Kong是一个基于LLM的自动化逆向工程工具，它使用NSA级逆向框架对二进制文件进行分析。能处理混淆代码、恢复函数名称、类型信息、重建调用关系，并将结果写入Ghidra数据库。旨在解决二进制逆向中机械重复的耗时任务。
Darwin Derby是一个基于Python的自动化AI研究工具，源自Karpathy的autoresearch项目。它通过AI代理迭代优化任意目标（如代码、文本、网站等），使用评分函数量化改进效果，并支持单代理循环或多代理群实验，实现自动参数调优和性能提升。
OpenJarvis是一个本地优先的个人AI智能体框架，旨在让AI直接在用户设备上运行，减少对云端API的依赖。它提供共享的基础模块来构建设备端智能体，并优先考虑能效、计算成本、延迟和准确性等综合评估。
CorridorKey是一个基于神经网络的绿幕抠像工具，能够智能分离前景物体与绿幕背景，为每个像素（包括半透明边缘）生成真实的原始前景颜色和线性Alpha通道，简化专业视频合成流程。
Dimensional是一个面向物理空间的智能体操作系统，用于控制人形机器人、四足机器人、无人机等硬件平台。它允许用户通过自然语言构建多智能体系统，并集成摄像头、激光雷达、执行器等物理输入设备，完全用Python开发，无需ROS。
AutoRound是Intel开发的先进量化工具包，专为大型语言模型和视觉语言模型设计，支持2-4位超低位宽量化，通过优化的算法在保持高精度的同时减少模型大小和推理开销，支持多种量化方案和硬件兼容。
该工具通过HackerOne API获取已处理的漏洞报告，自动脱敏敏感信息后利用AI模型分析漏洞模式，生成可重复使用的AI技能文件（Markdown格式），帮助安全研究人员系统化整理漏洞挖掘经验。
A-MEM是一个为LLM智能体设计的创新记忆系统，它基于Zettelkasten原则，能够动态组织、索引和链接记忆，形成知识网络，以支持智能体进行更复杂的决策和任务处理。
这是一个开源机器人项目，旨在制作迪士尼BDX机器人的缩小版本（约42厘米高），成本控制在400美元以下。项目通过Python实现模拟到真实的强化学习控制，包含机械设计、物料清单和训练好的步行策略模型。
这是一个用于AI代理的自托管网页搜索工具，无需API密钥且保护隐私。它基于SearxNG，聚合Google、Bing等多个搜索引擎的结果，为OpenClaw、Claude Code等AI代理提供本地搜索能力，可避免付费查询或泄露隐私问题。
STATIC是一个用于大型语言模型约束解码的高性能框架，通过稀疏矩阵优化的字典树索引确保模型输出符合预设的序列集合，专为GPU和TPU等硬件加速器设计。
PowerMem是一个AI驱动的长期记忆系统，为AI代理提供准确、灵活且成本效益高的记忆功能。它支持与OpenClaw(Clawdbot)等AI代理平台集成，通过Python实现，可作为内存插件使用。
VideoMaMa是一个利用生成先验的掩码引导视频抠图框架，基于CVPR 2026研究实现。通过结合视频生成先验知识，能在多种视频场景下提供稳定且精细的抠图效果，适用于高质量视频前景分离任务。
该仓库是一个开源游戏及相关工具的列表项目，收集了处于测试版及以上阶段的1800多款开源游戏、游戏框架和开发工具。提供每个项目的代码仓库、下载方式和编译信息，帮助开发者快速查找和使用开源游戏资源。
这是一个帮助用户在Linux系统上安装和运行Affinity系列设计软件（如Photo、Designer、Publisher等）的工具。它通过Wine兼容层自动配置所需的依赖和优化设置，提供AppImage一键运行和Python图形安装器两种方式，简化在Linux上使用Affinity软件的安装流程。
