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。

这是一个给 Claude Code 用的只读实时监控面板，把当前会话和子 Agent 的活动以流式图的形式呈现在浏览器里，同时提供终端视图、MCP server 和状态栏。它能看到每个 Agent 在做什么任务、消耗了多少 token 和成本、有没有文件冲突，以及哪些地方需要你介入，但绝不会启动、停止或干预 Agent，纯本地运行、零依赖。除了监控，它还附带 AOS-1 规范，定义了一套可观测的 Agent 状态标准，包括心跳、纯文件状态和事件日志格式。另外它支持跨机器只读查看多台机器上的 Agent 用量，以及接入 OpenTelemetry 拿到精确成本拆分。如果你在用 Claude Code 跑多个子 Agent，经常搞不清它们各自在干嘛、花了多少钱、哪里卡住了，这个面板就是干这个的；如果你只是偶尔用 Claude Code 单线程干活，关系不大。

T3 Tots 是给 T3 Code 配套的 Grok Bot 聊天助手，可以理解为给 T3 Code 加了一个会自己干活的「值班机器人」。它能监控线程状态、推送新问题和运行结束事件到你自建的 webhook，还能在你离开时进入委派模式：自动回答常规问题、催促卡住的线程、在用量额度用尽后自动恢复任务。安全边界设计得比较细，遇到需要确认的危险操作（比如 git hook 询问是否执行破坏性命令），机器人一律拒绝并改走更安全的路径，回来后你会收到一份「拒绝清单及原因」；你在场时，每个审批都会以卡片形式送到你面前，必须你点头才放行。它通过 T3 Code 的本地 websocket API 和只读数据库工作，官方 MCP server 尚未覆盖审批、实时事件推送、卡住队列恢复等能力，所以目前仍有存在价值，但依赖非公开接口，T3 Code 一升级就可能失效。适合重度使用 T3 Code 跑 AI 编程任务、需要长时间挂机让 agent 自动推进的开发者；只是偶尔用用 T3 Code 的人关系不大。

kodeblue 是装在每台 Linux 服务器上的 AI 蓝队 agent，把 SOC 监控、事件响应和 SecOps 巡检合在一个进程里。它先花一两个小时学习这台机器的正常状态，之后用零 token 的传感器持续盯着敏感文件和进程，一旦发现异常就交给一个小模型分诊，再由 agent 自己开一个会话调查、按策略隔离攻击并写出事件报告，同时还能盘点各服务的漏洞、每天自动调优检测规则并把更新推到 Slack。设计上刻意让确定性过滤器做重活，模型只看漏网的少量事件，因此接任意 OpenAI 兼容的便宜小模型即可运行，不配模型时传感器和检测也照常工作。可选的 hub 控制台把整个机队的事件、agent 推理过程和待审批操作集中到一个界面。适合负责 Linux 服务器安全的运维、SecOps 和安全工程师，尤其是人手不足、雇不起 7×24 SOC 的团队；做 AI 安全应用的人也可以参考它的「确定性传感器 + 小模型分诊」架构。

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。

distillops 是一套黑盒知识蒸馏流水线：你只需要一个能判断对错的任务（比如字段抽取、个人信息识别、数学题、票据阅读），它就用大模型 API 当老师生成答案，通过验证的样本拿来微调小模型，再用 GRPO 强化学习继续提升，全程不需要老师的权重或 logits，任何 OpenAI 兼容端点都能当老师。实际效果相当能打：0.6B 的个人信息检测模型零人工标注就超过了教它的 API 模型，1.7B 学生追平 Qwen3-1.7B 的数学成绩，2B 视觉模型在票据识别上打平 32B 老师，而且每组结果都配了对照实验和置信区间。适合想把昂贵 API 调用换成可本地部署小模型的算法工程师和 ML 工程师，尤其是有可自动验证任务、又受限于成本或数据合规的场景；如果你的工作和模型训练、蒸馏无关，这个项目关系不大。

Lalabase 是一个可自托管的项目管理平台，面向软件外包团队和他们的客户，功能上类似 Jira 或 Redmine 的替代品，把工单、工时、文档和会议纪要放在一处管理。它最实用的地方是内置 AI 助手：你可以直接问「这个工单现在谁在做、还剩什么没完成」，或「上次开会我们达成了什么共识」，回答会跨工单、文档、工时和会议记录检索，并明确标注引用了哪条工单、哪条评论、哪场会议，避免凭空编造。工时按会话记录、可单独标记是否计费并导出用于开票，会议自动生成摘要和待办，仓库里的文档目录也能直接变成项目文档。此外它提供 MCP server 和 REST API，可接入 Claude、Cursor 等工具操作工单和知识库。适合外包公司、小型开发团队的项目负责人和需要向客户透明同步进度的工程师；纯做模型训练或算法研究的人关系不大。

LGUI 是一个专为 AI Agent 设计的游戏 UI 框架，让做游戏界面这件事不再依赖游戏引擎：界面用 FairyGUI 格式写在 `ui/` 文件夹里，逻辑用 TypeScript 按 MVC 组织，预览开浏览器、测试在 Node 里跑，Agent 可以自己拼界面、写逻辑、截图验收，全程不用打开 Unity 或 Cocos 编辑器。它解决的是游戏开发中 UI 迭代慢、Agent 难以自主验证的麻烦——比如让 Codex 从一张原型图出发，30 分钟做出背包界面并导出到 Unity 打包测试；框架自带横竖屏双布局、安全区、拖放、多语言、动效等游戏 UI 常见能力，还提供规范检查和带错误码的报错，方便 Agent 自查。上线时一条命令把同一份界面和代码导出到 Unity，游戏代码不用改，接其他引擎只需写适配层。适合游戏客户端开发、UI 程序，以及在用 Claude Code、Codex 等 Agent 做游戏开发的团队；做纯 Web 或后端的人关系不大。

The Trinity 是一个多模态 Agent 的递归自我改进框架，核心思路是让 Agent 在自己生成的简化世界里练能力，再把练出来的能力迁回真实任务。它把系统拆成三个角色：Creator 负责生成可验证的模拟世界，Explorer 在这些世界里交互并进化出可复用的能力模块，Evolver 则把杂乱的任务需求整理成一棵分层能力树。中间还有一层 Capability-Aware Router，会根据每个任务的需求自动挑选合适的能力模块组合，也就是 real2sim2real 的闭环。目前代码已放出，包含任务发现、轨迹分析、能力归纳、Creator-Explorer 训练和路由等完整流程，但模拟环境和 Harness 本体尚未发布。对做多模态 Agent、Agent 训练或能力学习方向的研究和工程人员来说，这篇论文和代码值得翻一翻；如果你不涉及 Agent 自我进化或能力模块化，和多数从业者关系不大。

这是一本用韩语写成的开源电子书，作者전종홍，全书445页，以「智能像电一样流动」为核心比喻来解释AI Native时代：把foundation model比作发电厂，MCP、A2A比作输电网，AI agent比作家电，从蒸汽机、电力、信息一路讲到第四次革命，覆盖智能的价格与速度、各国的智能能源战略、个人agent、Physical AI、编排者、智能鸿沟等话题，共7部89篇。它以living document方式持续修订，最新版可直接在浏览器打开PDF或下载EPUB，遵循CC BY-NC-ND 4.0协议。适合想从宏观视角理解AI产业格局、公司与国家如何重新画部署图的战略、产品、政策岗位读者；如果你只想找可落地的工程工具，它帮不上忙，而且是韩语原文，需要韩语阅读能力。

这是一份游戏逆向工程成果的导航清单，收录了经典游戏的反编译、重编译、移植和演示项目，按平台动作、RPG、射击、恐怖、竞速、策略等类型分好类，共上百款。比如 Super Mario 64 既有还原出源码的反编译项目，也有基于它做的 PC 移植和多人版；Metroid Prime 区分了引擎重实现和光盘原生移植；东方 Project 的作品还有浏览器可玩版本。每款游戏下面会列出相关项目并说明各自定位，帮你分清哪个是源码还原、哪个是移植、哪个只是演示。它适合对游戏逆向、复古游戏移植、引擎重实现感兴趣的开发者和爱好者，比如想研究 N64、GameCube 时代游戏如何被还原成现代可运行代码的人；如果你不碰游戏逆向，这个清单和你的工作关系不大。

gemini-stealth-bridge 是一个把 Gemini 网页版包装成 OpenAI 兼容接口的代理服务，用你自己的 Google 账号 Cookie 登录，不需要 Gemini Developer API key，也不用跑 headless Chrome。它把 OpenAI 格式的消息、图片和工具定义翻译成 Gemini Web 请求再转回 JSON 或 SSE，让只认 OpenAI SDK 的客户端直接调用 Gemini。除了聊天，它还支持多账号池化与配额感知的故障转移、Google 搜索引用附带、Imagen/Veo 图片视频生成，以及内置 MCP 端点供 Claude Code、Cursor 等客户端调用。适合想用免费或已有 Gemini 账号跑 coding agent、又不想接官方 API 计费的开发者，或者需要在多个账号间轮换规避配额限制的场景。但要注意它是非官方桥接，Google 改协议或封号就可能失效，且不保证防检测，对多数普通从业者关系不大。

构屎 GOUJI 是一个纯 C++/CUDA 写的微型模型项目，主打 2 bit 三值权重（-1/0/+1）、零 Python 依赖，目前的实际定位是一个设备端的命令路由层：把「读一下那个日志」这类自然语言意图分类成 read_file 等具体工具调用，支持 9 个基础工具，靠联想记忆实现零训练参数的写入——教一句新说法 23 微秒生效，不用梯度下降。实测在 8 GB 笔记本 GPU 上检索延迟 0.22 ms，留出集路由准确率 100%，三值量化比 int4 快约 1.9 倍。它明确不聊天、不推理、不写代码，语料外的动词会直接拒答。值得看的是对端侧推理、低比特量化、非 Transformer 路线感兴趣的研究者和 C++ 工程师，以及想了解「用检索加规则替代大权重」这一思路的人；只想找可用聊天模型或生产级 Agent 框架的读者可以跳过。

这是一个给 DeepSeek Harness（DSH）用的插件，作用是给 AI agent 装一个「刹车」：它按轮次统计模型执行的写操作次数（改文件、写代码这类会改变世界的动作，读文件和搜索不计数），前 10 次允许通过但会提醒模型该收手了，第 11 到 14 次直接向模型注入「停下来、向用户请求确认」的指令，到第 15 次硬上限时工具调用会被拦下，等你输入 confirm 才放行整个回合。它解决的典型麻烦是：你让 agent 跑半小时去改代码，回来发现它把同一个功能重写了两遍、或者一口气改了 200 个文件烧掉一天预算。注意它不是安全沙箱，只管成本和方向，权限模式切换时也能实时跟随。主要适合在本地或服务器上跑 DSH agent、又不得不给它完整权限的开发者，尤其是担心 agent 失控烧钱或跑偏的场景。

这是一个跑在 DeepSeek Harness（DSH）上的 AI Agent 技能：你在 B 站评论区 @ 它提到的某个视频，它会先从 @ 通知里核对昵称、定位到正确的视频，再本地转写文字稿并抽取关键画面看懂内容，最后以你的身份在评论区回一条内联评论——教学类视频会给出可点击跳转的分章时间戳，玩乐类则回一句情绪反应。它解决的是「B 站 @ 通知只有评论文字、没有视频链接」这条断掉的链路，还踩平了发错位置对方收不到通知、盲取列表第一条点错视频等真实坑，并支持每 30 秒自动检查 @ 的看门狗模式。适合想在 B 站做自动化互动、内容运营或折腾 Agent 技能的开发者；注意它必须配合能操控已登录浏览器的自动化工具（如腾讯 BrowserSkill）才能工作，且会以你的身份公开发言，建议用小号。

LumaBrowser 是一个把本地 AI 全家桶塞进一个桌面应用的 Chromium 浏览器：内置 llama.cpp 推理运行时、OpenAI 兼容 API、聊天与 Agent、Stable Diffusion 图像视频生成、TTS 和音乐，还带 MCP server 让 Claude Code、Codex、Cline 驱动你的浏览器。它会先读你的显存，在下载模型前就标出哪些模型装得下、预计多快，也能直接复用 LM Studio、Ollama 或 Hugging Face 缓存里已有的模型，避免重复下载。聊天时让它联网查资料，它会自己开标签页读页面作答，而你的标签页和登录状态始终留在本机。对多数人来说，如果你只是用云端 ChatGPT 或 Cursor，这项目关系不大；但想在自己机器上跑本地模型、做隐私敏感的浏览器自动化，或需要给终端里的 coding agent 一个真实浏览器的人，值得看看。