周期2026-07-27 ~ 2026-08-02 | 更新2026-08-06共收录13个项目按 Star 数排序 本期概览本期榜单2026-07-27 ~ 2026-08-02共收录13个项目累计 Star45,184。技术栈以 TypeScript(6)、C(2) 为主应用场景集中在大模型智能体AI办公和AI医学。 01 · yc-software/qm TypeScript | AI/Agent | ⭐ 11,272 | 1,231 | 爆款项目 项目介绍qm 是一个面向工作的“多人智能体工具集”Multiplayer Agent Harness可部署在 Slack 和网页上本质上是一个企业级 AI 操作系统的核心框架。它专为团队协作而设计旨在让 AI 智能体不再是个人助理而是能够融入整个公司协作网络的“数字同事”。 使用场景企业内部知识助手、自动化工作流与任务处理、内部工具与应用开发、团队项目协作 核心价值专为“团队协作”设计的多智能体架构打破AI作为个人助理的局限通过“个人作用域”和“共享作用域”如频道、群组的划分让AI能同时服务于个体和团队无缝融入真实工作协作流程解决了AI在真实工作场景中的“信息孤岛”问题。开放的“工具集”抽象层避免供应商锁定核心与模型/工具解耦可灵活切换Pi、OpenCode、Claude Code等多种后端。这让你不会被任何单一AI供应商捆绑拥有技术选型的绝对控制权和灵活性。独创的“私有分支”策略兼顾定制隐私与可维护性通过普通克隆创建与上游历史分离的私有仓库将所有组织特定配置隔离存放。这使得核心升级合并上游更新变得异常简单同时严格保护了企业私有配置的隐私安全。分层的安全策略与可执行的权限模型提供“严格”、“自动”、“危险”等多级安全策略配合预定义命令审批规则。这为AI在生产环境执行敏感操作提供了具体、可审计的规则框架让企业在效率与风险间取得平衡。“可落地”的企业AI基础设施而非空中楼阁它提供了从部署、配置、连接到维护的完整工具链qm CLI并清晰定义了代码与配置的边界是一个可以直接用于构建公司专属AI操作系统的“脚手架”和标准。 推荐语qm 上线即爆火短短时间内突破 11,272 Star在Web 前端开发领域具有实用价值。项目主打 Multiplayer agent harness for work 的核心功能采用TypeScript编写代码质量有保障值得深入研究和实际应用推荐给对该领域感兴趣的开发者使用。 GitHub → 02 · MoonshotAI/Kimi-K3 未知 | LLM | ⭐ 8,060 | 603 | ⭐ 热门项目 项目介绍Kimi K3 是月之暗面Moonshot AI发布的开源权重、原生多模态、智能体Agentic模型也是目前其最强大的模型。它是全球首个开放的3万亿3T参数级别模型专为处理需要深度推理的复杂任务而设计。 使用场景长周期编程与软件开发在长时间编码会话中保持上下文并协调终端工具智能体式知识工作端到端完成知识研究、分析与呈现复杂的多步骤智能体任务能规划并使用工具完成复杂目标。 核心价值开放的前沿智能作为首个开放的3T级模型它将强大的、此前可能仅限于少数公司的能力带给更广泛的研究者和开发者促进了创新。架构创新与效率通过 KDA、AttnRes 和 Stable LatentMoE 框架在实现2.8T参数规模的同时实际激活参数仅104B据称相较前代 Kimi K2 提升了约 2.5倍 的整体扩展效率在性能与计算成本间取得了更好的平衡。原生长上下文与多模态原生支持文本、图像、视频并拥有 1M 上下文窗口这使其能够直接处理需要融合多种信息类型的长篇复杂任务无需外部适配。全面的智能体能力模型设计针对“智能体”场景优化在编码、知识工作、工具使用和真实世界任务模拟等广泛基准上都展现出顶尖水平是一个能“做事”而非仅“聊天”的模型。灵活的部署与使用提供了与主流推理引擎的兼容性和标准API并且明确支持在对话中保留完整的推理过程这对需要可解释性和复杂任务调试的场景尤为重要。 推荐语Kimi-K3 广受开发者欢迎已累计收获 8,060 Star在通用编程项目领域具有实用价值。项目主打 Open Frontier Intelligence 的核心功能代码质量有保障值得深入研究和实际应用推荐给对该领域感兴趣的开发者使用。 GitHub → 03 · trycompai/crm TypeScript | Agent | ⭐ 4,937 | 512 | ✨ 潜力项目 项目介绍CRM 是一个开源、智能体优先agentic-first的客户关系管理系统由 trycompai 开发。它与传统CRM有本质区别智能体Agent是产品本身数据库只是它记录发现的地方。 使用场景自动化客户研究与情报收集、智能线索培育与跟进、去中心化的团队知识同步、数据驱动的关系管理 核心价值真正的“智能体优先”架构将AI智能体从“附加功能”提升为系统的核心与驱动力。它自主、持久、主动地工作而非被动响应从根本上改变了CRM的使用范式——从“人记录数据”变为“智能体发现并维护知识”。严格的证据分级与事实性通过拒绝置信度分数、区分观察与猜测、建立证据账本的设计避免了AI“幻觉”污染客户数据。这确保CRM中的信息是可追溯、可审计的一个“确定错误的事实”不会比“空白字段”更糟糕解决了AI应用中关键的数据可靠性问题。开箱即用、模块化与可扩展的架构项目采用清晰的Turborepo 单库结构将智能体、前端、API、数据库、认证等彻底分离并坚持“API层无智能”、“唯一UI源”、“无组织单租户”等硬性规则。这使得定制、替换或扩展任何组件如模型、数据源、前端UI都变得相对简单和安全。为“自主工作”设计的安全与耐久性智能体运行在无网络、无数据库凭证的沙盒中彻底封堵了通过Shell命令泄露数据的路径。同时其基于任务队列租约机制 的调度系统确保了工作持久性——即使部署重启或进程崩溃任务也能恢复实现了真正可靠的自动化。务实、聚焦的单租户部署项目明确选择设计为单租户、内部使用通过Google登录和简单的邮箱域名白名单进行授权。这极大简化了权限模型、数据隔离和部署复杂度使其非常适合中小型团队或企业内一个部门快速部署使用避免了大型SaaS系统常见的设计过度工程。 推荐语CRM 是一个由自主研究智能体驱动的、开源客户关系管理工具它通过将智能体置于核心、严格遵循事实证据、并采用安全模块化的架构旨在将团队从繁琐的数据录入和研究中解放出来让CRM真正成为一个持续自动更新的“客户知识库”。 GitHub → 04 · bashalarmistalt/decimen-optical-transfer TypeScript | 文件传输、无网络传输 | ⭐ 4,569 | 552 | ✨ 潜力项目 项目介绍Decimen Optical Transfer 是一个利用屏幕和摄像头在设备间传输文件的工具。它通过将文件编码为无限流动的动画QR码流让另一台设备用摄像头拍摄屏幕即可接收并重建文件。整个过程无需任何网络连接、无需安装App、无需设备配对仅需摄像头权限数据以光为媒介进行传输。 使用场景无网络环境下的临时文件交换、隔离设备间的单向数据传输、快速临时的分享、物理隔离环境下的辅助传输 核心价值极致的简便性与零依赖完全基于Web技术PWA无需安装任何客户端或App无需网络基础设施只需浏览器和摄像头极大地降低了使用门槛。可靠性优先的设计采用喷泉码Fountain Codes 而非简单的顺序传输即使传输过程中大量二维码帧被遮挡或丢失接收端在收集到足够多的帧后仍能完整还原文件丢帧只影响速度不影响正确性。完全的视觉传输路径数据以光信号屏幕闪烁的QR码形式传输不经过任何网络协议栈实现了物理层面的“网路隔离”传输在某些场景下提供了独特的安全或合规价值。实用的开源工具项目采用MIT许可证代码完全开源便于开发者学习、定制或集成到其他需要近距离、无网络数据传输的项目中。 推荐语decimen-optical-transfer 备受关注的新兴项目已获 4,569 Star 支持在Web 前端开发领域具有实用价值。项目 TypeScript 技术栈实现采用TypeScript编写代码质量有保障值得深入研究和实际应用推荐给对该领域感兴趣的开发者使用。 GitHub → 05 · xdash/FDE-the-Guidance-Book-of-Forward-Deployed-Engineer Markdown| FDE | ⭐ 3,043 | 377 | ✨ 潜力项目 项目介绍《前线部署工程师人工智能时代的客户价值交付秘籍》是一本由范冰《增长黑客》作者撰写的、关于前线部署工程师Forward Deployed Engineer, FDE角色的开源书籍。该书旨在系统性地回答在绝大多数AI项目无法产生实际商业价值的背景下为何FDE岗位需求暴增以及FDE究竟如何工作。 使用场景考虑转型的工程师/开发者、投身企业AI服务的创业者/从业者、产品经理/技术负责人/企业决策者、对技术商业化与新兴职业感兴趣的研究者或学生 核心价值系统性的知识框架首次将一个此前缺乏中文系统性资料的新兴角色FDE从定义、价值、方法论到案例构建了完整的知识体系。强烈的现实洞察与数据支撑以“95%失败率 vs 800%岗位增长”这一尖锐矛盾切入并基于112个真实案例和大量引用资料内容务实、有说服力。实战导向的方法论不仅解释“是什么”更着重阐述“怎么做”——沿着“找对问题→赢得客户→激活部署→守住续约→扩大收入→规模化复制”的完整交付旅程提供了可借鉴的实践框架。免费与开源促进知识平权作者选择免费公开全文降低了获取高质量行业知识的门槛有助于推动国内FDE领域认知水平的整体提升。 推荐语如果你对“如何真正将AI技术转化为客户价值”这个问题的兴趣不亚于对“下一个AI模型参数规模”的关注那么这本《前线部署工程师》正是为你而写。它像一张清晰的地图带你系统性地了解一个在AI时代愈发关键的岗位——从它的起源、工作方法到它为何成为AI项目成败的关键变量。这本书适合所有不甘于只做“技术交付”、而想做“价值交付”的工程师、产品经理和创业者阅读。 GitHub → 06 · FareedKhan-dev/kimi-k3-in-c C | LLM、极致优化 | ⭐ 2,113 | 347 | ✨ 潜力项目 项目介绍kimi-k3-in-c 是一个在单个CPU上、仅需8.24 GB内存即可运行2.78万亿2.78T参数Kimi K3模型推理的便携式C99实现。它无需任何BLAS库、深度学习框架或GPU通过一系列精密的工程优化将原本需要超大规模集群的模型压缩到了能在普通笔记本电脑上运行的程度。 使用场景大模型研究与教育、本地推理与原型验证、资源受限的边缘或内部部署、技术学习与极客挑战 核心价值极致的资源效率与可访问性通过 4个关键数据流优化专家4-bit量化、KDA/MLA注意力机制节省缓存、主干网络流式加载、专家LRU缓存实现了 675倍 的模型体积缩减对比BF16打破了“大模型必须依赖昂贵GPU集群”的常规认知让前沿AI模型触手可及。完全的便携性与零依赖纯 C99 标准编写仅依赖 libm 和 OpenMP无需CUDA、Python运行时或任何深度学习框架。项目提供的 make test 可在无模型情况下几分钟内验证所有核心功能确保引擎的正确性。输出结果的严格可重复性项目通过 “无猜测”的配置读取器、浮点运算契约确保不同优化路径输出比特一致、与PyTorch参考实现的端到端门控测试保证了从底层内核到最终生成的文本在任意内存预算下都是字节完全一致的这对科学研究和工程可靠性至关重要。透明、可审计的工程实现整个推理引擎仅 176 KB代码库结构清晰6个核心C文件。项目文档深度解析了每个优化决策如为何 O_DIRECT 比缓存读取更快、每个关键内核KDA、MLA、MXFP4矩阵乘的实现细节具有极高的教育价值和可审计性。灵活的硬件适应性与调优工具提供了 k3-doctor.sh 脚本检测硬件并推荐预设tools/budget.py 精确计算内存需求–dump-cache-trace 等诊断工具帮助分析I/O瓶颈。用户可通过 --presetlaptop/desktop/workstation/server/max或手动调整主干/专家缓存大小在同一台机器上自由权衡速度与内存占用。 推荐语“它证明了‘不可能’的边界可以被工程重绘一个2.78万亿参数的模型不依赖GPU在一台普通CPU机器上仅需8GB内存就能正确运行。kimi-k3-in-c不仅是一个推理引擎更是一部关于LLM底层优化的、可执行的教科书为资源受限环境下的AI部署开辟了全新的想象空间。” GitHub → 07 · QwenAudio/qwen-audio-agent TypeScript 、JavaScript |实时语音交互、Agent | ⭐ 1,896 | 137 | ✨ 潜力项目 项目介绍qwen-audio-agent 是通义音频QwenAudio推出的实时语音运行时旨在让AI智能体Agent能够持续交流、持续工作、持续在场。它解决了传统语音交互中因Agent处理任务而导致的对话中断和等待问题。 使用场景个人语音助理、复杂任务的语音委派、多任务并行管理、本地化可定制的语音交互系统 核心价值真正的“并行”交互体验通过前台对话与后台任务分离的架构实现了不间断的语音交流。这是其最核心的价值解决了以往语音助手“一问一答”或“处理任务时死寂”的痛点。广泛的Agent生态集成统一接入ACPAgent Communication Protocol架构支持一键安装和切换多种主流后台Agent如OpenCode、OpenClaw、Kimi Code、Claude Code等并能复用其已有的工具、MCP模型上下文协议和技能极大地扩展了能力边界。灵活多样的部署与使用方式既提供了面向普通用户的macOS桌面应用含悬浮球和内置网关也提供了面向开发者的WebUI和终端TUI并支持全本地部署的语音链路兼顾了易用性和可定制性。持续进化的个人记忆支持本地用户档案与跨会话个人记忆Agent能在长期使用中记住用户偏好和关键信息提供更个性化的服务。 推荐语qwen-audio-agent 重新定义了人与AI的交互方式。它让语音助手真正做到了“时刻在线”无论思考还是工作对话永不中断。如果你渴望一个能并肩协作、而非机械问答的AI伙伴这个项目值得立即尝试。 GitHub → 08 · microsoft/skill-recorder TypeScript | skill | ⭐ 1,822 | 182 | ✨ 潜力项目 项目介绍Skill Recorder 是微软开源的一个桌面应用程序。它能够录制你在屏幕上的完整操作过程如点击、窗口切换、访问的页面和可选的语音解说然后利用 GitHub Copilot CLI 将这段操作记录自动分析并重构为一个清晰的“意图”加上一系列有序的操作步骤。最终它能将这个单次的操作演示转化为AI智能体Agent可以重复使用的两种形式之一技能一个 SKILL.md 程序供智能体按需调用执行。自动化任务按计划或触发器执行的相同程序。 使用场景快速创建AI技能自动化重复性桌面工作流培训与知识沉淀 核心价值将“演示”直接转化为“可执行代码”极大地降低了创建AI技能和自动化的门槛从“编写程序”变为“演示操作”使非技术人员也能为AI赋能。智能归纳与工具优先不是机械记录和回放用户界面操作而是让AI理解操作背后的意图并将其转化为使用标准工具如命令行、API的通用程序因此更健壮、更可维护。无缝集成微软AI生态作为微软官方工具它直接对接 Microsoft Copilot、Scout、Copilot Studio 等产品为这些平台上的智能体提供了便捷的“教学”能力。隐私与透明录制和解析过程明确区分。录制内容屏幕、音频在本地处理仅在用户主动点击“分析”并确认后才会将必要数据时间线、截图、转录文本发送至GitHub Copilot云端处理并提供了清晰的数据收集说明。 推荐语Skill Recorder 是通往AI原生工作流的“任意门”。它让你无需编写一行代码仅通过**“演示”就能教会AI智能体执行复杂的桌面任务**。对于深度使用微软Copilot生态的用户和团队这是一个能极大释放生产力的官方利器。 GitHub → 09 · imsai-sh/zhuzhiliao HTML、CSS、JS | 前端 | ⭐ 1,753 | 234 | ✨ 潜力项目 项目介绍竹知了 是一个 Web 模拟版的传统玩具“竹知了” 一转就“哇哇”叫的竹制玩具。它是一个零依赖、单文件的HTML页面通过模拟真实玩具的物理和发声原理在手机上复现了甩动竹知了发出蝉鸣的体验。 使用场景休闲娱乐与怀旧体验离线可用的PWA应用 核心价值极致的“单文件”设计与零依赖整个应用含音频采样、物理引擎、渲染、交互被封装在单个 index.html 文件中无需构建、无需网络首访后存下来即可永久使用体现了极高的工程精巧度。真实感与物理拟真通过真实录音采样和绳系质点物理模型的结合相比纯合成音效大大增强了模拟的真实感和沉浸感。移动端优先的交互创新针对触屏和体感进行了深度优化如触摸锚点自动上移、支持甩手机创造了符合直觉的、新颖的移动端交互方式。透明的隐私保护页面明确说明所有数据如“哇”数计数仅存储在用户本地的 localStorage 中不上传、不联网、无后端保护了用户隐私。 推荐语在“竹知了”这个单文件里你不仅能重温甩动竹筒的童年回声更能窥见一位工匠级开发者如何将真实录音、质点物理与体感交互天衣无缝地塞进一个HTML文件。它既是一件数字玩具也是一份前端艺术的极致展现。 GitHub → 10 · sqliteai/waste C | 本地大模型推理、边缘AI | ⭐ 1,695 | 130 | ✨ 潜力项目 项目介绍WASTE (Weight-Aware Streaming Tensor Engine) 是一个无外部依赖、可嵌入的C语言推理引擎。它的核心目标是在消费级硬件上运行超大规模如万亿参数级别的前沿模型。它通过将模型的大部分权重存储在高速NVMe硬盘上并根据需要直接从磁盘流式传输stream被激活的专家activated experts从而突破RAM容量的限制。 使用场景本地推理超大规模模型隐私敏感或离线环境成本敏感的推理任务AI模型研究与算法验证 核心价值极大地降低了使用超大规模模型的门槛通过创新的磁盘流式传输和智能缓存技术使得Kimi K3级别的模型能在64GB内存的笔记本电脑上运行这是它最核心、最具突破性的价值。完全自包含且无依赖整个推理引擎仅依赖C标准库和pthread无Python、CUDA、BLAS等外部依赖这使得它非常轻量、可移植且易于嵌入到其他项目中。性能透明且持续优化项目提供了详尽的性能测量数据包括吞吐量、缓存命中率、不同配置下的表现并公开记录实验失败和负面结果。这种工程严谨性为后续优化提供了坚实基础。提供完整的工具链和接口除了核心库还提供了CLI工具、OpenAI兼容的API服务器以及从原始权重转换模型格式的工具通过BitTorrent提供预转换容器使得从获取模型到运行推理的流程相对完整。 推荐语WASTE 让在普通笔记本上运行万亿参数模型成为可能。它用1TB硬盘空间换回了数百GB内存的代价为本地化、隐私安全的超大规模AI推理开辟了一条全新的、务实的道路。 如果你受限于硬件资源却想探索模型前沿这个项目不容错过。 GitHub → 11 · genspark-ai/genoffice TypeScript | AI办公 | ⭐ 1,411 | 216 | ✨ 潜力项目 项目介绍GenOffice 是 genspark-ai 推出的AI原生办公套件适用于 macOS 和 Windows 平台。它包含了文字处理、电子表格、演示文稿和PDF五个独立的 Electron 应用它们共享一个统一的 AI 引擎层。 使用场景深度AI辅助的日常办公场景需要高度兼容性的专业文档处理数据密集型电子表格分析高效创建和编辑演示文稿AI辅助的PDF处理 核心价值真正的 AI 原生体验AI 能力被深度集成到编辑器的核心工作流中而非作为附加功能。用户可以与 AI 进行块粒度的协作编辑并享受版本快照和差异对比。无与伦比的兼容性保护通过创新的 “字节保留”技术确保只有被 AI 或用户修改的内容发生变化文件其他部分保持原样。这极大降低了 AI 编辑带来的格式风险让 AI 成果能安全地融入现有工作流程。统一强大的技术架构五个应用共享同一套 AI 代理核心、技能组合、UI 工具包和文件解析引擎确保了体验的一致性并使得 AI 能力在套件内得以复用和强化。安全与合规设计所有 AI 模型调用通过 Genspark 服务端路由避免在客户端存储 API 密钥同时项目文档明确列出了安全策略SECURITY.md和第三方许可NOTICE并采用 Apache-2.0 许可证企业模块除外。 推荐语GenOffice 为办公套件领域带来了期待已久的**“AI原生”革新**。它最令人惊叹的是在拥抱 AI 强大生产力的同时通过“字节保留”技术实现了与现有文档生态的惊人兼容。对于每一位需要安全、高效地使用 AI 处理专业文档的用户GenOffice 都值得成为首选工具。 GitHub → 12 · DannyMac180/sol-advisor TS、Shell | AI软件开发、Codex插件 | ⭐ 1,337 | 95 | ✨ 潜力项目 项目介绍Sol Advisor 是一个Codex 原生Codex-native的架构师编排architect orchestration工具用于通过不同能力的AI角色分工实现可靠的软件交付流程。其核心思想是让一个主要AISol担任架构师角色负责需求、架构、规格和验证同时将具体的实现工作路由给专门的执行角色Terra 或 Luna。 使用场景结构化、高质量、可审计的AI辅助开发复杂软件架构与开发需要独立验证的AI生成代码明确任务边界的外部执行基于Codex的自动化工作流 核心价值通过角色分工实现“关注点分离”它将复杂的软件开发流程拆解为架构决策Sol、具体实现Terra/Luna和独立验证Sol复审让AI在各自擅长的领域发挥作用提高了最终产出的质量。强制性的“新鲜上下文”复审机制默认模式要求由一个全新的、独立的 Sol 会话来审查实现结果而不是由同一会话自我审查。这极大地减少了上下文偏见和“自我确认”错误是确保交付可靠性的关键设计。灵活可选的执行通道提供了两种实现模式原生子代理和 Luna应用任务既提供了默认的自动化工作流也允许用户在需要更高控制和可见性时显式选择更透明的任务委派模式。深度整合 Codex 生态降低工程开销作为 Codex 插件它充分利用了 Codex 的子代理、应用任务、模型能力等特性为 Codex 用户提供了一套开箱即用的“AI架构师工程师”团队协作框架。 推荐语Sol Advisor 为 **AI 辅助软件开发带来了“架构师”与“工程师”**角色分工的专业实践。它通过强制性的独立验证解决了AI编码中“自我审查”的盲点。如果你追求高质量的交付并深度使用 Codex这个项目将是你工具箱中不可或缺的“质量守门人”。 GitHub → 13 · thebuggeddev/anatomy TypeScript | 3D交互、医学可视化 | ⭐ 1,276 | 347 | ✨ 潜力项目 项目介绍anatomy 是一个交互式3D人体解剖探索器它利用Three.js构建了沉浸式的三维视觉体验并集成了GPT-5.6 Sol的AI能力。该项目基于 vinext 全栈启动器构建旨在提供一个结合了前沿3D图形技术和人工智能的医学学习与展示平台。它并非一个独立的成品应用而是一个展示了如何将AI通过GPT-5.6 Sol与3D交互通过Three.js融合的演示项目或起步模板。 使用场景医学教育交互式展示与科普AI辅助的3D应用开发全站Web应用开发 核心价值前沿技术融合示范项目最显著的价值在于将顶级AI模型GPT-5.6 Sol与顶级3D图形库Three.js结合为构建“智能交互式3D体验”提供了一个具体的、可运行的范例。沉浸式学习体验通过3D交互探索人体结构相比传统学习方式能提供更强的空间认知和沉浸感有助于加深记忆和理解。现代化的全栈开发基础基于vinext、Next.js、Cloudflare D1、Drizzle等现代工具链为开发者提供了一个结构清晰、集成度高的起点方便在此基础上进行功能扩展。内置用户认证流程演示项目代码中包含了集成 Sign in with ChatGPT (SIWC) 的完整示例和助手函数展示了如何为应用添加身份验证区分公共内容和登录用户内容。 推荐语anatomy 巧妙地融合了Three.js的3D沉浸感与GPT-5.6 Sol的智能为医学教育和交互式展示开辟了新可能。对于想探索AI如何赋能3D应用的开发者这是一个极富启发性的起步范例。 GitHub → 说明数据来源GitHub Search API排序方式Star 数降序时间范围2026-07-27 ~ 2026-08-0230天活跃窗口