招聘jd项目学习
找实习最难受的一段不是面试,是面试之前:JD 摆在眼前,要求 Spring Cloud、Kafka、Redis,自己手上只有课程作业和烂大街的商城项目,简历投出去没回音,也不知道该补哪个项目才和岗位对得上。 鼠鼠实习妙妙工具(SIT,shushu internship tool)想解决的就是这一段。它的思路很直白:拿 JD 去筛现成的 GitHub 项目,跑通最小路径,做一个能讲清的改造,最后产出简历条目和面试问答。Apache-2.0 开源,Python 3.10 以上,脚本本身零运行时依赖。 它到底是什么先说清楚,它不是一个网页应用,也不是一键生成简历的 SaaS。仓库里主要是一套给 AI 编程助手用的 skill(SKILL.md + 参考文档),外加三个本地 Python 脚本: 脚本 作用 产物 repo_audit 静态扫描已 clone 的项目 audit.json、overview.md、overview.html candidate_score 按 JD 和候选 JSON 排序 0-100 分的候选排名 interview_pack 根据审计...
用一张照片反推拍摄地点:geo-sleuth
一张没有 GPS、没有地标的照片能问到多准一张手机照片,EXIF 被清掉了,画面里没有文字、没有车牌、没有著名建筑,只有一座高架桥和一座山。普通人看不出任何线索,但有人能从这张图里把相机位置定到 2 米以内。 geo-sleuth 就是把这套”看图定位”的手艺做成了可执行的开源工具。它不是网站,也不是 App,而是一个 Agent Skill:一份 SKILL.md 加一堆 Python 脚本,装到你用的 AI 编程助手里,然后把照片丢给它、说一句话就行。 它到底是什么严格来说,geo-sleuth 是一个给 AI Agent 用的技能包(遵循 agentskills.io 的 SKILL.md 规范)。设计上分了三层: 层 谁来做 干什么 决策 脚本(候选看板 board.py) 管理候选点、记录线索权重、排序、决定下一步扫哪里 感知 二十多个单一职责脚本 OCR、EXIF、太阳方位、OSM 数据、高程地形、卫星切片、街景比对 判断 模型 从画面里读出线索、提假设、在排好序的前几名里做选择 这个分工是它和”直接问大模型这是哪儿”最大的区别:所有搜索、打分...
应用权限审计
用 NOIR 看清手机里的应用到底在干什么手机里的应用拿了哪些权限、把数据发去哪里,这件事靠系统设置里那几行权限列表是看不出来的。真要查,过去只能自己接上 adb,一条条翻 dumpsys package,再把 APK 拉下来 unzip、strings、grep。麻烦不说,也很难长期跟踪。 NOIR 把这套流程做成了一个命令行工具:连上手机,读应用清单、权限和 APK 里的网络端点,输出分类、风险评分和可以回滚的处置建议。项目用 Kotlin 写成,MIT 协议,支持 macOS、Windows、Debian/Ubuntu。 它的定位写得很清楚——审计与自我防护,只用于自己的设备或已获授权的设备。 它到底做了什么一次扫描下来,NOIR 会做这几件事: 盘点:列出所有同时具备网络权限和敏感权限的应用,以及各自拿到了什么。 抽端点:在手机端直接跑 unzip + strings 从 dex 里提 URL,只把几 KB 结果传回来,不把几百个 APK 拉回电脑。 分类打分:按包名和域名识别厂商(小米、Google、腾讯、高德等)和类别(遥测、广告、定位、输入法),结合权限...
自动审计工具
Shannon:让 AI 真的去打一遍你的应用渗透测试这件事,大多数团队一年做一次。剩下的 364 天里,代码照常合并、接口照常上线,没人知道这次提交有没有把某个查询参数直接拼进了 SQL。 Shannon(Keygraph 出品)想做的是把这部分变成「每次发版都能跑一遍」。它不输出「疑似存在注入风险」这种待人工确认的条目,而是让 AI 分析你的源码、找出攻击路径、然后真的去发请求打一遍,只有打出可用 PoC 的漏洞才会写进报告——官方把这套逻辑概括成一句话:No exploit, no report。 项目地址:https://github.com/KeygraphHQ/shannon 许可证:AGPL-3.0(商用另有授权) 热度:约 5.2 万 star、6.1k fork,最近一次提交就在昨天 代码构成:TypeScript,仓库用 pnpm + turbo 管理,扫描编排跑在 Temporal 上 它的工作方式Shannon 同时吃两路输入:正在运行的应用地址,以及应用的源码仓库(只读挂载进容器)。两路各自产出候选漏洞,合并去重后交给「利用」阶段,打不出来的直接丢掉...
声音克隆
VoiceStudio:把配音棚装进自己电脑用云端 TTS 做配音,流程通常是这样:文本发过去、按字符计费、音频传回来,中间还要担心素材落在别人服务器上。要做几十条批量音频,或者给一段视频配多语言音轨,成本和等待时间都会往上堆。 VoiceStudio 想解决的就是这部分。它是一款跑在本机的声音工作台:克隆音色、按文字描述生成音色、给视频配音、听写转录、批量生成有声书,全部在本地推理,不依赖厂商的云服务。项目在 GitHub 上约 9.7 万 star,采用 AGPL-3.0 许可证,主仓库是 Python + Electron。 项目地址:https://github.com/debpalash/VoiceStudio 官网与下载:https://voicestudio.sh 许可证:AGPL-3.0(模型权重另有各自的许可证) 主要语言:Python(后端)/ TypeScript(Electron 前端) 它到底提供哪些能力 能力 说明 声音克隆 给一段干净参考音,之后用这个音色念任意文本 声音设计 用文字描述(性别、口音、语气)直接生成一个不存...
AI获取暗网情报
Robin:把暗网搜索交给 AI 去翻暗网 OSINT 调查向来是件磨人的事:开 Tor、进洋葱搜索引擎、一条条翻结果、把噪声和真正有用的线索分开,最后还得自己拼成一份能看的报告。整个过程手工作业多、重复性强,搜一轮常常要等上好几分钟,大部分时间花在”翻”而不是”分析”上。 Robin 想把这部分自动化。它是一个开源的 AI 驱动暗网 OSINT 工具,用 LLM 帮你精炼搜索词、过滤搜索引擎返回的结果、再根据抓到的页面生成一份调查摘要。你给出调查目标,它负责在 Tor 网络里跑搜索和抓取,把整理好的内容交回给你。 项目地址:https://github.com/apurvsinghgautam/robin Docker 镜像:apurvsg/robin 许可证:MIT 它实际在做什么Robin 本身不生产情报,它做的是把”搜索、抓取、筛选、总结”这条链路串起来,让 LLM 在中间接手: 1234567891011你的调查问题 ↓LLM 生成或精炼搜索词 ↓通过 Tor 调用暗网搜索引擎 ↓抓取页面、清理文本 ↓LLM 过滤噪声、给出摘要 ↓保存报告,支持...
rea逆向
REA:把逆向工具接进 AI Agent,而不是让模型猜代码给 AI 一段汇编,让它解释逻辑,这件事现在并不难。真正麻烦的是:目标程序在哪里?某个函数由谁调用?Electron 的 IPC 最后落到了哪个主进程模块?APK 里的方法如何对应到资源?只靠聊天窗口,AI 很难自己把这些线索串起来。 REA(Reverse Engineer Anything) 想解决的就是这层连接问题。它是一个本地 MCP 服务,把 Hopper、Ghidra、IDA、JADX、浏览器、ADB 等工具接到支持 MCP 的 AI Agent 上。Agent 不再是“根据你贴的代码猜”,而是可以调用分析工具,拿回伪代码、汇编、调用关系、文件结构,以及每项结论背后的证据和未知项。 项目地址:morluto/rea 官网与案例:rea.tools 它实际在做什么REA 本身不是反编译器,也不是一个包办所有格式的万能分析器。它更像中间层:把不同目标的分析工具统一成 MCP 工具和 CLI 命令,再让 Agent 按照调查流程逐步使用。 123456789你的问题 ↓AI Agent ↓ MCP...
投资指南
把投资入门要用的东西打包成一个仓库:Financial_freedom最近翻到一个挺有意思的开源项目:Financial_freedom,作者给的定位是”最全赚钱投资指南”。它不写代码,整理的是”怎么开始学投资”这件事要用到的资料——书、纪录片、博主、工具网站,全都塞在一个 Markdown 文件里。 项目 2023 年 9 月建的,现在 6.8k star、880 个 fork,最近一次提交在 2026 年 8 月,还有网友顺手帮它把 README 翻成了英文,算是一直有人在维护的那类仓库。 仓库地址:https://github.com/codeman008/Financial_freedom 里面到底有什么内容分五块,体量不算小: 板块 数量 看点 投资书单 16 本 分入门 / 进阶 / 高级三档,每本标了豆瓣分和”为什么读” 金融纪录片 16 部 全部附在线观看链接,多数是 B 站 美股 YouTube 频道 23 个 每个频道都有作者的点评,夸的和骂的都写 美股工具站 5 个 Seeking Alpha、finviz、财报和...
高性价比人生建议
高性价比人生:608 条建议,每条都写清了代价和证据网上讲”怎么活得更好”的内容太多了,绝大多数长这样:多运动、少熬夜、好好吃饭、别乱花钱。看完不知道该干嘛,因为没人告诉你——这件事要花掉多少时间,能换回什么,那个结论到底有多硬。 GitHub 上有个项目叫 HowToLiveBetter,中文名”高性价比人生指南”,干的就是这件不讨巧的事:把生活里那些真能改善处境的选择一条条摊开,写明成本、收益、证据强度,然后按性价比排序。 项目地址:eternity4719/HowToLiveBetter 在线检索:eternity4719.github.io/HowToLiveBetter 一、它想帮你留住四样东西作者把”活得更好”拆成四样互不折算的东西: 寿命:活得更久,少死于本来可以避免的事 时间与精力:别把注意力浪费在没有回报的事情上 金钱:少花冤枉钱,把钱放在收益确定的地方 人身自由:别因为不知道某条红线,把自己送进拘留所 关键在于,这四样之间不做换算。”总死亡率降 12%”和”每年省 500 块”不在同一把尺子上,项目不硬给你排出个高下,而是把两笔账...
大量书籍分享
大量书籍:把几万本电子书链接整理成一个能搜索的仓库找电子书这件事,麻烦的从来不是”没有资源”,而是”资源太散”。公众号推文里的链接三个月就失效,网盘分享要反复转存,论坛帖子翻到第二十页才发现全是死链。 GitHub 上有个叫 ebook-treasure-chest 的项目,做的事很朴素:把散落各处的电子书下载链接收集起来,按分类整理成 Markdown 表格,再配一个网页搜索。中文名叫”电子书下载宝库”。 项目地址:jbiaojerry/ebook-treasure-chest 在线搜索:jbiaojerry.github.io/ebook-treasure-chest 一、里面装了什么 规模:分类目录里,文学 2711 本、历史 1748 本、科普 743 本、管理 613 本、社会 558 本、推理 531 本、经济 487 本……光是排在前面的几十个分类,条目加起来就有上万条。 内容来源:README 说明,主要覆盖帆书(原樊登读书)、微信读书、京东读书、喜马拉雅等读书 App 上出现过的书。 格式:epub、mobi、azw3 三种,Kindl...









