今日 GitHub 热门项目 Top 18，已为你深度翻译整理。
1. block/buzz
- 作者： block
- 语言： Rust
- ⭐ 星标： 11,883（今日 +2,491） ｜ 🍴 Fork： 944
- 许可证：Apache-2.0
项目定位： Buzz 是一个自托管工作空间，让人类与 AI 代理在同一房间协作，基于 Nostr 协议的统一事件日志实现身份、审计与搜索的一体化。
核心特性：
– 人类与 AI 代理共享同一房间，代理拥有独立密钥与完整审计轨迹
– 基于 Nostr 协议的统一事件日志，消息、补丁、工作流、Git 事件同构存储
– 内置频道、线程、画布、媒体、全文搜索、审计日志，开箱即用
– YAML 工作流自动化，支持消息、反应、定时、Webhook 等多种触发方式
– Git 事件原生集成（NIP-34），补丁、仓库公告、CI 状态同步到频道
– 提供桌面端（Tauri+React）、CLI（JSON in/out）与 ACP 适配器（Goose/Codex/Claude Code）
适用场景：
– 事件响应：代理检索历史、给出根因并协助值班人员处理
– 功能分支即房间：补丁、CI、评审、合并决策同地留痕
– 自动化发布：工作流生成发布说明、人工审核后自动发布
– 团队协作：人类与代理共同编辑画布、语音汇聚、跨仓库协调
技术亮点：
– Rust 工作区架构，核心协议 crate 零 I/O 设计
– Nostr 协议（NIP-01/42/34），WebSocket + REST API
– Postgres（事件存储+全文搜索）、Redis（发布订阅）、S3/MinIO（Blossom 媒体存储）
快速上手：
– 克隆仓库并激活 Hermit 工具链：git clone https://github.com/block/buzz.git && cd buzz && . ./bin/activate-hermit
– 一键搭建开发环境：just setup && just build
– 启动中继与桌面应用：just dev（中继 ws://localhost:3000）
注意事项：
– 移动端客户端（iOS/Android Flutter）尚在开发中
– 工作流审批闸门、推送通知、跨中继信任网络等功能尚未就绪
2. alibaba/open-code-review
- 作者： alibaba
- 语言： Go
- ⭐ 星标： 12,940（今日 +431） ｜ 🍴 Fork： 886
- 许可证：Apache-2.0 ｜ 主页：https://open-codereview.ai
- 标签：
agent,agent-skills,code-review,code-review-assistant,harness,repository-level-context
项目定位： OpenCodeReview 是阿里巴巴开源的 AI 代码评审 CLI 工具，采用确定性流水线与 LLM Agent 混合架构，提供精准行级评论、内置细粒度规则集（空指针、线程安全、XSS、SQL 注入等），兼容 OpenAI/Anthropic，在大规模生产验证下实现高精度、低 Token 消耗的代码审查。
核心特性：
– 混合架构：确定性工程保证覆盖率与定位精度，Agent 负责动态决策与上下文检索，兼顾稳定性与灵活性。
– 精准行级评论：外部定位与反射模块系统性提升评论位置与内容准确性，解决通用 Agent 位置漂移问题。
– 内置细粒度规则集：模板引擎匹配 NPE、线程安全、XSS、SQL 注入等规则，聚焦模型注意力，消除噪声。
– 多模式评审：支持工作区增量、分支范围、单提交、全量扫描及委托模式，适配不同场景。
– 极低资源消耗：基准测试显示 Token 消耗约 1/9，速度更快，Precision 与 F1 显著优于通用 Agent。
– 生态集成完善：提供 CLI、MCP Server、CI/CD、会话查看器、OpenTelemetry，可作为 Skill/Plugin 接入主流 AI 编码助手。
适用场景：
– CI/CD 流水线自动化代码评审，拦截缺陷入库
– 陌生代码库全量审计或无 diff 目录扫描
– AI 编码助手自评审集成
– 大规模变更集稳定高精度增量评审
技术亮点：
– 混合架构：确定性流水线+LLM Agent，场景调优 Prompt 与工具集
– 模板引擎驱动细粒度规则匹配，替代纯自然语言引导，提升稳定性
– 基于 Git diff 增量分析，支持 OpenAI/Anthropic 兼容端点，提供 MCP Server 扩展
快速上手：
– 全局安装：npm install -g @alibaba-group/open-code-review
– 配置 LLM：ocr config provider 选择提供商，ocr config model 选择模型，交互式引导录入 API Key 并测试连通性
– 开始评审：ocr review（工作区增量）、ocr review --from main --to feature-branch（分支范围）、ocr scan（全量扫描）、ocr delegate preview（委托模式预览）
注意事项：
– Recall 低于通用 Agent，刻意牺牲召换取高 Precision，可能漏报部分真实缺陷
– 需 Git >= 2.41，且非委托模式下必须配置 LLM 端点与 API Key
3. citrolabs/ego-lite
- 作者： citrolabs
- 语言： JavaScript
- ⭐ 星标： 3,561（今日 +986） ｜ 🍴 Fork： 175
- 许可证：MIT ｜ 主页：https://lite.ego.app
- 标签：
agent-skills,ai-agent,browser,skills,skills-sh
项目定位： ego-lite 是专为 AI 代理设计的浏览器，让用户与代理并行工作，共享登录状态，零配置零成本，任务完成更快且消耗更少 token。
核心特性：
– 代码驱动而非 CLI 驱动，复杂任务速度提升 2.5 倍，工具调用更少
– 每个代理拥有独立隔离的 Space，用户与代理互不干扰
– 支持多代理并行多任务，同一浏览器内多 Space 同时运行
– 内核级定制的页面快照，可靠处理深层 iframe 等难点
– 通过 ego-browser 连接层，任意代理 CLI 可驱动浏览器，暴露 JS 工具集
– 经验积累功能即将推出，将成功动作转化为可复用工具加速后续任务
适用场景：
– AI 代理执行网页自动化任务（爬取、填表、交互）
– 开发者需与 AI 代理共享浏览器登录状态且不干扰自身浏览
– 并行运行多个代理任务，如同时丰富多个线索、抓取多个竞品站点
– 需要高质量页面快照处理复杂网页结构（如嵌套 iframe）的场景
技术亮点：
– 基于内核级定制的浏览器架构，提供高质量页面快照
– ego-browser 技能层暴露 snapshot、fill、click、wait、navigate、capture 等 JS 工具
– 代码优先设计：代理直接调用 JS 函数，减少工具调用轮次
快速上手：
– 下载 macOS 安装包（Apple Silicon 或 Intel）并安装，自动添加 ego-browser 技能
– 或使用 npx skills add citrolabs/ego-lite 仅安装技能
– 首次启动选择迁移 Chrome 数据，随后在代理 CLI 中输入 /ego-browser <任务描述> 运行任务
注意事项：
– 目前仅支持 macOS，Windows 和 Linux 尚在规划中
– 经验积累功能尚未发布（即将推出）
4. ComposioHQ/awesome-claude-skills
- 作者： ComposioHQ
- 语言： Python
- ⭐ 星标： 70,573（今日 +577） ｜ 🍴 Fork： 7,938
- 标签：
agent-skills,ai-agents,antigravity,automation,claude,claude-code,codex,composio,cursor,developer-tools,gemini-cli,mcp,openai-codex,rube,saas,skill,workflow-automation
项目定位： 精选 1000+ 生产就绪的 Claude Skills 与插件集合，覆盖文档处理、开发工具、数据分析等 10 大类场景，支持 Claude.ai、Claude Code、Cursor、Gemini CLI 等主流 AI 代理，通过渐进式加载避免上下文膨胀。
核心特性：
– 1000+ 可直接落地的 Skills 与插件，开箱即用，覆盖文档、开发、数据、业务、协作等全栈场景
– 渐进式加载机制：会话初始仅加载技能名/描述（~100 tokens），按需再拉取完整指令（<5k tokens），支撑百技能并存
– 技能即工作流定义：区别于 MCP 服务器与工具，Skills 规定“做什么、按什么顺序、有什么护栏”，与 MCP/Tools 协同运行
– Composio MCP Gateway 一站式接入 1000+ 外部应用（Gmail、Slack、GitHub、Notion 等），内置认证、团队权限、审计日志
– 开放标准格式：每技能为含 SKILL.md（YAML 前置元数据+Markdown）及可选 scripts/、references/ 的文件夹，Anthropic 2025 年 12 月开源
– 跨平台兼容：同一技能库可在 Claude Code、Claude.ai、OpenAI Codex、Cursor、Gemini CLI、Antigravity、Windsurf 间复用
适用场景：
– 需要让 AI 代理直接操作 1000+ 真实 SaaS 应用（发邮件、建 Issue、发 Slack、写数据库）的开发者
– 构建领域专用代理工作流：法律文档审阅、AWS 基建、博客生成、变更日志、浏览器自动化、iOS 模拟器测试等
– 团队统一技能库管理：通过渐进式加载在单代理中承载数百技能而不爆上下文窗口
– 从任意文档站点快速生成 Claude Skill（Skill Seekers），降低领域知识封装门槛
技术亮点：
– Skills 规范：SKILL.md（YAML frontmatter + Markdown）+ 可选 scripts/、references/，按需渐进加载
– Composio MCP Gateway：统一 MCP 端点聚合 1000+ 集成，内置 OAuth/JWT/CSRF 等认证自动化、团队 RBAC、审计日志
– 跨代理兼容层：遵循 Anthropic 2025/12 开放标准，原生适配 Claude Code、Codex、Cursor、Gemini CLI 等
快速上手：
– 安装 connect-apps 插件：claude --plugin-dir ./connect-apps-plugin
– 运行设置向导：/connect-apps:setup 并粘贴 Composio API Key（免费获取：dashboard.composio.dev）
– 重启 Claude：exit 后再次运行 claude 即可调用 1000+ 应用
注意事项：
– Skills 不是 MCP 服务器也不是工具，需配合 MCP/Tools 才能落地执行
– connect-apps 插件依赖 Composio 云服务与 API Key，离线或私有化部署场景需额外评估
5. anthropics/claude-cookbooks
- 作者： anthropics
- 语言： Jupyter Notebook
- ⭐ 星标： 49,877（今日 +132） ｜ 🍴 Fork： 5,895
- 许可证：MIT
项目定位： 面向开发者的 Claude 使用示例与指南集合，提供可直接复用的代码片段，帮助快速构建基于 Claude 的分类、RAG、工具调用、多模态等应用。
核心特性：
– 提供分类、摘要、RAG 等核心能力的现成 Notebook 示例，加速原型开发。
– 详细演示工具调用与外部函数集成（如客服代理、计算器、SQL 查询），拓展模型边界。
– 整合第三方服务（Pinecone、Voyage AI、Wikipedia、网页抓取），便于构建知识增强应用。
– 覆盖多模态视觉任务（图表解读、表单提取、图像生成），挖掘 Claude 视觉潜力。
– 包含高级技巧（子代理协作、PDF 解析、自动评测、JSON 模式、内容审核、提示缓存），提升生产可用性。
– 代码以 Python 为主但概念通用，附带前置课程链接，降低学习曲线。
适用场景：
– 想快速上手 Claude API 的后端/全栈开发者。
– 需构建文本分类、摘要、RAG 等 NLP 应用的工程师。
– 探索工具调用、多模态视觉或复杂代理工作流的 AI 产品团队。
– 寻求最佳实践与可复用代码片段的技术决策者。
技术亮点：
– 基于 Anthropic Claude API，主要使用 Python (Jupyter Notebook) 编写。
– 涵盖工具调用、RAG、向量数据库、多模态视觉、提示工程等关键技术模式。
– 提供可直接运行的 Notebook，支持本地或云端环境执行。
快速上手：
– 获取 Claude API Key（免费注册），建议先完成 Anthropic API 基础课程。
– 克隆仓库并在 Jupyter 中打开所需 Notebook，安装必要依赖（如 anthropic SDK）后运行。
6. Automattic/harper
- 作者： Automattic
- 语言： Rust
- ⭐ 星标： 13,409（今日 +503） ｜ 🍴 Fork： 508
- 许可证：Apache-2.0 ｜ 主页：https://writewithharper.com
- 标签：
chrome-extension,developer-tools,english-language,grammar-checker,nodejs,react,rust,svelte,webassembly
项目定位： Harper 是一款离线、隐私优先的英语语法检查工具，基于 Rust 构建，极速且内存占用极低。
核心特性：
– 完全离线运行，零数据上传，保护隐私
– 毫秒级检查速度，内存占用仅为 LanguageTool 1/50
– 支持 WebAssembly，可在浏览器直接运行
– 核心架构可扩展支持多语言（目前仅英语）
– 提供语言服务器 (harper-ls) 兼容主流编辑器
– 开源免费，无订阅费用
适用场景：
– 隐私敏感的英语写作场景
– 追求极速响应的开发者与作家
– 资源受限环境下的语法检查
– 集成到 IDE/编辑器的实时检查
技术亮点：
– Rust 编写，高性能、内存安全
– WebAssembly 支持，跨平台运行
– 语言服务器协议 (LSP) 实现
快速上手：
– 访问 writewithharper.com 获取编辑器集成指南
– 在线体验 WebAssembly 版本或安装对应编辑器插件
注意事项：
– 目前仅支持英语，多语言支持待社区贡献
– 长文档检查耗时可能较长（视为 Bug 需反馈）
7. shiyu-coder/Kronos
- 作者： shiyu-coder
- 语言： Python
- ⭐ 星标： 33,781（今日 +319） ｜ 🍴 Fork： 5,702
- 许可证：MIT
项目定位： Kronos 是首个面向金融 K 线的开源基础模型，基于 45 家全球交易所数据预训练，通过分层离散化分词器将 OHLCV 序列转为 Token，再用自回归 Transformer 建模，统一支撑多种量化预测任务。
核心特性：
– 创新两阶段框架：专用分词器将连续多维 K 线量化为分层离散 Token，再由解码器-only Transformer 自回归预训练，专门应对金融数据高噪特性
– 提供四种规模模型（4.1M~499.2M 参数），Kronos-mini 支持 2048 上下文，其余 512，满足不同算力与精度需求
– 开箱即用的 KronosPredictor 封装预处理、归一化、采样解码与逆归一化，支持温度、top-p、多路采样的概率预测
– 内置 predict_batch 并行推理，单次调用即可对多资产、多周期批量生成预测，自动逐序列归一化
– 配套完整微调流水线：含 Qlib 数据准备、分词器微调、预测器微调、回测评估四步脚本，支持 A 股等自有数据域适配
– 模型与分词器托管于 Hugging Face Hub，提供在线演示页实时展示 BTC/USDT 24 小时滚动预测
适用场景：
– 加密货币、股票等多市场 K 线序列的单/多步点位与区间预测
– 量化策略研发中作为统一特征提取器或信号生成器的预训练骨干
– 风控与资产配置所需的概率分布预测（多路径采样得到分位数/置信区间）
– 领域自适应：在特定交易品种/频率数据上微调分词器与预测器以提升下游任务表现
技术亮点：
– 解码器-only Transformer + 分层向量量化分词器（OHLCV→离散 Token）两阶段预训练架构
– PyTorch 实现，依赖 Hugging Face Transformers/Accelerate，支持 torchrun 多 GPU 训练
– 集成 Qlib 做数据清洗/对齐/标签生成，微调流水线覆盖数据预处理→分词器微调→预测器微调→回测闭环
快速上手：
– 安装依赖：pip install -r requirements.txt（Python 3.10+）
– 从 HF Hub 加载：tokenizer = KronosTokenizer.from_pretrained("NeoQuasar/Kronos-Tokenizer-base\))；model = Kronos.from_pretrained(“NeoQuasar/Kronos-small))- 实例化预测器并调用：predictor = KronosPredictor(model, tokenizer, max_context=512)→pred_df = predictor.predict(df, x_timestamp, y_timestamp, pred_len=120, T=1.0, top_p=0.9)- 运行完整示例：python examples/prediction_example.py含绘图；微调请按finetune/config.py配置路径后依次执行qlib_data_preprocess.py、train_tokenizer.py、train_predictor.py`
注意事项：
– Kronos-small/base 最大上下文 512，长序列会被截断；Kronos-large 未开源
– 微调示例为教学演示，非生产级量化系统，缺乏组合优化、风险中性化等实盘必要模块
– 依赖 Qlib 数据格式，若无 Qlib 数据需自行对齐至同结构 DataFrame
8. obra/superpowers
- 作者： obra
- 语言： Shell
- ⭐ 星标： 261,089（今日 +479） ｜ 🍴 Fork： 23,298
- 许可证：MIT
- 标签：
ai,brainstorming,coding,obra,sdlc,skills,subagent-driven-development,superpowers
项目定位： Superpowers 是一个面向编码智能体的技能框架与软件开发方法论，通过可组合技能与自动化工作流，让 AI 代理按规范化流程完成从需求澄清到交付的全过程。
核心特性：
– 内置脑暴、Git worktree、计划编写、子代理驱动、TDD、代码审查、分支收尾 7 步强制工作流
– 技能自动触发，无需手动调用，智能体即装即用
– 支持 Claude Code、Cursor、Gemini CLI 等 11 种主流编码智能体
– 强制红绿重构 TDD，删除无测试代码，保证交付质量
– 提供编写技能的最佳实践指南，支持跨智能体技能复用
– 可选遥测仅上报版本号，尊重隐私，环境变量即可关闭
适用场景：
– 希望 AI 代理按工程化流程自主完成功能开发的团队
– 需要跨多种编码助手统一开发规范的组织
– 追求测试驱动、代码审查自动化的个人开发者
– 企业级项目需商业支持与托管支出管理的场景
技术亮点：
– 基于技能组合架构，技能间通过钩子自动触发
– 使用 superpowers-evals 进行技能行为测试，插件基础设施测试独立运行
– 支持多智能体插件市场安装（Claude、Codex、Cursor 等官方市场）
快速上手：
– Claude Code: /plugin install superpowers@claude-plugins-official
– Cursor: 在 Agent 聊天中运行 /add-plugin superpowers
– Gemini CLI: gemini extensions install https://github.com/obra/superpowers
注意事项：
– 不接受新技能贡献，技能更新需兼容所有支持的编码智能体
– 更新机制依赖具体智能体，部分平台需手动重新安装
9. Pumpkin-MC/Pumpkin
- 作者： Pumpkin-MC
- 语言： Rust
- ⭐ 星标： 9,705（今日 +358） ｜ 🍴 Fork： 655
- 许可证：GPL-3.0 ｜ 主页：https://pumpkinmc.org/
- 标签：
docker,game-server,gamedev,minecraft,minecraft-bedrock-edition,minecraft-protocol,minecraft-server,networking,rust,server
项目定位： 基于 Rust 构建的高性能 Minecraft 服务端，支持 Java 版与基岩版，追求原版机制兼容、多线程加速与插件扩展性。
核心特性：
– 纯 Rust 实现，利用多线程实现高性能服务端
– 同时支持 Java 版与基岩版协议，兼容原版玩法
– 内置配置、RCON、查询、权限、翻译等管理功能
– 支持 BungeeCord 与 Velocity 代理协议
– 提供插件系统基础，便于扩展自定义功能
– 包含世界生成、实体 AI、红石、液体物理等核心系统
适用场景：
– 自建高性能 Java/基岩版联机服务器
– 开发自定义插件或模组服务端
– 替代原版服务端以提升吞吐量
– 学习 Rust 编写游戏服务器架构
技术亮点：
– Rust 语言，多线程异步运行时
– TOML 配置，模块化架构支持插件
– 兼容 BungeeCord/Velocity 代理协议
快速上手：
– 参考官方文档快速入门指南：https://docs.pumpkinmc.org/#quick-start
注意事项：
– 项目处于大量开发阶段，尚未发布 1.0.0 稳定版
– 部分功能如基岩版、实体 AI、红石仍在进行中
10. permissionlesstech/bitchat
- 作者： permissionlesstech
- 语言： Swift
- ⭐ 星标： 28,687（今日 +1,720） ｜ 🍴 Fork： 4,282
- 许可证：Unlicense
项目定位： bitchat 是一款去中心化的点对点消息应用，采用双传输架构：本地蓝牙 Mesh 网络用于离线通信，基于 Nostr 协议的互联网传输用于全球覆盖。无需账号、手机号或中心服务器。
核心特性：
– 双传输架构：蓝牙 Mesh 离线通信 + Nostr 协议全球互联，自动选择最优路由
– 去中心化蓝牙 Mesh 网络：自动发现对等节点，支持多跳中继（最多 7 跳），无需互联网
– 隐私优先：无账号、手机号、持久标识符；私聊采用 Noise 协议和 NIP-17 端到端加密
– 基于地理位置的频道：通过 geohash 坐标创建不同精度的区域聊天室（街区、城市、国家等）
– IRC 风格命令行界面：支持 /msg、/who 等熟悉指令，降低学习成本
– 紧急擦除与性能优化：三击清空数据，LZ4 压缩、自适应省电模式
适用场景：
– 灾害、抗议或偏远地区无网络时的离线即时通讯
– 基于地理位置的社区聊天、本地活动组织、区域性讨论
– 注重隐私、不愿提供手机号/注册账号的用户进行私密通讯
– 开发者或极客体验去中心化 Mesh 网络与 Nostr 协议结合
技术亮点：
– 混合传输架构：蓝牙 LE Mesh（多跳中继、Noise 加密、二进制协议）+ Nostr 协议（全球中继、geohash 频道、NIP-17 加密）
– 智能路由选择：优先蓝牙直连，回退 Nostr 礼物包装加密，离线排队自动投递
– 原生跨平台：iOS 与 macOS 统一代码库，LZ4 压缩与自适应省电优化
快速上手：
– 使用 Xcode：克隆配置 cp Configs/Local.xcconfig.example Configs/Local.xcconfig，填入 Team ID，修改 Entitlements 后打开 bitchat.xcodeproj 运行
– 使用 just：安装 brew install just，执行 just run 即可在 macOS 上从源码构建运行
– 运行 just clean 可恢复原始状态以便移动端开发
注意事项：
– 蓝牙 Mesh 通信范围受限于多跳中继（最多 7 跳），需设备密度足够
– Nostr 全球频道依赖互联网连接，且 Entitlements 需手动配置（暂未自动化）
11. mattpocock/skills
- 作者： mattpocock
- 语言： Shell
- ⭐ 星标： 188,231（今日 +1,740） ｜ 🍴 Fork： 16,175
- 许可证：MIT
项目定位： 马特·波科克精心打造的 AI 编程代理技能集，通过小巧可组合的工作流解决对齐偏差、输出冗余、代码质量与架构腐化四大核心痛点，助力工程师交付高质量软件。
核心特性：
– 提供 /grill-me 等对齐技能，通过深度提问消除需求理解偏差
– 引入共享语言机制（CONTEXT.md/ADR），大幅压缩代理冗余输出
– 内置 /tdd 红绿重构循环与 /diagnosing-bugs 调试技能，强化代码可靠性
– 包含 /improve-codebase-architecture 等架构治理技能，持续对抗软件熵增
– 技能粒度细小、可组合、模型无关，支持 skills.sh 与 Claude Code 插件双安装模式
– 涵盖工程类 13 项与生产力类 3 项技能，覆盖从需求澄清到代码交付全流程
适用场景：
– 使用 Claude Code/Codex 等 AI 编程代理的专业工程师
– 需解决 AI 生成代码对齐度低、冗余高、质量不稳定的团队
– 希望在 AI 辅助开发中引入 TDD、架构治理等工程化实践的项目
技术亮点：
– 基于 Agent-Skills 标准，兼容 skills.sh 安装器与 Claude Code 原生插件机制
– 技能分用户调用（编排）与模型调用（复用纪律）两层，支持自动触发与手动驱动
– 采用 Markdown 定义技能，配合 CONTEXT.md 领域模型与 ADR 架构决策记录
快速上手：
– 运行 npx skills@latest add mattpocock/skills 通过 skills.sh 安装并选择技能
– 在代理中执行 /setup-matt-pocock-skills 配置议题追踪器、标签与文档路径
– 或用 claude plugin marketplace add mattpocock/skills && claude plugin install mattpocock-skills@mattpocock 安装插件版
12. palmier-io/palmier-pro
- 作者： palmier-io
- 语言： Swift
- ⭐ 星标： 12,209（今日 +412） ｜ 🍴 Fork： 893
- 许可证：GPL-3.0 ｜ 主页：https://palmier.io
- 标签：
ai-video,claude,macos,mcp,seedance2,swift,video-editor
项目定位： Palmier Pro 是一款面向 AI 的 macOS 视频编辑器，支持在时间轴内集成生成式 AI 并通过 MCP 与智能体协作编辑。
核心特性：
– Swift 原生开发，性能接近 Premiere Pro，专为 macOS 26 Apple Silicon 优化
– 内置 SOTA 生成式 AI 模型（Seedance、Kling、Nano Banana Pro），可在时间轴直接生成视频/图片
– 暴露本地 MCP 服务器（HTTP 19789 端口），支持 Claude Code、Codex、Cursor、Claude Desktop 接入
– 编辑器核心完全开源（GPLv3），免费使用无需登录；生成式 AI 功能需订阅
– 应用内提供 Agent 聊天，人机共同在同一项目上协作
– 一键安装 MCP 扩展到 Cursor/Claude Desktop，降低接入门槛
适用场景：
– 视频创作者利用 AI 快速生成素材并编辑
– 开发者通过 MCP 让智能体自动化视频剪辑流程
– 团队协作中引入 AI Agent 共同完成视频项目
– 学习/研究 MCP 与视频编辑集成的参考实现
技术亮点：
– Swift 原生架构，针对 macOS 26 (Tahoe) Apple Silicon 优化
– MCP 服务器基于 HTTP (localhost:19789) 实现智能体通信
– 集成 Seedance、Kling、Nano Banana Pro 等 SOTA 生成模型
快速上手：
– 下载安装：从 Releases 下载 PalmierPro.dmg（需 macOS 26 Apple Silicon）
– Claude Code 接入：claude mcp add --transport http palmier-pro http://127.0.0.1:19789/mcp
– Cursor 接入：在应用 Help -> MCP Instructions -> Install in Cursor，或手动配置 ~/.cursor/mcp.json
注意事项：
– 仅支持 macOS 26 (Tahoe) Apple Silicon，不支持 Windows/Linux/Intel Mac
– 生成式 AI 功能闭源且需登录订阅，核心编辑器开源但 AI 处理部分不开放
13. CoreBunch/Instatic
- 作者： CoreBunch
- 语言： TypeScript
- ⭐ 星标： 5,061（今日 +426） ｜ 🍴 Fork： 473
- 许可证：MIT ｜ 主页：https://instatic.com
- 标签：
cms,css,css-framework,page-builder,static,website
项目定位： 开源自托管可视化 CMS，单一 Bun 服务集成编辑器、内容引擎与发布器，输出纯净静态页面，替代 Webflow/Framer/WordPress。
核心特性：
– 可视化画布编辑器，支持多断点同步编辑与实时模式
– 内置 Core Framework 设计系统：令牌自动生成、流体排版、零冗余工具类 CSS
– 组件化构建：模块、可视组件、模板、循环、表单、AI 代理辅助
– 统一内容模型：页面、文章、自定义集合、表单共享数据表，含版本控制
– 媒体管理如文件管理器，支持智能文件夹、用量追踪、存储适配器扩展
– 插件系统基于 QuickJS-WASM 沙箱，提供路由、存储、循环源、画布模块等扩展点
适用场景：
– 个人博客、作品集、中小企业官网快速搭建
– 团队协作内容管理，需自托管与数据完全掌控
– 开发者构建可扩展静态站点，需可视化编辑与插件扩展
– 替代 Webflow/Framer/WordPress 的自托管方案
技术亮点：
– 运行时：Bun，全栈 TypeScript
– 数据库：SQLite（默认）或 PostgreSQL
– 发布架构：静态页面预烤写入磁盘，版本化内存缓存，1.1kB 运行时处理动态片段
– 插件沙箱：QuickJS-WASM 隔离，最小权限原则
快速上手：
– 需安装 Bun，克隆仓库后运行 bun install 与 bun run dev
– 访问 http://localhost:5173 完成初始化向导
– 一键部署至 Railway/Render 或通过 Docker Compose 自托管
14. Lordog/dive-into-llms
- 作者： Lordog
- 语言： Jupyter Notebook
- ⭐ 星标： 45,343（今日 +408） ｜ 🍴 Fork： 5,415
项目定位： 基于上海交大课程拓展的免费开源大模型编程实战教程，涵盖微调、提示、安全、智能体等11大主题，提供课件、教程与可运行Notebook，助力快速入门与科研。
核心特性：
– 系统覆盖微调部署、提示工程、知识编辑、数学推理、水印、越狱、隐写、多模态、GUI Agent、智能体安全、RLHF对齐等11大前沿主题
– 每章配套PPT课件、详细教程文档与可直接运行的Jupyter Notebook脚本，理论结合实践
– 源自高校核心课程讲义，学术严谨性与工程落地性兼顾，适合教学与自学
– 新增华为昇腾《大模型开发全流程》系列，提供国产化软硬件适配的完整开发指南
– 完全免费公益开源，接受社区PR与Issue持续迭代，内容持续更新
– 涵盖大模型安全、对齐、隐写等前沿攻防与可信AI研究热点
适用场景：
– 大模型入门学习者通过动手实践快速掌握核心技术栈
– 高校教师与学生作为课程设计、毕设或科研项目的参考教材
– 工程开发者参考微调、部署、安全对齐等工程化最佳实践
– 国产化算力适配需求者学习昇腾NPU上大模型迁移与调优全流程
技术亮点：
– 基于Jupyter Notebook交互式编程，依赖PyTorch、Hugging Face Transformers/PEFT/RLHF等主流生态
– 涉及LoRA/QLoRA微调、PPO/RLHF对齐、提示工程、知识编辑、水印嵌入、越狱攻击防御等关键算法实现
– 提供华为昇腾CANN/Ascend适配指南，支持国产NPU上的模型迁移、量化与推理加速
快速上手：
– 克隆仓库：git clone https://github.com/Lordog/dive-into-llms.git
– 进入各章节目录（如documents/chapter1/），阅读README.md了解依赖与运行步骤
– 启动Jupyter Notebook运行对应脚本（如dive-tuning.ipynb、dive-prompting.ipynb等）进行实验
注意事项：
– 教程内容基于个人经验与公开资料，不保证百分百正确，仅供参考学习，非生产级代码库
– 昇腾专项教程需华为昇腾硬件环境，通用GPU环境可能无法直接运行相关实验
15. RyanCodrai/turbovec
- 作者： RyanCodrai
- 语言： Python
- ⭐ 星标： 14,280（今日 +86） ｜ 🍴 Fork： 1,268
- 许可证：MIT ｜ 主页：https://pypi.org/project/turbovec/
- 标签：
ann,avx512,embedding,embeddings,faiss,nearest-neighbor,neon,python,quant,quantization,rag,rust,simd,turboquant,vector-search
项目定位： turbovec 是基于 Google TurboQuant 算法的 Rust 向量索引，提供 Python 绑定，实现无训练在线摄入、极致内存压缩（16倍）和 SIMD 加速搜索，适合隐私敏感、内存受限或低延迟的 RAG 场景。
核心特性：
– 无训练在线摄入：向量添加即索引，无需训练步骤、参数调优或重建。
– 极致内存压缩：基于 TurboQuant 量化，1536 维向量 2-bit 压缩达 16 倍，1000 万文档仅占 4 GB。
– SIMD 加速搜索：手写 NEON/AVX-512BW 内核，ARM 上比 FAISS FastScan 快 10-19%，x86 4-bit 配置领先。
– 原生过滤搜索：搜索时传入 ID 允许列表或位掩码，内核级过滤无过度获取，召回率无损。
– 纯本地部署：无托管服务，数据不出机器/VPC，配合开源嵌入模型构建全离线 RAG。
– 稳定外部 ID 支持：IdMapIndex 提供增删改查，ID 经删除存活，O(1) 删除。
适用场景：
– 隐私敏感的 RAG 系统（金融、医疗、企业内网）
– 内存受限环境下的大规模向量检索
– 需要低延迟、高吞吐的实时向量搜索
– 结合 SQL/BM25 等混合检索的二阶段重排序
技术亮点：
– 核心算法：Google TurboQuant（数据无关量化器，近似最优失真，无训练阶段）
– 实现语言：Rust 核心 + Python 绑定，提供 LangChain/LlamaIndex/Haystack/Agno 集成
– SIMD 优化：ARM NEON、x86 AVX-512BW/AVX2 手写内核，运行时特性检测自动回退
快速上手：
– Python 安装：pip install turbovec
– 基本用法：from turbovec import TurboQuantIndex; index = TurboQuantIndex(dim=1536, bit_width=4); index.add(vectors); scores, indices = index.search(query, k=10)
– Rust 使用：cargo add turbovec 并参考 README 示例代码
注意事项：
– 低维嵌入（如 GloVe d=200）在 2-bit 量化下召回率与 FAISS 持平，4-bit 领先。
– 仅接受 float32 类型输入，其他类型会被拒绝而非自动转换。
16. OtterMind/Chat2DB
- 作者： OtterMind
- 语言： Java
- ⭐ 星标： 26,656（今日 +360） ｜ 🍴 Fork： 2,906
- 主页：https://chat2db.ai
- 标签：
ai,bi,chatgpt,clickhouse,clickhouse-client,database,datagrip,db2,dbeaver,gpt,hive,mysql,navicat,oracle,postgresql,redis,redis-client,sqlserver,text2sql
项目定位： Chat2DB 是一款免费跨平台的 AI 驱动数据库客户端与 SQL 工作区，本地运行，支持 30+ 数据库，提供自带模型的自然语言 SQL 生成、解释与优化。
核心特性：
– 支持 30+ 种数据库（MySQL、PostgreSQL、MongoDB 等）连接与管理
– 内置 SQL 工作区：编辑、补全、格式化、执行、历史与保存
– AI 助手：接入自有模型，自然语言生成、解释、优化 SQL
– 可视化数据管理：表结构浏览、DDL/DML 操作、就地编辑数据
– 数据导入导出、仪表盘图表、ER 图生成
– 开源 CLI 支持 MCP，提供 Docker 与桌面端部署
适用场景：
– 开发者日常 SQL 编写、调试与优化
– DBA 进行数据库元数据浏览、对象管理
– 数据分析师利用 AI 自然语言生成查询
– 团队本地化部署的数据库协作工具
技术亮点：
– Java 17 + Spring Boot 后端，Node.js/Yarn 前端
– AES-256-GCM 加密存储数据源密码与 AI API Key
– 支持自定义 JDBC 驱动插件扩展数据库兼容性
快速上手：
– 桌面端：从 GitHub Releases 下载安装包直接运行
– Docker：先运行加密密钥初始化脚本，再用 docker run 或 docker compose up -d 启动
– 源码构建：需 Java 17、Node.js 18.17+、Maven 3.8+，按文档分别启动前后端
注意事项：
– 单用户本地优先，无内置账号体系，需绑定 127.0.0.1 避免暴露
– 加密密钥丢失会导致已存凭据不可恢复，且自定义 JDBC 驱动为可执行代码需谨慎来源
17. andrewyng/aisuite
- 作者： andrewyng
- 语言： Python
- ⭐ 星标： 15,215（今日 +77） ｜ 🍴 Fork： 1,614
- 许可证：MIT
项目定位： aisuite 是一个轻量级 Python 库，提供统一的聊天完成 API 和 Agents API，让开发者通过单一接口调用多种生成式 AI 提供商，并赋予模型真实工具调用能力。
核心特性：
– 统一的 OpenAI 风格聊天完成 API，支持 OpenAI、Anthropic、Google、Ollama 等十余家提供商，仅需更改模型字符串即可切换
– 内置 Agents API，支持工具调用自动循环、预置文件/ Git/ Shell 工具包、MCP 协议集成
– 提供工具策略、状态存储、制品追踪等生产级代理基础设施
– 支持流式输出与异步调用，统一处理增量工具调用片段
– 通过适配器模式轻松扩展新提供商，遵循命名约定自动发现
– 轻量级设计，基础包零依赖，按需安装提供商 SDK
适用场景：
– 需快速在多模型间切换对比的 LLM 应用开发
– 构建具备文件操作、代码执行等真实工具能力的 AI 代理
– 接入 MCP 服务器扩展模型工具集的场景
– 需要统一接口管理多云/本地模型推理的团队
技术亮点：
– Python 轻量级库，基础包零依赖，按需安装提供商 SDK
– 适配器模式实现提供商抽象，遵循 <provider>_provider.py 命名约定自动加载
– 支持同步/异步流式调用、MCP 协议、工具策略、状态持久化（内存/文件/Postgres）
快速上手：
– 安装基础包：pip install aisuite 或含提供商 SDK：pip install 'aisuite[anthropic]'
– 设置对应提供商 API Key，参考 docs/chat-completions-quickstart.md
– 使用统一客户端调用：client = ai.Client(); client.chat.completions.create(model="openai:gpt-4o", messages=[...])
注意事项：
– 流式工具调用为手动模式，无法与 max_turns 自动循环结合使用
18. affaan-m/ECC
- 作者： affaan-m
- 语言： JavaScript
- ⭐ 星标： 233,298（今日 +377） ｜ 🍴 Fork： 35,568
- 许可证：MIT ｜ 主页：https://ecc.tools
- 标签：
ai-agents,anthropic,claude,claude-code,developer-tools,llm,mcp,productivity
项目定位： ECC 是面向多 AI 代理工具链的性能优化操作系统，提供技能、记忆、安全与跨工具链编排能力，让代理在生产环境中更高效、可控。
核心特性：
– 跨工具链统一编排：一套配置同时支持 Codex、Claude Code、Cursor、OpenCode 等 7+ 主流代理工具链
– 261 个生产级技能包：覆盖开发、安全、运营、媒体制作等领域，开箱即用且持续扩展
– 记忆持久化与自动学习：Hooks 自动保存/加载上下文，会话模式自动提取为可复用技能
– 代理级安全防护：AgentShield 提供沙箱、清洗、CVE 扫描等全链路安全能力
– 令牌优化与并行化：模型选择、系统提示词精简、Git worktree 级并行执行降低成本提升吞吐
– 可视化控制面板：Tkinter 桌面仪表盘支持主题、字体定制，提供图形化操作入口
适用场景：
– 多工具链协作的 AI 辅助开发团队
– 需要生产级安全合规的代理工作流
– 自托管开源模型（如 Kimi）的工程化落地
– 追求极致 Token 成本控制的规模化用户
技术亮点：
– TypeScript/Shell/Python/Go 多语言实现，MCP 协议与会话适配器架构
– 基于 Hooks 的跨会话上下文持久化与技能自动提取机制
– Git worktree 级并行编排与子代理迭代检索模式
快速上手：
– 通用安装：bash ./install.sh --target <harness> --profile minimal（如 kimi、codex、claude 等）
– 健康检查：npx ecc doctor --target <harness>
– 启动仪表盘：npm run dashboard 或直接运行 ecc_dashboard.py
注意事项：
– 仅通过官方渠道安装（GitHub 仓库、npm 包、GitHub App），第三方镜像可能含恶意代码
– ECC Pro 为私有仓库提供托管服务，开源版功能完整但需自行维护基础设施