Pixeltable 是一个将数据库、编排层和服务层合一的 Python 库，专为多模态 AI 数据应用设计。它的核心主张是：传统 AI 应用需要协调 Postgres（存储）+ 对象存储（文件）+ 向量数据库（ Embedding）+ 消息队列（编排）+ API 服务层（HTTP），而 Pixeltable 将这些全部压缩到一个 app.py 文件中——声…
仓库攻略
37 篇 · 37 个项目 · Agent 智能体 · jay · 多模态
AI Engineering Course 是由 Amit Shekhar（Outcome School 创始人）维护的免费、完整、自包含的 AI 工程学习路径。目前 18 个模块、146+ 节课，每节课都是一篇图文并茂的博客，部分附视频。从机器学习基础讲到 LLM 微调、RAG、AI Agent、推理工程、AI Safety 和系统设计，适合想从零建立完整…
365 Skills 是面向 AI 编码智能体的生产级技能集合（Agent Skills），由独立开发者社区 Agents365ai 维护。不同于单点工具，它以"插件市场"的形态一口气提供 30+ 款专项技能，覆盖开发设计、科研、绘图、媒体创意等多个维度。最大特点：与 Agent 无关——兼容 Claude Code、Cursor、Copilot、OpenC…
Lime 是一个开源全栈 AI Agent，同时提供桌面 GUI（Electron）和 CLI/TUI 两种界面。它把 Agent 循环、文件系统、终端进程、代码编辑、工具调用、MCP 扩展、Skill 机制、多模态输入输出、模型路由和多 Agent 协作，整合到一条可追踪的任务链（Thread）中。 定位上与 Claude Code、WorkBuddy、C…
OmniIO Skills 是由新加坡国立大学（NUS）与牛津大学（Oxford）联合发布的开源 Agent 外挂框架（Agent Harness），通过即插即用的 MCP Skill 机制，让已有的 Coding Agent（Codex、Claude Code 等）无需更换底层模型，即可原生支持图像、视频、音频、文档、3D 资产、代码、网页七大模态的理解与…
premierepromcp 是一个基于 MCP（Model Context Protocol） 的本地优先服务器，让 AI 助手（Claude、Codex、Cursor 等）通过 Adobe Premiere Pro 原生 CEP/ExtendScript 接口直接控制 Premiere Pro。它不是 Premiere 的 AI 生成功能，而是给 AI …
SoLPi（Scaling of Language — Pi）是 NVIDIA NVlabs 开源的一个 Pi Agent 引擎扩展包，通过四个可插拔的 Token 节省机制，在保持原有任务完成质量的前提下，大幅削减长时运行编码 Agent 的 token 流量和 API 成本。 它不是一个独立的 Agent，而是以插件形式叠加在 Pi（@earendilw…
Xberg 是用 Rust 编写的多格式文档智能提取引擎，下一代 Kreuzberg v4。声称支持 107 种文档格式 / 141 种文件扩展名 / 371 种编程语言，提供 15 种语言绑定（Python、Node.js、Rust、Go、Java、C#、Ruby、PHP、Elixir、Dart、Swift、Zig、WASM、Kotlin、C FFI），零…
⚠️ 仓库说明：原帖链接指向 ByteDanceSeed/HarnessDev，但该 GitHub 仓库不存在（404）。官方资源为 arXiv 论文及项目页，以下内容均来自这两个来源。 HarnessDev 是 ByteDance Seed（联合新加坡理工大学、佐治亚理工、MAP、TokenWave.AI 等机构）于 2026 年 9 月 1 日发布在 a…
academicwritingskills 是一个面向学术写作后期的 AI 辅助工具集，基于 Agent Skills 协议 安装，专为已存在初稿的论文提供「审稿人视角」的诊断与精修。不是从零写论文，而是对已有稿件做格式校验、文献核查、语法抛光、去 AI 味编辑和同行评议式审查。 覆盖 LaTeX（英文 / 中文学位论文）、Typst 和 PDF 三种格式。…
BTL3（Bad Theory Labs 3）是 Bad Theory Labs 发布的一个后训练 PEFT LoRA 适配器，基座为 Qwen/Qwen3.627B，定位于编程 Agent、仓库级工具调用、长程多轮执行场景。 核心规格（均来自 Hugging Face 官方模型卡与 GitHub README）： | 项目 | 规格 | ||| | 基座模…
Luxas 是一个开源的多 Agent 自主科研系统，输入一个研究主题（Research.md），它能自动完成：文献爬取（OpenAlex、arXiv、CrossRef，含反检测浏览器绕过付费墙）→ 阅读论文 → 设计并运行实验（多个 Agent 盲写代码和测试）→ 产出可发表级别的图表 → 撰写 LaTeX 报告 → 对抗性内容+图表+排版审查 → 最终输…
Rome 是 agentic OS——一个以 AI Agent 为中心、人类与 Agent 长期协同工作的守卫（guardrailed）环境。与普通对话式 AI 不同，Rome 中的 Agent 不仅执行单次任务，还会随着使用积累工具、SOP、记忆和工作流，每一次交互都在抬高下一次的天花板。 核心哲学来自其 VISION.md：AI 进步的主流叙事在 sca…
shotscraper 是 Simon Willison 开源的一个 CLI 工具，核心功能有三块： 1. 截图 — 对任意 URL 截图，PNG/JPEG 可选，支持区域选择、Retina 分辨率、透明背景 2. 网页抓取 — 用 JavaScript 在页面内执行，提取任意内容 3. 视频录制 — 2026 年 6 月 30 日发布的 1.10 版本新增…
douyinmcpserver 是一个开源的抖音/字节系短视频数据提取工具，提供无水印视频下载链接获取、AI 语音识别提取视频文案两项核心功能。它同时提供 WebUI（浏览器界面）、MCP Server（AI 助手集成）、命令行三种使用方式，支持 Claude Desktop、 Cherry Studio 等支持 MCP 协议的应用。 核心语音识别使用硅基流…
Artificial Analysis Search Index（搜索 API 指数）是一个专门针对 AI Agent 搜索工具 的评测基准，由 AI 数据分析平台 Artificial Analysis（AA）于 2026 年 8 月 18 日正式发布。它的核心思路非常干净——用同一个 Agent 环境（模型、工具调用上限、评测任务完全相同），只替换底层的…
MinerU 是由 OpenDataLab（上海人工智能实验室关联开源组织）开发的高精度文档解析引擎，于 2024 年开源。其核心能力是：将 PDF、DOCX、PPTX、XLSX、图片、网页等复杂文档，转换为 LLM 可直接消费的 Markdown 或 JSON 格式，同时保留阅读顺序、标题层级、表格结构、公式 LaTeX 等语义信息。 MinerU 最早服…
appledocsmcp 是一个 MCP 服务器，为 AI 助手提供 Apple 官方开发者文档的实时查询能力。接入后，可以在 Claude、Cursor、VS Code（Copilot MCP）、Windsurf、Zed、Cline、Amazon Q 等主流 AI 开发工具中，直接用自然语言搜索 iOS / macOS / watchOS / tvOS /…
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，…
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…
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…
GPTImage2Skill 是一个面向 AI 编程 Agent（Claude Code、Codex、OpenClaw 等）的 GPT Image 2 提示词画廊 + Agent 技能 + CLI 三合一工具。它汇集了大量经过验证的 GPT Image 2 生成提示词，覆盖论文图表、UI 原型、海报、游戏资源、动漫、摄影、字体设计、产品图等二十多个分类，并提…
guizangpptskill 是「歸藏」开源的一个 Agent PPT 生成技能，专为 Claude Code / Codex 等 Agent 环境设计，可以将文章、观点、方法论自动生成精美的单文件 HTML 横向翻页 PPT，配图、封面、多平台封面也能一并生成。 内置两套视觉系统：Style A（电子杂志风）适合叙事和观点表达，Style B（瑞士国际主…
cangjieskill 是一个将书籍、长视频、播客、访谈等高价值内容蒸馏成可执行 Agent Skills 的方法论工具包。输入原始文本（书/视频字幕/播客文字稿），输出一个多文件 skill 仓库：包含独立的 SKILL.md 模块、触发条件、适用边界、使用方式和关联关系——而不是一篇总结文章。 作者 Kangarooking 的核心主张：知识看过/收藏…
FAEA（Frontier Agent as Embodied Agent）是一种无需任何演示数据、无需微调的机器人操控新范式——直接把现成的 LLM Agent SDK（如 Claude Agent SDK）当作机器人的"大脑"，让 Agent 自己写代码、调试、再尝试，直到任务成功。 核心思路一句话：机器人策略（π）负责动，LLM Agent 负责想，各…
LongHorizonTerminalBench（LHTB）是一个评测 Agent 在长时序终端任务上持续工作能力的基准测试，2026 年 7 月由来自腾讯（Tencent HY LLM Frontier）、Lehigh University、University of Maryland、University of Georgia、University of…
Retrieval Harness 是 LlamaIndex 在 2026 年提出的一种面向 Agent 的持久化检索架构模式，其参考实现为 runllama/legalkb（法律文档知识库 Demo）。 区别于传统的单次向量搜索 RAG，Harness 将文档知识库包装成一组类文件系统 API 工具（retrieve / findFiles / readF…
Khoj 是一个开源的个人 AI 助手（自称 "Your AI second brain"），核心功能是让你用自己的文档（PDF、Markdown、Notion、Word、orgmode 等）创建一个可对话的知识库，同时支持连接任意 LLM（本地 Ollama 或云端 GPT/Claude/Gemini/DeepSeek）。它可以部署在个人电脑上完全离线运行…
Academic Research Skills（ARS） 是一套专为 Claude Code 设计的完整学术研究流水线 Skill，覆盖从选题调研→撰写→评审→修改→定稿的全流程。安装后，你的 Claude Code 就变成了一个严格的学术写作助手——它会进行文献检索、结构规划、风格校准、引用核查（L3 风险评估）、事实核查，并内置多道 integrity…
OpenMontage 是全球首个开源 Agentic 视频制作系统——把 AI 编程助手（Claude Code、Cursor、Copilot、Windsurf、Codex 等）变成完整的视频制作工作室。用户用自然语言描述需求，Agent 自主完成从研究、剧本、资产生成、剪辑到最终合成的全流程。 它不是简单的"图生视频"工具。OpenMontage 真正厉…