把想法，做成眼前的作品。

Weft 把模型协议和能力调度放在 Core，聊天、RSS 阅读器、AI 视频画布与多 Agent 编排则由可替换的 package 提供。packages/index.toml 统一记录 capability 与 package 的对应关系；package 分为 provider、foundation、product，运行方式包括 wasm、native、embedded 和 service。调用默认拒绝未授权操作，升级时检查权限增量，并在调用点门控 11 类权限。每个 package 的 Ed25519 签名覆盖名称、版本、SHA-512 和来源；工具失败时，Closed/Open/HalfOpen 熔断器控制是否继续调用。工具路由在本机 CPU 上用 ONNX INT8 计算余弦 top-k，不调用模型 token。RSS 阅读器先用 TF-IDF 画像筛出候选，再让 LLM 排序。weft-core 已发布到 crates.io，项目提供 Windows 安装包；macOS 和 Linux 尚未完成发行验证。

模型直接生成代码时，输出可能能运行、diff 也看似正常，错误仍要到执行时才会显现。CodeJev 改由宿主从 AST 枚举代码候选并分配 ID，模型只返回某个 ID 或 NONE；随后宿主按确定性步骤组装并验证。在这组只改变输出形式、使用同一模型的对照中，候选选择 5/5 成功，自由生成 0/5。另一次选择器对照中，350M 模型总是返回同一个 ID，本地 1.5B 模型为 2–3/4、Jev 为 4/4、DeepSeek 为 5/5。结果仅描述这些小样本实验。

把身份、地址发现和消息历史分开：信息交换服务只提供账号对应的地址/IP，用户可以选择真实 IP 或中继 IP；每个人运行或信任一个 Store，保存、验证并转发自己的消息。当前原型以 WebSocket + Protobuf 连接节点，用哈希 DAG 容纳并发与乱序；缺少父消息时先挂起，父消息到达后再提升。实现按 DAG 深度、本地接收时间与哈希排序，这不能保证不同 Store 得到相同的全序。签名包含父消息引用，1v1 Olm 已经过真实 Store 的密文往返测试；群状态、一致排序与新设备恢复规则仍在设计。自查修复过消息验签、ROOM_EVENT、设备注册和准入问题，但 REST 读接口与节点间 WebSocket 默认仍无鉴权、无 TLS，因此是研究原型，尚未产品化。实现以 AI 辅助为主，我负责方案取舍与验收。

RestoreWeave 面向 NAS 和多来源文件，用整文件 SHA-256 与逻辑长度识别内容；字节相同的文件共用一份数据，同时保留各自文件名和原始路径。写入前先生成只读计划，列出文件数、逻辑大小、预计新增空间、重复内容和阻塞项，确认后才写入。导出与恢复时会重新核对路径、长度和 SHA-256；索引只负责定位，不能证明文件字节完整，索引或模型不可用时仍可按精确内容读取和恢复。搜索支持关键词、结构化条件、标签和备注；语义搜索需显式安装并检查本地 BGE 模型。这是尚未发行的 core preview，API 按 loopback 使用设计。

GlassBox 为每位用户隔离 Agent 执行环境，由 9 个应用服务组成。容器先移除全部 capability，再只加回运行所需项，并启用 no-new-privileges 和三层网络。Agent 端口只映射到 127.0.0.1 的临时端口；会话闲置 30 分钟后回收，孤儿容器按 label 清理。浏览器通过无头 Xvfb 与 Chromium CDP 观察，不传输整张桌面画面。

workflow-to-skill 把目标和已有 CLI、MCP 或 HTTP 工具写成可审查的 SKILL.md，执行仍交给宿主已有的工具和运行环境。在 DeepSeek Harness 的真实持久会话中，已记录一次「生成 Skill—新会话复用—得到结果」流程；仓库保留对应的证据地图和用例记录。

Loom 将想法拆成 auth、CRUD、表格等能力接口，从个人组件库检索现成代码，由 AI 选择，再由客户端确定性地组装成 T3 项目；客户端不调用 LLM。一次小规模实验中，4 个想法的组装版本都修到可编译，而从零生成的 4 个版本都在修复后越来越乱而停止；组装方案的 output token 约为从零生成的 1/18。实验只使用 deepseek-chat，样本较小，“收敛”仅指 tsc 零错误。loom-memory-mcp 已发布到 PyPI。

Siftline 将研究流程分成 Skill 和 CLI：Skill 设定要追踪的关系、搜索渠道、查询和停止条件；CLI 执行搜索，并返回带 provenance 的 schema 化 JSON 与机器可读账本。CLI 不做 LLM 推理、排序或结论判断，调用方据返回的材料自行评估。

plate-redact 为行车记录仪视频遮挡车牌，可组合多个检测或识别引擎的结果；多检出可能多出色块，漏检则可能泄露车牌。系统根据车辆运动预测提前遮挡，并使用纯色填充。发布流程按 fail-closed 设计：冻结输入、取得排他 lease、原子发布，编码后再解码输出，并检查遮挡区域能否由车辆轨迹解释；无法解释的区域标为 UNKNOWN 并阻止发布（test_fail_closed.py 有 17 项检查）。仓库不含视频素材或权重，第三方引擎按需惰性加载。

ModSpec 用 .mspec.toml profile 描述配置，并以可复用的 .rule.toml 定义 Hook。PC 上的 Rust CLI 通过 ADB 与手机 Agent 配对；validate 检查配置，verify 检查设备漂移，通过后才应用变更。Hook 脚本引擎支持 Frida 风格的 before、after、replace 操作和结构化事件。运行需要 root 与 LSPosed，目前是开发者预览，尚未稳定发行。