n8n 是一个可视化工作流自动化平台，可以理解为 Zapier 的开源替代品，但把 AI 能力做成了原生特性。你在画布上拖拽节点把各种服务串起来，需要复杂逻辑时随时插入 JavaScript 或 Python 代码，能连接 1500 多个第三方应用，也能自托管部署。它的 AI 场景很具体：比如把 OpenAI 或 Anthropic 的模型接到你自己的数据库和内部系统上，搭建带人工审批、工具调用和完整日志的多步 Agent 流程，从原型一路跑到生产。适合需要把 AI 落进业务流程的后端工程师、平台团队和自动化负责人，比如做客服工单自动分类、跨系统数据同步加智能摘要这类活儿的人。如果你只是写模型训练或纯算法研究，跟它关系不大。

MinerU 是一个文档解析工具，可以把 PDF、扫描件、Word、PPT、Excel、EPUB、HTML 等格式的复杂文档转成 LLM 能直接读的 markdown 或 JSON，相当于给大模型准备「干净语料」的前置工序。它内置版面分析和 OCR，能处理双栏排版、表格、数学公式这类通用解析器容易翻车的场景，还提供从快速预览到高质量解析的多档解析策略，按需选择速度与质量。除了单文件转换，它还带本地文档库能力，支持内容检索、按页或块续读，并保留稳定的引用定位，方便 Agent 在长文档中引用出处。如果你在做 RAG 检索、文档问答、Agent 工作流，或者需要批量把公司内部资料、论文、合同喂给模型，它会直接命中你的痛点；纯做前端或业务后端开发的人则关系不大。

这是一个收集各大 AI 产品系统提示词的仓库，把 Anthropic、OpenAI、Google、xAI 等家聊天机器人和编程工具背后那段不对外公开的 system prompt 原文整理归档，涵盖 Claude Code、ChatGPT、Codex、Gemini、Cursor、Grok 等，且持续更新。对从业者来说，它是研究头部产品如何设计人设、约束行为、编排工具调用的现成素材：比如想搞清楚 Claude Code 的安全分类器怎么判断危险操作，或对比 ChatGPT 与 Gemini 在拒答策略上的差异，都能直接翻到原文。写 prompt 的人可以从中借鉴大厂的措辞和结构，做竞品分析或安全研究的人也能看到模型被注入了哪些隐藏指令。主要适合 prompt 工程师、AI 应用开发者和关注 AI 安全的研究者；如果你不写 prompt、也不做产品分析，看一眼标题即可，和日常工作关系不大。

rtk 是一个用 Rust 写的命令行代理，专门给 Claude Code 这类 AI 编程 Agent 省 token。它夹在 Agent 和 shell 之间，把命令输出先压缩过滤一遍再喂给模型：ls 变成带文件计数的树状结构，git log 只留哈希、作者和标题，pytest 只保留失败用例、通过的折叠成一个数字，grep 匹配按文件分组并截断超长行，覆盖 100 多种常见开发命令，额外开销不到 10 毫秒。实测能把 bash 输出砍掉 60-90%，但 README 也坦白说这只是输入 token 的一部分，账单不会等比例下降，且 token 数按字节除以 4 估算，绝对值仅供参考。适合每天重度使用 Claude Code、Cursor 等 Agent 跑大量构建、测试、git 操作的开发者，尤其是被上下文窗口和 API 账单卡住的人；如果你只是偶尔让 AI 写几行代码，或者不依赖 CLI 型 Agent，跟你就没什么关系。

agent-purge 是一个本地提示词管理工具，让你写一份「人设」（system prompt），统一同步给 Codex、Claude Code、OpenCode、pi、Grok 等多个 coding agent，类似给所有 AI 编程助手配一个共享的系统提示词配置中心，带本地 Web 控制台可视化编辑。它解决的麻烦是：你如果同时用好几个编码 agent，想让它们都用同一套协作规范（比如「用简体中文、先结论后依据、改代码前先读实现」），就得挨个改配置，而这个工具可以一键替换或追加到各宿主的提示词入口，还能按执行器单独指定不同人设，支持替换、追加、严格覆盖等模式，变更可追溯可撤销。适合同时重度使用多个 coding agent、对 AI 输出风格有统一要求的工程师，比如想让团队内所有 AI 助手遵循同一套代码规范的后端或全栈开发者；如果你只用单一 agent，或者不关心 system prompt 定制，关系不大。

CardboardXR 是一个 Unity 手机应用，把最便宜的 Google Cardboard 纸盒眼镜升级成有 6DoF 追踪的轻量 VR 设备：借助手机的 ARCore 或 ARKit 做头部六自由度追踪、摄像头透视（passthrough），并用后置摄像头识别手部，实现捏合、抓取和指向射线等手势交互。它自带几个演示场景，比如在自己房间里空中绘画的 Air Paint、用手挡飞来光球的 Orb Rush、在地板上开传送门走进另一个世界的 Portal，以及播放 360/VR180 视频的播放器，还配了可 3D 打印的手机 VR 眼镜外壳。对做 XR 原型、想低成本验证空间交互想法的开发者来说，它展示了如何在一台手机上同时跑通追踪、透视和手势这一整套能力，值得翻翻它的实现思路；普通后端或算法工程师关系不大。

EXZA Remote 是一个 MCP 服务，让你在 ChatGPT 或 Claude 的对话里直接操控自己的电脑：查看文件、查进程状态、跑一条经你批准的终端命令，不用再手动把命令行输出复制粘贴回聊天框。它由一个远程 MCP 端点加一个装在你本机的客户端组成，通过一次性配对码把 Mac、Windows 或 Linux 机器绑定到你的账号，敏感操作需要你在本地确认后才执行，权限可随时撤销。典型场景是开发者让 AI 读取项目文件并跑一次本地测试，或 IT 支持远程查看设备状态和诊断输出。如果你是需要频繁在 AI 对话和本地环境之间来回切换的开发、运维或技术支持岗位，值得花几分钟看看；纯做前端或不碰本地环境的读者关系不大。注意它依赖 OpenAI 对自定义 MCP 连接的支持，可用功能随平台和账号权限而异。

OpenClaw 是一个跑在你自己电脑上的开源 AI 助手，最大的特点是它不困在网页聊天框里，而是直接出现在你已经在用的聊天渠道——Discord、Slack、Telegram、WhatsApp、iMessage、Teams 等 20 多个平台都能接入，也有各桌面和移动端的原生应用。它类似一个自托管版的个人 AI 助理中枢：状态、记忆、凭据全部留在本地硬件上，底层模型（Claude、Codex 或本地模型）以插件形式随意切换，没有付费档位和托管服务。实际用起来，你可以让它在群里回答同事提问、在私聊里帮你查资料、执行本地工具和技能，甚至多人共享一个「multiplayer claw」。适合关注数据主权、想把 AI 助手嵌入团队沟通流程的开发者和运维同学；如果你只是想找个开箱即用的聊天机器人，它反而偏重，需要自己承担安全配置责任。

worldmonitor 是一个实时全球情报仪表盘，把 AI 聚合的新闻、地缘政治动态、军事航班、网络攻击、气候事件、市场行情和预测市场数据整合到同一个态势感知界面里，可以理解为开源版的 Palantir 简化形态。它提供网页、桌面、终端多种形态，还带 MCP server，方便接入自己的 Agent 工作流。比如做跨境业务的人可以盯着供应链所在地区的冲突和港口动态，交易员能同时看地缘事件与大宗商品、汇率的联动，研究 OSINT 的人则能在一个界面里追踪多源事件的时间线。适合需要持续跟踪国际局势的分析师、情报或风控岗位、以及想给 AI Agent 接入实时全球数据的开发者；如果你的工作和地缘、宏观、新闻监控无关，这个项目基本用不上。

Context7 是给 AI 编程助手实时喂官方文档的工具。大模型写代码时经常凭训练数据编造不存在的 API，或者给出过时版本的示例，Context7 会从源头抓取指定库的最新、带版本号的文档和代码示例，直接塞进 Cursor、Claude Code 这类编码 Agent 的上下文里。比如你让 Agent 用 Supabase 做邮箱注册，它会自动匹配对应版本的 Supabase auth 文档，而不是瞎编接口。它支持 MCP 和 CLI+Skills 两种接入方式，也能在 prompt 里用斜杠语法指定具体库和版本来跳过匹配步骤。对日常用 AI 写代码、经常被幻觉 API 坑的开发者来说很实用；不写代码或不用 AI 编程工具的人则关系不大。

Autopilot 是一个给游戏用的 AI 自动测试系统，由 Aura 团队开发，可以理解为「会自己玩游戏的 QA 测试员」。它接入 Unreal Engine 5、Unity 6、Godot 4 项目后，能自主学习游戏机制、探索关卡地图，并在一次次运行中越玩越好。实际场景是：游戏团队不用再靠人工反复跑图找 bug，让 Autopilot 自动把关卡走一遍，暴露卡关点、碰撞问题或流程漏洞，尤其适合关卡多、迭代快的项目。它支持 Windows 和 macOS，可绑定 Aura 账号统一管理用量，也允许自带模型密钥。对游戏开发工程师、技术美术和 QA 负责人来说，如果正苦恼于重复性 playtest 拖慢迭代节奏，值得花几分钟看看；纯后端或 AI 应用方向的从业者则关系不大。

这是一个用大模型自动分析自选股的系统，覆盖 A股、港股、美股、日股、韩股、台股和 ETF。它每天抓取行情、K线、技术指标、新闻、公告和基本面数据，交给 LLM 生成一份「决策仪表盘」：给出核心结论、评分、趋势判断、买卖点位、风险警报和操作检查清单，再自动推送到企业微信、飞书、Telegram、Discord、Slack 或邮箱。除了每日定时报告，它还带一个 Web 工作台，支持手动分析、历史报告查看、回测和持仓管理，并内置 15 种策略（均线、缠论、波浪、事件驱动等）的多轮问答 Agent，可以像问分析师一样追问某只股票。数据源默认用 AkShare、Baostock、YFinance 等免费接口，配合 GitHub Actions 可以零成本定时运行，不需要自己买服务器。适合有自选股、想每天快速过一遍多市场持仓风险的个人投资者，以及想研究 LLM 在金融分析场景落地的开发者；纯技术岗、不炒股的人关系不大。

CrewAI 是一个 Python 多智能体编排框架，可以把它理解为「给 AI 员工排班的管理系统」：你定义若干个带角色分工的 Agent（比如研究员、写手、审核员），它们组成一个 Crew 自动协作完成任务；同时提供 Flows 这种事件驱动的编排方式，让开发者在需要精确控制的环节插入单次 LLM 调用或固定逻辑，把自主协作和可控流程结合起来。典型场景包括自动生成职位描述、规划旅行行程、做股票分析这类需要多步骤、多角色配合的自动化任务，官方也强调它面向生产环境而非玩具 demo。适合正在做 Agent 应用落地的后端/AI 工程师、需要把重复业务流程改造成 AI 自动化的团队技术负责人，以及在评估 LangGraph、AutoGen 等同类框架选型的人；如果你只是调用单个模型 API 或不做 Agent 编排，这个项目和你关系不大。

Project Maya 是一套本地大模型推理引擎，让你在自己的显卡上跑 GLM-5.3-Flash、DeepSeek-V4.1-Flash-1017 和 MiniMax-M3.1-Flash 这几个几百 B 参数的 MoE 巨型模型，从一张卡到 16 张，NVIDIA 或 AMD、Linux 或 Windows 都行。它的核心思路是分层调度：把对话最常用的专家放在显存里，次常用的放内存，其余的放 NVMe SSD，边聊边换，并根据你的硬件自动调优，同时提供 OpenAI 和 Anthropic 兼容的 API，方便接入 coding agent。官方给出的实测是双 5090 加 4090 能到 149 tokens/s，单张 5090 也有 30+。适合想在本地或私有环境跑大模型、又不想把数据传出去的 AI 工程师、算法和 infra 岗位，尤其是需要给多个 agent 会话或小团队提供统一推理接口的场景；如果你平时只调用云端 API，和你关系不大。

Bops 是一个 Mac 应用，给你配一队 AI bot 来打理公司日常杂活：收件箱、销售线索、发票、报表。每个 bot 都跑在一台云端电脑上，有独立的邮箱地址和电话号码，你可以像带同事一样在 App、Slack、Telegram 或 Discord 里给它们派活，甚至直接打电话聊。它能接管约 1400 个常用应用，读取操作即时执行，但发送、创建、付款这类动作会先等你点头；你还能实时观看 bot 的屏幕、随时接管再交还。典型场景是小团队或独立开发者想把跟进邮件、查公司资料、整理报表这类重复劳动甩出去，又不想完全失去控制。适合需要自动化运营杂务的创业者、销售运营和一人公司；纯做模型训练或推理的工程师关系不大。

TensorFlow 是 Google Brain 团队开源的深度学习框架，可以理解为和 PyTorch 齐名的另一大主流选择，提供从模型训练、评估到部署的完整工具链，支持 Python 和 C++ 接口，也能做分布式训练。它解决的是「怎么把神经网络从代码变成能跑的模型」这件事：比如用它训练一个图像分类模型，再通过配套的模型优化工具压缩后跑在手机或嵌入式设备上；或者用 TensorBoard 可视化训练过程、定位收敛问题。对多数互联网和 AI 从业者来说，如果你的工作是用现成大模型做应用，直接关系不大；但如果你在做模型训练、推理部署、需要跨平台落地的算法工程师或 ML Infra 工程员，或者团队技术栈本来就基于 TensorFlow，那它就是绕不开的基础设施，值得了解其生态里有哪些现成组件可用。

这是一个成人向 AI 视频生成平台 123vips.com（Vipeak AI）的接入文档仓库，主打「无审查」的文生视频和图生视频 API，底层模型包括 Seedance Spicy 和 Wan NSFW。它实际做的事是：把成人内容生成能力包装成标准的异步任务接口，开发者提交任务后通过 webhook 回调拿结果，按积分计费，仓库本身主要提供接入流程、服务端架构和安全要求的说明，不含可直接运行的代码。典型场景是给 AI 陪伴、虚拟角色类产品接入 18+ 视频生成能力，比如用户上传一张角色图加一句提示词，就能生成带角色一致性的视频片段。需要提醒的是，README 里堆了大量 SEO 关键词，且明确说具体模型和端点要登录后才能看到，信息透明度有限。对多数后端、算法或产品岗位的人来说这和工作关系不大；只有正在做成人向 AI 陪伴或角色视频产品、且需要绕过内容审查的开发者才值得点进去看一眼。

这是配套 Manning 出版社书籍《Build a Large Language Model (From Scratch)》的代码仓库，用 PyTorch 从零一步步实现一个类 ChatGPT 的大模型。它不是拿来即用的工具，而是一套教学代码，覆盖从文本分词、注意力机制、GPT 架构搭建，到无监督预训练、文本分类微调、指令微调的完整链路，还附带 LoRA 参数高效微调的示例。每章都有 Jupyter Notebook 和练习解答，读者可以亲手跑通一个小模型的训练与生成过程，理解 Transformer 内部到底在算什么。适合算法工程师、NLP 方向学生、以及想搞懂 LLM 底层原理而非只会调 API 的从业者；如果你只是想部署模型或做应用开发，这个仓库和你的日常工作关系不大。

这是一份给 AI 智能体用的短剧创作技能包精选清单，收录了 83 个 skill 和 16 个相关开源平台，覆盖从小说改编、集纲钩子、剧本审稿到分镜、角色资产、以及给 Seedance、可灵、MiniMax 等视频模型写提示词的全流程，装进 Claude Code、Codex、千问、豆包、Kimi Code 等支持 skill 的智能体就能直接用。它的独特价值在于做了三轮实测：用同一道题让各 skill 和不装 skill 的对照组盲比，由 Opus 和 GPT 两位 AI 评审打分，告诉你哪些 skill 写的剧本和人物大纲真的更好、各自适合什么风格、有什么短板，比如钩子偏弱或中段推进慢。适合正在用 AI 做网文改编短剧、竖屏微剧或漫剧的编剧、内容策划和 AI 应用开发者，想快速挑到靠谱的编剧 skill 而不想自己逐个试错的人；如果你不做短剧内容，和你关系不大。

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。

Docling 是 IBM Research 开源的文档解析工具，可以理解为给大模型准备语料的「文档转结构化数据」流水线：把 PDF、DOCX、PPTX、XLSX、HTML、EPUB、邮件、图片、音视频等几十种格式统一解析成结构化表示，再导出为 Markdown、HTML 或无损 JSON。它的强项是复杂 PDF 理解——能还原页面版式、阅读顺序、表格结构、公式、代码，还能识别扫描件里的文字（OCR）、把柱状图饼图转成表格或代码，甚至理解化学分子式。解析结果可直接对接 LangChain、LlamaIndex、Crew AI 等框架，也支持本地运行，适合处理合同、专利、财报（XBRL）、学术论文（JATS）等敏感资料。值得看的是 RAG 应用开发者、数据工程和 AI 应用架构师：如果你的场景是把公司内部文档库喂给检索或 Agent，Docling 能省掉大量自己写解析器的功夫；只做模型训练或纯前端的读者关系不大。

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。

Crawl4AI 是一个开源的网页抓取工具，核心能力是把任意网站转换成干净、结构化的 Markdown 文本，专为喂给 LLM 而设计，可以理解为「面向 AI 的爬虫版 readability」。它能处理 JavaScript 渲染的动态页面，自动过滤菜单、页脚等噪音内容，保留标题、表格、代码块和引用链接，输出的 Markdown 可以直接用于 RAG 知识库、AI Agent 的联网搜索或数据管道。除了抓取，它还提供网页搜索、结构化 JSON 提取、带来源的问答等能力，并支持以 MCP 形式接入 Claude Code、Cursor 等 AI 编程工具。你可以本地免费运行，也可以用它的云服务按量付费。值得看的是做 RAG 应用、AI Agent 或需要大规模采集网页数据的后端和算法工程师，如果你的工作和 LLM 应用开发无关，这个项目基本用不上。