CodeBurn
项目简介： CodeBurn 是一款面向 AI 编程工具的交互式成本监控仪表盘，支持 Claude Code、OpenAI Codex 和 Cursor 等主流 AI 编程助手。它通过终端 UI 实时展示 Token 消耗情况，帮助开发者清晰掌握每一行代码背后的费用支出。
项目信息： - ⭐ Stars：2571 - 🔀 Forks：176 - 📝 语言：TypeScript - 📜 许可证：MIT - 📅 创建时间：2026-04-13 - 🔗 项目主页：https://github.com/AgentSeal/codeburn
核心特性： - 支持 Claude Code、Codex、Cursor 等多种 AI 编程助手的 Token 用量追踪 - 提供交互式终端 UI 仪表盘，直观展示费用分布 - 可按项目、会话、模型等维度进行成本分析和对比
应用场景： - 团队管理者监控各成员的 AI 编程工具使用成本 - 开发者个人追踪不同项目的 Token 消耗，优化使用习惯
RedSun
项目简介： RedSun 是一个 Windows 安全漏洞概念验证仓库，专注于展示 Windows Defender 的有趣安全缺陷。该项目详细记录了漏洞原理并提供完整的 PoC 代码，对于安全研究人员理解和防御此类攻击具有重要参考价值。
项目信息： - ⭐ Stars：1349 - 🔀 Forks：289 - 📝 语言：C++ - 📜 许可证：MIT - 📅 创建时间：2026-04-15 - 🔗 项目主页：https://github.com/Nightmare-Eclipse/RedSun
核心特性： - 揭示 Windows Defender 在处理云端标记文件时的逻辑缺陷 - 提供完整的概念验证代码，便于安全研究人员复现和分析 - 详细阐述漏洞利用链的技术细节和攻击原理
应用场景： - 安全研究人员分析 Windows 防护机制的薄弱环节 - 企业安全团队评估和加固 Windows 终端防护策略
wterm
项目简介： wterm 是由 Vercel 实验室推出的网页端终端模拟器，核心用 Zig 语言编写并编译为 WebAssembly 以实现接近原生的性能。它直接渲染到 DOM，原生支持文本选择、复制粘贴、搜索和无障碍访问功能。
项目信息： - ⭐ Stars：1332 - 🔀 Forks：38 - 📝 语言：TypeScript - 📜 许可证：Apache-2.0 - 📅 创建时间：2026-04-14 - 🔗 项目主页：https://wterm.dev
核心特性： - 核心引擎使用 Zig 编写并编译为 WASM，性能接近原生终端 - 直接渲染到 DOM，天然支持文本选择、复制粘贴等浏览器原生功能 - 提供模块化包架构，支持 React 集成和无头 WebSocket 传输
应用场景： - 在线开发环境和云端 IDE 的终端组件集成 - Web 应用中嵌入高性能终端交互界面
Anything Analyzer
项目简介： Anything Analyzer 是一款全能协议分析工具，集浏览器抓包、MITM 代理、指纹伪装和 AI 分析于一体。它能够拦截来自网页、桌面应用、Python 脚本甚至手机 App 的网络流量，并通过 AI 自动完成逆向分析，同时提供 MCP Server 与 AI Agent 无缝集成。
项目信息： - ⭐ Stars：1275 - 🔀 Forks：294 - 📝 语言：TypeScript - 📜 许可证：未指定 - 📅 创建时间：2026-04-12 - 🔗 项目主页：https://github.com/Mouseww/anything-analyzer
核心特性： - 内置浏览器抓包和 MITM 代理，支持全平台流量拦截 - 提供指纹伪装和 JS Hook 能力，绕过常见反爬机制 - 集成 AI 分析引擎和 MCP Server，可与 AI Agent/IDE 无缝对接
应用场景： - 安全研究人员对移动应用和 Web 服务进行协议逆向分析 - 开发者调试第三方 API 接口，理解加密流量和鉴权流程
达尔文.skill
项目简介： 达尔文.skill 是一个灵感来自 Andrej Karpathy autoresearch 的自主技能优化系统，专为 Claude Code 设计。它通过"评估→改进→测试→保留或回滚"的棘轮循环，让 Agent 技能像训练模型一样持续进化，实现自动化的技能质量提升。
项目信息： - ⭐ Stars：1096 - 🔀 Forks：132 - 📝 语言：HTML - 📜 许可证：未指定 - 📅 创建时间：2026-04-13 - 🔗 项目主页：https://github.com/alchaincyf/darwin-skill
核心特性： - 采用棘轮式迭代机制，只保留改进结果而自动回滚退化版本 - 受 autoresearch 启发，将模型训练的自主实验循环应用到技能优化 - 完全自动化运行，无需人工干预即可持续提升技能质量
应用场景： - AI Agent 开发者持续优化和迭代自定义技能 - 团队利用自动化循环确保技能库的质量不断改进