这是一个基于麦当劳中国官方 MCP Server 构建的 AI 助手 Skill，把领券、点餐、外送、派对预约、积分抽奖等 35 个接口串成 7 条完整工作流，让 AI 能在你的真实账号上安全跑完「从领券到下单」的全流程。它的核心价值在于解决「能调用 ≠ 会用」的问题：点餐链路上每一环的参数都必须来自上一环的返回值，项目把踩过的坑固化成 14 条硬约束，比如下单前必须算价并让用户确认、抽奖前先看消耗明细、绝不臆造商品编码、积分抽奖会溢出即将过期的积分时直接拒绝执行。它还附带一个零依赖的命令行通道，不接 AI 客户端也能用。对做 Agent 编排、MCP 集成的工程师来说，这是一个很好的「如何给有副作用的工具链加安全护栏」的参考实现；普通用户如果只是想点个麦当劳，直接用官方 App 更省事。

构屎 GOUJI 是一个纯 C++/CUDA 写的微型模型项目，主打 2 bit 三值权重（-1/0/+1）、零 Python 依赖，目前的实际定位是一个设备端的命令路由层：把「读一下那个日志」这类自然语言意图分类成 read_file 等具体工具调用，支持 9 个基础工具，靠联想记忆实现零训练参数的写入——教一句新说法 23 微秒生效，不用梯度下降。实测在 8 GB 笔记本 GPU 上检索延迟 0.22 ms，留出集路由准确率 100%，三值量化比 int4 快约 1.9 倍。它明确不聊天、不推理、不写代码，语料外的动词会直接拒答。值得看的是对端侧推理、低比特量化、非 Transformer 路线感兴趣的研究者和 C++ 工程师，以及想了解「用检索加规则替代大权重」这一思路的人；只想找可用聊天模型或生产级 Agent 框架的读者可以跳过。

这是一个可嵌入的 TypeScript Agent Runtime，可以理解为 LangChain/LlamaIndex 那类 Agent 框架的「减法版」：它只负责跑 model→tool 循环、ReAct 状态机、工具调度、取消超时，以及带幂等恢复的 checkpoint 和 interrupt 执行屏障，HTTP、SSE、数据库、鉴权、会话 UI 全部留给宿主自己实现，且零生产依赖，不会给你的服务带来一棵依赖树。典型场景是：你已经在自己的后端里有会话存储和权限体系，只想借一个可靠的执行内核来跑 Agent，中途用户点「暂停审批」时挂起、之后从断点继续，且重复请求不会重复调用模型。它还内置了默认拒绝私网地址的 HTTP 工具和防路径逃逸的读文件工具，观测层只发中性事件、不记录 prompt。适合正在自建 Agent 产品或对话平台的后端/平台工程师，尤其是对依赖体积、checkpoint 一致性和安全边界有洁癖的团队；只想快速搭个 demo 的人用不上它。

这是给 Hermes Agent 用的插件，让你给主 Agent 配一支固定的「子代理团队」：比如一个 reviewer、一个 scout、一个 test-writer，每个都有自己的指令、工具集和模型。主 Agent 派活时只选名字，具体含义由你在配置里定，不用每次重写任务简报。它能并行派多个子代理干活，中途不打断就能给正在跑的子代理发消息纠偏，还能带着前次任务的上下文做后续追问，每次运行的结果都记在本地账本里。另外它提供一个 Kanban 的 teammates 泳道，卡片派出去后自动认领、跑完进 review 或标 blocked，适合把任务交接流程化。适合已经在用 Hermes 做任务委派、希望每次都是同一批「专家角色」且要留痕的 AI 应用工程师；如果你要的是带门禁和扇出的 DAG 工作流，它明确说不适用。对不碰 Hermes 的人基本无关。

touri 是一个本地优先的桌面应用，可以把它理解成 Codex、Claude Code、OpenCode 这些 AI 编程 CLI 的图形化驾驶舱：你可以在里面养多个持久化的 AI 助手，每个助手有自己的指令、记忆、技能和可分支的对话历史，还能用定时任务让它们按计划自动跑。所有数据存在本机 SQLite 里，不联网、不收集遥遥测，凭证走系统钥匙串。实际场景包括：把本地仓库接进 Projects 让 agent 受控地跑数据库和服务器并直接预览，用内置浏览器让 agent 操作网页且随时人工接管，以及通过 MCP 网关给不同会话分配独立令牌。agent 的运行环境隔离在容器里，审批粒度可调。适合已经在用 Codex 或 Claude Code CLI、又想要可视化管理多个 agent、定时任务和浏览器操作的开发者；如果你只是偶尔在终端里跑一下 AI 编程工具，这个项目和你关系不大。

nsq 是一个终端里的 AI 编程 Agent 调度台，让你同时跑 Claude Code、Codex、OpenCode 等多个编程助手而不必来回切换窗口盯梢。它把每个 Agent 挂在后台守护进程里，关掉终端也继续干活，重启后还能恢复会话；所有 Agent 以实时终端网格呈现在一个仪表盘上，谁在干活、谁在等你一目了然。它能精确识别「需要你」的状态——比如 Claude 想跑 npm test——并直接在仪表盘里回答权限提示，还记录每次审批的完整日志。屏幕五分钟没动静的卡死场景也会被标出来提醒。每个 Agent 可分配独立 git worktree 避免互相踩代码，还能查看各自的 token 花费。适合同时驱动多个 AI 编程助手的开发者，尤其是用 Claude Code 加 Codex 混合干活、经常被「等你确认」打断的人；只用单个 Agent 的人关系不大。目前是 0.1.0 预览版，接口可能变动。

Cheatcode_ 是给 Claude Code、Codex、Cursor 这类 AI 编程工具「一键加技能」的商店加安装器。很多非开发者——产品经理、分析师、老师学生——听说 AI 应用能学会新技能、连上自己的工具，却卡在 GitHub 仓库、终端命令和 JSON 配置上；它就是夹在中间的那层：用大白话解释每个技能包和 MCP server 是干什么的，按岗位和工作场景（参考 O*NET 等职业框架）分类，点一个按钮就装进你选的 AI 应用，装之前会核对每个文件与源仓库的哈希是否一致，装完留有回执可精确卸载。目前索引了三千多个技能仓库、MCP server 和插件，覆盖 11 款 AI 应用，559 个 MCP server 在无凭据容器里实测过才上架。开源部分是 Mac 安装器、包格式和三个技能包（需求文档、发布沟通、合规规格）。值得看的是产品经理、业务分析师这类要靠 AI 干活但不想碰命令行的人，以及做 Agent 技能、MCP 生态分发的开发者；纯写代码的工程师关系不大。

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。

DishwasherBench 是一个把洗碗机装碗做成物理模拟游戏的 LLM 评测基准，游戏名叫 Spotless。它基于一台真实 Bosch SMV4HAX40G 洗碗机的实测数据建模，玩家（或模型）要把餐具摆进碗篮，随后模拟 Eco 50 程序的水流、污渍和洗涤剂作用，摆得干净就得分；从第二关起容量不够，必须取舍放什么、怎么放。它的核心价值在于确定性和可复现：同样的摆放每次结果一致，每个 episode 都能回放验证，还内置了 46 项来自文献的洗涤现象作为校验。人可以在浏览器里玩，语言模型则通过 MCP 用同一套动作接口操作，七关难度递增，适合横向比较模型的空间推理与规划能力。对做 Agent 评测、LLM benchmark 设计或关注具身/物理交互的研究者来说值得一看；普通工程岗位或只想找生产工具的读者关系不大。

Muster 是一款免费开源的 Mac 菜单栏应用，专门服务于同时跑多个 AI 编程 agent 的开发者。它解决的痛点很具体：当你并行开着 Claude Code、Codex 和 Cursor 时，慢的不是 agent，而是你没注意到某个 agent 已经等了你十分钟。Muster 会在屏幕顶部弹出常驻提醒，告诉你哪个会话在等你，并让你不切换窗口就能直接回应——比如批准 Claude Code 的权限请求、选择题或计划，处理 Codex 的审批，或一键跳回 Cursor 的提示框。它还能展开查看 agent 请求的具体原因和完整命令，用快捷键在各会话间按紧急程度切换，并搜索最近三小时的所有会话，附带 token 用量和 API 费用。适合每天重度使用 AI 编程工具、经常并行开多个 agent 的后端、全栈或 AI 工程师；如果你只是偶尔用用 Copilot 这类内嵌在编辑器里的工具，跟你的关系不大。

这是一个把研究选题变成论文初稿的多智能体流水线，核心卖点是「不信任写作者」：它先从 OpenAlex、Crossref、Semantic Scholar、arXiv 检索真实文献并尽量抓取开放获取全文，再强制初稿里每条引用只能指向这个文献池中的论文，最后做三重校验——引用键能否解析、DOI 和元数据是否与真实记录一致、被引论文是否真的支持这句话（有全文时还会标出最匹配的段落页码）。除了写稿，它还生成证据表、做创新性诊断（指出最接近的已有论文和审稿人最可能的质疑）、模拟三位不同侧重的审稿人独立评审，并支持中英文写作与 GB/T 7714、APA 等引用格式导出。每个阶段都设有人工审批闸口，也可全自动跑完。对需要写文献综述或论文初稿、又担心 LLM 编造参考文献的研究生、高校科研人员和企业研究岗来说值得一看；只是想快速查文献或做普通写作的人关系不大。

这是一套给 Claude Code 用的跨会话工作流模板，解决长项目里「笔记过期」的老问题：每次新开会话上下文都是空的，靠交接笔记续命，但笔记会撒谎——说分支推了其实没推、说任务跑完了其实半夜挂了。它的核心思路是「笔记是主张，脚本是事实」，每次会话启动时用脚本去核对 git、GitHub 和本机的真实状态，报告交接记录与现实的分歧，再给出当天该做什么的建议。除了启动核对，它还提供看板（待办、决策、教训一页看完）、自主权限配置（哪些操作 Claude 可以不经询问直接做）、合并前检查规则，以及笔记膨胀后的裁剪建议。适合长期用 Claude Code 做多会话、多分支开发的工程师，尤其是那些被「上次说好了但其实没做」坑过的人；如果你只是单次问答式使用 Claude Code，关系不大。

PredictorLab 是一个自托管的表格数据机器学习工具，可以理解为介于「傻瓜式 no-code 平台」和「昂贵的 DataRobot」之间的诚实版 AutoML：上传 CSV、指定要预测的目标，几分钟内得到带置信区间的模型和可直接调用的 REST/MCP 接口。它的核心卖点是防坑——Leakage Guard 会直接拦截数据泄漏（比如用 cancel_date 预测流失这种「偷看未来」的列）并给出大白话解释，自动做时间序列的 out-of-time 切分，用 conformal prediction 给出带覆盖率保证的区间，还能根据你输入的业务成本矩阵算出利润最大化的阈值，而不是只丢给你一个 AUC 数字。它面向三类人：没有数据科学团队但手上有历史数据的业务分析师和产品经理（不用写 Python 就能拿到能用的模型和决策建议）、需要快速给客户部署且数据不出服务器的咨询顾问和数据工程师，以及没时间搭训练管线的独立 DS。如果你只是想了解 AI 趋势或做纯 LLM 应用，这个项目和你关系不大。

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。

save-session 是一个给 AI 编码助手做「会话书签」的小工具，解决的痛点很具体：你在 Claude Code、Codex、Pi、Antigravity、OpenCode 之间来回切换，一周后想找回某个会话，却发现 session id 是一串看不懂的字符，各家恢复命令还不一样，用错目录甚至会打开另一个项目的历史。它让你直接用项目名（比如「heap benchmark」）给当前会话起个记得住的名字存下来，之后按名字一查，就把原生的恢复命令和该在哪个目录执行一并告诉你，不用记任何 id 或参数。书签以纯 Markdown 形式存在本机，不依赖服务器或账号，同名冲突会自动加序号，识别不确定时会先问你而不是瞎猜。对每天在多个 coding agent 之间切换、靠会话积累上下文的工程师来说，这是个省心的备忘录；如果你只用单一工具或很少恢复旧会话，关系不大。

DuduLove Memory 是一个可自托管的 AI 长期记忆服务，核心思路是把「记忆身份」（Resident）当作长期主体，而不是把聊天记录挂在某次会话或某个前端上。同一个身份可以从网页、MCP、HTTP 客户端或不同模型入口接入，继续使用同一份历史与授权；多个身份可以共享 world 里的公共事实，同时各自保留 private 的私人经历。它把召回拆成身份、联想、证据、工作记忆几种职责，配合会话级的 Recall Ledger 减少同一条记忆反复出现，写入则经过统一的 Memory Admission 处理归属、来源、重复和拒绝记录，让「记错能改掉」和「记住」同样重要。基础的身份管理、关键词搜索、上下文组装不依赖外部模型，语义检索可选接入 OpenAI 兼容服务。适合在做个人 Agent、多 Agent 记忆层或需要跨模型保持人设连续性的开发者，以及想给自家 AI 产品加可控长期记忆的团队；只做一次性对话应用的人关系不大。

pondok-ai 是一个命令行工具，一条命令就能在你自己的机器上搭起一整套私有 AI 环境：本地大模型（Ollama）、聊天界面（Open WebUI）、向量检索（Qdrant）和 OpenAI 兼容 API，全部用 Docker Compose 串好，还会根据你的内存、磁盘和 GPU 自动推荐能跑的模型。它解决的麻烦是：想用 ChatGPT 式的对话和 RAG，又不想把数据传到云端，或者公司、学校没有预算采购 API 服务。典型场景是老师用 pondok-ai share 把一台笔记本变成教室里的私有 ChatGPT，学生扫码登录后各自在手机上提问，聊天记录和向量检索全在本地完成；开发者也可以把现有代码里的 OpenAI SDK 直接指向它，零改动切换到本地模型。适合关注数据隐私的教育机构、小团队运维和想低成本自建 AI 应用的后端开发者，如果你只是调用云端 API，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。

Malvex 是一个用 AI Agent 驱动的恶意软件分析框架，把 IDA、Ghidra、radare2、Frida、volatility3、YARA 等 126 个逆向与取证工具通过 MCP 串成一条流水线。你把二进制、内存转储、Office 文档或 pcap 丢给它，它会先分诊，再并行派出多个 Agent 分别做静态反编译、动态插桩、内存取证、网络流量分析和威胁情报关联，最后输出带证据的结论：IOC、MITRE ATT&CK 映射、YARA/Sigma 检测规则和攻击链图。它特别强调「LLM 输出不算证据」，模型提出的假设必须被静态或运行时证据复现才能标记为确认，避免 AI 幻觉污染分析报告。全部分析在本地跑，样本不上传，适合离线或气隙环境。值得看的是安全行业的逆向工程师、恶意软件分析师、蓝队检测工程师和事件响应人员，尤其是日常要在多个工具间手动切换、想用 Agent 自动化分诊和初筛的人；如果你不从事安全分析，和你关系不大。

Piper Morgan 是一个面向产品经理的 AI 助理，把站会记录、需求梳理、状态更新、路线图答疑这类日常 PM 工作变成自然对话，而不是又一个需要填表单的看板。它内置意图解析、任务编排和工具适配层，能对接 issue tracker、文档、日历等现有工具，再由推理层汇总分析：比如直接问「这个 sprint 哪些东西有风险」，它会拉取数据并指出被阻塞或延期的条目；让它「给 payments 项目起草一份状态更新」，它会汇总近期动态产出可审阅的草稿；还能把「建个登录 bug 的 ticket 并加入当前 sprint」这类多步操作串成一条工作流。适合希望用对话驱动工作、又不想再加一个仪表盘的小团队 PM，以及想研究 multi-agent、MCP、LLM 编排落地方式的 Python 开发者；纯研发或非 PM 岗位关系不大。

Project Sentinel 是给 Claude Code 长时间运行任务做的「任务控制台」插件，可以理解为 Claude Code 的仪表盘加自动驾驶。它在终端和 Claude Desktop 里常驻一条状态栏，实时显示当前在干什么、上下文用了多少、prompt cache 是否命中、五小时用量还剩多少，子代理逐行罗列。核心能力是 Autopilot：上下文快满时让 Claude 自己写交接笔记、清空上下文再接着干，且交接前后都会核对信息有没有丢；Cache Guardian 则盯着缓存，解释每次缓存失效的原因、模型切换前先确认，还能在你离开时保温缓存。此外它有跨交接存活的运行进度和里程碑验证、按「需要关注」排序的 Activity 视图、可排队的后续任务和定时唤醒的 watcher，以及风险操作、模型、子代理等策略配置。适合重度使用 Claude Code 跑长任务的 AI 工程师和 agentic coding 玩家，偶尔用一下的人关系不大。

这是一个 QQ 群消息降噪与待办提取工具：通过 NapCat（OneBot v11）只读接收白名单 QQ 群的新消息，用本地规则加可选 LLM 过滤闲聊，只把明确的通知、待办和紧急事项摘要后推送到微信（WxPusher 等十余种通道），并自动解析群里转发的 PDF、Office 文档和截图，跨群去重同一条通知。它自带手机端 PWA 待办台，能按截止时间、紧急/学业标签管理任务，还支持日历导出、时间冲突检测和模型用量成本统计。官方演示里，一个日均 500 条消息的假群最终只推送 30 次通知、生成 62 项待办。适合被班级群、工作群轰炸到看不过来的人，尤其是需要从群聊里捞截止时间和通知的学生、班主任或团队协调者；如果你的 QQ 群本来就不多，和你关系不大。

JOSIE-Voice 是一个跑在 Apple Silicon Mac 上的本地语音助手，可以理解成「完全离线的 Siri 替代品」：听、识别、说话全在本机完成，语音数据不出设备。它支持语音和文字两种模式，同一段对话可以随时切换，还能识别不同说话人。除了闲聊，它能直接操作 macOS 的 Reminders、Calendar、Maps 和 Messages，比如口头让它建提醒、查日程、发消息；文字模式下可拖入 PDF 提问，历史会话会存进侧边栏和 Library，并以 3D embedding 地图形式呈现。需要注意的是，目前仓库里还没有可下载的安装包，首个 DMG 要到 2026 年 12 月才发布，现在看到的界面截图都是 mockup。对关注本地部署语音 Agent、端侧多模态交互的工程师，以及想研究语音助手产品形态的从业者来说值得留意；普通用户暂时用不上。

这是把《东南大学大学生手册（2025）》整理成可装进本地 Agent 的 Skill，让你直接问「这事按规定怎么办」，回答附带条款出处。它覆盖 48 个校级规章全文、教育部令第 41 号、部门电话网址清单，以及 9 张高频数值速查表（绩点、评奖、竞赛加分、研学分等），还做了口语词到规范术语的对照，方便检索。典型用法是查规定（旷课多少学时会处分）、算分值（5 人 SRTP 省级良好加几分）、判资格（绩点 3.0 能否评三好）、办事情（休学找谁带什么表）；手册没写的信息会引导到官方渠道而非编造。作者是学生自发整理，非官方发布，内容截至 2025 年 8 月版，并计划扩充各学院推免、转专业等官网不公开的细则。对东南大学本科生、尤其需要查规章算综测分的人很实用；其他学校学生或从业者基本无关。

Rna 是一个本地优先的 AI Agent 桌面工作台，面向需要跨多天推进的长线项目——比如写小说、做研究、开发一个代码库。它和常见的聊天框式工具最大的不同是以「项目」而非「会话」为单位：项目绑定一个文件夹、一份记忆和一套工具，Agent 会在后台持续干活，你回来时收到的是简短摘要而不是刷屏日志。内置本地记忆无需 Docker 即可检索历史对话和交付文件，还接入了六种网页搜索服务和 MCP 协议，并用一个极低成本的小模型先做「值不值得打扰你」这类判断，再调用主模型。适合需要让 Agent 长期跟进任务的独立开发者、研究者和内容创作者，如果你只是偶尔问几个问题，它对你意义不大。