Skip to main content
热门资源汇总热门资源汇总

热门资源汇总

#MemPalace #Python #TGAgent

MemPalace 是一个本地优先的开源 AI 记忆系统，通过逐字存储对话历史并结合语义搜索实现精准检索，避免了传统方案中摘要或改写导致的信息失真。该项目基于 Python 开发，采用可插拔的后端架构（默认使用 ChromaDB），将记忆结构化为层级索引，支持在无需外部 API 调用的情况下实现高准确率的上下文召回。

https://github.com/MemPalace/mempalace

📡 来源：@shenzjd_com

#星球屋 #社区论坛 #TGAgent

星球屋是一个面向年轻人的轻量级社区平台。用户可以在上面记录生活动态，并基于兴趣匹配结识其他用户，整体定位偏向私人记录与同好交流。

https://xingqiuwu.com

📡 来源：@shenzjd_com
Xingqiuwu
星球屋 - 寻找同频磁场的星际自留地，浩瀚宇宙总有你的位置
星球屋(xingqiuwu.com)是一个专为年轻人打造的虚拟家园与精神自留地。在这里，你可以认领专属的星球小屋，放下现实的疲惫，记录生活碎片，倾听深夜树洞，结识同频的星际邻居。浩瀚宇宙，星河璀璨，总有一处温暖角落为你亮着灯。

#Wanwu万物 #RSS订阅 #TGAgent

万物（Wanwu）是一款桌面端应用，主要用于分类浏览、收藏和阅读各类信息事物。它集成了便笺、图鉴、RSS订阅和流程图等多个功能模块，适合将碎片化信息进行结构化整理与归档。

https://github.com/MonoKelvin/Wanwu

📡 来源：@shenzjd_com
GitHub
GitHub - MonoKelvin/Wanwu: 万物（Wanwu）是一款用来分类浏览、收藏和阅读各类「事物」的桌面应用软件
GitHub - MonoKelvin/Wanwu: 万物（Wanwu）是一款用来分类浏览、收藏和阅读各类「事物」的桌面应用软件
万物（Wanwu）是一款用来分类浏览、收藏和阅读各类「事物」的桌面应用软件. Contribute to MonoKelvin/Wanwu development by creating an account on GitHub.

#last30days #Python #Agent #CLI #TGAgent

last30days-skill 是一个基于 Python 的 AI Agent 技能，能够并行检索 Reddit、X、YouTube、HN 等多平台近 30 天的话题数据，并根据真实用户的点赞、互动及资金投注进行评分。它区别于依赖编辑推荐的常规搜索引擎，由 AI 评判并综合生成一份基于事实的摘要报告。该工具支持零配置，可快速集成到 Claude Code、Cursor 等 50 余种主流 AI 编码工具中使用。

https://github.com/mvanhorn/last30days-skill

📡 来源：@shenzjd_com
GitHub
GitHub - mvanhorn/last30days-skill: AI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the…
GitHub - mvanhorn/last30days-skill: AI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the…
AI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the web - then synthesizes a grounded summary - mvanhorn/last30days-skill

#CopilotKit #TypeScript #TGAgent

CopilotKit 是一个用于构建 AI 原生应用的前端工具栈，主要解决将 AI Agent 和生成式 UI 无缝集成到前端界面的问题。它基于 TypeScript 开发，支持 React、Angular、Vue 等主流框架，提供了共享状态管理和“人在回路”工作流等核心功能。该项目也是 AG-UI 协议的制定者，旨在帮助开发者在各类终端上快速构建具备复杂交互能力的智能应用。

https://github.com/CopilotKit/CopilotKit

📡 来源：@shenzjd_com
GitHub
GitHub - CopilotKit/CopilotKit: The Frontend Stack for Agents & Generative UI. React, Angular, Mobile, Slack, and more. Makers…
GitHub - CopilotKit/CopilotKit: The Frontend Stack for Agents & Generative UI. React, Angular, Mobile, Slack, and more. Makers…
The Frontend Stack for Agents & Generative UI. React, Angular, Mobile, Slack, and more. Makers of the AG-UI Protocol - CopilotKit/CopilotKit

#LRC #永久记忆 #TGAgent

LRC 是一个开源项目，旨在为 AI 提供永久记忆能力。它将 AI 记忆的存储方式从传统的“容器”模式转变为“场”模式，实现了一种范式层面的迁移。

https://github.com/zhibaiYingChuan/LRC

📡 来源：@shenzjd_com
GitHub
GitHub - zhibaiYingChuan/LRC: 为 AI 记忆提供了一种从“容器”到“场”的范式迁移，实现永久记忆。
GitHub - zhibaiYingChuan/LRC: 为 AI 记忆提供了一种从“容器”到“场”的范式迁移，实现永久记忆。
为 AI 记忆提供了一种从“容器”到“场”的范式迁移，实现永久记忆。. Contribute to zhibaiYingChuan/LRC development by creating an account on GitHub.

#Songloft #TGAgent

Songloft 是一个基于 Go 语言编写的自托管个人音乐服务器，单文件部署且运行内存仅需 10MB。它采用 Flutter 构建了覆盖六端的客户端，支持主流音频格式解析、QuickJS 沙箱插件扩展、网络歌曲离线下载，并提供完整的 REST API 方便集成与二次开发。

https://songloft.hanxi.cc

📡 来源：@shenzjd_com
songloft.hanxi.cc
Songloft - 自托管个人音乐服务器
简单、自由、插件化的个人音乐服务器，支持 JS 插件扩展

#TGAgent

这是一个开源项目，旨在通过特定的规则或提示词提升AI生成文本的质量，减少平庸和同质化的内容。它的特点是直接干预AI的输出风格，使其避免使用通用套话，生成更有“品味”的文字。

https://github.com/Leonxlnx/taste-skill

📡 来源：@shenzjd_com
GitHub
GitHub - Leonxlnx/taste-skill: Taste-Skill - gives your AI good taste. stops the AI from generating boring, generic slop
GitHub - Leonxlnx/taste-skill: Taste-Skill - gives your AI good taste. stops the AI from generating boring, generic slop
Taste-Skill - gives your AI good taste. stops the AI from generating boring, generic slop - Leonxlnx/taste-skill

#React #TGAgent

这是一个用于检测React代码质量问题的工具，主要定位是捕获AI智能体生成的低质量或不符合规范的React代码。它可以集成到开发工作流中，帮助开发者识别并纠正代码中的反模式。

https://github.com/millionco/react-doctor

📡 来源：@shenzjd_com
GitHub
GitHub - millionco/react-doctor: Your agent writes bad React. This catches it
GitHub - millionco/react-doctor: Your agent writes bad React. This catches it
Your agent writes bad React. This catches it. Contribute to millionco/react-doctor development by creating an account on GitHub.

我用多个 Agent 从头干到尾，AI 干得更好了。

一开始我用 Claude 做项目，基本还是一个窗口干到底。
我会丢一个比较大的目标，比如：

帮我优化首页性能。

然后让它自己查代码、自己改文件、自己跑测试、自己总结。

前半段经常还挺顺。但任务一长，就开始有点乱。

它前面看过什么文件，后面不一定记得清。哪些判断只是猜测，哪些已经验证过，也会混在一起。

最麻烦的是，聊天记录越来越长，日志、报错、diff、临时想法全挤在一个上下文里。

后来我发现，不是 Agent 不能做长任务，是我一直让它用一个脑子同时做三件事：探索、执行、审查。
现在我更常用的是把一个复杂任务拆成几个角色，让每个 Agent 只干一件事。
举个最实际的。

我要优化一个前端页面，不会直接让一个 Agent 从头改到尾。我会先开一个 Explorer，只让它读代码，不准改文件。

我会这样写：


只读代码，不要修改文件。
找出首页首屏性能相关的组件、请求链路和可能瓶颈。
最后写入 PLAN.md，并给出 3-5 个可执行的小任务。


这一步的目标是产出一张地图。

它要告诉我：相关文件有哪些，调用链大概是什么，哪些地方可能有风险，下一步应该从哪里开始。

然后我再开 Worker。

Worker 不重新探索整个项目，只读 PLAN.md 和 `TODO.md`，然后执行下一个小任务。

提示词大概是：


先读取 PLAN.md 和 TODO.md。
只执行下一个未完成任务。
完成后更新 TODO.md 和 PROGRESS.md。
不要顺手做额外优化。

很多 Agent 跑偏，
看到一个命名不舒服，顺手改一下。
最后本来只是优化首屏，变成半个页面重写。

所以我现在会给它很明确的边界：它负责什么，不能碰什么，最后交付什么。

每个窗口都是一个独立任务。

不要让它们抢同一个目录，也不要让它们同时改同一批文件。

最后再开一个 Reviewer，只看本轮 diff。

Reviewer 不继续加功能，不继续优化，只回答几个问题：


这次改动是否符合 PLAN.md？
有没有过度修改？
有没有验证方式？
还有哪些风险？


这样做以后，整个过程会稳定很多。
因为每个 Agent 的脑子都很干净。

Explorer 只探索。

Worker 只执行。

Reviewer 只审查。

而 PLAN.md`、`TODO.md`、`PROGRESS.md 就像接力棒。

以前是我一个人排队问 AI。

现在更像是我开了几个小工位：有人摸清地图，有人改代码，有人看风险。
↑