云雀 · 轻技术笔记

GitHub Trending AI 热点 · 2026-10-23

GitHubTrendingGitHub热点AI开源

  1. DietrichGebert/ponytail 仓库：https://github.com/DietrichGebert/ponytail stars：★ 173,063（JavaScript）｜今日新增：+1872 简介：给 AI agent 装一个「最懒的资深工程师」人格，逼它少写代码但把验证、错误处理、安全、可访问性一样不少。 为什么火：README 里有一组能证伪「省 token 就等于好 agent」的对照数字——相对于完全不用 skill 的基线，代码行数降到 47%、输出 token 降到 55%、成本降到 74%、耗时降到 59%，同时**风险逻辑的测试覆盖率从 68% 拉到 98%**，agent 自写测试能抓住 66% 的注入 bug（无 skill 时只有 46%），SQL 注入、路径穿越、伪造 token、限流、CSV 畸形行、缓存六个安全任务 30 次全过。作者自己写死一条红线：「规则从来不是少写 token，是只写任务需要的东西，但绝不砍验证、错误处理、安全和可访问性」。昨天 leanrea 用 8KB SKILL.md 把 207 个工具砍成一个、context 降了 91.6%，今天 ponytail 用跨任务 benchmark 把这条结论从个案推到可复现——而且给出了一个能防住「砍过头」的边界条件。这个项目把「agent 该写多少代码」从品味问题变成了有数字的工程问题。

  2. eagle-hq/EAGLE-4 仓库：https://github.com/eagle-hq/EAGLE-4 stars：★ 840（Python）｜今日新增：+169 简介：一个 drafter 打通所有批大小和硬件的投机解码实现，官方推理代码开仓，接进 SGLang / vLLM / TokenSpeed 就能用。 为什么火：它的 README 里有一张没人愿意公布的实测矩阵，把投机解码最核心的谎言拆穿了——加速比不是常数，是并发数的反函数。SGLang TP4 在单请求时 3.40×（735.7 tok/s vs 无投机 216.3），并发涨到 8 掉到 1.91×，涨到 64 只剩 1.35×（5281.3 vs 3925.3）。vLLM 更难看：2.99× 一路掉到 1.16×，只剩 39%。绝对数看起来还在涨，所以只看 tok/s 的监控面板完全看不出加速比已经蒸发。原因是并发 64 会把请求挤进 32 个运行槽里排队，投机解码在显存带宽饱和后就不再是免费午餐了。所有宣称「3 倍推理加速」的宣传页测的都是并发 1，生产 API 全是并发 64，这个仓库是少数几个把衰减曲线明明白白写出来的地方。3 天建仓、840 star，是因为推理工程师终于能在选型前问一句：我的真实并发是几？

  3. deepseek-ai/deepseek-harness 仓库：https://github.com/deepseek-ai/deepseek-harness stars：★ 258,042（TypeScript）｜今日新增：+1177 简介：DeepSeek 官方的开源 agent harness，架构是「一切皆插件」，底层用 Cordis，npx @deepseek-ai/dsh web 一条命令起本地 Web UI。 为什么火：25.8 万 star 加单日 +1177，说明 DeepSeek 在模型层之外已经决心自己做 harness 层——和 Anthropic 的 claude-code、Anomaly 的 opencode 正面对撞。真正的分歧点在架构：cordis 框架的论文标题叫《A Programming Paradigm for Spatiotemporal Composability》（arXiv 2608.25512），把插件系统做成了时空可组合的形式化范式，而不是常见的「插件注册 + 生命周期钩子」。README 第一句就承认这是 developer preview、会频繁出破坏性兼容变更，还专门放了一份 SAFETY.md——一个模型厂愿意在自家 harness 首页写安全告警，说明它已经准备让用户跑真任务了。对比 10-22 那篇 EPFL 消融论文的结论「几乎所有收益来自 runtime 和 backbone，harness 上层几乎不贡献」，DeepSeek 依然选择自己造这一层，这个矛盾本身就是今天的信号。

  4. yetone/magpie 仓库：https://github.com/yetone/magpie stars：★ 19,475（Go）｜今日新增：NEW 简介：一个本地网关给所有 coding agent 供模型：Claude Code 跑 Kimi、Codex 跑 DeepSeek、Gemini CLI 跑 GLM、OpenCode 吃你的 ChatGPT 订阅，菜单栏一键切，配额耗尽自动换下一个账号。 为什么火：README 第一句话就是「每个 agent 的模型，一个地方」，然后用四个具体搭配说清楚：菜单栏切换、一个本地网关统一服务、配额用完悄悄切下一个账号。这三件事拆开看都是小需求，合起来是模型订阅经济的一个漏洞——买了 ChatGPT Plus 谁都想要、买了 Kimi 谁都想试，但每次换模型都要改配置、换环境变量、重新登录一遍，而 Claude Code 和 Codex 各有一套自己的 provider 配置方式。它用 Go 写、单个二进制、支持 macOS/Windows/Linux/Docker/Termux，五天从建仓冲到 1.9 万 star——这是模型层和 harness 层之间那道缝，专业玩家自己用胶水填上了。⚠️ 需要注意：自动换号这个功能踩在各家 ToS 的模糊地带，自用和商用是两回事。

  5. redhat-et/ripwire 仓库：https://github.com/redhat-et/ripwire stars：★ 2,468（C++23）｜今日新增：NEW 简介：「AI context 界的 ripgrep」——零依赖的 C++23 CLI + MCP server，在 agent 读仓库之前先给它一张调用图：改这里会坏哪里、该跑哪些测试。 为什么火：它把 ripgrep 的产品直觉搬到了 agent 场景：先建索引再查询，而不是让模型每次自己翻目录。读完的部分是排序过的、确定性的调用图——该动什么、会连带破坏什么、哪些测试覆盖到它；写入的部分更狠，给出爆炸半径、哪些测试能触达、12 类质量检查只报变差的部分，还有「改字段忘了改联动点」这种真实的破窗记录。README 里那句安装说明很关键：一行装完，然后你只要每次开工跟 agent 说「在这个仓库上用 ripwire」，它自己知道什么时候该调哪个命令。这是在跟 anthropic/DeepSeek 那边的 native 代码索引正面抢位置，但走的是完全不同的路线——不塞进 harness，独立二进制 + MCP，谁的 harness 都能接。C++23、零运行时依赖这几个字，是给讨厌在 agent 工具链里塞 Python 依赖的人准备的。

  6. FareedKhan-dev/kimi-k3-in-c 仓库：https://github.com/FareedKhan-dev/kimi-k3-in-c stars：★ 9,157（C）｜今日新增：NEW 简介：2.78 万亿参数的 Kimi K3，用可移植 C99 手写推理引擎跑在一颗普通 CPU 上，8.24GB 内存、整个引擎 176KB、无 BLAS 无框架无 GPU。 为什么火：README 那张数字表在社交媒体上被转疯了——2.78T 参数、1.56TB checkpoint、峰值 RSS 8.24GB、引擎 176KB、0 块 GPU。但真正让人琢磨的不是 8.24GB，是后面那张速度表：8GB 笔记本 26.5s/token，32GB 24.2s，64GB 19.8s，128GB+ 才降到 5.6s。原因作者写得很直白——模型并没有变小，是 1.56TB 的权重每一步都从磁盘流式重读，内存越大越不必等 IO。所以这个项目的真实命题不是「小模型跑大模型」，是「让你手里这台机器的性能被彻底榨出来，代价是愿意等」。所有输出 byte-identical，只有时钟在变。v1.0.0 相比还把每 token 计算量压轻 8 倍、多轮对话快 3.9 倍——作者一天之内把一个 C99 玩具做成了工程品。

  7. onehumanbeing/esp32-iphone-agent 仓库：https://github.com/onehumanbeing/esp32-iphone-agent stars：★ 3,549（C）｜今日新增：+79 简介：一块 7 美元的 ESP32-S3 就能让 AI 操控真 iPhone：AirPlay 当眼睛看屏幕、USB HID 当手点界面，只要手机和板子，不要电脑、不要越狱。 为什么火：它同时踩中了两条今天最热的线——computer use 和「agent 产物应该能跑起来」。市面上所有 computer-use 项目都在假装屏幕和键鼠是原生 API，只有这个项目承认它们是外挂的：AirPlay 传视频流当视觉输入，USB HID 伪装成键盘鼠标发点击。7 美元让一块 ESP32 拥有对一部真手机完整的外设控制权，这个硬件账算得太漂亮了。README 里还有一段专门写给 Claude Code / Codex / Cursor 看的注释，要求任何复用者必须保留 MIT 署名——这是独立开发者在开源协议之外给自己加的一层护栏。Warning 部分还专门警告别信 issue 里的一键安装命令，这种对 agent 供应链风险的警惕本身也值得一看。

  8. alchaincyf/huashu-motion 仓库：https://github.com/alchaincyf/huashu-motion stars：★ 1,408（JavaScript）｜今日新增：+157 简介：一个 Skill，让 agent 一句话直出商业级产品宣传片：会做动画、会自己写谱配乐，在浏览器编辑器里指着画面说改哪儿，它就只改那一处。 为什么火：解决的是一个所有生成式视频工具都没解决的交互问题——改第 3 秒的背景颜色要不要重跑整个片？它的答案是按 C 点中画面，评论里自动带上时间点、场景、点中的元素和它在源码里的位置，agent 拿这一帧的截图看一眼，只改那一处，预览停在原处刷新，⌘Z 随时撤回。更狠的是「先写谱再拍片」：agent 先用 ABC 记谱法（纯文本的乐谱）按节奏写一份谱，谱上的标记对齐每个场景，再由三角钢琴、弦乐、鼓组的真实采样演奏出来。README 里每一段动画都是这个 agent 自己给自己做的发布片。五天建仓 +157 一天，原因是它把「和 agent 反复对话调视频」这个最痛的动作变成了「指着图说」，这是 Remotion 那类工具一直想做但没做成的事。

  9. XiaomiMiMo/MiMo-Code 仓库：https://github.com/XiaomiMiMo/MiMo-Code stars：★ 13,700（TypeScript）｜今日新增：NEW 简介：小米官方的终端 coding agent，能读写代码、跑命令、管 Git，配一套持久记忆系统跨会话理解项目；同时有桌面版，能在一次对话里横跨办公、设计、编码和多模态创作。 为什么火：桌面版那段描述才是重点——「评估任务类型和成本后，动态选择模型、框架和工具；复杂任务可以跨多个 agent 并行」。这已经不是 CLI 工具的描述，是调度器的描述。小米把 MiMo Code 定位成桌面应用的核心引擎（"powered by MiMo Code as its core engine"），等于公开承认：模型层的差距正在缩小到不值得竞争，agent 编排层才是下一个能收钱的位置。1.37 万 star 是国产模型厂下场做 harness 里动作最完整的一个——不只是给开源社区放个 SDK，而是从终端一路铺到桌面应用，配合「模型与 agent 共同进化」的定位，等于在押注「未来半年 agent 层的默认入口属于模型厂」。

  10. lidge-jun/opencodex 仓库：https://github.com/lidge-jun/opencodex stars：★ 17,780（TypeScript）｜今日新增：NEW 简介：一个 provider 代理，两条命令让 Codex、Claude Code、Claude Desktop 和 Grok Build 全都跑你指定的任意 LLM（Claude / Gemini / GPT / DeepSeek 都行）。 为什么火：口号就一句话——「make codex open」。Codex 和 Claude Code 的 provider 配置是各自封闭的，官方没打算给你一个统一的口子，这个项目用两条命令在中间架了个代理层，等于把两大 coding agent 的模型自由度重新打开。1.78 万 star 说明这个需求被压抑了很久：很多人买了 Codex 的订阅却想在上面跑 DeepSeek，买了 Claude Code 的订阅却想拿 Kimi 试手，每换一次就要重配一遍环境变量、重新登录、翻一遍文档。配合同日上榜的 magpie（Go 写的 macOS 菜单栏网关）和 dsh-routing-suite（DeepSeek 生态的注入器 + 路由标准套件）看，provider 代理层正在被三方同时占——模型厂、独立开发者、社区标准件，谁都不想让这道缝由别人守着。

  11. hypit-ai/hypit 仓库：https://github.com/hypit-ai/hypit stars：★ 24,793（TypeScript）｜今日新增：NEW 简介：用 AI agent 克隆任何一条爆款视频，不只给脚本，给的是完整工作流；一条命令跑出 100 个变体，同时上了 Trendshift 全站日榜第一和 TypeScript 语言日榜第一。 为什么火：它的自我描述写得非常直白：「1 command, 100 variants, 100M views」——把「我要出一条百万播放的视频」这个愿望翻译成一条命令和一个数量目标。和其他项目主打「给你更好的提示词」不同，它主打的是完整链路：不是脚本，是从选题、拆解、生成、剪辑到产出的整套 agent 流水线，所以别人抄走一个 prompt 做不出 100 个变体。24,793 颗星在 TypeScript 生态里是相当夸张的数字，说明它解决的不是技术问题而是分发问题：内容创作者知道自己缺什么，但他们不写 agent，他们只会「一键」。README 挂的 Trendshift 双榜第一徽章也说明这不是慢慢累积的热度，是某一天集中爆发。

  12. xerj-org/xerj 仓库：https://github.com/xerj-org/xerj stars：★ 13,056（Rust）｜今日新增：NEW 简介：单个 Rust 二进制当 agent 的搜索引擎：把代码、文档、日志、JSONL/CSV、PDF 全部索引起来，提供 BM25 全文 + 向量 + 混合检索、代码搜索和 agent 记忆，对外暴露 Elasticsearch 兼容 API。 为什么火：它选了一个很聪明的位置——不跟 harness 抢，只当后端索引。谁家的 agent 都能接，因为接口就是 Elasticsearch 的，任何 MCP client 都吃得下。Rust 写的单二进制意味着部署成本几乎为零，agent 在你本地跑，它也在你本地跑，数据一个字节不出机器，而这是过去两年大家被向量数据库 SaaS 反复教育「不要上传」的诉求。另外六种语言的 README（英简繁日阿西韩）也说明它不是在做小众项目，是在做能被直接替换掉托管搜索的国产方案。对比同榜的 zvec-grep（也是 Rust，本地优先搜索）和 img2threejs（明确写「刻意 token 节省」），同一天三个项目指向同一件事：agent 的上下文预算，越来越多地在本地解决。