阿超

爱学出勤奋，勤奋出天才。——郭沫若 https://github.com/NVIDIA/SkillSpector 当 AI 技能开始自己“长手长脚”，SkillSpector 就成了门口最清醒的安检员在 AI Agent 快速扩张的今天，越来越多的技能像一个个热情的新员工，争先恐后地走进我们的工作流里。它们会写代码、调接口、访问文件、执行脚本、连接外部服务，看起来聪明又高效，仿佛只要点一下安装，就能立刻成为你的得力助手。 可问题也恰恰出在这里。 这些技能往往带着天然的信任光环上岗，表面上是来帮忙的，背地里却可能顺手翻你的环境变量、悄悄把上下文发到外网、偷偷申请超出职责范围的权限，甚至借助脚本能力把风险扩散到整个系统。很多时候，它们不是一个“工具”，更像一个你还没做背调、却已经发了工牌的陌生实习生。 这时候，NVIDIA 的 SkillSpector 出场了。 它的仓库描述非常直接：Security scanner for AI agent skills. Detect vulnerabilities, malicious patterns, and security risk...

一个能思考的人，才真是一个力量无边的人。——巴尔扎克 https://github.com/phuryn/pm-skills 当产品经理开始拥有一座技能市场很多工具都在告诉你，AI 很聪明。 但 phuryn/pm-skills 这个项目更像是在认真告诉你另一件事：聪明不够，做产品这件事，真正稀缺的是判断力、结构化思考和一条能把混乱问题一步步带到可执行答案的路径。 这正是 PM Skills Marketplace 想做的事。 它不是一个只会“吐字”的提示词仓库，也不只是几个零散的模板集合。它更像一座专门为产品经理搭建的技能市场，一边站着发现机会、梳理战略、定义指标、推进执行、规划上市的各路方法论角色，另一边站着 Claude Code、Claude Cowork、Codex 这类 AI 助手。它们在这里握手，分工，开始像一个真的产品团队那样协作起来。 项目在仓库描述里把自己定义得很明确： PM Skills Marketplace: 100+ agentic skills, commands, and plugins — from discovery to strategy...

读书有三到：谓心到，眼到，口到。——明朱熹 https://github.com/maziyarpanahi/openmed OpenMed：把医疗 AI 请回本地，让数据安心留在身边医疗文本每天都在说话。 病历在说话，出院小结在说话，检验记录在说话，药物信息在说话，患者隐私也在说话。只是过去很多时候，我们想听懂它们，往往要把这些信息交给云端，交给外部服务，交给一层又一层看不见的系统去拆解、去判断、去返回结果。 而 OpenMed 像一位不喜欢张扬、却极其可靠的临床助手，轻轻把门关上，说了一句：这些事，不必出门，我可以在本地做完。 它的仓库描述只有一句话：open-source healthcare ai。 可真打开 README，你会发现这不是一句轻飘飘的口号。OpenMed 的气质非常鲜明：它是一个本地优先的医疗 AI 工具，把临床文本分析、医疗实体抽取、PII 检测与去标识化、批处理、REST 服务，甚至原生 iPhone 与 Mac 端的运行能力，全都拉回到你自己的设备和基础设施上。它不热衷于把数据送上云，它更像一位守门人，安静地站在你的机器旁边，替你把住隐私与效率这...

当你还不能对自己说今天学到了什么东西时，你就不要去睡觉。——利希顿堡 https://github.com/apple/container 当 Mac 遇见 Linux 容器：Apple container 让轻量虚拟机学会了优雅奔跑在开发者的世界里，容器一直像一位高效、干练、说干就干的工程师。它不拖泥带水，不讲排场，只想把应用打包、带走、运行，然后继续奔赴下一场任务。 而在 Mac 的世界里，尤其是在 Apple silicon 的土地上，这位工程师终于等来了一个很懂它的新搭档：Apple container。 container 是 Apple 推出的一个工具，用来在 Mac 上创建和运行 Linux 容器。它把 Linux 容器放进轻量级虚拟机里运行，既保留了容器的灵活轻快，又借助虚拟化能力带来了更贴合 macOS 环境的运行方式。它用 Swift 编写，并且专门为 Apple silicon 优化。换句话说，它不是“也能跑”，而是从出生起就知道自己该怎么在苹果芯片上把事情做漂亮。 如果把传统容器工具比作一群四处打工、适应力极强的旅行者，那么 Apple contain...

学习必须与实干相结合——泰戈尔 https://github.com/reconurge/flowsint Flowsint：当开源情报开始长出一张会思考的关系网有些工具，像一把扳手，拿起来就知道它是干什么的。 有些工具，则更像一个安静但警觉的调查员。你递给它一个域名、一个邮箱、一个钱包地址、一个组织名称，它不会急着下结论，而是把线索一根一根接起来，把关系一层一层铺开，最后在你眼前展开一张会“说话”的图谱。 Flowsint 就是这样一个存在。 它不是那种只会把结果一页页罗列给你的传统 OSINT 工具，也不是一个只擅长单点查询的情报脚本集合。它更像是一位坐在你身边的数字侦查搭档：擅长观察，耐心梳理，懂得把零散线索重新组织成一幅有方向感的调查地图。 根据仓库的描述，Flowsint 是一个现代化的平台，主打可视化、灵活性和可扩展性，采用基于图的调查方式，面向网络安全分析师和调查人员。README 里则进一步把它的气质讲得更清楚：这是一个开源的 OSINT 图谱探索工具，强调 ethical investigation、transparency 和 verification。换...

构成我们学习最大障碍的是已知的东西，而不是未知的东西。——贝尔纳 https://github.com/openclaw/openclaw-windows-node 当 OpenClaw 穿上 Windows 外套：一篇写给效率玩家的 OpenClaw Windows Hub 深度体验文如果说 OpenClaw 是一个聪明、能干、随叫随到的 AI 个人助理，那么 openclaw-windows-node 就像是它在 Windows 世界里的分身、管家、联络员和行动中枢。 它不只是一个简单的托盘小工具，也不只是一个配套客户端。它更像是 OpenClaw 在 Windows 桌面上亲手安放的一座前哨站：安静地待在系统托盘里，随时待命；在你需要时，它能打开聊天窗口、查看状态、连接网关、唤起命令中心、快速发消息，甚至让你的 Windows 电脑化身为一个可以被 OpenClaw 智能体调用和控制的节点。 openclaw-windows-node 的仓库描述写得很直接，也很有画面感： Windows companion suite for OpenClaw - System Tr...

学会学习的人，是非常幸福的人——米南德 https://github.com/jwasham/coding-interview-university Coding Interview University：一所不会发录取通知书，却能把你送进大厂的大学如果把程序员的求职准备比作一场漫长的远征，那么 jwasham/coding-interview-university 就像一位不爱说废话、却把地图、干粮、训练计划和心理建设全都塞进你背包里的老向导。 它的仓库描述很直接：A complete computer science study plan to become a software engineer.一句话，不花哨，不兜圈子，却像一块结结实实的路牌，立在所有想系统补足计算机基础、准备技术面试、冲击软件工程岗位的人面前。 这不是一个只会往你头上倒题库的仓库，也不是一份焦虑贩卖型的清单。它更像一所安静但严厉的“自学大学”：没有围墙，没有学号，没有学费，但课程表密得像期末周，老师也很特别——数据结构会拎着链表来敲门，算法复杂度会拿着 Big-O 在你耳边低声提醒，操作系统像一位脾...

勤劳一日，可得一夜安眠；勤劳一生，可得幸福长眠。——达芬奇 https://github.com/Open-LLM-VTuber/Open-LLM-VTuber 当你的 AI 真正开口说话、眨眼微笑，还会陪你看屏幕：Open-LLM-VTuber 体验记如果你曾经想象过这样一个场景： 你打开电脑，一个会说话、会眨眼、会露出情绪表情的二次元角色正安静地待在屏幕边角。你不需要敲键盘，不需要反复切窗口，只要开口，它就能听见你；你打断它，它也不会机械地继续念台词；你给它换人设、换声音、换模型，它就像换了一种灵魂；它甚至还能“看见”你的屏幕、摄像头画面，像一个真正陪伴在你身边的 AI 伙伴。 这不是某种遥远的概念演示，而是一个已经可以跑起来、而且支持本地部署的项目： Open-LLM-VTuber它的仓库描述写得非常直接： Talk to any LLM with hands-free voice interaction, voice interruption, and Live2D taking face running locally across platforms 翻成更有画面...

长风破浪会有时，直挂云帆济沧海——李白 https://github.com/NVIDIA/cosmos 当世界开始学会观察、推演与想象：走进 NVIDIA Cosmos 的物理智能宇宙如果说大语言模型让机器学会了“说话”，那么 NVIDIA Cosmos 想做的事情更进一步：它想让机器开始真正“看世界、懂世界、想象世界”。 这不是一个只会盯着文本做续写的系统，而更像是一位正在成长中的世界学徒。它会看图、读视频、理解动作、预测接下来会发生什么，还能把一句文字描述扩展成图像、视频、声音，甚至带着动作轨迹去推演未来。它不只是回答问题，它更像在试图理解现实，并为机器人、自动驾驶、智能基础设施等 Physical AI 场景搭建一个可以练习、推理、模拟、预见的舞台。 NVIDIA 对这个项目的描述非常明确：Cosmos 是一个由世界模型、数据集和工具构成的开放平台，用来帮助开发者构建 Physical AI。一句话听起来很硬核，但如果换一种更贴近直觉的说法，那就是：Cosmos 正在为机器打造“感知世界的大脑”和“预演未来的想象力”。 Cosmos 是谁从仓库的 README 和 ...

临渊羡鱼，不如退而结网。——《汉书董仲舒传》 https://github.com/github/spec-kit 当代码不再单打独斗，Spec Kit 如何把软件开发带回“先想清楚，再动手”的正轨如果你最近在 AI 编程的浪潮里待得够久，大概已经见过这样的场景： 一句提示词丢给模型，代码很快就出来了，页面能跑，接口能通，甚至连样式都像模像样。你一边惊叹效率，一边又隐隐不安：这个东西为什么这么设计？需求真的被理解对了吗？后面改起来会不会像拆盲盒？团队里其他人接手时，能不能看明白它最初到底想解决什么问题？ 这时候，Spec Kit 像一个不慌不忙的项目管家走了进来。它不会先急着撸代码，而是先把你拉到会议室里，摊开纸，扶正眼镜，然后认真地问一句： 你到底想做什么，为什么要做，成功长什么样？ 这就是 github/spec-kit 想做的事。它的仓库描述只有一句话，却很有力量： Toolkit to help you get started with Spec-Driven Development 翻译成更有人味的话就是：它不是来替你写几段零散代码的，它是来帮你把软件开发这件事，从...