工具与职业用途,一起找

AI 资源库

统一浏览 AI 工具、Agent Skills、提示词、工作流与开源项目,按职业和用途找到工作中用得上的资源。

资源与用法

572 份资源

AI Code Quality Auditor:审计 AI 编码智能体是否按规格交付代码并衡量代码质量

dominicrume/ai-code-quality-auditor · An empirical safety harness for agentic AI coding systems: measures whether an AI agent built what the specification asked for, not just whether the code runs. Pre-registered, blinded, open data.

该项目是一个面向智能体式 AI 编码工作流的实证测量与审计工具。它从需求文档、README、包描述或 feat: 提交中提取规格并写入 .auditor/spec.yaml,然后逐项核对代码是否实现了所要求的功能(规格保真度,区分已交付、缺失、存在但不可达以及未被要求的内容),同时报告安全漏洞密度、圈复杂度、重复代码和返工等常规指标。它还支持在同一规格下对比人工基线与多个商业智能体工具的工作流,输出 CSV/JSON 供统计比较,并通过 CI 集成或本地仪表盘展示结果。项目带有学术研究背景(MSc 论文实验工具)与公开数据,也明确披露了自身的误报和方法学限制。

展开详情收起详情:AI Code Quality Auditor:审计 AI 编码智能体是否按规格交付代码并衡量代码质量

程序员审计 AI 编码智能体交付的代码:从需求文档、README、包描述或 feat: 提交中提取规格,逐项核对功能是否已交付、缺失或存在但不可达,并报告安全漏洞密度、圈复杂度、重复代码和返工等指标;可通过 CI 集成或本地仪表盘展示结果,用于代码审查与质量把关。

★ 1 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

MultiLangBench:多语言语言模型 SQLite 实现能力评测基准

openai/MultiLangBench · An eval based on SQLite that benchmarks language models in multiple languages.

MultiLangBench 是 OpenAI 发布的评测项目,要求语言模型依据 SQLite 3.40.1 文档,用指定编程语言实现一个 SQLite 兼容程序,并通过由 TCL 测试转换而来的测试套件进行验证。测试由初始数据库、用户查询和校验查询三部分组成,评分以(API 成本、测试通过率)二元组表示;完整测试共 24k 条,README 建议先运行以 00、01、02 开头的 272 条测试。

展开详情收起详情:MultiLangBench:多语言语言模型 SQLite 实现能力评测基准

程序员用于评测语言模型依据 SQLite 3.40.1 文档、用指定编程语言实现 SQLite 兼容程序的能力,并通过由 TCL 测试转换而来的测试套件验证实现正确性;评分以(API 成本、测试通过率)二元组表示。

★ 32 · 开发框架

☆ 收藏GitHub查看项目 ↗

PMFlow MCP:面向 AI Agent 的产品需求文档生成与 BDD 用户故事校验工具

johannschiffer/pmflow-mcp · Autonomous Product Management Workflow, PRD Engine & BDD User Story Governance Plane for AI Agents (Claude Desktop, Cursor)

PMFlow MCP(Lite)是一个以 MCP 服务器和命令行工具形式提供的产品管理辅助工具,可让 Claude Desktop、Cursor 等 AI Agent 具备类似高级技术产品经理的能力。它能够生成包含 MoSCoW 优先级、功能需求、技术约束、风险与 KPI 的结构化 PRD,将需求拆解为“As a…I want…so that…”格式的用户故事并估算故事点,校验 Given/When/Then 验收标准、标记“fast”“intuitive”等模糊措辞并给出 0-100 可测试性评分,还可将规格导出为可提交的 Markdown 文档。

展开详情收起详情:PMFlow MCP:面向 AI Agent 的产品需求文档生成与 BDD 用户故事校验工具

程序员程序员可借助该工具把需求整理为可测试的 BDD 验收标准并校验 Given/When/Then 语法,导出可提交到仓库的 Markdown 规格文档,用于开发前的需求澄清与测试依据。

产品经理产品经理可用该 MCP 服务器或 CLI 生成结构化 PRD(含 MoSCoW 优先级、功能需求、技术约束、风险与 KPI),把需求拆解为带故事点的用户故事,并校验 Given/When/Then 验收标准、标记模糊措辞并给出可测试性评分,最后导出 Markdown 规格文档。

★ 0 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

MergeJudge:基于 AI 的 GitHub 拉取请求自动审查与分流工具

gauravsharmaGG/mergejudge-runner · MergeJudge AI Code Review: open-source GitHub Action and runner for AI pull request review that learns your repo's rules. Bring your own AI key.

MergeJudge 是开源的 GitHub Action 与 runner,用于对拉取请求进行 AI 审查并按 auto、review、block 三个等级分流。它先使用确定性规则确定最低等级,默认只允许 AI 使等级更严格;它会读取仓库基分支上的 AGENTS.md、REVIEW_POLICY.md 和 .mergejudge.yml,因此拉取请求无法放宽自己的审查标准。用户需自备 Anthropic、OpenAI、z.ai 或任意 OpenAI 兼容端点的 API key,也可选择仅使用规则而不调用 AI。项目支持 deep 模式来补充变更代码的调用方与相关文件、根据 PR 上的反馈学习规则,并通过定时任务生成供人工审核合并的规则提案 PR。

展开详情收起详情:MergeJudge:基于 AI 的 GitHub 拉取请求自动审查与分流工具

程序员在 GitHub 拉取请求上自动执行 AI 代码审查:按 auto、review、block 三个等级分流,发布摘要与行级评论,并读取仓库基分支的 AGENTS.md、REVIEW_POLICY.md 和 .mergejudge.yml 作为审查规则;deep 模式可补充变更代码的调用方与相关文件,帮助程序员进行代码审查。

★ 0 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

php2shell-checker:基于 PHP 版本检测 PHP2Shell 漏洞风险

openai/php2shell-checker

OpenAI 开源的 PHP 版本检查工具,通过网站的 PHP 响应头或本地安装信息判断是否处于 PHP2Shell 漏洞受影响版本范围,输出 OK、POTENTIALLY VULNERABLE 或 UNKNOWN 三种结果,支持命令行直接运行和 Codex 技能两种使用方式。

展开详情收起详情:php2shell-checker:基于 PHP 版本检测 PHP2Shell 漏洞风险

程序员通过网站 PHP 响应头或本地安装信息检测 PHP 版本是否处于 PHP2Shell 漏洞受影响范围,输出 OK、POTENTIALLY VULNERABLE 或 UNKNOWN,并支持 --json 机器可读输出,用于安全排查与排错。

★ 806 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Harness MCP Server:让 AI 代理通过 MCP 访问 Harness.io 平台

harness/mcp-server · Harness’ official MCP Server

Harness 官方 MCP 服务器,通过 11 个整合工具和 262 种资源类型,让 AI 代理访问 Harness.io 平台,覆盖 CI/CD、GitOps、Feature Flags、云成本管理、安全测试、混沌工程等 42 个默认工具集;支持 Stdio 与 HTTP 传输、Docker 和 Kubernetes 部署,提供 35 个预设提示模板,并支持多项目动态发现与基于 OAuth 的多用户认证。

展开详情收起详情:Harness MCP Server:让 AI 代理通过 MCP 访问 Harness.io 平台

程序员通过 MCP 让 AI 代理访问 Harness.io 平台,用于 CI/CD 流水线操作、调试失败的流水线、审查拉取请求、审批待处理流水线,以及 GitOps、Feature Flags、安全测试等开发运维工作。

★ 110 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Loupe:按数据流顺序重构 PR 差异并逐符号卡片审阅

JiwonKKang/loupe · Loupe — human-first code review desktop app. Reorders a PR diff into data-flow order and walks you through it one symbol-card at a time, with AI clustering, labels, and codebase-aware inline Q&A. (Tauri + React + Rust)

Loupe 是一个 macOS 桌面应用,用于进行以人为中心的代码评审。它把 PR 的 diff 按数据流顺序重排,将改动拆分为逐个函数或类型的符号卡片,并用 AI 对改动聚类、为各组打标签。用户可以在卡片内选中代码行发起内联问答,回答由限定在仓库内、只读的 Claude 代理检索真实定义与调用方后给出;还支持跳转编辑器、通过 CLI 打开评审以及从总结页批准 GitHub PR。

展开详情收起详情:Loupe:按数据流顺序重构 PR 差异并逐符号卡片审阅

程序员用于代码评审:把 PR 的 diff 按数据流顺序重排,将改动拆分为逐个函数或类型的符号卡片,并用 AI 对改动聚类、为各组打标签;可在卡片内选中代码行发起内联问答,由限定在仓库内、只读的 Claude 代理检索真实定义与调用方后回答;还支持跳转编辑器、通过 CLI 打开评审以及从总结页批准 GitHub PR。

★ 2 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

rgctl:面向 LLM 智能体的代码知识图谱与调用关系查询工具

sshaaf/rgctl · A code knowledge graph built for LLM agents — accurate answers, minimal tokens, maximum speed

rgctl 是用 Rust 实现的代码知识图谱命令行工具,为 LLM 编程智能体提供确定性的结构化查询能力。索引一次后,可通过紧凑的 JSON 输出查询调用者、传递影响范围(blast-radius)、控制流与数据流切片、克隆检测、社区聚类以及 PR 调用路径变化,减少智能体反复用 grep 搜索整个代码库并读取整文件带来的 token 开销。项目使用 tree-sitter 解析器,覆盖 14 种一级语言以及 ERB、Markdown,并支持将技能包安装到 Cursor、Claude、Codex 等编码智能体。

展开详情收起详情:rgctl:面向 LLM 智能体的代码知识图谱与调用关系查询工具

程序员程序员可用 rgctl 为代码库建立知识图谱,查询调用者、传递影响范围(blast-radius)、控制流与数据流切片、克隆检测、社区聚类以及 PR 调用路径变化,并以紧凑 JSON 输出供 LLM 编程智能体使用,减少反复 grep 和读取整文件的 token 开销;还可将技能包安装到 Cursor、Claude、Codex 等编码智能体。

★ 23 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

OpenKnowledge:AI 原生 Markdown 编辑器与 LLM Wiki 知识库

inkeep/open-knowledge · Beautiful, AI-native markdown IDE and LLM wiki

OpenKnowledge 是一个基于 TypeScript 的 WYSIWYG Markdown 编辑器,提供桌面应用与 Web UI,可与 Claude、Codex、OpenCode 等 AI 工具侧边栏并行编辑,并内置 MCP、skills 与面向 agent 的搜索,用于构建 LLM Wiki、第二大脑和结构化知识库。项目支持打开现有 Markdown/MDX 文件夹,并可选基于 git/GitHub 的团队共享与自动同步。

展开详情收起详情:OpenKnowledge:AI 原生 Markdown 编辑器与 LLM Wiki 知识库

程序员使用 WYSIWYG Markdown 编辑器编写工程规格文档和可视化报告,并可在侧边栏与 Claude、Codex 等 AI 工具并行编辑;通过内置 MCP、skills 和面向 agent 的搜索辅助文档撰写与检索。

产品经理用于编写产品规格、笔记和结构化知识库(LLM Wiki、第二大脑),并借助侧边栏 AI 工具辅助文档撰写与搜索。

★ 4653 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

AI-Candidate-Management-Platform:AI 辅助招聘与候选人管理平台

bidhuprasadpandaai-sys/AI-Candidate-Management-Platform · An AI-powered recruitment and candidate management system designed to streamline hiring workflows, enhance candidate discovery, and provide intelligent insights using modern frontend architecture and AI capabilities.

这是一个基于 Monorepo 的 AI 辅助招聘应用起始项目,前端采用 Vue 3、Vite、Pinia 和 PrimeVue,后端采用 Node.js 与 Express,并用 MongoDB/Mongoose 管理候选人数据。项目包含招聘指标仪表盘、可搜索和筛选的候选人列表、AI 助手聊天面板、候选人模型与种子脚本;未配置 MongoDB 时提供内存演示回退。README 建议后续再接入真实 LLM 提供方,并补充登录、面试安排与测试部署等内容。

展开详情收起详情:AI-Candidate-Management-Platform:AI 辅助招聘与候选人管理平台

程序员可作为基于 Vue 3、Express 和 MongoDB 的 Monorepo 起始代码库,用于开发或扩展 AI 辅助招聘应用,包含候选人模型、种子脚本和内存演示回退。

HR作为 AI 辅助招聘应用的起始项目,提供招聘指标仪表盘、可搜索和筛选的候选人列表,以及用于快速获取招聘洞察的 AI 助手聊天面板,可用于候选人管理与招聘流程支持。

★ 0 · 开发框架

☆ 收藏GitHub查看项目 ↗

AI Runway:在 Kubernetes 上部署与管理大模型推理的多提供商平台

ai-runway/airunway · ✈️ Kubernetes-native platform for deploying and managing AI inference across multiple providers

AI Runway 是一个 Kubernetes 原生平台,提供 Web UI 和统一的 ModelDeployment CRD,用于跨多个推理提供商部署和管理大语言模型。它支持浏览 HuggingFace 模型、一键部署、实时状态与日志监控、Prometheus 指标、GPU 成本估算,并集成 Gateway API 推理扩展和 Headlamp 插件。它兼容 vLLM、SGLang、TensorRT-LLM、llama.cpp 等推理引擎,通过提供商适配集成 NVIDIA Dynamo、KubeRay、KAITO、LLM-D 和直连 vLLM。

展开详情收起详情:AI Runway:在 Kubernetes 上部署与管理大模型推理的多提供商平台

程序员在 Kubernetes 上部署和管理大语言模型推理服务:通过 Web UI 或统一的 ModelDeployment CRD 选择 HuggingFace 模型并一键部署,支持 vLLM、SGLang、TensorRT-LLM、llama.cpp 等推理引擎,并查看实时状态、日志和 Prometheus 指标,用于搭建和运维 AI 推理基础设施。

★ 102 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

LLMKube:面向自托管 LLM 推理的 Kubernetes operator

defilantech/LLMKube · Kubernetes operator for self-hosted LLM inference across a heterogeneous GPU fleet: NVIDIA CUDA, AMD Vulkan, and Apple Silicon Metal. Runtimes: llama.cpp, vLLM, TGI, mlx-server. Multi-GPU sharding, model caching, OpenAI-compatible endpoints. Apache-2.0, run across homelab and on-prem fleets, actively developed.

LLMKube 是一个 Kubernetes operator,用于在异构 GPU 集群上自托管 LLM 推理,覆盖 NVIDIA CUDA、AMD Vulkan 与 Apple Silicon Metal;支持 llama.cpp、vLLM、TGI、mlx-server 等运行时,提供多 GPU 分片、模型缓存和 OpenAI 兼容端点。它还包含 ModelRouter,可在本地模型与外部 Anthropic/OpenAI/LiteLLM 后端之间做策略感知路由并支持 fail-closed;另有 Foreman 附加组件,用于在自有集群上编排编码智能体工作负载。项目采用 Apache-2.0 许可,可用于 homelab、本地机房和隔离网络环境。

展开详情收起详情:LLMKube:面向自托管 LLM 推理的 Kubernetes operator

程序员在自有 Kubernetes 集群上自托管 LLM 推理,并通过 OpenAI 兼容端点接入编码工具;Foreman 附加组件可在自有集群上编排编码智能体工作负载,执行修复 issue、运行 make fmt vet lint test 验证和审查 diff 的流水线。

★ 241 · 开发框架

☆ 收藏GitHub查看项目 ↗

DeepEP:面向 MoE 训练与推理的高性能专家并行通信库

deepseek-ai/DeepEP · DeepEP: an efficient expert-parallel communication library

DeepEP 是 DeepSeek 开源的高性能通信库,为 MoE(混合专家)模型的训练与推理提供高吞吐、低延迟的专家并行(EP)all-to-all GPU kernel,支持 FP8 dispatch,并通过 NVLink 完成冗余专家的权重与梯度交换;通信 kernel 由 DeepJIT 在运行时编译。项目还提供流水并行(PP)、上下文并行(CP)、数据并行(DP)和远程内存访问(Engram)的实验性原语,较新版本引入 NCCL Gin 后端、统一的 EPBuffer 接口以及用于 CP/DP 的批量集合通信 BucketBuffer。该库面向大模型训练与推理系统中的专家并行通信场景,已提供昇腾版本 DeepEP-Ascend。

展开详情收起详情:DeepEP:面向 MoE 训练与推理的高性能专家并行通信库

程序员在开发或调优 MoE 大模型训练与推理系统时,使用该库提供的 EP all-to-all GPU kernel、FP8 dispatch 以及 dispatch/combine 接口实现专家并行通信,并可通过 deferred epilogue 与计算重叠;也可使用实验性的 BucketBuffer 进行 CP/DP 的 all-gather、reduce-scatter、all-reduce。

★ 10324 · 开发框架

☆ 收藏GitHub查看项目 ↗

DeepInfer:面向 DeepSeek 模型的高性能大规模推理框架

deepseek-ai/DeepInfer · DeepInfer: High-performance, large-scale inference framework for DeepSeek models

DeepInfer 是 DeepSeek 用于支撑其大规模生产服务的高性能推理框架,本次开源版本提供离线推理能力。它支持 DeepSeek-V4.1-Flash 模型,包含优化内核、Attention DP / 均衡 CP、MoE EP + EPLB 等并行策略,以及 DSpark 与置信度调度验证、SWA 有界重放、异步调度、批不变推理、确定性采样和结构化输出等特性,可运行在 NVIDIA SM100 GPU 与华为昇腾 950 NPU 上。完整推理服务所需的 KV 缓存系统、VE/Prefill/Decode 分离以及数据并行副本间的负载均衡未包含在本版本中。

展开详情收起详情:DeepInfer:面向 DeepSeek 模型的高性能大规模推理框架

程序员程序员可将 DeepInfer 作为 DeepSeek-V4.1-Flash 模型的离线推理框架,在本地运行示例脚本进行模型推理;还可通过 SamplingParams 传入正则、JSON schema 或 EBNF 语法来约束生成结果,用于需要结构化输出的开发场景。

★ 17744 · 开发框架

☆ 收藏GitHub查看项目 ↗

tsrs:用 Rust 实现 TypeScript 7 类型检查器的替代实现

oxc-project/tsrs · Rust port of the TypeScript 7 type checker

tsrs 是 TypeScript 7 编译器和语言服务器的 Rust 实现,可作为替代品使用,目标是与上游 TypeScript 达到 100% 一致性,同时降低内存占用并加快类型检查。它提供类似编译器的命令行用法(如 --noEmit)、编辑器集成说明、尚不稳定的 Node API 以及面向 wasm32-wasip1 的 WebAssembly 支持;目前不支持 --init 和 --showConfig。

展开详情收起详情:tsrs:用 Rust 实现 TypeScript 7 类型检查器的替代实现

程序员作为 TypeScript 7 编译器和语言服务器的替代品,用于对 TypeScript 代码进行类型检查(如 pnpm exec tsrs --noEmit),并可在编辑器中集成以获得更快的类型检查与更低的内存占用。

★ 1730 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Skill Forge:把已完成的工作流转化为可发布、经测试的 Agent Skill

YaBoom/skill-forge · Turn a completed workflow into a tested, publish-ready Agent Skill for Claude Code and Codex

Skill Forge 从已完成的工作流出发,收集当前会话、git 历史与项目文件中的证据,将其提炼为可移植的七要素流程(触发、输入、步骤、决策、失败、验证、输出),再通过八道质量门(发布阈值 13/16 且安全项需为 2)评分,生成 SKILL.md、references/、assets/、scripts/ 及配套清单,并提供正负触发测试与试运行;它支持打包到 Claude Code、Codex、Cursor 及其他 Agent Skills 宿主,并给出本地、skills.sh、自托管市场和官方目录四种发布路径。

展开详情收起详情:Skill Forge:把已完成的工作流转化为可发布、经测试的 Agent Skill

程序员将已完成的开发工作流(如迁移、排错)从会话、git 历史和项目文件中提炼为可复用的 Agent Skill,并生成 SKILL.md、脚本与触发测试,打包到 Claude Code、Codex、Cursor 等宿主。

★ 0 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

AccessCast:为不同观众自动生成无障碍视频版本

Prashant-thakur77/AccessCast · One video, made for every viewer: audio description (with extended description), captions with sounds, easy-read, and Hindi, Italian, Spanish, French and Portuguese versions. Gemma 4 31B on AMD Token Factory writes, code checks every line, a person approves.

AccessCast 面向同一段视频生成八种观众版本:为盲人观众生成口述描述(在对话间隙播报,必要时在暂停画面中延长描述),为聋人观众生成带音效提示的字幕,为阅读较慢的观众生成易读字幕,并提供印地语、意大利语、西班牙语、法语和葡萄牙语的字幕与配音。项目由 Gemma 4 31B(AMD Token Factory)负责看画面、撰写、翻译与修正,代码按音频时间线和 53 条书面规则逐行校验,未通过的行退回模型修正,仍不通过则交由人工审核;服务端在仍有待审行时拒绝渲染。

展开详情收起详情:AccessCast:为不同观众自动生成无障碍视频版本

程序员作为可复用的视频无障碍处理工具,开发者可参考或集成其流水线:用 Whisper 与强制对齐生成带时间轴的字幕,用 Gemma 4 31B 生成口述描述与多语言字幕/配音,并由代码按 53 条规则逐行校验、失败退回模型修正、仍失败转人工审核,服务端在有待审行时拒绝渲染。

产品经理可用于评估视频无障碍与多语言本地化需求:同一视频按观众选择生成口述描述、聋人字幕、易读字幕及印地语、意大利语、西班牙语、法语、葡萄牙语版本,并附成本估算(每完成分钟约 41,818 Gemma tokens、约 $0.0053 的估算)与人工审核环节,便于做功能范围与成本权衡。

★ 1 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

mcptoon:统一管理 MCP 工具与 Agent 技能并压缩上下文的零依赖 CLI

activeing123/mcptoon · One zero-dependency CLI for every MCP server and agent skill. Token optimization, tool discovery and context compression: 71,929 -> 581 tokens (-99.2%, measured), schemas stay out of context. One config for Claude Code, Codex, Cursor, every agent. 341KB, pure Python. | 零依赖 CLI:管所有 MCP 工具与技能,工具发现省 99.2% token。

mcptoon 是一个纯 Python 标准库实现的零依赖命令行工具,用于统一管理本机上的 MCP 服务器工具与 Agent 技能。它把工具描述和技能全文留在磁盘上,只向上下文注入紧凑的名称索引,按 README 的实测数据,255 个工具的描述从 71,929 tokens 降至 581 tokens;完整 schema 与技能文本可通过 inspect、retrieve 等命令按需取回,因此压缩是无损的。它还提供 17,000+ MCP 服务器的自然语言检索安装、统一的 call 调用入口、stdio 诊断、离线 BM25 技能与文档章节路由,并向 Claude Code、Cursor、Codex、Windsurf 等 103+ 客户端写入统一的连接配置。

展开详情收起详情:mcptoon:统一管理 MCP 工具与 Agent 技能并压缩上下文的零依赖 CLI

程序员统一管理本机 MCP 工具与 Agent 技能,向 Claude Code、Cursor、Codex、Windsurf 等编码代理注入紧凑工具名索引以压缩上下文,并按需 inspect 取回完整 schema、call 调用工具、doctor 诊断 stdio 连接,用于日常编码与排错工作流。

★ 358 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

Textus:带 AI 写作助手的 Markdown 编辑器

CatVinci-Studio/Textus · The next-generation Markdown editor, with an AI writing assistant. Free and open source for macOS, Windows and Linux.

Textus 是一款面向 macOS、Windows 和 Linux 的 Markdown 编辑器,以 MIT 许可证开源。它实时渲染 Markdown,支持数学公式、表格和 Mermaid 图表,提供禅模式、打字机模式、分栏视图和源码模式四种写作模式,并可导出 PDF、Word、HTML 等格式。其 AI 写作助手可在写作过程中提供续写建议、错别字与语法提示,并以带理由的修改提案形式呈现,支持句级采纳、行内批注,能学习用户风格并记住人物和地点设定。Textus AI 可接入 20 多种 LLM 及任意 OpenAI 兼容端点,也支持通过 Ollama 使用本地模型。文档以纯 Markdown 文件保存在用户指定位置,API 密钥仅存于本机,AI 请求由设备直连所选服务商;编辑器可完全离线使用,AI 功能则由所用服务商提供。

展开详情收起详情:Textus:带 AI 写作助手的 Markdown 编辑器

程序员使用 Textus 编写技术文档:以 Markdown 实时渲染数学公式、表格和 Mermaid 图表,并可导出 PDF、Word、HTML;AI 写作助手可提供续写建议、错别字与语法提示,并以带理由的修改提案形式呈现,支持句级采纳。

HR使用 Textus 撰写招聘文案等文本:AI 写作助手可在写作过程中提供续写建议、错别字与语法提示,并以带理由的修改提案形式呈现,支持句级采纳。

产品经理使用 Textus 撰写和整理产品文档(如需求说明):Markdown 实时渲染表格与 Mermaid 图表,AI 助手可提供续写建议、错别字与语法提示,并以带理由的修改提案形式呈现,支持句级采纳。

★ 436 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗

ReviewIQ:AI 代码审查面试训练工具

Anas127/reviewiq · AI-powered code review interview trainer. Practice catching bugs in real PR-style diffs, get graded against ground truth.

ReviewIQ 是一个面向代码审查判断力的刻意练习平台。开发者审阅带有预设缺陷的模拟 Pull Request,提交后由 AI 评分并与标准答案对照,查看自己发现和遗漏的问题及其原因;论文式描述称其以提升面试准备度为次要收益。应用与 API 均基于 Next.js 16 App Router、React 19、TypeScript 和 Tailwind CSS 4,使用 Supabase Auth 与 PostgreSQL(含行级安全)存储账户、积分与评测记录,调用 OpenAI GPT-4o 进行生成和评分,通过 Gumroad 会员订阅与服务器端 webhook 发放积分,部署在 Vercel。新账户送 5 积分,Pro 每月 8.99 美元、每成功计费周期获 30 积分,未用积分可结转;AI 评分和审查记录成功保存后才扣 1 积分。

展开详情收起详情:ReviewIQ:AI 代码审查面试训练工具

程序员程序员可审阅带有预设缺陷的模拟 Pull Request,提交审查意见后由 AI 评分并与标准答案对照,查看自己发现和遗漏的问题及原因,用于代码审查判断力的刻意练习。

HR材料称面试准备度是次要收益,但未说明 HR 招聘、面试组织或培训等具体人力资源工作用途,证据不足。

★ 0 · 可直接使用的工具

☆ 收藏GitHub查看项目 ↗