LibreChat 是一个自托管的多模型聊天平台。 当团队同时接 GPT、Claude、本地模型、agent、MCP 和各种扩展时，聊天入口很容易散掉。有人在网页里聊，有人在终端里跑，有人又接了单独工具。LibreChat 给这些入口提供统一界面。 你能用它管理多模型对话、配置 agents、接入 MCP 和 Skills，也能部署成团队内部 AI 工作台。模型来源越来越多以后，统一入口能减少切换成本，也能让聊天记录、工具配置和模型设置更好管理。 GitHub 现在约 3.9 万 stars，今天新增 141 stars。 工具地址：github.com/danny-avila/Libre…

最近刷到一个视频 说是思路打开，直接让AI自己想办法帮我赚钱 后来这段时间就一直在研究这个方向 跑了两条路，一条自动接单写代码，一条找bug领赏金 从斗志满满到意志消散 1，提交了很多，但是都没有回应 2，提交的所有bug全部都被驳回了 过程很快乐，可惜没有拿到结果 到底怎么才能让AI自动帮我赚钱啊？？？？

多 agent 协作经常会遇到分工混乱的问题，那就应该用用工具：agency-agents-zh agency-agents-zh 是一个把 AI 专家角色整理好的中文角色库。 这个中文版把工程、设计、营销、产品、安全、金融这些岗位收成 215 个角色，还补了小红书、抖音、微信、飞书、钉钉等中国市场原创智能体。 README 也把 Claude Code、Cursor、Copilot 等 17 种支持工具列得很清楚。你如果正准备把不同任务分给不同 agent，这种角色库能少掉很多从零起角色设定的时间。 GitHub 现在约 1.5 万 stars，今天新增 146 stars。 仓库地址：github.com/jnMetaCode/agency…

这个agent命令行看板好实用：abtop abtop 是一个专门给 AI coding agent 做终端状态总览的命令行工具。 README 一上来就把 token 用量、上下文窗口、速率限制、子进程和端口占用摆到了一屏里，还强调默认只读，不要账号，也不要 API key。 它先负责把现场看明白。你平时同时跑几条 Claude Code、Codex CLI 或 OpenCode 任务的话，回头查 quota、上下文和后台进程会少很多绕路，工作台也更容易稳住。 GitHub 现在约 2.8k stars，今天新增 65 stars。 工具地址：github.com/graykode/abtop

看下这个高质量的前端web技能库：web-quality-skills web-quality-skills 是一组专门给前端 agent 用的 Web 质量技能库。 这个仓把 Lighthouse、Core Web Vitals、WCAG 2.2 和 SEO 的经验整理成 skills，还把 performance、accessibility、seo、best-practices 分成独立模块。 你如果已经开始让 agent 写前端，这种规则库的用处很直白：把性能、语义和 SEO 问题往前拦，不要等页面快发了再补账。首页的信息密度也不低，选型速度会很快。 GitHub 现在约 2.3k stars，今天新增 48 stars。 工具地址：github.com/addyosmani/web-qu…

刷到一个 agent 数据看板工具，非常适合多 agent管理：agentsview agentsview 是一个专门看 AI coding agent 会话、花费和后台状态的本地面板。 README 首页先摆了 daily cost、context window、rate limits、child processes 和 open ports。一个 binary 就能开出 Web UI，本地数据也不会离开机器。 哪条会话在烧 token，哪条子进程还挂着，哪个端口没收回来，都能在一个地方看清。你已经开始并行跑 Claude Code、Codex CLI 这类任务的话，这种本地面板会很顶用。 GitHub 现在约 2.1k stars，今天新增 530 stars。 工具地址：github.com/kenn-io/agentsvie…

Apple 设备本地跑模型的超强工具包：mlx-lm mlx-lm 是一个让大语言模型在 Apple silicon 上跑起来的 Python 工具包。 仓库首页把生成、聊天、量化上传、LoRA、全量微调和 Hugging Face Hub 接入都摆在前面。你先看 README，就能知道本地实验要走哪些步骤。 它更像 Apple 本地模型工作流的工具箱。本机试推理、改参数、做一轮微调时，会少掉很多从零拼命令的时间。量化和微调路径也都接得比较完整。 GitHub 现在约 5.8k stars，今天新增 42 stars。 工具地址：github.com/ml-explore/mlx-lm

经常切模型的兄弟应该知道这个问题，单模型审查很容易漏问题，所以我一般都是3模型会诊审查 现在有人直接把这个工具做出来了：claude-octopus claude-octopus 是一个把多家 AI 模型拉到同一条工作流里做交叉审查的编排工具。 README 把 Claude、Codex、Gemini、Copilot、Qwen、Ollama 这些模型都列了出来，也把一致性门槛和多模型流程写在前面。读者一打开就知道它想解决的是“多模型怎么一起复核”。 多家模型一起复核研究、设计、编码里的关键步骤，会让很多分歧提前浮上来。人不用等到快交付时才补看第二遍，关键步骤里的盲点也会少很多。 README 还把 32 personas、49 commands、54 skills 摆在显眼位置。人一看首页就知道，它除了接模型，还在认真排复核流程。首页的信息密度已经足够高。 多模型 council 不必每次都开，但关键任务里多一轮复核，常常就能提前发现漏点。今天它还能继续涨，说明这种需求正在被更多开发者看到，而且还没到老仓状态。 GitHub 现在约 3.6k stars，今天新增 16 stars。 工具地址：github.com/nyldn/claude-octo…

这个安全扫描工具强烈推荐一下，专门检查 AI agent skills 的 SkillSpector agent 接的 skills 多了，风险也会跟着进来。主流程看着正常，扩展里仍可能藏着危险调用、恶意模式或者没收住的权限。人如果等到线上出事后再翻这些扩展，排查时间会很长，回退动作也会更重。 SkillSpector 做的事情很直白，就是查 vulnerabilities、malicious patterns 和 security risks。团队先跑一遍扫描，再决定哪些 skills 该接进工作流，哪些要先挡在外面。这个顺序比事后补洞省力得多。 人点开这类仓库，最想看的其实就是它到底查什么风险。SkillSpector 把扫描对象写得很清楚。描述把范围交代得很完整，判断也会更快。团队看完项目首页，就知道它盯的是安全筛查和风险过滤。 现在不少仓库都在讲 agent 还能接什么工具，SkillSpector 先看另一件更基础的事：已经接进来的 skill 有没有问题。这个动作先做，后面会少掉很多返工。 GitHub 现在约 2.7k stars，今天新增 319 stars。 工具地址：github.com/NVIDIA/SkillSpect…

有一亿牛逼的 AI agents 自动推进研究的工具：autoresearch 非常值得尝试一下 很多自动研究项目上来就铺很大，普通人反而不知道从哪一步试。autoresearch 把范围收得清楚。它盯 single-GPU 环境，也盯 nanochat training research。人看到这个切口，马上就知道自己该准备什么机器，也知道自己会遇到什么任务。 仓库把重点放在自动往下跑。研究步骤不用全靠人手盯着接。agent 会继续推任务，会继续产出中间结果，也会让单卡实验更像完整流程。这样看项目时，注意力就能放在流程顺不顺，不用先被大机器门槛卡住。 这个项目还有一个好处，就是题目没有飘到很远的地方。单卡机器能试，研究任务也写得很集中。人打开仓库后会先看实验怎么接，再看 agent 怎么往下推，再看单卡环境能不能跟上。 单卡环境也能试自动研究。设备不多的人也能先看流程，先看拆分方法，先看每一步怎么接。autoresearch 这类项目，看的就是它怎么把研究动作拆得更小。 GitHub 现在约 8.6 万 stars 工具地址：github.com/karpathy/autorese…

claude-agent-sdk-python 是一个 SDK，用来把 Claude Agent 接进 Python 应用。 Python 项目接 agent，总会遇到调用不顺。工程代码在 Python 里，agent 却挂在命令行外面。人要自己包进程，要自己转参数，还要自己把工具和回调再接回来。第一次接通不难，后面维护会一直绕。 这个仓库把那段绕路收短了。README 已经说明，包里自带 Claude Code CLI。装好后，Python 里就能发起 query，也能继续接自定义 tools 和 hooks。这样接 agent 时，工程结构不会突然断开。 人看这类 SDK，通常就看三件事：能不能从代码里发起调用，能不能继续接工具，能不能把回调留在工程里。这个仓库把这三件事都写到了明面上，所以判断起来会省时间。 重复桥接代码会少很多，现有 Python 工作流也不会再绕回命令行。项目如果还要继续接工具、接回调、接多轮任务，这类 SDK 会省下更多维护时间，代码也不用两头补，排错也会轻一点。 GitHub 现在约 7.3k stars，今天新增 10 stars。 工具地址：github.com/anthropics/claude…

quant-mind 是一个面向量化金融的知识抽取与检索框架。 量化资料分散在研究报告、公告、新闻和内部笔记里时，抽取和重查都很费时间。quant-mind 盯的是这段知识处理链。量化研究里要接 AI 检索和知识归纳时，这个框架会更对路。 GitHub 现在约 1.2k stars，今天新增 324 stars。 工具地址：github.com/LLMQuant/quant-mi…

家人们，来不解释了！快来白嫖！！！ MiMo 终于也出了自己的 AI 编程工具 MiMo Code 了 重点是，现在限时免费！！！ 冲，使劲白嫖，还要啥自行车！ mimo.xiaomi.com/zh/mimocode/… 安装也很简单： npm install -g @mimo-ai/cli 然后直接： mimo 再跑个 /connect 和 `/init``，基本就能开干了

ui-skills 是一个给设计工程师整理前端技能的项目。 很多人做 UI 时会卡在练习顺序上：布局、动效、组件、交互、视觉细节，每一块都能单独练。ui-skills 将这些内容整理成一个技能仓库，能用来补前端和设计交界处的手感。 仓库收了界面开发常用的方法、组件和实现示例。你能按主题挑内容练，也能把它当作设计工程师的技能目录。想从“能做页面”进到“做得更像产品”时，这些资料能减少东翻西找的时间。 GitHub 现在约 2.6k stars，今天新增 177 stars。 工具地址：github.com/ibelick/ui-skills

这个多任务桌面工作台非常实用：Nezha Star：1.4k 很多人跑 AI 编程任务时，会同时开着 Claude Code、Codex、终端、编辑器和 Git 客户端。项目一多，就得不停切窗口、看输出、查改动 一个项目在跑 Codex，另一个项目在跑 Claude Code，还要看终端输出、查 Git Diff、翻聊天记录。最后很多时间都花在确认“哪个任务跑到哪了” Nezha 把这些入口放到同一个桌面应用里 你可以在里面跑多个 AI 编程任务，看每个任务的输出，切不同项目，打开代码编辑器，查 Git Diff，也可以直接进终端处理问题 它比较适合重度用 Claude Code / Codex 的人 如果你现在已经在多个项目里同时跑 agent，Nezha 能少掉很多窗口切换和状态确认的时间 GitHub：github.com/hanshuaikang/nezh…

众所周知，skill是 vibe coing 离不开的宝贝 所以这个谷歌技能包非常有必要装一下！ google/skills 收录了 Google 产品和技术栈相关的 Agent Skills，包括 Google Cloud 相关 Skills，并支持通过 npx skills add google/skills 安装。 它适合观察 Agent 工具化的方向。一个 Skill 可以沉淀固定流程、操作规则和领域知识，比临时写 prompt 更稳定。 Star：12.9k GitHub：github.com/google/skills