agent-honeypot 是一个给「不请自来的 AI agent」准备的蜜罐：它在系统里放置一个 flag.txt，内容是一段礼貌的 prompt injection，告诉误入的 agent「你找到我了，别再乱翻，去报告吧」，同时留下一个 guestbook 让它签名，记录自己是谁、怎么进来的。它会把 flag 软链到访客常翻的路径（家目录、/etc、C:\、临时目录等），并豁免你自己的 agent（Claude Code、Codex、Cursor 等），避免它们被打扰。适合关心 agent 安全边界、想在开发机或 CI 容器里观察「有没有陌生 agent 在乱逛」的安全工程师和平台开发者——注意它只是检查点而非安全边界，flag 内容本身不构成权限控制，guestbook 也只是自报信息。对不跑 agent 或不做安全防护的人来说关系不大。

这是一个把你的手写笔记变成真正可用字体的实验项目。作者把 120 页手写的 Computer Networks 课堂笔记交给 Claude Code，一个提示词跑了一小时、花了 13.68 美元 API 费用，就生成了一套 OpenType 字体。流程大致是：从照片里分离墨水和纸张、切分字母、人工转录 704 个单词做对齐，再沿笔画路径重新描出每个字母，最终得到 2479 个字形样本。成品每个字母有 2 到 3 个来自不同页面的真实变体，打字时自动轮换，连写的字母不会显得像盖章，还带连字、字距调整和多种符号覆盖，可直接用于网页或安装到 Figma、Word 里。对做设计、前端或喜欢折腾 AI 工作流的人来说，这是个很直观的「视觉识别加生成式 AI 落地」案例；只想找现成字体用的人，下载即可，和多数从业者关系不大。

这是一个把你的家扫描成实时 3D 模型、并把它变成电视主屏幕的个人项目。用 iPhone 的 LiDAR 扫一遍房间，生成低多边形的「娃娃屋」模型，然后接到 Google TV 上当桌面：没有广告和推荐流，取而代之的是你家的 3D 视图，灯具和设备直接嵌进去——用遥控器开一盏灯，现实和 3D 里同时亮起；坐在 3D 沙发上环视，看一眼就能切换对应的灯。它通过 Home Assistant 和 Philips Hue 把 Tuya、Zigbee 等设备统一成一个实时 API，同一套家还能在 iPhone 和 macOS 菜单栏里看。项目的核心其实是一份「AI agent 施工手册」加参考实现，设计上就是让 AI 编码代理照着分阶段做完，每步有明确验收标准和踩坑记录。适合智能家居极客、想玩 AI agent 驱动开发的工程师，以及有 Google TV + Hue + Home Assistant 环境、愿意自己动手改造的人；只用 Apple TV 或三星 LG 的用户关系不大。

这是一套 NLP 训练营的课程资料合集，包含讲义、代码示例和实战项目，面向已经掌握 Python 和机器学习基础、想系统入门自然语言处理的学习者。课程按完整工作流展开：从文本采集与预处理、文本表示与特征提取，到 NLP 模型算法、训练与评估，最后落到真实项目。比如它会教你如何把人类语言转成机器可学习的数据，再训练出能做文本分类、情感分析这类任务的模型。如果你是数据科学家或 ML 工程师，正在从传统机器学习转向 NLP 方向，或者团队里需要有人快速补齐 NLP 实战能力，这套结构化的资料可以直接当学习路线用；如果你只是想了解某个具体工具怎么用，它并不对口。

Protuna 是一个面向蛋白质工程的 AI 优化框架，可以理解为把贝叶斯优化和主动学习的思路搬到了蛋白突变体设计上：你给它历史突变数据或一个已知的活性分子，它会结合蛋白语言模型和打分函数，自动推荐下一批最值得做实验的变体序列。它支持用奖励引导的方式让蛋白语言模型朝着目标性质生成序列，内置零样本变体效应预测等打分方法，还能用 Ray 做分布式大规模筛选，并允许设置主目标加多个不等式约束（比如只优化活性但限制其他性质），同时可配置序列规则（固定位点、禁止某些氨基酸等）来约束搜索空间。适合做酶工程、抗体或药物先导化合物优化的生物信息、计算生物学和蛋白设计工程师，尤其是那些实验通量有限、需要每一轮聪明地挑选少量候选去做湿实验的团队；如果你不涉及蛋白序列设计，这个项目和你关系不大。

这是一套面向 AI Agent 的合规工作技能库，把资深 GRC（治理、风险与合规）从业者做各类合规事务的方法写成了 65 份 SKILL.md，Claude Code、Codex、Cursor 等支持该格式的 Agent 都能直接读取使用。它覆盖 ISO 27001、SOC 2、GDPR、EU AI Act、DORA、NIS 2 等框架下的常见工作：差距评估、适用性声明、风险登记册、审计准备与应对、证据整理、供应商管理、隐私文档、AI 系统盘点、事件响应等，Agent 负责起草、搜集和交叉核对，而范围界定、风险接受、最终签字等判断明确交还给人。比如让 Agent 读取你手头的合规材料，它能盘点现状、挑出最该补的 10 项技能并写出 30 天整改计划。适合安全合规负责人、隐私专员、内审人员，以及需要准备 ISO 27001 或 SOC 2 审计的创业公司技术负责人；纯开发岗位关系不大。

Yahont 是一个可私有部署的企业知识层平台，基于开源项目 Onyx 改造，主打俄语环境适配。它把公司散落在各处的文档、网站、知识库统一接入并建立混合索引，让团队和 AI Agent 通过一个入口检索全部资料，回答附带原文引用链接，方便核验。除了文档问答，它还提供 Deep Research 多步研究报告、带独立知识与指令的定制 Agent、网页搜索、代码沙箱执行、图片生成、语音模式，以及通过 MCP 把自身知识库接入 Claude Desktop 等外部 Agent。模型侧兼容 OpenRouter、OpenAI、Anthropic 及 Ollama、vLLM 等本地部署方案。适合需要搭建内部知识库、客服或销售助手、员工 onboarding 问答系统的技术团队，尤其是对数据合规和私有化有要求的场景；普通个人开发者或纯前端、后端岗位关联不大。

AutoPPT 是一套给 AI 编程智能体（Claude Code、OpenAI Codex）用的课件生成技能加课件引擎，说白了就是「AI 备课神器」：你只需说出课程主题或给一份教学大纲，智能体就按固定流程产出一整周可直接上课的 HTML 幻灯片，包括理论课、实践课三套约 20 页的课件、每页完整讲稿、浏览器里真实计算的互动组件（拖滑块、点按钮当场出结果）、真实运行过的实践代码与 Notebook，还会自动生成学生版、教师分钟级教案和事实出处页。它来自复旦大学《人工智能基础》通识课的真实教学，14 周课件全部用这套方法完成，教师每周只需花约半小时审改设计文档。相比传统 PPT 的二进制难改、代码与截图对不上、交互只是动画等问题，它产出的是纯文本 HTML，可用 git 管理，支持三种视觉风格一键切换。适合高校教师、企业内训师、课程设计师，以及想用 Agent 做教学内容生产的人；如果你不做课件，和你关系不大。

omni2api 是一个把「任何能在终端里跑的东西」包装成 OpenAI 兼容 API 的反向代理，用 Rust 写的。它在服务器里留一个「座位」，平时这个位置该放模型，现在可以放一个 AI agent、一段脚本，甚至一个人；调用方拿到标准的 base URL、API key 和模型名，完全感觉不到对面不是真模型。它解决的麻烦是：你手头有个能干活的 agent（比如 Claude Code 或自写脚本），但想让别的工具——IDE、桌面应用、任意 LLM 客户端——像调 GPT 一样调它，不用自己写适配层。工具调用是真透传的，调用方沙箱执行命令后结果会回流给座位上的 agent，还支持多路并发对话、图片文件、语音和 Realtime。适合正在搭 AI 工作流、想把内部 agent 复用成标准服务的后端和平台工程师；如果你只是调用现成大模型 API，跟你的关系不大。

CludeGods 是一套跑在 Claude Code 之上的语音 Agent 工具包，让你像和同事说话一样指挥 Claude：常开麦克风实时收音，Claude 边干活边出声回答，你随时可以插话打断。它还带一个常驻的 Workers 面板，每个 worker 是有自己声音和工作时段的常驻助手，你把任务丢进它的任务框，它执行后把外发内容（邮件、帖子）留成草稿，等你点头才真正发出；另有 guard 机制限制每个 worker 只能用你授权的工具。此外支持 Slack 桥接、共享的 Spaces/Pages 文档，以及把 worker 拉进语音通话。全部本地运行，语音识别与合成都在本机完成。适合重度使用 Claude Code、想把重复任务交给常驻助手的开发者，以及对语音交互办公形态好奇的人；不碰 Claude Code 的读者关系不大。

toolism 是一个专门给 LLM 工具定义 JSON Schema「瘦身」的命令行工具。你给模型的每个工具（OpenAI function、Anthropic tool、MCP server tool）都会随每次请求发送，而 Pydantic、FastMCP、zod-to-json-schema 这类生成器会塞进大量冗余内容：重复属性名的 title、可选字段的 anyOf 包装、default: null、无用的 $defs 等。toolism 能测量这些 schema 到底花掉多少 token，然后在不改变任何合法工具调用的前提下删掉冗余，并用等价性检查证明结果安全。在 13 个热门 MCP server 的 159 个工具上，默认规则平均砍掉 37.4% 的工具定义 token，Notion 甚至省了 73%。它还提供 CI 门禁，把 token 预算锁在基线水平，防止成本悄悄回涨。适合维护 MCP server、做 Agent 应用或负责 LLM 推理成本的工程师——如果你的工具定义是手写的精简 schema，那它能省的就很少，关系不大。

MarkItDown 是微软开源的一个 Python 工具，能把各种文件统一转成 Markdown，可以理解为面向 LLM 的 textract 替代品。它支持 PDF、Word、PowerPoint、Excel、HTML、CSV/JSON/XML、EPub、ZIP 包，甚至图片（OCR）、音频（转写）和 YouTube 链接，转换时会尽量保留标题、列表、表格、链接等结构信息，输出的 Markdown 既省 token 又是主流模型最熟悉的格式。典型用法是把公司内部的合同、报表、PPT 批量喂给 GPT-4o 做摘要、问答或 RAG 检索，省去为每种格式写解析器的麻烦；它还支持插件，比如用 LLM Vision 对文档内嵌图片做 OCR。如果你在做 AI 应用开发、数据管线或知识库建设，需要把异构文档清洗成模型可读的文本，这个工具值得花十分钟看看；纯前端、后端业务开发或不碰 LLM 的人关系不大。

这是 Anthropic 官方的 Agent Skills 示例仓库，用来展示 Claude 的「技能」机制：每个技能就是一个文件夹，里面放着给 Claude 的指令、脚本和资源，Claude 在遇到对应任务时会动态加载它，从而把某类工作做得又快又稳。比如按公司品牌规范生成文档、按团队既有流程分析数据、批量处理 PDF/Word/PPT/Excel，仓库里还收录了驱动 Claude 文档能力的 docx、pdf、pptx、xlsx 等生产级技能，以及网页测试、MCP server 生成等技术类示例。它同时提供了 Agent Skills 规范和技能模板，方便你照着写自己的技能。对做 Agent 应用、Claude Code 工作流或企业内部 AI 落地的工程师来说，这里是理解技能写法和复用现成能力的最佳参考；只想日常用 Claude 聊天的普通用户则关系不大。

这是一套现成的 DESIGN.md 文件合集，DESIGN.md 是 Google Stitch 提出的概念：一份纯 Markdown 的设计系统文档，AI 编码代理读了就知道该把界面做成什么样，相当于给 AGENTS.md 配了一个管「长什么样」的姊妹文件。仓库里收录了从 Claude、Cursor、Vercel、Ollama、Mistral AI、ElevenLabs 等几十个知名网站反向分析出的设计规范，包含配色 token、排版规则和布局模式。用法很直接：把某个品牌的 DESIGN.md 丢进项目根目录，再让 AI 编码代理「照这个风格做个页面」，生成的 UI 就能保持该品牌的设计语言，而不是泛泛的模板脸。对用 Cursor、Claude Code、Lovable 这类工具做落地页或产品原型的开发者和设计师来说，这是省去手写设计规范、快速对齐视觉风格的实用素材；只想读代码不碰 UI 的后端或算法岗位则关系不大。

Humanizer 是一个给 Claude Code、Codex、Cursor 等 Agent 用的 skill，作用是把 AI 写的文案改得像人写的，只改语气和表达，不动原意。它依据 Wikipedia 编辑用来识别 AI 文章的「Signs of AI writing」指南，内置 26 种 AI 写作套路，比如「不是 X，而是 Y」的句式、结尾来一句「Let that sink in」、假装深刻的「At its core...」、以及「Honestly?」式的铺垫，见到就改。改写时它会先标出所有可疑痕迹，再重写、自查、出终稿，遇到原文没有的姓名、数字、日期宁可追问也不编造；指向文件时只改正文，代码、数据、链接原样保留。你还可以贴几段自己的文字让它模仿你的节奏和用词。适合经常用 LLM 写产品公告、博客、文档的市场、运营和技术写作者，以及想让 AI 产出少一点「机器味」的从业者；单纯写代码或不碰文案的人关系不大。

AutoGen 是微软推出的多 Agent 编程框架，用 Python 把多个 LLM Agent 组装成能互相协作的系统，比如让一个总控 Agent 把数学题转给数学专家 Agent、化学题转给化学专家 Agent，也支持让 Agent 调用浏览器等外部工具完成任务，还提供无代码的 AutoGen Studio 用来快速搭原型。但要注意：该项目已被微软归档、停止维护，官方明确建议新项目改用其企业级继任者 Microsoft Agent Framework，老用户按迁移指南迁移，继续使用会有安全风险且不建议上生产。如果你正在选型多 Agent 框架，或公司里已有基于 AutoGen 的存量代码需要规划迁移，这份 README 值得一看；如果你只是想学 Agent 开发，直接看 Microsoft Agent Framework 即可。

这是一个把麦当劳官方 MCP 接口包装成团餐组织助手的工具，你输入城市、关键词、人数和预算，它去查附近营业门店、拉真实菜单、用官方计价接口算钱，输出几套含合计与人均的可比对方案。除了算钱，它还能自动串联五级查询帮你预约生日派对或品鉴会场次（默认只生成下单载荷，不会真的下单），并结合活动日历给出「今天该不该组织、要不要提前订场」的建议。比如你说「成都春熙路，8 个人，预算 400」，十几秒就能拿到经济型、均衡型等多套真实报价，超预算的组合会直接标出来。适合团建或班级活动的组织者、企业行政和团餐负责人、想办麦当劳派对的家长；对 MCP 或 Agent 开发者来说，它也是一个编排 15 个 MCP Tool 的完整参考实现。和多数不涉及聚餐的从业者关系不大。

ARTEX 是一个用多智能体 LLM 驱动的自主渗透测试系统，可以理解为把红队里「信息收集—漏洞发现—利用验证」这套人工流程交给 AI Agent 自动跑完，后端用 Go 写，前端配了 Next.js 界面，还支持 MCP 协议接入工具。它在百度 agent+ 攻防挑战赛拿了冠军，说明实战能力经过了对抗检验。实际用处是：安全团队让它对自家 Web 资产做自动化安全评估，省掉重复的扫描和手工验证；甲方安全工程师可以用它快速摸清暴露面，而不是手动拼各种扫描器。对做 AI Agent 落地的人来说，它也是一个多智能体协同完成复杂任务的完整参考实现。如果你是安全工程师、红队成员，或者在研究 LLM Agent 在安全领域的应用，值得花时间看看；纯做业务后端或前端的人关系不大。

Grandet 是一个帮你给大模型 API 比价的工具，背后收录了 1800 多家官方、推理商和中转站的挂牌价格。它以 Skill 和匿名 MCP server 两种形态接入你的 AI agent，比如 Claude Code 或 Codex，你直接用自然语言问「2000 万 token 一个月哪个最便宜」「有没有不要信用卡的免费 Gemini API」，它会按挂牌价列出最便宜的几家，标明价格单位、观察日期和最低充值等限制条件，美元额度、人民币额度和现金价分开列、不混比。它还能帮你把选中的 API 接进 agent：你自己注册充值拿 key，它给出配置改动、备份后写入、验证 key 和模型名，说 undo 即可回滚。要注意它只比挂牌价、不评价质量。适合经常在多家 API 之间切换、想省 token 开销的 AI 应用开发者和 agent 重度用户，普通从业者关系不大。

麦门认证机是一个基于麦当劳中国官方 MCP 的创意应用：上传任意一张图——自拍、工位、代码报错截图甚至你家猫——AI 会看图给出 10 档「麦门身份」判级（从 LV.1 甜筒级到 LV.10 麦门本门），生成一张可转发的认证梗图卡，卡片上附带基于官方真实营养数据的套餐推荐，并能一键领取真实入账的麦当劳优惠券，另有抽奖和当月活动日历等玩法。它的设计思路是「梗图负责传播，接口负责闭环」，把营养表、菜单、优惠券这些零散接口编排成完整的营销链路。这是 2026 麦当劳程序员创意开发大赛的参赛作品，非官方产品。对多数互联网和 AI 从业者来说它更像一个有趣的营销 demo，真正值得看的是做 MCP 集成、Agent 工作流编排或品牌营销玩法的工程师，能从中看到如何把官方 MCP 的原子接口串成有传播力的产品。

HelixSR 是一个游戏画面超分工具，让老显卡也能用上 NVIDIA DLSS 和 AMD FSR 4 的超分网络。它把 DLSS Model E 网络转成普通 Direct3D 12 计算着色器运行，不需要 NVIDIA Tensor Core、CUDA 或 ROCm，因此 GTX 10 系列、AMD RDNA 1/2 等老卡也能跑。它提供两个超分器：HLX DLSS 和 HLX FSR 4，支持从原生 DLAA 到 Ultra Performance 的全部画质档位和动态分辨率，还能作为 FSR 3.1 的即插即用替代品接入游戏，覆盖 DirectX 11、DirectX 12 和 Vulkan 游戏，Windows 和 Linux/Proton 都能用。项目还带一个桌面端，能对你的 GPU 做速度测试并检查画质。它主要面向还在用老显卡、想榨干现有硬件的游戏玩家，以及关注跨厂商超分技术实现的图形开发者；如果你是 AI 从业者，这更像图形工程参考而非 AI 项目，关系不大。

Leviathan 是一个用 Rust 写的单文件工具，把 JSONL、CSV、SQLite 等任意表格或日志数据建成带排序的全文索引，让 Agent 用自然语言提问就能拿到几条带引用的精简结果卡。它解决的核心问题是：面对百万级记录，Agent 直接 grep 或读原始历史会烧掉大量 token，而 Leviathan 把每次回答稳定压到约 450 token，官方基准显示在 100 万条记录上中位数 436 token、命中率 99%，延迟 33 毫秒。除了检索，它还提供可选的长期记忆能力，Agent 每次只写入一条带 key 的事实，会话开始时自动注入简短 briefing，避免 MEMORY.md 越滚越大导致的过期和 token 浪费。它通过 CLI、MCP 或 HTTP 服务接入 Claude Code、Cursor、Codex 等 24 种 Agent 环境。适合需要让 Agent 长期查阅工单、日志、业务表等结构化数据的 AI 应用工程师和 Agent 平台开发者；如果你的工作不涉及 Agent 检索大规模记录，和你关系不大。

这是一个给 AI Agent 用的汇报规范 skill，借鉴航空业的 ASD-STE100 简化技术英语原则，约束 Agent 用清晰、无歧义的中文向你汇报工作结果。它解决的痛点很具体：Agent 修完 bug 后常常写一大段过程流水账，结论含糊、证据缺失、还把「已完成」和「已验证」混为一谈。激活后，汇报会变成结论先行、证据可查、状态分明的结构——比如明确写出改了哪个文件哪一行、跑了哪些测试通过几项、哪些环境没验证、哪些决策点列成带推荐的编号选项让你直接回数字。它只影响 Agent 对你的表达，不碰代码、注释和 commit。适合经常用 Claude Code 等编码 Agent 并被冗长汇报困扰的开发者，尤其是需要快速判断「改动是否可信、要不要拍板」的 tech lead 和项目负责人；如果你的 Agent 汇报本来就简洁，这个项目关系不大。

这是一个专门评测 AI Agent 在「保研咨询与申请规划」场景下表现的开源基准测试，由屿智同行与保研岛联合推出。它包含 70 道中文任务，分三类：21 道院校推荐题（看推荐是否贴合学生背景）、36 道规划决策题（看备考计划和风险评估是否可执行）、13 道两阶段题（中途给新信息，看 Agent 会不会及时修正建议），每题都有人工校准过的评分标准。目前已跑出 8 组「执行系统 + 模型」配置的排行榜，Codex + GPT Sol 6.1 以 79.08 分居首，Qwen、Kimi、Gemini 等组合分数在 55 到 68 之间。对做 Agent 产品或选型的人来说，这份榜单直接回答了「换哪个模型能提升咨询类任务质量」；如果你正在做教育、升学方向的 AI 应用，或者想给团队挑保研咨询 Agent，值得花十分钟看结果和任务设计。普通开发者若不涉及这类场景，关系不大。

这是一份 DeepSeek API 计费指南，教你看懂并估算自己的月度账单。它把成本拆成三块：未命中缓存的输入、命中缓存的输入、输出 token，再叠加高峰时段的双倍费率，以及 Search 和 Fetch 这类单独计费的工具调用。比如一个输入密集的助手应用，同样 200M 输入 token，缓存命中率从 60% 掉到 0，或者全部请求落在高峰时段，月成本可能从 24 美元涨到 48 美元——模型没变，只是计费结构变了。README 还提醒思考型模型要按计费输出而非可见答案估算，并给出跨时段请求的边界风险。适合正在用 DeepSeek 或对比多家 API 价格的技术负责人、后端工程师和做 AI 产品成本核算的人，用来做预算和选型；如果你不直接为 API 付费，关系不大。