今日 GitHub 热门项目 Top 6，已为你深度翻译整理。

---

1. altic-dev/FluidVoice

• 作者： altic-dev
• 语言： Swift
• ⭐ 星标： 9,840（今日 +76）　｜　🍴 Fork： 663
• 许可证：GPL-3.0　｜　主页：https://altic.dev/fluid
• 标签： ai, dictation, ios, llama-cpp, macos, swift

项目定位： macOS 上的开源语音转文字听写应用，支持本地 STT 和本地 AI 增强模型，数据不离开设备，是 Wispr Flow 的本地替代方案。

为你而选： 适合需要高效语音输入的 Mac 用户和开发者；可用语音控制 Mac、在任何文本框听写或改写文字，兼顾隐私与速度。

FluidVoice：把语音听写留在本地

FluidVoice 想解决的核心问题是：市面上的语音听写工具要么依赖云端、隐私存疑，要么延迟高、体验差。它给出的答案是——在 macOS 上跑一个完全本地的语音转文字应用，从语音识别到 AI 后处理都在你的机器上完成，数据不出设备。

核心亮点

• Fluid Intelligence：一个本地 AI 运行时，负责智能格式化、上下文感知的大小写修正和后处理。README 里甚至半开玩笑地警告说，它可能让你退订其他听写应用、省下订阅费。这部分目前闭源私有，但核心听写功能完全开源（GPLv3）。
• 双模式设计：Command Mode 用语音控制 Mac——启动应用、运行快捷指令、触发系统操作；Write Mode 在任意应用的文本框里直接听写或改写选中的文字。
• 多模型支持：Nemotron Speech 3.5、Parakeet Flash/v3/v2、Cohere Transcribe、Apple Speech、Whisper 全系列，按语言和延迟需求自由选择。Parakeet Flash 号称在 Mac 上接近零延迟。
• 本地优先：语音、音频、转录文本默认不离开设备，除非你主动接入 OpenAI、Groq 等云端增强。

技术看点

项目用 Swift 编写，依赖通过 Swift Package Manager 管理，通过 macOS Accessibility API 直接向任意应用插入文本，不依赖特定应用支持。Intel Mac 可通过 Whisper 模型运行（1.5.1+），其余模型需 Apple Silicon。

快速上手

brew install --cask fluidvoice

安装后授予麦克风和辅助功能权限，设置全局热键，按语言和延迟偏好选模型即可开始用。Fluid Intelligence 模型约 3.5 GB 磁盘空间，语音模型约 1 GB，均为可选下载。

注意事项

• 需 macOS 15.0（Sequoia）或更高版本。
• iOS 和 Windows 版本尚在开发中，可加入等待列表。
• Fluid Intelligence 目前闭源，核心听写开源；匿名分析默认开启但可关闭。

---

2. unslothai/unsloth

• 作者： unslothai
• 语言： Python
• ⭐ 星标： 71,035（今日 +328）　｜　🍴 Fork： 6,405
• 许可证：Apache-2.0　｜　主页：https://unsloth.ai/docs
• 标签： agent, chatgpt, deepseek, fine-tuning, gemma, gemma3, gpt-oss, image-generation, llama, llm, llms, openai, qwen, reinforcement-learning, self-hosted, stable-diffusion, text-to-speech, tts, ui, unsloth

项目定位： 首个用于本地运行和训练 AI 模型的桌面应用，支持 LLM、扩散、嵌入、音频等多种模型，微调速度提升 2 倍、显存占用降低 70%。

为你而选： 适合想在本地跑模型、微调或部署的开发者和 AI 爱好者；无需云端依赖，降低硬件门槛，让个人电脑也能训练和运行主流大模型。

Unsloth：把大模型训练搬回你的桌面

Unsloth 的核心卖点很直接：在本地运行、训练和部署 AI 模型，而且不需要折腾复杂的环境配置。它支持 LLM、扩散模型、嵌入模型、音频模型等多种类型，覆盖了 Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、DeepSeek-V4、FLUX 等主流模型。

解决了什么问题

以前想在本地微调一个大模型，你得自己装 PyTorch、配 CUDA、处理依赖冲突、找数据集格式转换工具……Unsloth 把这些全打包成了一个桌面应用。微调速度号称提升 2 倍、显存占用降低 70%，支持 LoRA、QLoRA、全量微调、预训练、GRPO、DPO、FP8 等训练方式，还能从 PDF、CSV、DOCX 文件直接构建数据集。

技术看点

• 硬件覆盖广：CPU、NVIDIA、AMD、Intel、macOS（含 Apple Silicon MLX）、多 GPU 都支持，连 Vulkan 推理都覆盖了 Intel GPU。
• Agent 集成：一条命令把本地模型接入 Claude Code、Codex 等编程 Agent，还能作为子代理使用。
• 远程访问：通过 Cloudflare 隧道安全暴露本地模型，支持 HTTPS，默认绑定 localhost，失败即关闭。
• 导出灵活：GGUF、NVFP4、FP8 等格式，还能通过 OpenAI 兼容 API 对外服务。

快速上手

三种使用方式：Desktop（推荐，Tauri 桌面应用，零配置）、Studio（Web UI）、Core（纯代码）。

安装 Studio（macOS/Linux/WSL）：

curl -fsSL https://unsloth.ai/install.sh | sh

Windows：

irm https://unsloth.ai/install.ps1 | iex

启动 Studio：

unsloth studio -p 8888

Docker 方式：

docker run -d -e JUPYTER_PASSWORD="mypassword" \
  -p 8888:8888 -p 8000:8000 -p 2222:22 \
  -v $(pwd)/work:/workspace/work \
  --gpus all unsloth/unsloth

没有 GPU 也能用——官方提供了免费 Colab Notebook，可以直接在浏览器里跑训练。

注意事项

• Desktop 版目前是 beta（v0.1.701），功能可能仍在迭代。
• AMD 较老显卡（Polaris、RDNA 1）只能走 Vulkan 做 GGUF 推理，训练不可用。
• 远程访问功能会暴露到公网，务必保管好 API key。
• Windows 上 pip install unsloth 需要先装好 PyTorch。

---

3. megadose/holehe

• 作者： megadose
• 语言： Python
• ⭐ 星标： 12,410（今日 +195）　｜　🍴 Fork： 1,667
• 许可证：GPL-3.0
• 标签： ebay, email, emails, information-gathering, instagram, open-source-intelligence, osint, osint-python, osint-tools, pypi, python, social-network, tellonym, trio, twitter

项目定位： Holehe 是一款开源的 OSINT 工具，通过邮箱反查其在 120 多个网站上的注册情况，利用忘记密码功能获取信息且不会向目标邮箱发送提醒。

为你而选： 适合安全研究人员、开发者或对开源情报感兴趣的人。可用于验证邮箱注册足迹，或排查自己邮箱在哪些平台泄露过，提升信息排查效率。

平时我们想知道一个邮箱在哪些网站注册过，往往无从下手。Holehe 巧妙地利用了各大网站的“忘记密码”或注册校验功能，能一次性反查 120 多个主流平台（如 Twitter、Instagram、GitHub 等），判断该邮箱是否注册了账号。

这个项目最贴心的一点是，它不会向目标邮箱发送任何提醒邮件，避免了打草惊蛇。除了判断账号是否存在，有时还能顺带返回部分掩码的恢复邮箱或手机号，信息颗粒度相当不错。

在技术实现上，Holehe 基于 Python 3，使用了 trio 和 httpx 进行异步并发请求，保证了查询效率。它既可以作为命令行工具直接跑，也能作为模块嵌入到现有的 Python 应用中，扩展性很好。

快速上手非常简单，直接运行 pip3 install holehe 安装，然后在命令行输入 holehe test@gmail.com 即可开始查询。

需要注意的是，项目作者明确声明仅供教育目的。由于涉及大量并发请求，部分网站可能会触发限速，遇到限速时更换 IP 即可。同时，由于各网站接口随时可能变动，部分模块的可用性需要以实际运行为准。

---

4. holaboss-ai/holaOS

• 作者： holaboss-ai
• 语言： TypeScript
• ⭐ 星标： 6,572（今日 +241）　｜　🍴 Fork： 599
• 主页：https://holaos.ai
• 标签： agent, agent-harness, agent-os, agentic, ai, ai-agent, ai-agents, artificial-intelligence, claude-code, codex, electron, holaboss, holaos, llm, mcp, memory, model-context-protocol, runtime, typescript, workspace

项目定位： 开源的本地优先 AI Agent 一体化工作区，让你在同一界面里并行运行 Claude Code、Codex 等任意 Agent，共享记忆、工具和文件。内置前沿模型，也支持自带 API Key。

为你而选： 适合开发者和重度 AI 用户：把多个 Agent 统一到一个工作区，省去反复切换和重建上下文；普通人也能用它自动操作浏览器、生成真实文档、跨聊天平台派发任务。

为什么值得看 holaOS

大多数 AI 工具的痛点不在模型本身，而在”割裂”——你用 Claude Code 写代码，用另一个 Agent 查邮件，上下文互不相通，每次切换都得重新交代背景。holaOS 想解决的就是这件事：把任意 Agent 放进同一个本地工作区，共享一份记忆、一套工具、一组技能。

核心亮点

• 多 Agent 并行，零锁定：Claude Code、Codex、内置 holaOS Agent 可以并排运行，共享上下文和集成。你不必为每个 Agent 重建环境。
• 本地优先的共享记忆：偏好、项目历史、上下文以纯文件形式存在本地，可读可编辑。换 Agent、关应用、下周回来，它还记得你上次停在哪。
• 模型灵活：内置 Kimi K3、GLM 5.2、GPT 5.6、Claude Opus 5 等前沿模型，开箱即用；也支持 BYOK 接入 OpenAI/Anthropic 兼容端点。
• HolaApps——应用与 Agent 并排：从内置市场一键安装 Notion、浏览器等应用，它们以真实交互界面出现在 Agent 旁边，你能随时接管，结果直接落在应用里，而不是一堆聊天文本。
• 100+ 集成 + MCP：Gmail、Slack、GitHub、Linear 等一键 OAuth 连接；支持任意 MCP Server 扩展工具；技能可打包复用。
• 真实交付物：报告、表格、幻灯片保存为 .xlsx/.pptx/.docx，能直接发送。还能从飞书、微信、Slack、Telegram 等聊天线程派发任务，结果回到同一线程。

技术栈与实现

桌面端基于 Electron + TypeScript，支持 macOS（Apple Silicon 和 Intel）、Windows、Linux。许可证为 Modified Apache 2.0（附带商业分发和品牌限制，自托管前需留意条款）。

快速上手

全新机器上一行命令即可启动：

curl -fsSL https://raw.githubusercontent.com/holaboss-ai/holaOS/refs/heads/main/scripts/install.sh | bash -s -- --launch

想逐步控制安装过程，可走手动路径：npm run desktop:install → 复制 .env → npm run desktop:prepare-runtime:local → npm run desktop:dev。需要预先安装 Git 和 Node.js 24.14.1。

注意事项

许可证是 Modified Apache 2.0，有额外的商业分发和品牌条款，商用前务必阅读 LICENSE。安全问题需私下报告至 admin@holaboss.ai。内置模型走 holaOS 账户计费，BYOK 则走你自己的 Provider 账户——两者计费独立，按任务选择即可。

---

5. kepano/obsidian-skills

• 作者： kepano
• 语言： 未标注
• ⭐ 星标： 45,714（今日 +292）　｜　🍴 Fork： 3,295
• 许可证：MIT
• 标签： agents, agentskills, bases, claude, clawdbot, cli, codex, defuddle, hermes, jsoncanvas, markdown, md, obsidian, openclaw, opencode, skills

项目定位： 为AI Agent提供Obsidian专属技能，让Agent能准确读写Markdown、Bases、JSON Canvas等开放格式并调用Obsidian CLI。

为你而选： 适合Obsidian重度用户和开发者；结合Claude Code等AI助手，可自动化管理笔记库、开发插件或提取网页内容，提升效率。

如果你平时用 Obsidian 记笔记，同时又习惯让 AI 帮你写代码或整理资料，这个项目正好把这两头连了起来。它是一组遵循 Agent Skills 规范的技能包，能让 Claude Code、Codex 这类 AI 编程助手听懂 Obsidian 的“方言”。

过去让 AI 操作 Obsidian 笔记库，它往往不懂 [[双链]]、![[嵌入]] 或者 Bases 这种专属语法，写出来的东西没法直接用。这个项目提供了五个核心技能：obsidian-markdown 专门处理 Obsidian 风格的 Markdown；obsidian-bases 负责带视图和公式的 Bases 文件；json-canvas 用于生成包含节点和连线的白板文件；obsidian-cli 让 Agent 能直接通过命令行与笔记库交互，甚至开发插件；还有 defuddle，它能把网页里的杂乱内容剥离，提取出干净的 Markdown，顺便帮你省下不少 Token。

上手很简单，如果你用 npx，一行命令就能装：

npx skills add https://github.com/kepano/obsidian-skills

如果是 Claude Code，把仓库内容放进笔记库根目录的 .claude 文件夹即可。需要注意的是，不同 Agent 的安装路径有区别，比如 OpenCode 要求克隆整个仓库而不是只拷贝 skills/ 目录，重启后才会自动发现这些技能。对于想把笔记库管理和 AI 编程打通的人来说，这是个很实用的桥梁。

---

6. lightningpixel/modly

• 作者： lightningpixel
• 语言： TypeScript
• ⭐ 星标： 5,394（今日 +118）　｜　🍴 Fork： 574
• 主页：https://modly3d.app
• 标签： 3d, ai-local, ai-tools, desktop-app, modly, open-source, self-hosted

项目定位： 开源的本地桌面应用，利用 GPU 上的开源 AI 模型将图片直接转换为 3D 网格模型，支持 Windows、Linux 和 Apple Silicon macOS。

为你而选： 适合 3D 创作者、开发者和 AI 爱好者。无需依赖云端，在本地即可把照片变 3D 模型，兼顾隐私与效率，还能通过扩展接入更多模型。

把一张普通的 2D 照片变成可以编辑的 3D 模型，这件事通常需要依赖云端服务，而 Modly 让你完全在本地 GPU 上跑开源 AI 模型来完成。这不仅意味着零云端调用成本，更保证了数据的隐私和离线可用性。

从技术实现上看，Modly 是一个桌面端应用（前端结合了 Node.js 生态，后端基于 Python FastAPI）。它引入了节点式的工作流设计（例如：图像 -> 生成网格 -> 添加到场景），并在运行前对工作流进行校验，避免无效操作打断当前视图。应用内还内置了网格平滑和减面功能，方便直接优化结果。

它最亮眼的特性是灵活的扩展系统。你可以通过输入 GitHub 仓库链接来安装外部模型扩展，官方目前提供了 Hunyuan3D 2 Mini（含 Turbo/Fast 版本）、TripoSG、Trellis2 GGUF 等多种模型。此外，它还提供了一个仅依赖标准库的 CLI 工具，方便脚本或 AI Agent 通过命令行直接调用它来生成 3D 模型。

快速上手
普通用户可以直接去 Releases 页面下载对应平台的安装包。如果你想免安装运行，可以克隆仓库后执行 launch.bat（Windows）或 ./launch.sh（Linux/macOS）。
对于开发者，本地构建需要同时准备 JS 和 Python 环境：
1. 安装前端依赖：npm install
2. 配置 Python 后端：进入 api 目录，创建虚拟环境并 pip install -r requirements.txt
3. 启动开发模式：npm run dev

注意事项
目前 macOS 平台仅支持 Apple Silicon 芯片。由于是在本地运行 AI 模型，对电脑的 GPU 性能和显存有一定要求。另外，该项目基于 MIT 协议开源，如果你基于它进行二次开发并发布自己的应用，必须在 UI 或文档中保留原作者的署名。

---