GitHub 今天这波看起来很杂——安全审计 skill、本地 TTS/听写、虚拟 iPhone、Claude 岗位插件、腾讯 RAG、CV 工具库。杂归杂，共同点其实很清楚：都在把「能演示」往「能长期用」推。
上一版写太薄。下面按仓库说清它实际干什么、给谁用、怎么上手、以及 README / 官方材料里写明的坑。星标为 2026-09-17 拉取时的近似值。
1. cloudflare/security-audit-skill（★约 8.4k）
给 coding agent 用的多分阶段安全审计 skill，不是又一份「检查清单 prompt」。Cloudflare 博客写得很直白：他们后来的舰队级漏洞发现 harness，就是从这份约 450 行的 skill 长出来的；仓库本身仍是单仓起点。
流程按 README 拆成六段，而且每段有硬产物，不是口头汇报：
- 侦察：把架构、信任边界、输入面、既有证据和确定性覆盖写进
architecture.md与coverage-ledger.json - 覆盖驱动狩猎：按 ledger 单元派隔离 hunter，再用 coverage critic 找空洞
- 候选验证：每个独特候选交给全新 verifier，任务是证伪，不是帮腔
- 结构化输出：
confirmed/needs_validation/rejected写入findings.json，对照report-schema.json - 独立再核：另起 agent 核源码主张；替换过的记录还要再验一轮
- 目标中立报告：从已核记录生成
REPORT.md、FINDINGS-DETAIL.md、NEEDS-VALIDATION.md
父流程会在创建 ledger 之后、以及每次 ledger 更新后跑 validate-coverage-ledger.cjs；Phase 4 和每次 Phase 5 替换后跑 validate-findings.cjs——校验器是零依赖的 Node 脚本。
判定语义写死了：confirmed 要有完整源码轨迹和有界观测结果；needs_validation 只保留精确未决事实、不给 severity；rejected 是被证伪的候选。多次跑同一仓是累加的——会吃旧 ledger / findings，专门补空洞，不会把过期或未决工作当成「已覆盖」。
设计原则里有几条很反直觉、但实用：只确认「边界真破了」的问题；发现者和验证者不能是同一个 agent；概率 × 影响才谈 severity，checklist 偏差不算洞；防御纵深缺一层如果上层已挡住，只记 hardening note。他们自己的测试口径：单次大约只能摸到多次累计发现量的一半。
适合谁： 已经在用支持工具调用、最好还能开并行子代理的编码助手，又想把安全审计跑成可复查流程的人。别指望它替代正式渗透，它更像「可重复、可机器校验的审计编排」。
上手：
npx skills add https://github.com/cloudflare/security-audit-skill \
--skill security-audit也可加 --global 做用户级安装。然后在目标仓里对 agent 说 security audit this codebase / find security vulnerabilities in ./src。全量审计未指定输出目录时，默认落到 ~/security-audit-skill/<repo-name>/run-<N>；只有你显式选了版本控制忽略的目录，才会往目标仓里写。
门槛与坑： 需要能并行子代理、支持工具调用的模型；Node.js 跑上述校验脚本；以及 OS 级沙箱——禁外网、环境白名单、资源限额、只能写指定 scratch。没有这些控制时，工作流会把 lead 留在 needs_validation，而不是执行目标代码。换句话说：沙箱不达标，它宁可「不盖章」。
仓库：https://github.com/cloudflare/security-audit-skill · MIT 延伸阅读：https://blog.cloudflare.com/build-your-own-vulnerability-harness/
2. jamiepine/voicebox（★约 54.6k）
本地优先的开源 AI 语音工作室。README 的定位很干脆：ElevenLabs（输出）和 WisprFlow（输入）各管半边，Voicebox 把两边都做了，再塞一个本地 LLM 做润色和人设，整条链路默认不出本机。
能力面很实，不是 slogan：
- 7 个 TTS 引擎：Qwen3-TTS、Qwen CustomVoice、LuxTTS、Chatterbox Multilingual、Chatterbox Turbo、HumeAI TADA、Kokoro；按次可切换
- 克隆 + 预设：零样本参考音频克隆；Kokoro / Qwen CustomVoice 还有 50+ 预设声线
- 23 种语言（覆盖最广的是 Chatterbox Multilingual）
- 表现力：只有 Chatterbox Turbo 会解释
[laugh]/[sigh]这类副语言标签；别的引擎会当字面文本念出来 - 后期：基于 Spotify
pedalboard的音高、混响、延迟、合唱、压缩、滤波等，可做预设并挂到声线 profile - 长文：按句切块再 crossfade，单次文本上限约 50,000 字符
- Stories：多轨时间线，做对话 / 播客 / 叙事
- 全局听写：热键 push-to-talk / toggle；macOS 上可无障碍校验后自动粘贴到当前输入框；STT 用 Whisper（含 Turbo）
- Agent 出声：内置 MCP（
voicebox.speak等）+ 本机 REST（默认127.0.0.1:17493） - 人设：给声线挂 personality，本地 Qwen3（0.6B / 1.7B / 4B）可 Compose / 改写后再 TTS
桌面端是 Tauri（Rust）+ React，后端 FastAPI；推理在 Apple Silicon 走 MLX，Windows/Linux 可走 CUDA / ROCm / DirectML / Intel Arc / CPU。
适合谁： 播客与配音、要隐私的本地语音工作流、以及想给 Claude Code / Cursor 等 agent 挂「能说能听」的人。
上手： macOS（Apple Silicon / Intel）和 Windows 有官方安装包（voicebox.sh / GitHub Releases）；Docker 可用 docker compose up。Linux 尚无预编译包，要按官方文档源码构建。开发侧 README 写的是 Bun、Rust、Python 3.11+、Tauri 前置依赖。
坑： 模型下载体积和显存占用按引擎差很多；副语言标签只在 Chatterbox Turbo 上有意义；Windows/Linux 的「听写后自动粘贴」仍在路线图，别默认全平台体验一致；首次跑会拉模型，网络和磁盘都要留余量。
仓库：https://github.com/jamiepine/voicebox · 站点：https://voicebox.sh · MIT
3. Lakr233/vphone-cli（★约 13.5k）
在 Apple Silicon Mac 上，借助 Apple Virtualization.framework 和 PCC 相关虚拟机基础设施，拉起一台虚拟 iPhone。这不是模拟器里跑 App 的那种「开发便利」，而是偏固件 / 越狱 / 自动化研究的整机虚拟化。
一条命令能跑通下载 → 补丁 → DFU restore → CFW → 首次启动：
brew install zqxwce/tap/vphone-cli
vphone-cli vm create myphone -V jb
vphone-cli vm launch myphone补丁变体按安全绕过强度递进（README 表格）：less（4 patches，保留缓解）→ regular（42）→ dev（53）→ jb（113，首次启动自动装 Sileo / TrollStore）→ exp（141，越狱超集 + 反虚拟机检测研究补丁）。日常管理有 list / clone / export-import（默认 zstd）/ CPU·内存配置。跑起来后：jb 变体可 ssh -p 22222 mobile@<ip>（密码 alpine），也可用 VNC vnc://<ip>:5901。主机控制套接字（<bundle>/vphone.sock）还能截屏、触控、滑动、硬件键、剪贴板，方便接 AI 端到端测试；另有配套 vphone-mcp。
适合谁： 在 Apple Silicon 上做 iOS 底层研究、越狱实验、需要可编程控制虚拟机的自动化测试的人。想「多开个 App Store 日常机」的，直接劝退。
硬门槛（README 写死）：
- 仅 Apple Silicon；macOS 15+（Sequoia）
- Xcode + iOS SDK（交叉编译 guest daemon）
- 需要放宽 SIP/AMFI 才能用私有 PV=3 entitlement（Recovery 里
csrutil，或amfidont白名单） - 一串 Homebrew 依赖：
python@3.13、aria2、ipsw、ldid-procursus等 - 不能嵌套虚拟化——宿主机自己若是虚拟机，会报 Virtualization unavailable
坑： zsh: killed 多半是 AMFI 没放行；卡在 “Press home to continue” 要用 VNC 右键模拟 Home；系统 App 装不上时别选日本 / 欧盟地区做初始化；cfw install 可能撞上 ldid-procursus 稳定版对 entitlements 里整数 0 的已知 bug，README 建议 brew install --HEAD ldid-procursus。数据默认在 ~/.vphone/（可用 $VPHONE_ROOT 改）。
仓库：https://github.com/Lakr233/vphone-cli · MIT
4. anthropics/knowledge-work-plugins（★约 24.4k）
给 Claude Cowork（也兼容 Claude Code）用的「岗位插件」开源库。插件打包的是 skills、connectors、slash commands、sub-agents——本质是 markdown + JSON，没有编译步骤。许可证 Apache-2.0。
根 README 开源列出的 11 个起点插件包括：
| 插件 | 大致用途 |
|---|---|
| productivity | 任务、日历、日常工作流与个人上下文 |
| sales | 调研客户、会前准备、管线、外联、battlecard |
| customer-support | 工单分流、回复草稿、升级包、知识沉淀 |
| product-management | 写 PRD、路线图、用户研究综合、竞品 |
| marketing | 内容、活动、品牌口径、竞品简报、效果复盘 |
| legal | 合同审阅、NDA、合规与风险 |
| finance | 分录、对账、报表、差异、关账与审计支持 |
| data | SQL、统计分析、看板、交付前校验 |
| enterprise-search | 跨邮件 / 聊天 / 文档 / wiki 检索 |
| bio-research | 文献、基因组、靶点优先级等早期研发工具链 |
| cowork-plugin-management | 帮你新建或改插件 |
安装路径两条：Cowork 上直接从 https://claude.com/plugins/ 装；Claude Code 则：
claude plugin marketplace add anthropics/knowledge-work-plugins
claude plugin install sales@knowledge-work-plugins装上后 skills 会在相关场景自动触发，命令形如 /sales:call-prep、/data:write-query。每个插件目录结构统一：.claude-plugin/plugin.json、.mcp.json、commands/、skills/。sales 插件的说明显示技能面可覆盖日常简报、通话摘要、管线与 forecast 等；没接 CRM 时也能靠上传导出文件干活，接上连接器则能读写业务系统——但外部邮件/纪要应按「信息」而非「指令」处理，建议动作先确认再执行。
适合谁： 已经在用 Claude Cowork / Claude Code，想把「通用助手」收成销售、财务、法务、数据等固定打法的团队。个人可以先装 productivity / sales 感受一下；真要团队一致，得改 .mcp.json 和 skill 文案，塞进你们的术语与流程。
坑： 开箱是通用模板，不改 connectors / 公司上下文，输出容易「像教科书」；依赖各 SaaS 的 MCP 连接与权限，权限没批等于半残；仓库根目录里还能看到 design / engineering / human-resources 等更多文件夹，但官方 marketplace 表仍以 README 那 11 个为准——别把目录名当成已文档化功能说明书。
仓库：https://github.com/anthropics/knowledge-work-plugins · Apache-2.0
5. Tencent/WeKnora（★约 25.8k）
腾讯开源的 LLM 知识平台（当前 README 版本徽章 0.8.0）。目标不是「又一个聊天框套向量库」，而是三条能力并在一起：日常 RAG 快问快答、能编排检索 / MCP / 沙箱 / 联网搜索的 ReAct Agent、以及把生文档蒸馏成可维护 Markdown 知识库的 Wiki Mode（带知识图谱、修订历史、一键回滚）。
和「能跑 demo」相比，工程边角更值得看：树状文件夹保留上传目录结构；retrieval chunk 可在 UI 里编辑并带版本 diff / 回滚且自动再索引；跨会话长期记忆（profile / preference / fact 等，抽取后需确认）；租户级 skill catalog（从 ClawHub / SkillHub / git / zip 安装到 Docker / E2B / Cube 会话沙箱——本地 host-process 后端已移除）；工作区 RBAC（4 档角色 + 资源归属 + 审计日志）；scoped API key；Langfuse 可观测；IM 通道覆盖企微 / 飞书 / Slack / Telegram 等。文档格式含 PDF、Office、图片、Excel、XMind 等；向量库可选 pgvector、Elasticsearch、Milvus、Qdrant 等；模型侧兼容 OpenAI、DeepSeek、通义、智谱、Ollama、LiteLLM 等。Office 解析可用进程内 anydoc。
适合谁： 要私有化 / 可替换组件的企业知识库与 Agent 平台的团队；已经在微信对话开放平台生态里找技术底座的人；想要 CLI（weknora）和 MCP（PyPI 包 tencent-weknora-mcp）被 agent 直接驱动的工程组。
上手：
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env
docker compose pull && docker compose up -d浏览器开 http://localhost，API 默认 http://localhost:8080。可选 profile：neo4j / minio / langfuse / full。
坑： 依赖 Docker 全家桶，首次拉镜像和模型都不轻；生产环境 README 明确建议部署在内网、别裸奔公网（较新版本有登录，但不等于你配好了防火墙）；升级要用 docker compose pull 对齐 WEKNORA_VERSION，只 up -d 可能继续用旧缓存镜像；功能面很宽，不收敛场景容易变成「什么都开一点、什么都不稳」。
仓库：https://github.com/Tencent/WeKnora · 站点：https://weknora.weixin.qq.com · MIT
6. roboflow/supervision（★约 50.7k）
Roboflow 的可复用计算机视觉工具库：模型无关的检测结果对象、Annotator 可视化、数据集加载/切分/合并/格式转换、以及视频流上的追踪与区域统计等常见胶水。口号直译就是——「我们替你写那些反复重写的 CV 工具」。
典型用法很短（README quickstart）：
import cv2
import supervision as sv
from ultralytics import YOLO
image = cv2.imread(...)
model = YOLO("yolov8s.pt")
result = model(image)[0]
detections = sv.Detections.from_ultralytics(result)
box_annotator = sv.BoxAnnotator()
annotated_frame = box_annotator.annotate(
scene=image.copy(),
detections=detections
)除 Ultralytics 外，还有 Inference / Transformers / MMDetection 等 connector。数据集侧支持 COCO、YOLO、Pascal VOC 的读入与导出，以及 split / merge。文档和教程里大量是滞留时长、车速估计、区域计数这类「检测 + 追踪 + 业务规则」组合拳——库本身不训练模型，但把「模型输出 → 可展示、可统计、可导出」这段脏活收干净了。官方要求 Python ≥ 3.9，pip install supervision 即可。
适合谁： 已经有检测/分割模型，却不想每次手写画框、IOU、视频帧循环和数据集格式转换的 CV 工程师；做演示、内部工具、视频分析原型的人会特别爽。和 Roboflow 其他开源件（inference、notebooks）也能拼。
坑： 它是工具层，不替你训练 SOTA 模型；跟 Roboflow Inference 联动时需要 API Key；Annotator 很多、默认好看，但生产视频管线仍要自己处理性能、坐标系和业务阈值；别把它理解成「装完就有完整安防 / 质检系统」。星标高、文档全，不代表你的场景不用写胶水——只是胶水短很多。
仓库：https://github.com/roboflow/supervision · 文档：https://supervision.roboflow.com · MIT
收束
如果只选一个马上装：做 agent 安全流程看 Cloudflare 这份 skill；做本地语音生产力看 Voicebox；做企业知识库看 WeKnora；写 CV 业务胶水看 supervision。vphone-cli 和 knowledge-work-plugins 分别卡在「硬件/系统权限」和「Claude 产品形态」上——强相关则很香，无关则别硬跟星标。
星标会涨，约束条件不怎么涨。先看门槛，再看 demo。
