有意思的开源项目
收藏那些值得认真看一眼的 GitHub 项目：不只记录它是什么，也写清楚它能拿来做什么。
figures4papers
Yale PhD 的论文配图脚本集：定量对比 bar、成分分解、雷达、折线、3D、概念图全部端到端 Python，图发表在 Nature MI / ICML / NeurIPS / ECCV
用来做：写论文画图直接抄——每种图都有可跑的完整脚本，出版级风格即拿即用。仓库还带 scientific-figure-making 这个 agent skill（design-theory / api / common-patterns），在 Cursor / Claude Code / Codex 里按路径引用，就能让 AI 按同一套风格帮你出图。10k+ stars；CC BY-NC 4.0 非商用。
speechbrain
PyTorch 语音工具包：200+ 训练配方、40+ 数据集、20 类任务，ASR/说话人识别/语音增强/分离全开源
用来做：对话 AI 的一站式语音底座——语音识别、说话人识别与声纹、语音增强、语音分离、语言模型、对话一个 toolkit 全包。支持从零训练和微调 Whisper/Wav2Vec2/WavLM/Hubert/GPT2/Llama2 等 HF 预训练模型，200+ 配方覆盖 40+ 数据集。声学探测类项目（无人机声纹、多源分离）缺的训练管线可以从这里起。Apache-2.0，11.9k stars。
cn-math-taxonomy
中小学到高中知识图谱（数学+英语+物理）：1644 知识点、2403 先修边、6723 题，对齐教育部课标，附自适应前置诊断
用来做：把人教版教材拆成有向先修图，答错沿先修边从高中一路回溯到小学知识点——「配方法不会→完全平方公式没掌握」的诊断路径直接可查。数学 845 点全覆盖小学到高中选择性必修，英语/物理独立成图，在线版有图谱浏览和整册筛查。CC BY-NC 4.0；AI 生成初稿、部分课标条目待核，用前需抽查。教育先修诊断 / LLM 知识问答底座。
reBot-DevArm
矽递「真·开源」具身智能机械臂：B601-DM/B601-RS 两款 6 轴臂，硬件图纸、螺丝级 BOM、Python SDK/ROS/Isaac Sim/LeRobot 全放
用来做：降低具身智能学习门槛——钣金/3D 打印源文件、每颗螺丝带购买链接的 BOM、Python SDK、ROS1/2、Isaac Sim 仿真、LeRobot 学习框架全套开源（OSHWA 认证 CN000024）。可照 BOM 自组也可淘宝买整机，有在线仿真体验。模仿学习数据生产的低成本可复制平台。
GrokFilm
给生成式影像的镜头语言词典：摄影、打光、剪辑技法系统化编目，注释并写成 prompt 语言，附 Grok Imagine 示例片段
用来做：可检索的电影技法索引——机位语言（大远景/特写/荷兰角/推轨/航拍/斯坦尼康）、构图剪辑规则（明暗对照、三分法、场面调度、30度规则），每条都翻译成生成式模型能懂的 prompt 写法并渲染示例 reel 对照。写视频生成 prompt、AI 短片分镜的现成参考库，与 Lemo-Opuscar 风格工具箱互补：那个管整体风格，这个管镜头级语言。
PhoneBot
复用智能手机的低成本开源人形机器人平台：手机当主感知计算单元，48.3cm / 1.8kg / 13 自由度 / 硬件约 $400
用来做：手机提供相机、IMU、WiFi 和算力（视觉跟踪、SLAM、运动策略推理），机身只留 13 个 DYNAMIXEL 舵机和一块单板机，手机与机身纯 WiFi 交互无电气连接——换手机不改硬件。CAD/BOM/装配文档全开源（CC BY-NC 4.0）。UCLA RoMeLa 出品，低成本人形研究平台。
earshot
给编码 agent 装耳朵：让 AI 听懂、审听并制作声音，纯 CPU 本地运行，CLI + Python API + MCP server
用来做：AI agent 能写出渲染电影/演示/游戏的代码，但听不见自己做出来的声音——分不清高级键盘音和廉价键盘音、听不出打击声比 cut 晚了 80ms。earshot 把声音变成 agent 可推理的证据：音频文字描述、匹配度评分、逐秒收听记录、对照专业发布片的评分卡；forge 用代码造声并循环改进，fit 把录音翻译成可调参数的代码，内置 252 个代码音效库。
VolAnti
开源声学无人机探测：听螺旋桨而不是无线电，对完全不发射信号的光纤 FPV 无人机有效，ESP32-S3 + 4 麦 + LoRa，实测 104 米
用来做：光纤 FPV 无人机不发射任何无线电，传统侦测失效。VolAnti 听四片螺旋桨无法关闭的谐波梳状谱，听到就声光告警并 LoRa 组网通知。整机 £50-80 / 面包板 £35-45，约克大学学生一个人暑期造出来，9 台已实际部署。只做探测告警，承诺永不做干扰反制。
Lemo-Opuscar
纯代码电影风格工具箱：59 种现成风格，每种配一支完全由 Claude Opus 5.5 写代码做出来的短片，零视频模型零素材库
用来做：每帧画面 canvas/WebGL 逐帧渲染、配乐采样库原创、旁白 TTS——门面作品 6 分 31 秒走完 98 届奥斯卡最佳影片，每部一种风格、附可复用 style prompt。装成 Claude Code skill 一键套用，也可改现有风格或从零自建。适合片头、概念演示、代码生成视觉的边界探索。
cosmo-edge
生产级 C++ 边缘 AI 引擎：视频分析与端侧 VLM，跨 Sophon、Rockchip RKNN、x86，带可视化编排、实时 OSD、事件告警与可复现基准
用来做：在国产边缘硬件（算能 BM1688/CV186X、瑞芯微 RK3576/RV1126B）上部署视频 AI 应用——模型导入、可视化流水线编排、实时叠加、告警推送一站搞定；还支持端侧 VLM 多路视频问答，x86 上无需硬件本地试跑。
res-downloader
视频号、小程序、抖音、快手、小红书、直播流、m3u8、酷狗、QQ音乐等常见网络资源下载——基于 Go + Wails 的跨平台资源嗅探下载工具
用来做：本地代理抓包嗅探国内平台媒体资源（微信视频号、抖音、快手、小红书、酷狗/QQ音乐、直播流、m3u8），自动识别类型一键下载，支持手动 URL 搜索。
Finger Frame AI
上传双手取景框手势的视频，拿回框内是 AI 生成动画世界的版本——Gemini video-to-video 整片重绘，手指框成为通往动画版的窗口
用来做：社媒创意视频、演示 video-to-video 能力、手势交互原型。BYOK 纯静态页无后端，无 key 也有 placeholder 模式免费跑全流程，附带 Python CLI 批处理版。
Why Software Factories Fail
HumanLayer 深度长文：全自动 AI 编程流水线（关灯工厂）为什么必然失败
用来做：理解为什么 AI 编程会导致代码库崩坏（RL 训练没有可维护性惩罚），学习 4 阶段人机协作方法（Product→Architecture→Program Design→Vertical Slices），适合认真用 AI 编程又不想代码库烂掉的开发者。
img2threejs
给一张物体图片，用纯代码重建可动画的 Three.js 3D 模型——不是 mesh 文件，是 TypeScript
用来做：装到 Claude Code / Codex / OpenCode，上传照片后 AI 分层雕塑写代码，每层截图对比原图打分，输出浏览器可跑的可交互 3D 模型。
Data Pyramid of Embodied Manipulation
具身智能操作数据金字塔综述，涵盖152个数据集、4.36亿条机器人/UMI/仿真演示数据
用来做：查找具身智能训练数据、对比数据集覆盖范围、了解数据源分类体系（真实机器人/UMI/仿真/自我中心视角/通用视觉语言）。PKU/NTU/HKUST/NUS 联合调研。
Mole
终端里的 CleanMyMac——清理、卸载、磁盘分析、系统优化、实时监控，一个二进制搞定
用来做：brew install 后 mo 命令深度清理（可回收几十 GB）、智能卸载 App、磁盘分析、实时监控，支持 --json 输出。
STARSS23
Sony-TAu Realistic Spatial Soundscapes 2023 — 真实场景多声道空间音频数据集
用来做：训练声学事件定位与检测（SELD）模型，4声道空间音频+360°视频+光学追踪标注，DCASE 2023 官方数据集。
video-shotcraft
AI video skill for Claude Code & Codex — cinematic product videos with Remotion: 106 shot recipe cards, 161 motion previews, a production-ready template
用来做：给 agent 装好就能口头描述需求自动生成电影感产品宣传片，内置 Ink Press 成片模板。
StyleKit
精选 135 种网页与 UI 设计风格，提供 design tokens、组件配方与 AI 前端提示词。
用来做：浏览设计风格，导出 design tokens 和 AI rules，让 Cursor/Claude/v0 生成的网站更好看。
Arnis
Generate any location from the real world in Minecraft with a high level of detail.
用来做：从 OSM 数据在 Minecraft 里生成真实世界地形和建筑。
OpenAI Codex
Lightweight coding agent that runs in your terminal
用来做：把需求拆成代码修改、运行测试、解释代码、修 bug。
Cline
Autonomous coding agent as an SDK, IDE extension, or CLI assistant.
用来做：在 IDE、CLI 或 SDK 里运行自主编码 agent。
Stagehand
The SDK For Browser Agents
用来做：用自然语言和代码混合控制浏览器。
Graphiti
Build Real-Time Knowledge Graphs for AI Agents
用来做：给 AI agent 构建可随时间更新的知识图谱记忆。