用自然语言指挥智能体生成视频，让编程助手化身工作室（GitHub Trending）

今日 GitHub 热门项目 Top 9，已为你深度翻译整理。

1. nvm-sh/nvm

作者： nvm-sh
语言： Shell
⭐ 星标： 94,483（今日 +22）　｜　🍴 Fork： 10,353
许可证：MIT
标签： bash, install, lts, node, node-js, nodejs, nvm, nvmrc, posix, posix-compliant, shell, version-manager, zsh

项目定位： nvm 是一个 POSIX 兼容的 bash 脚本，用于快速安装和管理多个 Node.js 版本，让开发者能在命令行中无缝切换不同版本。

为你而选： 适合需要在不同项目中使用不同 Node.js 版本的前端或后端开发者，能极大提升多版本环境管理的效率，免去手动卸载重装的烦恼。

如果你经常在多个 Node.js 项目之间穿梭，一定会遇到版本冲突的烦恼：老项目依赖 Node 16，新项目要用 Node 22。nvm 就是为了解决这个痛点而生的。作为一个纯 bash 脚本，它让你能在命令行里一键安装并自由切换不同版本的 Node.js。

核心亮点
– 多版本管理：通过 nvm install 22 和 nvm use 22 这样的简单命令，瞬间切换运行环境。
– 项目级自动切换：支持 .nvmrc 文件，进入目录自动读取所需版本，配合 shell 集成非常省心。
– 跨平台兼容：基于 POSIX 标准，支持 bash、zsh 等主流 shell，在 macOS、Linux 和 Windows WSL 下都能运行。

快速上手
安装只需一行命令：

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.6/install.sh | bash

安装后重启终端或 source ~/.bashrc，即可使用 nvm install node 安装最新版。

注意事项
nvm 本身不支持原生 Windows 环境（推荐使用 WSL 或 Git Bash），也不支持 Fish shell。如果你在 Docker 或 CI/CD 环境中使用，README 中也提供了详细的非交互式 shell 配置指南，确保流水线里的 Node 版本也能精准控制。

2. anthropics/skills

作者： anthropics
语言： Python
⭐ 星标： 168,116（今日 +485）　｜　🍴 Fork： 20,029
标签： agent-skills

项目定位： Anthropic 官方的 Claude Agent Skills 仓库，提供一系列可动态加载的指令和脚本，教 Claude 以可重复的方式完成特定专业任务。

为你而选： 适合开发者和普通用户。开发者可参考或创建自定义技能扩展 Claude 能力；用户可直接在 Claude.ai 或 Claude Code 中使用现成技能提升办公和创作效率。

如果你想让 Claude 更好地完成特定任务——比如严格按公司品牌规范排版文档、用特定工作流分析数据，或者自动化一些繁琐的个人事务——这个仓库就是为你准备的。它通过「Skills（技能）」机制，把指令、脚本和资源打包成一个个文件夹，让 Claude 动态加载，从而以可重复的方式执行复杂操作。

核心亮点与实现思路

Skills 的设计极简：每个技能就是一个包含 SKILL.md 文件的文件夹。这个 Markdown 文件通过 YAML frontmatter 定义 name 和 description，正文则是给 Claude 的具体指令、示例和规范。这种低门槛的设计让任何人都能轻松定制 Claude 的行为。

仓库内不仅有涵盖创意设计、技术开发、企业沟通的示例技能，还大方公开了驱动 Claude.ai 文档能力的 docx、pdf、pptx、xlsx 技能源码（属 source-available），是研究复杂技能编写的绝佳参考。

快速上手

Claude Code 用户：运行 /plugin marketplace add anthropics/skills 添加市场，随后执行 /plugin install example-skills@anthropic-agent-skills 即可安装示例技能。安装后直接在对话中提及技能名即可调用。
Claude.ai 付费用户：这些示例技能已内置可用，无需额外安装。
自定义技能：复制仓库中的 template 模板，修改 SKILL.md 中的描述和指令即可。

注意事项

官方明确表示，这些技能仅用于演示和教育。Claude 实际运行时的表现可能与仓库展示有所差异，在用于关键业务前，请务必在自己的环境中充分测试。

3. 3b1b/manim

作者： 3b1b
语言： Python
⭐ 星标： 90,158（今日 +197）　｜　🍴 Fork： 7,478
许可证：MIT
标签： 3b1b-videos, animation, explanatory-math-videos, python

项目定位： Manim 是一个精确的编程动画引擎，专为创建解释性数学视频而设计，由 3Blue1Brown 作者开发。

为你而选： 适合数学教育者、科普创作者和开发者。能通过代码精确控制动画，将抽象数学概念转化为直观的可视化视频。

Manim 是由知名数学科普频道 3Blue1Brown 作者 Grant Sanderson 开发的动画引擎。它的核心价值在于：让你通过编写 Python 代码，精确控制动画的每一个细节，从而把抽象的数学概念转化为流畅、直观的可视化视频。

核心看点
与手动剪辑或拖拽式动画软件不同，Manim 采用纯代码驱动，这意味着动画的变换、坐标和时机都可以做到像素级精确。需要注意的是，目前有两个版本的 Manim：本仓库是作者本人维护的 ManimGL，而社区版则在另一个仓库。两者包名不同，安装时千万别搞混。

快速上手
运行环境需要 Python 3.10 或更高版本，系统依赖包括 FFmpeg 和 OpenGL，LaTeX 为可选项（用于渲染数学公式）。
安装非常直接：

pip install manimgl

安装后，你可以直接运行官方示例来体验：

manimgl example_scenes.py OpeningManimExample

这会弹出一个窗口播放简单的动画场景。如果想导出视频文件，可以加上 -w 参数；想直接看最终画面，可以用 -s。

适用边界
ManimGL 更贴近作者本人的工作流，如果你是刚接触 Manim 的新手，社区版可能对新手更友好。但如果你喜欢 3b1b 的原汁原味，或者想深入研究他的视频代码，这个版本是首选。此外，官方还提供了中文文档（docs.manim.org.cn），对国内用户非常友好。

4. HKUDS/DeepTutor

作者： HKUDS
语言： Python
⭐ 星标： 34,683（今日 +812）　｜　🍴 Fork： 4,417
许可证：Apache-2.0　｜　主页：http://arxiv.org/abs/2604.26962
标签： ai-agents, ai-tutor, clawdbot, cli-tool, deepresearch, interactive-learning, large-language-models, multi-agent-systems, rag

项目定位： DeepTutor 是一款开源的终身个性化 AI 辅导系统，融合多模型、知识库与智能体，提供深度研究与定制化学习体验。

为你而选： 适合学生、研究者及开发者。普通人可用它构建个人知识库进行互动学习，开发者可集成多种 LLM 与工具打造专属智能导师。

DeepTutor 想解决的问题是：让大语言模型不再只是“一问一答”的聊天机器人，而是变成一个有长期记忆、懂你私有资料、还能调用各种工具的专属导师。

它的核心看点在于“Agent Native”（原生智能体）的设计。系统内置了三层记忆机制（L1/L2/L3），能记住你的学习进度和偏好。在知识管理上，它支持 GraphRAG、LightRAG、FAISS 等多种检索增强生成引擎，你可以把 PDF、Obsidian 笔记等私有资料喂给它，它会自动解析并建立专属知识库。更有趣的是它的“Partners”功能，允许你接入本地的 Claude Code 或 Codex，让不同的 AI 角色带着各自的记忆和技能在对话中协助你。

技术栈方面，项目采用 Python 3.11+ 和 Next.js 16 构建，前后端分离，支持多用户隔离部署。

快速上手非常简单，配置好环境后，可以通过命令行执行 deeptutor start 启动服务，还能用 deeptutor skill install 从社区安装扩展技能。需要注意的是，使用前需要配置好对应大模型（如 OpenAI、Gemini 等）的 API Key，部分高级文档解析功能可能需要额外的环境依赖。

5. stablyai/orca

作者： stablyai
语言： TypeScript
⭐ 星标： 42,741（今日 +875）　｜　🍴 Fork： 2,980
许可证：MIT　｜　主页：https://onOrca.dev
标签： ade, agent-ide, ai-agents, claude-code, cli, codex, cursor-agent, devtools, ghostty, ide, mobile-app, opencode, orchestration, parallel-agents, pi, terminal, worktrees, yc-backed

项目定位： Orca 是一个面向并行 AI 代理的编排开发环境，支持在独立工作树中同时运行多种编码代理，实现高效协作与任务管理。

为你而选： 适合需要同时运行多个 AI 编码代理的开发者，可通过手机远程监控代理进度，或对比不同代理的输出结果以提升开发效率。

如果你经常用 AI 编码代理写代码，可能会遇到一个问题：同时开好几个终端跑不同的代理，切来切去很容易乱。Orca 想解决的就是这个痛点——它是一个专门为并行 AI 代理设计的编排环境（ADE），让你能在同一个界面里管理多个代理，每个都在自己独立的 git worktree 里工作，互不干扰。

它的核心亮点是把“多代理协作”这件事做得很顺滑。比如你可以把同一个 prompt 同时发给五个代理，让它们各自在独立的 worktree 里跑，然后比较结果、合并最好的那个。它还支持移动端伴侣应用，出门在外也能用手机看代理跑完没有，随时发后续指令。终端分屏用的是 WebGL 渲染，支持无限分屏，滚动历史还能在重启后保留。另外像“设计模式”这种功能也挺有意思——在嵌入的 Chromium 窗口里点一下 UI 元素，就能把对应的 HTML、CSS 和截图直接塞进代理的 prompt 里，省去了手动复制粘贴的麻烦。

技术上，它支持 macOS、Windows 和 Linux 三大平台，还能通过 SSH 在远程服务器上跑代理，自动重连和端口转发都内置了。它不绑定特定代理，只要能在终端里跑的 CLI 代理（比如 Claude Code、Codex、Grok、Cursor 等）都能接进来，用你自己的订阅就行。

上手很简单，直接去官网 onorca.dev/download 下载安装包即可。需要注意的是，它本身不提供 AI 模型，你需要自己有对应代理的订阅或 API 访问权限。如果你是那种喜欢同时用多个 AI 代理“赛跑”来挑最优解的开发者，Orca 值得一试。

6. huggingface/transformers

作者： huggingface
语言： Python
⭐ 星标： 163,793（今日 +80）　｜　🍴 Fork： 34,200
许可证：Apache-2.0　｜　主页：https://huggingface.co/transformers
标签： audio, deep-learning, deepseek, gemma, glm, hacktoberfest, llm, machine-learning, model-hub, natural-language-processing, nlp, pretrained-models, python, pytorch, pytorch-transformers, qwen, speech-recognition, transformer, vlm

项目定位： Transformers 是一个用于最先进机器学习模型的模型定义框架，支持文本、视觉、音频等多模态的推理与训练，统一了模型定义并兼容主流训练与推理引擎。

为你而选： 适合机器学习研究者、工程师和开发者；通过几行代码即可调用上百万个预训练模型，极大提升 AI 应用开发效率。

Transformers 是 Hugging Face 推出的机器学习模型定义框架，它最核心的价值在于统一了模型定义。只要一个模型在 Transformers 中被支持，它就能无缝兼容 Axolotl、DeepSpeed 等训练框架，以及 vLLM、llama.cpp 等推理引擎。目前 Hugging Face Hub 上已有超过 100 万个基于该框架的预训练模型，覆盖文本、视觉、音频和多模态任务。

在技术实现上，它通过高度封装的 Pipeline API 将使用门槛降到了最低。只需几行代码，你就能让一个几十亿参数的大模型为你生成文本，或者进行图像分类和语音识别。安装也非常简单，只需确保 Python 3.10+ 和 PyTorch 2.5+，运行 pip install "transformers[torch]" 即可。

不过，它也有明确的适用边界。Transformers 并不是一个模块化的神经网络积木箱，代码刻意保留了较少的抽象以方便研究者快速迭代。它的训练 API 主要针对 PyTorch 优化，如果你需要更通用的机器学习训练循环，官方建议搭配 Accelerate 使用。此外，官方提供的示例脚本更多是参考，实际业务中可能需要自行调整。

7. jaywcjlove/awesome-mac

作者： jaywcjlove
语言： Swift
⭐ 星标： 110,455（今日 +298）　｜　🍴 Fork： 8,415
许可证：CC0-1.0　｜　主页：https://git.io/macx
标签： app, apple, application, apps, awesome, awesome-list, awesome-lists, awesome-mac, desktop-app, desktop-application, desktop-apps, list, mac, mac-osx, macos, macos-app, macos-apps, macosx, software

项目定位： 一个系统化收集高质量 macOS 软件的精选列表，按类别整理，方便用户快速搜索和发现优质应用。

为你而选： 适合所有 Mac 用户和开发者。普通人可按需发掘提升效率的实用工具，开发者能快速找到开发与网络分析利器，省去盲目搜索的时间。

面对 Mac 上浩如烟海的软件，每次想找个趁手的工具都要费一番功夫。awesome-mac 就是为了解决这个痛点而生的：它系统性地收集了高质量的 macOS 软件，并按类别整理得清清楚楚。

这个项目的亮点在于分类极其细致，从阅读写作、开发者工具、设计产品，到音视频、实用工具、甚至 QuickLook 插件和第三方应用市场，几乎涵盖了日常使用的方方面面。更贴心的是，它用不同的图标明确标注了软件的属性——比如是否开源、是否免费、是否在 App Store 上架，让你一眼就能判断是否符合需求。项目还提供了中文、日文、韩文等多语言版本，并支持 RSS 订阅。

无论你是想提升效率的普通用户，还是需要寻找特定开发工具的程序员，都可以直接在目录中按图索骥。它本质上是一个由社区共同维护的精选清单，省去了你盲目搜索和试错的时间。不过需要注意的是，列表中包含了一些赞助商信息和作者本人的应用推广，挑选时可以结合自身需求理性参考。

8. calesthio/OpenMontage

作者： calesthio
语言： Python
⭐ 星标： 47,312（今日 +458）　｜　🍴 Fork： 5,899
许可证：AGPL-3.0　｜　主页：https://www.openmontage.video/
标签： agent, agentic-ai, ai, claude, copilot, cursor, elevenlabs, ffmpeg, flux, image-generation, open-source, openai, python, remotion, stable-diffusion, text-to-speech, text-to-video, video-generation, video-production

项目定位： OpenMontage 是首个开源的智能体驱动视频制作系统，能将 AI 编程助手变成完整的视频工作室，用自然语言即可完成从调研到剪辑的全流程。

为你而选： 适合开发者和内容创作者。普通人可用它以极低成本自动生成高质量视频，开发者则能探索智能体驱动的复杂工作流。

OpenMontage 把 AI 编程助手（如 Claude Code、Cursor 等）变成了一个完整的视频制作工作室。你只需用自然语言描述需求，它就能自动完成调研、写脚本、生成素材、剪辑和最终渲染。它不仅支持基于图片的动画，还能通过检索免费库存视频和开放档案，制作出包含真实动态画面的视频。

核心亮点
– 极低成本：官方展示的多个视频案例成本仅在 $0.02 到 $1.33 之间。
– Backlot 实时看板：提供可视化的生产管线监控，支持逐场景审批，确保在渲染前确认视觉效果。
– 参考视频驱动：你可以直接粘贴一个 YouTube 或 TikTok 链接，系统会分析其节奏和风格，生成差异化的概念和成本估算。

技术栈与上手
项目依赖 Python 3.10+、FFmpeg、Node.js 18+ 以及任意支持读取文件和运行代码的 AI 编程助手。快速安装只需克隆仓库并运行 make setup。随后在 AI 助手中输入类似“制作一个 60 秒的神经网络动画讲解”的提示词即可启动。系统会自动进行多维度自检，包括帧采样、音频分析和字幕检查。

注意事项
虽然系统宣称支持免费/开源工作流，但为了获得更丰富的工具集（如 FLUX 图像生成、Veo 视频生成等），建议在 .env 文件中配置相应的 API 密钥（如 FAL_KEY）。此外，项目采用 AGPLv3 协议开源。

9. practical-tutorials/project-based-learning

作者： practical-tutorials
语言： Python
⭐ 星标： 278,429（今日 +401）　｜　🍴 Fork： 35,779
许可证：MIT
标签： beginner-project, cpp, golang, javascript, project, python, tutorial, webdevelopment

项目定位： 一个精心整理的基于项目的编程教程清单，帮助开发者从零开始构建应用程序。

为你而选： 适合想通过实战提升编程技能的开发者；普通人或初学者可以按图索骥，跟着教程用各种语言从零做出一个完整项目。

如果你厌倦了只看语法和理论，想通过“造轮子”来真正掌握编程，这个项目就是为你准备的。project-based-learning 是一个开源的精选教程列表，它的核心理念很简单：通过从零开始构建一个完整的应用来学习编程。

它解决了什么问题？
很多初学者在学完基础语法后，常常陷入“不知道能做什么”的迷茫。这个项目直接给出了一条明确的路径——按编程语言分类，提供大量“从零构建”的实战教程。无论你想用 C++ 写一个操作系统、用 C 写一个哈希表，还是用 Flutter 克隆一个 Instagram，这里都有对应的指南。

核心亮点
– 覆盖面广：从 C/C++、Java、Python 到 Rust、Go、Dart 等二十多种主流语言。
– 项目硬核且实用：教程不仅限于简单的增删改查，还包括实现 TCP/IP 协议栈、编写编译器、构建 Redis、开发 NES 游戏等深度项目。
– 多技术栈融合：单个教程可能涉及多种技术，比如用 C++ 和 OpenGL 制作 2D 打砖块游戏，帮助你在实战中融会贯通。

如何使用？
项目本身不需要安装运行，它就是一个纯粹的“导航站”。你只需要在 GitHub 上 Fork 这个仓库，或者直接在 README 中按目录找到你感兴趣的编程语言，点击链接即可跳转到对应的教程页面开始学习。

注意事项
由于这是一个由社区共同维护的列表，部分外部链接可能会失效，不过项目配置了自动检查链接有效性的工作流（Link rot sweep），能在一定程度上保证链接的可用性。挑选项目时，建议根据自己的当前水平量力而行，从简单的应用克隆开始，再逐步挑战编译器或操作系统级别的硬核项目。