Chrome DevTools MCP 可以让 Gemini、Claude 或是 Cursor 这类 AI 编码工具控制处于运行状态的 Chrome 浏览器，以此实现自动化操作、调试以及性能检测。
可以在自己的 MCP 配置中，通过npx chrome-devtools-mcp@latest这个命令轻松完成安装，之后只需要输入 “检测网站性能” 这类提示词，它就会自动完成追踪记录、截图、网络分析，并且可靠地修复问题。
这个工具能够让 AI 在网页编码方面的表现更智能，它可以实时验证修改内容、快速定位漏洞、提升网站运行速度，全程无需手动操作，为你带来帮助。
油管：https://youtu.be/YNwquBI20hE
它在谷歌云上提供了现成的模板与完整的基础设施。除了 AI 智能体的逻辑部分需要你自行编写，其余所有工作它都会处理，其中包括部署、监控、安全维护，以及 CI/CD 流水线的搭建。你只需要一分钟就能启动一个项目，还可以针对文档检索、实时聊天这类任务定制智能体，并且能根据需求对其进行扩展。这个工具提供了可直接用于生产环境的工具，还能与谷歌云服务集成，帮你节省时间与精力，让你可以专注于构建智能 AI 智能体，无需为后端配置或部署的细节问题费心。
油管：https://youtu.be/avj97et7kns
该教程的内容十分全面，涵盖了 AI 智能体的基础概念、发展历史，还包含了实操项目，比如创建专属的 AI 智能体框架、构建多智能体系统。课程会教授多项实用技能，比如记忆管理、上下文处理、通信协议，以及大语言模型的训练方法。跟着这个教程学习，你可以深入理解相关知识，同时获得真实的编码实践经验，从单纯使用 AI 模型，进阶到自主设计智能系统。这能够帮你培养高阶的 AI 技能，这些技能对求职、科研，或是打造创新 AI 应用都很有帮助。相关学习材料在线上发布，随时都可以轻松获取。
油管：https://youtu.be/D1UUyKB3bfc
这意味着你无需反复进行相同的解释，也不会遗漏项目的历史进程，能有效节省时间和精力。该工具具备智能搜索功能，可快速检索过往工作内容；还配备网页查看器，支持实时查看记忆数据；同时提供隐私管控能力，保障敏感信息的安全性。此外，它通过数据压缩技术避免内存耗尽，可适配长周期项目的需求。
借助 Claude-Mem，你的 AI 助手将成为持续且贴心的协作伙伴，让你在不同会话间的工作内容保持连贯衔接。
油管：https://youtu.be/2zOXlzOm4XI
该数据集涵盖了全球 27.5 亿栋建筑的二维建筑轮廓、建筑高度，以及简易三维模型（LoD1 级别），其中也包含了非洲、南美洲等在其他地图数据中常存在缺失的区域。
这份数据的精度极高，具备 3×3 米的精细分辨率，既可以在地理信息系统（GIS）软件中直接调用，也能进行完整下载。它能够清晰呈现人口居住分布与城市扩张态势，因此可广泛应用于城市规划、灾害风险评估、气候适应性应对，以及可持续发展目标的监测等工作。目前，该数据集及相关代码已面向科研与实际应用场景开放共享。
油管：https://youtu.be/Vgrzmi0ITtI
比如文件管理、软件更新或执行系统维护，这既能帮你节省时间，还能减少操作失误。即便没有编程经验，学习 Bash 脚本也并非难事，因为它所使用的都是你在终端中早已熟悉的简单命令。
目前有大量的资源、工具和现成脚本可供使用，它们能帮你定制专属命令行、提升工作效率，还能助力你开发自己的脚本。这会让你与系统的交互变得更快捷、更高效，同时还能降低出错概率。此外，你还可以设置脚本的自动运行时间，让其在指定时段自行启动。
油管：https://youtu.be/wWUXvXLC_HU
Cloudflare VibeSDK 能让你仅通过自然语言描述需求，即可创建基于人工智能的网络应用。它是一款开源工具，运行于 Cloudflare 平台之上，可提供安全、隔离的环境，支持一键式快速完成应用的构建、预览与部署。你可以自定义 AI 的行为模式、管控代码范式，同时保障数据隐私。
油管：https://youtu.be/szm99yk5qXo
Foundry-Local 来自 Microsoft，但它并不是一个“模型项目”。
它不提供 SOTA 模型，也不试图在推理速度上挑战极限。
它真正要解决的是一个更工程化的问题：
如何把大模型，变成一个“本地可依赖的系统组件”。
油管：https://youtu.be/zGBhA5bEtMQ
OTClient Redemption 是一款专为经典 MMORPG 游戏《Tibia》打造的灵活且功能完备的替代客户端，主要面向 OTServ 私服服务器环境 设计。它在保持原有游戏体验的基础上，提供了更强的可定制性、更高的性能表现以及更广泛的平台适配能力。
油管：https://youtu.be/sdxSF6DRcnk
说实话，大多数大模型教程都有一个问题：
一开始就把模型说得太神。
而真正关心的是一件很朴素的事：
Claude 能不能像数据库、像 HTTP API 一样，被我当成一个普通能力用？
油管：https://youtu.be/gsBLWy2Unhg
Uncloud 是一个开源的自托管基础设施工具集，目标是帮助开发者在普通服务器环境中，构建一套可控、简洁、易理解的服务运行与管理体系。
它关注的是：
如何在不引入复杂平台的前提下，完成服务部署、节点管理和基础运行能力。
油管：https://youtu.be/HZtOIJ2Zz8s
dot SDK 试图解决的是一个更底层、也更工程化的问题：
如何把“构建一条区块链”这件事，拆解成一套可复用、可组合、可演进的软件系统。
这不是一个 DApp 框架，也不是单一链的源码仓库，而是一套完整的区块链系统级 SDK。
油管：https://youtu.be/K_hVLT6VEvE
Kubernetes 是一个把「大量机器 + 容器 + 网络 + 存储」统一抽象成“操作系统”的工程实现。
它解决的不是“怎么跑一个程序”，而是：
当程序规模失控之后，系统还能不能被人类管理。
油管：https://youtu.be/ZF1l65YyMEc
一段谁也不敢改的“超级 Prompt”。
wshobson/agents 这个项目，关注的正是这个问题本身：
当 AI 不再只是聊天，而是参与真实任务时，我们应该如何“工程化”它。
油管：https://youtu.be/GDcv83yuFI0
「AI 帮我画点东西」这件事经常被理解成生成图片、生成插画。但在真实的工程和产品场景中，更有价值的其实是：AI 帮你生成“结构”，而不是像素。
next-ai-draw-io 正是一个围绕这个思路构建的实验性项目。
油管：https://youtu.be/XA54uQPcV1o
但如果你顺着它的设计一路看下去，会发现它压根就没打算参加这场比赛。
Lynx 更像是在回答一个非常具体的问题：
在一个已经被信息流、动态 UI、复杂交互榨干性能预算的 App 里，还能不能继续用前端的方式写界面？
油管：https://youtu.be/6A2BJ_8PzQA
