NVIDIA 出了 SkillSpector：专门扫描 AI Agent 的 Skill 安不安全。
现在很多 Skill 直接装。研究称超过 26% 有漏洞，约 5% 可能恶意。 安装前可查：Prompt Injection、数据外泄、供应链风险、权限过高等。 Agent 时代的「杀毒软件」可能先长在 Skill 层。 仓库在第二条。
Cloudflare 把内部用的 Cloudflare OS 开源了。
定位：全员 AI 工作平台——每人 Agent + 工作区，内建公司知识、流程与 Skills；能出文档、简报，甚至可分享的小 App；Gatekeeper 管权限。 值得逐帧研究的是：把「公司操作系统」而不是「又一个聊天窗」当产品。 仓库在第二条。
想自己拉航班比价数据？有个开源 flights 爬虫走 Google Flights 协议层。
技术点在 Protobuf 编码，不是简单 HTML 刮。 研究向，合规与频率自己把关。 链接放评论。
把电影号剪辑从熬夜手工，压成 Claude Code 一条指令——这是 video-recap-skills 想做的事。
自然语言 → 中文解说成片，面向 Claude Code / Codex 等宿主。 能省重复劳动，但素材版权、配音质量、平台审核仍是你的责任。 链接放评论。
跑一次全市场回测，以前可能先花两周做数据工程。free-stockdb 想把这件事砍到大约半小时量级。
约 1.9K 星：A 股日 K、分钟 K、ETF 落到本地磁盘，少跟远程 API 限频和封 IP 搏斗。 7000+ 标的覆盖、增量同步 + zstd、Rust 算 39 个指标、Python/HTTP/Excel/MCP 多入口，Claude 也能直接查。 量化研究的第一瓶颈常常是数据，不是策略灵感。 仓库在第二条。
Google 开源了 Gemma Translator：完全离线的可组装翻译装置。
用 Gemma 4 + 树莓派 5、小屏、喇叭、键盘旋钮等市售件 + 3D 打印壳。 重点：不需 Wi-Fi、不需 API；语音识别和 TTS 都在端侧。 「再也不用学语言」当然是夸张，但离线、可动手、可带走的翻译硬件路线，确实在打开。 仓库在第二条。
微软开源了 Skill Recorder：你操作一次，它录全过程，再让 GitHub Copilot 整理成「意图 + 步骤」，生成可复用的 Skill / Automation，给 Agent 之后直接跑。
一句话：录一次示范，Agent 以后自己做。 支持 macOS / Windows。 仓库在第二条。
最近看到一个很猛的开源项目：PPT Master，GitHub 已超 4.4 万 Stars。
和一般 AI PPT 最大的差别：不是生成「像 PPT 的图片」，而是真的生成 PowerPoint。 文字、Shape、Chart、表格甚至动画，都能在 PowerPoint 里继续改。 还能读 PDF/DOCX、套自己的模板，直接让 Claude Code、Codex 这类 Agent 帮你做简报。 趋势很清楚：AI 正从「生成内容」变成「直接操作 Office 文件」。 仓库在第二条。
有人做了个 DeepSeekV4SSD：让 M 系列 Mac 本地跑全参数 284B 的 DeepSeek-V4-Flash，峰值内存大约 30GB。
M5 Pro 接 Codex 实测：Prefill 180 tok/s，Decode 6.5 tok/s，输入 1.4 万 tokens。 门槛不低：Apple Silicon、macOS 15、建议 ≥64GB 统一内存 + 高速 SSD；完整安装约 167GB。 原理是 MoE 只从 SSD 抽当前需要的 expert，而不是整模塞进内存。 仓库放第二条。
最近把常用壳子换成了 tty7，一个原生面向 Agents 设计的 terminal shell。
两个理由让我转投： - 后台复用和恢复能力对齐 tmux 级别——关掉客户端，进程照样在跑 - 速度明显更快 对跑 Agent 任务的人来说，这两点比花里胡哨的功能都实用。
吴恩达出了个开源工具：OpenWorker，本地端 AI 桌面助理。
和一般聊天式 AI 不同，它直接交付工作成果——写好文档、排好会议、发完 Slack、整理完收件箱。 四个特点值得关注： - 原生 25+ 办公工具连接器（Gmail、Notion、Jira、GitHub），兼容 MCP 生态 - Local-first 架构 + MIT 协议，数据留在本机 - 发信等关键动作强制人工审核，安全可控 - 不绑定单一模型，OpenAI/Claude/DeepSeek
很多人做 AI 影片的提示词，写的是“高级、电影感、震撼”。
这不是提示词，是许愿。 MiniMax H3 开源了 9 个 Skill，其中 h3-prompt-writing 就是解决这个问题的：把你的灵感拆成画面、动作、声音、参考素材，再按官方固定格式输出。 基础模式会产出三个具体字段： - integrated_multimodal_description - overall_soundscape - non_diegetic_music Ref2VA
每天开盘前花半小时刷资讯、看盘、整理笔记，图什么。
GitHub 上有个开源项目在干这件事：daily_stock_analysis，基于大模型的 A股/港股/美股自选股分析系统。 每天自动帮你做四件事： - 分析市场走势 - 整理重要资讯 - 跟踪个股表现 - 生成投资分析报告 跑完直接推一份决策仪表盘，不用自己东拼西凑。
给 iCloud 交了快三年月费，才发现根本不需要。
GitHub 1.7K star 的开源工具 lap，直接对着本地文件夹搜照片，人脸聚类、语义搜索、以图搜图全在本机跑，不用传云、不用注册账号。 细节做得挺全： - 不导库不搬家，认你现在的文件夹结构 - HEIC、AVIF、各家 RAW 都吃得下 - 实况照片和 RAW+JPEG 自动配对 - 10 万张照片库也不卡 - macOS/Windows/Linux，brew 一行装完 我的照片就该在
很多人担心 AI 写代码“能跑但不专业”——变量命名乱、没测试、架构随手拍。
Addy Osmani（Google Chrome 团队）把这个问题系统化解决了：agent-skills 是一套面向 Claude Code、Codex、Cursor 的工程规范库，覆盖代码质量、测试策略、架构规范，相当于给 AI 装了一个资深工程师的习惯。 GitHub Trending 第二，83k+星，今天涨593，值得收藏备用。
一个工具诞生的理由很朴素：作者不想每月付 16 美元给爬虫软件公司，自己写了一个。
结果做出来的是专为 AI 场景设计的爬虫——任意复杂网页一键提纯成干净的 Markdown，直接喂给 LLM 跑数据流水线，不用注册、不要 API Key、不按页扣费。 评论区有意思的地方是：有人说这类工具前两年就有了，推荐了付费的 Firecrawl；也有人说作者本来就是不爽 Firecrawl 收费才写的这个——虽然 Firecrawl 现在也有开源版了。 省钱驱动出来的项目，往往比「为了创业
ps、lsof、docker ps 这些工具有个共同的盲区：它们只回答「什么在跑」，从不回答「这是谁启动的」。
于是有人写了个 witr，专门补这个盲区。端口、文件、容器随便一个入口进去，直接一路找到最初那条命令，不用自己一层层往上翻。19.1K 星，今日还在涨 165。 比查因果链更实用的是它顺带标出的东西：哪个进程是 root 权限，哪个在往公网监听，哪个带着危险 capability——这几样才是真正会出事的地方。 TUI 面板能看能直接 kill，全平台支持，brew 一行装完。
AI coding 真正值钱的东西，可能不是模型，是老工程师脑子里那套「该怎么做」的直觉。
Matt Pocock 这一年多在做的，就是把这套直觉拆解成 skill 喂给 Claude Code。库更新到 v1.2 了，star 快二十万，下载一千三百多万次。 评论区有人问能不能直接搬进 Claude project，Matt 回得挺实在：他自己也没整套照搬，因为已经有一套自己的 workflow 在跑，skill 库更多是拿来参考着挑用。 大概这才是正确用法——不是全盘照抄，是照着拆解
两小时做出能玩的浏览器版 3D chess 游戏，一小时根据反馈更新开源，这速度引发了一个挺值得聊的争论。
评论区有人说了句实话：游戏业的人总跑出来笑素人做的游戏不够专业、美术丑，但没在这个行业待过就不懂，AI 做游戏这两周就能进化一轮，嘲笑的速度追不上进化的速度。 这个作品本身也做得很认真：对局中的各方都是绑骨架的 3D 角色，真的会走路、攻击、倒下，不是简单滑过去；规则交给 chess.js，渲染用 three.js，AI 跑在 Web Worker 里，三种军队造型可选。 三小时能做到这个程度，「
微软负责往 Windows 里塞东西，开源社区负责帮你把它们删干净——大概是当下最精准的一句总结。
有个 PowerShell 脚本在 GitHub 上冲到 51K+ 星，专门清理 Windows 11 里那些删不掉的预装软件、Bing 搜索、Copilot、OneDrive 弹窗、定向广告。一条指令，遥测数据、诊断追踪、Recall、Edge 内置 AI，能关的全关掉，连 Windows 10 的经典右键菜单都能恢复回来。 支持参数化部署，配置还能导出到别的电脑直接用。MIT 开源，不收钱，不
去 AI 味 正在从玄学变成 skill
去 AI 味 正在从玄学变成 skill GitHub 上这个 human-writing 干的事很直接 让模型写出来的中文 更像一个具体的人在说话 写作能力在产品化 这也是内容差会拉开的地方
腾讯云开源了个东西，叫 TencentDB Agent Memory，专治 AI Agent 每次对话都忘个一干二净的老毛病。
它把对话、文档、代码打包成四类可复用记忆资产（Chat Memory / Skill / LLM-Wiki / Code-Graph），团队里所有 Agent 共用同一套记忆，不用各自重新学一遍。 今天涨了 1111 星，总数 14212，直接冲上 GitHub Trending 第一。
用一个叫 wenyi 的开源工具，配合 DeepSeek V4，把一本没有译本的书整本翻译完了，一共花了大概 10 块钱。
效果出乎意料地好，原书排版也基本保留住了。以前找人翻译一本书得花多少钱、等多久？现在 AI 加个工具，10 块钱当天就搞定。
刷到个叫 local-dream 的开源项目，手机离线就能跑 AI 生图，完全不用联网。
用下来几个点比较实在：本地推理不用绑云端账号，支持手机 NPU 芯片加速，免费不限次数。 通勤或出差手机上就能出图，不用等电脑开机再等模型加载。GitHub 上直接下就能用。
背单词不用再给墨墨、扇贝交会员费了。
TypeWords 是个开源网页工具，打开就能用，8.9K 星，今天涨了 11。四六级、考研、雅思、托福、GRE、专四专八词库全内置，跟写、听写、自测、默写四种模式，记忆曲线自动算今天该背哪些。 数据存本地，不注册、没广告、不催续费，还能自己部署一份。
跨平台还要原生，这两个要求放在数据库工具上通常很难同时满足。
gridex做到了：macOS、Windows、Linux都是原生应用（用Swift+AppKit构建），一个客户端里能连PostgreSQL、MySQL、SQLite、Redis四种数据库。 主打键盘驱动的快速操作，不是那种鼠标点来点去的臃肿IDE。 开源，814星标。
Adobe订阅按月扣钱，还得联网才能用，很多人受不了这个。
有个开源工具叫RapidRAW，专门解决这个问题：Rust+GPU重写的RAW修图流程，装完不到20MB，全平台通吃（Win/Mac/Linux/安卓），照片和AI处理全程留在本机，不联网也能用。 功能不缩水：蒙版、曲线、HDR合并、负片转换这些非破坏性编辑都有；AI主体抠图、降噪、去物体、镜头虚化全本地跑；镜头畸变暗角自动校正，波形矢量示波器也齐全。 已经9.1K星标。
给文件"伪装"这件事，谷歌出了个AI检测工具叫Magika。
传统方式看文件扩展名，改个后缀就能骗过去。Magika不看后缀，直接分析文件的真实内容类型。 背后是深度学习模型，喂了约1亿个样本训练出来的，支持200多种文件类型，毫秒级检测，准确率能到99%左右。 这不是实验室玩具——谷歌自己的Gmail、Drive、安全浏览都在用它扫文件。GitHub上已经11k星标。 一行命令装上：pip install magika。