今日 GitHub 热门项目 Top 5，已为你深度翻译整理。
1. bikini/exploitarium
- 作者： bikini
- 语言： Python
- ⭐ 星标： 4,504（今日 +74） ｜ 🍴 Fork： 1,241
项目定位： 把作者散落各处的漏洞 PoC 与研究笔记整合为单一档案库，收录 40 余个针对 Firefox、curl、Docker 等常用软件的概念验证，倡导善意公开披露。
为你而选： 适合想入门漏洞挖掘的安全爱好者与研究者；可学习 PoC 写法、复现思路与模糊测试工作流，作者明确禁止恶意利用。
这个仓库解决的是一个“散”字：作者过去为每个漏洞单独开 PoC 仓库，如今统一收进 exploitarium——40 余个文件夹各对应一项研究，覆盖 Firefox、curl、Docker、OpenSSH 等常用软件，多数保留原始 README 与文件，新研究以自包含文件夹直接加入。
两处细节值得一看。一是 Consolidation Check：作者用全新克隆比对旧仓库与归档文件夹的 Git blob ID、路径与可执行位，12 个仓库、96 个文件零差异，保真有据可查。二是作者对 AI 的使用很坦白：模糊测试由 GPT-5.3 按严格工作流自动化，但 PoC 全部手写；他的结论是“好工作流加人工把关，比堆更强的模型更关键”，对入门者是务实参考。
上手无需安装：直接按软件名浏览目录，每个文件夹自带说明；想交流可通过 Telegram @ashdfrkl 联系作者。
边界也要说清：README 明确这是善意公开披露，严禁恶意使用；不少 PoC 尚未上报，作者欢迎他人上报并认领 CVE；仓库发布时并不完整，内容会持续补充。
2. radixark/miles
- 作者： radixark
- 语言： Python
- ⭐ 星标： 2,549（今日 +64） ｜ 🍴 Fork： 443
- 许可证：Apache-2.0 ｜ 主页：https://miles.radixark.com
项目定位： Miles 是面向企业的大模型（LLM/VLM）强化学习后训练框架，从 slime 分叉并与之共同演进，用 SGLang 做高吞吐 rollout、Megatron-LM 做可扩展训练，支持万亿参数规模的 RL 训练。
为你而选： 适合训练/微调大模型的算法与工程团队：跑 GRPO/PPO 等 RL、智能体训练、on-policy 蒸馏或 LoRA 微调，把前沿模型后训练稳定跑在多卡集群上。
它解决什么：大模型 RL 后训练到了千亿、万亿参数和多轮智能体交互的规模，吞吐、稳定性与容错很难兼顾。Miles 从 slime 分叉而来，用 SGLang 做高吞吐 rollout（为多轮 agentic 负载调优），Megatron-LM 做可扩展训练；想沿用 HuggingFace 实现可切 PyTorch FSDP2 后端。
几个看点：
– 全异步 RL：rollout 与训练 worker 解耦，on/off-policy 调度可配，减少流水线空泡；
– 权重秒级更新：P2P RDMA 让 Kimi-K2.6 这类万亿参数模型在环内秒级同步；
– 低精度训练：MXFP8/NVFP4 配数值稳定配方，另支持 FP8、INT4 QAT、BF16/FP16；
– 稳定与容错：TITO 省去 rollout 与训练间的编解码往返；R3 重放 rollout 时的 MoE 路由，消除路由不一致；SGLang 引擎崩溃可原地恢复、训练不停；
– 生态广：GRPO/GSPO/PPO/REINFORCE++、SFT、on-policy 蒸馏；DeepSeek-V4、Kimi-K3 等 day-0 支持；覆盖 NVIDIA 与 AMD ROCm 多代 GPU；可接 Harbor、OpenEnv 等环境训练编码/computer-use 智能体。
上手与边界：README 未内嵌安装命令，安装与 Quick Start 见官方文档（miles.radixark.com/docs），建议先查硬件要求表与对应容器镜像。它面向企业级多卡集群训练，个人小规模实验未必是主场；扩散模型训练在独立的 miles_diffusion 仓库。
3. anomalyco/opencode
- 作者： anomalyco
- 语言： TypeScript
- ⭐ 星标： 204,106（今日 +345） ｜ 🍴 Fork： 26,632
- 许可证：MIT ｜ 主页：https://opencode.ai
项目定位： 开源的 AI 编程智能体，在终端里协助你读代码、改代码、执行命令；也提供桌面应用（Beta），内置 build/plan 双模式代理。
为你而选： 适合开发者和想用 AI 辅助编程的人：日常开发提效，或用只读的 plan 模式安全探索陌生代码库、先规划再动手。
OpenCode 是一个开源的 AI 编程智能体（coding agent），主打终端场景：在一个终端界面里与它对话，让它读代码、改文件、跑命令，协助完成日常开发。它的定位很直接——把「AI 帮你写代码」做成开放工具，而不是绑定在某家厂商的封闭产品里。
几个值得留意的设计：
- 双代理模式：内置两种代理，按
Tab键即可切换。build是默认的全权限开发代理；plan是只读代理，默认禁止修改文件、执行 bash 前会先征求同意——适合探索陌生代码库，或先做方案再动手，对不放心把写权限交给 AI 的人很友好。 - 子代理：还有一个
general子代理，用于复杂搜索和多步任务，在消息里用@general调用。 - 多端形态：除了终端版，还有桌面应用（目前是 Beta），覆盖 macOS（Apple Silicon/Intel）、Windows 和 Linux（.deb/.rpm/AppImage）。
上手很快，README 给了多种安装方式：
brew install anomalyco/tap/opencode # macOS/Linux，推荐
npm i -g opencode-ai@latest # 或 bun/pnpm/yarn
curl -fsSL https://opencode.ai/install | bash # 一键脚本
Windows 可用 scoop install opencode 或 choco install opencode，Arch 用户有 pacman/AUR 包，也支持 mise 和 nix。安装路径可通过 $OPENCODE_INSTALL_DIR 等环境变量自定义，配置细节见官方文档 opencode.ai/docs。
注意事项：安装前需先卸载 0.1.x 之前的旧版本；桌面应用尚处 Beta 阶段；另外若你的衍生项目名里含 “opencode”，官方要求在 README 中注明与 OpenCode 团队无关。
4. clshortfuse/renodx
- 作者： clshortfuse
- 语言： HLSL
- ⭐ 星标： 3,521（今日 +261） ｜ 🍴 Fork： 138
- 许可证：MIT ｜ 主页：https://renodx.com/
- 标签：
directx,games,hdr,mod
项目定位： RenoDX 是一套 DirectX 游戏修改工具集，可替换着色器、注入缓冲、添加叠加层、升级交换链与纹理资源并保存用户设置；基于 Reshade 插件系统，兼容性较广。
为你而选： 适合想改善游戏画面与体验的玩家（用现成模组、帧率限制器），也适合想开发游戏插件、免于逐版本破解 exe 的模组作者。
RenoDX 全称 “Renovation Engine for DirectX Games”，是一套给 DirectX 游戏做“翻新”的修改工具集。它解决的老问题很实际：传统上替换游戏着色器、改渲染管线，往往要针对特定版本的 exe 打补丁，游戏一更新就失效。RenoDX 改用 Reshade 的 add-on 系统接入 DirectX，把各种钩子交给 Reshade 处理，免去了逐版本破解可执行文件的麻烦，兼容面也因此更宽。
目前它支持替换着色器、注入缓冲区、添加叠加层（overlay）、升级交换链（swapchain）与纹理资源，并把用户设置写入磁盘——面向的是渲染层面的深度改造，而不只是简单调参。
对开发者，项目附带几个实用工具：renodx-devkit.addon64 用于辅助构建插件，decomp.exe 可反编译 Shader Model 6.0+ 的着色器，另有现成的 renodx-fpslimiter.addon64 帧率限制器可直接下载使用。文档方面，CONTRIBUTING.md 说明贡献流程，DEVKIT_MCP.md 介绍了实时 devkit 与 MCP 工作流。
具体模组可在项目 Wiki 的 Mods 页面查找。由于它以 Reshade 插件形式运行，需配合 Reshade 使用；README 未给出具体安装命令，建议以 Wiki 与文档为准。总体而言，这是个偏工具链性质的项目：玩家拿来用现成模组改善游戏，开发者则用它构建自己的插件。
5. cathrynlavery/diagram-design
- 作者： cathrynlavery
- 语言： HTML
- ⭐ 星标： 30,907（今日 +437） ｜ 🍴 Fork： 1,982
- 许可证：MIT ｜ 主页：https://cathrynlavery.github.io/diagram-design/
- 标签：
agent-skills,claude-code,codex,data-visualization,diagrams,drawio,mermaid,svg
项目定位： 为 Claude Code、Codex、Pi 等 AI 代理设计的 39 种编辑级图表技能：输出自包含 HTML+SVG，无构建步骤，读你的网站即可匹配品牌风格，产出设计师不会嫌弃的图表。
为你而选： 适合需要在文章、文档或汇报里配图的技术写作者、开发者与产品人：一句话让 AI 生成架构图、流程图等出版级图表，省去 Figma 手工调整。
它解决什么问题：让 AI 画图，得到的常是千篇一律的圆角框图，与文章风格脱节。作者写博客时要么跟 Figma 纠缠半小时，要么干脆不放图，于是把编辑级图表做成了 Claude Code、Codex、Pi 等 AI 代理的技能——读一下你的网站，60 秒内匹配品牌风格，没有阴影，也没有 Mermaid 式的粗糙感。
核心亮点：39 种图表类型，覆盖架构、流程、时序、ER、桑基、鱼骨、Wardley 地图、用户旅程等，每种含浅色、深色、全编辑三种静态变体；输出为自包含 HTML+SVG，无构建步骤、无 JavaScript、无外部图片依赖，浏览器直接打开。设计哲学是做减法——「最高质量的做法通常是删减」：每个节点都要证明自己存在的必要，强调色只留给最该看的 1–2 处，目标密度 4/10。
技术看点：语义模式与布局分离，队列、策略追踪、信任边界等行为描述可复用最近的现有类型，不必扩充类型数量；还能把 draw.io 或 Mermaid 源按指定格式、尺寸、细节重绘。
快速上手：Claude Code 中执行 /plugin marketplace add cathrynlavery/diagram-design 与 /plugin install diagram-design@diagram-design；Pi 用 pi install https://github.com/cathrynlavery/diagram-design。不想装也可以先打开 skills/diagram-design/assets/index.html 或访问在线画廊翻看全部图表。
边界与注意：静态 HTML 是默认输出，动效只是可选项（用于有序讲解）；各宿主更新机制不同，例如 Pi 无自动刷新、需手动 pi update --extensions，OpenCode 则需手动替换技能目录。