> 每日 5:00 自动生成（历史补发）

## 今日概览
– 总收录数：10 个
– 主要语言分布：Python、TypeScript、JavaScript、C/TypeScript、PowerShell、Shell
– 热门主题：AI Agent 框架、记忆与上下文、语音 AI、安全与渗透、模型与推理、Agent 技能

## Top 10 热门仓库

### 1. santifer/career-ops
– **描述**：开源 AI 求职自动化
– **语言**：JavaScript
– **总 Star**：约 64.6k
– **核心内容总结**：career-ops 是一个开源 AI 求职助手，扫描招聘门户、用结构化评分标准评估岗位、量身定制简历并跟踪申请进度，完全在本地 AI 编码 CLI 中运行。它把「找工作」这一高频刚需流程化，是垂直 Agent 应用的代表。对求职者而言，它把重复投递的苦活交给 Agent，把精力留给准备与面试。
– **应用场景**：求职流程自动化、简历定制、岗位匹配评估
– **链接**：点击查看仓库

### 2. DeusData/codebase-memory-mcp
– **描述**：高性能代码智能 MCP 服务
– **语言**：C/TypeScript
– **总 Star**：约 36k
– **核心内容总结**：codebase-memory-mcp 是一个高性能代码智能 MCP 服务，用 tree-sitter 在毫秒级为代码库建立持久化知识图谱，支持 158 种语言。它将结构查询的 token 消耗最高降低 99%，以单文件零依赖的静态二进制运行，完全本地化。对动辄烧 token 探索大代码库的 AI 编码 Agent，它是立竿见影的效率利器。
– **应用场景**：大型代码库理解、MCP 工具链、结构检索降本
– **链接**：点击查看仓库

### 3. TencentCloud/TencentDB-Agent-Memory
– **描述**：团队级 AI Agent 记忆中心
– **语言**：TypeScript
– **总 Star**：约 23k
– **核心内容总结**：腾讯开源的 TencentDB-Agent-Memory 是团队级 Agent 记忆中心，把对话、文档与代码转化为四类可复用记忆资产（Chat Memory、Skill、LLM-Wiki、Code-Graph）。它通过 Memory Hub 控制面板统一治理，支持跨 Agent、跨框架共享记忆。对长期运行的 Agent 系统，它回答了「上下文如何被治理与追踪」这一核心问题。
– **应用场景**：多 Agent 记忆共享、团队知识资产化、长时任务上下文治理
– **链接**：点击查看仓库

### 4. huggingface/speech-to-speech
– **描述**：基于开源模型的本地语音 Agent
– **语言**：Python
– **总 Star**：约 12k
– **核心内容总结**：Hugging Face 出品的 speech-to-speech 用开源模型构建完全本地的语音 Agent，打通 VAD→STT→LLM→TTS 全链路。它暴露为 OpenAI Realtime 兼容的 WebSocket API，每个环节都可替换，已在生产环境驱动大量机器人。对不想被闭源语音 API 绑定的团队，它是可切换的自托管语音兜底方案。
– **应用场景**：本地语音助手、隐私优先语音交互、机器人语音栈
– **链接**：点击查看仓库

### 5. zhaoxuya520/reverse-skill
– **描述**：逆向/渗透安全技能路由包
– **语言**：PowerShell
– **总 Star**：约 27.2k
– **核心内容总结**：reverse-skill 是面向 AI Agent 的逆向与渗透安全技能路由包，支持 Claude Code、Cursor、Cline 等客户端。它用 AI 自动路由 + 按需自举工具链 + 自进化经验库，把零散的安全工具冻结为可复用剧本。对做安全研究的 Agent，它解决了「该用哪个工具、按什么顺序」的痛点。
– **应用场景**：逆向工程、授权渗透测试、CTF 与安全研究自动化
– **链接**：点击查看仓库

### 6. langchain-ai/open_deep_research
– **描述**：LangChain 开源深度研究 Agent
– **语言**：Python
– **总 Star**：约 11.8k
– **核心内容总结**：open_deep_research 是 LangChain 推出的开源深度研究 Agent，以 LLM 驱动的查询细化自动完成多步网络研究。它面向需要系统调研的场景，能替代部分专有研究工具，并可与 LangChain 生态无缝衔接。对做市场、技术与学术调研的团队，它是把「研究」本身 Agent 化的实用框架。
– **应用场景**：自动化深度调研、竞品分析、学术文献综述
– **链接**：点击查看仓库

### 7. NVIDIA/cosmos
– **描述**：面向 Physical AI 的世界模型平台
– **语言**：Python
– **总 Star**：约 10k
– **核心内容总结**：NVIDIA Cosmos 是面向机器人与自动驾驶的世界模型、数据集与工具开放平台，帮助开发者构建 Physical AI。它把仿真、世界模型与训练数据打通，降低具身智能的研发门槛。对做机器人、自动驾驶与空间智能的团队，它是来自算力巨头的系统性基础设施。
– **应用场景**：机器人世界模型、自动驾驶仿真、具身智能研发
– **链接**：点击查看仓库

### 8. deepseek-ai/deepseek-harness
– **描述**：一切皆插件的 Agent 编排框架
– **语言**：TypeScript
– **总 Star**：约 130k
– **核心内容总结**：deepseek-harness（DSH）是围绕 AI Agent 编排打造的插件化框架，以「一切皆插件」为核心，上线数天即突破十万星。它配套了桌面端、Web UI 与插件精选列表，形成快速生长的生态。对想用插件方式扩展 Agent 能力的开发者，它展示了 2026 年 Agent 工程化的新范式。
– **应用场景**：插件化 Agent 编排、DSH 生态扩展、可组合工作流
– **链接**：点击查看仓库

### 9. topoteretes/cognee
– **描述**：开源 AI 记忆平台
– **语言**：Python
– **总 Star**：约 26.8k
– **核心内容总结**：cognee 是开源的 AI 记忆平台，用自托管知识图谱引擎为 Agent 提供跨会话的持久长期记忆。它打破了无状态对话的限制，让 Agent 能记住过往交互与沉淀知识。对构建高阶、有连续性的智能体应用，它是核心的记忆基础设施之一。
– **应用场景**：Agent 长期记忆、知识图谱记忆、跨会话上下文复用
– **链接**：点击查看仓库

### 10. obra/superpowers
– **描述**：一套 Agent 化技能框架与软件开发方法论
– **语言**：Shell
– **总 Star**：约 260k
– **核心内容总结**：obra 开源的 Agent 技能框架与软件开发方法论，以 Shell 脚本形式提供规格说明、模块拆分与计划限制等工程约束。它适配 11 个主流 AI 编程平台，帮助 Agent 在复杂任务中保持结构化与可控。项目强调「方法先于工具」，把成熟的工程实践沉淀为可复用的超级能力包。
– **应用场景**：AI 编程流程规范化、跨平台 Agent 技能复用、团队协作 SOP 化
– **链接**：点击查看仓库

—

*本日报由自动化任务生成，每日 5:00 更新*