小红书又冒出个野路子玩法，指数测试模型，有人靠这套打法一个多月净赚很多
不拼内容创作质量、不卷粉丝基数，底层逻辑走的是数据反推加模型验证的路线。
低成本起号铺路，小样本快速测品，跑通数据模型后直接复制放大。
🔗：https://pan.quark.cn/s/94b410c3363a

断网等于失智？Project Nomad直接给你造了座离线的数字诺亚方舟，33k+ star验证过的硬核生存AI电脑。
把AI对话、整套维基百科、离线地图、全套课程全部塞进本地，一键部署完毕，彻底跟网络依赖说拜拜。无论身处何地，随时保持清醒、持续学习、应对突发。
本地AI对话：Ollama驱动底层推理，支持文档上传配合RAG语义检索，知识库随便问
海量离线内容池：完整维基百科镜像、医疗急救手册、野外生存指南、Khan Academy全课程（Kolibri带进度追踪）、区域离线地图包
实用工具箱：CyberChef数据瑞士军刀、FlatNotes本地记事本、文件浏览器、密码管理器，外加一键部署自定义Docker容器
无脑运维：Command Center统一管控安装、更新、内容管理，自动更新可开关，零遥测完全离线
硬件宽容度拉满：4GB内存就能跑，配强GPU直接起飞跑大模型
适合生存主义者、户外旅行、偏远地区作业、断网应急场景。几条命令敲完，浏览器打开即用，不需要任何额外配置。
🔗 ：https://github.com/Crosstalk-Solutions/project-nomad

如何让多个AI智能体高效协同工作？终于有人用一种最返璞归真的方式给出了答案。
这款名为squad的命令行工具，用Rust语言编写，它的核心思想就是让Claude Code、Gemini CLI、Codex、OpenCode这几个顶级的命令行AI智能体，能像坐在同一张会议桌上一样顺畅协作。
它的实现思路极其朴素，没有复杂的后台守护进程，纯粹依靠Shell命令结合一个SQLite数据库来传递“消息”，每一次命令执行都是一次独立的、即时的操作。
玩法也非常直观，只需打开三个终端窗口各司其职：
1️⃣ manager（管理者） 负责拆解复杂目标并分派任务。
2️⃣ worker（执行者） 负责接收任务、执行并汇报结果。
3️⃣ inspector（监督者） 在旁边审查工作成果。
一句/squad指令就能拉起一整支AI队伍为你打工。
如果启动多个相同角色的智能体，系统还会自动编号（如worker、worker-2），确保团队井然有序。
🔗 ：https://github.com/mco-org/squad

想用AI直接操作网页的都懂！！
要么装浏览器扩展，要么写Python脚本，要么搞headless浏览器，配置麻烦、权限敏感，还容易出问题……
Alibaba直接开源了 Page Agent！一个纯前端的网页GUI Agent，用自然语言就能控制网页界面。
几个硬核点给你划出来：
1️⃣ 纯JavaScript实现，直接嵌入网页运行，无需扩展或后端
2️⃣ 支持自然语言指令控制DOM（点击、输入、滚动等）
3️⃣ Bring Your Own LLM，随便接你想用的模型
4️⃣ 可选Chrome扩展实现跨标签页、多页面复杂任务
5️⃣ 极致轻量，一行script标签或NPM安装即可使用
说白了，这就是给想让AI帮自己操作网页的开发者准备的。
你不再需要写复杂自动化脚本，而是直接用自然语言指挥网页干活！
🔗 https://github.com/alibaba/page-agent

让AI coding agent真正看懂并操控浏览器？Chrome官方直接开源了这个工具！
以前AI操作网页基本靠截图猜，或者自己写脚本，经常失败、调试困难、效果一般……
Chrome DevTools团队这次直接把专业能力开放了：chrome-devtools-mcp，让AI通过MCP直接使用Chrome DevTools全部功能。
几个硬核点：
1️⃣ 提供40+专业工具，支持点击、输入、截图、网络分析、性能追踪、内存快照等
2️⃣ 深度集成Chrome DevTools，调试和性能分析能力远超普通自动化方案
3️⃣ 通过MCP协议无缝接入Claude Code、Cursor、Gemini等主流AI coding工具
4️⃣ 支持headless模式和远程调试，部署灵活
5️⃣ Chrome官方出品，稳定可靠，真正把浏览器能力交给AI
Chrome官方直接把DevTools能力开放给AI了。
以后AI操作浏览器再也不用靠猜和截图，而是能真正看懂、分析、操控整个浏览器环境。
这个工具一出，浏览器自动化直接进入新阶段。
🔗 https://github.com/ChromeDevTools/chrome-devtools-mcp

开完会还要手动整理笔记，还担心内容被上传到云上？
Meetily直接来了！一个完全本地运行的AI会议助手，实时转录 + 智能总结，全程不联网。
几个点：
1️⃣ 100%本地处理，数据完全不离开你的设备，隐私安全拉满
2️⃣ 使用Parakeet/Whisper实现4倍速实时转录，还带说话人分离
3️⃣ 支持Ollama等本地模型自动生成会议总结和要点
4️⃣ 同时捕捉麦克风和系统音频，智能避免声音冲突
5️⃣ 开源免费，支持macOS、Windows、Linux，GPU加速优化
再也不用事后手动整理会议记录，也不用担心隐私问题了。
🔗 https://github.com/Zackriya-Solutions/meetily

还在用“另存为”一个个扒网页资源？这个能镜像克隆整站源码的开源工具，直接让你一步到位。
近期冲上热榜的 Website Downloader，操作逻辑极其粗暴：你丢一个网址进去，它就把该站点的全部源代码、样式表与多媒体素材一网打尽，完事儿压缩成一个包直接返回给你。
本质上，它依赖 Node.js 编排了一套强悍的 wget 指令组合拳：
1️⃣ --mirror 开启递归镜像模式，执行整站穿透式抓取
2️⃣ --convert-links 将链接统统强制转换为本地相对路径，断网环境照样丝滑浏览
3️⃣ --page-requisites 确保 CSS 样式与高清图等渲染刚需文件无一遗漏
4️⃣ 配合 --adjust-extension 智能补全文件后缀，再用 --no-parent 死死锁住根目录，防止爬穿外链
不管你是想白嫖前沿的页面架构设计，制作某个站点的完整离线时光机，还是想扒套成熟的样式模板来二开，这把“瑞士军刀”都能极大提升效率。
更贴心的是，官方直接挂出了在线 Demo，无需本地安装 Node 环境，点开即用，零门槛上手。
🔗 项目地址：https://github.com/AhmadIbrahiim/Website-downloader

这玩意儿堪称健身App开发者的福音Exercises Dataset，一个刚冒出来的宝藏数据集：
里面整整齐齐码了1324个健身动作的完整元数据，从名称、类别到目标肌群、所需器械和分步指南一应俱全，甚至顺手搭了个前端页面让你能直接检索翻看。
最绝的是什么？每条记录都贴心配了静态缩略图和动态GIF演示文件（通过media_id指向官方CDN），相当于把整套视觉素材的钥匙都塞你手里了。
直白点说，拿着这套结构清晰的数据，你完全可以零成本攒出一个功能完整的健身App，最头疼的内容和数据架构问题根本不用自己操心。
🔗 https://github.com/hasaneyldrm/exercises-dataset

Claude Code、Cursor 用久了，是不是感觉 agent 还是太「通用」？
这个仓库直接给你装了一整套专业技能库 —— claude-skills。
核心亮点：
1️⃣ 350+ 模块化技能，覆盖工程、产品、市场、合规、财务、研究等多个领域
2️⃣ 内置30+ 专业Agent/Persona（Startup CTO、Growth Marketer 等）
3️⃣ 提供近600个纯Python CLI工具，无需额外安装依赖
4️⃣ 支持Claude Code、Cursor、Gemini CLI 等13种主流AI coding工具
5️⃣ 附带安全审计工具，安装前能检查潜在风险
简单来说，这就是给AI coding agent「扩充技能树」的资源库。
装上之后，agent 处理专业任务的能力会明显提升，不再只是会写代码那么简单。
🔗 https://github.com/alirezarezvani/claude-skills

想把照片视频管好，又不想全扔给Google？
Immich 就是目前自托管里体验最接近 Google Photos 的方案，而且数据完全在自己手里。
核心亮点：
1️⃣ AI 人脸识别 + 物体搜索 + 语义搜索，找照片非常丝滑
2️⃣ 手机自动备份（iOS + Android），支持实时同步
3️⃣ 界面干净现代，用起来几乎和 Google Photos 一样
4️⃣ 完全开源免费，支持 Docker 一键部署
5️⃣ 性能不错，照片多也能流畅浏览
如果你想把照片视频收回到自己服务器，同时又不想牺牲太多的智能体验，Immich 目前是比较成熟的选择。
🔗 https://github.com/immich-app/immich

天天高强度撸Codex，token消耗如流水，月底一看额度见底，却死活想不起钱烧在了哪个对话里。
这款Codex Usage Tracker工具就是专治这笔糊涂账的。
它只专注：
1️⃣ 精准抓取Codex在你本机生成的JSONL日志记录
2️⃣ 将用量数据系统化索引至SQLite数据库
3️⃣ 通过可视化仪表盘、命令行工具及MCP协议接口，把账目摊开给你看
究竟是哪个对话线程、哪个具体模型、哪段冗长聊天在疯狂吞噬额度，所有细节在仪表盘上一览无余。
全程本地化运行，日志数据绝不上传，隐私安全这块你大可把心放肚子里。
🔗 ：https://github.com/douglasmonsky/codex-usage-tracker

想让Claude Code去推特扒条热评？API收费直接劝退。想让它去小红书挖点用户反馈？反爬墙砌得比长城还高。B站视频摘要、Reddit帖子分析、全网实时搜索——每走一步都是付费墙和验证码在等着。
直到Agent-Reach出现，一条命令行直接撕开14个平台的封锁，还特么完全开源免费。我当场拿小红书做了个测试：让它爬单条帖子下的全部评论并自动归纳核心观点，十秒不到结果就甩我脸上了，属实有点震撼。
不讲虚的，所有工具选型、依赖安装、环境体检全自动搞定，哪个渠道不好用了还能无缝切备用方案。
安装更是简单到离谱——直接跟Agent说一句"帮我安装Agent Reach"就行。
🔗 ：https://github.com/Panniantong/Agent-Reach

词汇积累这件事，比语法更消磨人的耐心。碰到生词就得停下翻词典、抄笔记，完事还得单独腾时间回头复习，一整套操作又碎又累人。
一个挺有意思的开源项目叫 WordPecker，它把个人词汇管理和 Duolingo 式的闯关练习揉到了一起，把背单词从机械抄写拉回到真实语境里去打磨。
它的思路是用 AI 主动帮你扫描词汇盲区，然后通过语音对话、看图描述这类互动方式反复激活新词，最终目标是让你不只“认得它”，而是“随口能用”。
Vision Garden 看图说话：盯着画面开口描述，边讲边暴露自己哪些词不会
AI 语音对话练习：跟智能导师来几轮真实对话，把词汇真正嵌进表达里
智能词汇发现：按你感兴趣的话题和难度档位自动生成学习内容，省掉挑材料的功夫
个人词表管理：结合上下文给出释义，比干巴巴的词典解释更贴合实际用法
多语言支持：随便哪门语言做母语、哪门做目标语，学习路径自己定
5 种题型轮换：选择题、填空题、匹配题等，从不同角度反复加固记忆
支持 Docker 一键部署，填好 OpenAI API 密钥就能直接跑起来。如果你也想让词汇积累少点枯燥、多点自然，这个工具值得花两分钟上手试试。
🔗： http://github.com/baturyilmaz/wordpecker-app

SpringNote 是一个面向日常记录的桌面工具，基于 Flutter + Rust 构建，定位是让零散便签真正沉淀为可用的个人知识资产。
核心机制是靠 AI 把随手记的碎片自动整理成结构化内容，并生成日报、周报、月报；同时通过"回忆书"功能，用对话的方式检索和翻出旧记录，让过去的笔记不再是死文字。
场景包括：首页工作台快速输入想法，AI 自动补全和整理；便签支持 Markdown 编辑、预览和代码高亮；统计面板查看记录活跃度和数据概览；牛马时钟组件在桌面显示计时和收益。
使用上，首次确认数据目录，配置好 AI 供应商和模型（如 DeepSeek），完成第一次记录后即可在笔记本中查看编辑，或进入回忆书直接询问已保存的内容。
https://github.com/Radiant303/SpringNote

Rust编写的Python 编译器，不走解释器路线，直接生成机器码。pon这个项目同时支持JIT和AoT两种编译模式，目标是把Python变成像bun/v8那样的一体化运行时。
ruff解析源码→统一的中间表示→Cranelift生成机器码。内存管理用Green Tea GC替代引用计数，正确性通过跟CPython 的字节级差异测试来保证。
两种运行方式：pon run在进程内即时编译执行，pon build提前编译成独立可执行文件。
项目还在密集开发中，长远目标是完整通过CPython测试套件、性能大幅超越CPython、单二进制交付、内置包管理器和工具链。
https://github.com/can1357/pon

想给开源电子书做多语言版本？
bilingual_book_maker 这个工具能帮上忙。
它调用 ChatGPT、Claude 这类大模型，把 epub、txt、srt 等格式的文件快速转成双语译本，操作门槛很低。
本质上这是一款 AI 辅助翻译工具，专门针对 epub 及公共领域作品设计，版权书籍就别拿来试了。
支持多种模型切换，翻译过程全自动，生成的双语文件直接可用。
🔗：https://github.com/yihong0618/bilingual_book_maker

国自然申请书初稿写完之后，最怕的就是逻辑上自己看不出问题，评审人一眼就能抓住断点。
这个Agent Skill专门针对已有草稿的申请人，从题目、摘要、立项依据、关键科学问题、研究内容、创新点、研究基础、图表、文献和形式栏目等维度做结构化诊断，输出可执行的修改清单。
它不做代写，不承诺中不中，也不替代申请人自己的判断、同行意见、单位要求和基金委官方指南。
适用场景很明确：青年、面上、地区等项目已有初稿需要体检；想检查题目、摘要、关键科学问题、创新点是否互相支撑；想把评审人快速阅读时可能卡住的问题提前暴露；想拿到一份"优先修改清单"而不是泛泛润色；手头有已中本子想提炼写法规律对照当前草稿。医学、生物医学类本子会额外检查疾病机制、样本队列、模型体系、伦理、生物安全和转化验证链条；遥感、GIS、地理空间智能类本子会额外检查空间对象、数据模态、几何物理拓扑约束和验证链条。
把申请书PDF、DOCX、Markdown或核心片段贴给Agent，触发指令即可。
https://github.com/jiankang1991/nsfc-benzi-audit

大模型参数量越大，硬件门槛就越高，744B的MoE模型通常跟普通消费级电脑无缘。
Colibrì用了一个很直接的办法绕开这个限制：把21504个路由专家放在磁盘上（约370GB），按需流式读取，只有稠密部分（约17B参数）用int4常驻内存，占用约9.9GB。
这样一来，约25GB内存、没有GPU的普通电脑也能跑GLM-。
这个推理引擎用纯C编写，零依赖，把VRAM、RAM和存储当作统一的内存层次来管理。快存不足只会影响速度，不会悄悄改变模型精度或路由语义。
实际运行中，常驻部分约9.9GB，冷启动约32秒准备就绪。在6×RTX 5090全驻留场景下可达– tok/s的解码速度；即便在25GB内存的机器上，也能以0.05–0.1 tok/s的速度稳定运行——慢，但正确。
https://github.com/JustVugg/colibri

把App拖进废纸篓之后，那些散落在系统各处的配置文件、缓存和日志，其实还占着地方。
Uninstally能把这些残留一并清理干净。
这个原生macOS卸载工具基于SwiftUI开发，核心机制是通过应用Bundle ID精准定位所有关联文件，而不是靠文件名模糊匹配。
Finder右键直接卸载、Homebrew包管理、批量操作、分组整理、残留文件扫描，这些功能都有。
安装方式两种：官网下载DMG拖进Applications，或通过Homebrew一键安装。装完后在系统设置里启用Finder扩展，就能在任何应用上右键直接调用了。
https://github.com/gostonx/uninstally

用AI生成内容之后，怎么快速变成能直接用的Word文档，Open WebUI上这个工具专治这个问题。
它把模型输出的Markdown（带YAML头信息）或JSON规范吃进去，直接用python-docx在底层生成原生.docx文件，不走HTML或PDF那套中间格式。
封面页、带分割线的多级标题、表格样式、提示框、代码展示、签名栏、目录、页眉页脚，一应俱全。
目前支持七种模板（报告、白皮书、提案、信函、备忘录、会议纪要、空白），配色从单一强调色衍生，调一个色就能重绘整个文档风格。
用起来也简单：模型调用generate_document，传入Markdown或JSON，工具解析后通过Open WebUI文件API保存，对话里直接返回下载链接。
https://github.com/ianustec/openwebui-generate-documents

流程图、甘特图、时序图，这些在技术文档里高频出现的可视化工具，多数Markdown编辑器要么原生不支持，要么将其划入付费订阅范畴。
Arya的出现打破了这层限制。这款开源在线编辑器将图表能力完全开放，不设任何收费门槛。PPT预览、HTML自动转换、Echarts图表渲染，甚至五线谱编辑都在它的功能清单内。
本地存储是默认策略，数据无需经过云端，隐私风险因此得到有效控制。导出维度覆盖PDF、PNG、JPEG三种常用格式。
在线版即开即用，有自建偏好的用户也可通过Docker或Cloudflare Pages完成私有化部署。A觉得真不错哈
🔗：https://github.com/nicejade/markdown-online-editor