decision-cascade 是一个本地运行的决策引擎，思路是不让 LLM 生成自由文本，而是把状态编码成特征后由专门的决策头直接输出三种类型化结果：是/否（Noul）、选项（Choice）、分数（Score），每个答案都带概率分布和置信度，可校验、可校准（内置 ECE/Brier 指标）。相比让模型「想一段话再回答」，它没有自回归生成，延迟低且确定，一次前向就能并行处理多个问题。它对标付费 SaaS 产品 Jev，但完全开源、数据不出本机，还支持用自己领域的标注数据微调决策头（SFT + RLCD）来优化校准质量，并兼容 Cloudflare Clef、Perplexity 等项目共用的 SystemOne 协议，可当网关转发。适合需要在产品里做可审计、可校准的分类或打分决策、又在意隐私和成本的后端/AI 工程师；项目尚在 beta，开箱权重是随机的，需要自己标注训练，只想拿现成模型直接用的人会失望。

ContextCraft 是一个把整个代码仓库压缩成适合喂给 LLM 的上下文的工具，可以理解为「代码库到 prompt 的智能打包器」。它先用 AST 解析和 Personalized PageRank 加 BM25F 给文件按依赖和任务相关性排序，再在给定 token 预算内为每个文件选择四种保真度之一——完整源码、结构大纲、声明签名或仅路径——而不是粗暴截断，最后输出 Markdown、XML 或 JSON。典型场景是给 coding agent 或代码问答系统准备上下文：比如你想问「认证相关逻辑怎么写的」，它会围绕这个 focus query 挑出相关文件及其依赖，塞进 8000 token 的预算里，还支持忽略规则和敏感信息脱敏。做 AI 编程工具、需要给 LLM 喂代码上下文的工程师值得看看；如果你不涉及这类场景，和多数人关系不大。

Sparky 是一个完全跑在本地 Windows 电脑上的私人 AI 助手，可以理解为把 ChatGPT、ComfyUI、Whisper 和一个本地 RAG 知识库打包成一个桌面应用，数据默认不离开你的机器。它能聊天、看图、给文档（PDF、Office、代码）建索引并带编号引用地回答问题、联网搜索（默认关闭）、生成图片和带同步音轨的视频、离线语音听写与朗读，还能在聊天旁边实时写代码和多文件项目并预览。更进一步的是 Computer mode，它能浏览文件夹、截图、读写文件、执行 PowerShell，安全等级由你逐会话设定，敏感操作会弹审批卡片；也支持接入 MCP 工具和定时任务。适合对隐私敏感、想在无网或内网环境用大模型的个人开发者、研究者和办公用户，以及想本地跑 LLM 做 RAG、图像视频生成的 AI 爱好者；如果你只用云端服务、不关心数据出境，那它和你关系不大。

srouter 是一个自托管的 AI 网关，把 60 多家供应商、1200 多个模型统一成一个 OpenAI 兼容的本地端点，Claude Code、Cursor、Codex、Cline 等工具只需改一个 base URL 就能全部接入。它主要解决 AI 编程时的三个痛点：一是撞上 429 限流，它按「订阅额度 → 便宜额度 → 免费无 key」三级自动降级切换，中断几乎无感；二是工具输出太占上下文，内置压缩器对 git diff、测试日志、JSON 等结构化结果做启发式裁剪，通常省下 20%–40% token；三是各家 SDK 和鉴权格式不统一，它顺带做了 OpenAI、Anthropic Messages、Gemini、Ollama 之间的协议互转。模型目录每天自动同步两次，密钥本地 AES 加密存储。适合每天重度使用 AI 编程工具、手头有多个供应商额度又常被限流打断的开发者；如果你不写代码、只偶尔调用一次模型，这个项目和你关系不大。

AI-KIT 解决的是一个很具体的痛点：每次开新对话都要重新向 AI 解释你的项目背景。它给你的项目生成一套持久的「项目记忆」和针对不同技术栈的规则文件，让 ChatGPT/Codex、Claude Code、Cursor、Windsurf、Devin 等 11 种 AI 编程客户端都能读到同一份上下文，换工具不用重讲。除了基础的上下文工程，它还提供自适应模型路由策略、Docker 和 Kubernetes 就绪的容器指导，以及集成 Cloudflare 安全审计和 Strix 渗透测试的结构化安全审查流程。安装前可以先预览改动再应用，避免覆盖已有配置。对日常在多个 AI 编程工具间切换、又懒得反复粘贴项目说明的开发者来说值得一看；如果你只用单一工具且项目简单，关系不大。

opencode-rust 是用 Rust 重写的开源 AI 编程助手 OpenCode，提供命令行、终端交互界面和 HTTP 服务三种形态，让你在本地跑 AI agent 来读代码、改代码、执行任务，无需 Docker。原版 TypeScript 实现把对话历史全放内存、每次推理都重新推导工具 schema，多 agent 并行时能把 MacBook CPU 打满；这个 Rust 版把历史落到 SQLite、缓存工具 schema、用 LRU 淘汰实例状态，因此可以长时间稳定跑多个 agent。它支持 MCP、LSP 和 TypeScript 插件桥，还内置了几个预设 agent，比如让 gilfoyle 修失败的测试、让 googlebot 审计页面 meta 标签。适合日常需要 AI 辅助编码、想在终端里直接驱动本地 agent 的后端和工具链工程师；如果你只是用云端 IDE 或网页版 Copilot，和你关系不大。

Orbs 是一个跑在你自己 Mac 上的私人机器人平台，可以理解为「自托管版的群聊 AI 助手」：本地一个守护进程承载每个 bot，你在网页、iPhone 或 macOS 菜单栏应用里和它们聊天，关掉应用后 bot 依然在后台继续干活。每个 bot 基于 Pi agent，有独立的对话、记忆、工具和技能，可接入 Claude、OpenAI Codex、Grok 等模型，还能互相发消息协作（最多三层传递）并派生子 agent。它支持定时任务、生成文档图表、附件问答、加密保存 API key，以及只读/询问/自动/全权四档权限控制。适合想把 AI 助手长期跑在本地、又不想经过任何云服务的个人开发者和 AI 从业者，尤其是已经在用 Pi 或想搭多 agent 工作流的人；普通用户和纯后端岗位关系不大。注意它不是沙箱，bot 以你的用户身份执行工具。

jevfetch 是给 Claude Code、Codex 这类编码 Agent 用的网页读取工具，可以理解为 WebFetch 的替代品：它把网页切成若干块，用 TypeSafe 的判断模型 Jev 筛出真正回答问题的段落，连同标题路径原样返回给 Agent，而不是像 WebFetch 那样让小模型转述大意。这样既省上下文又保留原文，方便 Agent 直接引用。官方在 30 个文档问答上测试，相比 WebFetch 让 Agent 耗时减少约 47%，成本基本持平，且几乎不牺牲答案准确率；在 Exa 的编程问答集上，137 题全部答对。它适合经常让 Agent 查长文档、长网页找具体事实的开发者，比如查某个 API 参数的确切行为、某段配置的准确写法——这类场景下转述容易失真，逐字引用才可靠。如果你平时不用编码 Agent 读网页，这个项目和你关系不大。

PastAi 是一款开源的 macOS 剪贴板管理工具，可以理解为把 Paste 的剪贴板历史、PopClip 的选中文本工具栏和一个 AI 助手合成了一个原生 Swift 应用。它会记录你复制过的文字、图片、文件等所有格式，支持全文搜索（含中文和图片内 OCR 文字），在任意应用里选中文字时还会浮出小工具栏，提供翻译、搜索、打开链接等 30 多个内置扩展，覆盖 Google、知乎、B站、淘宝等中美常用服务。内置的 AI agent 可以接入你自己的模型（OpenAI 兼容协议或 Ollama 等本地模型），帮你按主题整理历史、查找上个月复制过的 nginx 配置、把多段内容合并成 Markdown、清理重复项，甚至直接生成新扩展。数据全部本地存储，agent 改动前需你批准。适合经常在多个应用间搬运文本、需要回溯历史剪贴内容的 macOS 效率用户和开发者；只用 Windows 或不依赖剪贴板历史的人关系不大。

simless 是给 AI 编程 agent 用的 SwiftUI 检查工具，让 agent 不启动 iOS Simulator 就能验证界面：它把真实 app 以无窗口的宿主进程跑在 Mac 上，把任意页面渲染成紧凑的无障碍树（accessibility tree），每屏约 150 token，agent 读起来比截图省得多；改完代码约 2 秒热重载并重新渲染，还能顺带跑单元测试和现有 XCUITest。它会自动标出无标签控件、越界元素、点击区域过小等问题，比如示例里直接提示某个按钮 338×34 小于 44×44。相比每个 agent 各开一个模拟器（约 2.2 GB 内存、210 个进程），5 个 agent 并行只占 0.15 GB，改一处到验证完成稳定 2.2 秒，适合在 CI、SSH、VM 里跑。值得看的是做 iOS/macOS 开发、在团队里引入 Claude Code 等 coding agent 做 UI 改动的工程师，尤其是被模拟器拖慢并行效率的人；不写 SwiftUI 的人关系不大。

这是一个教学用的可视化工具，把 AI Agent 聊天框背后那个「模型提议动作、框架执行、再喂回结果」的循环逐步画出来，连模型生成的每个 token 都能实时看到。它内置了简单的 harness，可以跑本地的 Gemma 4 E2B 或 Qwen3.5 小模型，也能接入 pi 这类编码 Agent 当 harness，让你对比不同模型的工具调用格式、思考 token、停止条件和采样温度差异。页面还支持给模型挂图片、音视频附件，以及一个在 Docker 沙箱里跑 Python 画图的工具。想搞清楚 function calling、ReAct 循环、人类在环确认、MTP 投机解码到底怎么运作的工程师和 AI 学习者，会从中看到比读论文更直观的机制；只想用 Agent 干活的人则不必看。

Kubic 是一个跑在终端里的开源 coding agent，可以理解为 Cursor 或 Claude Code 的开源替代品，但把「可控」放在了第一位。它支持 Anthropic、OpenAI、Google 等任意模型，每次改动都会记入日志，随时可以撤销，即使项目没用 git 也能回滚；遇到危险操作会先弹出审批，bash 命令还能关进沙箱里执行。会话支持从任意提示词分叉出新分支，方便对比不同改法。对团队而言，它额外提供策略管理、审计账本、花费上限和 OIDC 接入。适合正在评估 AI 编程工具、又担心 agent 乱改代码或失控烧钱的技术负责人和平台工程团队；如果你只是个人用 Cursor 写代码，它也值得试，但那些企业级功能与你关系不大。

Capri 是一款 Windows 桌面端的 AI 助手应用，可以理解为给 Claude Code、Codex、Antigravity 等编程 Agent 套上了一层带语音和赛博朋克皮肤的外壳，让你不用碰终端就能指挥它们干活。它能用自然语言处理文件和项目，比如整理下载文件夹、批量总结 PDF、找 bug 并修复、搭建新项目，还能把重复任务设成每周自动执行的自动化流程，敏感操作会先让你确认再动手。除了干活，它还带语音对话、屏幕记忆、桌面挂件和小游戏陪玩等偏娱乐的功能，整体风格致敬 Cyberpunk: Edgerunners。适合想在桌面上更顺手地调用多个 AI 编程助手、又希望交互方式更口语化的开发者；纯做后端或不常用 Agent 的人关系不大。目前仅支持 Windows。

cedr 是一个给「AI 编程 Agent 混战」收拾残局的命令行控制面板，用 Rust 写成，目标是让 Claude Code、Codex 等多家 coding agent 共用一套配置和一套治理规则。它干几件具体的事：按任务类型自动挑选合适的 agent、模型和投入档位，额度快用完的计划会被跳过；把多家厂商的 code review 结果合并成一个统一的门禁，同一处问题的报告会被归组，出现 P0/P1 就直接拦截，报告太少也不会静默放行；你只需在一处写好规则、skills、MCP server 和权限，它会编译成每个 agent 自己的配置文件，CI 里能检测漂移；还能锁定 skills 和 MCP server 的版本，一旦工具描述或网络主机变了就让 CI 失败；另外它读本地日志统计 token、花费和各计划的额度余量，数据不主动外传。适合那些同时在团队里用多个 coding agent、需要统一管控 review 质量和额度开销的工程负责人或平台工程师；只用单一 agent 的个人开发者暂时关系不大。