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
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
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
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
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/
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
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
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
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
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
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
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
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
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
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
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
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
还在熬夜对着Excel一行行复制粘贴做PPT？GitHub上这个JavaScript库或许能让你早点下班。
项目叫PptxGenJS，MIT协议，老外开源的，星星攒了不少。Node、React、浏览器里都能跑，不用装Office也不用买授权，纯代码生成原生.pptx文件，Keynote和Google Slides也能正常打开。
4行代码就能搓出一页PPT，API设计得挺顺手
网页上的HTML表格，一行代码直接转成幻灯片
图表、图片、形状、企业母版这些要素都支持
纯本地跑，不经过任何后端服务，数据不用出机器
https://github.com/gitbrent/PptxGenJS
项目叫PptxGenJS，MIT协议，老外开源的，星星攒了不少。Node、React、浏览器里都能跑，不用装Office也不用买授权，纯代码生成原生.pptx文件，Keynote和Google Slides也能正常打开。
4行代码就能搓出一页PPT，API设计得挺顺手
网页上的HTML表格，一行代码直接转成幻灯片
图表、图片、形状、企业母版这些要素都支持
纯本地跑，不经过任何后端服务，数据不用出机器
https://github.com/gitbrent/PptxGenJS
同一个AI，别人两周上线一个项目，你还在跟"记不住规范"斗智斗勇？
问题不在AI，是你缺个能管住它的框架。
GitHub刚破11k星的Trellis，专治这个：
.trellis/spec/ 沉淀规范，每次会话自动喂上下文，不用从头教。
PRD→实现→审查，全链路留痕，AI再也不会写着写着就飘了。
Spec跟着仓库版本走，团队经验自动沉淀，新人上手直接抄作业。
一套结构通吃14个AI编程平台，换工具不用重搭工作流。
http://github.com/mindfold-ai/Trellis/blob/main/README_CN.md
问题不在AI，是你缺个能管住它的框架。
GitHub刚破11k星的Trellis，专治这个：
.trellis/spec/ 沉淀规范，每次会话自动喂上下文，不用从头教。
PRD→实现→审查，全链路留痕，AI再也不会写着写着就飘了。
Spec跟着仓库版本走，团队经验自动沉淀，新人上手直接抄作业。
一套结构通吃14个AI编程平台，换工具不用重搭工作流。
http://github.com/mindfold-ai/Trellis/blob/main/README_CN.md
公网裸奔的Web服务，随时可能被扫到漏洞。
SafeLine（雷池）是一个自部署WAF，把企业级的入口防护做成了普通开发者也能几分钟装好、在控制台里配明白的工具。
你的真实业务藏在它后面，外部请求先过它：判断有没有SQL注入、XSS、命令注入、SSRF、路径穿越、RCE这些常见攻击，再决定放行、拦截、限速还是丢人机验证。
暴力破解、HTTP Flood、恶意爬虫、漏洞扫描也都能拦。独立开发者、自建服务玩家、中小团队官网、安全和运维——这类人最需要它。
入口有层防护，和裸奔上公网，体验差别很大。
🔗 https://github.com/chaitin/SafeLine
SafeLine（雷池）是一个自部署WAF，把企业级的入口防护做成了普通开发者也能几分钟装好、在控制台里配明白的工具。
你的真实业务藏在它后面，外部请求先过它：判断有没有SQL注入、XSS、命令注入、SSRF、路径穿越、RCE这些常见攻击，再决定放行、拦截、限速还是丢人机验证。
暴力破解、HTTP Flood、恶意爬虫、漏洞扫描也都能拦。独立开发者、自建服务玩家、中小团队官网、安全和运维——这类人最需要它。
入口有层防护，和裸奔上公网，体验差别很大。
🔗 https://github.com/chaitin/SafeLine
AI操控电脑这件事，终于有了统一的开源方案Cua。
不用为每个操作系统单独写适配，macOS、Linux、Windows一套代码全兼容。
底层驱动鼠标键盘、访问终端、截取屏幕，全都有。
可以在本地跑，也可以部署到云沙箱，行为完全一致。
它内置了OSWorld和ScreenSpot基准测试，还能导出操作轨迹用于训练模型。
Apple Silicon上几乎感知不到损耗。
开源，MIT协议，拿来就能用。
🔗：https://github.com/trycua/cua
不用为每个操作系统单独写适配，macOS、Linux、Windows一套代码全兼容。
底层驱动鼠标键盘、访问终端、截取屏幕，全都有。
可以在本地跑，也可以部署到云沙箱，行为完全一致。
它内置了OSWorld和ScreenSpot基准测试，还能导出操作轨迹用于训练模型。
Apple Silicon上几乎感知不到损耗。
开源，MIT协议，拿来就能用。
🔗：https://github.com/trycua/cua