一个MCP服务器，使AI代理能够与Grafana交互，允许它们查询数据源、管理仪表板和处理可观测性操作。

一个可视化审查工具，允许用户直接编辑 HTML 和 Markdown 文件，并将批量反馈发送给 AI 代理，而非使用聊天提示。

一个本地代理，将 Claude Agent SDK 桥接到标准的 Anthropic 和 OpenAI API，允许第三方 AI 代理使用 Claude Max 订阅访问。

一个高性能 AI 网关，为多个 LLM 提供商提供统一 API，内置成本追踪、缓存和故障转移机制。

Google 提供的开源框架，用于构建全栈 AI 应用，统一的 API 支持多模型提供商，并集成开发者工具用于测试和监控。

一个自托管的 Apple Silicon 推理服务器，提供兼容 OpenAI、Anthropic 和 Ollama 的 API，以在本地运行 LLM、VLM 和图像生成模型。

一个为 AI 助手、聊天机器人和桌面宠物提供 32 个数据驱动情感状态的零依赖 SVG 和 JavaScript 表达引擎。

一个包含15TB多样化数值物理模拟的大型集合，以及专为计算科学中机器学习代理模型的训练与评估设计的基准测试套件。

一款 AI 驱动的工具，用于扫描和诊断 Kubernetes 集群问题，提供通俗易懂的英文解释和修复建议。

一组 Model Context Protocol (MCP) 服务器和核心工具，用于标准化 AI 代理和 LLM 与 Microsoft 服务及外部数据源的连接方式。

一个将多个 AI 订阅和 API 密钥统一管理的代理服务器，支持路由、配额和可观测性。

一个用于韩语行政文件（HWP、HWPX、PDF）的文档处理工具包，可将其转换为 Markdown 以供 AI 分析，并生成符合政府标准的正式文档。

一个利用 CPU-GPU 异构计算在消费级硬件上高效运行超大规模 MoE 模型推理与微调的框架。

ExecuTorch 是一个开源的 PyTorch 基础运行时，用于将 AI 模型部署到边缘设备——从手机到微控制器。它可直接从 PyTorch 导出模型，提前编译为极小的 `.pte` 文件，并通过轻量级 C++/Python/Swift/Kotlin API 在多种硬件后端上运行。支持视觉、语音和 LLM（如 Llama），已在 Meta 的生产应用中使用。

针对 LLM 和智能体工作流的开源漏洞扫描器，保护 AI 系统免受越狱、模糊测试和多模态攻击。

一个 Docker CLI 插件，为 AI 客户端提供管理与部署隔离容器化 MCP 服务器的网关。

一个结合 LLM 与进化算法的框架，用于自动化发现和优化跨多种编程语言的科学代码。

一个使用 eBPF 监控模型调用、进程执行和文件活动的 AI 代理系统级可观测性工具，无需 SDK 或代理。

Agentic Coding Flywheel Setup (ACFS) 是一个 Bash 安装程序，可将全新的 Ubuntu/Arch VPS 转变为完全配置好的 AI 编程工作站。它通过一个幂等的 `curl | bash` 命令安装现代 shell、语言运行时、云 CLI 以及三个 AI 编程智能体（Claude、Codex、Antigravity）。工具链由 YAML 清单定义，TypeScript 代码从中生成安装脚本。配套的 Next.js 向导可引导初学者完成 VPS 部署和 SSH 设置。安全机制采用 HTTPS 仅下载和 SHA-256 校验和验证。该项目采用 MIT 许可证，适用于需要可复现智能体环境的个人开发者和团队。

一个为 SQLite 添加图数据库功能和 Cypher 查询语言支持的扩展，使嵌入式图数据存储和查询成为可能。

一个为 AI 编码代理提供的管理层，通过 Git worktrees 提供隔离的工作区，并为任何基于 CLI 的代理提供统一的终端界面。

一个 Python 框架，用于构建具备内置 UI 的生产级会话式 AI 应用，将开发时间从数周缩短至数分钟。

一个单行指令的探索性数据分析 (EDA) 工具，可为 pandas 和 Spark DataFrames 生成全面的剖析报告，识别数据质量问题与模式。

一项提案，旨在通过标准化使用 /llms.txt 文件，为 AI 代理提供简洁、格式化的 Markdown 摘要和网站上干净内容的链接。

一个 OpenCode 的配置与组件管理器，让用户能够在不同的仓库之间应用可携带、经 SHA 验证的配置文件和组件。

一个轻量级、无需 root 权限的 Linux 进程沙盒，利用 Landlock 和 seccomp 以极低的开销和快速启动来限制不受信任的代码。

PentesterFlow 是一款开源的终端助手，允许人类分析师引导 LLM 驱动的 Agent 进行渗透测试任务。它集成了真实的安全性工具（curl、shell、Burp、文件工具），支持多种 LLM 后端，将证据和发现项以 Markdown 格式存储，并在会话之间保留项目级记忆，同时要求对风险操作进行明确批准。

一个代理，使仅支持本地 stdio 服务器的 MCP 客户端能够连接到支持完整 OAuth 授权的远程 MCP 服务器。

一个针对 Qualcomm Snapdragon 设备的本地生成式 AI 推理运行时，允许用户使用 GGUF 模型或经过 Qualcomm AI Hub 优化的套件，在本地运行 LLM 和 VLM。

一个 CLI 工具，使不同的 AI 编码代理能够在终端之间互相发送消息、观察彼此并生成对方，以协调复杂的开发流水线。

一款浏览器自动化工具，允许 AI 编码代理维持持久的浏览器会话，并使用紧凑的无障碍树来实现高效的网页交互。

一款隐私优先的语义代码搜索 CLI，使用向量嵌入按含义而非精确文本查找代码，从而减少 AI 智能体的 token 使用量。

一个结合三层次代码审计系统（Shield）和自动化授权渗透测试引擎（Spear）的 AI 安全平台。

一个实现 Model Context Protocol (MCP) 的 Godot Engine 插件，使 AI 助手能够通过自然语言直接读取和修改场景、脚本和资源。

一个允许 AI 代理通过 WebDriver BiDi 自动化 Firefox 的 MCP 服务器，支持网页导航、元素交互和开发者工具访问。

一个允许在 Web 上对去中心化 RDF 数据执行 SPARQL 和 GraphQL 查询的 JavaScript 知识图谱查询框架。

一个 Dashboard-as-Code 工具，允许用户和 AI 代理使用 YAML 或 TSX 定义、验证和提供仪表板，并具备内置语义层。

一个用于构建AI驱动的攻防安全自动化开源框架，用于建立网络安全AI研究领域。

一個包含技能、規則與驗證鉤子（hooks）的知識庫，旨在教導 AI 編碼代理程式生成正確且可編譯的 UdonSharp 代碼，用於 VRChat 世界開發。

一个通用、无服务器的剪贴板，能够在局域网上实现 Windows、macOS 和 Linux 设备间的实时、端到端加密剪贴板共享。

mlx-dspark 是一个 Python 包（和 macOS 应用）, 通过 MLX 在 Apple-Silicon Mac 上为多种主流 LLM 运行无损推测解码（DSpark 与 DFlash），实现 2–4 倍更快的生成速度，并提供兼容 OpenAI 的本地 API。

一个用于练习从零开始实现 PyTorch 操作符和架构的交互式编码平台，帮助准备 ML 工程师面试。

一个用于递归语言模型 (RLMs) 的推理引擎与训练环境，通过在 REPL 环境中以编程方式经由递归子调用分解任务，使 LLMs 能够处理近乎无限的上下文。

agent-style 是一个 Python/Node 库，为 AI 编码与写作代理提供 21 条经典与 LLM 观察结合的写作规则。规则注入模型系统提示（软性强制），也可作为生成后审查技能使用。在 Claude Opus、GPT‑5.4 和 Gemini 3 Flash 上的基准测试显示，机械规则违规显著减少，证明该方法可使 AI 生成的技术文本更清晰。

一个轻量级、高性能的文本分块库，适用于 RAG 流程，提供多种切分策略，并与向量数据库和嵌入提供商有广泛集成。

以人为本的框架，用于构建和管理真实世界的 AI 与 ML 系统，简化从原型开发到生产部署的过程。

一种为编程代理设计的浏览器自动化技能，使其能够编写并执行自定义 Playwright 脚本，用于测试和复杂的 Web 流程。

一个 HTTP/HTTPS 代理，通过静态规则和基于 LLM 的策略评估 AI 代理的出站 API 请求，提供安全防护机制。