这是一个 Claude Code skill，把一个知识点变成一条带旁白、每句话都有出处的知识短片，全流程在对话里完成：选题、查证、写稿、配音、代码逐帧渲染成 1080p60 视频，最后打包成可发布成品。画面不是剪辑素材，而是由 Claude Opus 编排、用代码（含 threejs）逐帧画出来的，另提供 44 套视觉风格，覆盖古风、水墨、像素、霓虹赛博、发布会极简等 8 个家族，增强档镜头会用 Renoise 生成配图并标注「AI 示意」。样片包括「商鞅立木」「一张纸折多少次能到月球」「什么是洗钱」这类科普选题，同一份脚本可切换基础档与增强档对比。适合做科普短视频、知识类自媒体内容的创作者，以及想探索「代码生成视频」工作流的 AI 应用开发者；如果你不做内容生产，和多数从业者关系不大。

这是一个把 Gemini 免费额度包装成 OpenAI 兼容接口的无服务器代理：你部署一次，就能拿到一个形如 OpenAI 的 API 端点，把原本只认 OpenAI 的工具直接指向它，底层实际调用的是 Gemini。它支持聊天补全和 embeddings，能传图片和音频输入，模型名以 gemini- 等前缀开头时会透传，否则默认走 gemini-flash-latest；还可以在模型名后加 :search 启用联网搜索，并通过 extra_body 打开 Gemini 独有的 thinking_config 思考配置。适合那些手头有大量只支持 OpenAI 协议的客户端、Agent 框架或评测工具，又想白嫖 Gemini 免费额度的个人开发者——不用自己维护服务器，扔到 Vercel、Netlify、Cloudflare Workers 这类平台就能跑。如果你的工作只用官方 SDK 直连模型，或者对免费额度和延迟不敏感，这个项目和你关系不大。

这是一个 Zsh 插件，让你在终端里用一句中文或英文注释直接生成对应的 shell 命令，类似把 GitHub Copilot 的补全体验搬进命令行。你只需要写下想做什么，比如「把所有文件按修改时间排序」或「根据 git diff 生成一条描述性提交信息并推送」，按下快捷键后 AI 就会把完整命令填到输入行，支持 OpenAI、Gemini、Groq、Mistral 以及本地 Ollama 等多种后端切换。它还提供一个可选功能：执行前先跑一遍命令收集上下文，让生成结果更贴合当前仓库状态，但要注意这可能在你确认前就改动系统。适合经常在终端里敲复杂命令、记不住 git 或 find 各种参数的运维、后端和 DevOps 工程师，能省去反复查手册的时间；如果你平时很少用命令行，或者不打算配置 API key，这个项目和你关系不大。

这是一个可以自己部署的 RAG 搜索服务，用大白话讲就是把「联网搜索 + 网页正文提取 + 向量化 + 大模型生成答案」打包成一个 API，你给它一个问题，它先去 Google 等搜索引擎抓取相关内容，再抽取正文、算相关度、可选地做重排序，最后让 LLM 基于这些资料生成带引用的答案。相比直接调用各家搜索 API 再自己拼 RAG 管道，它省去了把这些环节串起来的工程量，参数里能控制检索条数、是否重排、过滤阈值等。适合想给内部知识库或产品快速加一个「能查网并回答」能力的后端和 AI 应用开发者，尤其是对数据出网敏感、希望全链路自托管的团队。如果你只是用现成的搜索产品或不涉及检索增强的开发工作，跟它的关系不大。

这是一个在线的分词器对比工具，让你把同一段文本丢进去，直观看到不同语言模型会把它切成多少个 token、怎么切。它底层调用 openai/tiktoken 来计算准确的 token 数，同时把切分结果可视化出来，比如哪些词被合并、哪些被拆开。对写 prompt 的人来说，这能解释一个常见困惑：为什么字数差不多的两句话，计费和上下文占用却差很多——比如中文和英文在同一模型下的 token 效率差异，或者加了空格标点后 token 数突然变多。适合需要估算 API 成本、优化 prompt 长度、或想理解模型如何「读」文本的开发者和算法工程师；如果你平时不碰 LLM 的计费和上下文管理，这个工具和你关系不大。

这是一个纯 Shell 写的轻量脚本，让你在终端里直接调用 OpenAI 的 ChatGPT 和 DALL-E，不用装 Python 或 Node.js，依赖只有 curl 和 jq。它能做三件事：一是对话，支持 gpt-3.5-turbo、gpt-4 及其他模型，还能开启上下文模式让模型记住前几轮问答；二是用文字提示词生成图片；三是把问题通过管道喂给它，比如把「如何查看昨天创建的 PDF」这类问题丢进去，直接拿到可执行的命令建议，也可以自定义初始提示词让它扮演特定角色。适合经常泡在命令行里的运维、后端和 DevOps 工程师，当你想在不离开终端的情况下快速问一句、查个命令或生成张图时，它比开浏览器切到网页版省事得多；如果你平时很少用终端，这个项目和你关系不大。

这是一个 PyTorch 训练用的采样器，专门解决类别不平衡数据集的训练偏差问题。比如医疗影像里正常样本远多于罕见病样本，直接训练模型会倾向于把所有图都判为正常，表面准确率很高但少数类几乎全错。ImbalancedDatasetSampler 会在每个 epoch 采样时自动重加权，让少数类被抽到的概率提高，从而在不复制数据、不丢弃多数类样本的前提下平衡类别分布，配合数据增强还能缓解过拟合。相比手工做欠采样或过采样，它不用你先造一份平衡数据集，直接接进 DataLoader 就能用。适合正在处理欺诈检测、罕见病识别、缺陷检测这类长尾分布数据的算法工程师和深度学习从业者；如果你的项目数据本来就均衡，或者不做模型训练，那跟你就没什么关系。

node2vec 是图嵌入领域的经典算法实现，把网络中的节点映射成低维向量，让「图」这种结构化数据也能被机器学习模型直接使用。这个 Python 版本基于 networkx 和 gensim，通过带偏置的随机游走采样节点序列，再用 skip-gram 训练向量，还支持把节点对组合成边向量。典型场景包括：社交网络里找兴趣相似的用户、电商推荐中发现关联商品、风控里识别异常连接的账户，或者给下游的分类、聚类、链接预测任务提供特征。如果你在做图机器学习、知识图谱或推荐系统，需要把图结构转成稠密特征，这个库能省去自己实现游走和训练的功夫；它也常被用作理解后续 GraphSAGE、GAT 等方法的入门参照。纯做 NLP、CV 或大模型应用的读者关系不大，图数据不是你的输入就不用看。

Prompt Poet 是一个低代码的 LLM prompt 模板工具，用 YAML 加 Jinja2 的组合来替代手写字符串拼接，让 prompt 从一段散乱的代码变成结构化的分块配置。每个块可以带名称、角色和截断优先级，模板渲染后自动按块组织，还内置 token 统计和缓存友好的截断策略。典型场景是聊天类应用：把系统指令、历史消息、few-shot 示例、用户查询分别做成独立块，当上下文超长时按优先级从旧到新丢弃历史消息，而不是粗暴截断整段 prompt；也可以按用户当前是语音还是文本、问题是否属于作业辅导来动态插入不同指令，或者把公共段落拆成可复用片段，在 A/B 测试新 prompt 时直接 include。适合需要维护复杂动态 prompt 的后端工程师和 prompt 工程师，尤其是做对话机器人、Agent 或长上下文应用的团队；如果你的 prompt 只是固定几行静态文本，这个工具意义不大。

Arman VPN 是一个非官方的开源 VPN 客户端，覆盖 Android、Windows、macOS 和 Linux，甚至支持 Android TV。它本身不自建服务器，而是借用 Mozilla 的账号体系，把流量走 Mozilla 位于 Fastly 基础设施上的服务器，用 HTTP/1.1、HTTP/2、HTTP/3 隧道传输，每个 Firefox 账号每月有 50GB 免费额度。实际功能上，它能按延迟测速选国家、做分流（让指定应用或网站绕过 VPN）、用 DoH 加密 DNS，还针对被墙网络准备了 TLS 分片、SOCKS5 上游和中继等手段，连接时会伪装成 Firefox 的 TLS 指纹以降低被识别的概率。对多数互联网从业者来说，它和 AI 工作没有直接关系，但如果你经常需要在受限网络下访问海外资源、又不想付费买商业 VPN，或者想研究抗封锁隧道和 TLS 指纹伪装的实现，这个项目值得翻一翻。

这是一个声称提供 AnyDesk 预激活安装包的仓库，宣称开箱即用、无需注册即可解锁全部远程桌面功能，包括无人值守访问、文件传输、会话录制等。但仔细看 README，它没有任何实际代码或技术实现说明，通篇只是安装器的营销式描述，且主打「绕过授权」「离线激活」这类卖点，本质上是在分发破解版商业软件。这类项目通常存在供应链风险：你无法验证安装包里到底打包了什么，所谓「预激活」很可能夹带后门或恶意载荷，144 个 Star 也远不足以证明其可信度。如果你确实需要远程桌面工具，建议直接使用 AnyDesk、TeamViewer 官方渠道，或 RustDesk 这类开源替代品，不要从不明来源下载所谓激活包。对多数从业者来说，这个仓库与你的工作无关，看到请直接跳过并警惕。

Hopper 是给 Horizon 玩家用的 Minecraft mod 兼容性检查工具。Horizon 是用 Rust 重写的 Minecraft: Java Edition 26.3，Java 写的 mod jar 在上面跑不了，Hopper 就负责回答「我的 mod 在 Horizon 上能不能用」。你把整个 mods 文件夹、Prism 或 MultiMC 实例、.mrpack 或 CurseForge 压缩包拖进去，它会把每个 mod 归成四类：Horizon 内置功能已覆盖（比如 Sodium、Lithium 对应引擎优化，JEI 对应官方 Recipes mod）、已有 Rust 移植版、能直接搬运内容、以及暂不支持，并给出一句话解释和一键安装。它还会维护「玩家最想要的十个 mod」投票榜，你关注的 mod 一旦出了 Horizon 版本，下次启动就会提醒。对做 mod 移植的人，这份榜单就是优先级清单。适合玩 Horizon 的 Minecraft 玩家和 Rust mod 移植开发者；不碰 Minecraft 或不关注 Horizon 生态的人基本用不上。

这是一个把家用 Wi-Fi 7 路由器 Gemtek W1700K 改造成宽带软件定义无线电（SDR）接收机的硬核项目，类似把一台专业频谱分析仪塞进路由器里。它完全自研了 MediaTek MT7996 射频芯片的固件，让路由器能以最高 320 Msps 采集 14-bit 原始 IQ 数据，经 10 GbE 传到 Linux 主机，在浏览器里实时显示频谱和瀑布图，覆盖 2.4/5/6 GHz 全频段，本振可任意调谐、毫秒级切换。典型场景包括无线频谱监测、Wi-Fi 信道干扰排查、跳频信号观察，比如同时看两个 80 MHz Wi-Fi 信道的边缘和保护间隔。适合射频工程师、无线安全研究人员、SDR 爱好者以及想低成本做宽带频谱观测的人；纯软件开发或 AI 从业者基本用不上。

这是一套给护理科研用的 AI 技能包，可以理解为把护理论文从选题到投稿的全流程拆成了 18 个「搭子」：检索搭子帮你写检索式、去重题录，精读和拆解搭子负责读文献、做证据卡，选题设计搭子把模糊的护理问题转成可行的研究方案，数据就绪搭子核对量表编码、生成数据字典，统计搭子给出本地分析计划和结果台账，写作、润色、配图、汇报、模拟审稿、审稿回复等搭子则覆盖成稿到返修的后半程。它本质上是给宿主 AI（如 Codex）提供工作方法、模板和参考的提示词与脚本集合，本身不执行临床验证，也不替代作者和统计人员的责任。对护理方向的研究生、临床护理人员以及带教老师最实用——比如正在写横断面研究或系统综述、卡在检索式怎么写、审稿意见怎么回的人，可以直接照着对应搭子的模板推进；如果你不做护理科研，这个项目和你关系不大。

LightPost 是一个自托管的社交媒体排期发布工具，可以理解为开源版的 Buffer 或 Hootsuite：你在同一个面板里连接多个账号，写好一条内容，就能同时发到 X、Bluesky、Mastodon、Instagram、Threads、LinkedIn、Telegram、Discord、Facebook Pages 和 YouTube 等平台，也可以存草稿、定时发布。它支持按账号定制内容形态（纯文字、图片或视频），发布后能看到每个账号的投递结果和链接，失败的目的地可以单独重试而不影响已成功的。数据全部存在自己的服务器上，凭据加密保存，不依赖外部数据库和 AI 服务。适合个人创作者、独立开发者或小团队里负责多平台运营的人，尤其是那些不想把账号凭据交给第三方 SaaS、又需要统一管理多个社交账号发布节奏的场景；如果你根本不做社交媒体分发，这个项目和你关系不大。

这是一个针对射击游戏 Valorant 的外挂辅助工具，俗称 ESP（透视挂），能在游戏画面上叠加显示敌方玩家的方框、名字、血量条、距离和骨骼轮廓，让你隔着墙也能看到对手位置和状态。它声称适配最新游戏版本，界面可自定义颜色、大小和透明度。这类工具属于作弊软件，会破坏游戏公平性，使用后极大概率触发 Riot 的反作弊系统导致账号永久封禁，README 里也标注了风险自负。对多数从业者来说，这个项目和你的工作没有关系，不建议花时间研究；除非你是做游戏反作弊、外挂检测或安全对抗方向的，可以把它当作分析样本看看外挂的实现思路。

Agent Cockpit 是一个本地白板加 MCP server，专门给做研究的 AI agent 用：Claude Code、Codex、Cursor、Gemini CLI 等 agent 把计划、任务、实验运行、结论都画到同一块板上，每个结论必须引用某次运行真实写出的值，而每次运行会记录脚本及其依赖文件、函数的内容哈希。一旦有人改了评分器、数据管线或统计辅助函数，依赖它的运行立刻变陈旧，建立在上面的结论卡片变红，提醒你重新检查——解决了「agent 悄悄改代码导致已验证结果失效却没人发现」的老大难问题。它还会检测未上报的文件改动并阻断提交，内置调用图做影响分析和规则式 code review，所有事件可回放，检查全是本地确定性规则、不花 token。适合用 AI agent 跑实验、做数据分析或模型训练的研究者和算法工程师，尤其是那些被「agent 改了代码但没说」坑过、需要向人交代结论可信度的人；如果你的工作不涉及让 agent 写研究代码，和你关系不大。

这是一个视频模板合集仓库，收录了 MotionGit 团队的 84 个可下载模板和 102 个 Demo 视频，横竖屏画幅分开展示。它卖的核心概念是 .motion 文件：不是一段提示词，而是一份完整的开源视频工程，里面打包了视觉风格、动效库、转场逻辑、音效规则和给 AI 的制作说明。你把模板包、本期文案和素材一起丢给 Claude、Cursor、Codex、豆包这类具备文件访问和命令执行能力的助手，它就能按包内指南生成预览并导出成片，相当于把「套模板做短视频」这件事交给 AI 执行。适合需要高频产出系列短视频的运营、自媒体和内容团队，用同一套模板保持风格一致并持续迭代；如果你不做视频内容，这个项目和你关系不大。

这是一个 Solana memecoin 项目 $JRAMES 的官网仓库，产品分两部分：网站是一个用 Three.js、自写 GLSL 雕刻着色器和 Web Audio 现场生成配乐做的滚动式版画风格互动漫画，讲一座大理石雕像在死币大厅中敲打并取出一枚活币的故事；配套 App 则用来解释 Solana meme 币为何异动，它会列出带日期的证据（聪明钱和 KOL 买入、launchpad 迁移、X 上的帖子），给出假设、置信度和基准概率，但不下结论，另有新币雷达和 X 追踪。本仓库只包含网站部分，App 和后端是私有的。对做前端、WebGL 或创意编程的人，它的雕刻着色器和滚动叙事手法值得翻翻；对链上交易者，App 的证据链思路可能有用，但代码看不到。若你只是找 AI 或通用工具，这项目和你关系不大。

axuse 是一个给 AI Agent 用的浏览器和电脑操作 MCP 服务器，可以接入 Codex、Claude Code、OpenCode、Cursor 等任何支持 MCP 的工具。它的核心思路是：别再让模型看截图了，直接通过 Chrome DevTools Protocol 读取 DOM 和无障碍树，把页面变成带稳定元素引用的紧凑文本快照，每次操作只返回变化部分，输入走可信通道，失败给出带重试提示的类型化错误。相比截图循环方案，它在官方基准里中位任务耗时 17 秒，约为 Codex 自带 Chrome 扩展的三分之二、browser-use 的三分之一，token 消耗减半且准确率持平。除了浏览器，它还能控制桌面应用（Windows 已验证，macOS、Linux 支持），配套的 axdroid 让 Agent 通过无障碍树操作 Android 手机，在 AndroidWorld 官方测试中 116 个任务全部完成。适合正在做 Agent 自动化、RPA、网页数据抓取或 computer use 相关开发的工程师，以及想让 Claude Code 等编程助手代为操作浏览器和桌面软件的人；纯做模型训练或后端业务的读者关系不大。

ForgeKernel 是一个能自我进化的 GPU kernel 优化 agent：它先运行、计时并 profile 一个参考 kernel，把它的架构拆解成一份分阶段的优化任务清单，交给编码 agent 逐步实现，每产出一个被验证更优的 kernel，就顶替参考成为下一轮的起点，直到硬件上榨不出更多性能为止。过程中由 GPU 探针实测确认的硬件特性会沉淀成跨算子共享的知识库。论文里在 Hopper 和 Blackwell 上测试 27 个算子，22 个专家库 kernel（FlashAttention-4、cuDNN、DeepGEMM 等）中有 18 个被追平或超越，最高提升 170.6%，还在 NVIDIA 和华为 CANN 的多个 benchmark 榜单上拿到第一。适合关注算子性能、推理加速的 GPU kernel 工程师和推理框架开发者，以及想用 Agent 做自动优化的研究者；做业务应用或模型调优的人关系不大。

MicroGPT 是一个用纯 NumPy 从零实现的 GPT 语言模型，约 700 行代码，不依赖任何深度学习框架，也没有自动求导引擎——前向传播写得明明白白，反向传播的梯度是手推出来的，链式法则直接体现在代码里。它包含字节级 tokenizer、多头因果自注意力、AdamW 训练器和 top-k 采样，整个模型在笔记本 CPU 上一分钟左右就能训练完。这个项目的价值在于教学和理解：如果你想搞清楚 Transformer 内部到底在算什么，而不是把它当成黑盒调用，它能让你一口气读完全部实现，还能通过有限差分验证手写梯度的正确性。适合刚入门深度学习、想吃透 GPT 原理的学生和算法工程师，以及需要给团队讲解模型内部机制的人；如果你只是想用现成模型做应用开发，这个项目和你关系不大。

这是一个围绕 Stake 平台月度奖励机制的说明性仓库，本质上是一篇讲解 VIP 等级、忠诚度分层、活动追踪和加密货币奖励周期如何运作的指南，附带一个 Python 写的月度奖励估算器。它把这类系统的常见结构拆成四块：按滚动 30 天统计的投注量与活跃天数、按月复核的 VIP 等级门槛、等级倍数乘以活跃度得分的奖励计算，以及社区活动层。仓库里给出的估算器用投注额、活跃天数、每周场次算出一个 0 到 100 的活跃分，再乘以从 beginner 到 elite 的等级倍数，用来做跨月的相对比较，而不是预测真实到账金额。它还点破了一个社区常见误区：高等级但当月不活跃，可能不如中等级但活跃的人拿得多。如果你是做博彩类、加密娱乐平台的产品或运营，想理解这类留存与激励体系的设计逻辑，可以翻翻；对多数互联网和 AI 从业者来说，这个项目和你的工作关系不大。

terminal-phone 把一台 iPhone 模拟器（或你通过 USB/Wi-Fi 配对的真机）直接嵌进终端窗口，你可以像操作真手机一样点击、输入、拖拽和滚动，支持 Ghostty、kitty、iTerm2、WezTerm、Warp、VS Code 等主流终端的高清图形渲染，还提供多种配色的手机边框、截图、录屏、深色模式等控制。它更核心的用途是给 AI 编码 Agent 用：通过 JSON CLI 或 MCP server，Claude Code、Cursor、Codex 等 Agent 能观察屏幕上的无障碍元素、执行点击输入、等待界面状态并校验结果，从而自主完成「构建 App → 安装到模拟器 → 点击走查 → 验证效果」的完整闭环，且带过期元素引用拒绝和防重复输入的安全机制。值得看的是 iOS 开发者和负责 AI 编码工作流的工程师——如果你在用 Agent 开发或测试 iOS 应用，它能省掉反复手动点模拟器的麻烦；只做后端、Web 或纯模型工作的人则关系不大。