video-director 是一套给 Claude Code 用的 skill，让 Claude Opus 5.5 当导演，把短视频直接写成代码——用 HTML、Canvas、Three.js、GSAP 或 Remotion 逐帧渲染成 MP4，覆盖产品发布片、讲解动画、数据故事、动态字体、循环短片和社交 Reels。它不是视频生成模型，而是一套流程约束：先用数字把片子规划好，再确定性地写代码，最后用脚本测量模型「看不了也听不了」的东西——首帧是否黑屏、文字大小和对比度够不够、有没有闪烁卡顿、循环接缝、响度和静音段。它还带三份测试 brief 和评分器，README 里展示了加 skill 前后的对比结果。适合需要给产品做发布视频、给 CLI 或 SaaS 写短片的开发者，以及做内容运营、想用代码而非剪辑工具批量产出 Reels 的人；如果你不做视频相关工作，和你关系不大。

这是一个本地运行的摄像头特效工具，能把你的摄像头画面实时变成动漫里的「瞬移消失」效果，类似给直播或视频通话加一层趣味滤镜。它用 MediaPipe 做人脸和手势识别，通过按键或手势触发烟雾、粒子等特效，让人物瞬间消失再出现，视频全程只在本机处理，不上传服务器。输出可以接到 OBS Virtual Camera，方便在直播场景里使用。适合想给直播、短视频或线上会议加点整活效果的内容创作者和主播，尤其是喜欢 Naruto、Goku 这类动漫梗的人；如果你不玩直播或不做视频内容，这个项目和你关系不大。另外要注意，打包版 EXE 需要联网激活邮箱许可证，本地源码版则没有这层限制。

graphmemory 是给 AI Agent 用的长期记忆系统，核心思路是让记忆像人脑一样会积累、会降级、会过期，而不是简单存进向量库。每条事实带双时态：既能回答「当时是什么」，也能查「后来改了什么」；记忆按意义、细节、检索难度、情绪、巩固、干扰六个变量计算衰减，遗忘是降级不是删除，还内置了按内容类型自动设定的时效（临时状态 1 天、承诺 10 天、身份 3 年、不可更改事实永久），到期先隐藏再物理删除但原文账本永久保留。检索层做竞争式召回，命中还会反过来巩固记忆。底层组合 Neo4j 时序知识图谱、PostgreSQL 双时态台账和 Redis 缓存，通过 MCP server 暴露给任何支持 MCP 的代理，也自带 Web 管理台。适合正在做 Agent 记忆、长对话个性化或多轮上下文管理的工程师，尤其是被「Agent 记不住用户说过什么、旧信息污染新回答」困扰的人；如果你不涉及 Agent 应用开发，和你关系不大。

这是一个 ComfyUI 自定义节点包，围绕 MiniMax H3 视频模型做多镜头连续创作。它提供一条时间线（Timeline），把多个片段串起来并跨片段携带上下文，让第二镜、第三镜能延续第一镜的设定；还带一个 Studio 界面，可编辑故事、参考图和时间线。核心卖点是「视觉记忆」：能把之前片段里的某个画面带进后面的镜头，即使中间切了外景或换了机位也能接上。另外内置 H3 Story 节点，可通过 OpenAI 兼容接口（本地或云端）自动规划并撰写时间线上的故事。适合在 ComfyUI 里做短片、分镜连贯性测试的视频创作者和 AI 内容团队，尤其是苦恼于多镜头人物、场景一致性的从业者；只想跑单条视频生成的人用不上它。

MemT-1.0 是一类把「长期记忆」直接做进模型计算里的记忆基础模型，可以理解为给 LLM 装上一块随交互不断演化的原生记忆区，而不是每轮都把完整历史塞回上下文。它包含动态本地记忆和可训练的超记忆两部分，推理时无需回看原始对话，持久状态大小恒定，在 128K 历史长度下比全量 KV cache 省约 66% 存储。项目提供基于 Qwen3.6-35B-A3B 的 Nano 和基于 DeepSeek-V4-Flash 的 Flash 两个规格，并在 11 个记忆基准上取得参数化记忆方法中的前两名，还演示了把过往编码经验存进原生记忆、在长程 agentic coding 中复用的做法。适合做 Agent 应用、长对话产品或关注记忆机制与推理成本的算法工程师看；如果你只做前端、运维或不涉及长上下文的常规 LLM 调用，关系不大。

这是一个 ComfyUI 的中文人体姿势图库节点，内置 1439 张原图、288 组姿势、最多 5 个视角，相当于给你的生图工作流配了一个本地姿势素材库。你可以在节点里按中英文关键词、体系、动作、视角筛选并预览姿势，选中后把图片和姿势描述输出给后续节点；也可以用随机节点每次运行自动抽一张，或锁定某张姿势反复使用。典型用法是把图库姿势接进 Depth Anything 提取深度图，再驱动 MOSS SFT、Qwen Image 2.1、Z-Image-Turbo 等模型按指定姿态生成角色，也能配合 Anima LLLite 做动漫姿态生图，还支持上传自定义参考图入库。它主要面向用 ComfyUI 做人物生成、姿态控制和换装换脸工作流的 AI 绘画创作者，如果你不玩 ComfyUI 生图，和你关系不大。

Lampline 是一个在自己电脑上构建和测试 AI 电话客服机器人的开源工具，可以理解为 Dialogflow CX 的本地化替代加测试框架。它把电话机器人写成 YAML 和 Markdown 文件，用测试用例描述「来电者说什么、机器人该走到哪一步、必须或绝不能说什么」，然后自动跑测试并给出失败原因，还能让 AI 扮演来电者给真实通话打分。它支持导入导出 Dialogflow CX 和 CX Agent Studio 的机器人，也能通过 Twilio、Telnyx 或任意 SIP 中继接真实电话，底层基于 Pipecat。对做呼叫中心、IVR、语音 Agent 的工程师来说，最大的价值是能在改动上线前用自动化测试验证对话流程，还能接入 Claude Code、Cursor 等编码 Agent 自动修复失败用例。如果你不做语音客服或电话机器人，这个项目和你关系不大。

这是一个专门评测 AI Agent 在「保研咨询与申请规划」场景下表现的开源基准测试，由屿智同行与保研岛联合推出。它包含 70 道中文任务，分三类：21 道院校推荐题（看推荐是否贴合学生背景）、36 道规划决策题（看备考计划和风险评估是否可执行）、13 道两阶段题（中途给新信息，看 Agent 会不会及时修正建议），每题都有人工校准过的评分标准。目前已跑出 8 组「执行系统 + 模型」配置的排行榜，Codex + GPT Sol 6.1 以 79.08 分居首，Qwen、Kimi、Gemini 等组合分数在 55 到 68 之间。对做 Agent 产品或选型的人来说，这份榜单直接回答了「换哪个模型能提升咨询类任务质量」；如果你正在做教育、升学方向的 AI 应用，或者想给团队挑保研咨询 Agent，值得花十分钟看结果和任务设计。普通开发者若不涉及这类场景，关系不大。

qgpu 是一个实验性项目：在 Qwen3.5-2B 的权重里直接塞进了一块 SIMT GPU——45 层编译出来的 transformer 排在 Qwen 自己 24 层之前，用 Gated DeltaNet 层的循环状态充当寄存器和显存。它不是插件也不是模拟器，模型自己逐 token 写出每次 CUDA kernel 启动的每一步，从分支、循环到 atomicAdd 和 warp shuffle 都能跑，参考解释器在 49 个测试 kernel 上与真实 NVIDIA Tesla T4 结果完全一致，而文本能力几乎不受影响。聊天时问它一个计算，它会现场编译 CUDA 到 PTX、降级成机器块，再由模型自己把每条指令的执行结果写出来，旁边还有面板实时显示 warp 调度和流水线。这更像一个展示「transformer 能当通用计算机器」的研究玩具，适合对模型内部机制、循环注意力或 AI 计算极限好奇的研究者和工程师；想实际做数值计算的人用不上它。

这是一个让 Withings 智能体脂秤摆脱官方订阅、把数据同步到自己存储的开源方案。Withings 体脂秤原本通过 WiFi 把体重、体脂等读数上传到 Withings 云端，部分功能需要付费订阅；这个项目通过给秤刷固件、替换官方同步 API，让数据直接落到你自己的服务器，再转发到 Apple Health、Google Health 或任意目标。它包含固件补丁、本地 Python 桥接程序和一个管理设备、用户与读数的 Web 应用，支持 Body Smart、Body、Body Cardio 等多个型号，还能导入原有的设备和用户数据无缝迁移。适合家里有 Withings 秤、不想续费订阅、又希望数据自主可控的个人开发者或智能家居玩家，比如想把体重数据接入 Home Assistant 或自动化健康看板的人。如果你不用 Withings 设备，这个项目和你关系不大。

这是一个给 Claude Code 用的音效选材 Skill，让 Agent 帮你在 Freesound 等音效库里搜索、筛选并下载真实音效，比如转场 whoosh、卡片入场、按钮点击、纸纸张滑动这类视频常用声音。它把画面动作翻译成英文关键词去搜候选，再结合下载量、评分人数、时长、描述和许可证（CC0/Attribution）判断是否合适，给出推荐依据和试听链接，最后下载到指定目录，必要时用 FFmpeg 检查时长与能量分布。典型用法是在做产品演示视频时说「找一个 0.3 秒、轻快的卡片飞入 whoosh，只要 CC0」，它会返回候选和理由。适合做短视频、动效演示、产品宣传片的剪辑师和前端/动效开发者，以及在 Claude Code 里搭自动化视频流水线的人；平时不碰视频音效的读者关系不大。

Easy 剪映解决的是 AI 剪辑的一个尴尬问题：AI 生成的成片只要改一个错别字、剪短半秒镜头，就得重新生成重新渲染，又慢又费算力。这个工具让 AI 输出的不是成片，而是剪映草稿——转场、关键帧、字幕、卡点、口播粗剪都变成剪映里正常的轨道和片段，你在剪映里双击改字幕、拖动片段，几秒钟搞定，最后在剪映里自己导出。它还支持口播自动剪掉气口和重复句、按音乐节拍卡点、本地识别字幕、一个模板批量生成多个草稿，也能直接生成 CapCut 国际版草稿。附带的 Skill 可以装进 Claude Code，直接说"把这条口播粗剪一下放进剪映"。适合做短视频、口播内容的剪辑师和自媒体创作者，尤其是已经在用 AI 辅助剪辑但受困于"改一处就得重跑一遍"的人；只在 Windows 上剪视频的用不了，纯技术岗不写视频内容的话关系不大。

Zenith 是给 Factorio 做的 3D 可视化客户端，它不是重制版，也不自己跑游戏逻辑：Factorio 本体以无窗口的 headless 服务器方式运行，一个桥接 mod 把实时游戏状态流给用 Godot 4 写的 3D 客户端渲染，操作再传回游戏，所以存档、研究、传送带、火车、虫子和 Space Age 的规则全部由原版游戏决定。它把 Factorio 的界面整个搬进 3D——背包、合成、机器面板、研究、地图、蓝图、电路网络、火车时刻表都用原版美术和快捷键重建，本体加 Space Age 四百多个实体都有 3D 模型，物品在传送带上流动、机械臂摆动、昼夜和灯光照常工作，还能加载你自己的存档而不改动原文件。适合两类人：想从全新视角欣赏自己工厂、或想拍延时和运镜视频的 Factorio 玩家（附带电影相机插件），以及对「用 mod 桥接把老游戏改造成 3D 客户端」这种技术方案好奇的开发者。和 AI 从业者关系不大。

这是一份精选的开发质量工具清单，核心思路是「每类检查只推荐一个工具」，而不是像 Awesome List 那样罗列一切。它覆盖 lint、格式化、类型检查、依赖分析、CI 流水线校验等环节，优先推荐 Rust 原生的快工具链（如 Ruff、Oxlint），并要求工具必须能在违规时让构建失败，而非只出报告。清单还特别强调对 AI 编码 Agent 友好：非交互、机器可读输出、可自动修复，你可以直接让 coding agent 读取清单，自动为仓库挑选合适的检查项并接入 hooks 和 CI。对工程效能、平台团队或需要统一代码规范的后端/前端负责人来说，这是快速建立质量门禁的参考；如果你不负责制定团队规范或 CI 流水线，和你关系不大。

这是一个关于 computer-use agent（让 AI 操作电脑、浏览器、手机 GUI 的智能体）的开源资源目录，把散落在各处的论文、GUI 模型、训练数据集、评测基准和工具框架集中收录，并附上可核查的原始来源链接，可类比为 CUA 领域的 Awesome 列表加结构化数据库。它实际能帮你快速回答几类问题：想选一个 GUI agent 评测基准时，可以对比不同平台、任务和版本；想找训练数据时，能查到监督方式、数据划分和许可；想追某篇论文的落地资源，能顺着链接找到对应代码、数据集和模型。目录还提供 JSONL 和 SQLite 格式，方便直接灌进自己的 RAG 系统或 Agent 做检索。适合关注 AI Agent 方向的研究员、做 GUI/浏览器 Agent 产品的工程师，以及需要系统梳理 CUA 领域文献和数据的人；如果你的工作与 computer-use agent 无关，这个目录基本用不上。

FlashAlign 是一个给大模型做「按需对齐」的工具，核心能力是 abliteration——也就是把模型的拒绝倾向削弱，让它更少说「我不能做这个」。它最实用的地方在于不用永久改权重：同一份模型权重，可以在不同请求上套用不同对齐档案，比如对已验证的用户和渠道放开限制，对其他请求保持原样，或者干脆全局开启。目前提供五个起步档案，覆盖 DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8-27B、Gemma 4 等模型，兼容 vLLM、SGLang、llama.cpp 等主流推理引擎，也能接进 Hermes、OpenClaw 或自建 harness。它解决的麻烦是：想让模型在特定场景少拒绝，又不想为此单独维护一份改过权重的模型副本，还得防止被滥用。适合在本地或私有环境跑推理服务、需要针对不同调用方差异化控制模型行为的算法和平台工程师；如果你只是调用 API 或做应用层开发，跟你的关系不大。

QwenPU 是一个把「计算机」编译进大模型权重里的实验项目：它在 Qwen3.5-4B 的权重中硬编码了一颗 32 位 RISC-V CPU 和一个向量单元，让模型在自己的前向传播过程中，把另一个小模型 Karpathy 的 stories260K 当作 C 程序跑起来并写出故事。所有新增权重都不是训练出来的，而是由编译器逐个算出的，因此每一步都可精确复现。相比把每条指令拆成大量 token 的早期方案，向量单元把整行矩阵结果压缩成几个 token 流出，效率提升了一个数量级。目前它还处于早期阶段，完整检查点有 26.7 GB，需要 40 GB 以上显卡才能整体加载。对多数从业者来说这更像一个展示「权重即硬件」可能性的概念验证，值得花两分钟了解思路；真正会动手研究的是关注模型内部计算、权重编译和新型推理架构的研究者与工程师。

这是 Nous Research 为自家 Hermes Agent 打造的官方插件集合，把智能家居、音乐播放、Claude 订阅接入等能力从主程序里拆出来，按需安装。Hermes Agent 本身是一个能跨会话记忆、自我改进的 AI Agent，可跑在终端、桌面应用或 Telegram、Discord 等聊天工具里，而这个仓库提供它的第一批一方插件：Home Assistant 插件让 Agent 监听家庭设备状态变化、通过 REST API 控制灯具空调、把定时任务结果直接推送到手机通知；Spotify 插件封装了播放控制、设备切换、队列、搜索和歌单管理等能力；还有 Claude Subscription DirectSDK 插件用于接入 Anthropic 订阅额度。所有插件都通过统一的插件目录分发，每个条目固定在经过审核的 commit 上，厂商和社区插件也走同一套审核流程。对做 Agent 集成、智能家居自动化或想给 LLM 接外部服务的开发者来说值得翻一翻；如果你不打算用 Hermes Agent，这个仓库本身和你关系不大。

agentring 让你的 AI agent 能直接给你的手机打电话，你也能反过来打电话找它。比如你让 Claude Code 跑一个耗时的数据库迁移，跑到一半失败了，它会像真实来电一样把你的手机（即使锁屏、省电模式下）打醒，一个语音 AI 接起电话告诉你发生了什么，你口头给出决策，转录文本回传给 agent 后它继续干活；反过来你也可以在 App 里主动呼叫 agent，边开车边问「CI 结果怎么样」。它通过 MCP 协议接入 Claude Code、Codex、opencode 等主流编程 agent，通话走自建 VoIP，不需要 Twilio 和电话号码，全程自托管。适合经常跑长任务、需要远程给 agent 下指令的 AI 工程师和重度 AI 编程工具用户；目前仅支持 Android，且处于 pre-release 阶段，只在一台 Pixel 6 上验证过，iOS 用户和纯后端开发者暂时关系不大。

这是一套面向中文读者的大模型入门教程，核心是用 PyTorch 从零手写一个 GPT-2：不调用任何现成 Transformer 模块，模型代码不到 200 行，加载 OpenAI 官方权重后能真正跑通推理和文本生成，并与 HuggingFace 实现逐项对齐验证。教程用「猫吃鱼」这个三词例子，把从分词、Embedding、自注意力到文本生成的完整链路拆成 15 篇文章，每篇配可运行脚本，还提供矩阵逐格计算的在线可视化，帮读者看清 Attention 公式里 Q、K、V 到底在算什么。它适合两类人：一是想搞懂大模型底层原理、但被论文和公式劝退过的算法工程师或学生，可以对照代码和动图把 Transformer 每个模块吃透；二是需要给团队做 LLM 基础培训的技术负责人，能直接拿它当教材。如果你只关心调用 API 或部署模型，这项目和你关系不大。

MapVerity 是一个数据管道字段级验证工具，专门解决医疗、保险、金融这类行业里「数据看着没问题但其实错了」的痛点——类型对、非空、在域内，但值就是错的。它把业务分析师已经在维护的 source-to-target mapping 表格直接编译成可执行的测试套件，对每个映射字段从源记录重新推导期望值，再和管道实际写入的结果比对，能处理 COBOL copybook、定宽文件、CSV、JSON、Parquet、S3、MongoDB、SQL 数据库和 REST API 等各种真实数据源。除了逐字段校验，它还能做数据变异测试，主动注入 15 类 ETL 故障来衡量你的测试套件到底能抓出多少、盲区在哪，并用基于公开缺陷数据训练的模型给转换函数打风险分、给出 SHAP 解释，把最可能出问题的检查排在前面跑。适合数据平台工程师、ETL 开发和数据质量负责人在 CI 里做发布门禁；如果你不负责数据管道的正确性验证，和你关系不大。

RoboSkills 是一套面向机器人的轻量级 Agent 工作流与工具集，可以理解为把 LLM Agent 的能力接到机器人仿真和动作生成上的「技能包」。它内置了几种典型工作流：让 LLM 逐步观察画面并直接充当策略控制机器人动作；从人类演示视频重建可交互的仿真场景（Real2Sim）；用文字、图片或视频描述生成动作视频；以及通过反复仿真试验自动改进策略。项目强调低成本，官方给出的对比是 Real2Sim 任务花费约为 Codex 的 11%，动作生成几乎不花钱。适合做具身智能、机器人学习、仿真数据合成的研究员和算法工程师，尤其是想用 Agent 快速跑通「演示到仿真」「策略迭代」实验、又不想自建整套工具链的人；如果你不碰机器人方向，和多数从业者关系不大。

这是一个案例索引清单，收录了 AI agent 拆解并重建闭源软件的真实案例，比如用 AI 逆向出 OBS Studio 的 Rust 替代品 rec-rs、PowerToys 取色器的替代品 hexgrab，以及读写 Axure RP 原型文件的工具。它围绕 REA（Reverse Engineer Anything）这个让 Claude Code、Codex 等编码 agent 借助 Ghidra、IDA、JADX 等工具分析无源码二进制、APK、固件的 MCP 服务展开，同时会核实每个案例到底有没有真的用到 REA，还是只是干净重写，避免被夸大宣传误导。对做逆向工程、互操作性、游戏或软件保存、开源替代品开发的工程师来说，这份清单能快速告诉你「某个闭源软件有没有人已经用 AI 拆过、重建到什么程度」，省去自己搜案例的时间；如果你的工作和逆向、竞品分析、替代品开发无关，那它和你关系不大。