GitHub 每日分享开源项目
214 subscribers
928 photos
16 videos
908 links
Download Telegram
同时运行多个 AI 编程 Agent,最头疼的就是终端切来切去,还得担心断开连接后任务中断。
GitHub 上的 herdr 是一款 Rust 编写的终端 Agent 管理工具,无需 GUI,也不用 Electron。每个 Agent 都有独立的真实终端,全屏 TUI 也能正常运行。
它能把 Agent 状态分成阻塞、进行中和已完成,方便快速定位卡住的任务;还支持拖拽分屏、工作区和标签页管理。
更实用的是,断开终端或合上电脑后,Agent 仍可在后台运行,也能通过手机 SSH 重新连接。原生支持 Claude Code、Codex、OpenCode 等工具,并提供 Socket API 供扩展接入。
适合同时调度多个编码 Agent,或需要远程管理任务的开发者。
GitHub:https://github.com/herdrdev/herdr
Meta 开源了一套内部使用多年的设计系统:Astryx。
据项目介绍,它曾支撑 Meta 内部 13000 多个应用,提供 150 多个支持无障碍访问的组件,还内置品牌主、暗色模式和页面模板。
它基于 StyleX 构建,不需要额外引入样式库。组件可以灵活拆分组合,也支持将完整源码导出到项目中,方便深度定制。
主通过覆盖 CSS 变量即可调整,不必 fork 组件源码。文档、API 和 CLI 也采用统一规范,对开发者和 AI 编程助手都更友好。
适合希望快速搭建界面,同时保留设计自由度的前端团队。
GitHub:https://github.com/meta/astryx
写技术专利,最费时间的往往不是技术本身,而是整理交底书、画框图流程图、反复修改 Word。
GitHub 上的「中国专利.skill」提供了一套 Claude Code 工作流:能扫描项目文档和代码,挖掘潜在专利点,还可对照国知局公开公告进行查新参考。
生成的交底书包含系统框图、流程图,支持脱敏后导出 Word,方便交给专利代理人继续完善。后续补充材料或修正内容,也能在原稿上迭代,不必从头再来。
适合有技术方案、想提高专利交底书整理效率的开发者。
GitHub:https://github.com/handsomestWei/patent-disclosure-skill
成天喊着做 AI,真要问 Transformer 到底是个啥,能讲明白的没几个。
有个仓库,从零开始徒手搭一个 GPT,高级库一概不沾。Attention、多头、前馈、Embedding、残差、Layer Norm 究竟怎么攒到一块儿,全给你铺开了瞧。而且不光是模型,整条流水线全齐:
1️⃣ 数据下载、预处理、训练、生成一条道儿跑到底
2️⃣ 训练数据使的是 The Pile,22 个来源、825GB
3️⃣ 拿 tiktoken 分词,再塞进 HDF5
4️⃣ 预训练完事,还捎带着 SFT 跟 RLHF 的门道
改几处配置便能缩放大小。13M 参数上下,就开始拼对语法跟单词,白蹭 Colab 或 Kaggle 的 T4,练上一天便有产出。
https://github.com/FareedKhan-dev/train-llm-from-scratch
想让 AI 帮忙在手机上回个消息、比个价,它只会回一段文字教程,最后还得自己一个个 App 点过去。
Mika 是一个装在 Android 手机上的开源 AI 助手,说一句要做什么,它就自己打开 App 去点、去输入、去翻页,直到把事办完。
它在一块看不见的后台屏幕上操作,手机照常用,想看它干到哪了就点开小窗。
GitHub:https://github.com/wangzan101/Mika
它像人一样看屏幕找按钮,不靠各家 App 的接口,哪个 App 都能用。B 站、知乎、小红书这些 20 多个常用 App 的用法已经内置好了。
下单、付款前会先停下来问一句,登录和验证码也交回给人处理。不用服务器,填自己的模型密钥就能用。
电脑摄像头画质太差,又不想额外花钱买设备?可以试试开源工具 VCamdroid。
它能把安卓手机变成 Windows 虚拟摄像头,支持 USB 和 WiFi 连接,WiFi 扫码即可配对。
连接后,可以在电脑端切换手机前后摄像头、调整分辨率和闪光灯,还能实时调节亮度、对比度。
Zoom、OBS、Discord、Teams 等软件都能识别,使用时像普通摄像头一样选择设备即可。
家里有闲置安卓手机,又需要提升电脑视频画质的朋友,可以试试。
GitHub:https://github.com/darusc/VCamdroid
想搭建自己的网站,又不想拼接一堆服务?可以看看 Instatic。
它用 Bun 把画布编辑器、内容管理、媒体、权限、表单和发布整合到一个服务里。编辑器支持多尺寸页面并排设计,设计令牌还能根据品牌色自动生成色阶和字号。
发布后的页面输出语义化 HTML 和精简 CSS,不依赖前端框架运行时,加载更轻。插件则运行在沙盒中,未授权时无法访问文件系统和网络。
支持 Railway 一键部署,本地使用 SQLite,团队协作也能切换到 Postgres。
适合想自主掌控网站搭建与发布流程的博主、小团队和独立开发者。
GitHub:https://github.com/CoreBunch/Instatic
本地 AI 伴侣不联网也能安排上,看完真让人上头‼️
想搭一个能陪你说说的 AI 伴侣,市面上那些配置起来能气死人,还非逼着你联网,数据往外一送,谁心里能踏实?
Open-LLM-VTuber 这个项目,在本地离线就能撑起一个带着 Live2D 形象的 AI 语音伴侣👇
1️⃣ 摄像头能把你收进眼里,说随时能打断、手指点上去也有反应,连 AI 肚子里那点 OS 都能亮出来给你看
2️⃣ 桌面挂件能在屏幕上飘着随你拖动,鼠标还能穿透过去点,半点不碍事
3️⃣ 模样、性格、声音全凭你定,Live2D 模型拖进去,语音克隆也能用
4️⃣ 后端通吃 Ollama、OpenAI、Gemini,还能用中文跟她聊,转头让她用日语接
Win、Mac、Linux,整一个能陪你聊天、能看见你、还扛看的本地 AI 伴侣,这玩意儿真值得自己动手弄一套
🔗 https://github.com/Open-LLM-VTuber/Open-LLM-VTuber
Selene-TV 这款神级客户端,是专为大屏跟遥控器从头捯饬过的,一打开那股子舒坦劲儿是真到位。
1️⃣ 多源聚合搜索:电影、剧集、动漫、综艺、直播全给一网收了,追番还捎带个 Bangumi 路数的周表,漏更这事基本能躲过去。
2️⃣ 详情页整得一股 Apple TV 味:全屏 Hero 撑起来,再配上 TMDB 剧照,瞅着就跟迈进影院似的。
3️⃣ 嫌遥控器打字反人类?它自带 Web 服务器,手机扫个码便充作键盘。
4️⃣ ExoPlayer 内核,HLS/MP4 自适应切换,连自签证书都吃得下,爱自托管的看着直呼过瘾。
后端能搭 MoonTV 或 Helios,底子是纯 Kotlin+Compose,安卓 6.0 便跑得动。
🔗 https://github.com/MoonTechLab/Selene-TV
3D 建模这块又来了个大的,开源项目 sand3d 公开了约 10 万个用代码搭出来的 3D 模型。
并做成了一个给 AI 用的建模库,零件、边、面都按名字找,不用手算坐标。
涵盖日常物品、机械零件、能开合转动的可活动等 3D 模型,每个都是一段代码可直接用。
GitHub:https://github.com/Sandflow-ai/sand3d
支持导出 GLB、STL、USD 等文件格式,然后接上网页展示、游戏、3D 打印和机器人仿真。
比起让 AI 直接吐一个模型文件,写成程序的模型二次改动更方便,也能用这批数据拿来当素材库或者训练数据。
写论文时,想提前发现审稿人可能挑出的毛病?可以试试 Claude Code 技能 AI-research-feedback。
它支持同时启动 6 个审稿 Agent,分别检查语法、内容一致性、公式、图表和论证逻辑,最后汇总成结构化审稿报告。
还可以指定 QJE、AER 等期刊,模拟不同期刊的审稿标准。除了完整审稿,也提供快速检查、论文与代码一致性核对,以及基金申请书评审。
支持直接读取 LaTeX 源文件,一条 curl 命令即可安装,并覆盖经济学、金融学等领域的期刊审阅场景。
适合希望在投稿前自查论文、减少低级问的研究人员。
GitHub:https://github.com/claesbackman/AI-research-feedback
收藏的文章、论文总是堆在笔记软件里?可以试试 second-brain,让 AI 帮你整理个人知识库。
使用时只需把资料放进 raw 文件夹,AI 就会读取内容,自动生成结构化 Wiki,建立页面双链并维护索引。
整理后的知识库可以直接用 Obsidian 打开,支持双链跳转、关系图谱,还能针对整个知识库提问。
项目还提供健康检查命令,用来排查索引异常和断开的链接,并支持修复。配套 Skill 可接入 Claude Code、Codex、Cursor 等 Agent 工具。
适合收藏资料多、却一直没时间系统整理的开发者和知识管理爱好者。
GitHub:https://github.com/NicholasSpisak/second-brain
区区 4GB 显存,竟要硬跑 70B 的大模型,这还真叫 AirLLM 给办妥了。
它使的招数叫分层推理:不把整个模型一口气灌进显存,而是逐层往里加载,算完一层便卸掉,生生把个庞然大物塞进了张小破卡里。
这项目百分百开源,
🔗 https://github.com/0xSojalSec/airllm
一件挺硬核的开源项目——UZI-Skill,一个专门做股票深度分析的 AI 投研插件,我看完当场就坐不住了。
它厉害的地方在于把真材实料都攒齐了:
1️⃣ 51 位投资大佬的分析框架
2️⃣ 22 维市场数据
3️⃣ 180 条量化规则
4️⃣ 17 种机构分析方法
好比把格雷厄姆、彼得·林奇、巴菲特、索罗斯、陈小群请到同一张桌上开投研会,专门分析一只股票,光想想就够上头。
A股、港股、美股都能查。你把贵州茅台、腾讯、苹果放进去,它转头就能从基本面、技术面、资金面、情绪面、风险点几个方向给你出一份报告,省得你自己东一下西一下。
🔗
This media is not supported in your browser
VIEW IN TELEGRAM
Reason Network 让团队里每台电脑上的编程 Agent 能直接互相发消息,支持 Claude Code、Codex、Gemini CLI 等 Agent 工具。
装好后能看到每个同事开着哪些 Agent,在哪个仓库、哪个分支,是忙着还是闲着。想问谁,直接让自家 Agent 去问。
GitHub:
消息点对点直连,全程加密,中转服务器也看不到内容。一条消息还能捎上最多 10 个文本文件,比如接口定义或者日志。
同事的 Agent 来要一个只有我能批准的操作时,我这边会弹个窗,点同意或拒绝,答复直接回给对方。
团队里每人都开着几个 Agent 的,让它们自己对口径,比人在中间传靠谱多了。
Jev 才火没多久,相关的开源项目已经被人整理出 900+ 个了。
Awesome Jev 是个专门收集 Jev / System One 生态项目的导航库,眼下已经收了 916 个开源项目。
分类挺细:SDK、Jev-like 模型、Agent 工具、浏览器自动化、应用、Benchmark、研究项目……想弄清 Jev 能拿来干什么,直接从这儿翻最快。
作者还做了网页版,找项目比翻 GitHub README 方便。
在线导航:https://jevbest.com/
GitHub:
想知道自己的个人信息在网上暴露了多少?可以试试开源工具 DeepSearch。
它把 25 种以上 Google 高级搜索语法整合成自动化查询。输入姓名或关键词,就能批量生成搜索链接,还支持一键在浏览器中打开,并将查询记录导出留档。
搜索范围覆盖社交平台、公开文档和论坛等常见渠道,方便排查公开可见的账号、帖子和资料。
安全从业者可以用它辅助渗透测试前的信息收集,普通用户也能借此检查自己的网络隐私,及时清理不必要的公开信息。
GitHub:
想做视频,却总是只有一个模糊的想法?可以试试 video-spec-builder。
这是一个面向 Claude Code 和 Codex 的 Skill。它会像导演一样,通过多轮提问明确视频受众、时长、核心镜头和表现方式。遇到“高级感”这类笼统描述,还会继续追问,直到需求足够具体。
最终会生成一份视频制作说明书和精确到秒的分镜脚本,每个镜头都有明确安排。
脚本还能交给 HyperFrames 渲染生成视频,项目提供两个可分别安装的 Skill。
需要注意:它不负责创意构思或实际拍摄,核心任务是把模糊需求整理成可执行的制作方案。
GitHub:
一款语音合成 AI,愣是叫海外炸开了锅。
你压根分辨不出哪些是合成的,离不离谱?GitHub 趋势榜上拔了头筹、星标 4.1 万的VoxCPM2,真称得上神仙项目。
1️⃣ 你只管敲上一行字“沉稳的 30 代女声”,它当场便能给你合成出来
2️⃣ 丢一小段录音进去,连说的口癖、语速都替你一比一复刻
3️⃣ 48kHz 录音棚级音质,还挂着 Apache 2.0 协议,商用随你怎么使
🔗
有人把 PDF 转 Markdown 这活儿干到了每秒 100 页,还分文不取,全凭 CPU 硬扛,GPU 一概不用、云端不沾边、连 API key 都省了。
OpenDataLoader,在好几个跑分榜上一路通杀,径直坐上了头把交椅。
几个对比就明白:
1️⃣ docling 分数还说得过去,速度却比它慢上 15 倍
2️⃣ marker 不光非得吃 GPU,还慢出 1000 倍
3️⃣ Pymupdf4llm 够快,可表格那项只拿到 0.40
Claude Code、Codex 天天在用,可要说清它们背后到底怎么跑起来的,不少人其实讲不明白 。
NamiAgent 这套零基础教程从 100 行代码的最小循环写起,一课加一个能力,最后自己手里就有一个能跑的本地 Agent。
作者开头那句我很认同,Agent 的核心就是一个循环,调模型、执行工具、把结果写回上下文,再调模型。
GitHub:https://github.com/aa1143/NamiAgent
前 11 课依次加上工具、权限、上下文管理、Skills、MCP、子 Agent、计划和记忆,每课都有一份能直接跑的完整代码。
后面几课专门拆解 Claude Code、Codex、DeepSeek Harness 这些主流 Agent,最后还有一张总对照表。
自带网页端,左边看 Agent 每一步怎么想、调了什么工具,右边看发给模型的完整上下文,转一圈就长一截。
想自己动手写个 Agent 的朋友,从第一课跟着敲就行。