PixelRAG 来自伯克利 SkyLab 等团队，开源可玩。
它的思路很直接，不再靠 HTML 或文本解析，而是把网页、PDF 直接截成截图，用视觉索引做 RAG 检索。
表格、图表、布局这些 HTML 解析会丢掉的东西，全保留下来了。
官方数据：准确率最高能提 18.1%，AI Agent 的 token 成本能砍掉 10 倍。已经有 828 万维基百科页面预建好了索引，免费 API 直接用。
还给 Claude 做了个插件，相当于给 AI 装了双眼睛，看页面跟人一样看截图。
项目地：https://github.com/StarTrail-org/PixelRAG

想搞清楚 Claude Code、Cursor 这些工具内部是怎么跑的，官方文档看了几遍还是云里雾里。
用兄弟把自己的 AI 学习笔记开源了，拿 Pi-Agent SDK 当案例，一章章把源码拆开讲。10 个章节，从架构设计、Agent 循环、模型调用，到工具系统、上下文压缩、会话管理全覆盖。
每章讲透三个点：是什么、怎么写、为什么这么写。
提供 TypeScript 和 Python 双版本，选你熟悉的语言跟就行。支持网页在线、Markdown、PDF 三种阅读方式，离线慢慢看也方便。
🔗：https://github.com/buchidonggua/dg-ai-notes

sentrux，一个把代码库当活地图来监控的工具。它会把项目的文件结构和依赖关系扫一遍，然后合成一个动态更新的质量分数。
运作方式大概是：先扫描整个代码库的结构和依赖链 → 把 5 个底层指标揉成一个综合信号 → 告诉代理当前的风险集中在哪里 → 后续会话直接从这张实时地图出发，不用再漫无目的地 grep。
这个二进制本身对语言一无所知，52 种语言的支持全靠 plugin.toml 和 tags.scm 查询文件，加新语言完全不用动 Rust 源码。
不过它只管结构评分，不会帮你分析循环依赖为什么出现，那部分还得自己来。
纯 Rust 写的，单文件，没有额外的运行时依赖，设计目标就是卡在代理和代码库中间当个轻量传感器，几乎感觉不到它的存在。
https://github.com/sentrux/sentrux

以前试过不少 SQL 客户端，界面和流畅度总有一个拖后腿，日常写查询反倒成了最磨蹭的环节。
Beekeeper Studio 用起来顺手很多，界面现代，跨平台支持 Linux、macOS 和 Windows。
PostgreSQL、MySQL、SQLite、SQL Server、Redis、BigQuery、ClickHouse、MongoDB 这些主流数据库都能连。
免费版功能已经很全：自动补全的查询编辑器、多标签页、表数据排序筛选、查询历史、深色主题、导入导出，用起来顺滑不卡顿。
代码大部分开源（GPLv3），下载就能用，不用注册。
🔗https://github.com/beekeeper-studio/beekeeper-studio

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_6657896970

传统 AI 代理要么权限太宽，要么部署太复杂。
Cloudflare 把自己内部用的解决方案开源了Cloudflare OS，一个为 AI 代理设计的操作系统层。
公司可以基于它搭建自己的 AI 工作空间。代理能访问公司文档、调用 MCP 和技能、执行代码、生成 PPT 和全栈应用。
关键区别在于：你可以按资源和权限细粒度控制代理能碰什么，而不是把整个系统敞开给它。
三层能力：
Agent 聊天 UI：预置公司上下文，直接下指令干活
沙箱应用开发（Gadgets）：每个应用都是独立沙箱，用户可自由修改代码，互不影响
Gatekeepers 安全框架：基于能力的权限管控，每个动作可审计，支持异步人工审批

一个完整的 AI 公司团队，现在可以直接装进你电脑里。
爆火的agency-agents ：打包了 230+ 个专业 Agent，前端开发、后端架构、产品经理、文案写手、Reddit 运营、创意注入、现实检查……每个都有明确人设、工作流程和可交付成果。
它跟 Claude Code、Cursor、GitHub Copilot、Codex 等主流工具全部打通。
装完后在对话里直接调对应 Agent，不用来回切换环境。

Chrome 工程经理 Addy Osmani 亲自操刀，开源的一套生产级 AI 编程技能包：agent-skills。
把完整工程生命周期拆成六个阶段：DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP，每个阶段配了对应的 slash 命令（/spec、/plan、/build、/test、/review、/ship）。
AI 代理不再是胡乱生成代码，而是按资深工程师的节奏干活，先写规格、再拆任务、增量实现、测试驱动、质量门禁、安全审计，每一步都有明确退出标准。
核心设计是反合理化：每个技能都内置了常见偷懒借口（比如"测试后面再补"）和对应的反驳逻辑，让代理没法跳过关键步骤。
配8 条命令、24 个技能、4 个专家角色（代码审查、测试、安全、性能）覆盖了从想法到上线的全流程。
连续多日热门👍
🔗：https://github.com/addyosmani/agent-skills

想用 AI 自动盯盘、每天收一份带买卖建议的决策报告，又不想付高昂的量化软件费用？
daily_stock_analysis ，它是个 LLM 驱动的多市场股票智能分析系统，覆盖 A 股、港股、美股、日股、韩股、台股和 ETF。
能聚合多源行情数据、抓取实时新闻、生成决策看板，最后把分析结果自动推送到企业微信、飞书、Telegram、Discord、Slack 或邮箱。
核心能力是 AI 决策报告：每只股票会输出评分、趋势判断、买卖点位参考、风险警报、利好催化因素和操作检查清单。
支持 Agent 策略问股，内置均线、缠论、波浪、趋势、事件驱动等 15 种策略，可以在 Web 界面里多轮追问。
部署门槛低：通过 GitHub Actions 就能零成本定时运行，5 分钟配好，每个工作日自动跑。也支持 Docker 或本地 Python 环境部署。
量化交易和股票分析圈最近讨论不少呢😂

系统性地精通 Claude Code 全部功能，现在有了一份完整的学习路线图。
claude-howto 是一份可视化、示例驱动的 Claude Code 完整指南，从基础命令到高级 Agent 编排全覆盖。
不光是功能罗列，而是用 Mermaid 流程图、可复制的配置模板和渐进式学习路径，把 Slash Commands、Memory、Skills、Subagents、MCP、Hooks、Plugins 这些功能串联成真正可用的工作流，比如自动化代码审查、文档生成、CI/CD 集成。
10 个模块加上自测体系，覆盖从入门到精通的完整路径（预计 11-13 小时）。你可以直接在 Claude Code 里跑 /self-assessment 定位水平，或通过 /lesson-quiz 检验成果。支持中文在内的多语言）。
🔗：https://github.com/luongnv89/claude-howto

健身 App 最头疼的就是动作数据（收集、整理、配图、多语言翻译），下来费时又费力。
有个开源数据集 hasaneyldrm/exercises-dataset 包含了 1324 个完整健身动作。都帮你省了
每个动作都有动画 GIF、180×180 缩略图、目标肌群、器械要求、10 种语言的步骤说明（有中文）。
数据覆盖了胸部、背部、肩部、手臂、腿部等主要肌群，设备类型涵盖哑铃、杠铃、绳索、自重等 325 个自重动作，对家庭健身场景特别友好。
附带交互式浏览器（index.html）和开发者接入指南（setup.html）。后者可以直接在浏览器里生成 SQL 建表语句、各语言 API 调用示例，甚至能帮你生成给 ChatGPT/Claude 的 Prompt，一键生成完整后端 API。
🔗：https://github.com/hasaneyldrm/exercises-dataset

HomeTube（频下载器）提供友好 Web 界面，一键下载 YouTube 等 1800+ 平台的视频和播放列表，自动去广告、自动选最高画质、自动整理成 Plex/Jellyfin 能直接读的目录结构。
支持播放列表同步、剪辑指定片段、嵌入字幕、Cookies 认证。
Docker 一键部署，网络内随时访问，专为 HomeLab 场景设计。
https://github.com/EgalitarianMonkey/hometube

大多数Linux课程都在教命令，你真正需要的是一个能让你真正上手管理服务器的实战环境。
开源项目叫Linux Upskill Challenge，它把这个过程做成了结构化挑战20天，每天小时，全实战无课堂。
从创建自己的服务器开始，逐步掌握SSH、导航、用户管理、权限、进程、服务、网络、安全、日志等核心技能。
目标不是背命令，而是月底能真正管好一台Linux服务器。支持Ubuntu Server，可以在Hostinger、AWS、Azure、GCP、DigitalOcean或本地VM上操作。
免费开源、可自定节奏，还有个活跃的社区每月同步跟进。
🔗 https://github.com/livialima/linuxupskillchallenge

微软开源的自我进化的Agent技能优化框架SkillOpt，把训练神经网络的那套方法论搬到了Agent技能优化上。
不再靠猜Prompt有没有用，基础模型执行任务，优化器评估输出结果并自动重写指令本身。
验证门控机制自动拒绝任何低于基准分的编辑，确保每次更新都是有效改进。
零模型锁定，优化后的技能可以迁移到任意模型。
1⃣ 用轨迹驱动编辑，从成功与失败的路径中分离出精确改进点
2⃣ 自动拒绝无法超越基准分的编辑，质量有保障
3⃣ 比手动设计技能和textgrad等优化工具效果更好
4⃣ 零模型锁定，技能可迁移到任何目标模型
🔗 https://github.com/microsoft/SkillOpt

Suno刚被彻底取代了？ ace-step-ui 。
有人给ACE-Step 做了一个Spotify风格的界面，可以在你自己的GPU上完全原生地生成完整歌曲，最长4分钟以上。免费，开源，本地运行。
完整歌曲生成带人声和歌词，最长4分钟以上；Spotify风格界面，支持暗色/亮色模式；支持参考音频、音频封面、局部重绘；
内置音频编辑、音轨分离、视频生成工具；完全本地运行，数据不上云，所有权归你。
经常用AI音乐生成的人来说，这不错，又无订阅，无限量，完全掌控。
🔗 传送https://github.com/fspecii/ace-step-ui

别再追着零散的教程学LLM原理了。
LLM Internals这个GitHub仓库，把从分词到注意力机制数学、Transformer组件、训练概念到推理优化的知识串成了一条完整路径，每个模块都附了博客和视频，帮你把碎片拼成清晰的认知地图。
范围：LLM、RAG、MCP、Agent、微调、量化、分词和BPE打底；Q/K/V、√dₖ缩放、因果掩码、RoPE、分组查询注意力逐步拆解；
架构、前馈网络、归一化、MoE、LoRA一个不落；反向传播、交叉熵损失、RLHF、推理模型都有；
KV缓存、分页注意力、Flash Attention、推测解码、连续批处理、提示缓存全涵盖。
https://github.com/amitshekhariitbhu/llm-internals

a哥刚发现这个宝藏开源项目 Hermes Studio！
给 Hermes Agent 打造的本地 Web 控制台/桌面端。
多平台 AI 聊天（Telegram / Discord / 飞书 / 钉钉 / 微信…）
可视化工作流 + 定时任务 + Kanban
会话管理、用量分析、模型/Profile 一站式管理
完全本地优先，支持桌面端 / Docker / npm。
🔗https://github.com/EKKOLearnAI/hermes-studio

兄弟们，有没有想过把那些命令行里的AI编程神器，统统装进一个漂亮的图形界面里？
① ccgui这款桌面工具，就把Claude Code、Codex CLI、Gemini CLI和OpenCode这几个主流选手，给整合到了一起。
② 打开项目文件夹，你就能像和同事闲聊一样，指挥AI写代码、修Bug，甚至连提交Git这种操作都能代劳。
③ 说白了，就是让你彻底告别那个黑漆漆的终端窗口，不用再瞪着满屏字符发愁了。
④ 代码改了什么、工具调用了没有、整个流程跑得顺不顺，这些信息在界面上实时滚动展示，一切尽在掌握，心里特别踏实。
⑤ 最贴心的是，这工具在Mac、Windows和Linux上都能跑，对咱们这些在不同系统间切换的开发者来说，简直省了大心了。
🔗https://github.com/zhukunpenglinyutong/desktop-cc-gui

a哥看到一个开源项目，算是CapCut的浏览器版替代品。
OpenReel Video，完全在本地浏览器里运行，视频不用上传服务器，不用安装，也没有水印。
功能方面（基本覆盖剪辑需要的东西）：
多轨时间线，帧精度剪辑，支持转场和嵌套序列
自动字幕支持90多种语言，AI去背景、提词器、文字转语音也都有
调色这块有色轮、HSL、曲线和LUT，3D变换加关键帧动画
音频部分有多轨混音、EQ、压缩、混响、降噪，还有自动节拍检测和语音闪避
绿幕抠像、二十多种文字动画，SVG和贴纸也支持，内置了抖音和Reels的预设尺寸
底层用WebGPU和WebCodecs做硬件加速，4K剪辑和导出都比较顺畅
另外还有屏幕录制、自动保存和无限撤销，移动端也有配套App。不错👍！

住在电脑里的AI助手，现在已经到这种程度了。
skales，一键安装。无需 Docker，无需终端。立即使用 Skales IQ，它内置免费试用版，无需 API 密钥；可以使用来自 15 家以上 AI 提供商的密钥；或者使用 Ollama 完全离线运行。
它能做这些：
在你电脑上运行的AI代理
能操作文件、浏览器、日历、邮件，完成多步骤任务
支持Windows、Mac、Linux、Android、iOS
不需要Docker，不用敲命令，装好就能用
对AI代理感兴趣但觉得环境搭建太麻烦的人，这个可以直接上手。
非工程师想先试试的话也比较友好。
https://github.com/skalesapp/skales

把 Claude Code 的体验门槛从先付钱降到先试试，这就是 FCC 这个项目存在的全部理由。
GitHub 上 几 万星，说明被 API 价格劝退的人比我想象的要多得多。
本质上是一层本地代理，跑在你机器上，把 Claude Code、Codex、Pi 这些客户端的请求截下来，转给别的模型提供商去处理，而不是硬撞 Anthropic 的收费端点。
你可以接 NVIDIA NIM、OpenRouter、Gemini、DeepSeek、Mistral、Kimi，也可以挂本地 Ollama 或 LM Studio，三十多个来源随便切，免费额度用不完。
装完跑起来之后，你敲 fcc-claude 或 fcc-codex 的感觉和原生版本一模一样，流式输出、工具调用、推理能力、图片输入全部都在，没有任何缩水。
唯一感知到的区别就是账单不再滚了。代理层自己还顺手做了一些配额探测、命令前缀处理、标题生成之类的优化，省下来的 token 虽然单次不多，积少成多也值得。
终端、桌面托盘、IDE 都能挂，想拉到 Discord 或 Telegram 里当机器人用也行，语音通道还通着。
安装走一键脚本，Windows、macOS、Linux 全覆盖，不用折腾环境变量。
最大的价值就是一句话：先让你用上，再让你决定值不值。
GitHub🔗：https://github.com/Alishahryar1/free-claude-code