agent-vision-toolkit:给纯文本 agent 装眼睛的中文开源视觉工具箱
agent-vision-toolkit(1.2k stars,MIT,中文文档)让 DeepSeek 等纯文本 coding agent 获得视觉能力:图像问答、长截图 OCR、前端 UI 还原、GUI 自动化做成 CLI+skill 组合,视觉住在 harness 而非模型里,兼容 agentskills.io,可选透明代理接入 Codex/Claude Code。
发现 AI Agent、开发工具、开源项目与效率软件,跟上每日科技与工程实践。
agent-vision-toolkit(1.2k stars,MIT,中文文档)让 DeepSeek 等纯文本 coding agent 获得视觉能力:图像问答、长截图 OCR、前端 UI 还原、GUI 自动化做成 CLI+skill 组合,视觉住在 harness 而非模型里,兼容 agentskills.io,可选透明代理接入 Codex/Claude Code。
FreeToken(13k stars,Apache-2.0)是边缘原生 MoE 推理引擎:带宽自适应 CPU-GPU 协同、语义感知缓存免重算 agent 上下文、VRAM 运行时弹性重分配,DeepSeek-V4-Flash/Qwen3.6/GLM-5.2 等前沿 MoE 本地高速跑,Anthropic/OpenAI API 兼容直接接 coding agent。
PenEcho(2.4k stars,AGPL-3.0)是与 AI 一起思考的空间画布:手写/公式/图表/交互式 HTML 组件混排,经 MCP 让 Codex/Claude 把解释画成图、想法变成可交互预览,你在画布上批注反馈进入下一轮,多语言含中文。
ripwire(2.2k stars,Apache-2.0,Red Hat 出品)用 C++23 零依赖单二进制给 coding agent 生成确定性调用图:该改什么、会破坏什么、跑哪些测试,一张地图替代 grep 全库通读文件,融合 49 仓库 71 篇论文的工程成果。
vpn2qr 是一个开源 Shell 脚本,SSH 进 VPS 执行一条命令就能装好 Xray 并生成 VLESS+Reality 配置,二维码直接打在终端,手机客户端扫码即用,支持 Shadowrocket、Clash Meta、v2rayN 等主流客户端,MIT 协议,核心只有 151 行脚本。

OpenUI 是生成式 UI 的开放标准,核心是流式优先的 OpenUI Lang 语言:组件库生成提示词,模型流式输出结构化 UI,前端边收边渲染,实测比 JSON 方案省 52% 到 67% token,提供 React 官方支持和 Vue、Svelte 社区适配。

ARTEMIS 是 Google 开源的 Android 自动化 agent,用自然语言驱动真机完成端到端任务,单步 3 到 5 秒,AndroidWorld 基准完成率 99% 以上,内置 MCP 服务可接入 Claude Code、Antigravity、Codex 等 AI IDE,支持 Gemini、Claude、GPT-4o、Qwen-VL 多模态模型。

ip-as-logo 是一个 5.2k 星的开源 Agent Skill,把 IP 吉祥物生成拆成严格的设计规则:4 到 7 个大形状、三种语义色、左下右下构图、一次六张候选,兼容 Codex、豆包、Coze 等 agent,一行命令安装,配套图库的成品可免费商用。

MultiPost 是一个开源的浏览器扩展,勾选平台后一键把文案、图片、视频同步发布到知乎、微博、小红书、抖音、B站、YouTube 等十多个平台,免注册、免登录、免 API Key,还提供 Extension API 和 RESTful API 供应用和脚本接入。

Pika 是一个 Go 写的开源轻量探针监控系统,Docker Compose 一键部署,实时采集 CPU、内存、磁盘、GPU 和温度指标,支持 HTTP/TCP/ICMP 服务拨测和证书到期检测,还带文件防篡改保护和四级安全审计,适合管理分散的个人服务器和小团队机器。

ServerKit 是一个 MIT 协议的开源服务器控制面板,Python/Flask + React 构建,在自己的 VPS 上一键部署 WordPress 和任意 Docker 应用,SSL、数据库、备份、安全和监控都能在面板里管,适合不想养 Kubernetes 也不想付订阅费的个人开发者和小团队。

ipatool 是一个用 Go 编写的开源命令行工具,用自己的 Apple 账号在终端里搜索 App Store 应用并下载 IPA 安装包,支持 iOS、iPadOS、tvOS、visionOS 和 macOS 五个平台,适合应用备份、历史版本研究和自动化脚本场景。

x64dbg-mcp-server(1.9k stars,MIT,Zig 编写)是 x64dbg 的原生 MCP 插件:84 个调试工具+22 个事件回调经 HTTP 暴露给任意 AI 助手,断点/反汇编/内存/PE 分析全量覆盖,零依赖单二进制双架构,强制 token 认证。
OpenBot(4.8k stars,MIT,CopilotKit 出品)是开源 AI 同事模板:每个 agent 拥有独立浏览器/文件/受控工具,动作先决策后记录,AG-UI 协议接入任意 agent,组件化回复,全程跑在本机——设计为克隆改造的模板而非托管产品。
ai-engineering-from-scratch(54.3k stars,MIT)是 523 课/20 阶段/342 小时的 AI 工程完整课程:从数学基础到 LLM 应用、Agent 工程、MCP 开发,每课交付一个可复用产物(prompt/skill/agent/MCP server),12 语言翻译,按目标选路径不用从头扫。
VoiceMem(1.3k stars,Apache-2.0,永久开源)为语音 agent 提供流式双脑记忆:左脑管事实(Mem0 满载性能)、右脑用情绪归因管情商,0-300ms 投机预取、单轮查询约 300 token,配套微调模型系列与 ChatMem-400K 数据集,pip 一行装起。
Phone Harness(2.7k stars,MIT)让 coding agent 控制真手机:iPhone 走 Mac 镜像+Vision OCR+HID 注入,Android 走 adb,不越狱不装 App,agent 看屏幕、点按、打字、读结果,一句 prompt 让 agent 自助安装,官方演示真叫了一辆 Waymo。
TencentDB Agent Memory(26.3k stars,腾讯开源)是团队级 agent 记忆中枢:符号化短期记忆压缩工具日志、分层长期记忆把对话蒸馏成 persona/scene,OpenClaw 实测 token 省 61.38%、PersonaMem 准确率 48%→76%,npm 接入 OpenClaw/Hermes。
Memoh 是一个开源多智能体平台,每个 Agent 都有独立的文件系统、桌面、浏览器和长期记忆,7×24 小时在线。自带 API Key 即可使用,也支持托管 Claude Code 和 Codex,通过微信、Telegram、Discord 等 10 多种渠道对话。本文介绍它的功能与部署方法。

Tinycast 是一个用 Swift 原生编写的 macOS 启动器,安装包 5MB,内存占用不到 100MB,内置应用启动、剪贴板历史、计算器和文本扩展,还能直接运行 Raycast 插件。本文介绍它的功能、安装方法和日常用法。
