纯 Rust 的净室复刻引擎:先用真实检查工具读懂任意网站或应用,再让编码智能体按你的要求重做一个自己的版本。
Craft Anything 把复刻一个软件拆成四步闭环:先用内置检查工具研究原件(页面在各种宽度下的样子、代码、文件、运行方式),再让编码智能体按你点名的语言或框架建一个新项目,然后把成品与原件逐项比对、列出还没对上的地方,最后交付并支持继续精修。默认是净室模式,不读原件的代码、文件与页面源码,只依据访客视角能看见的东西——截图、可见文字、实测布局、颜色、字体与间距、展开后的菜单;深度模式才会读代码与文件,装了 Ghidra 时还会反汇编,README 明确写了深度模式仅供自己使用。320 个工具同时暴露为 CLI 子命令与 MCP 工具,任何智能体都能驱动同一个引擎,而且完全不接模型也能做检查取证。适合想把某个产品快速复刻出来当起点,或者要给智能体配一套可审计逆向工具链的团队。
亮点
- 纯 Rust 实现,覆盖 macOS、Windows、Linux、FreeBSD 与网页端
- 四步闭环:研究原件、智能体构建、逐项比对、按需精修
- 默认净室模式只看访客可见信息,深度模式需显式开启
- 320 个工具同时是 CLI 与 MCP,智能体可直接驱动
优点
- 7 天 20643 星,日增近 2950,是本轮候选里增速最高的
- Apache-2.0 许可,已提供多平台安装包
- 检查与构建解耦,不接模型也能做逆向取证
缺点与注意
- 官方状态标注为早期 alpha,稳定性与边界情况尚未验证
- 构建环节需要本机已有 Claude Code 等编码智能体,账号与费用自理
- 深度模式会读取目标程序代码,版权与合规边界由使用者承担
看项目详情与各榜名次
跑在 Android 手机上的本地 AI 助手:在后台独立屏幕上代替你点按输入,把一句话变成已经办好的事。
Mika 是 Kotlin 写的 Android 端 AI 助手,核心思路是像人一样看屏幕找按钮,不依赖任何应用 API,也不为每个 App 做适配,所以微信、小红书、抖音这些常用应用都能用。执行发生在隐藏的后台屏幕上,你照常玩手机,随时点开小窗看它做到哪一步。默认 Ask 模式只在花钱的事(下单、支付)前确认,其余直接做,也可以切成自主模式全程放权。数据全在本地,没有 Mika 服务器,可以用自己的模型 Key 或登录 ChatGPT、xAI、OpenRouter 账号。每个会话还带一个 Linux 沙箱跑 Python、Node 与 Shell,电脑端的智能体也能通过 CLI 与 MCP 派任务过来。README 另列了内置应用知识库与可积累的技能,做完的任务会被沉淀成下次更快更稳的技能。
亮点
- 后台独立屏幕执行,不占用你正在用的界面
- 纯视觉找按钮,不依赖应用 API,新增应用零适配
- 默认 Ask 模式只在花钱前确认,自主模式可全程放权
- 每个会话自带 Linux 沙箱,可跑 Python、Node 与 Shell
优点
- 9 天 7612 星,日增 846,Kotlin 分类日榜第一
- Apache-2.0 许可,代码全公开
- 无自建服务器,可用自带 Key 或第三方账号登录
缺点与注意
- 控制应用需要配对无线调试并走一次设置向导
- 支付、验证码等敏感环节仍要人工接管,自动化深度有限
- 目前只覆盖 Android,iOS 与桌面端不在范围内
看项目详情与各榜名次
在 Linux 开机时解除英伟达对消费级显卡张量核心的半速限制,让本地 AI 推理与训练跑满 FP16 与 BF16。
README 指出 NVIDIA 出厂把 GeForce 卡的张量核心按半速运行 FP16、BF16 以及带 FP32 累加的 TF32,而这正是绝大多数 AI 训练和未量化推理用的模式;同样的硅片做成 A 系列专业卡则是全速。gpu_unlock 在官方驱动加载之前解除这个限制,不改驱动、不刷 VBIOS,官方发新驱动也不用重做一遍。支持情况写得很清楚:Ampere 即 RTX 30 系稳定且有上百名用户反馈,Ada 即 RTX 40 与 Turing 即 RTX 20 还是实验性,Blackwell 即 RTX 50 暂不支持,且仅限 Linux。README 给出的收益区间是张量吞吐最高翻倍、LLM 预填充提升 25% 到 55%、微调提升 25% 到 50%、图像生成提升 30% 到 55%,实际幅度取决于矩阵计算占比与显卡功耗余量。笔记本因为空闲会彻底关闭独显而静默复位,需要关掉动态电源管理才稳定。
亮点
- 在官方驱动加载前解除限制,不改驱动、不刷 VBIOS
- 官方驱动更新后无需重做,开机即生效
- README 给出张量吞吐翻倍与推理、微调的具体收益区间
- 精确的 PCI 设备 ID 列表写在 recipes.c 里
优点
- 20 天 17876 星,日增 894,是本轮唯一直接提升本地 AI 算力的项目
- RTX 30 系有上百名用户的实测反馈
- 只依赖一次开机配置,没有长期维护负担
缺点与注意
- 仅支持 Linux,Windows 用户只能看 FAQ
- RTX 40 与 RTX 20 仍是实验性,RTX 50 完全不支持
- 笔记本受动态电源管理影响,锁定效果不稳定
- GitHub 元数据没有识别出许可证,README 自述为 GPL-2.0,商用前需自行确认
看项目详情与各榜名次
244 个像素风特效与动画,每个都是一小段可直接跑的代码,另附一个会看图会调参的 Claude Code 技能。
pixelfx 把像素画特效拆成可编程的最小单元:火焰、爆炸、魔法、天气、界面、拾取物、小动物等分类共 244 个效果,每个都是独立的一个 js 文件,用 canvas 的 ImageData 逐像素绘制,零依赖,可直接跑在 Phaser、PixiJS、Kaplay、three.js 里,也能导出精灵表给 Godot、Unity、GameMaker、Defold、LOVE、Bevy。README 特别强调演出这一层,说单个特效像贴纸,真正让命中成立的是身体:起手、接触瞬间的定格、目标后仰、收招,所以 61 个带角色的效果和 12 个招式都把身体动作写成数据,包括起手提前量、定格秒数、击退与抖动幅度。仓库还给了 Claude Code 技能,教它按像素画家的流程起草、渲染、看效果、再修,配套工具能扫溢出、接缝、未播种的随机和慢帧。
亮点
- 244 个特效每个独立成文件,零依赖,浏览器与各类引擎通用
- 61 个带角色效果与 12 个招式把起手、定格、后仰、收招写成数据
- 自带 Claude Code 技能,按起草、渲染、看图、修图四步迭代
- 工具链能检查溢出、接缝、未播种随机与慢帧
优点
- 8 天 5840 星,日增 730,是本轮图像与素材方向涨得最快的
- MIT 许可,用 npm 装或直接拷源码都行
- 导出精灵表带 Aseprite 风格 JSON,接入现有工程成本低
缺点与注意
- 面向游戏像素风,不适用于写实或高分辨率图像
- 方法源自第三方博客的思路,仓库自述是对其的扩展实现
- 带角色的效果画在自带假人身上,换成自己的角色需重新生成
看项目详情与各榜名次
微软研究院与伯克利合作的黑盒成本控制插件:不改编码智能体本身,靠复用历史会话经验把重复开销压下来。
TokenEconomizer 以插件形态运行,官方支持 Claude Code、Codex、GitHub Copilot CLI 与 Pi,opencode、Cursor Agent、Grok Build、Hermes Agent 等标为实验性。它不动智能体的模型、权重与代码,而是跨会话学习同一个仓库的经验,用三个机制砍掉三类浪费。微技能记住这个仓库怎么跑,比如必须先跑的构建步骤、这个仓库真正能用的测试命令、命令需要的环境变量,这些事实要三次会话确认后才在每次会话开头注入,被后来的会话推翻就删除。工具剪枝把连续多个会话都没用过的工具从下一次请求里去掉。失败循环干预在同一个错误反复出现时,由裁判模型判断智能体是否卡死,超过阈值就给一条换路子的提示,但绝不代为终止。论文在六个仓库 277 个 SWE-Bench 任务、五种智能体与模型组合上测得平均成本下降 18.4% 到 30.9%,30 个仓库与组合单元里全部更便宜,Pass@1 在五种组合里的四种更高。学到的东西存在本机,插件没有自己的 API Key,任何一步出错都只是当作没装。
亮点
- 三个机制分工明确:微技能、工具剪枝、失败循环干预
- SWE-Bench 上平均成本下降 18.4% 到 30.9%,30 个组合单元全部更便宜
- 只做黑盒干预,不改智能体的模型与权重
- 插件无独立 API Key,凭证仍归智能体自己保管
优点
- 背靠微软研究院与伯克利,实验数据在仓库内可复跑
- Apache-2.0 许可,Python 3.10 起即可运行
- 每个动作可逆:矛盾事实会删除,被剪掉的工具可一键找回
缺点与注意
- 成本下降依赖跨会话积累,单次一次性任务收益有限
- 裁判模型与事实提议本身也要调用模型,会摊薄一部分节省
- 对 opencode、Cursor、Grok Build、Hermes Agent 只是实验性支持
看项目详情与各榜名次
本地跑的视频换人与换物工具:丢进一段视频和一张角色图,一键把画面主角换成你的角色,镜头与音轨保持不动。
Openjutsu 是一个 Next.js 前端叠在 ComfyUI 工作流上的实现,用官方 SDK,参照 Comfy 自己的 comfy-reshoot 参考应用。整个链路用开放权重跑在本地 GPU:MiniMax H3 负责视频生成,SAM 3.1 跟踪人物,Qwen3-VL 8B 描述画面与镜头并写提示词,默认 INT8,也可以换 4B FP8 或 Gemma 4 E2B。模式分四类:简单动作迁移换掉画面占比最大的人;高级动作迁移支持 1 到 4 个角色并逐镜头匹配身份,没有对应角色的人保持不动;物体替换可以改 SAM 跟踪到的头发、外套、车辆,换背景或直接移除,只重绘那块区域;从图片出发则先用 FLUX 把角色放进原视频帧的姿态与身体裁切里,再用正常图运动参考、镜头描述与原声渲染成不超过 15 秒的片。README 还提到 SolarRenderer 默认四步、可选 rank-384 或 rank-64 组合,以及十七种光照预设可以在同一次 FLUX 里改光线。
亮点
- 本地全流程:H3 生成、SAM 3.1 跟踪、Qwen3-VL 识图、FLUX 改光
- 高级模式支持一镜之内多人角色身份逐镜头匹配
- 物体替换只重绘指定区域,其余画面不动
- 可从一张图生成姿态,再带光照预设渲染成片
优点
- 12 天 1911 星,日增 159,全部模型开放权重、可离线运行
- MIT 许可,前端与 ComfyUI 工作流都是可读的 JSON
- 工作流是导出的 api json,改动直接
缺点与注意
- 对显存要求高,README 要求给图像视频上下文与工作内存留余量
- 超过六秒的 SolarRenderer 片段渲染时间会明显变长
- 描述模型的质量直接影响人物匹配,换模型效果会有差异
看项目详情与各榜名次
一张照片加一句话做成成品口播视频:数字人形象、口型配音、字幕与主播级包装全部由智能体自动跑完。
项目的定位很直接:一张照片加一句话,做出一条数字人口播视频,输入是照片与一句需求,输出包含脚本、口型对齐的主持人、清洗过的语音、字幕和主播级包装。数字人形象固定在 persona.json 里,包括脸、穿搭、语音描述和提示词模板,保证每条视频都是同一个人;先用 GPT Image 把人像合成进直播演播室、店铺、教室、街头等场景,再由 Grok Video 1.5 经 Renoise MCP 分段生成不超过 15 秒的口播片段,最后用 Remotion 合成。README 给的样例是一条 27 秒竖版直播带货广告,成本写明为 482 个 Renoise 积分,所有演示视频都标注内容由 AI 数字人演绎,男性主播是作者本人的数字分身。仓库同时提供 48 个包装组件与五种成片风格。
亮点
- 人像、穿搭、语音描述、提示词模板固定在 persona.json 里,形象可复用
- GPT Image 合成场景,Grok Video 1.5 出片段,Remotion 收尾
- 48 个包装组件与 5 种成片风格,字幕、表情、画中画都覆盖
- 作者数字分身做主播,示例公开了积分成本
优点
- 12 天 1859 星,日增 155,是数字人口播方向涨得最快的开源实现之一
- MIT 许可,全部演示与素材可复现
- 成片链路写到了具体模型与积分成本,便于估算
缺点与注意
- 依赖 Grok Video 1.5 与 Renoise MCP 等外部服务,效果与成本受制于对方
- 语音与人脸素材涉及肖像权,商用需自行取得授权
- 演示里的数字人免责标注等合规做法需自行沿用
看项目详情与各榜名次
2727 套人物不入镜的 AI 生成服装图集,附带 1499 位 AI 模特库,并预留了可自建的虚拟试穿换装后端。
这是一个纯静态前端驱动的深色主题图集站,收录 2727 套 2:3 比例的 AI 生成纯服装图像,其中写实真人版 1407 套、二次元动漫版 1320 套,全部人物不入镜,另集成 1499 位 CC0 授权的 AI 模特脸部与造型图库,支持中英双语双向检索、分类筛选、大图全屏与基础搭配台。虚拟换装是可选扩展,需要自建 backend 目录里的 GoFrame 服务,自备大模型 API Key 与 Base URL,README 提到可用 GPT Image 2、豆包 Seedream 或 Gemini,调用会消耗第三方模型配额。作者说明图集基于 MIT 全量开源、可商用,并附了合规审计报告;兄弟项目负责姿势骨架与构图控制,与它联动可以同时锁住姿势、面容与穿搭。
亮点
- 2727 套服装图,另有 1499 位 AI 模特库可一键选用
- 中英双语检索与多维筛选,纯静态前端,打开即用
- 换装后端用 GoFrame,需自建并自备模型 Key
- 兄弟项目提供 288 组姿势骨架参考,可锁姿态与构图
优点
- 9 天 2304 星,日增 256,中文 AI 素材方向传播很快
- MIT 许可,图集与代码都开放商用,附合规审计报告
- 写实与二次元双线覆盖,与姿势库项目联动
缺点与注意
- AI 换装功能必须自建后端并自备 Key,开箱只有图集
- 图集为纯服装构图,人物身体与面部细节不在覆盖范围
- 依赖第三方生图模型,效果与额度随外部服务波动
看项目详情与各榜名次