这是一个把麦当劳官方 MCP 接口包装成团餐组织助手的工具，你输入城市、关键词、人数和预算，它去查附近营业门店、拉真实菜单、用官方计价接口算钱，输出几套含合计与人均的可比对方案。除了算钱，它还能自动串联五级查询帮你预约生日派对或品鉴会场次（默认只生成下单载荷，不会真的下单），并结合活动日历给出「今天该不该组织、要不要提前订场」的建议。比如你说「成都春熙路，8 个人，预算 400」，十几秒就能拿到经济型、均衡型等多套真实报价，超预算的组合会直接标出来。适合团建或班级活动的组织者、企业行政和团餐负责人、想办麦当劳派对的家长；对 MCP 或 Agent 开发者来说，它也是一个编排 15 个 MCP Tool 的完整参考实现。和多数不涉及聚餐的从业者关系不大。

这是一个 Windows 上的图片格式批量转换工具，功能上类似 XnConvert 或 IrfanView 的转换部分：把 JPG、PNG、WEBP、BMP、TIFF、GIF、ICO 等格式互相转换，支持拖拽导入、批量处理、调整质量与压缩参数，全程离线且无水印。它主要面向需要一次性处理大量图片的场景，比如运营同学要把几百张产品图统一转成 WEBP 上 CDN、设计交付前把 PNG 批量转 JPG 压体积、或者把老素材库的 BMP/TIFF 转成网页可用格式。对多数互联网和 AI 从业者来说，如果你偶尔转一两张图，用现成的在线工具或系统自带功能就够了，这个项目关系不大；但如果你的工作流里经常要批量处理图片素材，又不想依赖联网的第三方转换网站，可以看看它。需要提醒的是，README 里夹了一个来历不明的外链，且分发方式是直接运行 exe，下载前建议先在干净环境里验证。

NUP 是一个为 Nintendo Switch 1/2 未加密游戏转储设计的容器格式，可以把 base、更新、DLC 等内容打包进一个用 zstd 压缩的 .nup 文件里，同时保留 ExeFS 和 RomFS 的完整目录树。它自带 Python 参考实现，支持打包、查看元数据（标题名、图标、多语言名称、build ID）、按需解包某个子树、修改元数据以及校验文件完整性。简单说，它类似给 Switch 游戏转储做了一个结构化的归档标准，方便分发和管理。适合做 Switch 模拟器、转储工具链、mod/作弊工具相关开发的工程师，或者需要批量整理游戏转储的个人开发者参考；如果你不碰 Switch 生态，这个项目和你关系不大。

麦麦碳账本是一个用 Python 写的个人餐饮碳足迹估算工具：它通过麦当劳官方 MCP 拉取你的真实历史订单，按餐品、包装、配送三层模型算出一年吃麦当劳排了多少公斤二氧化碳，生成一份可离线打开的单文件 HTML「碳账本」，包含碳等级 A–E、月度曲线、最碳重一单，以及一个减排模拟器——比如红肉换白肉、外送改自提各能减多少 kg。它还内置了公开实测排放因子（如 Vegan Society 的英国麦当劳餐品数据），套餐会自动拆成单品核算，会员卡号默认打码方便截图分享。适合两类人：一是关注个人碳足迹、想量化自己消费排放的环保向用户；二是对 MCP 接入真实业务数据、碳核算方法学或纯标准库生成可视化报告感兴趣的开发者。如果你既不关心碳足迹也不做相关开发，它跟你的关系不大。

Story Studio 是一个给 Claude Code、Cursor 这类 AI Agent 用的技能包，把历史、人物故事类短视频的整条生产线打包：从选题、磨开头钩子、写口播稿，到豆包语音合成配音、本地语音识别对齐字幕时间轴、按配音节奏拆分镜并生成配图画风统一的分镜图，最后直接导出一个能二次编辑的剪映专业版草稿，打开就能微调导出。它内置两套从数百篇爆款逐字稿蒸馏出的写作风格（历史叙事与人物故事）和 370 多篇对标文案库，配图提供厚涂漫画、黑白纪实、历史写实三种画风并用参考图锚定防止跨镜头漂移，还支持只做其中某一步，比如只改稿或只拿现成配音去对齐时间轴。适合做历史科普、人物传记类口播短视频的自媒体创作者和内容团队，如果你不做这类内容，关系不大。

这是一个逆向工程领域的 awesome 列表，专门收录那些把闭源软件、游戏、协议或硬件「拆开重写」的热门开源项目，以及它们用到的工具，比如 Ghidra 这类反汇编器、模拟器、静态重编译器等，并按日更新 star 增长趋势。收录门槛不低：至少 500 star 且近一年有提交。列表里能看到用 Rust 从零重写 Photoshop、Word、Excel、AutoCAD 的 clean-room 项目，也有把 Switch 游戏重编译到 PC 的案例。对安全研究员、逆向工程师、模拟器开发者，或想了解某个闭源格式/协议如何实现的人来说，它是一份现成的选题和工具索引；如果你的工作与安全分析、兼容性开发无关，看看分类标题即可，不必深究。

EAGLE-4 是一套 LLM 推理加速方案，属于投机解码（speculative decoding）路线：先用一个小草稿模型快速猜出多个 token，再让目标大模型一次性校验，猜对就直接采纳，从而在不改变输出结果的前提下提速。它配套的 eagle-harness 会根据你实际的硬件、并发批量和负载自动决定猜测的深度和草稿树形状，不用手工调参。实测在 Qwen3.8-27B 上单请求最高 3.4 倍加速，并能接入 SGLang、vLLM、TokenSpeed 等主流推理引擎，高并发下也能保持收益。适合负责 LLM 服务部署和推理性能优化的工程师，尤其是需要在有限 GPU 上压低 token 成本、提升吞吐的团队；如果你不碰推理侧，这个项目和你关系不大。

Indra OCR 是一个只有 100 万参数的轻量 OCR 模型，把 PDF 和图片转成 markdown、纯文本或带坐标框的 JSON，可以理解为 Tesseract 的现代替代品，但完全跑在 CPU 上，不需要 GPU 和 PyTorch。它支持 80 多种语言（含中日韩、阿拉伯文等），能识别手写、歪斜 45 度以内的扫描件，并输出每行每块的版面标签和阅读顺序，比如标题、列表、表格、脚注；遇到带文字层的数字 PDF，它只对缺失部分做 OCR。速度是它的主打卖点：32 核机器上约每秒 44 页，比 Tesseract 快 15 倍，4 核约 210 毫秒一页，精度在 OmniParseBench 上也超过 PaddleOCR 的完整流水线。适合需要批量处理文档的后端和数据工程岗位，比如把合同、发票、论文扫描件灌进 RAG 或数据管线的人；如果你只是偶尔转一两个文件，或者做的是手写、数学公式、复杂表格这类高难度场景，它未必是最优解，README 也明确建议那种情况用他们更大的 Chandra 模型。

这是一个面向多 Claude 账号用户的本地环境防护工具，核心思路是「Fail-Closed」：启动前先做 14 项环境指纹审计，任何硬性安全项不通过就直接拒绝拉起应用，而不是像常见代理客户端那样出错也照常放行。它检查的包括代理内核是否在跑、TUN 网卡是否接管流量、出口 IP 与国家/时区/Locale 是否一致、IPv6 双栈旁路、DNS 明文泄漏，以及用自研 STUN 协议栈做的 WebRTC 泄漏交叉探测——同时打国内和全球节点，裸连时真实 IP 会被当场抓出。此外还有常驻守护进程，隧道一断秒级杀掉受保护进程，防止代理暴毙时裸连窗口出现。多账号切换不是登出登入，而是用写时复制技术原子化交换整个数据卷，让每个账号在服务端眼里始终是同一台设备。适合经常出差、旅居、需要在合规地区管理多个 Claude 账号的开发者或重度用户；如果你只用单账号单环境，和你关系不大。

这是一个针对 PHP 应用的命令行安全扫描工具，专门检测 CVE-2026-109618 和 CVE-2026-109619 这两个 php2shell 漏洞。它的工作方式是向目标发送精心构造的深层嵌套 multipart 请求，通过观察目标是否出现内存耗尽错误、空的 HTTP 500、PHP-FPM 进程崩溃等信号来判定漏洞是否存在，判定逻辑与 Assetnote 内部扫描器一致。它默认测试 /index.php，也能批量扫描 URL 列表并把存在漏洞的目标连同判定依据输出为 JSON，遇到 phpMyAdmin 会自动加测特定路径。需要注意的是，在某些 PHP 配置下它可能误报，README 也明确要求结合实际 PHP 版本复核结果。适合安全工程师、渗透测试人员以及负责 PHP 站点运维、需要批量排查资产是否受这两个 CVE 影响的人使用；如果你不负责安全扫描或 PHP 系统运维，这个项目和你关系不大。

这是一份逆向工程工具与学习资源的精选清单，按「你要干什么」来组织：想识别一个可执行文件、读原生代码、动态插桩、脱壳反调试、分析恶意样本、拆 APK 或 iOS 固件、还原游戏内存结构、做二进制 diff，都能直接找到对应工具和教程，条目还标注了是否为商业软件。它覆盖 Ghidra、Frida、反编译器、符号执行等经典工具，也收录了 AI 辅助分析和 Agent 化逆向的方向，并推荐了配套的 REA 项目。适合安全研究员、恶意软件分析师、CTF 选手、固件与协议分析工程师，以及想入门逆向的后端或移动端开发者——比如你要逆一个陌生协议、审计一个闭源二进制，或给团队找一套现成的分析工具链时，这份清单能省下大量检索时间。纯做业务开发或 AI 应用的人关系不大。

Zero Breach 是一个本地只读的取证扫描器，用来检查你的电脑是否残留 AdFection / Candiru 间谍软件活动的痕迹。Candiru 是通过实时广告竞价投放的零点击间谍软件，Citizen Lab 记录的案例中，Al Jazeera 至少 45 台设备在 2024–2025 年间被感染。它不联网、不需要管理员权限，只读取本机的浏览器历史、Cookie、缓存、文件指纹、自启动注册和 DNS 缓存，逐条比对已公开的威胁指标，并给出证据强度分级——区分「只是保存过的网页引用」和「真正的连接证据」，同时明确列出哪些项没能检查到。它适合安全团队、事件响应人员和关注自身设备安全的从业者做初步自查，但 README 也强调：查不出问题不等于设备干净，这类间谍软件本就针对此类检查设计，真正怀疑自己被盯上时应求助专业机构而非依赖脚本。对多数普通开发者来说关系不大。

Moect 是一个 Windows 桌面工具，用来把微信 4.x 的聊天记录读出来、整理好并导出到本地，可以理解为微信版的聊天记录备份与归档软件。它支持好友和群聊、朋友圈、收藏表情，导出时能带上头像、图片、GIF、音视频、文件、链接和小程序卡片，引用回复与合并转发也能展开保留。导出格式有 HTML、JSON、JSONL、TXT、CSV、Markdown 六种，HTML 版可以离线阅读、按发送者或正文搜索、按时间筛选，还支持批量任务和多会话一次导出。数据解析全部在本机完成，没有服务器接收聊天记录。适合需要长期留存工作沟通证据、整理客户或社群历史、做聊天数据分析的运营、客服、社群管理和合规相关人员；如果你只是普通用户想留个纪念，也用得上，但和多数不碰微信数据的开发者关系不大。

InWorld 是一个开源的交互式音视频世界模型，可以理解为「能被你操作的短片生成器」：你输入一段动作或剧情，它把文字和参考图片变成带同步音效、甚至带台词对白的视频，而且后续片段能接续上一段的最后十几帧，人物、场景、道具都保持一致。它由两部分协作——Murea-Mind 负责记住角色、地点和剧情进度，把你的动作编排成生成条件；Murea 负责实际出片，支持多张参考图绑定实体外观，还提供多人协作房间，2到4人各带一个角色共同推进同一段故事。适合关注 AI 视频生成、世界模型或交互式叙事方向的研究者和工程师，尤其是想评估开源视频模型能否在长程一致性和音画同步上追平商业系统的从业者；如果你的工作与生成式视频、Agent 记忆机制或多模态应用无关，这个项目和你关系不大。

imozuru 是一个给 Claude Code 用的调研技能，解决的是「让 AI 查资料时只读搜索结果前几条就草草总结」的老毛病。它借鉴图书馆信息学里的信息探索理论，先摸清一个陌生领域的术语、关键人物和信息聚集的平台，再顺着引用、参考文献、作者一路追到原文，把原文完整存下来而不是只留摘要，最后按论点整理出带出处的摘录页和分层解说的详细报告，另有一个看板把所有调研汇总成一页。比如你想搞懂 Gaussian Splatting 或者某类音频混音的处理流程，它能挖到论文和一手文章并告诉你每个论点出自哪个文件哪一行，方便你亲自核对依据；还有个监视模式可以持续收集指定话题在 Qiita、arXiv 等来源的新内容。适合需要深入调研陌生技术领域、重视结论可溯源的工程师、技术写作者和研究者，如果你平时只是随手问 AI 几个问题，关系不大。

这是 MiniMax Code 团队公开的内部工作流合集，把他们日常开发 MiniMax Code 时用到的一套「技能」打包开源，每个技能是一份可直接装进 MiniMax Code 的 SKILL.md。它不是提示词合集，而是实战经验：比如用 subagent-split-check 判断任务该不该拆给子代理、用 tool-budget-audit 和 context-tax-audit 审计工具调用与上下文注入对 prompt cache 的消耗、用 long-session-check 决定长会话该压缩还是重开、用 independent-review 从干净上下文独立评审 diff，还有把反复出现的人工纠正固化成测试或 CI 的 taste-to-checks。适合已经在用或打算深度使用 coding agent 的工程师，尤其是负责 AI 编程工具链、harness 工程、想提升 agent 产出质量与评审效率的人；如果你不写代码或不用 agent，这项目和你关系不大。

这是一套给 Claude 用的 11 个投资技能包，本质是把公开数据源（SEC EDGAR、国会披露、新闻源）接进 Claude，帮你做个人股票投资的辅助决策。它能从 SEC 13F 里反推出巴菲特等你信任的持仓并按权重复刻，实时盯持仓股的新闻和 8-K，按你的预算给每笔仓位算好大小、留足现金缓冲，还能在新披露一出就解析国会议员的股票交易（比如 Pelosi），以及拉取财报 XBRL 数据、做选股、税务亏损收割、价格提醒和再平衡。所有下单动作都必须经过风控检查并由你本人确认，默认模拟盘，工具本身不会自主下单。适合关注价值投资、想跟踪机构和国会动向的个人投资者、量化爱好者，以及想在 Claude 里搭 AI 投资助手的开发者；纯技术岗或不炒股的人关系不大。注意它只是读公开数据做算术，不构成投资建议。

NamiAgent 是一套中文的 AI Agent 入门教程，同时也是一个真能在本地跑起来的最小 Agent：从 100 行的 while 循环开始，一课加一个能力，依次讲清工具调用、权限确认、上下文管理、Skills、MCP、子 Agent、计划和长期记忆，最后拆解 Claude Code、Codex 等主流产品是怎么做的。它自带网页端，左边显示模型每一步的思考和工具调用，右边显示发给模型的完整上下文，能直观看到上下文如何一圈圈变长；写文件、跑命令前会弹窗让你确认。每课都有可独立运行的代码快照，测试用假模型跑，不花 API 费用。适合想搞懂 Agent 到底在上下文里做什么的后端、算法和全栈工程师，以及准备自建 Agent 的团队；只想调用现成 Agent 产品的人关系不大。

这是一个游戏作弊脚本，提供自动连跳（Bunny Hop）和空中移动辅助，属于外挂类工具而非 AI 项目。它能自动执行跳跃时机和力度的调整，配合空中控制与速度保持，帮助玩家在需要连跳移动的游戏中更流畅地移动，还支持热键切换和自定义参数。README 明确标注了风险自负、仅供教育用途，但本质上仍是破坏游戏公平性的辅助脚本。对多数互联网和 AI 从业者来说，这个项目与工作内容无关，也不建议使用——既可能违反游戏服务条款导致封号，也可能带来账号安全风险。除非你专门研究游戏反作弊或脚本对抗，否则可以直接跳过。

这是一个用声音反推录音者地理位置的开源工具：任何户外录音里都藏着飞机螺旋桨发出的微弱音调（约60到400Hz），飞机掠过时音调会随多普勒效应下滑，下滑曲线的形状取决于你相对飞机轨迹的位置，结合当天的ADS-B历史航班数据，就能反解出录音地点。它把YouTube视频「I discovered a sound that leaks your exact location」里的方法自动化了，流程包括从音频中提取频谱、自动检测飞越事件、拉取当天航班数据、在网格上搜索匹配位置并精修，实测在100×150公里区域内能把真实位置排到第一，误差43米，还能从12小时的公开老鹰直播流中自动定位摄像头。适合对声学定位、信号处理或隐私安全感兴趣的人，比如做音频算法、关注位置隐私的研究者和工程师；普通AI从业者关系不大。

这是给赛车模拟游戏 BeamNG.drive 做的一个模组，把整个地球按 1:1 比例搬进游戏里：用真实高程数据和卫星影像生成地形，玩家可以开车去地球上任何地方，还能看到真实的地球曲率、昼夜和极地风光。它靠一个配套服务器按距离流式加载不同精度的地图数据，所以道路、建筑、森林、河流、高压线这些都来自 OpenStreetMap 等真实地理数据，连路灯间距和建筑风格都按当地实际情况生成。对游戏从业者来说，它展示了大规模开放世界流式加载、LOD 分级和浮点原点等技术在实际项目中的落地方式；对 AI 行业从业者关系不大，除非你对地理数据驱动的游戏世界生成感兴趣。

这是一个把廉价 Android 电子相框改造成家庭信息屏的工具集，目标设备包括 Skylight Calendar、BIUFRAME、Frameo 等被厂商锁死的相框。它做的事情是：打通 ADB、获取 root、备份分区、卸掉厂商应用，最后全屏运行你自己写的网页。作者还附带了一个现成的家庭看板示例，用 Vite 写的 Web 应用加一个极简的全屏 WebView 壳，可以显示日程、天气等信息，双指长按能唤出菜单。项目按芯片平台（Allwinner、Rockchip 等）分了多条路径，每条都有身份校验和严格的写入前备份流程，防止把设备刷砖。适合喜欢折腾硬件、想给家里添一块便宜信息屏的开发者，以及对 Android 底层刷机、分区备份感兴趣的人；如果你不碰嵌入式设备或不打算买相框，跟你的日常工作关系不大。

NextTransformer 是一个用来公平比较下一代 Transformer 架构的开源训练与评测框架，核心回答一个问题：训练预算固定时，语言模型该怎么花算力。它把循环深度、稀疏注意力、线性注意力、残差流变体以及各种混合架构（如 GQA、NSA、MoBA、GDN、Ouro 等）放进同一套训练器、数据管线和评估流程里，在完全相同的数据、token 数和训练 FLOPs 下跑对比，误差控制在 1% 以内，每次运行都有可审计的记录。目前已完成 31 次训练、36 份模型卡，配套的在线观测台能看学习曲线、排行榜和模型图谱，还计划让 AI agent 在同一规则下自主探索新架构。它适合做模型架构研究、预训练 scaling 实验的算法工程师和研究员，以及关注注意力机制替代方案的从业者；如果你只做应用层开发或推理部署，和你的关系不大。

这是一个针对 Sony A7C II（固件 2.01）的桌面端固件修改工具，用 Python 写成，提供图形界面，把原本需要命令行操作的刷写流程做成了按钮。它能给相机解锁或添加官方固件里没有的功能，比如 FL2/FL3 色彩模式、自定义创意外观（可导入 LUT/DCP 文件）、电子快门声音、竖屏显示，并支持一键恢复原厂状态。项目明确声明与 Sony 无关联，且刷写有导致相机无法开机、影响保修的风险，恢复也不保证成功，仅支持 A7C II 这一个型号。和多数读者的关系不大：它面向的是摄影爱好者和固件逆向研究者，如果你是 AI 或互联网从业者，除非你恰好是 A7C II 用户并愿意承担变砖风险，否则扫一眼知道有这么个东西即可，不值得深入。

这是一个把 Apple 开源的 XNU 内核（iOS 16 那一代）移植到小米 Redmi Note 10 Pro 上的实验项目，跑的是 iPhone X 未修改的 iOS 16.7.16 用户态——launchd、SpringBoard、backboardd 和系统自带应用都是原装的。目前手机能开机进到 iOS 主屏，解锁、打开设置、下拉控制中心和通知中心、触屏和实体键都能用，但渲染全靠 CPU 软件绘制，没有 GPU 驱动，帧率只有二三十。它没有 Wi-Fi、蓝牙、基带、音频、相机和 Face ID，也无法从应用内返回主屏，开机要卡在苹果 logo 四分钟左右，安全机制基本被关掉，属于能跑起来但远不能当日常手机用的 bring-up 阶段。值得看的是做内核移植、驱动开发和系统底层的工程师，以及对「让 iOS 跑在非苹果硬件上」这件事好奇的人；普通应用开发者和 AI 从业者基本用不上。