每天发现近 60 天新建、星数最高的 AI 项目
| # | 项目 | 简介 | 今日新增 | 总星数 | 语言 | 状态 |
|---|---|---|---|---|---|---|
| 1 | freestylefly/awesome-gpt-image-2 | 中文开源的 GPT-Image2 工业级提示词引擎与模板库:470+ 案例逆向工程、20+ 套工业级模板,并提炼成可复用 Skills,持续更新。 | +1698 | ★ 18.7k | JavaScript | |
| 2 | MadsLorentzen/ai-job-search | ai-job-search 是一个完全运行在本机的 AI 求职框架,基于 Claude Code 构建:评估职位发布、辅助投递全流程。 | +1265 | ★ 35.5k | Python | |
| 3 | openai/codex | OpenAI 官方的轻量级终端编码 Agent——Codex 正式开源,在终端中理解代码库并自主完成编码任务。 | +1181 | ★ 118.3k | Rust | |
| 4 | DietrichGebert/ponytail | Ponytail 是一个让 AI 编码代理"像最懒的资深开发者那样思考"的增强系统。它的核心理念是"最好的代码就是不用写的代码"——让 Agent 少写代码、少做无用功。 | +982 | ★ 111.3k | JavaScript | 🆕 |
| 5 | multica-ai/andrej-karpathy-skills | 一个单文件 CLAUDE.md,基于 Andrej Karpathy(前 Tesla AI 总监)对 LLM 协作的观察总结,用于直接改进 Claude Code 的行为。 | +830 | ★ 207.3k | ||
| 6 | AgriciDaniel/claude-obsidian | claude-obsidian 是 Obsidian + Claude Code 的自组织 AI 第二大脑——把任意来源(PDF/网页/笔记)丢进去,Claude 自动阅读、建立链接、归档进你的知识库。 | +813 | ★ 12.9k | Python | 🆕 |
| 7 | apache/maka | Apache Maka(孵化中)是一个本地优先(local-first)的 AI Agent 工作区,统一管理模型消息、工具调用、工具结果与权限。 | +543 | ★ 3.4k | TypeScript | |
| 8 | tinyhumansai/openhuman | openhuman 定位“你的个人 AI 超级智能”——构建本地优先的个人生活记忆大脑,配合强大的编排系统,让 AI 真正“了解你的一生”。 | +542 | ★ 37.9k | Rust | |
| 9 | anthropics/claude-plugins-community | Anthropic 官方的 Claude 插件社区市场(Claude Cowork 与 Claude Code 通用)的只读镜像仓库,插件提交入口为官方站点。 | +351 | ★ 1.9k | Python | |
| 10 | TauricResearch/TradingAgents | TradingAgents 是一个基于 LLM 的多 Agent 金融交易框架,用多个专业化 AI Agent 协同完成市场分析、风险评估、交易决策。 | +218 | ★ 100.4k | Python | 🆕 |
是什么:Ponytail 是一个让 AI 编码代理"像最懒的资深开发者那样思考"的增强系统。它的核心理念是"最好的代码就是不用写的代码"——让 Agent 少写代码、少做无用功。
哪里好:在真实 Claude Code 会话上实测,相比基线减少约 54% 代码量(最高 94%)、降低约 20% 成本、提升约 27% 速度,且保持 100% 安全。它把"少即是多"的工程哲学注入 Agent,直击当下 AI 编程"代码冗余、成本高"的痛点,数据驱动很有说服力。
应用场景:重度使用 Claude Code/Codex 等 AI 编程工具、想降低 token 成本和代码冗余的开发者;追求 Agent 输出精简高效的团队。
是什么:claude-obsidian 是 Obsidian + Claude Code 的自组织 AI 第二大脑——把任意来源(PDF/网页/笔记)丢进去,Claude 自动阅读、建立链接、归档进你的知识库。
哪里好:打通两大神器——Obsidian 的本地知识管理 + Claude Code 的 Agent 能力。“自组织”意味着知识不是堆积而是被 AI 自动编织成网络。个人知识管理(PKM)赛道的 AI 化标杆。今日 +813 星。
应用场景:个人知识库自动整理与归档;研究资料自动链接成网;Obsidian 用户的 AI 增强工作流。
是什么:TradingAgents 是一个基于 LLM 的多 Agent 金融交易框架,用多个专业化 AI Agent 协同完成市场分析、风险评估、交易决策。
哪里好:把"多 Agent 协作"应用到金融交易——不同 Agent 扮演分析师/风控/交易员等角色,模拟真实交易团队。开源可研究,多语言文档(含中文)。今日 +177 星,是 AI+金融赛道的代表项目。
应用场景:AI 辅助金融研究与策略验证;多 Agent 协作范式学习;金融工程教学与实验。注:研究用途,非投资建议。
| # | 项目 | 简介 | 总星数 | 日涨星 | 语言 | 状态 |
|---|---|---|---|---|---|---|
| 1 | deepseek-ai/deepseek-harness | DeepSeek Harness(命令 dsh)是 DeepSeek 官方开源的 Agent Harness(代理运行框架),核心理念是"一切皆插件"——所有能力都以插件形式装载,基于 Cordis 架构驱动。 | ★ 195.8k | +3111 | TypeScript | |
| 2 | xai-org/grok-build | Grok Build 是 xAI(SpaceXAI)官方推出的终端 AI 编码代理,以全屏 TUI 形式运行,能理解代码库、编辑文件、执行命令、搜索网页、管理长任务。 | ★ 26.1k | +52 | Rust | |
| 3 | anywhere-labs/dsh-desktop | DSH Desktop 是基于 DeepSeek Harness 构建的社区版桌面客户端(Windows/macOS),一键下载开箱即用——“万物皆插件,桌面本身也是插件”。仓库明确声明:独立社区项目,与深度求索公… | ★ 20.3k | +485 | TypeScript | |
| 4 | guillaumemeyer/watermarks-remover | 一个清除 AI 生成内容溯源标记的工具:处理 Unicode 文本隐写、提供统计改写钩子、擦除 C2PA 元数据等多厂商 AI 水印。 | ★ 18.3k | +347 | Python | |
| 5 | yc-software/qm | QM 是一个面向工作场景的多玩家 Agent 框架,在 Slack 和网页端运行。与大多数单次执行的 Agent 不同,它强调多人协作、长期运行的工作 Agent。 | ★ 14.2k | +40 | TypeScript | |
| 6 | trycompai/crm | Comp AI CRM 是一个为 AI Agent 设计的开源 CRM,采用"Agentic-first"理念,与传统"数据库+表单"的 CRM 或"在老 CRM 上贴 AI"的方案划清界限。 | ★ 8.9k | +45 | TypeScript | |
| 7 | unicity-aos/aos-ce | AOS Community Edition 是一个开源的 Agent 操作系统,为 Agent 提供可检视、可组合的运行环境,包含 CLI、HTTP API、发行版和官方组件。 | ★ 8.6k | 持平 | Rust | |
| 8 | MDX-Tom/gpt-5.6-instruct | 一个面向 gpt-5.6 系列的越狱/破甲提示词与测试工具包,将安全研究、渗透测试、逆向、软件破解及 NSFW 内容统一纳入本地沙箱任务,抑制模型拒绝与回退话术。 | ★ 6.6k | +71 | Python | |
| 9 | FareedKhan-dev/kimi-k3-in-c | kimi-k3-in-c 是一个用纯 C99 实现的 Kimi K3 推理引擎,让这个 2.78 万亿参数的超大模型能在单颗 CPU + 8.24GB 内存上跑推理。无需 BLAS、无需框架、无需 GPU。 | ★ 6.5k | +83 | C | |
| 10 | drumih/turbo-fieldfare | TurboFieldfare 是一个Swift + Metal 自研推理运行时,让 Gemma 4 26B-A4B 模型能在任意 Apple Silicon Mac 上运行,仅需约 2GB 内存,连 8GB 内存的… | ★ 6.4k | +52 | Swift | 🔥 |
是什么:TurboFieldfare 是一个Swift + Metal 自研推理运行时,让 Gemma 4 26B-A4B 模型能在任意 Apple Silicon Mac 上运行,仅需约 2GB 内存,连 8GB 内存的机器都能跑。
哪里好:把大模型压缩到 2GB 内存可跑是技术突破——意味着入门级 Mac 也能本地跑 26B 模型。原生 Swift+Metal 实现性能极致,不依赖 llama.cpp 等通用框架。对苹果生态用户是重大利好。
应用场景:想在 MacBook 上本地跑大模型的苹果用户;内存受限设备的本地推理;追求 Apple Silicon 极致性能的推理引擎开发者。