首个开源金融K线模型，让普通人也能预测资产走势（GitHub Trending）

今日 GitHub 热门项目 Top 6，已为你深度翻译整理。

1. firecrawl/pdf-inspector

作者： firecrawl
语言： Rust
⭐ 星标： 8,128（今日 +1,699）　｜　🍴 Fork： 539
许可证：MIT　｜　主页：https://firecrawl.github.io/pdf-inspector/
标签： markdown, nodejs, ocr-routing, pdf, pdf-classification, pdf-extraction, pdf-parser, python, rust, text-extraction

项目定位： 一个用 Rust 编写的快速 PDF 检查、分类与文本提取库，能智能区分扫描版与文本版 PDF，无需 OCR 即可将其转换为结构清晰的 Markdown。

为你而选： 适合需要批量处理 PDF 的开发者和数据团队。它能帮你省去约 54% 不必要的 OCR 开销，在毫秒级完成文本提取，并支持 Python、Node.js、浏览器和 Rust 多端调用。

处理 PDF 文件时，最让人头疼的就是区分扫描版和文本版：全送 OCR 既慢又贵，不送又怕提取不出字。pdf-inspector 正是为了解决这个痛点而生。它能在几十毫秒内判断出 PDF 是文本型、扫描型、图片型还是混合型，并给出置信度和需要 OCR 的具体页码。对于文本型 PDF，它直接在本地完成提取并转换为干净的 Markdown，整个过程不到 200 毫秒，完美绕开了昂贵的 OCR 服务。

核心亮点与技术看点
– 智能路由：通过采样内容流中的文本和图像操作符进行快速分类，支持提前退出、全量扫描或按页采样策略，轻松实现“文本走快车道，扫描走 OCR”的分流逻辑。
– 高质量的 Markdown 转换：不仅提取文字，还能识别多栏排版、表格（基于矩形和启发式双重检测）、标题层级、列表、代码块和超链接，甚至能处理 CJK 字符和 RTL 文本。
– 纯 Rust 实现：底层仅依赖 lopdf，无需任何机器学习模型或外部服务。文档只加载一次，在检测和提取阶段共享，避免了冗余 I/O。此外，它还通过 PyO3、napi-rs 和 wasm-bindgen 提供了 Python、Node.js 和浏览器 WebAssembly 的多语言绑定。

快速上手
在 Rust 中，只需 cargo add pdf-inspector，然后调用 process_pdf 即可。如果你是 Python 用户，可以通过 maturin develop --release 构建后，直接 import pdf_inspector 并调用 process_pdf("document.pdf")。Node.js 用户执行 npm install @firecrawl/pdf-inspector 即可使用。它还提供了 pdf2md 和 detect-pdf 两个命令行工具，方便在终端直接进行转换和检测。

适用边界
这个库最适合处理原生文本 PDF（如报告、论文、发票、法律文档），在速度、阅读顺序和表格结构还原上表现极佳。但如果你的文档主要是扫描件或纯图片，它只能帮你做分类和标记，真正的文字提取仍需依赖外部 OCR 服务。

2. donnemartin/system-design-primer

作者： donnemartin
语言： Python
⭐ 星标： 360,501（今日 +237）　｜　🍴 Fork： 57,524
标签： design, design-patterns, design-system, development, interview, interview-practice, interview-questions, programming, python, system, web, web-application, webapp

项目定位： 一个系统设计面试的开源学习指南，系统整理了大规模系统设计的核心概念与面试题解，帮助工程师提升架构能力。

为你而选： 适合准备系统设计面试的软件工程师，或想系统学习分布式架构的开发者。普通人可借此了解支撑海量用户的技术内幕。

系统设计是一个庞大而分散的话题，网上资料多如牛毛却缺乏体系。System Design Primer 的价值就在于把这些散落各处的知识整理成了一份结构化的开源指南，既帮你准备面试，也帮你成为更好的工程师。

它的核心亮点在于“务实”与“全面”。内容覆盖了从 CAP 定理、负载均衡、数据库分片到缓存策略等经典架构主题，每个部分都强调了“一切皆是权衡”。不仅如此，它还提供了按时间线划分的学习指南（短期、中期、长期），以及一套应对系统设计面试的四步法：明确用例与约束、勾勒高层设计、深入核心组件、解决扩展瓶颈。

特别值得一提的是，项目内置了 Anki 闪卡（.apkg 文件），利用间隔重复机制帮你利用碎片时间巩固核心概念。你不需要安装任何代码环境，直接在 GitHub 上阅读即可，或者下载 Anki 卡牌在手机上随时复习。

需要注意的是，面试考察范围因你的经验、背景和目标公司而异，你不需要掌握这里的所有内容。建议根据自身时间线，先求广度，再在关键领域深挖。

3. shiyu-coder/Kronos

作者： shiyu-coder
语言： Python
⭐ 星标： 35,816（今日 +200）　｜　🍴 Fork： 5,961
许可证：MIT

项目定位： Kronos是首个开源的金融K线基础模型，将多维OHLCV数据量化为离散token并用自回归Transformer预训练，专为高噪声金融数据设计。

为你而选： 适合量化研究者和开发者。可直接用于多资产K线预测，或基于自有数据微调并回测，显著提升量化策略开发效率。

Kronos 把金融市场的 K 线序列当成一种“语言”来处理。作为首个开源的金融 K 线基础模型，它专门针对金融数据高噪声的特性设计，在 45+ 全球交易所的数据上完成预训练。

它的核心思路分两步：先用专用分词器把连续的 OHLCV 多维数据量化成分层离散 token，再用自回归 Transformer 在这些 token 上做预训练。这种做法让模型不仅能捕捉价格走势，还能通过温度和 top_p 采样进行概率性预测。

上手非常直观。安装好依赖后，只需从 Hugging Face 加载模型和分词器，传入包含 ['open', 'high', 'low', 'close'] 的 DataFrame，调用 predict 即可输出未来 K 线。如果需要同时预测多个资产，还有 predict_batch 方法利用 GPU 并行处理。

如果你想在自己的数据上微调，项目提供了结合 Qlib 的完整流水线（以 A 股为例），涵盖数据处理、分词器与预测器微调以及回测。不过需要注意，Kronos-small 和 base 的最大上下文长度是 512；同时官方也明确声明，微调示例仅作演示，并非生产级量化系统，稳健的策略仍需组合优化和风险因子中性化等复杂手段。

4. Alishahryar1/free-claude-code

作者： Alishahryar1
语言： Python
⭐ 星标： 44,031（今日 +278）　｜　🍴 Fork： 7,268
许可证：MIT

项目定位： 一个本地代理网关，让你通过 31 种云端或本地模型提供商（如 OpenAI、Gemini、DeepSeek、Ollama 等）免费或低成本使用 Claude Code、Codex 和 Pi 等编程代理。

为你而选： 适合不想为官方 API 付费的开发者。普通人也能用它接入免费模型，在终端、IDE 甚至手机上体验 AI 编程助手，实现零成本写代码。

如果你被 Claude Code 或 Codex 的官方 API 费用劝退，Free Claude Code（FCC）提供了一个巧妙的解决思路。它是一个本地代理网关，能把编程代理请求转发给 31 种云端或本地模型提供商——你可以用 ChatGPT 订阅、Gemini 免费额度，甚至本地 Ollama 来驱动这些工具。

核心特性
FCC 支持流式输出、工具调用和推理控制，允许代理使用原生模型选择器。通过本地 Admin UI，你能配置 API Key，甚至针对 Opus、Sonnet 等层级路由到不同模型，实现精细化成本控制。项目基于 Python 3.14 和 uv 构建。

快速上手
macOS/Linux 运行 curl 脚本，Windows 运行 PowerShell 脚本即可安装。随后执行 fcc-server 启动服务，在浏览器打开 Admin UI（默认 http://127.0.0.1:8082/admin），填入 API Key 并 Validate。最后在终端运行 fcc-claude 或 fcc-codex 即可。

注意事项
编程代理对模型工具调用能力要求较高，建议优先选择支持 tool use 的模型。若用本地模型，需确保上下文窗口足够容纳系统提示。项目还支持 Discord/Telegram 集成及语音转录，拓宽了移动端场景。

5. livekit/agents

作者： livekit
语言： Python
⭐ 星标： 11,967（今日 +148）　｜　🍴 Fork： 3,457
许可证：Apache-2.0　｜　主页：https://docs.livekit.io/agents
标签： agents, ai, openai, real-time, video, voice

项目定位： 一个用于构建实时、多模态语音 AI 代理的开源框架，让代理能看、能听、能理解，并支持灵活组合各类语音和语言模型。

为你而选： 适合需要开发实时语音交互应用的开发者；能用来快速搭建客服、电话外呼、多模态助手等应用，大幅提升语音 AI 的开发效率。

如果你想让 AI 不仅能打字聊天，还能真正用语音实时对话甚至看懂视频，LiveKit Agents 是个非常值得关注的框架。它把构建实时多模态语音代理的底层脏活累活都包揽了：从 WebRTC 流媒体传输，到 STT、LLM、TTS 的灵活拼装，再到电话拨入拨出，开发者只需关注业务逻辑。

项目有几个亮眼的工程设计。首先是语义轮次检测，用 Transformer 模型判断用户是否说完，有效避免了 AI 频繁打断人的尴尬。其次是原生 MCP 支持，一行代码即可接入外部工具。此外，它内置了测试框架，甚至允许用 LLM 充当“裁判”评判代理回复是否符合预期，应对大模型的非确定性非常实用。

上手很简单。运行 pip install "livekit-agents[openai,deepgram,cartesia]" 安装后，几十行 Python 代码就能跑起一个带工具调用的语音助手。开发时，可用 python myagent.py console 在终端直接用麦克风测试，或用 python myagent.py dev 连接 LiveKit 服务器联调。

需要注意的是，连接服务器需配置 LIVEKIT_URL、LIVEKIT_API_KEY 等环境变量。它把以前需要拼凑多个库才能跑通的实时语音流程，标准化成了一个优雅的开发框架。

6. jamiepine/voicebox

作者： jamiepine
语言： TypeScript
⭐ 星标： 48,650（今日 +412）　｜　🍴 Fork： 5,991
许可证：MIT　｜　主页：https://voicebox.sh
标签： ai, cuda, mlx, qwen3-tts, qwen3-tts-ui, voice-ai, voice-clone, whisper

项目定位： Voicebox 是一款本地优先的开源 AI 语音工作室，集语音克隆、多语言语音生成、全局听写与 AI Agent 语音输出于一体，数据全程不出本机。

为你而选： 适合注重隐私的创作者、开发者及 AI Agent 用户。普通人可用它克隆声音或全局听写，开发者能让 Cursor、Claude Code 等 Agent 拥有专属语音。

Voicebox 把语音输入和输出这两件事，在一个本地应用里打通了。它对标 ElevenLabs（语音生成）和 WisprFlow（语音听写），但所有模型、音频数据都留在你的机器上，隐私无忧。

核心亮点
– 7 个 TTS 引擎，23 种语言：支持零样本语音克隆，也有 50 多个预设音色。Chatterbox Turbo 引擎甚至支持 [laugh]、[sigh] 等副语言标签，让语音更有表现力。
– 全局听写：按住快捷键说话，松开即自动粘贴到当前焦点输入框（macOS 已验证）。内置 Whisper 模型转录，还能用本地 LLM 自动清理“嗯”、“啊”等口语废话。
– Agent 语音输出：通过 MCP 协议，Claude Code、Cursor 等 AI Agent 只需调用 voicebox.speak 工具，就能用你克隆的声音向你汇报任务。
– 长文本与多轨编辑：自动分块生成并交叉淡入淡出，支持最长 5 万字符；Stories 编辑器提供多轨时间轴，适合做播客或对话。

技术看点
应用基于 Tauri (Rust) 构建，而非 Electron，原生性能更好。音频后处理使用了 Spotify 开源的 pedalboard 库，支持混响、变调等 8 种效果。跨平台支持广泛，macOS 用 MLX，Windows 用 CUDA，还能跑在 AMD ROCm 和 Intel Arc 上。

快速上手
前往 Releases 页面下载对应平台的安装包（macOS 提供 Apple Silicon 和 Intel 版本，Windows 提供 MSI）。如果你用 Docker，只需运行 docker compose up。注意：Linux 目前暂无预编译包，需参考官方文档从源码构建。