Learn Harness Engineering 一个Harness Engineering的教学项目~
这是一门基于项目的课程,教你构建让 AI 编程代理可靠工作的环境、状态管理、验证和控制机制。 课程分为三个部分: 讲座:12 个概念单元,讲解 Harness Engineering 背后的理论。 项目:6 个动手项目,你将从零构建一个代理工作空间。 资源库:可直接使用的模板
github.com/walkinglabs/learn-harness-engineering/这是一门基于项目的课程,教你构建让 AI 编程代理可靠工作的环境、状态管理、验证和控制机制。 课程分为三个部分: 讲座:12 个概念单元,讲解 Harness Engineering 背后的理论。 项目:6 个动手项目,你将从零构建一个代理工作空间。 资源库:可直接使用的模板
github.com/walkinglabs/learn-harness-engineering/1、工程类:核心18个 + 进阶45个 核心 18 个按角色分,每个都有配套脚本: senior-architect:生成 C4/序列/组件架构图,写 ADR,分析依赖关系 senior-frontend:脚手架 React 组件,分析 bundle 体积,Next.js App Router 最佳实践 senior-backend:生成 REST/GraphQL 接口,数据库迁移管
github.com/alirezarezvani/claude-skillsCodex 可以理解成:一个专门帮你写程序、改程序、查 bug、解释代码的 AI 程序员助手。 它不是普通聊天机器人。普通 ChatGPT 更像“给你讲思路的人”,而 Codex 更像“可以直接进入你的代码项目里干活的人”。OpenAI 官方现在把 Codex 定义为用于软件开发的 coding agent,可以帮助写代码、审查代码、修 bug、理解陌生代码,并且可以读、改、运行代码。(
github.com/freestylefly/CodexGuide一份从零开始构建世界级语言模型的指南。作者做这个项目,是为了真正学懂一些自己还没有完全理解的东西,尤其是 attention 部分。我经常用 AI 来理解关键概念,并验证自己的理解。 这是一本包含 12 章、7,500 多行代码的交互式教材,教你如何从零开始构建、训练并运行一个现代语言模型。它使用的架构家族,正是 ChatGPT、Claude、LLaMA 和 Mistral 背后的同类架构。
github.com/raiyanyahya/how-to-train-your-gpt项目叫「AI Engineering from Scratch」,20 个阶段、435 节课、约 320 小时,支持 Python / TypeScript / Rust / Julia 四种语言,MIT 开源免费。 它不是"学完打卡"型课程。每节课结束都要交出一个可复用的产物:一个 prompt、一个 skill、一个 agent、或者一个 MCP server。435 节课结束,你手里有 43
github.com/rohitg00/ai-engineering-from-scratch开源项目 Knowledge Work Plugins 现已上线,专为 Claude Cowork 打造的一套角色插件集。它让 Claude 快速成为产品、销售、客服、财务、数据等多个岗位的专属助手,内置技能、指令和工具连接器,帮助用户完成从任务管理到合同审核的各类专业工作。 项目已在 GitHub 开源,提供 11 款开箱即用的插件,支持通过简单配置接入 Slack、Notion、HubSpo
github.com/anthropics/knowledge-work-pluginsAnthropic Cybersecurity Skills 为 AI 智能体提供 754 条结构化技能,覆盖 26 个安全领域,并与 MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND 及 NIST AI RMF 五大框架一一对应。技能采用 agentskills.io 标准编写,可直接被 Claude Code、GitHub Copilot、Cursor
github.com/mukul975/Anthropic-Cybersecurity-SkillsESPectre 是一款基于 Wi-Fi 信道状态信息(CSI)实现的无接触运动检测系统,无需摄像头或麦克风即可感知人体活动,并通过 ESPHome 原生集成 Home Assistant。 项目仅需一块支持 CSI 的 ESP32 设备(约 10 欧元),结合家中现有的 2.4 GHz 路由器即可工作。系统在设备端完成信号采集与处理,自动选择最优子载波并采用自适应阈值与 Hampel 滤波,在
github.com/francescopace/espectreSANA 是 NVIDIA 推出的高效高分辨率图像与视频生成框架,采用线性注意力 DiT 架构,实现了 4K 图像生成和长视频生成任务的显著加速。相比同类模型,SANA 在保持高质量输出的同时,参数量更小、推理速度更快,可在普通笔记本 GPU 上运行。项目提供完整的训练与推理流水线,支持 Diffusers、ComfyUI、SGLang 等主流生态,适合研究者和开发者快速上手。 主要功能:
github.com/NVlabs/Sana收录了 Continual Learning、PR Review Canvas、Orchestrate 等 10 余款高质量插件,覆盖记忆更新、代码评审、任务编排等场景。每个插件均提供完整 manifest、技能文件与规则配置,开箱即用。 通过 pnpm 安装依赖后即可本地运行,开发者可直接在 Cursor 内加载或二次开发,快速构建个性化工作流。
github.com/cursor/plugins它能识别并清理可预测的短语、句式和节奏,让生成的文字读起来更自然、更像人类写作。 项目包含核心指令、短语库、结构模式和前后对比示例,支持通过 Claude Code、Projects 或 API 系统提示词快速集成。规则覆盖禁用开头句式、强调用语、被动语态、节奏单一等问题,并提供 1-10 分的多维度打分机制,帮助判断文本是否需要重写。 适合需要反复打磨输出的开发者、写作者和内容创作者使用。
github.com/hardikpandya/stop-slop它通过可移植的 SKILL 规则,帮助 AI 生成更具设计感的界面,避免常见的布局、排版、动效和间距问题。 项目提供多套实现技能与图像生成技能,可根据需求单独安装。其中设计技能支持从简报推导设计语言、控制布局方差与动效强度;图像技能则可生成网站与移动端参考图板,方便后续由 Codex、Cursor 或 Claude Code 进行实现。
github.com/Leonxlnx/taste-skill本文带你实现一个很小的 HTTP 文件服务器,带读者比较三种 Linux I/O 写法:同步线程式、epoll 事件式、io_uring 提交/完成式,以及这三种各自的优缺点及适用场景。
theconsensus.dev/p/2026/05/18/serving-files-three-ways.htmlAudioMass 可以让你录音,或使用已有的音频轨道,并通过修剪、剪切、粘贴或应用效果来修改它们;效果范围包括压缩、段落式均衡器、混响、延迟、修复工具、音高/速度曲线以及多轨混音导出。AudioMass 还支持快捷键、离线使用和响应式界面,让快速编辑始终保持高效。它完全使用传统的纯 JavaScript 编写,压缩后小于 100KB,没有后端或框架依赖。
github.com/pkalogiros/audiomass“去除中文写作中的 AI 腔调,让文本像人写的而非模型生成的。覆盖博客、技术文档、推文、发行说明、科学论文等场景。触发词:去 AI 味、改写、润色、审稿、翻译腔重、像人写的、自然一点。” 也有配套英文写作的
github.com/ninehills/public-skills/blob/main/deslop-zh/SKILL.md“选择任意一个游戏引擎,你可能只完成了发布一款游戏所需工具的三分之一。但还有一些元素存在于引擎之外:美术依赖的资源流程、设计师用来构建内容的关卡编辑器、音效团队用来清理音频的工具,等等。 开源项目为这些工作流程以及更多场景提供了工具。 大多数此类开源项目之所以存在,是因为有人认为自己团队最大的难题值得为所有人解决。下面这 10 个工具可以帮助游戏开发者应对常见难题,而且无论你使用 Godot、U
github.blog/open-source/gaming/beyond-the-engine-10-open-source-projects-shaping-how-games-actually-get-made/把一切 GUI 软件变成 CLI,看了眼 stars 已经 39.5K 了(话说 AI 时代涨🌟真是快。),不知道对 Windows 软件的兼容性怎么样?🤔 它的目标是给各种软件自动生成命令行接口,让 AI Agent 减少对截图、鼠标点击和脆弱 GUI 自动化的依赖。目标对象包括 GIMP、Blender、LibreOffice、Obsidian、Godot、n8n、Inkscape、
github.com/HKUDS/CLI-Anything要获得良好性能,需要全面理解底层平台的各个层级,深入洞察当前的计算任务,以及将计算高效映射到机器上所需的独创性和创造力。掌握这些复杂且具有挑战性的主题所带来的回报,是能够以比标准方法快数个数量级的速度和效率处理大量数据,并获得常规方法无法实现的结果。 课程涵盖性能分析、高性能算法技术、指令级优化、缓存优化、并行编程以及构建可扩展系统等主题。2018年的课。供参考。
ocw.mit.edu/courses/6-172-performance-engineering-of-software-systems-fall-2018/pages/lecture-slides/代码太多、依赖太杂,新人上手常常一头雾水。Understand Anything 把任意代码库、知识库或文档转化为可交互的知识图谱,支持探索、搜索和提问,真正做到“用图教代码”。 项目把 Tree-sitter 静态分析与多 Agent LLM 流程结合,自动提取文件、函数、类与依赖关系,生成结构图、领域视图、引导式学习路径,还能做 Diff 影响分析与语义搜索。图谱以 JSON 形式提交仓库,
github.com/Lum1104/Understand-Anything特点是基于实际项目,直接教你用 C 语言构建模拟器、内核、数据库、游戏、编译器、shell 和底层工具等。
github.com/7etsuo/project-based-tutorials-in-c