正在整理你需要的资料…
站内每天采集到的 GitHub 开源项目,一共 287 个符合当前条件。 每条都配了中文说明和适用场景 —— 仓库自己的英文描述对中文读者没什么用。
想在终端里画一张能接着改的 UI 设计稿,而不是拿一张图。Codex OpenPencil 插件把 Rust/WASM 交互画布接进 Codex 对话,说一句话就生成可编辑的 .op 设计文件,带图层、文字、形状和布局,能选中局部细化、生成配套图片素材;装完还能选中图层、缩放、改字、撤销,存下的是能重新打开的矢量文档。
B 站评论区涌进一大批 DeepSeek 驱动的「大肥鱼」账号。这个插件先用离线规则筛,拿不准的交给 DeepSeek 再判,大肥鱼头像被红色靶心锁定、挂上「大肥鱼 92%」贴纸,鲸鱼娘会走到评论旁边把人赶走;Chrome、Edge、Firefox 都能用,只在本地隐藏评论,不删评、不举报、不读 Cookie。
同样一顿麦当劳,两种点法差 ¥12.00。这个只读 MCP 客户端兼 Agent 技能,说一句「35 元,不辣,有糖可乐去冰,带走」就算出这一顿真正要付的钱,给一张能照着点的清单和唯一推荐;金额一律取官方 calculate-price 返回的整数分,菜单写 ¥32.00 而核价 ¥58.50 时只认后者。
两台机器上的编码助手各干各的,想问一句都得切窗口。imbo 让 Claude Code、Codex、opencode、Cursor CLI、Hermes Agent 会话互相发消息:消息插进对方正在干活的那一轮并把它唤醒,附件落在接收方本地的 ~/.imbo/files/,也能用 iPhone App 或网页端发。
MCP server for nemlig.com, BilkaToGo, Rema1000: search products, add to cart and price comparisons. You always accept and pay yourself.
想在自己服务器上养几个常驻机器人,替你和客户接着聊同一件事。Ork 是源码可见(不是完全开源)的自托管 AI 助手:一组机器人共享对话,各自在隔离的 Docker 机器里执行任务,桌面端用 Tauri、移动端用 Expo,配 PostgreSQL 与自有账号体系,官网域名为 ork.run。
同一个角色做一集换一批人设,画风和声音就散了。这份 AI 番剧连载技能把角色、画风、声音、地点和梗都固定在 series.json 里,两份角色设定加一句故事就产出带配音的动画短片,还能连续做同一批角色的后续集:先抛 3 个开场让你挑,再写逐秒分镜,报价单写清片段、秒数和 credits,等你点头才生成第一段。
Fast, isolated machines for AI agents and dev teams, self-hosted in your own cloud. Use them as agent sandboxes, dev environments or servers, on GCP, AWS or bare metal.
Google Colab 的 GPU 一闲置就被回收,跑 ComfyUI 稍不注意就断。comfy-gate 是这套常驻网关:按需唤醒 Colab 上的实例,睡眠时只给一张带 SSE 实时进度的唤醒卡片,醒着时透明反代进原生 ComfyUI 完整界面,还能按空闲时间与 CU 预算自动关停,起停走 colab exec。
Make your coding agent prove "done". Each change is kept only if a locked test or benchmark scores it better. Claude Code and Codex skill.
LumaBrowser 是 AGPL-3.0 应用,模型、生图、浏览器装一起:Chromium 配 llama.cpp(CUDA 12/13、Vulkan、Apple MLX),内置 Stable Diffusion、TTS 与音乐、MCP,Claude Code、Codex、Cline、OpenCode 驱动浏览器。
外包团队接了十几个客户项目,工单、工时、文档和会议记录散在四个地方。Lalabase 是 Ruby on Rails 写的自托管项目管理平台:一个客户一个组织,客户端自己登录;工时可按次记录并导出账单,AI 助手跨工单、文档、工时和会议回答问题并标注出处,默认关闭。
手上一份老程序,想搞清它到底怎么运作再重写一遍,光靠 Agent 猜总是不踏实。这份模型无关的 Agent Skill 按「理解现有软件 → 制定重建计划 → 按需产出重构成果 → 校验结果」的顺序做基于证据的软件重建:先把观察到的行为、合理的推断和设计选择分开写,再决定先做哪一块、依赖什么、怎么验;需要时才动手实现。
孩子生日想办麦当劳派对,哪些城市、哪些门店能办、多少钱,官方 App 得一层层点开才看得到。mcd-experience-atlas 用麦当劳中国官方 MCP 只读采集,把 281 城 3664 家门店、26 款体验活动铺成一张可搜的地图:圆点大小即该城可办活动款数,7 天场次日历把零场次标灰。有 2 款活动全国无城市可约。
点麦当劳只能在 App 里划菜单,凑单、比价、约派对全靠手点。mcctl 把麦当劳中国官方 MCP 开放的 35 个工具编排成 kubectl 式命令行:8 题人格测试直接给出一套可计算的营养与口味权重,驱动配餐组合搜索、券后到手价精算和派对场次约束求解,还能当 Agent Skill 装进 WorkBuddy。
让 AI 直接操作自家 Web 应用,最怕它绕过校验乱来。pling 是给网页应用做的开放能力层:页面主动声明哪些动作、记录和只读状态允许 Agent 访问,Agent 走的也是和人一样的业务逻辑与校验入口,模型只拿到当前任务需要的字段和视图状态,确认、授权与审计仍留在应用侧。另有 describe/invoke 的 Surface 协议。
麦当劳配餐决策 Skill|1881 种搭配里算出三档最优解,并告诉你为什么不是另外那些。控卡、忌口、拼单 max-min 公平分配;LLM 不参与算钱,每个数字可追溯。
点麦当劳想按热量和预算控制,又懒得自己逐件查营养和价格。mcmeal-compass 走麦当劳中国官方 MCP,把套餐逐件展开求官方营养成分,用官方计价并标出每个金额的价源,取不到的数据如实标「未知」而不是填 0。仓库带不可变夹具快照,没有 Token 也能离线跑通解析与推荐,只是下单能力在代码里被显式关闭。
Your agent finally sees the Compose UI it builds. Jetpack Compose and Compose Multiplatform Previews in your browser, redrawn a second after every save — no Android Studio, no build.
模型造出来的编码 Agent 靠不靠谱,光看跑通几个样例说不清。Doc2Harness 是同名论文的官方代码,做两阶段评测:先让模型在容器里按规格说明实现一个编码 Agent,再用 94 个场景、九类 harness 给成品打分,走确定性 mock 网关。最强的模型也只有 53.05% 通过率。
让智能体替你点开 iPhone 上的 App,光会看屏不够,还得能真的戳下去。Actell(执言)是个实验性 AI 智能体:通过 CoreDevice 读屏并发出点击与拖拽输入,默认走 VPN 回环,也可接 ESP32 USB NCM 中继把指令送进手机。作者自陈是用 vibe coding 做的早期原型。
在主力电脑上直接跑 Claude Code,等于把 SSH 密钥、云凭据和宿主指纹摊给它看。blackhole 是纯 Bash 启动器,把 Claude Code 塞进一次性 Linux 容器:只挂载当前项目目录,家目录、Docker socket 都不挂;容器内是干净 Debian 与环境变量白名单。代理掉线即切断网络出口,登录态按 profile 持久化在 Docker 卷里。
每月点十几次麦当劳,好评能换的小可乐还差几单、哪几张发票能凑够报销门槛、积分还剩多少能抽,这三笔账没人替你算。maimen-order-manager 是麦当劳 MCP 技能,把订单里散落的权益汇成一句可执行结论:待评价清单、好评兑小食进度、发票报销门槛凑单和积分抽奖确认,只整理不代办。仓库带 99 项测试。
在麦当劳 App 上吃顿「划算的」,实际要走十几步:打开 App、翻菜单找哪个有优惠、对比套餐价、挑券、算自提还是外送更便宜,每个档口菜单还换一遍。mcd-worth-it 这个权益精算 Skill 按当前时间和账户权益实时核价,把这顿、这张卡值不值算成一笔账,一次确认完成点单,数字来自核价接口而非估算。