哪个模型最贵；做演示或短视频的则可能用上动效画布。适合已经在用 DSH、想给工作台加功能的开发者和重度 AI 用户；如果你没用过 DSH，或者只是想找通用 AI 工具，这个仓库和你关系不大。