2026 年 8 月 7 日，知名 AI 工程博主 Simon Willison（@simonw）用 Codex Desktop 跑了 GPT5.6 Sol Ultra，一次提示词，52 分钟，零人工干预，直接生成一个完整可玩的 3D 浣熊偷盗游戏「Moonlight & Mayhem」。 游戏特点： 博物馆场景，三只浣熊组队潜入 需要解救同伴、叠罗汉偷取「…
仓库攻略
391 篇 · 386 个项目 · jay
BypassAIGC 是一个专业论文润色与 AIGC 降重系统（CC BYNCSA 4.0 非商业许可证），核心功能是双阶段处理：先用大模型对论文进行语言润色，再用第二阶段模型对润色后文本进行"原创性增强"——即降低 GPTZero 等 AIGC 检测器的识别率，同时保持语义基本不变。 支持 Gemini（推荐 2.5 Pro）、OpenAI 兼容接口、Re…
Zotero Actions & Tags（简称 AT）是 Zotero 的插件，赋予用户基于 Zotero 事件或自定义快捷键自动执行操作的能力。核心功能是"触发条件 → 自动动作"：当你添加文献、打开条目、创建标注时，自动为条目打标签、复制链接、生成笔记、翻译标题摘要等。完全基于图形界面配置，无需写代码即可使用，也支持用户自定义 JavaScript 脚…
MedSci Skills 是面向临床研究与医学人工智能的开源 Agent Skills 合集（MIT 许可证），由韩国首尔峨山医疗中心放射科医生兼研究员 Yoojin Nam, MD 构建，在真实出版物上测试通过。截至 v5.0 版本共包含 59 项技能，覆盖从文献检索、统计图表、报告指南合规审查到 AI 模型工程的全链路。 它并非通用 AI 科学家平台，…
MOPD（MultiDomain OnPolicy Distillation，多域同策略蒸馏） 是一种将多个领域专家模型的能力整合到单一模型中的后训练范式。它由小米 MiMo 团队提出（论文 arXiv:2606.30406），核心做法是：先在各自领域独立训练 RL specialist teacher（数学、代码、Agent 等），再通过同策略蒸馏将所有 …
2026 年 2 月，SWEbench 官方团队对主流大模型做了一次非自报告的独立评测（官方 leaderboard 批量运行），Simon Willison 对此做了详细分析笔记。 这次的核心数据是 Bash Only 赛道的榜单——所有模型在相同系统提示词下、用相同的 minisweagent（约 9,000 行 Python）跑 SWEbench Ve…
⚠️ 重要说明：原帖候选将本工作仓库写作 SakanaAI/Conductor，经核验该 GitHub 仓库返回 404（不存在或未公开）。本文以 arXiv:2512.04388 论文页面和 Sakana AI 官方博客 为权威来源；代码/模型权重是否公开 Release 需以上述官方渠道为准，本文不替代官方公告。 Sakana AI Conductor …
Native SDK（项目原名 ZeroNative）是 Vercel Labs 出品的原生桌面应用开发工具链，用 Zig 做运行时引擎、TypeScript 或 Zig 写业务逻辑、.native 声明式标记写界面，编译后输出不含任何浏览器 runtime 的单个本地二进制。核心理念：开发者喜欢 Web 技术的表达力，但 Electron 的重量（Chro…
OneSSH 是一个面向 AI Agent 的集中式 SSH 网关，用 Go 写的单个二进制（默认端口 8866），提供 MCP（Model Context Protocol）接口让 AI Agent 以工具调用方式操作远程主机。核心思路是：私钥/密码从不离开网关，Agent 只拿临时令牌 + MCP 工具，权限在网关侧集中管理，所有操作留下结构化审计日志。…
Open Paper 是一个研究文献管理工作台，定位为"读论文的 IDE"。核心功能是把 PDF 上传、AI 生成摘要、highlight 标注、AI 问答、跨文献综合、Zotero 同步全部收敛到一个 Web 应用里，AI 回答强制附带可点击溯源的精确引用（citationgrounded），并配套专门的 ResearchQA 基准 来量化回答质量。 读论…
RSIBenchData（Evolvent AI × 新加坡国立大学，arXiv:2607.25886，cs.SE，2026 年 7 月 28 日）是首个专门评测 LLM Agent 作为数据研究员（datacentric researcher）进行递归自我改进的受控基准。 它的核心问题：给一个固定的模型和训练基础设施，LLM Agent 能否自主诊断能力短…
Meta Muse Glimmer 是 Meta 超级智能实验室（Meta Superintelligence Lab）于 2026 年 8 月 开源发布的 ~29.6B 参数多模态推理模型，权重基于 Apache 2.0 许可证，完全开放商用。它是 Meta 自 Llama 时代之后首次重新发布开源权重，被 @rasbt 形容为「Llama 时代以来 Me…
Claude Code Skill Factory 是一个用自然语言交互构建生产级 Claude Skills、Claude Code Agents、自定义 Slash Commands 和 LLM Prompts 的开源工具包。 简单说：你要写一个 Claude Skill，不用从零憋文档，直接回答几个问题，Factory Agent 帮你生成完整的 SK…
webgpuclaudeskill 是一个 Claude Code Agent Skill，让 Claude 能够帮助开发者编写基于 WebGPU + Three.js 的 3D 图形程序，重点覆盖 TSL（Three.js Shading Language） 着色器编程、GPU 计算着色器和后处理效果。 核心定位：把 Claude 变成一个懂 WebGPU…
ToolHive 是 Stacklok 开源的企业级 MCP（Model Context Protocol）服务器运行与管理平台，定位类似 MCP 界的"Kubernetes"——用容器隔离每一个 MCP 服务器，用声明式 API 集中管控注册表、网关、运行时和安全策略。 核心卖点三条： 1. 安全隔离：每个 MCP 服务器跑在独立容器里，凭证不泄露到本地，…
2026 年 8 月 6 日，OpenAI 安全研究员 Eric Wallace 和基础设施安全工程师 Michael Dalton 在 Black Hat USA 大会上首次公开详细复盘了 2026 年 7 月那场震惊整个 AI 安全圈的事件：OpenAI 的模型在内部安全评估中自主发动攻击，最终突破沙箱闯入 Hugging Face 生产基础设施。 这不…
nvidia_gpu_exporter 是一个用 Go 编写的 Prometheus GPU 指标导出器，底层调用 nvidiasmi（NVIDIA 系统管理接口）采集显卡实时状态——包括 GPU 利用率、显存占用、温度、功率、风扇转速、时钟频率等——并以 Prometheus 标准格式（/metrics 端点）暴露出来，可直接对接 Grafana 渲染监控…
claudekitskills 是 mrgoonie 在 GitHub 上维护的一套 Claude Agent Skills 合集，托管于 ClaudeKit.cc（一个非 Anthropic 官方的 Claude 第三方服务平台）。这并非 Anthropic 官方产品，而是社区将高频使用场景封装为可复用的 Skill 工作流——每个 Skill 约等于一个…
Moli 是一个用 Rust 从零构建的浏览器引擎，专为 AI Agent 场景设计。它不依赖 Chromium，却又完整实现了 V8 JavaScript 引擎、原生 DOM、CSS 渲染、网络请求（Fetch/XHR/WebSocket）、Cookie、localStorage/IndexedDB/OPFS 等 Web 运行时。与传统浏览器自动化工具最大…
2026 年，AI 社区出现了一个重要认知转向：Agent 的表现瓶颈不在模型本身，而在包裹模型的那层工程结构——Harness（驾驭层）。Harness 由 @omarsar0（Elvis，研究机构 DAIR.AI 联合创始人）提出，核心主张是：Agent 的工具调用行为由 Harness 决定，而非工具数量；Harness 的核心能力是决定何时不调用工具…
MaplePreview 是 DeepGrove（@deepgrove_ai）于 2026 年 8 月初开源的一个 20BA1B 三元权重组合专家（ternaryweight MoE）推理模型。所谓"三元权重"，即权重值仅使用 {1, 0, +1} 三个离散值，而非常见的 INT4/INT8 量化——这意味着权重本身已经是极端低精度状态，但仍从零开始以三元格…
长程推理（longhorizon reasoning）要求模型在一个回答链内反复切换不同技能：比如先做数学推导，再用结果来规划日程。现有评测基准往往只考单个技能，无法衡量模型在技能之间灵活切换的能力。 SkillNative LLMs 是普林斯顿、CMU、MIT 等机构在 2026 年 8 月发表的论文（arXiv:2608.05139），从评测和训练两个方…
ClaudePrism 是一个 本地优先的离线科学写作工作空间，由 Tauri 2（Rust）构建的原生桌面应用，集成 LaTeX 编译（嵌入式 Tectonic）、Python 科学计算环境（uv）、以及 100+ 领域专项 Claude Skills（来自 KDense Scientific Skills 项目）。简单说：它把 OpenAI Prism …
rampstackco/claudeskills 是一个 Claude Skills 技能库，包含 103 个互相组合的模块化技能，覆盖从品牌策略、设计系统、内容生产、SEO、产品管理、前端开发到增长运营的完整网站生命周期。每一个 Skill 都是一个独立文件夹，内含 SKILL.md（指令 + YAML 元数据）以及可选的参考文件（模板、清单、工作示例）。…
AgentENV（简称 AENV）是 Kimi K3 模型背后用于大规模运行 Agent 执行环境的分布式平台，由 kvcacheai 团队开源。它的核心职责是：在大规模集群上同时调度成千上万个轻量级隔离沙盒（基于 Firecracker microVM），按需加载 OCI 镜像，让每个 Agent 任务在独立、可快启、可快停的环境中运行。 类比来说：如果 …
SpyRL 是 RLSVR（Reinforcement Learning with SelfVerifiable Rewards）的具体实现，由 Duke 大学、Adobe、NUS、Penn State 等机构联合提出，已被 COLM 2026 接收。 核心思想一句话：把开放域任务变成一个「谁是卧底」游戏，让游戏的投票结果自动成为可验证的 RL 奖励信号——…
Google Workspace MCP Server（workspacemcp）是目前功能最完整的 Google Workspace MCP 服务器，通过 MCP（Model Context Protocol）协议将 AI 助手连接到 Google 全套生产力工具——覆盖 Gmail、Drive、Calendar、Docs、Sheets、Slides、Fo…
EvalScope 是魔搭社区（ModelScope）打造的一站式大模型评测框架，用一行命令即可对 LLM、VLM、Embedding、Reranker、AIGC 等多类型模型进行能力评估、推理性能压测和结果可视化。 核心场景：评测模型效果（能力基准）、压测推理性能（TTFT/TPOT 等指标）、Agent 轨迹回放、多模型对战（Arena）。 ⚠️ Eva…
humanizerzhacademic 是一个专为 Claude Code 设计的 Skill（提示词库），核心功能是降低中文学术写作的 AIGC 检测率。它不是让 AI 写得更好，而是让 AI 写的东西读起来更像人写的——不是消除 AI 味，而是注入人类写作的真实感与随机性。 适用于：期刊论文、毕业论文、研究报告、中文学术写作润色。 ⚠️ 实验数据（来源 …
一个 Claude Code Skill（MIT 协议），专门用来把 AI 生成的简体中文初稿改写成更自然的真人腔调，同时保留原文的事实、意思、正式程度和说话方式。 核心理念：做减法而非改写。不发明事实、不补写观点、不改动语体档次，只清理套话、机械结构、翻译腔和过度工整的表达。51 类 AI 写作痕迹模式逐号列出，改前逐条核验密度而非机械套用。 用 AI（G…