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。

SoftJL 是一个把软件需求文档自动转成 UML 图、测试用例和可编辑 Word 规格说明书的工具，带需求追溯能力，可自托管并接入自己的 AI 模型。它主要面向软件工程课程设计和毕业设计场景：你把需求描述丢进去，它能生成用例图、类图等 PlantUML 图表，产出测试用例，并生成能继续手工修改的 Word 文档，同时保留需求到设计再到测试的追溯链，方便答辩时解释「每条需求是怎么被覆盖的」。对互联网和 AI 行业的从业者来说，如果你在带实习生做课程项目、或者团队里需要快速把粗略需求整理成规范文档和测试基线，可以看看；但如果你日常做的是模型训练、推理服务或业务开发，它和你的核心工作关系不大。

这是一个给 AI 聊天助手装上「数字生命体征」的内核插件，运行在 DSH（DeepSeek Harness）之上，让原本无状态的对话机器人拥有能量、激素（多巴胺、皮质醇、血清素）、情绪劫持、时间感、执念缺口池、离线梦境和自主唤醒等拟生命机制。比如请求失败会让皮质醇升高并影响后续回复的语气，长时间没人理会出现孤独提示，深夜闲置时它会自己反思并写入记忆，还能给自己编写新「器官」扩展能力。它解决的是想做长期陪伴型、有人格连续性 AI 角色的开发者的麻烦：不用自己从零设计记忆、情绪和作息系统。适合做 AI 陪伴产品、数字人、Agent 人格化方向的工程师和独立开发者参考；如果你只是调用模型 API 做业务功能，和你关系不大。注意原作者已转入社区维护，不再答疑修 Bug。

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。

这是一个面向 DeepSeek Harness（DSH）的本地提示词工程插件，核心用途是把系统提示词的注入从手工拼字符串变成可管理、可观测、可回滚的操作。DSH 的系统提示词按层级组装，且不同版本过滤规则不一，手改经常出现「改了没反应」或「过几轮就漂移」的问题；该项目把注入内容注册为带顺序的 systemPrompt 分层条目，双层注入并强制保留核心规则，同时提供实时状态面板，能看到当前有几层、每层多少字符、本轮是否触发了模型拒答，还支持一键注入与卸载、失败回滚。它还内置了 game-hacking、reverse-engineering、pentest 等技能包和一个 AI 渗透测试控制台。值得看的是做提示词工程、AI 安全研究或需要让 DSH 稳定执行特定人设与规则的从业者；如果你不用 DeepSeek Harness，或不关心绕过模型拒答这类需求，和你关系不大。

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。

OpenField 是一个跑在自己 GPU 上的本地创作工作室，底层全部通过 ComfyUI 工作流实现，每个功能界面背后都是一张可导出的 ComfyUI 图。它把文生视频、图生视频、FLUX.2 出图、单张图转带 PBR 贴图的 3D 模型、给无声片段配音、口型说话、放大到 1440p、HDR 母版输出等能力打包成一套完整流程，还支持最多挂四个自己的 LoRA、用 @cast 固定角色和道具、手机拍动作同步到角色、事后重新打光和改机位。比较特别的是 Stage 功能，用方块和人物在浏览器里摆镜头，再由 LTX-2.5 的 Layout-to-Render 模型渲染成运镜一致的成片；Scene 则让本地 LLM 把一段剧本拆成多个镜头自动剪成一条。所有渲染都在本地完成，不上传不烧点数，并提供 31 个 MCP 工具供 Claude Code 等 Agent 调用。适合做短视频、广告分镜、独立影视的概念验证和样片制作的创作者，以及想用 Agent 驱动视频生产管线的 AI 工程师；普通办公或纯文本开发的读者关系不大。

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。

这是一个基于麦当劳中国官方 MCP 的命令行选餐工具，输入预算和饮食偏好，它会查询指定门店当前菜单与官方营养数据，给出均衡、蛋白质、预算三种优先级的候选套餐对比。它的核心价值在于「可解释」：套餐会自动展开成单品逐件匹配官方营养再求和，每个金额都标明价源是官方字段、单品加总还是未核实，取不到就如实标「未知」而不是填 0；配件替换后营养和价格会重算，非法替换会被拒绝并说明原因。它明确不提供下单能力，也不做医疗建议。对普通消费者来说，想在麦当劳点餐时兼顾预算和营养目标可以拿来参考；对 AI 从业者而言，它展示了如何用结构化规则负责数值、LLM 只负责理解意图和表达，以及 MCP 在真实商业数据源上的落地方式，值得一看。

这是一个 ComfyUI 插件，让你在生成的人物图上依次完成换脸换发型、换姿势、换全套服装三步编辑，底层靠 Qwen Image 2.1 和 Qwen-Image-Edit-2511 驱动。它自带三套本地图库：1499 张人像、1439 张姿势、1407 套服装，可以在浏览页面里挑一张脸、一个动作、一套衣服，插件把它们拼成参考图喂给模型，输出「同一个人摆出所选姿势、穿着所选服装」的成图，每一步都能单独预览，也能用开关跳过某一步。适合做虚拟偶像立绘、电商模特换装、游戏或漫画角色三视图的从业者——比如你想让同一个角色反复换动作出图，不用每次重新写提示词。要注意的是，素材包的授权状态并不干净：姿势图库明确禁商用，服装图库没找到再分发许可，人像图库虽标 CC0 但原作者请求勿再分发，README 也反复强调 MIT 只覆盖代码，商用前务必自己核对法律文件。另外它含成人向分类，仅限成年人使用。

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。

这是一个给 AI 智能体配真实硬件鼠标的 MCP 服务器，需要搭配专用的 uMouse 设备和固件，普通 USB 鼠标不行。它通过 USB HID 协议让 Claude、Codex 这类 Agent 客户端直接操控桌面：移动光标、点击、滚动、拖拽，支持多显示器的物理像素坐标和高精度模式，还能读取光标位置、按键状态和前台窗口信息。除了鼠标，它还带语音听写功能，按住设备上的语音键说话，识别结果会直接输入到当前聚焦的窗口，比如给 Agent 下口头指令或在微信里发语音转文字消息。同一台机器上只跑一个共享守护进程，多个 Agent 客户端可以共用，同一时间只有一个任务能接管键鼠。适合在 Windows 上做 computer-use、桌面自动化实验的 AI 应用开发者，以及想让 Agent 真正操作本机的从业者；没有 uMouse 硬件或不碰桌面自动化的人关系不大。

FDE Gym 是一个面向 LLM 时代的在线评测平台，可以理解为 LeetCode 式 OJ 的升级版：考的不再是写出正确代码，而是像 forward deployed engineer 那样把客户交付做完。每个案例都是一次真实客户交付——你拿到的只有一段含糊的客户诉求、一个已在运行的系统、文档和几个可以询问的客户方人员，需要自己判断真正要解决的问题、找出没写下来的规则，再指挥 coding agent 去改系统。提交后系统会在客户没展示过的流量上真实运行打分，改没改好一目了然，生产事故直接归零，占用客户人员时间也会扣分。适合想评估或练习 AI coding agent 实战能力的工程师、做 agent 评测与 benchmark 的团队，以及关心 FDE 这类岗位实际工作方式的人；只想刷算法题或找部署方案的读者关系不大。

Trina AX 是一个自托管的团队 AI 工作台：管理员在一台服务器上配好一次 Claude Code 和 Codex，全公司员工直接用浏览器或手机打开就能问，不用装终端、不用碰命令行。它解决的核心麻烦是——Claude Code 在空文件夹里不知道你是谁，每次都要先问六个问题；而 Trina 把公司文件夹、团队技能（一个 SKILL.md 就是一种写法规范，比如提案模板）和每个人的文件夹权限预先接好，新员工第一天问「写个提案」就能拿到贴合公司风格的成品。每次 AI 要读文件，服务器都会以提问者本人的身份做权限校验，你打不开的目录对你的 AI 同样不可见，销售看不到财务报表，AI 也就读不到。适合需要把 AI 编程助手安全地推广给非技术同事的团队负责人、IT 管理员，以及对数据不出内网有硬性要求的公司；如果你只是自己写代码用 Claude Code，关系不大。

这是一个把 Claude Code 多个 Agent 可视化成 3D 猫咪办公室的本地监控面板：每个 Agent 是一只坐在工位上的猫，有任务进来就醒来干活，屏幕上实时显示它在做什么，跑完后输出落到「CEO 询问」卡片里，猫再回去睡觉；空闲时完全不调用模型，0 token 消耗。它底层通过 tmux 驱动 `claude -p` 执行任务，前端用 three.js 程序化生成办公室场景，支持点猫派发预设任务、向 CEO 描述需求自动分发、token 计数和实时事件流。适合同时跑多个 Claude Code Agent、需要一眼看清各 Agent 状态和产出的开发者，尤其是把 Agent 当作长期后台助手用的人；如果你只偶尔单线用 Claude Code，这东西更多是个有趣的玩具而非刚需。

dylix 是一个装在 iPhone / iPad 上的 iOS 插件开发工作台，相当于把 Theos 那套越狱插件开发流程搬进了手机：你可以在手机上管理源码、编辑代码，调用内置的 Clang / LLD 和 Logos 语法，直接在本机编译出 dylib 和 deb 产物，还能用 libgit2 做本地版本管理并同步到 GitHub / Gitee。它内置 AI 助手，能按权限读取头文件、解释和修改代码、检查构建结果，普通聊天会话里也能直接创建项目并继续开发。此外还带 IPA 头文件导出、Mach-O 静态信息检查和离线崩溃符号匹配等分析工具，并支持通过局域网让电脑浏览器远程连接手机上的工作台。适合做 iOS 越狱插件或逆向分析的开发者，尤其是想脱离电脑、在移动场景下快速改代码和出包的人；如果你不碰 iOS 原生插件开发，这个项目和你关系不大。

stalemap 解决的是 AI 编码助手的一个通病：模型的训练数据有截止日期，而你项目里锁定的依赖版本往往更新，于是 agent 会按旧 API 写代码，比如对着 AI SDK 7 用 `maxSteps`、对着 zod 4 用 `required_error`。它会找出模型训练截止之后发生变动的依赖，把类型变更和 changelog 摘成一段简短说明写进 AGENTS.md 或 CLAUDE.md，让 agent 开工前先读到；编辑代码后还会跑类型检查，一旦用了过时 API 就立刻把编译错误和对应说明推给 agent；另外提供一个 MCP 工具，agent 可以用自己的话查询某个包的变更。支持 Claude Code、Cursor、Codex、OpenCode 等，适用于 JavaScript 和 TypeScript 项目。官方基准测试显示，用它之后 agent 任务通过率从 68% 提升到 89%。日常用 Claude Code 等工具写 Next.js、React 或 Node 项目的前端和全栈工程师最值得看，尤其是经常被依赖升级坑到的场景。

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。

OpenMinutes 是一个配合 MemoTalk S1 录音笔使用的开源工作台，把录音笔里的 MP3 导入电脑后，自动转成可搜索、可分类的文字。它把导入、转录、AI 归类、检索复盘串成一条流水线：每条录音都有清晰的状态标签（待下载、待转录、转录中、待归类、已归档、失败等），支持批量操作。转录用流式 ASR 生成带时间戳的分段文本，AI 归类则用 LLM 生成结构化标题、摘要、分类、标签、要点和待办事项，且可手动修改；还能按分类、标签、阶段筛选，按时间排序，回放时可直接跳到对应句子。对每天产生大量会议、访谈录音的人来说，它解决的是「录了一堆却找不到某段对话」的麻烦。适合需要整理语音记录的产品、运营、研究或助理类岗位，以及想自建语音笔记系统的开发者；如果你不用录音笔或不常处理音频，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。

nekochat 是一个自托管的角色扮演网页聊天工具，可以理解为「可自己部署的 SillyTavern 类产品」：管理员在后台把底层模型、思考档位、系统提示词、联网搜索、立绘背景和表情包组合成一张「角色卡」，普通聊天页面则完全隐藏模型名和参数，打开就能直接和角色对话。它内置 300 张本地 GIF 表情包，角色会根据语境在回复中自然穿插表情；还支持让角色输出可交互的数据图表、节点图和动画 SVG，以及挂载 DeepSeek 或 ChatGPT 订阅的联网搜索。技术上用 Rust + SolidJS + WebAssembly 把 Markdown 渲染和高亮移出主线程，主打长回复流式输出时界面零卡顿。适合想自建 AI 角色扮演应用、对沉浸感和前端性能有要求的全栈或前端工程师；如果你不碰这类应用，和多数从业者关系不大。

Decks 是一个把幻灯片制作交给 AI 编程助手的工具：你在某一页幻灯片下面留一条评论，Claude Code 或 Codex 就会直接改这份 deck，并把改动说明、追问或保留理由回写在那一页上。每份 deck 就是本地的一个 HTML 文件，浏览器打开即可放映和导出 PDF，还能生成客户可评论的 Review 版本再把反馈收回。除了让 agent 改稿，它还内置了几项演示质量检查（五秒/十秒测试、标题测试、横纵向逻辑流），以及 Focus、Scroll、Sorter、Checks 四种视图，新 deck 会先问你主题和受众再让 agent 起草初稿，也支持导入已有 PowerPoint 或 PDF。对经常做咨询方案、培训材料或对外提案的顾问、独立顾问和需要频繁产出 deck 的从业者来说，这基本是把 PowerPoint 的排版体力活外包给 agent，值得试；只偶尔做 PPT 的人关系不大。

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。

Grim 是一个多人协作的 Markdown 笔记本，人和 AI agent 可以同时编辑同一篇笔记，光标实时可见。它的核心卖点是笔记就是普通的 Markdown 文件、存在 Git 仓库里，每次改动都有完整历史，不锁定在任何平台。给 AI agent 一个链接，它就能通过 HTTP 直接读写你的笔记，无需安装任何东西，也可以走 MCP 获得完整权限——比如让 Claude 或其他 agent 帮你整理会议纪要、和你一起写方案。适合需要人机协同写作的场景：团队共享文档、个人知识库，或者把 agent 当成实时协作的同事。如果你在做 AI 工作流、想让 agent 接入你的笔记系统，或者只是想要一个不依赖云服务、可自托管的协作编辑器，可以看看；普通只需要单人记笔记的用户关系不大。