开源的《投资入门指南》，正愁美股、期权、加密币没处下手的，这路子对了。
里面有一句A哥特别认：投资不是赌一把翻身，是让你把今天流过的汗，换成以后日子里的底气。
别觉得这事儿多高深。往后养老、供书、看病、失业、买房、养家，哪样不得跟钱耗着？你躲不开一个问题，现在的收入，怎么扛住以后的日子。
🔗 ：https://github.com/xuchonglang/investing-for-beginners

收集公开情报，你得有一张好用的工具地图。
D4rk_Intel-OSINT-Investigative-Toolkit把散落在各处的OSINT资源整理成了按调查阶段划分的清单。
从笔记整理开始，到用户名关联、反向图片搜索、元数据分析、关系图谱、域名IP情报……每个阶段都有对应的工具和方法说明。
这个仓库包含：
身份关联工具（用户名、邮箱、电话）
图片取证与元数据提取（ExifTool、FotoForensics、Jimpl）
数据可视化与关系映射（Maltego、Gephi、Obsidian图谱）
泄露数据检查（HIBP、DeHashed）
地理定位与地图工具
域名/IP/DNS情报
社交媒体分析（Sherlock、Osintgram）
Telegram、车辆VIN、企业工商信息查询
还附带OSINT培训资源、CTF练习和社区链接。
专为安全研究员、威胁分析师、记者和取证人员设计。合法使用是前提。
🔗 https://github.com/techenthusiast167/D4rk_Intel-OSINT-Investigative-Toolkit

T3MP3ST这个开源框架把AI编码助手直接变成了进攻性安全测试的利器。
它通过多代理架构自动化完成从信息收集到报告生成的全流程，同时兼容云端和本地模型。
这个项目最核心的特点是什么？一个可复现的、无需额外API密钥的自动化红队平台。它允许你使用已有的AI编码代理（比如Claude Code或本地运行的Ollama）作为大脑，来驱动整个渗透测试的杀伤链。
多代理协同：针对不同安全任务（侦察、漏洞分析、报告）有专门的代理分工。
自动化工作流：能自动执行侦察、漏洞分析和生成报告。
灵活部署：既可以通过基于浏览器的作战室操作，也提供命令行接口。
模型兼容性强：支持Claude、OpenAI、Ollama等多种模型，甚至允许完全离线运行。
结果可验证：内置基准测试，所有宣称的指标（如在特定挑战集上达到90.1%的通过率）都可以通过一条命令重新计算验证。
当然，必须强调授权使用的底线。这个工具设计用于经过明确授权的渗透测试和研究，使用者需要对合法合规负全责。项目文档也坦诚地标注了哪些功能是稳定的，哪些还处于实验或规划阶段。
🔗：https://github.com/elder-plinius/T3MP3ST

手上有服务器或者VPS的朋友，这条值得留意一下。
GitHub 上有个免费的仓库，整理了一套完整的 Linux 服务器安全加固指南，每一步都写得挺清楚的。
→ 服务器上线第一天就该做的安全配置
→ 常见攻击手段的防御方法
→ Linux 系统加固的通用实践
→ 几十条带详细解释的操作建议
项目已经攒了 29.5k Star，
🔗：https://github.com/imthenachoman/How-To-Secure-A-Linux-Server

这个数据库工具不仅开源免费，还直接集成了AI能力。
你可以用大白话写查询，它自带一个类似Claude的代理，能自动读取你的表结构并帮你执行SQL。
名字叫 Tabularis ，别人收费的功能它直接白给。支持PostgreSQL、MySQL、SQLite，还有DuckDB、ClickHouse、Redis、Firestore等15种以上数据源。
它内置了一个MCP服务器，Claude、Cursor、Devin这些AI工具可以直接读取你的数据库结构，并在同一个应用里跑查询，不用切来切去。
🔗https://github.com/TabularisDB/tabularis

GitHub 上星标最高的爬虫工具，没有之一。
Crawl4AI 能把任意网页转成干净的 Markdown 格式，专门为 LLM 设计，跑得比付费服务还快。
不需要 API Key，不用注册账号，也没有按页收费的套路。
作者说自己之前被一个月 16 美元的付费爬虫搞烦了，一气之下花几天时间自己撸了一个，结果直接火了。
目前 74.6k Star，Apache 2.0 协议。
https://github.com/unclecode/crawl4ai

有个 GitHub 仓库专门扒各大 AI 产品背后的系统指令，ChatGPT、Claude、Gemini、Copilot、Perplexity、Grok 全都有。
不是提示词合集，不是越狱教程，是这些产品真正在跑的那套底层规则。目前已经 60k Star，几乎每周都在更新。
用了这么久的 AI，我才意识到模型怎么回答，很大程度上取决于对话框后面那套巨大的指令文件。
整理的东西包括：
GPT- 和 Codex 的系统提示
Claude Fable 5、Opus 、Sonnet 5
Gemini Flash 和 AI Studio
Perplexity Computer 模式
GitHub Copilot、Cursor、Grok、Qwen 等更多
规则覆盖了工具怎么用、记忆怎么存、搜索怎么决策、安全边界在哪、代理怎么调度、语气风格怎么定。
大多数人把 AI 当黑盒，聪明人已经在读说明书了。
优势就是这么拉开的。A哥认为一个 GitHub 仓库能教你的东西，比瞎试几周提示词还多。
🔗https://github.com/asgeirtj/system_prompts_leaks

那个“模型越大，内存要求越高”的老规矩，是不是该被扔进垃圾桶了？
Colibri的出现，直接让这个说法站不住脚，它愣是在一台只有25GB内存、连显卡都没有的普通电脑上，把GLM-这个拥有7440亿参数的庞然大物给跑起来了。
它不是那种把整个模型一股脑全塞进内存的粗暴玩法，而是玩了一手漂亮的“按需加载”：
1.核心部件常驻内存
2.其他部分则放在硬盘里，随用随取
3.结果就是，顶级大模型就这么“屈尊”降到了咱们的日常设备上。
当然，这种操作并非没有代价，生成速度的快慢现在得看硬盘的脸色。
但话说回来，能在本地硬件上把这种量级的模型给“盘活”，这件事本身的象征意义就已经足够大了。
不再需要去云端排队，也不用眼馋那些天价的GPU集群，Colibri用开源的力量，硬生生把本地AI的极限又往上顶了一截。
🔗：https://github.com/JustVugg/colibri

有人直接把价值数百万美元的计算成果，打包成了一个15TB的压缩包，放在网上任人下载。
项目叫The Well，里面塞满了16个物理模拟数据集，从恒星爆炸到湍流，从磁场流体到生物系统，基本把计算物理的硬骨头都啃了一遍。
以前你想搞到这种级别的数据？
要么去求国家实验室批机时，要么排队等上几周的HPC集群，要么养一个研究团队烧经费。
现在呢？一条命令就能拉下来，直接喂给AI模型当训练素材。
用神经网络的一次前向传播，替代掉那些又慢又贵的偏微分方程数值解。
背后撑场子的也不是什么野鸡团队，Flatiron Institute牵头，剑桥、普林斯顿、伯克利、NYU、东大、洛斯阿拉莫斯的人都在名单上。
传送门https://github.com/PolymathicAI/the_well/

AI代理翻车，根因往往不在模型本身。
更多时候，是那些藏在暗处的故障（幻觉、工具误调用、无声无息地跑偏），在酿成大祸之前，根本没人注意到。
一个叫iFixAi的开源项目，思路挺有意思：它不盯着最终输出好不好，而是直接去挖代理的"行为底细"。
跑45项专项检查，覆盖捏造事实、被恶意操纵、刻意欺骗、行为不可预测、决策过程不透明等维度，最后给你一个A到F的评级。
整个过程跑完不到5分钟，而且它不挑行业也不挑模型，自己的代理也好，第三方接口也罢，都能接进去测。
https://github.com/ifixai-ai/iFixAi

Boris Cherny作为Claude Code的负责人，提过一个很有意思的观点。他早就放弃手动写prompt了，而是写自动化循环程序来驱动AI工作。OpenClaw项目的创建者也有差不多的实践心得。
这种把提示词工程上升到系统架构层面的做法，圈子里给了个名字叫Loop Engineering。
有个开源项目把这套思路做成了可以直接落地的方案，提供了完整的模式库、项目初始模板和配套CLI。
它的核心机制拆解开来是这些：用automations做定时任务触发，worktrees提供隔离环境，skills沉淀项目上下文，plugins通过MCP协议对接外部工具。sub-agents把工作流分成生成和校验两个阶段，STATE文件负责跨会话状态记忆。
项目里直接给出了7个经过验证的生产级模式。
每个模式都提供了Claude Code、Codex等四种不同工具的实现，还附带了loop-audit、loop-init、loop-cost三个管理工具。
🔗：https://github.com/cobusgreyling/loop-engineering

终端里的AI编程助手，Kimi Code CLI算是一个值得关注的选择。它出自Moonshot AI之手，开源，启动后能直接处理代码读写、shell命令执行、文件搜索和网页抓取，过程中还会自己判断下一步做什么。
官方把这套工具做成了单文件安装，跑起来很快，TUI界面响应也在毫秒级。开箱就用Kimi模型，同时也兼容其他API提供商。
支持把视频拖进对话让AI理解画面内容，有插件生态可以扩展，还能用子Agent做并行任务。
如果日常在终端里折腾代码，这玩意应该能派上用场。
开源地址：https://github.com/MoonshotAI/kimi-code

设计圈里，Figma的替代方案其实一直有人在找，Penpot算是其中一个跑得比较快的。GitHub星数已经冲到万，代码开源，免费，想自托管也没问题。
它跟别的设计工具不太一样的地方在于，输出的东西直接就是SVG、CSS、HTML。设计师那边画完，开发这边打开就能直接用，不用猜尺寸、不用重新切图、不用来回对齐。
功能层面有几个值得拎出来说的：实时协作是基操，Design Tokens和组件系统做设计规范挺好用，CSS Flex和Grid让响应式从设计阶段就能跑起来。
MCP服务器加AI工作流算是个新东西，AI可以读写设计文件，相当于多了一个能动手的助手。WebGL加速和背景模糊这些渲染能力也在往生产级靠。
产品、设计、开发三个角色都能往里装，数据在自己手上，不用担心被某个平台绑定死。
🔗：https://github.com/penpot/penpot

A哥发现个超级硬核的开源项目，必须得分享一波。
OmniRoute，一个MIT协议的免费AI网关。就一个端点，背后连了290多家提供商（其中90多家免费），500多个模型随便调——Kimi、Claude、GPT、Gemini、DeepSeek、MiniMax全都有。
Claude Code、Cursor、Codex、Cline、Copilot这些工具，它全都适配好了，拿来就能用。
智能配额感知，某个提供商额度用完了自动fallback到下一个，你根本不用管
RTK+Caveman压缩技术，能省15%到95%的Token，长期用下来省不少钱
支持MCP和A2A协议，还有桌面端和PWA
口号挺狂的——「Never stop coding」，但看下来确实有两把刷子。
https://github.com/diegosouzapw/OmniRoute

用文字直接搓CAD模型，以前想都不敢想，现在真被这个开源项目给干出来了。
text-to-cad（CAD Skills），一套专为AI Agent打造的技能库，面向CAD设计、机器人和硬件开发场景。你把需求用大白话一说，或者扔张参考图过去，Claude Code、Codex这些Agent就能直接上手干活：
生成和编辑3D CAD模型，主力输出STEP格式，STL、3MF、GLB也都能导
写URDF、SRDF、SDF这些机器人描述文件，搞仿真和MoveIt规划用的
生成DXF工程图和G-code切片，3D打印前处理一步到位
还能搜现成的STEP标准件、预览模型，甚至对接Bambu Labs直接开打
想法到模型的距离，被大幅缩短了。
安装就一行命令：
npx skills install earthtojake/text-to-cad
🔗https://github.com/earthtojake/text-to-cad

给pi coding agent配了个本地Web UI，用起来真顺手。
Pi Web，专门给pi agent量身打造的浏览器界面，功能挺全乎：
在浏览器里翻历史会话、实时聊天，不用切回终端
模型参数调整和技能管理，点一点就行
项目文件直接预览，代码、图片、PDF都能看
支持Git worktree切换，会话还能fork出去独立折腾
一条命令跑起来：
bash
npx /pi-web@latest
🔗 https://github.com/agegr/pi-web

阿里最近开源了一个AI代码审查工具，真可以。
Open Code Review ：阿里出品的代码审查CLI，架构上走的是确定性流水线加LLM Agent的混合路线。
评论能精准落到具体行，内置了NPE、线程安全、XSS、SQL注入这些常见坑的检测规则。
OpenAI和Anthropic兼容的模型都能接。
可以审Git Diff，也可以全量扫整个文件。
https://github.com/alibaba/open-code-review

之前真没想过，家里那台普通路由器除了上网还能干这个。
一个用WiFi信号做空间感知和生命体征监测的开源项目RuView ，全程不用摄像头。
靠WiFi CSI技术实现人体存在检测，穿墙也能感知。
接触式或非接触式测呼吸和心率。
活动识别、跌倒检测、睡眠质量分析。
硬件成本很低，ESP32节点大概9美元，跑边缘AI，支持接入Home Assistant和Apple Home。
🔗https://github.com/ruvnet/RuView

一张照片扔进去，Three.js代码直接给你吐出来，img2threejs v1.3刚刚发布了。
它不走网格路线，也不用手动建模，全靠程序化生成。对着一张某宝刀之类的参考图，它就能给你整出一套可用的Three.js模型代码。
v1.3这波升级主要啃了几块硬骨头：
几何重建更准了，材质生成更细了，整体输出质量上了一个台阶。
演示里用的是CS2里那把M9 Bayonet | Doppler Phase 3的图，效果自己看。
🔗: https://github.com/hoainho/img2threejs

Google最近开源了一款叫Magika的工具，用AI来识别文件类型，效果相当不错。
整个模型也就几MB大小，跑在单CPU上毫秒级就能出结果，覆盖了200多种格式，平均准确率能到99%左右。
Google自己已经在Gmail、Drive和Safe Browsing里大规模用上了，每周处理数千亿个文件，还集成到了VirusTotal里。
命令行、Python、JavaScript都能调，比传统的file命令好用太多了。
GitHub：https://github.com/google/magika

OfficeAI开源的OfficeCLI，给AI Agent用的一套Office自动化命令行工具。
单文件二进制、开源免费，不用装Microsoft Office就能跑。Word、Excel、PowerPoint三件套全支持。
对Agent来说，这项目等于把Office文件操作收敛成了一组稳定可调的命令接口。
以前让Agent做PPT，得拼凑Python库、XML处理、模板、截图工具，流程散还容易出错。
OfficeCLI把这些全收进一个CLI里——创建文件、读取结构、修改元素、渲染预览检查，一条命令搞定一套动作，很适合现在Agent的工作流。
https://github.com/iOfficeAI/OfficeCLI