CleanYourTV 是一个通过 Wi-Fi 给 Android TV、Google TV 瘦身的工具，思路类似手机圈的 debloat：打开电视的 USB 调试，用电脑连上去，把厂商预装的遥测、广告推送、内容推荐位和各种预置应用逐个禁用（只是停用，不真卸载，随时可一键恢复），再装上一个体积很小、界面接近 Apple TV 的极简桌面替换掉原来满是广告的首页。它覆盖 433 个电视型号、114 个品牌，包括 Sony Bravia、TCL、小米等，整个过程不需要 root、不需要数据线。对普通用户来说，最直接的收益是家里那台越用越卡、首页全是推荐广告的智能电视终于能清爽了；如果你是做 Android TV 应用或系统定制的开发者，也可以参考它对各品牌预装包的处理方式。和多数 AI 从业者关系不大，但家里有台被广告绑架的安卓电视的话值得试。

这是一个用 Python 写的自动化脚本，目标是让批量 Google 账号零成本薅到两年的 Google AI Pro（5TB 存储）订阅。它会驱动 Chrome 自动登录账号、通过辅助邮箱或 2FA 验证，然后在结账时反复叠加多层免费优惠包，把 12 个月逐步堆到 24 个月封顶，最后自动取消续订并截图留证。脚本内置了 0 元消费保护，只有确认金额为 US$0.00 才会点订阅，同时要求你填入自己的 Visa/Mastercard 外币卡和美区代理。说白了，这是给想批量囤 Google AI Pro 权益的羊毛党准备的工具，需要 Windows、Chrome 和美区网络环境。对普通从业者来说它和日常工作关系不大，除非你正好想低成本批量拿到 Gemini 相关的 Pro 权益；但批量注册账号、自动绑卡这类操作本身有违反 Google 服务条款的风险，使用前需要自行评估账号被封的代价。

DeepInfer 是 DeepSeek 官方开源的高性能推理框架，也就是支撑 DeepSeek 线上大规模生产服务的那套推理引擎，目前支持 DeepSeek-V4.1-Flash 模型的离线推理。它把 FlashMLA、DeepGEMM、DeepEP 等自研算子和 MoE 专家并行、EPLB 负载均衡、投机采样、异步调度等生产级优化打包在一起，还提供确定性采样和结构化输出（按 JSON schema 或正则约束生成），保证不同 batch 组成下结果一致。适合需要在自有集群上高吞吐部署 DeepSeek 模型的团队，比如做推理服务的算法工程师、负责 GPU 集群利用率的 infra 工程师，以及需要复现 DeepSeek 官方性能基线做选型对比的人。注意它只开源了推理核心，KV cache 系统、Prefill/Decode 分离和负载均衡等完整服务组件并未包含，纯做应用层开发或轻量调用 API 的读者关系不大。

Harness² 是 Google Research 开源的 Agent harness 自优化框架。所谓 harness，就是模型外面那层让它能干活的系统——提示词、工具、记忆、子 Agent、技能等，Harness² 把这些拆成八个可编辑组件，在不改模型权重的前提下自动改进它们。它解决的是开放世界问题：Agent 遇到设计时没见过的任务怎么办？框架用「提出—探测—组合」三步，先生成几版 harness 改动，在同一任务上跑出行为差异，再据此合成更优版本，全程不需要标准答案；同时把每次学到的经验沉淀下来，指导下一次优化。在 JobBench、LAB、WorkBuddy-Bench 三个职业类基准上，单步优化就能让 GLM-5、Gemini 3.5 Flash 相对基础 harness 提升最多 11.8 个百分点。值得看的是做 Agent 应用、Agent 评测或 prompt 工程的工程师，尤其是需要让 Agent 稳定完成法律、办公、代码等专业任务的团队；只做模型训练或纯后端开发的人关系不大。

RUN（润）是一份面向中文读者的海外移居手册，把欧洲 36 国加美加澳日韩新等地的 110 多条移民路线整理成结构化文档，覆盖数字游民、欧盟蓝卡、技术工作、留学转工、创业自雇、被动收入、投资居留等类型。每个国家页给出关键数字（收入门槛、永居年限、税率）、流程图、材料清单，以及生活成本、房租、安全、平均工资等生活档案，还带横向对比表，方便你按预算和身份目标筛选。它特别强调时效性——2025 至 2026 年大量路线关闭或改规则，网上旧攻略已失效，手册会跟进英国永居、加拿大 Express Entry 等最新变动。适合正在考虑数字游民、技术出海或为家人规划备选身份的互联网和 AI 从业者快速摸清选项；只是随便看看、暂无移居打算的人关系不大。注意它仅供参考，不构成法律或移民建议。

nxnative 把任天堂 Switch 游戏直接跑在 iPhone、iPad 和 Mac 上，但它的思路和 Yuzu、Ryujinx 那类模拟器完全不同：不做指令翻译，而是重写游戏的 NSO 可执行文件，用一个 Horizon 系统的高层模拟宿主承接系统调用，再把 Switch 的 NVN 图形调用翻译成 Metal，让游戏代码原生跑在 Apple 芯片上。你提供自己 dump 的 NSP 和 prod.keys，一个脚本就能打包成可侧载的 IPA；Switch 2 游戏则从 .nup 文件或游戏文件夹构建，目前只在 Mac 上验证过，已支持 Mario Kart World、Donkey Kong Bananza 等多款，部分游戏甚至能跑到 60 帧。硬件门槛不低：需要 A17 Pro 或 M1 以上芯片，因为要读 BC 压缩纹理。对普通从业者来说这更像一个技术奇观而非生产力工具，但如果你关注主机系统模拟、图形 API 转译或 Apple 平台底层性能，它值得花十分钟看看 README 里的架构思路。

这是一个帮国产安卓手机去广告的桌面工具，通过 adb 连接手机，自动关掉系统广告、下拉搜索热榜、负一屏资讯、应用商店推广位和各类营销推送，覆盖 ColorOS、HyperOS、MagicOS、OriginOS 等系统。它不 root、不解锁、不卸载系统应用，只拨系统和 App 自带的开关，挂起广告组件前会征求同意且一条命令可还原，搜索、天气预警、快递提醒等功能保留。项目提供四种用法：桌面客户端点几下按钮、让 AI 智能体读仓库文档自动执行、用聊天 AI 带着你一步步点、或照手动清单自己关，营销通知按渠道勾选，订单和更新通知不受影响。机型脚本按具体型号和系统版本维护，覆盖一加、OPPO、荣耀、魅族等多款真机并标注验证状态。适合被国产 ROM 广告和营销推送骚扰的普通用户，以及想研究 adb 自动化操作手机、或评估 AI 智能体执行真实任务能力的开发者；原生鸿蒙暂不支持。

Zero-Breach-Toolkit 是一款免费开源的间谍软件痕迹检测工具，可以类比成「手机和电脑的体检报告」，专门排查 Pegasus、Predator、Graphite、Candiru 等商业间谍软件留下的痕迹。它能在 Windows、Mac、Linux 电脑上直接双击运行，也能连接检查 Android 手机和 iPhone 备份，全程只读、扫描时不联网，不会上传任何数据，报告还会明确写出证据强度和未能检查的部分，不会把「没查到」包装成「绝对安全」。它主要面向记者、人权活动人士、公益组织成员等可能被定向监控的人群，以及为这类客户提供安全服务的数字安全顾问；如果你只是普通开发者或 AI 从业者，日常用不到它，但若身边有高风险岗位的朋友，可以转告他们先找 Access Now 或 Amnesty International 的专家求助，再考虑用这个工具自查。

这是一套对齐中国课标和人教版教材的 K12 知识图谱，覆盖小学到高中的数学、三年级到高中的英语，以及初中和高中物理，共 1644 个知识点、2403 条先修边和 6723 道题。它把「学好二次函数需要先掌握哪些内容」这类依赖关系显式建模：学生答错一道题，系统会沿先修边从高中一路回溯到具体的小学知识点，定位真正的薄弱环节，这就是它附带的自适应前置诊断。比如高一学生配方法总出错，诊断可能追到小学的乘法公式没吃透。对做教育产品、自适应学习、智能题库或学习路径推荐的团队来说，这是难得的结构化中文教育数据，省去自己从零梳理课标的功夫；做 AI 辅导 Agent 的人也能拿它当知识底座。注意先修关系和题库仍需一线教师审核，且商业使用需单独授权，纯个人学习教学研究可免费用。与多数互联网从业者关系不大。

这是一套给 Claude 用的 11 个日内交易技能包，用纯 Python 读取 Yahoo Finance、SEC EDGAR、美国众议院公开数据等免费数据源，帮你在真金白银入场前把整套交易流程跑一遍。它能扫描全市场几千只股票找突破、旗形等形态，盯自选股的突发新闻和财报摘要，逐根 K 线提示入场时机、提前设定止损和目标位，还会按你的预算和单笔最大亏损给仓位定大小、拦截超限订单，甚至追踪 Nancy Pelosi 等国会议员的股票申报。最特别的是 Time Machine：在你下单前，用该股近期 K 线模拟一万次当日走势、并回放历史上同形态出现后的真实结果，给出诚实的胜率。所有下单默认模拟盘，且必须经风控检查加你本人确认才会执行。适合做美股日内交易、想用 AI 辅助决策的个人交易者和量化爱好者；不碰交易的从业者基本用不上，且它明确声明不构成投资建议。

AnyModelBot 是一个开源、本地优先的个人 AI 智能体应用，可以理解为 Grok Bot、OpenAI dots、Claude Duet 的开源替代品：装在自己电脑或服务器上，一个机器人对应一个人设，带默认模型、工作区和长期记忆。它通过一个 Modelflare 账号接入 GPT、Claude、Gemini、Grok、DeepSeek、Kimi、GLM 等 70 多个模型，也支持直连各家官方 API，按量付费不绑定订阅。除了在桌面应用里聊天，你还能在微信、飞书、Telegram 等 IM 里直接找它，让它在后台跑定时任务、读写文件、执行命令、操作桌面，越出工作区时会先征求你的同意；对话、记忆和密钥都留在本地。适合想搭个人自动化助手、又在意数据隐私的开发者和重度 AI 用户，普通只用聊天网页的人关系不大。

Pika H3 Flex 是 Pika 官方开源的视频生成模型推理代码，可以理解为 Runway、可灵这类视频生成产品的自托管版本：输入文字或参考图，直接产出带同步音轨的视频。它的特点是速度快、可控性强，六步采样即可出片，最多支持 12 个参考输入，能通过参考图和提示词指挥镜头运动、角色动作和分镜走向，本地推理可生成 480p/768p 视频并带立体声，更高分辨率和音频分轨则走 Pika 的托管 API。典型场景包括多镜头叙事短片、动态图形、产品宣传片和参考引导的动画制作，比如用一组参考图让角色在不同分镜里保持一致。值得看的是视频创作者、广告和动效团队里负责 AI 出片流程的人，以及想在自己服务器上批量跑视频生成的算法工程师；如果你不碰视频生成，这个项目和你关系不大。

这是 Theo（t3dotgg）日常在 Claude Code 和 Codex 里使用的一套 agent skills 合集，本质是给 AI 编程助手预设的「工作流剧本」。比如 full-send 一句指令就能让 agent 自己验证改动、审查、提交 PR、盯 CI、处理 review 意见直到合并；council 会拉三个不同厂商的模型交叉评审同一改动，反复循环直到意见一致；babysit 则专门盯住 PR 的 CI 和机器人审查，把真正的问题修掉；takeover 能接手别人没写完的 PR 或 agent 会话并保留原作者署名。这些 skill 之间还能互相调用，形成从写码到合并的完整自动化链路。适合已经在用 Claude Code、Codex 这类 agent 工具做日常开发、想减少 PR 流程中机械劳动的工程师，尤其是频繁提 PR、盯 CI、做 code review 的后端和全栈岗位；如果你不用 AI 编程助手，或不涉及 GitHub 协作流程，关系不大。

rea-video 是一个把短视频逐镜头拆解的分析工具，能判断每条片子是实拍、AI 生成、数字人、3D 渲染还是代码动效，并反推出它是怎么做的。比如一条带货视频，它会告诉你用了几个机位、什么布光方案、字幕花字的起止时间和样式、配音是真人还是 AI、配乐多少 BPM；一条 AI 视频则会给出每镜反推的提示词、合并成几次生成、该用哪个模型。拆完还能输出复刻方案，配合它的下游项目把运镜、节奏、转场照着原片重做一遍，只替换你指定的元素。它还带 AIGC 检测能力，靠帧率规律、噪点、文件标识等硬证据判断真伪，准确率在官方评测里接近 99%。适合短视频编导、AIGC 内容创作者、做视频生成或 AIGC 检测方向的算法工程师，以及想拆解爆款视频结构的产品和运营；如果你完全不碰短视频，关系不大。

Stashcard 是一个在终端里给 Steam 账号库存估价的工具，可以理解为「Steam 库存的记账本加晒图卡」：贴入一个 profile，它会扫描 CS2、Dota 2、TF2、Rust 等游戏的库存，同时抓取 Steam 市场和各大现金交易平台的价格，最后生成一张可直接发社交平台的 PNG 卡片，样式包括成绩单、游戏卡、库存图标墙、小票、市场比价表以及「今昔对比」和「两个账号对比」。它的每个数字都标注了报价来源和时间窗口，明确区分钱包余额和现金，查不到价的物品不会被当作零计入，数据缺失也会在卡片上注明。适合两类人：一是想知道自己 Steam 库存值多少钱、打算出货的玩家，可以用它比较各平台到手价、找出最划算的出售渠道；二是做 Steam 相关数据、饰品行情内容的开发者，卡片自带可离线复核的数据文件。对不碰 Steam 饰品的从业者来说，这个项目基本无关。

leanrea 是一份仅 8 KB 的 skill 文件，用来替代 REA（Reverse Engineer Anything）这类逆向分析工具集。REA 会在你的 Agent 和 asar、otool、nm、jadx、apktool、Ghidra、tshark、binwalk 等命令行工具之间加一层 MCP，注册 207 个工具；leanrea 直接去掉这层，只告诉 Agent 针对每类目标该用哪条命令最快、给出可直接粘贴的侦察指令和常见坑，让 Agent 自己跑原生工具。作者用 Claude Code 跑了四类逆向任务（Electron 应用 IPC 追踪、原生 .node 模块导出清单、剥离的 Go 二进制依赖识别、从反汇编推断 socket 协议），对比显示它比 REA 快 38%、省 35% 成本、token 消耗少 60%，准确率持平。适合做安全研究、逆向分析或经常让 Claude Code 处理二进制与打包产物的工程师；如果你不碰逆向场景，和多数人关系不大。

TokenEconomizer 是微软研究院和 UC Berkeley 联合推出的 Claude Code、Codex、GitHub Copilot CLI 等编码 Agent 插件，作用是给已经在跑的 Agent 省钱，不改 Agent 本身。它从你在同一仓库的历史会话里学习：把反复踩到的坑（比如必须先跑的构建步骤、这个仓库里能用的命令写法）沉淀成 Micro-skills，下次会话开场直接告诉 Agent，避免每次重新摸索；把长期没被调用的工具从请求里剔除，减少每轮都在发送的工具定义开销；当某一轮反复撞同一个错误时，用一个判断模型介入并给出转向提示，防止死循环烧钱。论文在 SWE-Bench 上测得平均成本降低 18.4%–30.9%，且多数组合下任务通过率不降反升。经常用 AI 编码助手在固定仓库里干活、又在意 API 账单的开发者值得看；如果你只是偶尔用一次 Agent，或者不负责控制 AI 编码成本，和你关系不大。

sapper 是一套多智能体编排框架，把多个 AI 组成一支分工协作的「军团」：一个 AI 指挥官读全局、做决策、派任务，将军和士兵并行进攻，另有看门狗负责保活，所有经验沉淀进分层的事实-意图图，个体挂了图还在。它不绑定任何模型或 CLI，指挥官、士兵、侦察兵可以各自换用 Claude Code、Codex、DeepSeek 等不同 agent 和模型。该项目专为腾讯智能攻防挑战赛这类 CTF 竞赛设计，曾在 634 支队伍、8 小时无人值守的比赛中夺冠；其通用底座 nvwabase 已独立开源，可复用于办公、科研、工程等任何长周期多智能体协作场景。适合关注 Agent 编排机制、多智能体记忆与自愈机制的 AI 应用和平台工程师，以及想把长任务拆给多个 AI 并行推进的从业者；纯做模型训练或单点推理的人关系不大。

earshot 是给 AI 编码 Agent 装上「耳朵」的工具：Agent 现在能写代码渲染影片、产品演示或游戏音效，却听不见自己做出来的东西，earshot 把声音变成 Agent 可以推理的文字证据。它能描述一段音频像什么、与给定描述有多匹配、长录音里最佳片段在哪、是真实录音还是代码合成，还能逐秒输出听音时间轴、生成带标注的频谱图，甚至按专业发布片的标准给整支片子打分并指出该先修哪里。它也能反过来让 Agent 用代码造声音并边听边改进，或把一段录音翻译成可调参数的代码。全程本地 CPU 运行，无需模型和网络。适合做音视频产品、游戏音效或需要为发布片配乐的工程师，以及想让 Claude Code 等编码 Agent 产出可用声音的开发者；纯后端或数据岗位的人关系不大。

这是一套基于 ComfyUI 和 Qwen-Image 2.1 底模的本地出图配方，主打 NSFW 内容和精确姿势控制，同时打包成 agent skill，可直接在 Claude Code、Codex、Cursor、OpenClaw 里调用。它把散落的要素整合成可复现的流程：作者级提示词结构、专用 NSFW LoRA、136 个 3D 姿势库，以及通过 VNCCS 人偶骨骼旋转实现的姿势迁移——比如给一张已有角色图换姿势但保住脸和服装，或者用 3D 人偶摆好动作再一键出图，还提供 L0 到 L3 的大胆度阶梯让你逐级加料。需要 12GB 以上显存的 NVIDIA 卡或 32GB 以上统一内存的 Mac 才跑得动，模型约 16GB。对多数互联网和 AI 从业者来说这与工作关系不大；值得看的是做 AI 绘画工作流、ComfyUI 集成或 agent skill 封装的工程师，以及想在本地跑 Qwen-Image 出图的创作者。

这是一个给 Codex、Claude Code 等 AI Agent 用的家谱研究技能包，把 Agent 变成一位严谨的家族史调查员，专门查前苏联、苏联和俄罗斯帝国时期的档案：教会簿记、民事登记、军事档案、流放与镇压文件，以及未编索引的扫描件。它覆盖全部 15 个前加盟共和国，会按事件发生时的历史辖区（而非今天的地图）定位档案馆，处理革命前俄语、乌克兰语、波兰语、意第绪语等多种姓名变体和转写。核心价值在于证据纪律：每条结论都带可解释的状态（假设、单源、多源印证、矛盾、未决），同一份记录的副本和镜像被归入同一独立性分组，绝不重复计为独立佐证，同名者在缺乏区分证据前保持独立身份。适合有寻根需求、想让 AI 系统性查证家族史的个人，以及做东欧历史、档案研究的学者；对多数互联网和 AI 从业者关系不大。