这是一套做「AI 动画单元剧」的完整流程：先给几个原创角色（比如白仓鼠汤圆和腊肠狗油条）立好设定图，之后每集只需说一句主题，就能生成一集 30 秒的无台词动画短片。它以 Claude Skill 的形式装进 Claude Code，由 Claude 负责写剧本、按出场角色和时长自动拼出提示词，再配合脚本完成宫格故事板拼接、成片抽帧检查、单段补拍和合集剪辑，视频生成则交给即梦 Seedance 2.5 全能参考一次出片。适合想在抖音、小红书等平台做固定 IP 短视频账号的内容创作者，以及想低成本试水 AI 视频叙事的产品和运营同学；如果你不打算做动画内容，这个项目和你关系不大。

这是一个 ACM MM 2026 论文的配套代码，研究 text-to-image diffusion 模型的一个怪毛病：同一个风格概念（比如 ink sketch）在某些物体上反复失败——葡萄能变成墨线稿，蛋糕却怎么都是彩色的，换 seed 也没用。作者称之为 object-dependent concept brittleness，认为这是模型的系统性盲区而非采样噪声。他们的做法是在每个去噪步骤上训练一个 sparse autoencoder（SAE），把风格、属性这类抽象概念在稀疏空间里分离出来，对比成功与失败的生成，定位缺失或被削弱的概念维度，再在推理阶段把特征往类级概念原型上轻推来修复，全程不需要重训练。实验覆盖 SD 1.5、SDXL、SD 3.5、FLUX.1-dev、PixArt 等多个 backbone，修复后 CLIP 与风格对齐指标有明显提升。适合关注 diffusion 模型可控生成、prompt 遵循性、SAE 可解释性的研究者和算法工程师；做产品落地或不碰生成模型的人关系不大。

这是一套给 Claude Code 用的小插件合集，作者是 midudev，每个插件解决一个具体痛点。比如 Sub Meter 在右下角显示订阅用量的 5 小时和周窗口进度条，Context Meter 在输入框上方提示上下文窗口快满、该 compact 或开新会话了；Quick Peek 让 Claude 回复里的文件路径变成可悬停预览、点击在 Finder 打开的链接；Time Machine 把每次改动文件的回合都存成 git 快照，一条命令就能把文件回滚到任意回合之前，连 Bash 造成的改动也能恢复；Commit 则用一条指令把你的改动拆成符合 Conventional Commits 规范的提交。日常重度使用 Claude Code、经常担心上下文爆掉或改乱代码回不去的人，值得逐个翻翻看；如果你平时不用 Claude Code，这些插件和你没什么关系。

这是一个把 AI 原理做成可玩实验的桌面学习应用，类似把教科书里的插图全部变成能拖动、能点击的交互沙盒。58 个小实验覆盖从机器学习基础、注意力机制、RAG、Agent，到预训练、LoRA 微调、量化、蒸馏和部署的完整链路：你可以点一个词看它在 attention 里关注谁，可以实时训练一个微型语言模型看 loss 下降，也可以用 SGD、AdamW、Muon 等优化器跑同一批数据对比效果。每个实验旁配短讲解，同一段内容有简单版、白话版和技术版三种写法，适合不同基础的人。对互联网和 AI 行业从业者来说，它适合两类场景：一是想系统补上 transformer、训练、微调这些底层概念的产品经理、算法工程师或刚入行的新人，用碎片时间把知识盲区补上；二是需要给别人讲清楚 AI 原理的讲师或技术布道者，可以直接拿这些可视化当演示素材。纯做业务开发、不碰模型的人关系不大。

这是一个 ComfyUI 的中文人体姿势图库节点，内置 1439 张原图、288 组姿势、最多 5 个视角，相当于给你的生图工作流配了一个本地姿势素材库。你可以在节点里按中英文关键词、体系、动作、视角筛选并预览姿势，选中后把图片和姿势描述输出给后续节点；也可以用随机节点每次运行自动抽一张，或锁定某张姿势反复使用。典型用法是把图库姿势接进 Depth Anything 提取深度图，再驱动 MOSS SFT、Qwen Image 2.1、Z-Image-Turbo 等模型按指定姿态生成角色，也能配合 Anima LLLite 做动漫姿态生图，还支持上传自定义参考图入库。它主要面向用 ComfyUI 做人物生成、姿态控制和换装换脸工作流的 AI 绘画创作者，如果你不玩 ComfyUI 生图，和你关系不大。

这是一个给 DeepSeek 网页/桌面端用的输入框增强插件：在发送按钮旁加一个鲸鱼尾巴图标，点一下就把你那句没头没尾的草稿原地改写成目标、格式、边界齐全的可执行提示词，只改内容不发送，不满意随时撤销。比如你写「帮我写个爬虫抓豆瓣电影」，它会补上抓 Top250 的名称评分链接、输出 CSV、遵守 robots 协议等约束再放回输入框，补出来的东西你还能继续手改。它支持参考前文对话让改写更贴合上下文，也能读输入框里的图片，改写任务在后台跑，切换会话不中断。适合经常用 DeepSeek 写提示词、但总要来回追问好几轮才能把需求说清楚的从业者，尤其是需要让模型稳定产出结构化结果的运营、产品和开发岗；如果你不用 DeepSeek 或很少写复杂提示词，跟你就没什么关系。

这是一个给 Claude Code 用的音效选材 Skill，让 Agent 帮你在 Freesound 等音效库里搜索、筛选并下载真实音效，比如转场 whoosh、卡片入场、按钮点击、纸纸张滑动这类视频常用声音。它把画面动作翻译成英文关键词去搜候选，再结合下载量、评分人数、时长、描述和许可证（CC0/Attribution）判断是否合适，给出推荐依据和试听链接，最后下载到指定目录，必要时用 FFmpeg 检查时长与能量分布。典型用法是在做产品演示视频时说「找一个 0.3 秒、轻快的卡片飞入 whoosh，只要 CC0」，它会返回候选和理由。适合做短视频、动效演示、产品宣传片的剪辑师和前端/动效开发者，以及在 Claude Code 里搭自动化视频流水线的人；平时不碰视频音效的读者关系不大。

agent-chrome-relay 让 Claude Code、Codex、Cursor 这类编程 Agent 直接操作你日常用的 Chrome，带着你的真实登录态，在后台标签页里干活，屏幕不会抢焦点、窗口不会乱跳。它解决的麻烦很具体：Agent 要在网页上完成多步操作（比如在后台管理系统里邀请新成员、填表单、点确认），通常得重新登录或手动复制密码，而这个工具让 Chrome 自己完成 Google 登录跳转，其他密码和验证码则由它从 1Password 里代填，Agent 全程看不到明文。你还能在 iPhone 上用 Face ID 远程批准敏感操作，并留下完整的操作审计记录。适合需要让 AI Agent 自动化网页流程的开发者，尤其是已经在用 Claude Code 等工具、又希望 Agent 能访问需要登录的内部系统的后端或运维工程师；如果你的 Agent 只写代码不碰浏览器，那和你关系不大。

这是一个给 Claude 和 Codex 用的写作 Skill，专门帮你起草 CVPR、ICCV、NeurIPS 风格的论文底稿——摘要、引言、方法、实验和配图规划都能生成。它的写法规则不是拍脑袋定的，而是从 60 篇顶会获奖论文里逐句统计提炼出来的：比如获奖论文很少用泛泛的背景开头，缺口要写清「什么条件下失败、为什么失败」，组件之间是递进关系而非并排罗列，句尾也几乎不带「making X possible」这类 AI 腔。你把自己的研究填进一张表或直接贴一段摘要，它会先拆解出哪些信息已有、哪些缺失并追问补全，再按八类论文类型（方法改进、新能力、规模规律等）路由到对应论证路线起草，最后自动检查 AI 腔、凭空编造的数字和图注问题，没给的数字和引用一律留作 TODO 不会瞎编。适合正在赶 CVPR/ICCV/NeurIPS 投稿、需要快速产出高质量初稿的研究生和研究员，尤其是那些被通用 AI 写出的「千篇一律」稿子困扰的人；如果你不写学术论文，这个项目和你关系不大。

从 PDF 抽出来的中文经常藏着「长得一样、码点不同」的假汉字：比如 Kangxi 部首「⻆」渲染出来就是「角」，但字符串比较、关键词搜索、去重全都会悄悄失败，向量检索还可能把无关短文档排到前面。cjkfold 就是专门修这个问题的纯 Python 工具，把这些部首字形折叠回真正的统一汉字，让抽取出的文本重新可比对。它比常见的 NFKC 归一化更彻底——NFKC 能修 Kangxi 部首区的 214 个字，却对 CJK 部首补充区的 115 个字只修了 2 个，cjkfold 借助 Unicode 15.1 的 EquivalentUnifiedIdeograph 属性补上了 114 个。它还带扫描能力，能区分「可安全折叠」「NFKC 可处理」「零宽空格可删除」「ZWJ 等不可乱删」以及乱码占位符等几类问题，并给出处理建议。如果你在做 PDF 文本抽取、中文 RAG 检索、语料去重或搜索相关性排查，这个工具值得一看；纯做前端或业务后端的人关系不大。

这是一个面向 Windows 的 AI 辅助母带处理套件，功能定位基本对标 iZotope Ozone：把一首混好的歌拖进去，AI 先听一遍并给出音色平衡和响度的起点建议，之后你再逐项手动微调。它包含频谱塑形曲线（可视化地挖掉浑浊、补上空气感）、带实时真峰值和集成响度表的 Maximizer、Master Rebalance（不回多轨就能把靠后的主唱或被低频淹没的底鼓拉前）、Stabilizer、低频聚焦，以及流媒体编码预览——导出前就能听到母带被压缩成耳机和客厅音响效果后的样子，还能拿商业参考曲做音色和响度对齐。适合独立音乐人、播客或短视频配乐的后期制作者，以及需要快速出可发布成品但没有完整母带工作室的人；纯后端、算法或 AI 研发岗位基本用不上。

这是一个协议转换网关，让 Claude Code 这类只认 Anthropic 接口的客户端，改用 Kimi、GLM、DeepSeek 或 OpenRouter 等更便宜甚至免费的模型。它把 Anthropic 的请求格式双向翻译成 OpenAI 格式，工具调用、流式输出、停止原因都能正确对应，客户端完全无感。除了基础转发，它还带模型路由（按名称家族匹配并自动纠正映射）、故障自动切换与熔断、上游流式失败时合成合规流，以及一个带实时请求监控和调试面板的管理后台，配置改动即时生效。简单说，它就是让 Claude Code 用户绕开官方订阅、用国产或开源模型跑 Agent 编程的中间层。值得看的是正在用 Claude Code 但想控制成本的开发者、需要给团队统一接入多家模型的平台工程师，以及对 Anthropic/OpenAI 协议互通感兴趣的人；如果你不用 Claude Code 也不做网关开发，关系不大。

onsystem 是一个专为 AI 编程助手设计的守门工具，解决的问题很具体：Claude Code、Cursor 这类 coding agent 写 UI 时凭训练数据发挥，而不是照你的设计系统来——你要一个设置卡片，它给你硬编码的十六进制颜色、随手写的间距、原生 button，或者根本不存在的组件属性。onsystem 会用 TypeScript 编译器读取你设计系统包里的组件、cva/tv 变体和 design tokens，然后在每次编辑和每个 pull request 上检查 agent 实际写出来的代码，指出问题并附上修复建议，比如把 bg-[#ef4444] 换成语义 token、把原生 button 换成你的 Button 组件。它在设计系统包里配一次，monorepo 里所有应用都能生效，也能通过 GitHub Action 只检查 PR 改动的行。适合维护 React 设计系统或平台团队的前端工程师、以及被 agent 产出的不规范 UI 拖累的 code reviewer；如果你不维护共享组件库，和多数人关系不大。

p3-stack 是把 poteto 的 pstack 重新接到 T3 Code 上的一套 AI 编程工作流，核心思路是把单个 AI agent 变成一支有纪律的工程团队：一个主模式技能负责按任务类型路由到不同 playbook（修 bug、性能排查、重构、开 PR、多阶段计划等），再用一组原则约束每次决策，并强制验证，让并行开发敢放手跑。它用 T3 Code 的原生能力替换了 Cursor 那套机制——子 agent 分派、每个 worker 独占 worktree 和分支（一个 worktree 只允许一个写入者，由应用强制而非口头约定）、PR 检查完成或有人评论时自动唤醒线程、定时任务可在无对话时跑审计和夜间任务，还有线程记忆检索和浏览器预览、设备模拟器截图直接落进线程。适合在 T3 Code 里做多 agent 并行开发、想用工程纪律压住 AI 生成代码质量的工程师，尤其是常开长任务、跑自动流水线的人；只用单模型写写脚本的读者关系不大。

Baseplate 是一个跑在终端里的 Roblox Studio AI 助手，可以理解为「Roblox 版 Cursor」：你用自然语言让它改游戏，它先把整轮改动以 place diff 的形式列给你审——哪些实例新增、哪些脚本改动、哪些被删除，逐行 Luau 都看得到，你点头之后才真正写进 Studio。它还会自动跑一次测试副本，读 Output 里的报错并反复修到干净，最后给出截图和检查结论作为证明；不满意任何一轮，一个 Ctrl+Z 就能整轮回退，git 项目里每轮也对应一个 commit。默认通过 Ollama 用免费本地模型，也可接 Claude、GPT、Gemini。适合正在用 Rojo 或直接在 Studio 里做 Roblox 游戏、想让 AI 帮忙写 Luau 但又怕它乱改文件的独立开发者和小型团队；如果你不碰 Roblox，这项目和你关系不大。

这是一个麦当劳点餐助手 Skill，说一句「35 元，不辣，有糖可乐去冰，带走」，它就把预算、口味、取餐方式这些硬约束变成一份完整餐单（主食+小食+饮料），给出唯一答案和一张可复制的点单卡，照着在 App 或柜台点即可。它的核心价值是核价：金额只认官方 calculate-price 返回的整数分，菜单展示价若附带「随单购麦金卡」之类的条件会一并说明，避免你以为省了钱其实没省。README 实测同一餐两种点法差 12 元（24.7%），它会明确告诉你省在哪。预算不够时它直说没有方案并给出最低需要多少钱，不硬凑；也不会因为你钠含量低就擅自把有糖可乐换成无糖。只读不领券不下单不支付，Token 留在本机。适合预算有限、口味偏好明确、常点到店自取的个人或两人用餐者，以及想参考「只读 MCP 客户端+确定性比较」实现样板的开发者；对多数不点麦当劳或不关心点餐比价的人关系不大。

这是一套用来识别「没有真人负责的 AI 代写论文」的证据库加 agent 技能包。它不靠单一模型打分，而是整理了 83 条有出处的可疑信号：比如 AI 高频词汇聚集、防御性 hedging、指令泄漏痕迹、参考文献查无此文、表格间数字对不上等，并在 79 篇真实论文上做了校准，给出人类论文的分位数基线。面向三类人：投稿作者可以用它在署名前自查——它会逼你回答只有你能答的问题、核对引用和数字；审稿人或 AC 面对可疑投稿时，能拿到带原文引用和定位的 W/R/Q 评级、一段可直接写进评审意见的描述；只想快速扫一遍的人可以跑它的表面 lint，得到 28 类痕迹的计数。对学术出版、期刊编辑部、科研诚信岗位的人最相关；普通工程师或做 AI 产品的人关系不大，除非你需要判断收到的论文是否可信。

Lingee Bench 是金蝶开源的一套 Agent 评测基准，专门回答一个问题：给定明确的业务上下文和资源约束，Agent 能否在业务系统里真正完成可核验的业务成果。它内置了一个离线的 ERP 模拟服务，把财务、制造、供应链等真实业务场景做成 30 道企业任务，另有 35 道通用任务覆盖数据分析、文档处理、检索和排程，配套批量跑分和自动评分工具，任务与评分器以数据集形式发布在 Hugging Face。它支持 Claude Code、OpenCode、DeepSeek Harness 等多种 harness，方便横向对比不同模型组合在同一批业务任务上的表现。如果你在做企业级 Agent 产品、负责选型或评估模型在 ERP 类系统里的落地效果，这套基准能给你可复现的量化结果；如果你只做通用 LLM 应用或不涉及业务系统集成，跟你的关系不大。

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。