苹果的 FindMy 网络覆盖面确实广，但想自己做个兼容设备，原本必须有一台 Mac 来生成密钥，这个门槛拦住了不少人呢。
Macless-Haystack 是基于 OpenHaystack 改造，不需要真实 Mac 或虚拟机，完全靠 Docker 在任意机器上跑通整套流程。支持 ESP32 和 NRF5x 系列硬件，固件针对低功耗做了优化，电池续航比早期方案好不少。
配套的 Android App 和 Web 前端可以直接查看设备位置，密钥生成、固件烧录、服务器部署都有现成的脚本和文档。你有闲置的 ESP32 开发板，花点时间就能攒出一个自己的 FindMy 追踪器，成本远低于买一个 AirTag。
Macless-Haystack 是基于 OpenHaystack 改造，不需要真实 Mac 或虚拟机，完全靠 Docker 在任意机器上跑通整套流程。支持 ESP32 和 NRF5x 系列硬件，固件针对低功耗做了优化，电池续航比早期方案好不少。
配套的 Android App 和 Web 前端可以直接查看设备位置，密钥生成、固件烧录、服务器部署都有现成的脚本和文档。你有闲置的 ESP32 开发板，花点时间就能攒出一个自己的 FindMy 追踪器，成本远低于买一个 AirTag。
商业 OAuth 服务按调用量收费的模式，对独立开发者和中小企业来说，开销会随着用户增长迅速膨胀。
OpenAuth 提供了一套可自托管的替代方案，基于 OAuth 2.0 标准，支持 GitHub、Google 等第三方登录，也内置了密码登录流程。
部署方式比较灵活，可以在 Node.js、Bun 上跑，也能丢到 AWS Lambda 或 Cloudflare Workers 上。
它本身是一个集中式的认证服务器，但可以嵌入到现有应用里，而不是必须单独部署。前端带了可主题化的 UI，不想自己设计界面的话可以直接复用。
认证完成后通过回调函数对接你自己的用户数据逻辑，不强制绑定特定的数据库或 ORM。
了解更多 https://github.com/anomalyco/openauth
OpenAuth 提供了一套可自托管的替代方案，基于 OAuth 2.0 标准，支持 GitHub、Google 等第三方登录，也内置了密码登录流程。
部署方式比较灵活，可以在 Node.js、Bun 上跑，也能丢到 AWS Lambda 或 Cloudflare Workers 上。
它本身是一个集中式的认证服务器，但可以嵌入到现有应用里，而不是必须单独部署。前端带了可主题化的 UI，不想自己设计界面的话可以直接复用。
认证完成后通过回调函数对接你自己的用户数据逻辑，不强制绑定特定的数据库或 ORM。
了解更多 https://github.com/anomalyco/openauth
商业无人机测绘软件按年订阅或按处理量收费的模式，对个人用户和小型团队来说确实不太友好，之前接触过几款，价格直接劝退。
OpenDroneMap 命令行工具提供了开源的替代流程：把无人机、气球或风筝拍的照片，处理成分类点云、带纹理的 3D 模型、带地理坐标的正射影像和数字高程模型（DEM）。
我自己试下来，最省事的运行方式是通过 Docker 一键启动，把图片放进指定目录就行，不用折腾环境依赖。
熟悉命令行的用户可以灵活调整参数，比如控制点云密度或输出分辨率。GPU 加速版镜像能明显提升特征提取速度，处理大批量数据时能省不少时间。
输出格式兼容 QGIS、CloudCompare 这些主流开源工具，省去了格式转换的麻烦。
🔗这里https://github.com/OpenDroneMap/ODM
OpenDroneMap 命令行工具提供了开源的替代流程：把无人机、气球或风筝拍的照片，处理成分类点云、带纹理的 3D 模型、带地理坐标的正射影像和数字高程模型（DEM）。
我自己试下来，最省事的运行方式是通过 Docker 一键启动，把图片放进指定目录就行，不用折腾环境依赖。
熟悉命令行的用户可以灵活调整参数，比如控制点云密度或输出分辨率。GPU 加速版镜像能明显提升特征提取速度，处理大批量数据时能省不少时间。
输出格式兼容 QGIS、CloudCompare 这些主流开源工具，省去了格式转换的麻烦。
🔗这里https://github.com/OpenDroneMap/ODM
之前为了下载管理视频，试过好几个方案，要么不支持某些站点，要么管理界面太简陋。
MyTube算是我目前看到覆盖比较全的一个自托管方案。
它基于yt-dlp，支持YouTube、B站、Twitch这些常见平台，订阅频道后能自动下载新内容，不用手动一个个去拉。本地媒体库支持分类整理，界面UI做得还算干净。
比较意外的两个点是：内置了Cloudflare Tunnel，不用自己折腾端口转发和反向代理；整个项目是100%通过提示词生成的，零手写代码，目前已经有1.1k星标。Docker一键部署对不熟悉Node.js环境的人来说也比较友好。。
🔗https://github.com/franklioxygen/MyTube
MyTube算是我目前看到覆盖比较全的一个自托管方案。
它基于yt-dlp，支持YouTube、B站、Twitch这些常见平台，订阅频道后能自动下载新内容，不用手动一个个去拉。本地媒体库支持分类整理，界面UI做得还算干净。
比较意外的两个点是：内置了Cloudflare Tunnel，不用自己折腾端口转发和反向代理；整个项目是100%通过提示词生成的，零手写代码，目前已经有1.1k星标。Docker一键部署对不熟悉Node.js环境的人来说也比较友好。。
🔗https://github.com/franklioxygen/MyTube
传统RAG在处理不断变化的信息时有个明显的短板，它把数据当成静态的，但现实世界的事实会变。之前做Agent相关的项目时，这个问题一直让我挺头疼的。
Graphiti（Zep开源的项目）针对这个场景做了个设计：把对话、业务数据、文档自动构建成带时间维度的知识图谱，每条事实都记录它从什么时候开始有效、什么时候被更新替代。这样既能查当前状态，也能回溯某个时间点的情况。
它支持增量更新，不用每次全量重建，检索时混合了语义、关键词和图遍历几种方式。
我个人比较在意的是数据来源可追溯这一点，每个结论都能往回找到原始内容，排查问题时能省不少力气。
目前支持Neo4j、FalkorDB、Amazon Neptune这些图数据库后端，Python 以上就能跑。如果你正在做Agent相关的项目，又觉得传统RAG在动态数据上不太顺手，这个值得了解一下。
🔗传送https://github.com/getzep/graphiti
Graphiti（Zep开源的项目）针对这个场景做了个设计：把对话、业务数据、文档自动构建成带时间维度的知识图谱，每条事实都记录它从什么时候开始有效、什么时候被更新替代。这样既能查当前状态，也能回溯某个时间点的情况。
它支持增量更新，不用每次全量重建，检索时混合了语义、关键词和图遍历几种方式。
我个人比较在意的是数据来源可追溯这一点，每个结论都能往回找到原始内容，排查问题时能省不少力气。
目前支持Neo4j、FalkorDB、Amazon Neptune这些图数据库后端，Python 以上就能跑。如果你正在做Agent相关的项目，又觉得传统RAG在动态数据上不太顺手，这个值得了解一下。
🔗传送https://github.com/getzep/graphiti
以前管理AI代理的skill，Claude Code放一个目录，Codex放一个目录，Cursor又放一个目录，版本乱、重复多、不知道装了什么。
asm把这收拢了。一个CLI工具，覆盖19个AI编码代理的环境，install、search、audit、inspect全支持。--json和--yes让脚本和CI随便调，装之前还能过验证和安全检查。
skill散落各处、管理混乱的问题，一个命令就看清楚。
传送门这里https://github.com/luongnv89/asm
asm把这收拢了。一个CLI工具，覆盖19个AI编码代理的环境，install、search、audit、inspect全支持。--json和--yes让脚本和CI随便调，装之前还能过验证和安全检查。
skill散落各处、管理混乱的问题，一个命令就看清楚。
传送门这里https://github.com/luongnv89/asm
找AI聊产品想法，聊了三轮就开始跑偏，需求越来越模糊，代码越写越乱，最后只能关掉窗口重来。
这个模板库vibe-coding-prompt-template就是用来锁住这种失控感的。
先做市场调研，再写PRD，接着定技术方案，最后生成AGENTS.md给AI代理执行。
Claude、Gemini、ChatGPT、Cursor这些工具都能接，MVP的推出流程已经模板化，照着填就行。
这个模板库vibe-coding-prompt-template就是用来锁住这种失控感的。
先做市场调研，再写PRD，接着定技术方案，最后生成AGENTS.md给AI代理执行。
Claude、Gemini、ChatGPT、Cursor这些工具都能接，MVP的推出流程已经模板化，照着填就行。
想靠AI代理挖YouTube数据，不用自己折腾yt-dlp和浏览器自动化。
youtube-skills，GitHub上约500星，专门给AI代理用的YouTube工具箱。装完之后，代理可以直接拿视频字幕、搜内容、扒频道列表、拉播放清单，全走API，不用管那些被屏蔽的IP和二进制依赖。
它对Claude Code、Cursor、Codex系代理都友好，注册送100次免费调用，不用绑卡。
https://github.com/ZeroPointRepo/youtube-skills
youtube-skills，GitHub上约500星，专门给AI代理用的YouTube工具箱。装完之后，代理可以直接拿视频字幕、搜内容、扒频道列表、拉播放清单，全走API，不用管那些被屏蔽的IP和二进制依赖。
它对Claude Code、Cursor、Codex系代理都友好，注册送100次免费调用，不用绑卡。
https://github.com/ZeroPointRepo/youtube-skills
Agentic Design Patterns，一套完整的学习材料，424页PDF加配套Jupyter Notebook。
覆盖提示链、路由、并行化这些基础模式，也有Reflection、Tool Use、Planning、Multi-Agent这些进阶内容，连RAG、Guardrails、Human-in-the-Loop这种实际落地的运维向设计都包含了。
🔗https://github.com/evoiz/Agentic-Design-Patterns
覆盖提示链、路由、并行化这些基础模式，也有Reflection、Tool Use、Planning、Multi-Agent这些进阶内容，连RAG、Guardrails、Human-in-the-Loop这种实际落地的运维向设计都包含了。
🔗https://github.com/evoiz/Agentic-Design-Patterns
PDF里的内容想直接喂给LLM，不用复制粘贴、手动调格式。
MarkPDFdown能把PDF或图片转成Markdown，标题、表格、公式这些结构尽量留住，通过OpenAI或OpenRouter接多个模型跑，支持CLI操作，也能只抽指定页面。
我试了一下，最烦人的是那种扫描版PDF里的表格，它居然能认出来不乱掉。
如果只需要正文里的某几页，直接指定范围就行，不用全跑一遍浪费时间。
🔗https://github.com/MarkPDFdown/markpdfdown
MarkPDFdown能把PDF或图片转成Markdown，标题、表格、公式这些结构尽量留住，通过OpenAI或OpenRouter接多个模型跑，支持CLI操作，也能只抽指定页面。
我试了一下，最烦人的是那种扫描版PDF里的表格，它居然能认出来不乱掉。
如果只需要正文里的某几页，直接指定范围就行，不用全跑一遍浪费时间。
🔗https://github.com/MarkPDFdown/markpdfdown
要说安全工具里的老炮，bettercap 绝对算一个，GitHub 上 万 Star 摆在那儿呢。
别的工具还要东拼西凑，它倒好，WiFi 抓包、蓝牙扫描读写、ARP 欺骗、HTTP 代理拦截，一条龙全包了。
更贴心的是自带 Web 面板，鼠标点点就能可视化操作，不像有些工具全靠敲命令。脚本用 JavaScript 写，想怎么定制测试逻辑都顺手。
官方还给了 Docker 镜像，一条命令跑起来。搞安全的朋友，这玩意儿放工具箱里不亏。
🔗 http://github.com/bettercap/bettercap
别的工具还要东拼西凑，它倒好，WiFi 抓包、蓝牙扫描读写、ARP 欺骗、HTTP 代理拦截，一条龙全包了。
更贴心的是自带 Web 面板，鼠标点点就能可视化操作，不像有些工具全靠敲命令。脚本用 JavaScript 写，想怎么定制测试逻辑都顺手。
官方还给了 Docker 镜像，一条命令跑起来。搞安全的朋友，这玩意儿放工具箱里不亏。
🔗 http://github.com/bettercap/bettercap
昨晚上闲逛 GitHub，刷到一个东西直接给我整精神了。
有人给 Claude Code 套了个马甲，硬生生变成了免费视频剪片工具，叫 Video Use。
你猜怎么着？把原始素材往文件夹一扔，完事。就这一个动作。
剪片段、去填充词、上字幕、调色加滤镜、处理动画、最后渲染出片。六件事，全自动。
没有时间线拖拽，没有手动逐帧修，啥麻烦都没有。
我第一反应是拿它跟 Remotion 比了一下——说真的，后者更像“帮你写代码生成视频”，这个直接“替你剪完交片”，俩路子。
🔗这里 https://github.com/browser-use/video-use
有人给 Claude Code 套了个马甲，硬生生变成了免费视频剪片工具，叫 Video Use。
你猜怎么着？把原始素材往文件夹一扔，完事。就这一个动作。
剪片段、去填充词、上字幕、调色加滤镜、处理动画、最后渲染出片。六件事，全自动。
没有时间线拖拽，没有手动逐帧修，啥麻烦都没有。
我第一反应是拿它跟 Remotion 比了一下——说真的，后者更像“帮你写代码生成视频”，这个直接“替你剪完交片”，俩路子。
🔗这里 https://github.com/browser-use/video-use
自己瞎折腾AI编程助手，不如给它加个硬核工作流。
GitHub上有个叫Superpowers的项目，狂揽26.5万星，专治各种AI编程的“懒病”。
它的玩法很直接：在AI写任何代码前，先强制它和你头脑风暴、定规范、做计划。然后严格遵守TDD红绿循环，没写测试？代码直接删掉重来。整个过程还会用隔离的git worktrees，让多个子代理并行干活，互不干扰。
拿Claude Code举例，裸奔状态下的它，习惯直接甩代码、盲目调试、顺手把测试也丢了。但装上Superpowers后，就像被资深工程师上身，强制走完7步标准流程：头脑风暴→规范→计划→TDD→子代理→审查→发布。在全部测试通过前，一行正式代码都出不来。
这玩意儿不挑食，Claude Code、Codex、Cursor、Gemini CLI、OpenCode、Copilot CLI全都能用。一旦开工，代理可以自主运行好几个小时，绝不跑偏。
🔗https://github.com/obra/superpowers
GitHub上有个叫Superpowers的项目，狂揽26.5万星，专治各种AI编程的“懒病”。
它的玩法很直接：在AI写任何代码前，先强制它和你头脑风暴、定规范、做计划。然后严格遵守TDD红绿循环，没写测试？代码直接删掉重来。整个过程还会用隔离的git worktrees，让多个子代理并行干活，互不干扰。
拿Claude Code举例，裸奔状态下的它，习惯直接甩代码、盲目调试、顺手把测试也丢了。但装上Superpowers后，就像被资深工程师上身，强制走完7步标准流程：头脑风暴→规范→计划→TDD→子代理→审查→发布。在全部测试通过前，一行正式代码都出不来。
这玩意儿不挑食，Claude Code、Codex、Cursor、Gemini CLI、OpenCode、Copilot CLI全都能用。一旦开工，代理可以自主运行好几个小时，绝不跑偏。
🔗https://github.com/obra/superpowers
一个本地AI代理Skales，支持Windows、macOS、Linux、Android、iOS全平台。
设个目标让它后台自己跑，还能多设备组队、浏览器自动化、写代码、跑工作流。
本地优先，自带免费试用额度，也支持BYOK。不用装Docker，下载即用。
🔗https://github.com/skalesapp/skales
设个目标让它后台自己跑，还能多设备组队、浏览器自动化、写代码、跑工作流。
本地优先，自带免费试用额度，也支持BYOK。不用装Docker，下载即用。
🔗https://github.com/skalesapp/skales