工具
Mattbusel/llm-bench · CLI that benchmarks LLM APIs: run your prompts concurrently against OpenAI and Anthropic models and compare p50/p99 latency, tokens per second, cost and success rate as a table or JSON.
llm-bench 是一个用 Rust 编写的命令行工具，把同一批提示词并发发送给多个模型（OpenAI、Anthropic，以及 Ollama、vLLM、LM Studio 等 OpenAI 兼容服务），并以表格或 JSON 输出 p50/p99 延迟、每秒 token 数、单次与总成本、成功率等指标，帮助使用者在真实网络和自己提示词条件下比较不同模型的快慢与费用。内置价格表可用 llm-bench models 查看，非流式请求且不单独测量首 token 时间。
展开详情收起详情：llm-bench：并发压测 LLM API 并对比延迟、吞吐与成本⌄
程序员在开发或选型 LLM 应用时，用同一批提示词并发压测多个模型（OpenAI、Anthropic 及 Ollama、vLLM、LM Studio 等 OpenAI 兼容服务），对比 p50/p99 延迟、每秒 token 数、单次与总成本、成功率，从而为项目选择更快或更便宜的模型。
★ 2 · 可直接使用的工具
原文发布：未知收录：2026-09-27
工具
aqasim81/ai-code-review-bot · GitHub App that reviews pull requests using syntax-tree analysis and an LLM, posting inline comments on changed lines. TypeScript, Next.js, BullMQ, PostgreSQL.
ai-code-review-bot 是一个 GitHub App，通过 tree-sitter 语法树分析与 LLM 代码审查自动审阅拉取请求，并在变更行上以内联评论形式给出严重程度、分类和修复建议。项目支持增量审查（仅审查上次审查提交之后的改动）、BullMQ 后台任务队列与重试、OAuth 保护的管理面板，以及按仓库配置启用的检查类别、最低严重程度、排除路径和自定义审查指令。
展开详情收起详情：ai-code-review-bot：基于 AST 与 LLM 自动审查 GitHub 拉取请求⌄
程序员作为 GitHub App 自动审查拉取请求：通过 tree-sitter 语法树分析与 LLM 代码审查，在变更行上以内联评论形式给出严重程度、分类和修复建议，并支持增量审查、按仓库配置检查类别、最低严重程度、排除路径和自定义审查指令。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-27
工具
abhixw/Recruvoskill · Recruvoskill is an AI-native hiring platform that evaluates candidates using real work evidence from GitHub and competitive programming. It extracts technical signals, scores candidates against job tasks with explainable reasons, and lets recruiters make Advance/Reject decisions.
Recruvoskill 是一个 AI 原生招聘平台，用求职者在 GitHub 仓库与编程竞赛中的真实工作证据代替简历进行评估。它通过 GitHub REST API 提取测试、CI/CD、部署配置、Web 框架等信号，并整合 Codeforces 与 LeetCode 的解题数据归一化为 dsa_proficiency 分数，再由基于规则的确定性评分引擎把职位任务与信号匹配打分并给出可解释理由。生成式 AI（Groq 的 openai/gpt-oss-120b）仅用于把职位描述拆解为可验证任务、以及根据真实任务分数草拟候选人反馈。招聘者可在候选名单上做 Advance/Reject 决策并附带反馈，候选人只看到决策与反馈、看不到原始分数。
展开详情收起详情：Recruvoskill：基于 GitHub 与编程竞赛证据的 AI 招聘评估平台⌄
HR招聘者可用该平台创建基于成果的职位发布，由 AI 将职位描述拆解为可验证任务，自动对候选人 GitHub 仓库和编程竞赛数据进行评分，查看逐任务得分与理由，并做出 Advance/Reject 决策及发送反馈。
★ 1 · 可直接使用的工具
原文发布：未知收录：2026-09-27
工具
faizkhairi/ai-code-reviewer · AI code reviewer with streaming output: bring your own OpenAI or Anthropic key, 4 review types, 19 languages
AI Code Reviewer 是一个可自行提供 OpenAI 或 Anthropic API key 的 AI 代码审查工具，支持 GPT-4o 与 Claude Sonnet 之间的切换，提供通用、安全、性能、缺陷检测四种审查类型，覆盖 19 种编程语言，并以流式输出配合 markdown 渲染实时展示逐条审查意见。项目基于 Next.js 16 与 Vercel AI SDK 构建，支持语法高亮和最近 50 条审查记录的本地历史保存，同时包含 GitHub App PR 审查任务与演示模式。
展开详情收起详情：AI Code Reviewer：基于 OpenAI/Anthropic 的流式 AI 代码审查工具⌄
程序员程序员可将该工具用于代码审查：在 OpenAI GPT-4o 与 Claude Sonnet 之间切换，选择通用、安全、性能或缺陷检测四种审查类型，覆盖 19 种编程语言，并以流式输出实时查看逐条审查意见；也可通过 GitHub App PR 审查任务对拉取请求进行审查。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-27
工具
ShrutiShahi18/PitchPilot · AI-powered recruiter outreach platform with personalized email generation, Gmail integration, scheduling, response tracking, and follow-up automation.
PitchPilot 是一个全栈的 AI 冷邮件外联工具，面向求职/招聘场景，把外联流程中的多个环节连接起来：用户可创建线索（leads）和活动（campaigns），结合职位描述与 LinkedIn 信息由 AI 生成个性化邮件草稿，通过 Gmail OAuth2 发送并记录发送事件，同步近期回复，并借助 Cron 定时执行跟进序列。后端基于 Node.js/Express 与 MongoDB，前端为 React + Vite，支持 OpenAI、OpenRouter、Gemini 三种 AI 提供方（通过 AI_PROVIDER 切换）。项目读取中说明其仍处于功能可用但未完全生产化的阶段，Gmail/AI 凭证的界面化配置被列为未来功能。
展开详情收起详情：PitchPilot：AI 驱动的招聘冷邮件外联与跟进平台⌄
HRHR 可以使用 PitchPilot 创建招聘线索和活动，结合职位描述与 LinkedIn 信息由 AI 生成个性化招聘冷邮件草稿，通过 Gmail 发送并记录发送事件，同步近期回复，并借助 Cron 定时执行跟进序列，从而组织招聘外联流程。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-27
工具
spring-projects/spring-ai · An Application Framework for AI Engineering
Spring AI 为 Java/Spring 生态提供了一套 Spring 友好的 API 与抽象，用于开发 AI 应用。它将 Spring 的可移植性和模块化设计原则引入 AI 领域，核心目标是连接企业数据与 API 同 AI 模型。框架支持多家主流 AI 模型提供商（Anthropic、OpenAI、Amazon Bedrock、Google、Ollama、Mistral AI、DeepSeek 等）及多种模型类型（对话、嵌入、文生图、音频转录、文本转语音、内容审核），提供可移植的同步与流式 API、结构化输出、向量存储集成、工具调用、可观测性、ETL 文档注入管道、模型评估、ChatClient 与 Advisors API、MCP 支持、对话记忆与 RAG，以及 Spring Boot 自动配置和 Starters。
展开详情收起详情：Spring AI：面向 AI 工程开发的 Spring 风格应用框架⌄
程序员在 Java/Spring 项目中开发 AI 应用：使用 Spring 风格的 API 与抽象连接企业数据/API 与 AI 模型，调用多家模型提供商的对话、嵌入、文生图、音频转录、文本转语音、内容审核等能力，并实现结构化输出、工具调用、向量存储集成、RAG、对话记忆、可观测性、模型评估以及 MCP 支持。
★ 9484 · 开发框架
原文发布：未知收录：2026-09-27
工具
modelcontextprotocol/java-sdk · The official Java SDK for Model Context Protocol servers and clients. Maintained in collaboration with Spring AI
这是 Model Context Protocol（MCP）的官方 Java SDK，由官方与 Spring AI 协作维护，用于让 Java 应用通过标准化接口与 AI 模型和工具交互。它同时支持客户端和服务器两种角色，涵盖同步与异步通信模式，核心模块包含 STDIO、JDK HttpClient 与 Servlet 传输，并提供可插拔的 JSON 序列化实现。
展开详情收起详情：MCP Java SDK：为 Java 应用提供 Model Context Protocol 的官方客户端与服务器 SDK⌄
程序员Java 程序员可以使用该 SDK 在 Java 应用中集成 MCP 客户端或服务器，通过标准化接口与 AI 模型和工具交互，支持同步与异步通信模式，并利用 STDIO、JDK HttpClient 与 Servlet 传输以及可插拔的 JSON 序列化实现来构建 AI 集成功能。
★ 3712 · 开发框架
原文发布：未知收录：2026-09-27
工具
spring-ai-community/spring-ai-agentcore · Spring Boot integrations for Amazon Bedrock AgentCore
一个开源 Java 库，通过注解、自动配置和可组合的 advisor 等 Spring 风格模式，把 Amazon Bedrock AgentCore 的能力引入 Spring AI。提供 Runtime Starter（自动配置 /invocations 与 /ping 端点、SSE 流式、健康检查、限流）、Identity（工作负载令牌、API Key、OAuth 2.0 凭证与响应式传播）、Memory（短期与长期记忆）、Browser（基于 Playwright 的网页导航、内容提取、截图、表单交互）、Code Interpreter（安全的 Python/JavaScript/TypeScript 执行与文件获取）、Artifact Store（会话级、基于 TTL 的生成文件存储）、Common 与 BOM 等模块，并附带多个示例与 Terraform 基础设施即代码，支持部署到 AgentCore Runtime 或独立运行。
展开详情收起详情：Spring AI AgentCore SDK：将 Amazon Bedrock AgentCore 能力集成到 Spring AI⌄
程序员在 Java/Spring Boot 项目中集成 Amazon Bedrock AgentCore 能力，构建具备流式响应、会话记忆、网页浏览和代码执行能力的 AI Agent，并部署到 AgentCore Runtime 或独立运行。
★ 65 · 开发框架
原文发布：未知收录：2026-09-27
工具
spring-ai-community/spring-ai-session · Structured, event-sourced conversation memory layer for Spring AI applications.
Spring AI Session 是一个 Spring AI 库，为 AI 应用提供结构化、事件溯源的会话管理能力。它把每条消息建模为带身份、时间戳、会话归属和可选分支标签的 SessionEvent，支持在历史过长时按轮次边界触发上下文压缩（compaction），并通过 SessionRepository SPI 在内存、JDBC（PostgreSQL、MySQL、MariaDB、H2）等后端之间切换。配合 SessionMemoryAdvisor 接入 ChatClient 后，调用会自动加载历史、追加消息并在需要时压缩，还包含事件过滤、多智能体分支隔离与跨会话召回等文档主题。
展开详情收起详情：Spring AI Session：为 Spring AI 应用提供事件溯源式会话记忆与上下文压缩⌄
程序员在开发 Spring AI 应用时，使用该库为 AI 应用提供结构化、事件溯源的会话管理能力，把每条消息建模为带身份、时间戳、会话归属和可选分支标签的 SessionEvent，并在历史过长时按轮次边界触发上下文压缩；通过 SessionRepository SPI 在内存、JDBC（PostgreSQL、MySQL、MariaDB、H2）等后端之间切换，配合 SessionMemoryAdvisor 接入 ChatClient 后自动加载历史、追加消息并在需要时压缩。
★ 46 · 开发框架
原文发布：未知收录：2026-09-27
工具
spring-ai-community/mcp-security · Spring Security Configuration for MCP
该项目是 Spring AI 社区维护的 MCP（Model Context Protocol）安全组件，为 MCP 服务端、MCP 客户端和 Spring Authorization Server 提供授权支持。它支持用 OAuth 2.0 保护 MCP 服务器、配置 MCP 客户端的 OAuth 2.0 授权流程、搭建面向 MCP 工作流的授权服务器，并实现对 MCP 工具与资源的细粒度访问控制；同时提供 API-key 认证和 Origin 校验（防 DNS 重绑定）。
展开详情收起详情：mcp-security：为 Spring AI 的 MCP 服务端、客户端与授权服务器提供 OAuth 2.0 安全授权支持⌄
程序员为基于 Spring AI 的 MCP 服务端、客户端和授权服务器提供 OAuth 2.0 安全授权支持，包括用 OAuth 2.0 保护 MCP 服务器、配置 MCP 客户端的 OAuth 2.0 授权流程、搭建面向 MCP 工作流的授权服务器，并实现对 MCP 工具与资源的细粒度访问控制；同时提供 API-key 认证和 Origin 校验（防 DNS 重绑定）。
★ 115 · 开发框架
原文发布：未知收录：2026-09-27
工具
notagentdev/maxtoken · Serve MoE models bigger than your memory on Apple silicon. MLX engine with elastic SSD-backed expert offload, native MTP speculative decoding, OpenAI/Anthropic-compatible APIs and a built-in web console.
MaxToken 是 FlashML FreeToken 的独立分支，把面向边缘的 MoE 推理引擎改造成 Apple silicon 优先的运行时，目标是“用最少内存产出最多 token”。它基于 MLX 执行，只保留稠密核心常驻内存，把路由专家放到由 SSD 直接读取驱动的弹性、硬预算槽位缓存中；当模型可容纳时则使用零拷贝内存映射存储以常驻内核速度运行。项目提供 OpenAI 与 Anthropic 兼容 API（Claude Code、Codex 可直接对接）以及内置单文件 Web 控制台（聊天、实时吞吐、请求日志、弹性缓存滑块），并支持原生 MTP 投机解码与草稿模型投机解码。仅在 Apple silicon（macOS、Metal）上运行，0.0.1 起移除了上游 CUDA 引擎。
展开详情收起详情：MaxToken：在 Apple silicon 上以有限内存服务大型 MoE 模型⌄
程序员在 Apple silicon Mac 上本地部署并服务大型 MoE 编码模型（如 Qwen3-Coder-Next-80B），通过 OpenAI/Anthropic 兼容 API 直接对接 Claude Code、Codex 等编码代理，用于代码编写与辅助开发；内置 Web 控制台可查看聊天、实时吞吐和请求日志。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-26
工具
nhvang/kubeflow-python-orchestrator · Kubeflow Python SDK 2026: Run AI Workloads on Kubernetes Seamlessly
KubeMind SDK 自称是面向 Kubernetes 上 AI 工作负载的“认知结构”Python SDK，提供语义化流水线构建、预测式自动扩缩、基于概率依赖图的自愈能力、PyTorch/TensorFlow/JAX/ONNX 多框架运行时统一封装、因果时间线可观测性、Web 仪表盘、多语言错误提示与零信任安全壳等功能，并提供 gRPC/GraphQL/WebSocket 桥接以便非 Python 服务接入。README 中的性能数字与预测准确率均属其自述基准，未提供可核验材料。
展开详情收起详情：KubeMind SDK：在 Kubernetes 上编排、推理与自愈 AI 工作负载的 Python SDK⌄
程序员程序员可用该 Python SDK 在 Kubernetes 上编排 AI 工作负载：通过语义化流水线构建器用 Python 代码定义训练/部署步骤，SDK 将其转换为优化的 K8s 清单；统一封装 PyTorch、TensorFlow、JAX、ONNX 运行时；提供预测式自动扩缩、基于概率依赖图的自愈、因果时间线可观测性以及 gRPC/GraphQL/WebSocket 桥接供非 Python 服务接入。
★ 0 · 开发框架
原文发布：未知收录：2026-09-26
工具
NicolasRocchia/disensor · Adversarial AI code review that declares what the round could not close. Python CLI + GitHub Action, MIT.
disensor 是一个 Python CLI 与 GitHub Action，用于实现“受控分歧”（controlled disagreement）方法的对抗式跨模型 AI 代码审查：一个模型生成、另一模型族攻击、生成方逐条核验，循环以每条发现被解决、以证据反驳或升级给人收尾。其核心产物是 JSON 残留声明（residue declaration），记录每轮审查事件如何结束，包括各发现的终结状态以及本轮无法自行闭合、需依赖人判断的“残留”，并配套 JSON Schema（residue/v0.4）、校验规则 R0–R13、CI 门禁检查 G1–G9、PR 评论渲染、自包含 HTML 残留报告、仓库脚手架与填充指南。工具提供 round 编排、reviewer 注册与离线探测、prompt 与 pack 打包、validate 与 gate 本地复现 CI 判定等子命令。
展开详情收起详情：disensor：对抗式跨模型 AI 代码审查与残留声明的 CLI 与 CI 门禁⌄
程序员在代码审查流程中，使用 disensor 的 CLI 与 GitHub Action 进行对抗式跨模型 AI 代码审查：一个模型生成、另一模型族攻击、生成方逐条核验，并生成 JSON 残留声明记录每条发现的终结状态与需人工判断的残留；通过 validate 与 gate 子命令在本地复现 CI 判定，并在 PR 中由 CI 门禁校验声明。
★ 4 · 可直接使用的工具
原文发布：未知收录：2026-09-26
工具
mfanafuthimhlanga/wchats · Multi-tenant platform for deploying customer-service and transactional AI agents in four steps: create, configure, test, deploy. Layout-aware ingestion, hybrid retrieval (pgvector + BM25 + RRF + reranking), a four-node validation chain, Ragas evals and adversarial red-teaming gate every release. Nothing reaches a customer unverified.
W Chats 是一个多租户平台，让非技术型商家通过四步流程（创建、配置、测试、部署）上线客服与交易型 AI Agent。它提供结构感知的文档摄入、pgvector + BM25 混合检索与重排、四节点验证链、基于 Ragas 的评测与对抗式红队测试，并把这些结果作为部署门禁，未通过验证的 Agent 无法面向客户。支持控制台操作与 REST + SSE API 编程调用两种方式，还包含退款、下单等交易能力的能力信封、幂等执行、身份验证与审计。
展开详情收起详情：W Chats：面向中小企业客服与交易型 AI Agent 的多租户部署平台⌄
程序员作为可复用的多租户 AI Agent 部署平台代码库，程序员可参考其 FastAPI + Celery 架构、混合检索（pgvector + BM25 + RRF + 重排）实现、四节点验证链、Ragas 评测与红队测试门禁，以及带幂等执行和审计的交易型工具契约，用于构建或审查类似的客服/交易型 Agent 系统。
产品经理产品经理可参考该平台面向非技术商家、以创建-配置-测试-部署四步流程上线客服与交易型 AI Agent 的产品设计，以及将评测和红队结果作为部署门禁而非仪表盘展示的机制，用于设计 AI Agent 产品的上线流程与质量门禁。
★ 0 · 开发框架
原文发布：未知收录：2026-09-26
工具
AndreasDeveloperCS/Talemistry · Full Cycle Recruitment Ecosystem powered by AI
Talemistry 是一套由 AI 驱动的全周期招聘生态系统，覆盖 Discover、Attract、Understand、Match、Evaluate、Decide、Offer 七个旅程阶段。项目由三个协同应用组成：Next.js 16 主产品界面（含分析、职位、Kanban 招聘管道、候选人智能画像、WebRTC 面试、测评、决策、Offer 与 GDPR/偏见合规中心）、Angular 18 品牌镜像界面，以及 NestJS + MongoDB 后端（REST + Socket.IO + WebRTC 信令），三端共享同一领域模型与品牌体系。
展开详情收起详情：Talemistry：覆盖全招聘周期的人才招募平台⌄
程序员可作为全栈 TypeScript 招聘系统参考实现，包含 Next.js 16 前端、Angular 18 镜像界面、NestJS + MongoDB 后端，以及 Socket.IO 实时网关和 WebRTC 信令。
HR作为覆盖 Discover 到 Offer 七个阶段的全周期招聘平台，可用于招聘管道管理（Kanban）、候选人智能画像、WebRTC 面试与评分卡、测评、决策与 Offer 管理，以及 GDPR/偏见合规中心。
★ 0 · 开发框架
原文发布：未知收录：2026-09-26
工具
DvitGohil/AI-Recruit-Talent-manage-Copliot · An AI-powered Recruitment & Talent Management Copilot built using Flask, MongoDB, NLP, and Machine Learning for automated resume parsing, candidate profiling, semantic job matching, skill gap analysis, interview assistance, and recruitment analytics.
该项目是一个 AI 招聘与人才管理平台，使用 Flask、FastAPI、MongoDB、NLP 和机器学习技术，覆盖自动简历解析、候选人画像、语义职位匹配、技能差距分析、候选人排名、AI 语音面试和招聘分析等招聘全流程。平台抽象了 Google Gemini、OpenAI、Groq 等 LLM 提供方，并提供角色权限登录、ATS 管道同步和 REST API。
展开详情收起详情：AI-Recruit-Talent-manage-Copliot：基于 LLM 与 NLP 的招聘与人才管理 Copilot⌄
程序员程序员可参考该项目的 Flask、FastAPI、MongoDB、NLP 和机器学习集成，用于构建招聘与人才管理相关的 AI 应用。
HRHR 可使用该平台自动解析简历、进行语义职位匹配、技能差距分析、候选人排名、AI 语音面试和招聘分析，覆盖招聘全流程。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-26
工具
RudrenduPaul/agent-eval · Statistical regression testing for LLM agents: p-value, effect size, and 95% CI on real behavior shifts vs. noise.
Agent Evaluation 对 LLM Agent 的两个版本各运行多次，通过 Mann-Whitney U 检验、Cohen's d 效应量和 Bootstrap 95% 置信区间，判断行为变化是真实回归还是 LLM 运行噪声。项目提供 agent-regress CLI、Python API、MCP 服务器以及可用于 CI 的回归门控（RegressionGate、assert_stable），支持接入 LangGraph、CrewAI、OpenAI Agents SDK 等 Agent 框架，Apache 2.0 许可，可自托管。
展开详情收起详情：Agent Evaluation：面向 LLM Agent 的统计回归测试工具⌄
程序员在 CI 中对 LLM Agent 的两个版本各运行多次，用 Mann-Whitney U 检验、Cohen's d 效应量和 Bootstrap 95% 置信区间判断行为变化是真实回归还是运行噪声，并通过 RegressionGate、assert_stable 或 --fail-on-regression 在检测到回归时阻断构建。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-26
工具
wboudiche/recruiter-agent · AI-assisted sourcing tool: multi-tier LinkedIn extraction + recruiter agent
recruiter-agent 是面向个人招聘者和小型团队的 AI 辅助候选人搜寻工具。它支持从 LinkedIn、GitHub、个人网站、CV 文件或粘贴文本添加候选人，经 LLM 结构化抽取、公开来源信息补充后，按职位加权标准进行 0-100 分评分，并通过看板管理候选人从抽取、评分、验证到邀约、安排面试的全流程。系统还内置带 11 个工具的对话式招聘 Agent，可查询职位与申请、搜索看板、起草和发送邀约、拒绝或验证候选人等，可逆操作支持撤销。所有组件通过 Docker 在本地运行，使用自有 LLM 与 API 密钥。
展开详情收起详情：recruiter-agent：本地部署的 AI 辅助招聘候选人搜寻与评分系统⌄
HR用于招聘候选人搜寻与评分：从 LinkedIn、GitHub、个人网站、CV 文件或粘贴文本添加候选人，经 LLM 结构化抽取与公开来源信息补充后，按职位加权标准进行 0-100 分评分，并通过看板管理候选人从抽取、评分、验证到邀约、安排面试的全流程；还可使用对话式招聘 Agent 查询职位与申请、搜索看板、起草和发送邀约、拒绝或验证候选人。
★ 2 · 可直接使用的工具
原文发布：未知收录：2026-09-26
工具
s4nkar/JobNok-ai-job-search-automation-platform · AI-powered job search automation platform for resume tailoring, recruiter outreach, LinkedIn personalization, application tracking, and interview preparation.
JobNok 是一个 AI 驱动的求职自动化平台，将求职过程中重复性环节集中到一处，包含 11 个工具：近期职位搜索、可复用消息模板、LinkedIn 资料自动填充、简历定制（ATS 匹配评分与要点改写）、求职信生成、面试准备（STAR 问答）、跟进追踪、初创公司发现与线索挖掘、薪资调研以及批量邮件发送。架构上采用 Next.js 前端加 FastAPI 后端，AI 生成使用 Groq/Cerebras/HuggingFace 回退链，嵌入向量使用 Jina/Cohere，数据存储于 Supabase 托管的 PostgreSQL，并通过 Clerk、Redis、Cloudinary、Resend 等服务集成。
展开详情收起详情：JobNok：AI 驱动的求职自动化平台⌄
HRHR 可使用该平台的简历定制、求职信生成、面试准备（STAR 问答）、跟进追踪和批量邮件发送等工具，辅助招聘过程中的候选人沟通与面试准备。
★ 3 · 可直接使用的工具
原文发布：未知收录：2026-09-26
工具
jeremylongshore/pr-to-prompt · Convert GitHub PRs into structured, reviewable prompt-spec artifacts for AI-assisted code review and regeneration
pr-to-spec（仓库名 pr-to-prompt）是一个 TypeScript 编写的 CLI 与 MCP 服务器工具，可将 GitHub PR、本地分支或暂存改动转换为结构化的 prompt-spec 规格，并支持意图声明与漂移检测（scope_creep、forbidden_touch、risk_escalation、type_mismatch 等信号）。规格生成以确定性启发式规则为主，不执行代码，输出 YAML/Markdown/JSON 及带退出码的 Agent 协议信封，便于管道化交给 AI Agent 做代码审查或重新生成；同时提供 GitHub Action 与 Claude Code、Cursor、Windsurf 等 IDE 的插件集成。
展开详情收起详情：pr-to-spec：把 GitHub PR 与本地代码变更转换为结构化、可供 AI 审查的提示规格⌄
程序员将 GitHub PR、本地分支或暂存改动转换为结构化 prompt-spec，供 AI Agent 做代码审查或重新生成；通过意图声明与漂移检测（scope_creep、forbidden_touch、risk_escalation、type_mismatch 等）辅助代码审查与风险识别。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-09-26