合集六 · 值得继续挖掘的工具链补充（2026 年 10 月）

在整理前五篇合集的过程中，顺带挖到的一批「原视频没提、但同属一条工具链」的开源项目。

作为前五篇的延伸阅读：每条附官方地址 + 一句话价值 + 它衔接的是哪一篇。全部为开源或免费入口。

一、本地大模型推理（衔接 合集一）

Colibri：纯 C、零依赖，把 744B–2.8T 的 MoE 跑到消费级机器上

• 价值：把显存 / 内存 / 硬盘当成一条统一的内存层级，专家权重按需从磁盘流式加载；约 25GB 内存即可在本机跑 744B 的 GLM-5.2。是「小机器跑超大模型」的另一种极端解法（对照合集一里的 FreeToken）。
• 官方/开源：https://github.com/JustVugg/colibri （Apache-2.0，单 C 文件，make 后 ./coli chat 即用）

Ollama / llama.cpp：最省事与最底层的两条本地推理路线

• 价值：Ollama 面向「一行命令跑模型」；llama.cpp 面向「自己掌控量化与层卸载」。KTransformers 则专攻 MoE 的 CPU/GPU 混合推理。
• 官方/开源：
  • Ollama → https://ollama.com/ （官网）｜ https://github.com/ollama/ollama
  • llama.cpp → https://github.com/ggml-org/llama.cpp
  • KTransformers → https://github.com/kvcache-ai/ktransformers

二、Agent 底座与系统学习（衔接 合集一 / 合集三）

Pi（earendil-works/pi）：一个进程里塞进「统一 LLM API + Agent 循环 + TUI + 编码 CLI」

• 价值：用最小内核替代「LangChain + LangGraph + 各家 SDK + 编排 + CLI」的层层拼装，MIT 协议、单二进制分发，适合想自己掌控 Agent 运行时的人。
• 官方/开源：https://github.com/earendil-works/pi （MIT，npm install && npm run build && npm link 后直接运行 pi）

Datawhale happy-llm：从零手搭一个大模型的中文系统教程

• 价值：从 NLP 基础、Transformer、预训练一路讲到 SFT / LoRA / RAG / Agent，并真的带你实现一个 LLaMA2 级别的模型。和合集三的《动手学大模型》《深入理解 AI Agent》正好构成「原理—工程—Agent」三段式。
• 官方/开源：
  • Happy-LLM → https://github.com/datawhalechina/happy-llm
  • 姊妹项目 self-llm（开源大模型食用指南）→ https://github.com/datawhalechina/self-llm

三、去 AI 味与写作（衔接 合集五）

去 AI 味全家桶（中英文各有专攻）

• 价值：合集五只收了两个，实际这条链已经成体系——
  • humanizer（英文，24 种 AI 写作痕迹 + 两遍重写）→ https://github.com/blader/humanizer
  • Humanizer-zh（中文汉化版）→ https://github.com/op7418/Humanizer-zh
  • stop-slop（英文模板套话，8 规则 + 12 检查 + 5 维评分，低于 35 分打回重写）→ https://github.com/hardikpandya/stop-slop
  • shuorenhua（中文优先，210+ 中文短语表 + 96 条英文保护规则，默认不动数字/代码/引用）→ https://github.com/MrGeDiao/shuorenhua
  • ai-flavor-remover（中文提示词，五步精修，作者实测把 70% AI 味压到约 17%）→ https://github.com/hylarucoder/ai-flavor-remover
  • nuwa-skill（把任意公众人物的心智模型 / 表达 DNA 蒸馏成可运行文风）→ https://github.com/alchaincyf/nuwa-skill
  • taste-skill（前端审美，避免 AI 产出的廉价模板化界面）→ https://github.com/Leonxlnx/taste-skill
  • ChatGPT-Comparison-Detection（先检测 AI 含量，再针对性改写）→ https://github.com/Hello-SimpleAI/chatgpt-comparison-detection

四、文档 / 采集 / 社媒（衔接 合集三 / 合集五）

MarkItDown（微软）：把 PDF / Office / 图片一键转成给 AI 读的 Markdown

• 价值：做知识库前最常用的「清洗」环节，和合集三的 Gitingest（代码→文本）、公众号转 ima 属于同一条「喂给 AI 之前的预处理」链。
• 官方/开源：https://github.com/microsoft/markitdown

MediaCrawler：多平台内容采集的经典开源方案

• 价值：抖音 / 小红书 / B 站 / 微博 / 知乎等内容采集，是合集五里「关键词采集 + 选题素材」的底层能力替代。
• 官方/开源：https://github.com/NanmiCoder/MediaCrawler

SocialFlow / Postiz：自托管的社媒发布与调度

• 价值：SocialFlow 是「6 Agent 全自动流水线」，Postiz 偏「多平台排期 + 团队协作」；与合集五的 Easel / CreatorHub 互补。
• 官方/开源：
  • SocialFlow → https://github.com/inbharatai/SocialFlow
  • Postiz → https://github.com/gitroomhq/postiz-app

五、技能市场与生态（衔接 合集三 / 合集五）

几个值得收藏的「技能超市」

• 价值：与其到处找单个 Skill，不如直接进市场按分类挑。
  • SkillHub（腾讯官方技能社区，中文，13000+ 技能）→ https://skillhub.tencent.com/
  • ClawHub（注册表，5300+ 技能，OpenClaw / WorkBuddy 通用）→ https://clawhub.ai/
  • Awesome OpenClaw Skills（5300+ 技能，按 30+ 分类整理）→ https://github.com/VoltAgent/awesome-openclaw-skills

一句话总结

前五篇是「已经跑通、马上能用」的清单；这一篇是「同一条链上、值得继续挖」的矿脉。真正的用法不是把工具都装一遍，而是沿着一条链找到自己缺的那一环——推理、Agent 底座、写作去味、文档清洗、发布调度，各补一块即可。