Pojun（破军）是一套用 LLM 多 Agent 自主推进的渗透测试与红队平台：你给出一句话目标，它自动完成目标拆解、侦察、漏洞挖掘、利用、后渗透到生成报告的全流程，人可以随时插手纠偏。它不只是跑扫描，还内置了漏洞情报运营——按时间流聚合 NVD、CISA KEV、GitHub Advisory 和 PoC，把近期高危漏洞自动匹配到你的资产指纹上；后渗透阶段提供回连接收器和三种 C2 出口形态，全程流量过 MITM 留痕，最后产出带封面、目录、证据截图和修复路线图的 Word 级报告，方便直接交付 SRC 或甲方。适合安全服务公司的渗透测试工程师、甲方红队与 SRC 白帽，以及想用 AI 提效的攻防团队；如果你不做安全，这个项目和你关系不大。

toolism 是一个专门给 LLM 工具定义 JSON Schema「瘦身」的命令行工具。你给模型的每个工具（OpenAI function、Anthropic tool、MCP server tool）都会随每次请求发送，而 Pydantic、FastMCP、zod-to-json-schema 这类生成器会塞进大量冗余内容：重复属性名的 title、可选字段的 anyOf 包装、default: null、无用的 $defs 等。toolism 能测量这些 schema 到底花掉多少 token，然后在不改变任何合法工具调用的前提下删掉冗余，并用等价性检查证明结果安全。在 13 个热门 MCP server 的 159 个工具上，默认规则平均砍掉 37.4% 的工具定义 token，Notion 甚至省了 73%。它还提供 CI 门禁，把 token 预算锁在基线水平，防止成本悄悄回涨。适合维护 MCP server、做 Agent 应用或负责 LLM 推理成本的工程师——如果你的工具定义是手写的精简 schema，那它能省的就很少，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。

Delta MCP 是一个夹在你的 AI 应用（Claude Code、Cursor、Gemini CLI 等）和各种 MCP server 之间的代理层，让 AI 调用工具时更可控、更省 token。它对每个任务先做检查，改动要么全部生效要么全部不生效，执行后会从服务端读回实际变化并记录前后对比，出问题可以一键撤销，且会明确告诉你哪些操作无法回滚（比如已发出的消息）。它还支持定时任务，比如每天分析 Grafana 日志发报告、每周五关闭已完成工单，简单任务不需要 AI 参与，需要分析时才让模型介入。官方称多步任务能省下数倍 token。目前尚未正式发布，仅提供下载预告。对日常依赖 MCP 工具、担心 AI 误操作或想降低 token 成本的 AI 应用开发者、Agent 工作流搭建者值得留意；只做纯模型训练或不碰 MCP 的人关系不大。

Hermes Deck 是给 Hermes Agent 用的桌面管理端，可以理解成你本机上跑的多个 AI Agent 的统一控制台：一个窗口里就能和各个 agent 聊天，实时看到它们在想什么、调用了哪个工具、有没有派出子 agent，随时插话、改方向或直接叫停。它通过插件连上你已有的 Hermes 实例（SSH、WSL 或本地均可），还提供一个可选的 relay，让你在主机侧看到全部 agent 的活动、token 消耗和订阅额度，并把 agent 的浏览器画面或某个桌面窗口交给你实时观看、随时接管。所有 agent 的审批请求和提问会汇总到一个收件箱，避免漏掉需要你拍板的时刻。适合已经在用 Hermes Agent、同时跑多个 agent 或多个 profile 的开发者和 AI 工程师，尤其是想把 agent 从纯命令行搬到图形界面、需要监控用量和风险操作的人；如果你根本没用过 Hermes，这个项目和你关系不大。

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 Hermes Agent 的一个上下文压缩插件，解决长对话里上下文爆掉的问题。Agent 跑久了历史会撑爆上下文窗口，需要定期把旧对话压缩成摘要，但传统做法要让模型重新读一遍全部历史，又慢又贵。这个插件的做法是把最后一次请求原样重发，让服务端复用 prompt 缓存，只读新增的那部分，所以压缩速度快很多。压缩后的交接摘要按固定结构组织，比如目标、当前状态、关键事实、下一步，另外还会由代码自动生成一份工作台账，记录跑过的命令及退出码、被改动过的文件，方便下一个请求快速接上。如果缓存请求失败，会退回普通模型摘要，再不行就只保留台账，防止小模型把上下文越撑越大。适合在 Hermes Agent 上做长任务 Agent、需要频繁自动压缩上下文的开发者，以及关心 prompt caching 提速效果的人；不直接用 Hermes Agent 的人关系不大。

Morrow 是一个本地运行的求职工作台加自动投递引擎，可以理解为「帮你自动海投的求职管家」。它每天跑一遍完整流程：先按你的简历和目标岗位定制简历，再用浏览器自动登录 Naukri、Wellfound、Instahyre、Hirist 等招聘平台和公司官网投递，同时检查各平台资料是否完整、有没有待答的招聘方问卷，并生成一份面试学习计划。所有操作只有在页面上确认成功后才记为完成，每次投递保存的简历版本、结果和链接都会写进本地数据库和日报，数据不出你的机器。它依赖你已装好的 AI 命令行工具（Claude Code 或 Kiro）来生成回答，遇到不知道的问题会放进待办收件箱让你确认，而不是瞎编。适合正在海投、需要同时维护多个招聘平台资料的求职者，尤其是印度市场的程序员；如果你不找工作，这个项目和你关系不大。

Rust off Rails 不是一个传统意义上的代码库，而是一套写给 AI 编码代理看的 Markdown 约定加一份可直接复制的 Rust 全栈应用模板，目标是把 Ruby on Rails 的「约定优于配置」和 Phoenix 的实时能力搬到 Rust 生态里。它不给你隐藏的框架代码，而是让 Claude Code 这类代理照着约定了 Axum、SeaORM、htmx、Tailwind 这一套固定技术栈，从建项目、生成资源到任务队列、邮件、认证、Presence 都有现成配方，人只负责写需求和验收。实际场景比如你想让 AI 从零搭一个带账号体系和后台任务的 Rust Web 应用，不用再纠结选哪个 crate、目录怎么放、错误怎么处理，代理按文档执行即可。适合正在用 AI 编程工具做全栈开发、又想要 Rails 式强约束来减少代理发挥空间的工程师；如果你不用 AI 写代码，或本来就在用 Rails/Phoenix，参考价值有限。

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。

Thermite 是一个让 AI agent 自动跑实验的框架，把「改代码、测指标、留优汰劣」这个工程循环交给 agent 整夜整夜地跑。你只需设定一个目标数字——比如每秒 token 数、准确率、延迟、内存或 benchmark 分数——外加一组必须通过的检查，它就自己去试各种想法。它最核心的设计是防作弊：agent 只负责提方案，一个 agent 看不到也改不了的独立 judge 会重新构建、在同硬件上和当前最优版本对比、验证输出正确性，只有经得起复测的改动才被保留为新的 champion。它支持三种模式：Hill climb 持续推高某个指标、Goal 完成一组验收条件（如移植库到新平台）、Research 回答问题并逐字核对引用来源。所有 campaign 在一个带 REST API 和 MCP 的面板上统一查看和调度，最终结果可导出为 patch。适合做性能优化、模型推理调优、跨平台移植等需要大量试错的工程师，以及想让 coding agent 长时间自主攻关的团队；项目仍在快速迭代中。

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。

这是一个 AI agent 数据接口的大合集目录，收录了 2,070 个可直接调用的 API，涵盖 MCP servers、LLM 工具、RAG 管道、实时网页数据、视觉与语音模型等，底层大多封装自 Apify 上现成的爬虫和数据任务。简单说，它解决的是「agent 拿不到实时外部数据」的麻烦：比如你想让 Claude 或 Codex 直接查网页、把任意网站变成可检索的知识库、或者给 agent 装上浏览器去读页面内容，这里都有现成的可调用单元，输入输出格式统一，通过 Apify 的 MCP server 就能被 MCP 兼容的 agent 发现并调用，省去自己写集成代码的功夫。适合正在搭建 AI agent、需要给它接外部工具和实时数据的后端与算法工程师，以及做 RAG 应用、想快速给 agent 加视觉或语音能力的人；如果你不碰 agent 开发，这个目录和你关系不大。注意仓库内含 Apify 推广链接，且多数 API 是按次计费的付费服务。

Orbs 是一个跑在你自己 Mac 上的私人机器人平台，可以理解为「自托管版的群聊 AI 助手」：本地一个守护进程承载每个 bot，你在网页、iPhone 或 macOS 菜单栏应用里和它们聊天，关掉应用后 bot 依然在后台继续干活。每个 bot 基于 Pi agent，有独立的对话、记忆、工具和技能，可接入 Claude、OpenAI Codex、Grok 等模型，还能互相发消息协作（最多三层传递）并派生子 agent。它支持定时任务、生成文档图表、附件问答、加密保存 API key，以及只读/询问/自动/全权四档权限控制。适合想把 AI 助手长期跑在本地、又不想经过任何云服务的个人开发者和 AI 从业者，尤其是已经在用 Pi 或想搭多 agent 工作流的人；普通用户和纯后端岗位关系不大。注意它不是沙箱，bot 以你的用户身份执行工具。