告别二手带水印付费资源，普通人免费获取全套正版教材（GitHub Trending）

今日 GitHub 热门项目 Top 6，已为你深度翻译整理。

1. mattpocock/skills

作者： mattpocock
语言： Shell
⭐ 星标： 206,970（今日 +1,873）　｜　🍴 Fork： 17,874
许可证：MIT

项目定位： Matt Pocock 的日常 AI 编程代理技能集，旨在解决 AI 辅助开发中的需求对齐、代码冗余、质量低下和架构腐化等常见痛点。

为你而选： 适合使用 AI 编程代理（如 Claude Code、Codex）的开发者。能帮你将传统软件工程最佳实践融入 AI 工作流，提升代码质量与开发效率。

这个项目是 TypeScript 专家 Matt Pocock 日常使用的 AI 编程代理技能集。它不追求“一键生成应用”，而是致力于解决 AI 辅助开发中四个最让人头疼的问题：

需求跑偏：通过 /grill-with-docs 技能，在动手前对需求进行深度盘问，确保你和 AI 完全对齐。
废话连篇：引导你与 AI 建立项目专属的“共享语言”（CONTEXT.md），用精准术语替代冗长描述，还能省下不少 Token。
代码不跑通：内置 /tdd 技能强制执行红-绿-重构循环，以及 /diagnosing-bugs 进行系统化排障，给 AI 提供持续的反馈闭环。
架构变泥球：AI 加速编码也加速了软件熵增。项目提供 /improve-codebase-architecture 技能，定期扫描代码库寻找“深化模块”的机会，防止架构腐化。

上手要点
安装非常简单，支持两种哲学：
– 托管模式（Claude Code 插件）：运行 claude plugins install mattpocock-skills，随作者更新而更新。
– 可编辑模式（任意代理）：运行 npx skills@latest add mattpocock/skills，将技能文件直接写入你的仓库，完全归你掌控。

安装后，记得在每个仓库运行一次 /setup-matt-pocock-skills 来配置问题追踪器和文档路径。注意，两种安装方式选其一即可，同时安装会导致技能重复。如果你厌倦了 AI 写出的“一次性代码”，这套技能能帮你把传统软件工程的严谨重新带回 AI 时代。

2. goauthentik/authentik

作者： goauthentik
语言： Python
⭐ 星标： 23,091（今日 +138）　｜　🍴 Fork： 1,771
主页：https://goauthentik.io
标签： authentication, authentik, authorization, kubernetes, oauth2, oauth2-client, oauth2-server, oidc, oidc-client, oidc-provider, proxy, reverse-proxy, saml, saml-idp, saml-sp, security, sso

项目定位： 开源身份提供商（IdP），支持 SAML、OAuth2/OIDC、LDAP 等多种协议，专为自托管设计，可作为 Okta、Auth0 等商业方案的替代品。

为你而选： 适合需要自建统一登录系统（SSO）的开发者或企业，能集中管理各类应用的身份认证，实现数据自主可控，摆脱对第三方云服务的依赖。

authentik 是一个开源的身份提供商（IdP），你可以把它理解为连接各种应用和身份认证的“胶水”。它支持 SAML、OAuth2/OIDC、LDAP、RADIUS 等主流协议，让你能够在一个地方集中管理所有应用的单点登录（SSO）。

对于想要摆脱 Okta、Auth0 等商业云服务依赖的团队来说，authentik 提供了一个完全可自托管的替代方案。无论是个人实验室的小规模测试，还是企业级的大型生产集群，它都能胜任。

在部署方面，项目提供了非常灵活的选项：
– Docker Compose：官方推荐用于小型或测试环境。
– Kubernetes (Helm Chart)：适合更大规模的集群部署。
– AWS CloudFormation 和 DigitalOcean Marketplace：提供了一键式或模板化的云上部署体验。

值得注意的是，authentik 核心采用 MIT 协议开源，但也提供了面向大型组织的企业版（EE License）。如果你正在寻找一个灵活、可控且支持多种协议的统一身份认证中心，authentik 是一个非常务实的选择。

3. google/guava

作者： google
语言： Java
⭐ 星标： 51,626（今日 +13）　｜　🍴 Fork： 11,163
许可证：Apache-2.0　｜　主页：https://guava.dev/
标签： guava, java

项目定位： Google Guava 是 Google 开源的核心 Java 库，提供新集合类型、不可变集合及并发、I/O 等实用工具，大幅提升 Java 开发效率。

为你而选： 适合 Java 与 Android 开发者，可用于简化日常编码、处理复杂并发或扩展标准库功能。

Guava 是 Google 内部广泛使用的 Java 核心库，它填补了 Java 标准库在许多场景下的空白。如果你写过 Java，一定体会过原生集合类型在某些场景下的捉襟见肘。Guava 提供了诸如 Multimap（多值映射）和 Multiset（多重集）等新的集合类型，以及不可变集合和图库，同时涵盖了并发、I/O、哈希、原生类型和字符串处理等大量实用工具。

从技术角度看，Guava 的设计非常注重 API 的易用性与健壮性。它分为 JRE 和 Android 两个版本，分别对应 Java 8+ 环境和 Android 平台。通过 Maven 或 Gradle 引入非常简单，例如在 Maven 中添加 com.google.guava:guava:33.6.0-jre 依赖即可。如果你使用 Gradle，只需一行 implementation("com.google.guava:guava:33.6.0-jre") 就能将其集成到项目中。此外，官方还提供了便捷的 Javadoc 查询方式，直接访问 guava.dev/类名 即可跳转到对应文档。

不过，在使用 Guava 时有几个重要的边界需要注意。首先，标记了 @Beta 注解的 API 随时可能被修改或移除。如果你的项目本身也是一个供他人使用的库，强烈建议使用 Guava Beta Checker 来避免使用这些 Beta API，或者对其进行重打包。其次，Guava 的类并没有设计用来防御恶意调用者，因此不要将其用于可信与不可信代码之间的通信。最后，除非特别说明，Guava 对象的序列化形式可能会发生变化，不要将其持久化并期望未来的版本能够读取。

总而言之，Guava 就像是 Java 开发者的“瑞士军刀”，它把 Google 多年来的最佳实践浓缩成了一系列开箱即用的工具，值得每一位 Java 开发者放进自己的工具箱。

4. TapXWorld/ChinaTextbook

作者： TapXWorld
语言： Roff
⭐ 星标： 77,046（今日 +134）　｜　🍴 Fork： 17,406

项目定位： 集中开源国内小初高及大学PDF教材，打破信息壁垒，促进教育公平，并方便海外华人子女学习国内课程。

为你而选： 适合家长、学生及海外华人家庭。普通人可免费获取正版教材，无需在二手平台购买带水印的付费资源。

这个项目的初衷非常朴素且充满温度：国内本就免费的教育资源，却因为普通人获取途径受限，被部分人加上私人水印后在平台上倒卖。作者决定将这些教材集中开源，不仅为了消除地区间的教育贫困，也为了让海外华人的孩子能继续接触国内的体系化教育。

核心内容与亮点
目前仓库收录了从小学到大学的多学科教材（README中主要展示了人教版数学的完整体系，涵盖小学至高中，以及高等数学、线性代数等大学课程）。所有资源均以 PDF 形式提供，直接在 GitHub 仓库中按目录分类，点击即可查看或下载。

技术实现与上手要点
由于 GitHub 对单文件有 100MB 的硬性限制（超过 50MB 会警告），项目对大体积 PDF 做了分片处理，拆分为 35MB 的多个文件（如 .pdf.1、.pdf.2）。
要还原完整文件，只需三步：
1. 从 ChinaTextbook-tools 下载合并程序 mergePDFs-windows-amd64.exe；
2. 将该程序与拆分后的 PDF 文件放在同一目录下；
3. 双击运行程序，即可自动合并。

适用边界与注意事项
– 如果你身处国内且网络条件良好，作者推荐使用 tchMaterial-parser 重新下载，速度更有保障；若在海外，直接克隆本仓库是更稳妥的选择。
– 仓库目前以数学教材为主，其他学科可能仍在扩充中。这是一个纯粹用开源精神做教育普惠的项目，值得收藏与支持。

5. Significant-Gravitas/AutoGPT

作者： Significant-Gravitas
语言： Python
⭐ 星标： 185,991（今日 +37）　｜　🍴 Fork： 46,055
主页：https://agpt.co
标签： agentic-ai, agents, ai, artificial-intelligence, autonomous-agents, claude, gpt, llama-api, llm, openai, python

项目定位： AutoGPT 是一个开源的 AI 智能体平台，让用户通过自然语言描述或可视化拖拽构建工作流，自动完成复杂任务并定期汇报，帮你每周省下大量重复劳动时间。

为你而选： 适合希望自动化处理销售、营销、客服等日常流程的职场人和开发者；普通人能零代码搭建专属 AI 助手，开发者可自托管实现完全数据掌控。

AutoGPT 的核心价值在于把“描述目标”变成“完成工作”。你只需用大白话说出想要的结果，它就能自动构建、运行 AI 智能体并汇报进度，把人从重复的流程性任务中解放出来。

平台提供了四个核心交互界面：AutoPilot（对话式生成智能体）、Agents（监控运行状态与成本）、Marketplace（复用社区现成的智能体）以及 Build（可视化拖拽画布，精确控制每一步逻辑）。在生态方面，它已接入 45+ 主流平台（如 Gmail、GitHub、Slack、Notion）和数百种 AI 模型，覆盖了高管简报、销售调研、客服草拟回复等典型自动化场景。

在部署上，官方提供了两条路径：如果你不想折腾，可以直接使用托管的 AutoGPT 平台（付费，按运行用量计费，免配置）；如果你更看重数据掌控，可以选择自托管（免费，需自带算力与模型 API Key）。自托管的安装命令非常简洁：

macOS / Linux: curl -fsSL https://setup.agpt.co/install.sh -o install.sh && bash install.sh
Windows PowerShell: powershell -c "iwr https://setup.agpt.co/install.bat -o install.bat; ./install.bat"

需要注意的是，托管平台收费是因为每次智能体运行都会消耗真实的模型算力和存储资源。此外，在采用该项目的代码时需留意许可证：平台核心代码采用 Polyform Shield 协议（个人和内部业务免费，但不能直接拿去卖成竞品托管服务），而早期的 Classic 独立版本仍保持宽松的 MIT 协议。

6. tirth8205/code-review-graph

作者： tirth8205
语言： Python
⭐ 星标： 29,003（今日 +237）　｜　🍴 Fork： 2,682
许可证：MIT　｜　主页：https://code-review-graph.com
标签： ai-coding, claude, claude-code, code-review, graphrag, incremental, knowledge-graph, llm, mcp, python, static-analysis, tree-sitter

项目定位： 本地优先的代码智能图谱，通过 Tree-sitter 解析代码库并构建持久化图谱，让 AI 编程工具只读取关键上下文，大幅减少 Token 消耗。

为你而选： 适合使用 AI 编程工具（如 Cursor、Claude Code 等）的开发者。它能帮你在大型代码库中精准定位影响范围，提升代码审查效率并节省 Token。

如果你经常用 AI 辅助编程，可能会遇到一个痛点：AI 为了理解上下文，往往要把整个代码库翻个底朝天，不仅慢，还极其浪费 Token。code-review-graph 就是为了解决这个问题而生的。它通过 Tree-sitter 把你的代码解析成 AST，并构建成一个持久化的知识图谱。当 AI 需要审查代码或回答问题时，它只会从图谱中提取真正相关的那一小部分文件，而不是把整个代码库塞给大模型。

核心亮点
– 爆炸半径分析：当你修改了一个文件，它能顺着调用链和依赖关系，精准追踪所有受影响的调用者、依赖项和测试用例。AI 只需要读这些文件就够了。
– 增量更新：支持 watch 模式和 Git hooks，文件保存后只需几秒钟就能完成增量索引，只重新解析哈希值发生变化的文件。
– 极广的语言覆盖：支持 Python、JS/TS、Go、Rust、Java 等数十种主流语言，甚至包括 Jupyter Notebook。如果遇到不支持的语言，只需在 .code-review-graph/ 目录下放一个 languages.toml 配置文件即可扩展，无需修改源码。
– CI 集成：提供了一个 GitHub Action，可以在 PR 中自动发布带有风险评分的审查评论，且全程在本地 CI Runner 上运行，不会把代码发送到外部服务。

快速上手
只需三行命令即可完成安装和初始化：

pip install code-review-graph
code-review-graph install          # 自动检测并配置你正在用的 AI 工具
code-review-graph build            # 解析你的代码库

它支持自动配置 Cursor、Claude Code、GitHub Copilot 等主流平台。安装完成后，重启你的编辑器，直接对 AI 说“Build the code review graph for this project”即可。

技术看点
项目底层依赖 Tree-sitter 进行语法解析，图谱数据存储在 SQLite 中，并通过 MCP（Model Context Protocol）与各种 AI 工具对接。根据官方基准测试，在 6 个真实的开源仓库中，平均每个问题能减少约 65 倍的 Token 消耗（最高可达 376 倍）。对于在大型单体仓库中挣扎的开发者来说，这绝对是一个值得尝试的效率利器。