用 320 个逆向工具研究任意网站或软件,再让编码 Agent 按研究结果写一个干净的自己的版本,出来的是能跑能对比的新项目。

你给它一个网址、一个游戏或一个桌面应用,它先用内置工具把这个东西拆开看清楚——每个页面在三种屏幕宽度下长什么样、代码怎么写、文件怎么组织、跑起来是什么行为,每条结论都带证据和置信度。然后你用一句话说要什么,编码 Agent 在指定的技术栈里从零建一个新项目,接着系统把新版本和原件逐项对比,列出还有哪些地方对不上,再迭代收敛。技术上是纯 Rust 的逆向引擎,自带解码器、反汇编器和反编译器,覆盖原生程序、.NET、Java、Android、Electron、固件、抓包和游戏文件,不需要外部工具。默认的 Clean room 模式连原品的代码都不读,只根据截图、可见文本、实测布局和配色去理解;要不要打开 Deep 模式看里面,由你自己在标题栏决定。
亮点
- 320 个工具每个都是一条 CLI 子命令,同时也是一个 MCP 工具,Agent 可以直接驱动同一套引擎
- 每个项目留下 craft.json、capture/、app/、checks/、investigation.cany/、inbox/ 六个目录,研究证据和比对结果全程可查
- 界面分 Simple 和 Advanced 两档,Advanced 里能看函数、字符串、伪 C、反汇编、十六进制、调用图和 agent 控制台
优点
- 有 33759 星和 6820 个 fork,是这批里唯一已经有人规模在用的项目
- 自带完整逆向引擎,不依赖 Ghidra 之类的外部程序就能读原生程序
- 同时提供桌面应用、CLI 和 MCP 服务三种入口
缺点与注意
- 官方自己写明 Clean room 只是它自己的规则,不是操作系统沙箱——你跑的编码 Agent 仍然以你的身份行动,能读写什么取决于它自己的权限
- 要 Rust 1.97 以上,Debian/Ubuntu 上桌面版还得先装 libxkbcommon-dev、libwayland-dev、libgtk-3-dev 等一堆系统库
- 构建阶段需要你本机已经登录好的编码 Agent,Claude Code 支持最完整,Codex 适配器官方说还没在真实安装上验证过
看项目详情与各榜名次
DeepSeek 官方放出的研究原型:一个只服务单个 GitHub 仓库的主动型编码 Agent,监听 GitHub 和飞书,被人点名才开工,干完在原对话里回一个 PR。

它不是聊天机器人,是一条流水线:监听源(GitHub issue、飞书消息)进来,转成一张工作单,分配给一个执行者 Agent 在独立会话和独立目录里干活,干完写回结果、评估、生成工单,必要时在原来的对话里回你一个 PR。设计哲学写在 docs/000-philosophy.md 里:尽可能少占用人的注意力,尽可能多产出价值;Agent 只在被问到、或者团队写下的规则允许时才动作,只在真需要人处理或能用上结果时才说话。仓库带 9 篇按编号排列的文档,从领域模型、授权、执行、提示词、面板、部署一直到架构和 cookbook;装它也有专门的 SETUP.md,官方建议直接把这份文件丢给编码 Agent 一步步装完。
亮点
- 整套工作流有明确的状态机:Trigger 到 Eval 到 Ticket,每个工作单可追溯
- 授权是一等公民,docs/002-authorization.md 单独讲清楚 Agent 什么能做、什么要问
- 有 Web 面板:优先显示需要人处理的工作,其次是系统健康和历史
优点
- DeepSeek 官方仓库,代码和文档都完整公开,9 篇文档从哲学一路讲到部署
- MIT 许可,23296 星 2848 个 fork,是这批里增速最高的 Agent 类项目之一
- 工作目录、会话和产物都按单仓库隔离,不会和你的日常环境搅在一起
缺点与注意
- 官方在 README 第一行就写明「研究原型,不是 DeepSeek 官方产品」,可能仍有 bug,编码风格和工程实践可能不一致
- 跟论文里描述的设计并不完全一致——有些内容只是未来方向,原型里并没有实现
- 仓库里没有任何配图,全靠 9 篇 markdown 文档理解;上手成本明显高于装个插件就能用的项目
看项目详情与各榜名次
把一段视频逐镜头拆开,判断每个镜头是实拍、AI 生成还是代码画的,再写成一份分层文档,让你照着它自己复刻一遍。

它拿 ffmpeg 和 Python 3.10+ 干活,跑在 Claude Code、Codex 或任何能执行命令的 Agent 里。每个视频被拆成一组镜头:用的什么机位、几个景别、几代生成、怎么剪的、有没有后期痕迹,判断依据都写在报告里。输出有两份:一份 report.html 或 PDF 给人读,结构清楚;一份 VIDEO.md 是一种开放格式,给 AI 分层读——Agent 只读它当前问题需要的那一层,token 花得少。仓库里放了完整案例,比如一个 TikTok 广告原片全是实拍、一个机位两景别,而某个用别的产品做的 AI 复刻版是 8 个镜头跨 3 轮生成,两者的拆解结果并排放在 demo.gif 里。
亮点
- 输出 VIDEO.md 这种开放格式,按层组织,Agent 按需读取,README 里明确说这是为了少烧 token
- 同时给人和 AI 两份产物:report.html 或 PDF 给人看,VIDEO.md 给 Agent 读
- 支持接上 Gemini、豆包这类带视频能力的模型做视觉判断
优点
- 9190 星 1357 个 fork,17 天里日均 540 星,是这批 AI 视频方向里增速最高的
- 案例是可验证的:原片和 AI 复刻版并排放,结论能被读者自己核对
- 支持中英俄日韩西葡法德越孟等 11 种语言的 README,团队协作成本低
缺点与注意
- 依赖 ffmpeg 和 Python 3.10+,不是开箱即用的图形应用
- 判断「实拍还是 AI 生成」本质上是模型推断,README 里的案例只展示了成功的那些
- 有官网、Discord、微信群和 Trendshift 徽章,商业推广痕迹比较重
看项目详情与各榜名次
让编码 Agent 用 three.js 把每一帧写成代码,产出一部真正由代码画出来的短片、广告或讲解视频,直接给你 MP4。

它的思路是反过来:不生成像素,而是生成代码。你用一句话说想要什么,Agent 负责写剧本、搭每一帧的场景、配声音,最后渲染成 MP4。默认样式是从真实世界里随机抓来的东西——博物馆藏品、动物、太空照片、旧发明——而不是你以为的那个点子,这样出来的片子不容易和别人的撞车;Agent 还会拿自己以前做过的片子去比对,不重复同一个提案。最终形态由你定:真实光影 3D、2D 动画、水彩、墨水、纸胶黏土、动态图形或像素。渲染走 Chrome 无头模式加 ffmpeg,本机就能跑。外部声音可选:不配就自己解决,想配就用自己的 Gemini key(有免费额度)、ElevenLabs,或者一条免费土耳其语语音。
亮点
- 每一帧都是代码产出的,改一个数字就能重渲染整段,而不是重新生成一次
- README 里的 reel.gif 展示了 30 秒里十几个完全不同的画面风格,都是无头 Chrome 跑出来的
- 支持 Claude Code、Cursor、Codex 和 Antigravity,多数用户全程只用得上免费额度
优点
- MIT 许可,2558 星 443 个 fork,12 天里日均 213 星
- 风格库里每个场景都对应真实展品和照片,视觉上有辨识度
- 脚本、渲染、音频各环节都能换,成本可以压到接近零
缺点与注意
- 12 天 2558 星但只有 443 个 fork,star 与 fork 的比例偏高,读者尝鲜的比例大于长期使用
- 主语言是土耳其语,README 只有英文、日文、简体中文三种翻译,中文读者要靠翻译版
- 成片质量取决于 Agent 写 three.js 的水平,README 没给失败案例
看项目详情与各榜名次
把视频里主角换成你给的照片里的人,换发型换衣服换场景都行,模型全在你自己 GPU 上跑,镜头和原声不动。

它是 ComfyUI 的一个 Next.js 前端,做的是 Higgsfield 的 Genjutsu 那类一键换角色:丢一段视频和一张人物照,点 Generate,视频里的主角就被换成了你照片里的人。技术栈是 MiniMax H3 做视频生成、SAM 3.1 跟踪人像、Qwen3-VL 8B 描述图片和镜头,三个模型全在本地。模式分好几种:简单动作迁移、多人场景指定谁换成谁、涂改换物件、从一张图生成新造型和新场景、后处理修脸,还有在同一遍里加打光的 relight——Golden 逆光那种效果能保持住。相机运动、剪辑点和音轨都保留原视频的。
亮点
- SAM 3.1 做人物跟踪、Qwen3-VL 写提示词、MiniMax H3 出视频,全链路本地,不上传任何素材
- 文档里给了五种模式各一张实拍对比图:双人互换、涂装物件、从图生图、修脸、加打光
- 欢迎页让你自己挑视觉描述模型(Qwen3-VL 8B INT8 默认,4B FP8 和 Gemma 4 E2B 更省显存),选完存浏览器本地
优点
- 2377 星 363 个 fork,MIT 许可
- 基于 ComfyUI 官方 SDK 和 comfy-reshoot 参考实现,工作流可以被别的 ComfyUI 用户直接复用
- README 里明确写了模型选型要留够显存给图片和视频上下文,不是笼统一句「需要显卡」
缺点与注意
- 要自己装 MiniMax H3、SAM 3.1、Qwen3-VL 三套权重,H3 的显存需求另算
- 模型能力就是上限——H3 之外的效果它给不了
- 3D 资产、资源检索这些 ComfyUI 原生节点和外部服务不在这仓库里,得自己接
看项目详情与各榜名次
给 DeepSeek Harness 装一个插件,免登录免 Key 就能用上一批前沿模型,还能接自己的付费 API,附带用量看板。

插件挂在 dsh 上,不改内核、不用构建、零依赖。模型清单每次刷新时向上游重新拉,不存静态快照;选择器只广播实际可用的模型——上游声明了但明确拒绝路由的会被从下拉框里剔掉并记下拒因,5xx、429、超时、断网这些一律保留可达,免得把暂时故障误判成模型没了。思考强度是真下发的:模型有自己的档位菜单就直接传 reasoning_effort,没有的走预算阶梯控制输出 token 预算。它还开一个 OpenAI 兼容的本机转发端口,别的工具填 base URL 和 Key 就能调这些模型,Key 只写在本机 0600 权限的 settings.json 里,接口只回显 hasKey 和末四位。用量看板有 token 热力图、总量曲线、输出速度和首字延迟,全部留在本机。
亮点
- 免账号、免 Key、免构建步骤,改内核为零,兼容 dsh 0.1.5 到 0.1.7-rc.2
- 带应用内升级:下载、SHA-256 校验、备份、原子替换、校验回读、热重载,任一步失败自动回滚
- 内置 76 家提供商的聚合注册表,NVIDIA NIM、OpenRouter、Groq、Cerebras、Fireworks、硅基流动等都在内
优点
- 75819 星 2126 个 fork,MIT 许可,是这批里星数最高的项目
- 安全细节做得比一般插件认真:请求信任围栏防绕过内核鉴权、公告 HTML 走严格白名单渲染、转发只绑回环
缺点与注意
- 免责声明写得很直白:免费额度由上游单方面提供,随时可能限流、收费或下线,Kilo 免费池明确声明 prompt 可能被记录用于改进服务——敏感内容不能走这条路
- EAC 通道需要 GitHub 登录并 star 仓库才能解锁,属于协付性质,README 自己也写了别转售或共享
- 免费车道的可用性取决于你和上游网关的网络出口,README 说可用性是用户自己实测得出的
看项目详情与各榜名次
让你电脑上的命令行 Agent 在后台自己接活、自己跟到底,遇到要花钱或要对外发消息的事才发卡片问你拍板。

它是一个零外部依赖的自动化中台:任务调度做成内核,事件来源、用哪个 Agent、通知通道、甚至代码上线流水线全拆成可插拔插件。流程是这样转的——早上九点的定时任务、GitHub 上新提的 issue、业务系统报的错都变成标准事件送进内核;内核照你写的规则决定交给哪个 Agent、在哪个目录干;Agent 把结果写在最后一条回复里,进程直接退出;碰到删数据、重启服务、花钱、对外发消息这类事,内核通过飞书或钉钉或桌面通知发一张卡片过来,你选完它接上原来的对话把活干完——等你回复期间它不占后台进程也不烧 token。规则写在 ~/.agent-autoloop/rules.json 里,不用写胶水代码,一行配置就能接新 Agent,只要能接收提示词并打印最后一条回复的命令行工具都能接。
亮点
- 规则、事件源、Agent、通知通道都是插件,核心零依赖
- 卡片推到飞书、钉钉、企微、Slack、Discord 或桌面通知,全局进展用一行命令看
- CLI 和 MCP 双入口,自带 agent-autoloop try 试跑、status 看轮数与费用
优点
- MIT 许可,5506 星 1020 个 fork,12 天里日均 458 星,fork 比例相当健康
- 文档、架构图、插件协议和场景模板都齐全,是这批里 Agent 基础设施做得最完整的中文项目
- 有 pause、resume、replay 语义,暂停期间跳过的事件可以补跑,每条只补一次
缺点与注意
- 安装脚本是 curl | sh 或 irm | iex 形式,Windows、macOS、Linux 三套命令各不相同
- 需要 Node 24 以上、Git,以及一个已经登录的命令行 Agent;macOS 和 Linux 还额外需要 curl
- README 里的安装、用法说明默认以 Claude Code 和 Codex 为例,换别的 Agent 的行为差异它没有展开
看项目详情与各榜名次
一套用 Rust 写的原生 GPU 渲染 UI 框架,每个 App 都能无头运行——Agent 可以渲染出 PNG、dump 元素树、用脚本驱动它,然后自己检查做得对不对。

它自带渲染器、文本排版、布局和动画物理,跑在 macOS、Windows、Linux 和浏览器上。最特别的是无头模式:每个应用都能以 headless 方式运行,Agent 可以把它渲染成 PNG、把元素树 dump 出来、用脚本化输入去驱动。README 给的用法就是把这个仓库丢给编码 Agent,让它从 examples/hello 开始,写完后自己无头渲染 PNG 并检查元素树对不对。这解决的是 Agent 做 UI 时最要命的问题——它看不见自己的产出,只能靠猜;这里它能自己截图自己看。仓库里放了实际的界面截图:opencode 做的会话界面、亮色聊天界面、split diff 组件、液态金属效果和设置窗口。
亮点
- GPU 渲染、自带文本引擎、布局和弹簧动画,README 里那几行 view 代码就能看出 API 形态
- 无头渲染 + 元素树 dump + 脚本化输入,是给 Agent 建的自我检查回路
- demo 目录里直接放了用 Rune 写的编码 Agent 应用截图
优点
- MIT 许可,7244 星 286 个 fork,24 天里日均 301 星
- 同时提供桌面应用和 Web 两端,元素树可以被 Agent 直接读
缺点与注意
- README 明确写了是 pre-release,要固定到 dev 分支的某个 rev,dev 分支不会重写
- Windows 上用 GNU 工具链会因为缺 binutils 直接构建失败,得先装 MSYS2 和 mingw-w64-ucrt-x86_64-binutils
- Rust 生态,新框架意味着第三方组件和现成示例都少
看项目详情与各榜名次
用 Rust 重写的一套 IntelliJ 式 IDE:同样的快捷键、工具窗和搜索习惯,但打开项目和就绪的速度是另一个量级。

编辑器、代码洞察、调试器、Git、终端、数据库和 HTTP 客户端,支持 60 多种语言,macOS、Windows、Linux 都有构建。作者给的对比数据是在 freqtrade(Python,约 770 个文件)上跑出来的,warm cache、5 次取中位:打开项目窗口 0.9 秒对 IntelliJ IDEA 2026.2.3 的 3.1 秒,就绪 1.1 秒对 13.2 秒,内存 169MB 对 2011MB,空载 CPU 4% 对 7%,退出 0.3 秒对 5.9 秒。插件系统跑在沙箱化的 WebAssembly 组件里,主题、图标主题和语言包完全不需要写代码就能装,也可以用 openidea-plugin new 自己起一个。
亮点
- 插件是沙箱化的 WebAssembly 组件,主题、图标主题、语言包零代码即可提供
- 作者把 benchmark 脚本放进 perf/compare,读者能自己复现对比
- Rust 内核 + 原生应用,同时有 IDE 本体和可嵌入的 ide-agent crate
优点
- 9050 星 25 天,Apache-2.0 许可,仓库规模 2719 个文件,工程量实在
- 作者主动承认对比的局限性——IDEA 对 Python 分析得更深,两边的 ready 不等价
缺点与注意
- 作者自己测的基准,而且特意说明 IDEA 对 Python 分析更深所以「就绪」不等价,绝对数字不能直接当结论
- 插件 API 官方写明还是 preview 阶段
- 当前 main 分支的 README 只留了 wordmark 和一段 mp4 演示,静态界面图都撤了(配图取自它 10 月 24 日那版 README 的官方编辑器截图)
看项目详情与各榜名次
让 Claude 或 Codex 读你的代码库,画出一张能点开的结构图:每个部件、文件和请求都有人话名字,连接关系一眼看清。

它的定位很具体:你写的代码库多半有 AI 参与,代码是通的,但你说不清它是怎么拼起来的。Floorplan 扫一遍文件、依赖、路由和请求,脚本干机械活——找仓库、解析十几种语言的代码、把 web 请求匹配到端点、布局地图;Claude 或 Codex 干只有人能干的活——判断这些部件到底是什么,并用平实的话说出来。产物是一张 floorplan/index.html,浏览器直接打开,旁边还有健康度、最近改动和几张截图。支持的语言有 TypeScript、JavaScript、Python、Go、Rust、Java、Kotlin、Scala、Swift、C#、PHP,外加 Vue、Svelte、Astro 和 Shopify 主题;端点覆盖 Express、Fastify、Koa、Hono、NestJS、Next.js、Flask、FastAPI、Django、Gin、Axum、Spring、Laravel 等二十来种框架。
亮点
- 零依赖纯 Node,布局引擎和字体都内置,离线可用
- 生成的 floorplan/ 目录自己 gitignore 掉,还会问你要不要往 CLAUDE.local.md 追加一段,让以后的会话知道地图在这
- 健康度检查只显示密钥在哪儿,永远不显示密钥的值
优点
- MIT 许可,4536 星 376 个 fork,19 天里日均 238 星
- 隐私写得很明确:扫描、地图和本地服务器全在你机器上,服务器只接受本机连接,没有分析统计
缺点与注意
- README 结尾问「插件装上安全吗」并指向一份说明文档,这种自我质疑式写法通常意味着历史上有过争议
- 地图里的判断由 Claude 或 Codex 给出,读错部件含义时地图会跟着错
- 对不支持的语言只能给较轻的支持,README 自己也这么写
看项目详情与各榜名次
把 DeepSeek Harness 装进手机:Android 版已经能装,iOS 版还在真机测试阶段,要自己在 Mac 上签名编译。

它是 DeepSeek Harness 的移动端封装,Android 8 以上可以直接从 Release 装;iOS 还在开发和真机测试阶段,仓库里放了完整的 iOS 工程和架构文档,需要在 Mac 上自行签名编译。整体思路是本机运行:iPhone 和 iPad 上本机跑 DSH,界面完全原生,不连电脑也不连服务器。里面还加了一层桌面宠物的设计——工作的时候它在屏幕角落敲代码,干完活会举手等你确认,点开「App 外显示」它还会跟到桌面上去。授权是 AGPL-3.0。
亮点
- 本机运行,不连电脑也不连服务器
- iOS 工程、架构文档都在仓库里,架构路线是明写的
- 宠物形象和「App 外显示」让它有持续打开的理由
优点
- 23776 星 1123 个 fork,21 天里日均 1132 星,是这批里移动端 Agent 里最热的
- Android 版开箱即装,不用自己编译
缺点与注意
- iOS 版至今没做完,要用户在 Mac 上自行签名编译,门槛对普通用户不低
- AGPL-3.0,是这批里唯一带网络条款的许可,二次分发要开放源码
- README 的主体是配图和宠物动画,技术细节给得不多
看项目详情与各榜名次
OpenMOSS 官方的 5B 参数图像生成底模,强项是文字渲染和版面生成,权重和 ComfyUI 节点都已开源上架。

它是一个 5B 参数的 base DiT 模型,官方定位是高质量文字渲染、版面生成(layout generation)和高效微调。三个版本同时放出:HuggingFace 上的 MOSS-Image-Base 和 MOSS-Image-SFT,ModelScope 上的对应版本,还有 ComfyUI-Org 打包的 ComfyUI Models 版本。仓库里放的是对比图和作品展示:base 与 sft 的同题对比,还有版面框选图和作品总览。技术上它接进了 ComfyUI 生态,商用工作流不需要自己写节点。
亮点
- Base 和 SFT 两套权重同时开放,HuggingFace 与 ModelScope 双平台发布
- ComfyUI 官方打包成 Models 版本,装好就能在既有工作流里用
- 官方主页、论文、API 平台和开源权重一应俱全
优点
- 2911 星 174 个 fork,Apache-2.0 许可,代码和权重都开放
- 5B 参数规模,官方同时提供 Base 和 SFT,兼顾二次训练和直接出图两种用法
缺点与注意
- 10 月 16 日创建后已 8 天没有提交,最后一次 push 是 11 月 8 日,更新节奏明显放慢
- 模型权重不是仓库的一部分,得自己从 HuggingFace 或 ModelScope 下载
- README 里的体积和显存数据没有给出实测条件,5B DiT 跑起来要多少显存得自己试
看项目详情与各榜名次
把一句中文画面想法展开成可以直接用的详细提示词,给的是纯中文长提示词,也能转成 ComfyUI 节点的英文 Caption。

它只干一件事:提示词扩写,不调任何生图服务。写一句「两个女生在咖啡店喝东西,然后手持自拍」,默认回你一段 1500 到 2500 汉字的详细中文提示词;指定「简短、200 字以内」就切短版;给参考图时以画面证据为准,不为了凑长度编遮挡细节。它给的东西分两种形态:一是给支持 Skills 的 Agent 用的技能目录,默认输出中文提示词代码块;二是给 ComfyUI 文本扩写节点直接用的英文 Caption 模板,指定画面文字保留原语言。仓库里配了 12 张案例图和提示词原文一一对应,覆盖日常肖像、双人互动、多人群像、建筑环境、巨物与法相、剑阵特效等。
亮点
- 12 张案例图配提示词原文,图像和提示词一一对应,可直接看效果
- 同一套规则输出两种形态:给 Agent 的中文长提示词,和给 ComfyUI 节点的英文 Caption
- 以画面证据优先,明确写了不为了长度编造遮挡细节
优点
- Apache-2.0 许可,纯中文项目,SKILL 完整单文件 MD 加六篇长案例
- 仓库里有完整的编译流程参考附录和验收记录,方法论可查
- 作者在 README 里写明「MOSS 为项目命名,这是社区整理与改编项目,并非 OpenMOSS 官方插件」,没有冒名
缺点与注意
- 120 星 9 个 fork,体量小,star 的绝对数跟这批主流项目差两个数量级
- 不调用生图服务,只能出提示词文本,闭环要自己接
- 英文 Caption 模板的完整版体积很大,README 自己也提醒不应整份塞进小上下文节点
看项目详情与各榜名次