今日 GitHub 热门项目 Top 10，已为你深度翻译整理。

---

1. codecrafters-io/build-your-own-x

• 作者： codecrafters-io
• 语言： Markdown
• ⭐ 星标： 527,685（今日 +1,068）　｜　🍴 Fork： 49,932
• 主页：https://codecrafters.io
• 标签： awesome-list free programming tutorial-code tutorial-exercises tutorials

项目定位： 这是一个聚合了从零开始重建流行技术的优质教程的仓库，旨在通过动手实践加深对原理的理解。

核心特性：
– 收录了30多种技术领域（如3D渲染、数据库、区块链）的构建教程。
– 每个教程均提供详细步骤，适合从零开始的动手学习。
– 覆盖多种编程语言（C++、Go、Python、Rust等），满足不同偏好。
– 以“我无法创造的东西，我就无法理解”为理念，强调实践出真知。
– 教程来源为知名博客、书籍及开源项目，质量有保障。
– 持续更新，社区贡献活跃，可扩展至更多技术方向。

适用场景：
– 想深入理解底层原理的开发者。
– 通过重建经典技术来提升编程能力的学习者。
– 寻找系统化动手教程的计算机教育者。

技术亮点：
– 包含多种语言实现的教程，如C++、Go、Python、JavaScript、Rust等。
– 每个教程独立链接，无需安装依赖，直接按指南实践。
– 按技术类别（如数据库、游戏引擎、操作系统）组织，便于检索。

快速上手：
– 无需安装，直接浏览 README 选择感兴趣的技术类别。
– 点击对应教程链接（如“Build your own Database”下的C教程）即可开始学习。
– README 中未提供统一安装命令，每个教程有独立的环境要求。

注意事项：
– 仓库本身不提供代码或工具，仅为教程索引。
– 部分教程可能需读者具备对应语言基础，学习曲线因项目而异。

---

2. PostHog/posthog

• 作者： PostHog
• 语言： Python
• ⭐ 星标： 36,287（今日 +438）　｜　🍴 Fork： 3,012
• 主页：https://posthog.com
• 标签： ab-testing ai-analytics analytics cdp data-warehouse experiments feature-flags javascript product-analytics python react session-replay surveys typescript web-analytics

项目定位： PostHog 是构建自动驾驶产品的开源平台，提供分析、回放、AI 可观测性等全套工具，帮助团队诊断问题、发现机会并快速修复。

核心特性：
– 自驾驶模式：将产品数据信号转化为研究报告和 PR，自动诊断问题。
– 产品分析：自动捕获或手动埋点，支持可视化/SQL 分析用户行为。
– 会话回放：观看真实用户录屏，诊断问题并理解行为。
– 功能标志与实验：安全灰度发布，无代码方式测试变化并衡量统计影响。
– 错误跟踪与日志：捕获错误、告警、解决，并分析日志数据。
– AI 可观测性：捕获 LLM 应用的追踪、生成、延迟和成本。

适用场景：
– 产品团队利用分析、回放和实验优化用户体验。
– 开发者通过错误跟踪和日志快速定位并修复问题。
– AI 应用开发者监控 LLM 性能与成本。
– 需要安全灰度发布和 A/B 测试的团队。

技术亮点：
– 事件驱动架构，支持自动捕获与手动埋点。
– 提供 15+ 语言/框架 SDK（前端、移动端、后端）。
– 支持 Docker 一键部署，可自托管或使用 PostHog Cloud。

快速上手：
– 注册 PostHog Cloud（推荐）：访问 us.posthog.com/signup 或 eu.posthog.com/signup，免费使用。
– 自托管（高级）：在 Linux 上运行命令部署 Hobby 实例（需 4GB 内存）：/bin/bash -c “$(curl -fsSL https://raw.githubusercontent.com/posthog/posthog/HEAD/bin/deploy-hobby)”
– 安装 SDK：在网站中插入 JavaScript snippet 或使用对应语言 SDK。

注意事项：
– 开源 Hobby 部署仅支持约 10 万事件/月，超出建议迁移至 PostHog Cloud。
– 开源部署不提供官方客户支持或服务保证。

---

3. HenryNdubuaku/maths-cs-ai-compendium

• 作者： HenryNdubuaku
• 语言： TypeScript
• ⭐ 星标： 6,763（今日 +200）　｜　🍴 Fork： 816
• 许可证：Apache-2.0
• 标签： ai-textbook algorithms artificial-intelligence computer-science computer-vision deep-learning jax linear-algebra machine-learning machine-learning-algorithms math mathematics multimodal-learning nlp probability python reinforcement-learning speech-processing statistics

项目定位： 一个开放的非传统教科书，从零基础系统讲解数学、计算机科学与人工智能，强调直觉和实际背景，致力于帮助实践者深入理解并成为卓越的AI/ML研究工程师。

核心特性：
– 覆盖18个章节，从向量、矩阵到GPU编程、ML系统设计，内容全面
– 强调直觉与实际背景，避免密集符号，让概念易于理解
– 提供MCP服务器，可被AI助手（如Claude Code）用作文档知识库
– 源于作者多年AI/ML工作笔记，曾帮助朋友进入DeepMind、OpenAI等顶级公司
– 包含高效学习方法：累积阅读与影子阅读，提升学习效果
– 开源免费，持续更新，适合自学与面试准备

适用场景：
– 准备AI/ML研究或工程岗位面试，系统复习核心知识
– 作为自学AI/ML的完整教材，从数学基础到前沿技术
– 供开发者快速查阅数学、CS、AI领域的核心概念与实现
– 利用MCP集成，让AI助手在开发中提供上下文知识

技术亮点：
– 使用MCP（Model Context Protocol）实现AI知识库集成
– 基于Markdown文件组织，易于阅读、贡献和版本管理
– 涵盖从基础到前沿的技术栈：线性代数、概率、深度学习、GPU编程等

快速上手：
– 在线阅读：https://henryndubuaku.github.io/maths-cs-ai-compendium/
– 克隆仓库到本地，配合MCP服务器供AI助手使用

---

4. Nutlope/hallmark

• 作者： Nutlope
• 语言： CSS
• ⭐ 星标： 12,308（今日 +1,485）　｜　🍴 Fork： 613
• 许可证：MIT　｜　主页：https://www.usehallmark.com/

项目定位： 一个专为 Claude Code、Cursor 和 Codex 设计的设计技能，通过 57 道防同质化测试和自批评机制，确保输出不落 AI 模板窠臼，产出真正多样化的界面。

核心特性：
– 提供 20 套主题和自定义模式，不同 brief 生成不同结构，而非模板换色。
– 四个动词：默认构建新 UI、audit 审计现有代码、redesign 重构、study 提取设计 DNA。
– 57 道 slop-test 门控加预输出自我批评，拒绝 LLM 默认分布。
– 自定义主题从零设计，不依赖模板，同样通过 57 道测试。
– study 命令可提取设计的宏观结构、字体配对、色彩锚点，生成可移植 design.md。

适用场景：
– 使用 AI 编程助手生成非同质化 UI 的开发者。
– 审计现有代码中 AI 同质化痕迹的设计师。
– 从参考设计中提取 DNA 并迁移到新项目的场景。

技术亮点：
– 基于 Claude Code / Cursor / Codex 的 skill 系统，通过 SKILL.md 和 references/ 目录定义规则。
– npx 命令安装，支持手动复制到对应工具目录。

快速上手：
– 运行 npx skills add nutlope/hallmark 安装。
– 或手动将 SKILL.md 和 references/ 复制到 ~/.claude/skills/hallmark/ 等目录。

---

5. github/copilot-sdk

• 作者： github
• 语言： Java
• ⭐ 星标： 9,835（今日 +233）　｜　🍴 Fork： 1,335
• 许可证：MIT

项目定位： 多平台 SDK，将 GitHub Copilot 的代理工作流嵌入应用，提供生产级代理运行时，支持 Python、TypeScript、Go、.NET、Java 和 Rust。

核心特性：
– 支持六种主流语言，无缝集成到现有技术栈。
– 自动管理 Copilot CLI 进程生命周期，简化部署。
– 支持 BYOK（自带密钥），无需 GitHub 认证即可使用。
– 允许自定义代理、技能和工具，扩展功能灵活。
– 多种认证方式：GitHub OAuth、环境变量、BYOK 等。
– 生产就绪，遵循语义版本控制，持续更新。

适用场景：
– 构建自定义 AI 代理助手，嵌入应用内部。
– 自动化代码编辑、规划与工具调用工作流。
– 为现有开发工具添加 Copilot 智能能力。

技术亮点：
– 通过 JSON-RPC 与 Copilot CLI 服务器通信，实现跨语言调用。
– 每种语言提供原生 SDK（npm、pip、dotnet、go get、cargo、Maven）。
– 封装 CLI 为可编程接口，开发者定义行为，Copilot 处理编排。

快速上手：
– 安装 Node.js SDK：npm install @github/copilot-sdk
– 安装 Python SDK：pip install github-copilot-sdk
– 安装 .NET SDK：dotnet add package GitHub.Copilot.SDK

注意事项：
– 非 BYOK 场景需要 GitHub Copilot 订阅。
– BYOK 仅支持密钥认证，不支持 Microsoft Entra ID 或第三方身份提供商。

---

6. anthropics/cwc-workshops

• 作者： anthropics
• 语言： TypeScript
• ⭐ 星标： 1,645（今日 +45）　｜　🍴 Fork： 491
• 许可证：Apache-2.0

项目定位： Anthropic“与Claude一起编码”工作坊的实战材料合集，涵盖模型选择、多智能体系统、评估驱动开发等主题，帮助开发者系统掌握Claude的高级用法。

核心特性：
– 覆盖从模型选择到多智能体系统的完整工作流，每个主题都有独立可运行的代码。
– 每个工作坊附带明确的评估或验证机制（如程序化指标+LLM评判），确保学习效果可衡量。
– 提供快速迭代循环（如Agent Battle的30秒配置测试），大幅提升调试效率。
– 深度展示Claude Managed Agents、MCP、记忆服务等高级特性，从单代理到多代理协作渐进学习。
– 包含真实场景案例（如SEC文件研究台、PPTX生成代理），可直接作为参考实现。
– 所有材料基于Anthropic内部实践设计，聚焦最佳质量和成本配置。

适用场景：
– AI开发者学习Claude托管代理和多智能体系统构建。
– 团队内部培训，快速提升LLM应用开发能力。
– 作为参考实现，加速基于Claude的评估驱动开发流程。

技术亮点：
– Claude Code、Claude Managed Agents、MCP（Model Context Protocol）
– Vite + React、Streamlit、Next.js 前端框架；评估驱动开发含程序化指标和LLM评判。
– 跨会话记忆存储（Memory Store）和Dreaming Service实现持久化与上下文融合。

注意事项：
– 仓库不再维护，不接受贡献。
– 材料可能依赖特定版本的Claude或环境，需自行适配。

---

7. PrismML-Eng/Bonsai-demo

• 作者： PrismML-Eng
• 语言： Shell
• ⭐ 星标： 1,756（今日 +278）　｜　🍴 Fork： 169
• 许可证：Apache-2.0　｜　主页：https://prismml.com/
• 标签： bonsai llamacpp llm mlx prism-ml small-models

项目定位： Bonsai 是一个极低比特量化的语言模型家族，支持 1-bit 和 Ternary 量化，可在本地高效运行，提供视觉理解、工具调用和推理能力，模型大小从 1.7B 到 27B。

核心特性：
– 极低比特量化（1-bit / ternary），模型体积极小，可运行于 iPhone。
– 视觉语言模型支持：处理照片、截图、PDF 并进行问答。
– 原生 OpenAI 风格工具调用和 MCP 服务器，支持 agentic 交互。
– 推理模式，可调节思考强度，用于复杂问题求解。
– 256k+ 超长上下文，适合长文档对话。
– 多平台多后端：Mac (Metal)、Linux/Windows (CUDA, Vulkan, ROCm, CPU)。

适用场景：
– 本地离线部署大模型，保护隐私。
– 在手机、笔记本上运行具备视觉能力的 AI 助手。
– 构建调用工具和外部服务的 agent 应用。
– 模型压缩与量化技术研究及实验。

技术亮点：
– 基于 llama.cpp，支持 Q1_0 (1-bit) 和 Q2_0 (Ternary) 量化，兼容多种后端。
– 使用 MLX 在 Apple Silicon 上实现 2-bit 推理加速。
– 集成 Open WebUI 提供 agentic 交互和代码解释器。

快速上手：
– git clone https://github.com/PrismML-Eng/Bonsai-demo.git && cd Bonsai-demo
– 运行 ./setup.sh（默认下载 Ternary-Bonsai-27B），然后执行 ./scripts/start_llama_server.sh 启动服务。
– 通过环境变量 BONSAI_MODEL 和 BONSAI_FAMILY 选择模型大小和系列，如 BONSAI_MODEL=8B BONSAI_FAMILY=bonsai ./setup.sh

注意事项：
– 27B 模型目前需要 HuggingFace token 才能下载（私有仓库，上线后移除）。

---

8. protocolbuffers/protobuf

• 作者： protocolbuffers
• 语言： C++
• ⭐ 星标： 71,562（今日 +11）　｜　🍴 Fork： 16,193
• 主页：http://protobuf.dev
• 标签： marshalling protobuf protobuf-runtime protoc protocol-buffers protocol-compiler rpc serialization

项目定位： Protocol Buffers 是 Google 开发的与语言无关、平台无关、可扩展的数据序列化格式，用于结构化数据的高效交换与存储。

核心特性：
– 语言中立，支持 C++、Java、Python、Go 等多种编程语言，便于跨语言数据交换。
– 平台无关，可在不同操作系统和硬件上使用，确保数据互通性。
– 可扩展，通过 .proto 文件定义数据结构，支持向后兼容的字段变更。
– 提供预编译的 protoc 编译器二进制文件，无需从源码构建即可使用。
– 支持 Bazel 构建系统（Bzlmod 和 WORKSPACE），方便集成到大型项目中。
– 拥有完善的官方文档、教程和示例代码，降低学习和使用门槛。

适用场景：
– 跨语言服务间的数据序列化与反序列化。
– 定义并存储配置或结构化日志数据。
– 作为 gRPC 的接口定义语言和数据交换格式。

技术亮点：
– 核心编译器 protoc 由 C++ 实现，高效解析和生成代码。
– 支持多种语言运行时，通过代码生成器生成特定语言的类。
– 使用 .proto 文件定义消息类型，支持字段编号、嵌套类型、枚举等。

快速上手：
– 下载预编译的 protoc 二进制文件：从 GitHub Release 页面获取 protoc-$VERSION-$PLATFORM.zip。
– 使用 Bazel 添加依赖：在 MODULE.bazel 中添加 bazel_dep(name = "protobuf", version = <VERSION>)。
– 参考官方教程快速开始：https://protobuf.dev/getting-started。

注意事项：
– 从主分支 HEAD 构建可能包含不兼容变更和未充分测试的行为，建议使用发布版本。
– 预编译二进制仅提供已发布版本，若需使用最新特性或修改源码需自行编译。

---

9. tirth8205/code-review-graph

• 作者： tirth8205
• 语言： Python
• ⭐ 星标： 19,870（今日 +74）　｜　🍴 Fork： 2,112
• 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，为MCP和CLI提供。通过Tree-sitter构建代码库的结构化地图，让AI工具只读取相关代码，大幅减少上下文消耗。

核心特性：
– 基于Tree-sitter解析代码，构建函数、类、导入等节点和调用、继承等边的图，存入SQLite。
– 增量更新：文件保存或提交时，仅重新解析变更文件，2900文件项目更新<2秒。
– 影响范围分析：追踪变更传播路径，计算最小相关文件集，让AI只读关键代码。
– 广泛语言支持：覆盖30+语言及Jupyter Notebook，并支持通过配置自定义语言。
– 一键集成20+AI工具：自动检测并配置MCP，支持Codex、Cursor、Claude Code等，开箱即用。

适用场景：
– AI代码审查：在CI或本地提供风险评分的PR审查，减少token消耗。
– 大型代码库/单体仓库：解决大型仓库中AI工具重复扫描上下文的问题。
– 开发者工作流：增量更新，边写代码边维护代码图，无需手动扫描。
– 自定义语言支持：对未覆盖语言，通过配置快速集成。

技术亮点：
– Tree-sitter解析器（AST生成）+ SQLite存储图结构。
– MCP协议集成，自动检测并配置多种AI工具。
– 增量更新：基于SHA-256哈希和文件差异，仅重新解析变更文件。

快速上手：
– pip install code-review-graph
– code-review-graph install
– code-review-graph build

注意事项：
– YAML文件不被视为源代码，不会从中提取结构信息。

---

10. docusealco/docuseal

• 作者： docusealco
• 语言： Ruby
• ⭐ 星标： 17,933（今日 +91）　｜　🍴 Fork： 1,773
• 许可证：AGPL-3.0　｜　主页：https://www.docuseal.com
• 标签： document-signing documents e-signature hotwired-turbo open-source pdf pdf-sign pdf-signature ruby-on-rails self-hosted tailwindcss vue webpack

项目定位： DocuSeal 是一款开源的数字文档填写与签名平台，作为 DocuSign 的替代方案，提供安全、高效的电子签名处理，支持移动端优化，易于部署。

核心特性：
– PDF 表单字段所见即所得构建器，支持拖拽式设计。
– 12 种字段类型，包括签名、日期、文件、复选框等。
– 支持单个文档多提交者，以及自动邮件发送。
– 文件存储可选用磁盘、AWS S3、Google Storage 或 Azure Cloud。
– 自动 PDF 电子签名及签名验证功能。
– 提供 REST API 和 Webhooks，方便集成到现有系统。

适用场景：
– 企业合同、协议等电子文档的在线签署。
– 金融、医疗、房地产等行业的合规签名流程。
– KYC 认证、客户表单收集与内部审批。

技术亮点：
– 基于 Docker 部署，支持 SQLite/PostgreSQL/MySQL 数据库。
– 提供 API 和 Webhooks 实现第三方集成。
– 支持多语言界面（7 种 UI 语言，14 种签名语言）。

快速上手：
– docker run –name docuseal -p 3000:3000 -v.:/data docuseal/docuseal
– curl docker-compose.yml 后运行 sudo HOST=your-domain.com docker compose up

---