这是一个配合 DeepSeek Harness 插件使用的现成工作流包合集，下载后导入插件即可运行，目前上架的是「破甲制作」。它本质是一条针对目标 LLM 的越狱（jailbreak）研究自动化流水线：输入目标模型名和 API key，自动跑 200 多个探针覆盖身份系统、混合帧等架构，归纳该模型的拒绝规律，再据此生成定制破甲词，用真实 API 回验有效性并迭代，最终输出破甲词文件、使用手册和研究报告三件套。配套的 Skill 内含探针执行、拒绝分析、帧排列组合验证等脚本和提示词模板。值得看的是做 LLM 安全评估、红队测试或越狱攻防研究的安全工程师和 AI 安全研究员，普通开发者或非安全方向的从业者关系不大。

这是 OpenAI 公开的一个数学研究成果库：用一个尚未发布的内部模型，对约 4000 个开放数学问题做自动研究，产出 721 篇手稿、归为 373 个主题族，涵盖数论、代数、概率、物理等多个方向，其中约 42% 的核心结果已用 Lean 完成形式化验证，其余部分仍可能存在错误。OpenAI 明确把这些成果定位为「原始研究数据」而非正式论文，部分结果附带模型推理过程的节选，比如 π 的无理数指数、Riemann zeta 函数零点区域、Kaplansky 猜想等。对读者来说，它的价值不在于直接使用，而在于观察 AI 做数学研究的真实上限：平均每题消耗约三小时 ChatGPT Pro 级别的思考算力，最终能产出什么量级的成果。值得看的是关注 AI for Science、推理模型能力边界的算法和研究岗位，以及对形式化证明（Lean）生态感兴趣的人；纯业务开发或不关心 AI 科研进展的读者关系不大。

PolyStrata 是一个本地大模型推理引擎，让普通 PC 跑起通常需要服务器的模型，数据完全不出本机。它内置 Qwen3.8-Flash-Next、GLM 5.3 Flash、DeepSeek V4 Flash、Qwen3.6、Gemma 4、MiniCPM-V 等十余款模型，一键安装后在本机暴露 OpenAI 和 Anthropic 兼容接口，可直接对接 Claude Code 等编程 Agent 或自己的应用。它支持 Windows 和 Linux，8GB 显存的笔记本也能跑多个 35B 级 MoE 模型，长上下文对显存占用也做了优化。适合想在本地跑模型做开发调试、注重数据隐私的 AI 工程师和后端开发者；如果你只用云端 API，关系不大。

NextTransformer 是一个用来公平比较下一代 Transformer 架构的开源训练与评测框架，核心回答一个问题：训练预算固定时，语言模型该怎么花算力。它把循环深度、稀疏注意力、线性注意力、残差流变体以及各种混合架构（如 GQA、NSA、MoBA、GDN、Ouro 等）放进同一套训练器、数据管线和评估流程里，在完全相同的数据、token 数和训练 FLOPs 下跑对比，误差控制在 1% 以内，每次运行都有可审计的记录。目前已完成 31 次训练、36 份模型卡，配套的在线观测台能看学习曲线、排行榜和模型图谱，还计划让 AI agent 在同一规则下自主探索新架构。它适合做模型架构研究、预训练 scaling 实验的算法工程师和研究员，以及关注注意力机制替代方案的从业者；如果你只做应用层开发或推理部署，和你的关系不大。

EdgeRock 是 Rock Matrix 推出的固定内存多模态模型系列，首个开源版本 EdgeRock-4B 能理解文本和图像，用于推理、编码和 Agent 任务。它解决的是长上下文推理时显存不断膨胀的问题：常规模型的 KV cache 随上下文线性增长，而 EdgeRock 用循环状态概括历史、局部注意力处理近期信息、再配合 Rock Memory Anchors 保留关键细节，让每条序列的注意力 KV 固定在 72 MiB，比同级的 Qwen3.5-4B 少 99.1%，省下的显存可以用来跑更多并发请求，输出吞吐达到其 6.42 倍。数学推理上它在 AIME 上拿到 82.9% 的平均 pass@1，远超同类有界状态基线。值得看的是做推理服务、Agent 基础设施和端侧部署的工程师，尤其是被长会话、长任务的显存成本卡住的人；如果你不涉及模型部署和推理优化，跟你的关系不大。

NamiAgent 是一套中文的 AI Agent 入门教程，同时也是一个真能在本地跑起来的最小 Agent：从 100 行的 while 循环开始，一课加一个能力，依次讲清工具调用、权限确认、上下文管理、Skills、MCP、子 Agent、计划和长期记忆，最后拆解 Claude Code、Codex 等主流产品是怎么做的。它自带网页端，左边显示模型每一步的思考和工具调用，右边显示发给模型的完整上下文，能直观看到上下文如何一圈圈变长；写文件、跑命令前会弹窗让你确认。每课都有可独立运行的代码快照，测试用假模型跑，不花 API 费用。适合想搞懂 Agent 到底在上下文里做什么的后端、算法和全栈工程师，以及准备自建 Agent 的团队；只想调用现成 Agent 产品的人关系不大。

dsh-see-now 是给 DSH 用的实时视觉插件，让 AI 直接「看见」你的屏幕，而不是听你口头描述。它解决的是一个很实际的矛盾：定时截全屏喂给模型，截得密会把 token 烧穿，截得疏又会漏掉关键变化。它的做法是先给每帧算一个 0–255 的变化分，只有画面突然切换或持续运动攒够量才留下，再把留下的几帧拼进同一张图，一张图的固定成本摊到多帧上——同样 30 秒的操作，别人烧 30 张图，它常常只要 2 到 3 张，静止屏幕则几乎不出图。除了画面，它还能抓系统回环音频并转写成带时间码的台词，让模型把某句话对应到某一格画面。适合需要让 AI 陪看屏幕的场景，比如做桌面 Agent、屏幕共享助手、视频内容分析的开发者；如果你的工作不涉及给模型喂视觉上下文，这个项目和你关系不大。

motionmaxxing 是一个给 Claude Code 等 Agent 用的 skill，专门治 AI 生成的动效视频那种「能看但没想法」的毛病——角落贴标签、左侧标题配卡片、到处淡入淡出，像会动的 PPT。它接收一个网站或品牌 brief，先抓取品牌调性、提炼出只有这个品牌能占有的创意，再构建视觉世界并逐帧对齐动画节奏（参考了 53 个专业 motion 时刻），最后本地渲染成片，并用脚本逐项检查成片质量、给出 Slop/Mid/Maxxed 三档评分，而不是自夸「效果不错」。README 里有 Cluely、Spotify、Wispr Flow 三组同 brief 对比，展示加不加 skill 的差距。适合做产品发布片、品牌 sting、动态字体的动效设计师和市场团队，以及想用 AI 批量产出不那么廉价的宣传视频的人；纯后端或算法岗基本用不上。

ARTEX 是一套 AI 自主渗透测试系统，可以理解为把安全工程师的日常渗透工作交给 Agent 来跑：给它一个目标范围，它会自己探索资产、调用工具、发起攻击尝试并汇总漏洞发现，全程在 Web 界面上可视化呈现——包括任务执行过程、探索链路、资产覆盖图和流量录制。它内置了人在环路的审批机制，敏感操作需要人工确认后才继续，同时支持从 ScopeSentry 同步已有的资产数据，避免重复收集。这个仓库是 Autumn-27/ARTEX 的源码备份，保留了原始提交历史。对安全团队和红队从业者来说，它适合用来做批量资产的自动化漏洞挖掘和复测；对做 AI Agent 应用的开发者，它也是一个观察多步工具调用与审批拦截如何落地的完整参考。如果你既不做安全也不研究 Agent 编排，那和你关系不大。

BAMA 是一套给 Claude Code、Codex 这类 AI 编程 Agent 用的技能包，让 Agent 能端到端地做出原生 macOS 应用（Swift + SwiftUI）。它把开发流程拆成几段：先让 Agent 打开你喜欢的 App 截图每一屏、生成界面索引，再把截图转成带验收标准的用户故事，然后一个故事一个 commit 地写代码，每次提交前自动跑测试并截取明暗两套界面快照。技能覆盖了 macOS 开发的常见痛点：全局快捷键、菜单栏、悬浮面板、窗口控制、权限申请等系统集成，Swift 6 并发与 SwiftData，以及用 Instruments 做性能排查和渐进式重构；设计侧则有 Liquid Glass 风格、4pt 栅格对齐检查、从截图逐像素复刻某个 App 的外观等。适合想用 AI 快速做出 Mac 工具类应用的独立开发者、想让 Agent 参与 Swift 项目的团队，以及对「Agent 如何规范地交付一个完整 App」感兴趣的人；不写 macOS 代码的读者可以跳过。

Pestinha 是一个养在桌面上的虚拟宠物，类似早年的桌面宠物或 Tamagotchi，但它的行为由一个 470 神经元的脉冲神经网络驱动，完全本地运行、不依赖云端。它能感知你在用哪些窗口：你写代码时它会搬出小笔记本坐在旁边陪你干活，无聊时会往屏幕上贴 meme 和便利贴，被你长时间忽略会躲到角落贴小纸条，生气了会举着标语对光标抗议甚至罢工，摸摸它则会开心并把这份好感记进本地记忆，久而久之性格真的会变。目前有两个角色：爱闹脾气的 Bryan 和讽刺理财教练文化的 Jorge。适合想找点桌面陪伴感、又对「小神经网络如何驱动行为」好奇的开发者和 AI 从业者，当作一个轻松的本地 Agent 实验品来玩；只想正经干活的人可以跳过。

MagoStudio 是一款本地优先的 AI 视频编辑桌面应用，可以理解为把 Runway、Kling 这类在线 AI 视频工具搬到你自己电脑上跑。它分两块能力：Mago Director 负责从剧本到成片，你写好剧本、设定角色和分镜，它能生成前后衔接一致的连续场景；Mago Transform 则是素材进、风格化素材出，支持按帧范围编辑、用遮罩只改视频局部、重新打光或替换画面里的人物。渲染默认走你自己的 GPU（底层接 ComfyUI），项目和视频都留在本机，只有需要云端模型时才上传该次渲染必需的素材。它还带版本管理和精确到帧的审阅流程，适合有成片交付压力的人。值得看的是短视频团队、独立影视创作者以及做 AI 视频工作流的工程师——后者还能利用它为 AI agent 而写的代码结构，快速接入新出的视频模型。普通后端或算法岗与它关系不大。

Freefield 是一个开源项目，把 Higgsfield 那套创意应用（图片、视频、VFX、音频）搬到 ComfyUI 上，全部基于开放权重模型，不依赖任何闭源 API。它包含 120 个应用，比如换脸、视频重绘、混媒风格、配音、AI 虚拟人等，每个应用就是一个文件夹加一份描述文件，界面表单、模型下载、显存占用都自动从描述生成，你也可以把自己的 ComfyUI 工作流一键导入成新应用。每个示例都附带实验室真实 GPU 跑出的耗时和峰值显存，方便你判断在自己显卡上跑不跑得动。适合想用本地或云端 GPU 做 AI 图像视频创作、又不想被 Higgsfield 等 SaaS 按次收费绑定的创作者和开发者；如果你只是做纯文本或后端开发，跟它的关系不大。

这是一个用学习方法做物理世界模拟的研究项目，可以理解为「用神经网络替代传统物理引擎」的尝试。它先用 VAE 把物体的三维状态压缩成隐变量，再训练一个动力学模型，根据历史状态和动作预测下一步会发生什么，从而模拟布料、箱子、绳子、插头等物体的形变与交互。相比 MuJoCo 这类基于方程求解的仿真器，它靠数据驱动，能处理柔性物体这类传统引擎难以精确建模的场景，还支持触觉传感信息。项目来自 Columbia、UC Berkeley、NVIDIA 等机构的联合团队，目前主要提供训练流程，数据和推理代码尚未上传。值得看的是机器人学习、具身智能方向的研究者和工程师，尤其是做操作仿真、sim-to-real 的人；如果你不涉及机器人或物理仿真，这个项目和你关系不大。

Kensaku 是一个本地优先的桌面搜索和启动器，用 Rust 写成，可以理解为「能读进文件内容的 PowerToys Run」。它不只匹配文件名，还能搜 PDF、DOCX、EPUB 等 50 多种文档的正文，用 OCR 读取截图和图片里的文字，甚至支持按语义找——比如直接输入「关于数据库索引的那份 PDF」或「上个月的大视频」，也能用「上周二」这类自然语言时间过滤。所有索引和检索都在本机完成，数据不出机器，十万文件名搜索耗时毫秒级、内存占用约 12 MB。它还通过 MCP 协议把这套本地索引开放给 Claude、Cursor 等 AI Agent 只读调用，让 Agent 长出「本地文件的眼睛」。适合经常翻找历史文档、报错截图、日志的开发者和知识工作者，尤其是受够了只能搜文件名的工具、又不想把文件内容上传云端的人；如果你没有本地搜索的痛点，和多数人关系不大。

这是一个跑在 Claude Code 里的「AI 董事会」：你把一个难做的商业决策丢进去，Bezos、Paul Graham、Hormozi、Buffett 等十二位按其公开作品构建的 AI 顾问会围桌辩论，最后给出打分后的裁决和一份可下载的 PDF 报告。它解决的是创始人和业务负责人「一个人拍板心里没底」的麻烦——比如要不要全线涨价、该自建还是收购、这笔钱该不该花。提问时 Chair 会先追问你的收入、现金、团队规模和倾向，再按议题推荐合适的顾问阵容，且刻意安排一个会反对你的席位，避免全员点头。本地网页能看到顾问们实时争论的过程，不装网页也能直接在 Claude Code 里跑。适合独立开发者、创业者、业务线负责人在做定价、招聘、融资类决策前当外部视角用；纯技术岗或不涉及商业判断的读者关系不大。

Claude-Guardian 是一个给 Agent 用的 Skill，专门帮用户把 Claude 订阅的使用环境准备好、降低封号风险。它会先了解你的设备、账号历史、网络环境和预算，再给出本机、虚拟机或 VPS 三条路线的个性化方案，内容覆盖固定出口 IP 的选择、注册与养号节奏、支付方式风险、防火墙与整机统一出口配置、线路优化，以及遇到 403/429 等故障时的排查思路。比如你第一次在 Mac 上订阅 Claude，它可以对比本机和 VM 两条路线的代价，再一步步带你检查网络是否泄漏、代理是否严格路由。操作按风险分三档授权，涉及付款、账号和防火墙改动时必须你本人确认。适合正在准备或维护 Claude 订阅的开发者、想在 VPS 上跑 Claude Code 的用户，以及被封号问题困扰的人；如果你不用 Claude，这个项目和你关系不大。

iPhone Use 是一个让 Codex、WorkBuddy、豆包等 AI 助手通过 USB 线操作你真实 iPhone 的工具，可以理解为手机端的 computer-use 方案。你在电脑上用自然语言下达任务，助手就能打开 App、读取页面控件、点击、滚动、输入中文长文本，还能在侧边栏实时显示手机屏幕，控件定位失败时会看截图改用坐标点击。它基于 WebDriverAgent 通信，内置本地 MCP 服务，针对微信导航做了看图点击优化，也支持把手机里的图片视频传回 Mac。适合想让 AI 代劳手机重复操作的场景，比如批量整理备忘录、在列表里搜索采集信息、自动填写表单。不过首次配置需要在 Mac 上用完整 Xcode 给 WDA 签名，门槛不低，更值得 iOS 自动化开发者、做 Agent 落地的工程师以及想探索 computer-use 边界的从业者看看；普通用户和多数后端、算法岗位关系不大。

这是一套给 Claude 用的创业前测试工具包，包含十一个免费 skill，相当于在你砸钱之前先雇了一个董事会、一个营销总监、一个 CFO 和一个由 100 个买家 agent 组成的消费者陪审团。董事会用 Hormozi 的 Offer、Thiel 的垄断和 Jobs 的产品三套框架给你的点子打分并投票；消费者面板会按目标客户画像生成一百个有各自收入、习惯和异议的模拟买家，统计谁会买、谁不会、为什么；CFO 负责单位经济，算出单笔贡献、真实利润率、每日盈亏平衡和首年逐月现金流；还有竞品侦察、定价策略、品牌命名、运营清单等角色，最后汇总成一份带结论的商业计划。它适合正在验证创业点子的独立开发者、产品经理和早期创业者，用几分钟找出方案里最可能致命的漏洞和定价盲区。对多数互联网和 AI 从业者来说，如果不打算创业，关系不大。

pagesift 是一个用 Rust 写的网页与文档抓取工具，可以理解为自托管版的 Firecrawl 或 Jina Reader：把任意 URL、PDF、Office 文件、电子书、邮件甚至压缩包读进来，输出干净的 Markdown 或结构化 JSON，供 AI 应用消费。它能渲染 JavaScript 页面、对扫描版 PDF 和图片做 OCR、按 CSS 选择器或模型生成的 schema 抽取字段，还支持整站爬取、页面变更监控和带证据回溯的问答接口。对做 RAG 检索管道的工程师来说，它省去了自己拼接 trafilatura、pymupdf4llm、Docling 等一堆工具的麻烦，一个二进制文件就能跑通从抓取到解析的全流程，并且兼容 Firecrawl 和 Jina Reader 的 API，迁移成本很低。值得看的是负责数据接入、RAG 管道或 Agent 应用开发的后端和算法工程师，尤其是需要私有化部署、不想依赖云抓取服务的团队；纯做前端或与 AI 无关的读者可以跳过。

uni-robot-agent 是一个机器人操作智能体的统一运行框架，可以把它理解成「机器人版的 Codex/Claude Code 运行时」：它把大模型的推理能力接到真实的机器人工具上，让模型像写代码一样规划并执行抓取、双臂操作等任务。它内置了 Codex 和 Claude Code 两种运行时，支持 Direct（纯工具调用）和 Hybrid（搭配 Pi0.5 这类动作模型）两种控制模式，并集成了 RoboDojo、RoboUse、RoboLab 等多个仿真环境，覆盖双臂操作以及 LIBERO、ManiSkill 等经典任务集。附带的监控面板能实时看相机画面、工具调用时序，也能回放历史运行记录，方便调试策略。做具身智能、机器人学习的研究员和工程师最值得看——尤其是想用开源模型替代闭源方案、或需要在统一接口下对比不同 Agent 运行时和动作模型的人；如果你不碰机器人领域，这个项目和你关系不大。

这是一个 DSH 插件，可以理解成「替你值班刷 B站 的机器人」：每天按你填的关键词搜近几天的视频，逐条读字幕原文判断值不值得看（没字幕的演示类视频会抽几帧看画面），挑出值得的写成一份 Markdown 日报，每条附上「为什么值得」，特别值得的还会自动发一条评论 @ 你，你收到的每条 @ 都是它先筛过一遍的。它还能在 DeepSeek 优惠时段自动跑，省 token。适合每天想追 B站 上特定领域内容、但没时间自己刷的从业者——比如关注 AI 资讯、开源项目或某个技术方向的人，把关键词填进去就能每天收到一份精选。如果你不怎么刷 B站，这项目和你关系不大。注意它依赖 DSH 宿主，README 里大量篇幅在讲安装排坑，动手前建议先看清楚版本要求。

这是一个关于 computer-use agent（让 AI 操作电脑、浏览器、手机 GUI 的智能体）的开源资源目录，把散落在各处的论文、GUI 模型、训练数据集、评测基准和工具框架集中收录，并附上可核查的原始来源链接，可类比为 CUA 领域的 Awesome 列表加结构化数据库。它实际能帮你快速回答几类问题：想选一个 GUI agent 评测基准时，可以对比不同平台、任务和版本；想找训练数据时，能查到监督方式、数据划分和许可；想追某篇论文的落地资源，能顺着链接找到对应代码、数据集和模型。目录还提供 JSONL 和 SQLite 格式，方便直接灌进自己的 RAG 系统或 Agent 做检索。适合关注 AI Agent 方向的研究员、做 GUI/浏览器 Agent 产品的工程师，以及需要系统梳理 CUA 领域文献和数据的人；如果你的工作与 computer-use agent 无关，这个目录基本用不上。

MOSS-Image 是 OpenMOSS 团队开源的 5B 参数文生图基础模型（DiT 架构），主打三点：图内文字渲染准确、可控制文字和视觉元素的排版布局、支持长达 4K token 的长提示词，风格覆盖二次元到写实照片。它提供 Base 和 SFT 两个权重版本，SGLang、vLLM-Omni、ComfyUI 都已支持，也接入了 MOSI API 平台，社区还出了支持 6GB 显存 LoRA 训练的 KohakuMossTrainer。典型场景是做海报、电商主图、带文案的营销素材——这类需求里文字排版和字形准确性往往是文生图模型的硬伤，而它正是冲着这个痛点来的。值得看的人：做图像生成产品或 AIGC 应用的算法与工程团队、需要批量产出带字视觉内容的设计师和运营、以及想在垂直领域微调文生图模型的研究者；如果你的工作和图像生成无关，这个项目可以跳过。

这是歸藏为 DeepSeek Harness（dsh）做的内容生产插件，把四套 skill 打包进侧栏：网页 PPT、图文卡片、网页排版、去 AI 味，外加一个学你写作语气的语气档案。前三个共用同一套设计系统，同一篇文章能一键排成杂志风或瑞士风的横向翻页 PPT、小红书 3:4 组图和公众号头图、精排单页网页，主题字体版式保持一致，还能按品牌色生成受约束的配色主题。去 AI 味会删掉中文里的空话和模板腔，语气档案则从你在 DeepSeek 里的对话和你写过的文章里提炼用词、句长、标点习惯，之后改稿和代写文案都照着你的语气来。作品会自动登记进作品库，支持「做同款」和跨 skill 的内容生产工作流。适合做自媒体、公众号、小红书运营的内容创作者，以及需要频繁出 PPT 和图文物料的市场、运营岗位；纯后端或算法岗关系不大。