ARTEX 是一套 AI 自主渗透测试系统，可以理解为让大模型自己当渗透测试员：你给它一个目标和资产范围，它会自主规划探测路径、调用扫描工具、记录发现的漏洞，全程在网页界面上以会话和探索链路的形式呈现。它内置审批拦截机制，敏感操作需要人工放行，也支持人在环路对话随时介入调整方向；还能从 ScopeSentry 同步域名、IP、端口等资产数据，直接生成资产图供 Agent 探索。对安全团队来说，它把原本手工串联的信息收集、扫描、验证流程交给 Agent 自动跑，同时保留完整的执行轨迹和 Token 消耗统计。适合红队、安全运营和渗透测试工程师，以及想在授权范围内做自动化漏洞挖掘的团队；如果你的工作与安全测试无关，这个项目和你关系不大。

AutoCua 是一个 computer-use agent，可以像人一样操作电脑：它看屏幕、移动鼠标、敲键盘，去点桌面软件、逛网页、跑终端命令，甚至通过 USB 或 Wi-Fi 控制配对的 iPhone 和 Android 手机。它覆盖 macOS、Windows、Linux 三大桌面和主流浏览器，一个 agent 通吃。和常见的截图猜坐标方案不同，它把系统无障碍树和 OCR 融合成带编号的元素视图，模型只选编号，选错会被直接拒绝，因此不会乱点；输入走操作系统原生输入层，普通应用收到的事件和你亲手操作完全一样。它还内置一个压缩 agent，在长任务中途自动续写上下文摘要，避免跑到一半撞上上下文上限。实际场景包括：批量在电商网站下单加购、跨多个网页抓取数据填进表格、用真实终端跑编码任务、以及移动端 App 的自动化测试。适合做 RPA、自动化测试、运营脚本和 AI 应用原型的工程师；如果你的工作和桌面/浏览器自动化无关，这个项目跟你就没什么关系。

Franco 是一个跑在你本机上的自动外联销售代理，用你已有的 Claude Code 或 Codex 订阅驱动，不额外产生模型 API 账单。它接手一份客户名单，为每个客户找到写信的理由，从你自己的邮箱发出简短的邮件序列，再读取并处理回复，所有引用的事实都记录来源。它有三种工作方式：默认模式下模型会自己找企业、读官网、挑对人并起草个性化序列；模板模式则逐字发送你审核过的文案，合规页脚和退订规则由代码强制执行；还有一种漏斗模式，把客户分进最窄的销售漏斗再按既定故事写信。每封邮件默认都要你过目，也可以开自动发送，新战役一律先预览、签字后才发。适合做 outbound、冷邮件开发的销售和增长负责人，以及想用 AI 提效但要保留人工审核权的团队；纯技术岗或不做主动获客的人关系不大。

这是一套给护理科研用的 AI 技能包，可以理解为把护理论文从选题到投稿的全流程拆成了 18 个「搭子」：检索搭子帮你写检索式、去重题录，精读和拆解搭子负责读文献、做证据卡，选题设计搭子把模糊的护理问题转成可行的研究方案，数据就绪搭子核对量表编码、生成数据字典，统计搭子给出本地分析计划和结果台账，写作、润色、配图、汇报、模拟审稿、审稿回复等搭子则覆盖成稿到返修的后半程。它本质上是给宿主 AI（如 Codex）提供工作方法、模板和参考的提示词与脚本集合，本身不执行临床验证，也不替代作者和统计人员的责任。对护理方向的研究生、临床护理人员以及带教老师最实用——比如正在写横断面研究或系统综述、卡在检索式怎么写、审稿意见怎么回的人，可以直接照着对应搭子的模板推进；如果你不做护理科研，这个项目和你关系不大。

这是一套把跨境电商运营 SOP 翻译成 AI Agent 工作流的 Prompt 工具箱，不是可部署的软件，而是 7 个模块的标准化交付物：每个模块都包含结构化 Prompt、输入输出模板和一份真实产品跑通案例，覆盖从市场分析、产品策略、标题详情页生成、主图规划、短视频脚本，到广告漏斗诊断和评论归因的完整闭环。它解决的核心痛点是运营产出下限不稳定——老手写标题一次到位，新人写十遍还是堆词，这套东西把老手的判断规则（如标题字符实测、净利率与盈亏价核算、像素级图片合规校验）固化成可复用的流程，让 AI 产出稳定在老手水平。适合在 Shopee、Mercado Libre 等平台做运营的卖家和运营负责人，以及想把内部经验沉淀为 AI 工作流的团队参考；纯技术岗或不做电商的人关系不大。

Scout 是一个开源的浏览器 Agent，用大白话讲就是「雇一个会自己操作浏览器的助手」：你用自然语言描述任务，它打开真实浏览器去读页面、点击、输入、滚动，直到把事办完再把结果交给你；做不完时也会说明缺什么、带回已找到的部分。它能干的活儿包括去 Hacker News 统计评论最多的三条新闻、在表单里替你下单、跨站比价比库存、用给定账号登录并读取欢迎语，还能按你指定的 JSON Schema 返回结构化结果。模型完全自选，可为「动手」「规划」「看截图」「抽取」等不同分工配不同模型，也能跑在本地浏览器或 Outcrawl 云上（云上带验证码处理和每次运行的回放）。值得看的是需要写网页自动化脚本、做数据采集或 RAG 前处理的工程师，以及想让 AI 编程助手顺带搞定浏览器任务的人；纯做模型训练或后端业务的读者关系不大。

这是一个 TypeScript SDK，用来给应用里的 AI 角色做「人设 + 长期记忆」：内置一批现成的角色卡（提示词、性格特质、开场白），再配一套与模型无关的记忆运行时，让角色在多轮对话里始终保持同一性格，并记住之前聊过的关键信息。它把人设、记忆抽取与召回、模型调用、持久化、交互界面这几层拆开，模型侧支持 OpenAI 和 Amazon Bedrock，记忆可存内存、JSON 文件或 SQLite，接口层能对接聊天、语音、游戏乃至 SillyTavern。一次调用就完成记忆召回、提示词编排、生成、本轮信息入库和关系状态推进，还返回语气、语速等语音演绎元数据。适合正在做 AI 陪伴、虚拟角色、互动叙事或游戏 NPC 的产品与工程团队，尤其是需要角色跨会话「记得你」又不想把记忆和人设绑死在单一模型供应商上的场景；如果你只做通用 LLM 应用或不涉及角色化交互，跟你的关系不大。

RSI-Anything 是一个让 AI 系统「越用越聪明」的通用框架，核心思路是用世界模型预测行动后果，再用外部反馈修正预测，把经验留存下来指导下一轮决策，形成递归自我改进的循环。它建立在 JEPA-Anything 之上，流程是提出候选、预测结果、筛选、评估、学习、保留。论文把它跑通了五个差异极大的场景：代码修复（在 CodeContests、APPS、LiveCodeBench 上用预测执行结果给候选程序排序）、GUI 操作（MiniWoB++ 和 OSWorld，动作数比基线少约四成）、实验室实验规划、化学反应条件优化（十次观测内找到最优产率）以及免疫学科研工作流。对做 Agent、世界模型或科学智能体的研究者和工程师来说，它提供了一个可复用的「预测引导交互」范式；如果你只做业务后端或前端，关系不大。

BAIagent Director 是一个本地优先的 AI 商业顾问桌面应用，可以理解为「会做市场调研的商业分析师助手」。你把公司网站丢给它，它会自动去查你卖什么、客户评价、竞争对手和市场信号，并保留来源链接，把观察到的事实和假设建议分开呈现，最后产出一份带负责人、时间、预算逻辑、成功指标和止损条件的试点方案。它跑在 Windows 上，可离线读取本地文档，也能用 Ollama 或 Qwen3-4B 本地模型，不需要云端 API key。适合中小企业主、业务负责人或做增长咨询的人，在立项前快速验证一个想法值不值得投入；对纯技术岗位或不涉及业务决策的读者来说关系不大。

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。

pi-purge 是 pi 编程助手的一个扩展，作用是让你在会话里随时切换发给模型的系统提示词：保留 pi 原生提示、只删掉其中的助手身份段，或者干脆只发你自己的 persona 文件。它面向的是做 prompt 工程的人，比如你想知道同一句话在「带框架提示」和「纯你的指令」两种条件下模型行为差多少，或者想回归测试自己写的指令、在受控条件下观察指令遵循和 prompt 注入的鲁棒性。三种模式里 strict 最干净，把项目上下文和其他扩展注入的内容一并剥离，只留你的指令加工作目录，适合做单变量实验；append 最温和，适合当对照组。它按会话生效、不落盘、关闭时对 pi 完全无感，适合经常折腾 system prompt 的 AI 应用工程师和做提示词安全研究的人；如果你只是日常用 pi 写代码，跟你的关系不大。

麦麦省钱助手是一个基于麦当劳中国 MCP 打造的点餐成本优化 Skill，它做两件事：一是这一单怎么点最省——拉取当前门店的实时菜单和你账户里可用的优惠券，枚举单品、套餐、券组合等候选方案，用 MCP 的真实计价接口逐个算钱，输出最省钱的方案并主动劝退凑单陷阱；二是审计你白扔了多少钱——结合历史订单和券存量，告诉你哪些券快过期、积分商城哪些商品已过兑换期、客单价是否偏高。比如它能算出同样吃汉堡薯条可乐，套餐比单点便宜 13 元，也能提醒你 9 张券即将过期、面值 21.1 元不用就是纯损失。适合经常点麦当劳、想把优惠券和积分用到极致的普通消费者，以及对 MCP 与 Agent Skill 结合方式感兴趣的 AI 从业者参考；不常吃麦当劳的人关系不大。

axuse 是一个给 AI Agent 用的浏览器和电脑操作 MCP 服务器，可以接入 Codex、Claude Code、OpenCode、Cursor 等任何支持 MCP 的工具。它的核心思路是：别再让模型看截图了，直接通过 Chrome DevTools Protocol 读取 DOM 和无障碍树，把页面变成带稳定元素引用的紧凑文本快照，每次操作只返回变化部分，输入走可信通道，失败给出带重试提示的类型化错误。相比截图循环方案，它在官方基准里中位任务耗时 17 秒，约为 Codex 自带 Chrome 扩展的三分之二、browser-use 的三分之一，token 消耗减半且准确率持平。除了浏览器，它还能控制桌面应用（Windows 已验证，macOS、Linux 支持），配套的 axdroid 让 Agent 通过无障碍树操作 Android 手机，在 AndroidWorld 官方测试中 116 个任务全部完成。适合正在做 Agent 自动化、RPA、网页数据抓取或 computer use 相关开发的工程师，以及想让 Claude Code 等编程助手代为操作浏览器和桌面软件的人；纯做模型训练或后端业务的读者关系不大。

这是一个实验性项目：把一个文件系统直接编译进 Qwen3.5-2B 的权重里，模型自己就能存取文件，不需要外挂数据库或工具服务器。它在 Qwen 原有 24 层之前插入 8 层专门的 transformer，这些层的权重全部按构造设定、不经过训练，负责解析模型发出的普通工具调用（写文件、读文件、列目录、建立文件间链接、按关键词搜索等），并由模型自己生成响应。文件内容存在 attention 中，路径表和链接图存在 DeltaNet 状态里，因此读取能逐 token 精确还原，还能通过链接和反向链接形成文件图谱。这更像是一个「把 RAG 和记忆系统烧进权重」的概念验证，展示 LLM 的记忆与检索未必需要外挂组件。对做模型架构研究、关注长上下文记忆或 Agent 记忆机制的工程师和研究者有参考价值；想直接拿来用的人会失望，它目前只是实验品，和多数从业者的日常工作关系不大。

这是一套给 coding agent 用的「产品工程」技能包，装进 Claude Code、Codex、Cursor、Copilot 等工具后，agent 就不再只是写代码，而是按一套完整流程陪你从一个想法走到有付费用户：先做竞品分析和市场细分，出带原型的方案让你拍板，再拆解开发计划、分阶段交付，最后处理上线、收款和复盘。作者用它实际做出了三个上线运营的产品，案例都写在里面。它解决的麻烦是：非工程师用 agent 做产品时，常常写完代码却不知道下一步该做什么、该验证什么。适合产品经理、创始人、设计师，以及想让多个 agent 分工协作（一个规划、一个开发、一个审查）的工程师；纯写代码、不关心产品全流程的人关系不大。

这是一个把 AstrBot 和 NapCat 装进 Android 手机的运行管理器，通过单个 APK 内置 PRoot Ubuntu 环境，无需 Root 就能在本地跑起完整的 QQ 机器人服务链路。它解决的麻烦是：想自建 QQ 机器人却不想租服务器或折腾 Linux 的人，现在装一个 App 就能用，原生界面负责启停服务、看实时日志、备份恢复和在线更新，内置 WebView 直接打开两套 WebUI 完成 QQ 登录、模型接入和插件配置，还带人设库、SSH 终端、cpolar 内网穿透等扩展。典型场景是个人开发者或爱好者在手机上跑一个 7x24 的 QQ 群机器人，调用 DeepSeek 等模型自动回复消息。适合想低成本试水自托管 QQ bot、或需要随时随地管理机器人状态的个人开发者；企业级部署或纯做后端服务的人关系不大。

graphmemory 是给 AI Agent 用的长期记忆系统，核心思路是让记忆像人脑一样会积累、会降级、会过期，而不是简单存进向量库。每条事实带双时态：既能回答「当时是什么」，也能查「后来改了什么」；记忆按意义、细节、检索难度、情绪、巩固、干扰六个变量计算衰减，遗忘是降级不是删除，还内置了按内容类型自动设定的时效（临时状态 1 天、承诺 10 天、身份 3 年、不可更改事实永久），到期先隐藏再物理删除但原文账本永久保留。检索层做竞争式召回，命中还会反过来巩固记忆。底层组合 Neo4j 时序知识图谱、PostgreSQL 双时态台账和 Redis 缓存，通过 MCP server 暴露给任何支持 MCP 的代理，也自带 Web 管理台。适合正在做 Agent 记忆、长对话个性化或多轮上下文管理的工程师，尤其是被「Agent 记不住用户说过什么、旧信息污染新回答」困扰的人；如果你不涉及 Agent 应用开发，和你关系不大。

Mortar 是一个跑在终端里的 AI agent，可以类比成 Minecraft 版的 Claude Code：你用自然语言描述想建的建筑或结构，它会先读取你周围的地形、生物群系和已有建筑，规划出方案，再以半透明幽灵预览的形式投射到世界里，你走过去绕着看、确认位置和朝向后才真正放置方块，一次 /undo 就能全部还原。它还能生成 datapack，包括函数、进度、配方和战利品表，自动 reload 并修复报错；/materials 会列出建造所需的全部方块和烧炼材料，/export 则可导出为 litematic、schem 或 nbt 格式供手动搭建或分享。默认通过 Ollama 跑本地免费模型，也支持自带 Claude、GPT、Gemini 的 key。对 Minecraft 服主、模组开发者和喜欢在生存模式里搞建筑的玩家来说，它能省掉大量手敲方块和调试 datapack 的时间；如果你不玩 Minecraft，这个项目和你的工作基本无关。

MemT-1.0 是一类把「长期记忆」直接做进模型计算里的记忆基础模型，可以理解为给 LLM 装上一块随交互不断演化的原生记忆区，而不是每轮都把完整历史塞回上下文。它包含动态本地记忆和可训练的超记忆两部分，推理时无需回看原始对话，持久状态大小恒定，在 128K 历史长度下比全量 KV cache 省约 66% 存储。项目提供基于 Qwen3.6-35B-A3B 的 Nano 和基于 DeepSeek-V4-Flash 的 Flash 两个规格，并在 11 个记忆基准上取得参数化记忆方法中的前两名，还演示了把过往编码经验存进原生记忆、在长程 agentic coding 中复用的做法。适合做 Agent 应用、长对话产品或关注记忆机制与推理成本的算法工程师看；如果你只做前端、运维或不涉及长上下文的常规 LLM 调用，关系不大。

Lampline 是一个在自己电脑上构建和测试 AI 电话客服机器人的开源工具，可以理解为 Dialogflow CX 的本地化替代加测试框架。它把电话机器人写成 YAML 和 Markdown 文件，用测试用例描述「来电者说什么、机器人该走到哪一步、必须或绝不能说什么」，然后自动跑测试并给出失败原因，还能让 AI 扮演来电者给真实通话打分。它支持导入导出 Dialogflow CX 和 CX Agent Studio 的机器人，也能通过 Twilio、Telnyx 或任意 SIP 中继接真实电话，底层基于 Pipecat。对做呼叫中心、IVR、语音 Agent 的工程师来说，最大的价值是能在改动上线前用自动化测试验证对话流程，还能接入 Claude Code、Cursor 等编码 Agent 自动修复失败用例。如果你不做语音客服或电话机器人，这个项目和你关系不大。

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。

qgpu 是一个实验性项目：在 Qwen3.5-2B 的权重里直接塞进了一块 SIMT GPU——45 层编译出来的 transformer 排在 Qwen 自己 24 层之前，用 Gated DeltaNet 层的循环状态充当寄存器和显存。它不是插件也不是模拟器，模型自己逐 token 写出每次 CUDA kernel 启动的每一步，从分支、循环到 atomicAdd 和 warp shuffle 都能跑，参考解释器在 49 个测试 kernel 上与真实 NVIDIA Tesla T4 结果完全一致，而文本能力几乎不受影响。聊天时问它一个计算，它会现场编译 CUDA 到 PTX、降级成机器块，再由模型自己把每条指令的执行结果写出来，旁边还有面板实时显示 warp 调度和流水线。这更像一个展示「transformer 能当通用计算机器」的研究玩具，适合对模型内部机制、循环注意力或 AI 计算极限好奇的研究者和工程师；想实际做数值计算的人用不上它。

AgentFlux 是一个可以完全跑在自己电脑或服务器上的可视化工作流平台，把文档、数据源和大语言模型串成一条条可复用的流程，类似 n8n 或 Dify 的自托管替代品，但更强调本地数据不出机器。它内置 17 个预置步骤和 8 个模板，支持分支、撤销重做，也能让 Agent 根据一句任务描述自动生成工作流；模型侧可接 Ollama、LM Studio、vLLM 或任意 OpenAI 兼容接口，还带本地 Whisper 做语音转写。比较特别的是「视频转工作流」：录一段屏幕操作加口述讲解，它会按分钟切片分析画面和语音，自动生成可运行的流程。典型场景是定期清洗导出表格、监控文件夹变化生成报告，或把重复的文档处理固化成定时任务，结果以 JSON、CSV、Markdown 落到本地目录。适合需要自动化日常数据处理、又在意数据隐私的后端、数据或运维工程师；如果你不打算自建工作流平台，和多数人关系不大。

Tucano 是一个本地运行的多 Agent 协作桌面应用，把散落在多个终端里的 Claude Code、Codex、Cursor CLI、OpenCode 等编码 Agent 收进一个类似团队聊天软件的界面。每个 Agent 有名字、角色、工具权限和记忆，能在频道里用 @ 调度彼此：一个查 bug、一个修、一个 review，全程动作和 token 消耗都有记录。它复用你已有的订阅登录，不另收 API 费用，数据全部留在本机；涉及合并、发帖、删除等真实操作时会弹出审批，还能通过 Telegram 推到手机上确认，并支持 MCP 接入 Jira、GitHub、Slack 等工具。适合同时跑多个编码 Agent、又担心权限失控的 AI 工程师和研发负责人；只想用单个 Agent 写代码的人关系不大。

Octopus 是一个把 Agent 当作操作系统进程来跑的实验性框架，用 Rust 写了约 4.5 万行内核，Codex CLI 只是它挂载的一个接口。它和常见 Agent 的区别在于：能力不是外挂插件，而是架构里的契约，Agent 在策略允许下可以自己加工具、改触发条件、组织子任务，这些改动会跨任务保留，影响它下次注意到什么、什么时候行动。系统里有 Home 连续对话、Projects 隔离权限、Agents 用两个 JSON 定义、Tasks 可中断续跑，还能驱动文件夹、浏览器、桌面、容器等执行环境。作者自己也坦承这是 research preview，对普通编码任务它并不比 Codex CLI 强，研究问题是这种可重塑执行环境的架构能否让模型主动起来。适合关注 Agent 架构、agentic OS 方向的研究者和工程师看，日常写代码的人暂时用不上。