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。

这是一个给 DeepSeek Harness（DSH）用的插件，作用是给 AI agent 装一个「刹车」：它按轮次统计模型执行的写操作次数（改文件、写代码这类会改变世界的动作，读文件和搜索不计数），前 10 次允许通过但会提醒模型该收手了，第 11 到 14 次直接向模型注入「停下来、向用户请求确认」的指令，到第 15 次硬上限时工具调用会被拦下，等你输入 confirm 才放行整个回合。它解决的典型麻烦是：你让 agent 跑半小时去改代码，回来发现它把同一个功能重写了两遍、或者一口气改了 200 个文件烧掉一天预算。注意它不是安全沙箱，只管成本和方向，权限模式切换时也能实时跟随。主要适合在本地或服务器上跑 DSH agent、又不得不给它完整权限的开发者，尤其是担心 agent 失控烧钱或跑偏的场景。

这是一个教学用的可视化工具，把 AI Agent 聊天框背后那个「模型提议动作、框架执行、再喂回结果」的循环逐步画出来，连模型生成的每个 token 都能实时看到。它内置了简单的 harness，可以跑本地的 Gemma 4 E2B 或 Qwen3.5 小模型，也能接入 pi 这类编码 Agent 当 harness，让你对比不同模型的工具调用格式、思考 token、停止条件和采样温度差异。页面还支持给模型挂图片、音视频附件，以及一个在 Docker 沙箱里跑 Python 画图的工具。想搞清楚 function calling、ReAct 循环、人类在环确认、MTP 投机解码到底怎么运作的工程师和 AI 学习者，会从中看到比读论文更直观的机制；只想用 Agent 干活的人则不必看。

Moli OS 是一个用 Rust 写的超轻量智能家居中枢，定位类似 Home Assistant，但设计思路完全反过来：Home Assistant 是给人点界面用的，Moli OS 是给 AI Agent 用的——Claude Code、Codex 或任何 API 模型可以直接通过 MCP 接入，完成设备配置、日常操作、故障排查，甚至编写新设备驱动，而实时控制循环始终由确定性的二进制核心负责，Agent 不会直接插手。它的资源占用极低，内存只有几兆、镜像十几兆，对比 Home Assistant 动辄 2GB 的开销优势明显。内置 24 种集成（Zigbee2MQTT、Hue、Sonos、Tuya、打印机、3D 打印机等）、Svelte 仪表盘、可视化自动化编辑器和手机 App，敏感操作还设有人工确认的保护机制。适合智能家居爱好者、想探索 Agent 操控物理设备的 AI 工程师，以及需要在低配设备上跑家庭自动化的开发者；纯做模型训练或后端业务的人关系不大。

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。

daimon 是一个开源的数据科学 Agent，可以作为机器人加入你团队的 Discord、Slack 或 Microsoft Teams 工作区，在频道里直接回答数据分析问题。你在群里 @它 并抛出问题，比如「上季度销售数据里第 6 周改了定价，到底有没有效果」或「B 版本真的比 A 好吗，还是只是噪声」，它会自己写代码、跑分析、用 PyMC 拟合贝叶斯模型，然后在同一个 thread 里回复图表、一段大白话的不确定性解读，以及一个可复现结果的 marimo notebook。团队里任何人都能在同一 thread 里继续追问，上下文跨轮保留；还能设置定时任务，让每周一自动汇总周末数据并发布。它基于 Anthropic Managed Agents 构建，一次部署用一个 API key 就能服务多个社区，各租户数据和记忆完全隔离，也能接入 Notion、Linear、GitHub 等 MCP 工具。适合数据分析师、数据科学家以及需要在协作工具里做常规定量分析的团队；如果你的工作不涉及数据建模，和你关系不大。

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。

FDE Gym 是一个面向 LLM 时代的在线评测平台，可以理解为 LeetCode 式 OJ 的升级版：考的不再是写出正确代码，而是像 forward deployed engineer 那样把客户交付做完。每个案例都是一次真实客户交付——你拿到的只有一段含糊的客户诉求、一个已在运行的系统、文档和几个可以询问的客户方人员，需要自己判断真正要解决的问题、找出没写下来的规则，再指挥 coding agent 去改系统。提交后系统会在客户没展示过的流量上真实运行打分，改没改好一目了然，生产事故直接归零，占用客户人员时间也会扣分。适合想评估或练习 AI coding agent 实战能力的工程师、做 agent 评测与 benchmark 的团队，以及关心 FDE 这类岗位实际工作方式的人；只想刷算法题或找部署方案的读者关系不大。

这是一套给 AI Agent 用户准备的「账号被锁后还能继续干活」的应急资料包，本质是一组模板加一个纯本地的网页工作表，帮你把 AI Agent 用到的账号、凭证、配置和恢复流程登记造册。它明确不是密码管理器，也不存任何真实密钥，只记录元数据：哪些凭证存在、归谁管、在哪用、多久轮换一次，再配上入职离职清单、业务连续性预案和事故报告范例。比如你把日常运营都托付给某个 AI Agent，某天它被封号或服务商宕机，你可以照着手册独立找回所有账号的控制权，而不必依赖 Agent 本身。适合那些已经在用 AI Agent 承担实际业务、担心供应商锁定或账号风险的运营者和安全负责人看；如果你只是调 API 写代码，和你关系不大。

这是一个基于麦当劳中国 MCP 的点餐前体检工具，主打「下单前 30 秒算清热量、复购与券浪费」。它会读取你准备点的餐品，结合营养数据估算这一餐的热量，判断你最近是否在重复点同一家店的同款，并提醒你手里的优惠券是否被浪费——比如为了凑单多花的钱其实比不用券还贵。适合那些既想控制饮食、又不想被麦当劳的营销套路牵着走的上班族：中午打开点餐页犹豫不决时，让它快速给个参考，比自己翻营养表和算券规则省事得多。对多数互联网从业者来说，这更多是个有趣的生活小工具，和工作关系不大；但如果你在做 MCP 生态或 AI Agent 应用，看看它怎么把 MCP 工具串成一个有实际消费决策价值的场景，倒是有参考意义。

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。

omni2api 是一个把「任何能在终端里跑的东西」包装成 OpenAI 兼容 API 的反向代理，用 Rust 写的。它在服务器里留一个「座位」，平时这个位置该放模型，现在可以放一个 AI agent、一段脚本，甚至一个人；调用方拿到标准的 base URL、API key 和模型名，完全感觉不到对面不是真模型。它解决的麻烦是：你手头有个能干活的 agent（比如 Claude Code 或自写脚本），但想让别的工具——IDE、桌面应用、任意 LLM 客户端——像调 GPT 一样调它，不用自己写适配层。工具调用是真透传的，调用方沙箱执行命令后结果会回流给座位上的 agent，还支持多路并发对话、图片文件、语音和 Realtime。适合正在搭 AI 工作流、想把内部 agent 复用成标准服务的后端和平台工程师；如果你只是调用现成大模型 API，跟你的关系不大。

这是一个把你的家扫描成实时 3D 模型、并把它变成电视主屏幕的个人项目。用 iPhone 的 LiDAR 扫一遍房间，生成低多边形的「娃娃屋」模型，然后接到 Google TV 上当桌面：没有广告和推荐流，取而代之的是你家的 3D 视图，灯具和设备直接嵌进去——用遥控器开一盏灯，现实和 3D 里同时亮起；坐在 3D 沙发上环视，看一眼就能切换对应的灯。它通过 Home Assistant 和 Philips Hue 把 Tuya、Zigbee 等设备统一成一个实时 API，同一套家还能在 iPhone 和 macOS 菜单栏里看。项目的核心其实是一份「AI agent 施工手册」加参考实现，设计上就是让 AI 编码代理照着分阶段做完，每步有明确验收标准和踩坑记录。适合智能家居极客、想玩 AI agent 驱动开发的工程师，以及有 Google TV + Hue + Home Assistant 环境、愿意自己动手改造的人；只用 Apple TV 或三星 LG 的用户关系不大。

这是一个把闲置 QQ 小号变成「AI 群友」的机器人，通过 OneBot v11 协议（实际配合 NapCat）接入 QQ，背后可接任意 OpenAI 兼容模型，比如本机模型、DeepSeek、智谱 GLM、通义 Qwen。它和常见的指令式机器人不同，目标是像真人一样参与群聊：被 @ 或点名时回应，平时按概率主动插话、接住群里的梗和梗的上下文，记得群友和长期玩笑，到了睡觉时段或话题冷场就自然潜水，消息还会拆条、按人类节奏发送。它自带一个零构建的本地网页控制台，可以启停机器人、切换模型、编辑人设、管理记忆与扩展、查看日志和用量。适合想在自己的 QQ 群里放一个「会看气氛的 AI 群友」的个人开发者、群主，或想低成本试验 LLM 对话人设与群聊交互设计的 AI 从业者；如果你不玩 QQ 或不需要群聊机器人，和你关系不大。

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。

chord-cli 是一个把多个 coding agent 组成集群协同干活的命令行工具，可以理解为 Claude Code、Codex CLI 这类编码 Agent 的「多人协作调度器」。它让 N 个 Agent 在同一个仓库里各自占用一个 git worktree 并行开发，通过一块共享的文件认领板避免互相踩脚：谁要改某个文件得先登记，别人持有就得先发消息询问，未认领的写入会被 hook 直接拦下。Agent 之间还能异步发消息，空闲的会被唤醒，任务完成后一步完成 rebase 并快进 main，冲突时自动回退并让 Agent 自己解决。在 CooperBench 上，两个 Agent 各领一个 feature 的协作模式在弱模型上比单 Agent 高出 20 多个百分点。适合已经在用 Claude Code、Codex CLI 等工具、想让多个 Agent 并行推进不同功能模块的开发者，以及关注多 Agent 协作机制的人；只做单人单 Agent 开发的读者关系不大。

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。

这是一套面向 AI Agent 的合规工作技能库，把资深 GRC（治理、风险与合规）从业者做各类合规事务的方法写成了 65 份 SKILL.md，Claude Code、Codex、Cursor 等支持该格式的 Agent 都能直接读取使用。它覆盖 ISO 27001、SOC 2、GDPR、EU AI Act、DORA、NIS 2 等框架下的常见工作：差距评估、适用性声明、风险登记册、审计准备与应对、证据整理、供应商管理、隐私文档、AI 系统盘点、事件响应等，Agent 负责起草、搜集和交叉核对，而范围界定、风险接受、最终签字等判断明确交还给人。比如让 Agent 读取你手头的合规材料，它能盘点现状、挑出最该补的 10 项技能并写出 30 天整改计划。适合安全合规负责人、隐私专员、内审人员，以及需要准备 ISO 27001 或 SOC 2 审计的创业公司技术负责人；纯开发岗位关系不大。

ForgeAX Engine 是一个把 AI agent 当作第一用户的 TypeScript 游戏引擎，可以理解为「专为 AI 编程助手设计的轻量 Unity」：用 WebGPU 做渲染，内置 ECS 架构、Rapier 物理和程序化资产生成，配套 CLI 工作流，让 Claude Code、Cursor 等工具能直接创建、运行、检查和打包游戏。它的核心卖点是「AI 能效」——通过可录制重放的渲染帧调试、活实体查询、结构化错误信息等机制，让 AI 用更少上下文和更少试错完成经过验证的开发工作，官方已用它做出了机甲动作、ARPG、竞速等 3D 小游戏，并支持微信小游戏、Steam、Switch 等多平台发布。值得看的是两类人：想用 AI 辅助做独立游戏或小游戏的开发者，以及在评估「AI 能否真正接管游戏开发流程」的技术负责人。如果你不碰游戏开发，这个项目和你关系不大。

CicaTavern 是一个跑在自己设备上的 AI 角色扮演客户端，可以理解为 SillyTavern 的 Agent 化替代品：导入你已有的角色卡、世界书和预设，接上自己的模型 API（DeepSeek、Claude、OpenAI、Ollama 等）就能玩。它把提示词按缓存友好方式组织，长对话里每轮大部分内容按更便宜的缓存价计费且响应更快，右侧面板会实时显示命中率和花费；上下文压缩后丢失的细节会写进记忆书，剧情再提及时自动召回，且不破坏缓存。此外它支持一键配图、旁白与对白分声线朗读、视觉小说式演出界面，角色的脸和服装保持一致，还有一个逐步提问帮你写完角色卡的引导式创作者。适合重度 LLM 角色扮演和网文互动写作的玩家，以及想降低长对话 API 成本的开发者参考其缓存与记忆设计；普通从业者关系不大。

neatroots 是一个跑在本机的 AI Agent 调试与观测工具，可以理解为给你的 Agent 装了一套本地版的「黑匣子 + 回放器」。它接收 Agent 通过 Neatlogs SDK 或 OpenTelemetry 发出的运行轨迹，用代码规则和决策模型自动检查每次运行——比如工具调用陷入死循环、连续报错、密钥泄露、空跑等——并给出出错原因和修复建议。界面上一次运行可以用聊天视图、Trace 树、时间线、会话四种方式查看，还能搜索历史运行、修改消息或模型后重放单次 LLM 调用甚至整轮 Agent。它通过 MCP 把这些能力交给 Claude Code、Codex、Cursor 等编程 Agent，让它们直接读取报错证据、改代码、重放验证，形成「跑一次、查问题、修代码、再回放」的闭环。数据默认留在本地，云端同步需手动开启。适合正在开发自定义 AI Agent、需要排查 Agent 行为异常的工程师，尤其是日常配合 Claude Code 等编程助手调试 Agent 的人；如果你不写 Agent，关系不大。

Murmur 是给 Hermes Agent 做的一层图形界面，让跑在自己硬件上的开源 AI agent 变成普通用户也能用的产品：不用碰终端和配置文件，打开浏览器或桌面客户端就能和它聊天。它能创建多个带不同人格的 agent，从 Researcher、Writer、Coder 等模板起步，接入 Notion、Linear、Todoist、Figma 等几十个应用，还能通过 WhatsApp、Telegram 或手机网页随时找到它们；多个 agent 可以放进同一个房间协作，用 @ 单独点名，涉及删除文件等敏感操作时会先用大白话征求同意。模型侧支持 ChatGPT 订阅、Ollama、OpenRouter、OpenAI、Anthropic 等，可随时切换。适合想在本地或私有服务器上长期跑个人 agent、又不想折腾命令行的产品经理、独立开发者和 AI 爱好者；如果你只用云端 ChatGPT，或不打算自托管 agent，这项目和你关系不大。

这是一个把 AI 团队做成 3D 虚拟办公室的营销自动化工具：你在浏览器里看到文案、SEO、设计、视频等角色的虚拟形象在工位上干活，协调员会走过去派任务、把结果送到你面前。它基于 Claude Code 和你自己的 Claude 订阅运行，内置 Kanban 任务流（待处理→进行中→待审批→修改→完成），所有产出必须经你批准才发布，还支持 Telegram 语音派单、群聊 @协作，以及本地视频剪辑（Whisper 转写、去静音、字幕）。适合需要持续产出社交媒体文案、落地页、SEO 文章和营销素材的小企业主、独立营销人和自由职业者——尤其是想用 AI 组建一支「营销小队」又不想自己写脚本编排的人；纯技术岗或不涉及营销内容生产的人关系不大。

Sparky 是一个完全跑在本地 Windows 电脑上的私人 AI 助手，可以理解为把 ChatGPT、ComfyUI、Whisper 和一个本地 RAG 知识库打包成一个桌面应用，数据默认不离开你的机器。它能聊天、看图、给文档（PDF、Office、代码）建索引并带编号引用地回答问题、联网搜索（默认关闭）、生成图片和带同步音轨的视频、离线语音听写与朗读，还能在聊天旁边实时写代码和多文件项目并预览。更进一步的是 Computer mode，它能浏览文件夹、截图、读写文件、执行 PowerShell，安全等级由你逐会话设定，敏感操作会弹审批卡片；也支持接入 MCP 工具和定时任务。适合对隐私敏感、想在无网或内网环境用大模型的个人开发者、研究者和办公用户，以及想本地跑 LLM 做 RAG、图像视频生成的 AI 爱好者；如果你只用云端服务、不关心数据出境，那它和你关系不大。

这是一个把 Claude Code 变成像素风小游戏的桌面工具：你向项目经理 Max 提需求，他会派出若干 Claude Code 子 agent 分头干活，每个机器人坐在自己的工位上，气泡里实时显示它此刻在做什么——不是动画，而是真正在你电脑上运行的 agent。典型场景包括竞品调研（一个 agent 对手一个）、每周 AI 资讯汇总、写 LinkedIn 帖子、生成落地页，产出的文件和网站都能在界面里直接查看。它还提供任务回放、团队档案、日夜切换等游戏化细节，敏感操作会先向你请示，agent 被限制在任务目录内工作。适合想用 Claude Code 跑多 agent 协作、又希望过程可视化更直观的开发者和独立创业者；如果你不常用 Claude Code，关系不大。