今日 GitHub 热门项目 Top 10，已为你深度翻译整理。
1. PrimeIntellect-ai/prime-agent
- 作者： PrimeIntellect-ai
- 语言： TypeScript
- ⭐ 星标： 6,447（今日 +2,293） ｜ 🍴 Fork： 515
- 许可证：MIT
项目定位： 开源编码与研究智能体，围绕递归语言模型（RLM）和持续化 Harness 两大抽象构建，能自我改进并胜任长时间自主任务。
为你而选： 适合需要长时间跑编码或研究任务的开发者和研究者；可让智能体在后台持续工作、积累经验、并行调度子智能体，提升复杂任务效率。
Prime Agent：一个会自我改进的编码与研究智能体
大多数 AI 编码助手的工作边界是一个聊天窗口——关掉就没了。Prime Agent 想做的事情不一样：它让有用的上下文、可复用的工作模式甚至子智能体定义，都能跨会话存活并持续改进。
核心设计：两个抽象
- 递归语言模型（RLM）：把上下文当作变量（prompt-as-a-variable），把工具和子智能体当作函数调用，运行在一个持久的 IPython REPL 里。这意味着一切都是编程式的——文件操作、shell 命令、子智能体调度都通过代码完成，而不是自然语言描述。
- Continual Harness：把补充提示、记忆、技能描述、子智能体规格作为持久状态存储。通过
/refine命令，智能体可以回顾当前轨迹并做出小的、有证据支撑的更新——但永远不会改写不可变的基础系统提示，且支持快照回滚。
几个值得关注的亮点
- 子智能体内置：
rlm(...)可以生成真正的子智能体做并行或后台工作，结果以编程方式返回。 - 后台守护：终端断开后会话继续运行，之后可以重新 attach。配合心跳、调度、持久目标等机制，长任务不会因为关终端而中断。
- 智能体间直接通信：运行中的智能体可以互相发现、交换消息、协调工作，不必所有事情都经过用户中转。
- 技能可执行：技能是可导入的 Python 包，内置技能创建器可以把重复工作流变成项目级或个人级技能。
快速上手
macOS 或 Linux 安装：
curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh
安装后进入项目目录启动：
cd /path/to/project
prime-agent
首次启动用 /login 选择订阅或 API key 提供商。常用命令包括 prime-agent agents（浏览会话）、prime-agent attach <agent>（重新连接）、prime-agent status（查看后台状态）等。
注意事项
README 明确警告：Prime Agent 会以你的用户权限执行模型生成的 Python 和项目命令，它的 worker/kernel 进程改善的是生命周期隔离与恢复，并非安全沙箱。建议在可检查、可回滚的干净副本中运行，只使用可信的仓库、指令和技能，不信任的代码应在外部沙箱中执行。
项目基于 MIT 协议完全开源，TUI 构建在 pi 之上。对于需要长时间自主跑研究评测或复杂编码任务的人来说，这个项目的设计思路值得认真看看。
2. semantica-agi/semantica
- 作者： semantica-agi
- 语言： Python
- ⭐ 星标： 2,340（今日 +122） ｜ 🍴 Fork： 305
- 许可证：MIT ｜ 主页：https://getsemantica.ai
- 标签：
agent-memory,ai,ai-governance,ai-infrastructure,artificial-intelligence,context-engineering,context-graphs,data-engineering,decision-intelligence,developer-tools,explainable-ai,generative-ai,graph-rag,knowledge-graph,llm,ontology,provenance,python,reasoning,semantic-search
项目定位： 开源的图原生基础设施，为AI智能体提供上下文图、知识图谱与因果推理，自带完整的决策溯源与审计能力。
为你而选： 适合金融、医疗等强监管领域的AI平台与合规团队，让AI决策可解释、可追溯，满足审计要求。
当AI智能体在金融或医疗领域做出一个决策时，监管机构往往会问：“它为什么这么做？”但大多数基于向量数据库和RAG的AI系统只能给出黑盒般的答案，无法提供可审计的决策链。Semantica正是为了解决这个“信任与合规”问题而生——它作为一层确定性的基础设施，位于你的LLM和向量存储之下，将碎片化的企业数据转化为结构化的上下文图和知识图谱。
核心亮点与特性
– 决策即节点：每一次AI决策都被记录为图谱中的一等公民，支持因果溯源、相似案例检索和影响分析。
– 确定性推理：无需调用LLM即可进行前向链式推理、Rete网络、Datalog和SPARQL查询，推理路径完全可解释。
– 全链路审计：基于W3C PROV-O标准记录事实溯源，支持导出为JSON、CSV或RDF，满足合规审查。
– 多源图存储：原生支持RDF（如Oxigraph、Jena）和属性图（如Neo4j、Neptune），且可无缝切换，无需改动业务代码。
快速上手
只需通过 pip install semantica 安装，然后运行 semantica doctor 检查环境。在代码中，你可以通过 ContextGraph 轻松记录决策并追踪因果链：
from semantica.context import ContextGraph
graph = ContextGraph(advanced_analytics=True)
decision_id = graph.record_decision(category="credit_application", ...)
chain = graph.trace_decision_chain(decision_id)
适用边界
Semantica的设计初衷是补充而非替代你现有的技术栈。它不要求你放弃现有的LLM或向量数据库，而是为其增加治理、冲突检测和审计能力。对于需要自托管、零供应商锁定且面临严格合规要求的企业来说，这是一个极具工程价值的开源方案。
3. 666ghj/MiroFish
- 作者： 666ghj
- 语言： Python
- ⭐ 星标： 70,497（今日 +141） ｜ 🍴 Fork： 10,987
- 许可证：AGPL-3.0 ｜ 主页：https://mirofish.ai
- 标签：
agent-memory,financial-forecasting,future-prediction,knowledge-graph,llms,multi-agent-simulation,public-opinion-analysis,python3,social-prediction,swarm-intelligence
项目定位： MiroFish是一个基于多智能体技术的群体智能预测引擎，通过从现实提取种子信息构建高保真数字世界，让智能体在其中自由交互演化，帮助用户在沙盘中彩排未来。
为你而选： 适合决策者零风险测试政策与公关方案，也适合个人用户推演小说结局或探索想象场景。开发者可基于源码或Docker快速部署体验。
在数字沙盘中推演未来
MiroFish 想做的事情很有想象力：它把现实世界中的“种子信息”（比如突发新闻、政策草案，甚至是一部小说的前80回）丢进一个高保真的平行数字世界里，然后让成千上万个拥有独立性格、长期记忆和行为逻辑的智能体在里面自由互动、发生社会演化。你可以站在“上帝视角”动态注入变量，看看事情会走向何方。
这其实是在用群体智能的涌现来突破传统预测的局限。宏观上，它是决策者的零风险演练实验室，可以测试政策或公关走向；微观上，它也是个创意沙盘，比如项目演示了用它来推演《红楼梦》遗失的结局，非常有趣。
技术看点
- 多智能体与记忆系统：智能体不仅有独立人设，还具备长期记忆，底层模拟引擎由开源项目 OASIS 提供支持。
- GraphRAG 构建：通过图谱构建来注入个体与集体记忆，让模拟环境有更扎实的上下文基础。
- 深度交互：模拟结束后，不仅能生成报告，你还能直接和模拟世界里的任意智能体或报告 Agent 聊天。
如何快速上手
项目支持源码部署和 Docker 部署。如果用源码，你需要准备 Node.js 18+、Python 3.11~3.12 以及 uv 包管理器。
- 复制并配置环境变量：
cp .env.example .env。你需要配置一个兼容 OpenAI SDK 格式的 LLM API（项目推荐阿里通义千问的qwen-plus），以及用于记忆管理的 Zep Cloud API。 - 一键安装依赖：
npm run setup:all。 - 启动服务：
npm run dev。前端跑在localhost:3000，后端在localhost:5001。
如果你更偏爱 Docker，配置好 .env 后直接 docker compose up -d 即可。
注意事项
跑这种多智能体模拟对 LLM 的消耗比较高，项目方建议先从少于 40 轮的模拟开始尝试。另外，Zep Cloud 每月的免费额度足够进行简单的体验。如果你对多智能体模拟和大语言模型应用感兴趣，这个项目非常值得拿来研究一番。
4. chenyme/grok2api
- 作者： chenyme
- 语言： Go
- ⭐ 星标： 7,141（今日 +55） ｜ 🍴 Fork： 2,170
- 许可证：MIT
- 标签：
grok,grok-build,grok-console,grok-imagine,grok-video,grok-web
项目定位： Grok2API 是一个基于 Go 和 React 的多账号 API 网关，统一管理 Grok Build、Web 和 Console 账号池，对外提供 OpenAI 与 Anthropic 兼容接口。
为你而选： 适合需要聚合多个 Grok 账号配额、并希望用标准 SDK 调用的开发者。能大幅提升多账号管理效率，实现统一路由与配额监控。
如果你手头有多个 Grok 账号，想要把它们整合成一个统一的 API 来用，Grok2API 就是为这个场景设计的。它是一个用 Go 编写的网关，自带 React 管理控制台，能把 Grok Build、Grok Web 和 Grok Console 的账号池统一管理起来，对外暴露兼容 OpenAI 和 Anthropic 的接口。这意味着你可以直接用 Codex、Claude Code 或其他标准 SDK 来调用它。
核心看点
– 多账号与配额管理：支持批量导入导出账号、配额同步、凭证自动续期，甚至能在不同 Provider 之间转换账号。
– 智能路由：根据账号实际能力发现模型，支持 Provider 固定、粘性会话、配额/并发保护以及有限度的故障转移。
– 出口代理管理：内置 HTTP/SOCKS 代理池、探活与回退机制，保障请求稳定性。
– 媒体支持：除了常规对话，还支持图片生成/编辑和异步视频任务。
快速上手
官方提供了支持 amd64 和 arm64 的 Docker 镜像。只需克隆仓库，复制 config.example.yaml 为 config.yaml，用 openssl 生成 JWT 密钥和凭证加密密钥填入配置，然后运行 docker compose up -d 即可。启动后访问 http://127.0.0.1:8000 登录管理后台，连接账号并创建客户端密钥，就能开始调用 /v1/* 接口了。
注意事项
项目明确声明仅供技术研究与学习，使用时需遵守 Grok 官方条款及当地法律。此外，一旦存储了凭证，切勿轮换 credentialEncryptionKey，否则会导致已加密的凭证无法解密。
5. jdx/mise
- 作者： jdx
- 语言： Rust
- ⭐ 星标： 32,066（今日 +135） ｜ 🍴 Fork： 1,332
- 许可证：MIT ｜ 主页：https://mise.jdx.dev
项目定位： mise 是一个集开发工具版本管理、环境变量配置和任务运行于一体的 CLI 工具，通过单一配置文件统一项目环境。
为你而选： 适合开发者和团队，用于解决多语言/多版本环境配置繁琐的问题，确保本地与 CI 环境一致性，提升项目初始化和协作效率。
mise（取自法语 mise-en-place，意为“准备就绪”）解决了一个让许多开发者头疼的问题：环境配置。它把开发工具版本管理、环境变量和任务运行器揉进了一个 CLI 工具里，只需一个 mise.toml 文件，就能让新克隆的代码库、新开的终端和 CI 环境瞬间保持一致。
它的核心亮点在于“一站式”和“透明”。你不仅能用它安装和切换 Node、Python、Go 等数百种工具，还能按项目目录加载环境变量（甚至直接读 .env 文件），并定义构建、测试等任务。技术上有个很优雅的细节：它不依赖传统的 shim 机制，执行 which node 会直接返回真实的二进制路径，这意味着更少的性能开销和更少的黑盒。
上手非常简单，一行命令 curl https://mise.run | sh 完成安装。接着根据你用的 shell（如 bash、zsh）把 eval "$(~/.local/bin/mise activate zsh)" 写进配置文件激活即可。之后就可以用 mise use --global node@26 全局安装工具，或在项目里写好 mise.toml，用 mise install 和 mise run deploy 一键拉起环境并执行任务。
值得注意的是，由于 issue 提交量过大，项目已经关闭了 GitHub Issues，改用 GitHub Discussions 来处理 bug 报告和功能建议，遇到问题或想提需求记得去那里交流。
6. unclebob/swarm-forge
- 作者： unclebob
- 语言： Clojure
- ⭐ 星标： 1,827（今日 +81） ｜ 🍴 Fork： 200
项目定位： 一个基于 tmux 和 git worktree 的 AI 智能体编排平台，将多个 AI 智能体转化为协作开发软件的工程师团队。
为你而选： 适合需要多 AI 协同开发复杂项目的开发者；能提升开发效率，实现从需求到测试、架构的自动化流水线。
SwarmForge 解决了一个很实际的问题：当你想用多个 AI 智能体同时开发一个项目时，如何避免它们互相踩脚、如何让它们顺畅地交接工作。它通过 git worktree 为每个角色分配独立的工作区，用 tmux 会话进行隔离，并通过一套基于文件的交接协议来传递任务。
项目预设了三种工作流分支，按项目复杂度递增：
– two-pack：2 个智能体（编码者+清理者），适合快速后端开发。
– four-pack：4 个智能体（规范者+编码者+重构者+架构师），包含 Gherkin 规范和架构审查。
– six-pack：6 个智能体，将每个质量关卡（如 QA、硬化）拆分为独立角色，适合大型项目。
技术思路上，它使用 Babashka 运行一个交接守护进程（handoffd.bb），智能体不直接发消息，而是通过 swarm_handoff.sh 等脚本生成经验证的任务草案，由守护进程分发。这种设计让协作过程既可观察又可靠。
快速上手：
在目标目录下载所需分支（如 four-pack）并解压，然后运行 ./swarm 即可启动。关闭配置文件中列出的第一个窗口即可停止整个集群。
注意事项：
运行前需确保本地已安装 zsh、git、tmux、Babashka (bb)，并配置好至少一个 AI 后端（如 claude、codex 等）。此外，运行期间它会尝试阻止系统休眠，若不需要可通过设置 SWARMFORGE_PREVENT_SLEEP=0 关闭。
7. denoland/celld
- 作者： denoland
- 语言： Rust
- ⭐ 星标： 2,196（今日 +516） ｜ 🍴 Fork： 60
- 许可证：Apache-2.0 ｜ 主页：https://celld.dev
项目定位： celld 是一个开源守护进程，允许你在自己的机器上自托管并分布式运行 Cloudflare Workers 和 Durable Objects，无需控制平面或共识机制。
为你而选： 适合需要自托管边缘计算和有状态对象的开发者。它让开发者能脱离 Cloudflare 平台，在自己的基础设施上实现高可用、自动分片的有状态应用。
如果你喜欢 Cloudflare Workers 和 Durable Objects 的开发体验，但又想把数据和应用留在自己的基础设施上，celld 提供了一个非常精巧的解法。它是一个开源守护进程，能在你自己的机器上运行这些应用。
核心亮点与设计思路
celld 最有意思的地方在于它的架构：每个 Object 都是一个独立的 SQLite 数据库，天然实现了应用分片，从设计层面就规避了共享数据库的锁竞争和单点故障问题。节点之间不需要复杂的控制平面或共识协议，它们仅通过一个你拥有的 S3 兼容存储桶来协调。利用对象存储的 compare-and-swap 操作，确保同一时间只有一个节点拥有某个 cell。当节点发生故障或迁移时，存储桶作为唯一的持久化真相源，新节点可以直接恢复数据库并继续执行。空闲的 cell 还会自动休眠，几乎不消耗资源。
快速上手
安装非常简单，官方提供了一键脚本：
curl -fsSL https://celld.dev/install.sh | sh
配置好标准的 AWS 凭证后，你可以直接部署 Worker 项目并启动节点：
celld deploy . --bucket s3://my-cells-bucket
celld --bucket s3://my-cells-bucket --listen 0.0.0.0:8080 --advertise 10.0.0.12:8080
如果需要排查集群状态，可以使用 celld diagnose --bucket s3://my-cells-bucket 来检查各个节点的健康度。
注意事项
在安全边界上需要特别留意：节点间的 HTTP 通信不终止 TLS，因此必须在受信任的私有网络或 WireGuard/Tailscale 等加密覆盖网络中运行，切勿直接将 peer 端口暴露在公网。此外，项目目前禁用了 Pull Requests（主要是为了过滤低质量的 AI 自动化提交），如果你想贡献代码，需要通过邮件向维护者发送 git format-patch 补丁。
8. K2SOsint/Legendary_OSINT
- 作者： K2SOsint
- 语言： 未标注
- ⭐ 星标： 1,420（今日 +109） ｜ 🍴 Fork： 186
- 许可证：CC0-1.0
- 标签：
cti,cyberthreatintelligence,osint,osint-tools-list,socmint
项目定位： Legendary_OSINT 是一个精心策划的开源情报（OSINT）工具与资源导航大全，涵盖人物搜索、航空海事追踪、暗网泄露等二十多个垂直领域。
为你而选： 适合欺诈调查员、网络威胁情报分析师、KYC/AML 从业者及安全爱好者。普通人也能用它快速找到各类公开信息查询工具，大幅提升信息检索效率。
这个项目本质上是一份高质量的 OSINT（开源情报）资源索引。它没有复杂的代码，核心价值在于“分类与整理”——将散落在新闻通讯、Telegram 群组和各类 GitHub 仓库中的情报工具，归纳成了 25 个清晰的垂直分类。无论你是想追踪航班与船舶动态、调查钓鱼邮件、分析恶意软件，还是进行图像反向搜索、挖掘暗网泄露数据，都能在这里找到对应的工具入口。
从组织思路上看，它采用了模块化的文档结构，将庞大的工具列表拆分到 docs 目录下的独立 Markdown 文件中。这不仅避免了单页加载过长的问题，也方便社区持续贡献和更新。
上手非常简单，无需安装任何环境，直接在 GitHub 仓库中点击目录链接即可浏览对应类别的工具。由于采用 CC0 1.0 许可证，你可以自由复制、修改和分发这份清单。
需要特别注意的是，README 明确指出大部分工具为第三方提供。在使用这些工具进行信息收集时，务必自行审查工具的安全性与合规性，并负责任地使用，避免触碰隐私与法律红线。
9. pranshuparmar/witr
- 作者： pranshuparmar
- 语言： Go
- ⭐ 星标： 19,727（今日 +234） ｜ 🍴 Fork： 636
- 许可证：Apache-2.0 ｜ 主页：https://pranshuparmar.github.io/witr/
- 标签：
cli,containers,devops,docker,freebsd,go,golang,incident-response,kubernetes,linux,macos,monitoring,observability,process-management,sysadmin,systemd,terminal,troubleshooting,tui,windows
项目定位： witr 是一个追踪进程、端口、容器或文件启动链的 CLI 与 TUI 工具，帮你回答“它为什么在运行”的问题。
为你而选： 适合开发者和系统运维人员。它能免去在多个系统工具间手动关联输出的麻烦，快速定位占用资源的幕后元凶。
你有没有遇到过这种情况：某个进程或端口突然在后台运行，你用 ps 或 lsof 查了一圈，只知道它“是什么”，却不知道“为什么会被启动”。witr（Why is this running?）就是为了补上这块拼图而生的。
它能把任何一个正在运行的进程、端口、容器或文件，一路回溯到最初启动它的那条完整链条——比如是哪个 systemd 服务拉起了 PM2，PM2 又怎么启动了 node 进程。传统工具只展示状态和元数据，需要你人工跨工具去拼凑因果关系，而 witr 直接把这层因果显式化，支持人类可读的终端输出、机器可读的 JSON，以及一个交互式的 TUI 面板。
作为一个单文件静态二进制程序，它跨平台支持 Linux、macOS、Windows 和 FreeBSD。上手非常简单，macOS 用户可以直接 brew install witr，Linux 用户可以用官方脚本一键安装：
curl -fsSL https://raw.githubusercontent.com/pranshuparmar/witr/main/install.sh | bash
如果你还没决定要不要装，甚至可以直接在浏览器里打开官方提供的沙盒环境试用，无需任何本地安装。
需要注意的是，如果你通过 APT 等社区包管理器安装，版本可能会落后于 GitHub 的最新发布版。对于想要最新功能的用户，推荐使用官方脚本或 Homebrew。对于经常需要排查系统异常进程的运维和开发者来说，这是一个能显著提升排障效率的实用利器。
10. google/skills
- 作者： google
- 语言： Python
- ⭐ 星标： 16,236（今日 +327） ｜ 🍴 Fork： 1,289
- 许可证：Apache-2.0
- 标签：
google,googlecloud,skills
项目定位： Google 官方维护的 AI Agent 技能库，涵盖 Google Cloud、GKE、广告等全生态，让 AI 助手具备专业的谷歌技术操作与架构能力。
为你而选： 适合使用 Google 生态的开发者和运维人员。通过安装这些技能，你的 AI 编程助手能直接帮你处理 GKE 运维、BigQuery 分析或 Google Ads 集成，大幅提升云上开发效率。
现在的 AI 编程助手虽然聪明，但在处理特定云平台（比如 Google Cloud）的复杂配置、专业 API 调用时，往往容易“一本正经地胡说八道”。google/skills 这个项目就是为了解决这个问题——它由 Google 官方维护，为 AI Agent 提供经过验证的“专业知识包”。
核心亮点
这个技能库的覆盖面相当惊人。从基础的 Google Cloud 认证、GKE 集群创建与排障，到 BigQuery 数据分析、Gemini API 调用，甚至细化到 Google Ads SDK 的集成和 Well-Architected Framework 最佳实践。它不只是简单的文档堆砌，而是将知识结构化为 Agent 能直接理解的技能。
技术看点
除了 Markdown 形式的知识技能，这个仓库还打包了 MCP servers，支持直接接入主流的 Agent 工具。这意味着你的 AI 助手不仅能“懂”这些知识，还能通过 MCP 协议去“做”一些操作。
快速上手
安装非常简单，只需一行命令：
npx skills add google/skills
运行后会进入交互式选择，你可以按需挑选特定技能。如果你使用的是 Claude Code 或 Codex，也可以通过对应的插件市场命令（如 claude plugin marketplace add google/skills）来安装。
注意事项
项目目前仍在积极开发中。由于涉及大量云原生和广告 API 操作，实际使用时需要你具备相应的 Google Cloud 权限和项目配置，Agent 才能真正把这些技能转化为生产力。