ResolveLab 是一个给工具调用型 LLM agent 做「故障注入 + 副作用打分」的评测与后训练环境。它跑一个真实的 HTTP 服务，在 agent 操作过程中注入各种会改变正确下一步动作的故障，比如分页查询里的近似记录、If-Match 冲突、429 限流、写入已提交后才返回的 502、任务中途被收回权限等，然后从服务端状态、提交日志和读版本来判定 agent 到底把系统改成了什么样，而不是听它自己说「已解决」——写错记录、重复提交、漏读最新状态、谎报成功都会被判失败。它还内置一个经回放验证的 teacher，可以生成 DAgger 训练数据，README 里展示了 Qwen3-0.6B 经 BC+DAgger 微调后测试通过率从 90.8% 提到 98.3%。适合做 agent 评测基准、agent 后训练或 RL 环境研究的算法工程师和研究者；如果你不涉及 agent 训练或可靠性评测，和多数从业者关系不大。

这是一个麦当劳点餐助手 Skill，说一句「35 元，不辣，有糖可乐去冰，带走」，它就把预算、口味、取餐方式这些硬约束变成一份完整餐单（主食+小食+饮料），给出唯一答案和一张可复制的点单卡，照着在 App 或柜台点即可。它的核心价值是核价：金额只认官方 calculate-price 返回的整数分，菜单展示价若附带「随单购麦金卡」之类的条件会一并说明，避免你以为省了钱其实没省。README 实测同一餐两种点法差 12 元（24.7%），它会明确告诉你省在哪。预算不够时它直说没有方案并给出最低需要多少钱，不硬凑；也不会因为你钠含量低就擅自把有糖可乐换成无糖。只读不领券不下单不支付，Token 留在本机。适合预算有限、口味偏好明确、常点到店自取的个人或两人用餐者，以及想参考「只读 MCP 客户端+确定性比较」实现样板的开发者；对多数不点麦当劳或不关心点餐比价的人关系不大。

这是一个基于麦当劳中国官方 MCP 的 AI Skill，把点麦当劳这件事拆成四种玩法：修行录记录你的点餐习惯与卡路里，团餐指挥官帮多人聚餐快速凑单，隐藏菜单实验室探索官方 App 里不显眼的搭配，每日运势签则根据当天菜单给一个随机推荐。它本质上是给 Claude 这类支持 MCP 的 AI 助手加一层麦当劳业务能力，让模型能直接读取菜单、价格和优惠信息来回答你的点餐问题，而不是靠训练数据里的过时信息瞎猜。项目自带 187 个测试和离线演示，不连真实接口也能跑通流程，方便开发者快速验证效果。适合对 MCP 协议、AI Agent 落地场景感兴趣的工程师，或者想看看「官方 API + LLM」能玩出什么花样的人；普通用户和不碰 Agent 开发的后端同学关系不大。

HarborRL 是一个用强化学习训练工具调用型 Agent 的端到端框架，把模型服务、轨迹生成、工具执行、可验证奖励和策略更新串成一条可复现的流水线。它支持以 Qwen、GLM 为基座，用 GRPO、DAPO 等算法在沙箱隔离的任务上训练，覆盖 Terminal-Bench、SWE-Bench 等 200 多个任务，还能接入 Claude Code、Codex、LangGraph、SWE-agent 等 40 多个 harness 框架，通过模型×算法×任务×harness 的组合快速搭实验。它还提供本地 Web 控制台做配置校验、试运行和训练日志查看。适合做 Agent RL 研究或想给 coding agent 做后训练的算法工程师；如果你只调用现成模型 API、不碰训练，这个项目和你关系不大。

MAFDET 是一个本地 LLM 聊天工具，核心卖点是利用你打字的时间提前干活：你还在输入时，它就同步维护 KV cache 把消息读完，甚至让模型提前开始推理，按 Enter 时大部分工作已经完成。实测在 Qwen3-4B 上把回车后的等待从 12.2 秒压到 3.2 秒，14B 从 108 秒降到 47 秒，答案正确率不变；中途删改、粘贴都不影响结果的正确性。它面向普通消费级硬件，参考机型是 6GB 显存的 RTX 2060，也支持 Apple Silicon 和纯 CPU 运行，提供 GUI 和终端两种界面。适合经常在本地跑 Qwen3 等推理模型、又被 prefill 和思考阶段漫长等待折磨的开发者和研究者；如果你不玩本地大模型，这个项目和你关系不大。

这是一个给 Codex 用的 skill，专门帮 AI 智能体在两台 NVIDIA DGX Spark 集群上对开源权重模型做「行为干预」——比如想改掉模型的拒答倾向、调整某种输出风格，又不想从头微调。它不预设具体模型和层号，而是先扫描 checkpoint 的结构，再基于证据推荐干预路线：可以是直接改权重、加运行时旁路、做有界残差修正，实在不行才回退到训练。整个流程强调可验证，要求量化格式下零编辑往返测试通过，并用可恢复的证据台账记录计划、候选、发布各道关卡。适合做模型对齐、行为安全、量化部署的研究员和推理工程师，尤其是手上有 DGX Spark 双机、需要系统化做模型编辑实验的人；普通应用开发者或只调 API 的人关系不大。

heditor 是给 Claude Code、Cursor、Codex 这类 AI 编程 Agent 用的视频剪辑技能包，装上后你直接用自然语言下指令，比如「把这段剪成 podcast 风格」或「用 GTA 6 的感觉处理 12:30 到 13:40」，Agent 就会全程本地完成：分析画面找到说话人、按词级时间戳转录并挑出 30-70 秒的完整观点、帧级精剪并压缩停顿、为每条视频单独设计视觉方案，再用 HTML+GSAP 合成渲染，最后混音时保证人声始终在前、背景音乐和音效压在后面。它内置十几种命名风格，从电影感、惊悚监控录像、复古游戏 HUD 到纪录片、聊天 App、机场塔台，甚至能生成人物分身在不同场景间瞬移。适合做 Reels、Shorts、TikTok 竖屏内容的创作者和内容团队，以及想把口播素材批量变成成片的运营；如果你不做视频，跟你的关系不大。

Doc2Harness 是一个评测基准，衡量的不是模型写代码补丁的能力，而是模型能否从零搭建出一个能用的 coding agent 本体（即 harness）。它分两步：先让被测模型在隔离容器里根据开发文档和接口骨架实现完整 agent，再冻结该实现，用脚本化的 mock 模型端到端驱动，观察模型请求、磁盘文件、退出码、命令输出四类信号来判定通过与否，并用正向对照排除“空过”。场景覆盖文件读写、权限约束、会话状态、无头运行、协议层、终端交互、启动安装等九类。榜单显示 19 个前沿模型最高通过率仅 53%，说明即便最强模型也近半失败。适合关注 agent 工程质量、做 coding agent 产品或模型评测的研究与工程人员；普通后端或应用层开发者关系不大。

这是一个校园知识服务问答平台，可以理解为把学校官网散落的通知、竞赛、学籍和办事指南做成一个能溯源的智能问答系统。它用 FastAPI 搭建，本地跑 Qwen3 模型，先采集归档官网页面和附件，解析 PDF、Word、表格甚至扫描件，再按年份、学期和文档版本做检索，回答时必须附上原文证据窗口和来源链接，避免模型凭空编造或混用往年政策。多轮追问会继承事项和年份条件，教师还能在后台核对字段、审核发布或撤回，防止候选信息被当成正式政策。如果你在做 RAG 应用、知识库或 Agent 工作流，尤其是关心证据溯源、时间范围限定和人工审核环节，这个项目的工程实践很有参考价值；只想找现成校园问答服务的普通用户则关系不大。

nninteractive-agent 把 3D 图像交互式分割工具 nnInteractive 包装成 MCP 服务，让 Claude Code、Codex 等 AI 编程代理用自然语言完成医学影像标注。用户只需说「把肝脏和脾脏分别分割出来」，代理就会自动在 CT、MRI、显微图像上画框、点标记，检查 3D 结果并像人工标注员一样反复修正。在 14 张公开 CT/MRI/PET 图像的基准测试中，Claude Code 和 Codex 平均 Dice 达 0.81-0.85，明显优于 nnInteractive 单独使用（0.71）和纯文本分割模型 VoxTell（0.54）。适合医学影像、生物信息领域的研究人员和标注团队，尤其是需要批量分割但缺乏标注人力的场景；对多数互联网和 AI 从业者关系不大。