jevcrawl 是一个面向 AI Agent 的网页抓取工具，提供 MCP server 和 CLI 两种形态，可接入 Claude Code、Claude Desktop、Cursor 等环境。它解决的是 Agent 浏览网页时的老难题：要么把抓到的页面全塞给 LLM 读，token 烧得快还容易被导航和广告淹没；要么让 LLM 逐个挑链接，又慢又贵。jevcrawl 用一个轻量决策模型代替 LLM 来判断该点哪个链接、该保留哪段文字，LLM 只读最终筛出的相关段落，每次抓取成本约一美分。官方在 WebWalkerQA 基准上测试，找到答案页的比例是 54%，约为 Crawl4AI 的两倍，单次任务成本比让 Claude 自己爬低约 8 倍，且返回内容带 URL 和字符偏移，可溯源、不会被页面文字注入指令。适合在做 RAG、Agent 网页检索、需要从多层嵌套网站里挖答案的工程师关注；如果你的工作不涉及让模型上网找信息，这个项目和你关系不大。

save-session 是一个给 AI 编码助手做「会话书签」的小工具，解决的痛点很具体：你在 Claude Code、Codex、Pi、Antigravity、OpenCode 之间来回切换，一周后想找回某个会话，却发现 session id 是一串看不懂的字符，各家恢复命令还不一样，用错目录甚至会打开另一个项目的历史。它让你直接用项目名（比如「heap benchmark」）给当前会话起个记得住的名字存下来，之后按名字一查，就把原生的恢复命令和该在哪个目录执行一并告诉你，不用记任何 id 或参数。书签以纯 Markdown 形式存在本机，不依赖服务器或账号，同名冲突会自动加序号，识别不确定时会先问你而不是瞎猜。对每天在多个 coding agent 之间切换、靠会话积累上下文的工程师来说，这是个省心的备忘录；如果你只用单一工具或很少恢复旧会话，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。

这是一份持续更新的 awesome 清单，收录了 149 个活跃的开源 AI 游戏开发工具，每天从 GitHub API 拉取真实数据刷新，只保留 100 星以上且一年内有提交的项目。它覆盖两大方向：一是用 AI 做游戏，从美术、3D 动画、音频、NPC 叙事到代码引擎、测试 QA、Agent 与 MCP server 都有分类；二是反编译、重混和魔改你自己拥有的游戏，包括 AI 逆向、decomp/recomp 项目、Agent 驱动的 modding 和 AI 替换素材。比如你可以用它找到给老游戏换 AI 生成贴图的工具，或者让 coding agent 读取你手头的游戏文件做二次创作。适合独立游戏开发者、游戏行业技术美术和程序、以及对 AI 逆向工程感兴趣的从业者快速选型；如果你完全不碰游戏开发，这份清单和你关系不大。

这是一份汇总了国内外 AI 订阅发卡网与 API 中转站的比价评测榜单，收录了 16 家发卡比价平台和 24 家 API 中转服务商，用一套包含中立风控、数据功能、体验直连三个维度的打分体系给它们排名。榜单会告诉你哪家能买到 ChatGPT、Claude、Gemini 的便宜订阅或成品号，哪家中转接口是真官转、可用率高、倍率划算，还会标注跑路欺诈黑名单和资金安全风险。比如你想给团队采购 Claude API 中转额度，或者想找个靠谱渠道买 ChatGPT Plus 兑换码，都可以先来这里横向对比价格和风险。对经常需要自费采购 AI 服务、又怕踩坑买到掺水接口或被骗的开发者、独立开发者和 AI 应用创业者来说，这份指南能省不少比价和试错时间；如果你只用官方直连渠道，那跟你的关系不大。

Lead Signal Listener 是一个本地运行的线索发现工具，可以理解为「社交聆听 + 销售线索挖掘」的组合：你告诉它你在卖什么、解决什么问题，它就去 Reddit、X、LinkedIn、Hacker News、RSS 以及 Treg 目录里 3800 多个数据源抓取正在公开吐槽这个痛点的人，同时也会捕捉招聘、融资这类触发信号。抓到的每条线索会按痛点短语、购买意图、目标画像、互动量等规则打分并去重，排好序等你审阅，规则可自行编辑后一键重新打分。数据全部存在本机，单次默认配置跑一轮成本大约几美分。对增长、GTM、销售开发岗位的人来说，它解决的是「主动找到正在描述你所解决问题的潜在客户」这件事，适合需要持续获客线索但又不想依赖昂贵 SaaS 的团队；如果你不做获客或销售，这个项目和你关系不大。

这是一个把你的手写笔记变成真正可用字体的实验项目。作者把 120 页手写的 Computer Networks 课堂笔记交给 Claude Code，一个提示词跑了一小时、花了 13.68 美元 API 费用，就生成了一套 OpenType 字体。流程大致是：从照片里分离墨水和纸张、切分字母、人工转录 704 个单词做对齐，再沿笔画路径重新描出每个字母，最终得到 2479 个字形样本。成品每个字母有 2 到 3 个来自不同页面的真实变体，打字时自动轮换，连写的字母不会显得像盖章，还带连字、字距调整和多种符号覆盖，可直接用于网页或安装到 Figma、Word 里。对做设计、前端或喜欢折腾 AI 工作流的人来说，这是个很直观的「视觉识别加生成式 AI 落地」案例；只想找现成字体用的人，下载即可，和多数从业者关系不大。

Yahont 是一个可私有部署的企业知识层平台，基于开源项目 Onyx 改造，主打俄语环境适配。它把公司散落在各处的文档、网站、知识库统一接入并建立混合索引，让团队和 AI Agent 通过一个入口检索全部资料，回答附带原文引用链接，方便核验。除了文档问答，它还提供 Deep Research 多步研究报告、带独立知识与指令的定制 Agent、网页搜索、代码沙箱执行、图片生成、语音模式，以及通过 MCP 把自身知识库接入 Claude Desktop 等外部 Agent。模型侧兼容 OpenRouter、OpenAI、Anthropic 及 Ollama、vLLM 等本地部署方案。适合需要搭建内部知识库、客服或销售助手、员工 onboarding 问答系统的技术团队，尤其是对数据合规和私有化有要求的场景；普通个人开发者或纯前端、后端岗位关联不大。

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。

Pensieve 是一个本地运行的 Mac 应用加 MCP 服务器，把你的文件、代码仓库、AI agent 会话、工单和聊天消息串成一条条「任务线索」，让你和你的 AI 编程助手在干活时都能拿到刚好相关的上下文。它默认的 Threads 模式会读取你的 agent 会话、git 记录和 issue 跟踪器，为每次产生过改动的会话建一条线索，标出 Open、To-do、Thoughts、Loose ends、Closed 等状态，并挂上对应的 PR、分支、工单和剩余步骤，一键就能恢复上次的会话；Developer 模式则在本机建语义索引，支持按含义或精确词搜索代码和会话，还能用 git blame 找出某块代码谁最熟、哪些模块已无人维护。所有数据只读、只留在你的 Mac 上。适合重度使用 Claude Code 等 agent 编程工具、经常在多个任务和会话间切换的开发者，以及需要搞清「这块代码该问谁」的团队负责人；不常用 AI agent 的人关系不大。

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。