> 每日 5:00 自动生成
## 今日概览
– 总收录数：10 个
– 主要语言分布：TypeScript 4、Python 2、Rust 1、Shell 1、Zig 1、Jupyter Notebook 1
– 热门主题：Agent 运行时与「控制面」继续霸榜（4/10，含会话记忆、游戏工作室化编排、带 VM 的机器人平台）；其余分布在本地离线语音输入、从零自研的无头浏览器、金融时序基础模型、AI 安全运营中心、中文传统术数引擎与 AI 工程教学
– 数据说明：Star 总量与「今日新增」均取自 GitHub Trending 日榜（github.com/trending?since=daily）真实数据；已剔除一个越狱（jailbreak）合集类仓库，不计入榜单
## Top 10 热门仓库
### 1. pingdotgg/t3code
– **描述**：把本机所有 AI 编程智能体统一管起来的「Agent Harness 控制面」，提供 iOS/Android、Web 与 Electron 桌面端。
– **语言**：TypeScript
– **总 Star**：37,847
– **今日新增 Star**：3,100
– **核心内容总结**：T3 Code 出自 T3 技术栈作者 Theo（pingdotgg），定位不是又一个编辑器，而是「智能体控制面板」——它把你机器上已经跑着的 Claude Code、Codex、Cursor、Grok Build、OpenCode、Google Antigravity、fx 等订阅型智能体接管起来，在手机、平板、浏览器和桌面端统一查看会话、下发指令、审阅改动。官方坦言动机是现有方案（Codex 桌面版、Conductor、Claude Desktop、Cursor Glass）都未达到其对「性能、远程可用、真正开放」的要求，因此自研并完全开源，明确表示「不卖任何东西」，跑偏了你可以直接 fork。项目以 TypeScript 为主、仓库周更极快，贡献流程甚至限定不接受 Gemini/Muse 生成的 PR，是当下 Agent 工具链里少见的「跨 harness 收敛层」。
– **应用场景**：同时订阅多个编程智能体、希望在手机或远程设备上接管本机 Agent 的开发者；想把 Agent 工作流沉淀为自有可控基础设施的团队。
– **链接**：点击查看仓库
### 2. thedotmack/claude-mem
– **描述**：为每个 Agent 提供跨会话持久记忆——记录会话全过程、用 AI 压缩、再把相关上下文注入下一次会话。
– **语言**：TypeScript
– **总 Star**：109,171
– **今日新增 Star**：1,527
– **核心内容总结**：claude-mem 解决的是编码智能体最痛的「断片」问题：新开一个会话，昨天的架构决策、踩过的坑、改过的文件全忘了。它通过 SessionStart、PostToolUse 等 hooks 自动捕获 Agent 的 Read/Edit 等动作，落到本地 SQLite（schema 已迭代到 v61+）并同步到 Chroma 向量库，再由模型压缩成 observation / summary / prompt 三类记忆卡片；下次会话启动时按相关度召回注入。整体是一个随 uid 分配端口的本地 Worker 服务，安装只要 `npx claude-mem install`，支持 `
– **应用场景**：长期用 Agent 做项目、但每次都要重复交代背景的开发者；需要让多个 Agent 共享同一份项目记忆的团队；对本地数据隐私敏感、不愿把会话内容全量上云的用户。
– **链接**：点击查看仓库
### 3. anomalyco/hex
– **描述**：Mac / Windows / Linux 全平台的本地语音听写工具——按住键、说话、松手即粘贴。
– **语言**：Rust
– **总 Star**：3,219
– **今日新增 Star**：1,329
– **核心内容总结**：Hex 由 opencode 团队（anomalyco）出品，交互极简：按住快捷键说话，松开后本地转写并直接粘贴进当前应用。首次运行下载语音模型，此后所有音频不出本机，断网也能用，正好击中云端听写服务的隐私与延迟痛点。实现上以 Rust 编写，统一了桌面三平台的运行时与模式，处理了代理与 TLS 拦截下的模型下载、原生 macOS 麦克风驱动、Windows 安装包 AppId 隔离等细节，还带 iOS 键盘听写与 Live Activity 实验特性（放在 Labs 里）。安装渠道覆盖 Homebrew Cask、AUR、Nix 与一键脚本，MIT 协议，且明确「不收 PR」——提 issue 由他们的 Agent 快速跟进。
– **应用场景**：需要长时间口述写作、写代码注释或做会议记录的知识工作者；对录音上云有合规顾虑的政企用户；想在 Linux 桌面上找离线听写替代品的开发者。
– **链接**：点击查看仓库
### 4. Donchitos/Claude-Code-Game-Studios
– **描述**：把一个 Claude Code 会话变成完整游戏工作室——49 个 AI 智能体、74 个技能、15 个 hooks 与完整协调体系。
– **语言**：Shell
– **总 Star**：32,206
– **今日新增 Star**：970
– **核心内容总结**：单人用 AI 做游戏最大的问题不是写不出代码，而是没人拦你：硬编码魔数、跳过设计文档、写出一坨面条代码也没人 review。CCGS 的解法是给会话套上真实工作室的科层结构——三层 49 个智能体：Tier 1 是创意总监/技术总监/制作人，Tier 2 是策划、主程、美术、音频、叙事、QA 等主管，Tier 3 是玩法、引擎、AI、网络、工具、UI 程序员等专才；配合 74 个斜杠命令覆盖从 `/brainstorm`、`/create-epics` 到 `/release-checklist`、`/day-one-patch` 的全流程，还有 14 条按路径生效的编码规范与 62 份文档模板。协调模型是「垂直委派 + 同级咨询 + 冲突上报 + 变更由制作人推进」，并强调不是自动驾驶：每个环节先提问、给 2-4 个方案、你拍板、再看草稿。`project.yaml` 的 `modes.rigor`（minimal/standard/full）一个开关控制六项流程强度，小项目不会被流程压死。
– **应用场景**：独立游戏开发者、Game Jam 参赛者；想把「设计文档—任务拆分—实现—QA—发布」流程固化进 AI 工作流的团队；也可作为多智能体协作编排的参考范本。
– **链接**：点击查看仓库
### 5. Renhuai123/ziwei-doushu
– **描述**：紫微斗数开源排盘引擎——基于倪海厦《天纪》体系，含完整排盘算法、四化系统、格局知识库与古籍原文数据。
– **语言**：TypeScript
– **总 Star**：13,059
– **今日新增 Star**：953
– **核心内容总结**：这是一个把传统术数「算法化」的工程型项目：以倪海厦《天纪》体系为基准，用 TypeScript 实现了完整紫微斗数排盘——含安星、起大限流年、四化飞星等规则，并把「格局」判定整理成可查询的知识库，附古籍原文数据作为出处校验，避免模型或开发者各自臆造规则。相比市面上大量只做展示的排盘网页，它更像一个可复用的引擎/数据层，方便二次开发小程序、Web 应用或接入 LLM 做命理解读。项目近期热度持续，说明「传统文化 + 开源工程」在中文开发者社区有稳定受众。
– **应用场景**：做命理类小程序/网站的开发者；研究传统术数规则数字化的爱好者与研究者；需要结构化古籍数据做 RAG 的知识工程实践者。
– **链接**：点击查看仓库
### 6. milind-soni/OpenMausBot
– **描述**：开源的 Grok Bot 替代品，每个机器人都配一台可自主操作的虚拟机。
– **语言**：TypeScript
– **总 Star**：10,480
– **今日新增 Star**：919
– **核心内容总结**：OpenMausBot（内部代号 MausBot）给机器人一个真正属于自己的「家」——隔离的 box/VM 环境，里面能开浏览器、跑工具、存文件，而不是寄生在用户桌面里。机器人自带 MCP 服务器与工具清单（触发器、记忆、会话、widget、X 搜索等），支持 rooms、任务交接，以及一个「Chief」机器人协调队友；再叠加浏览器控制、计算机控制、记忆/遗忘机制与定时 routine/webhook 触发，构成可持续运行的助理。工程上提供自托管 connector 镜像（linux/amd64 + arm64），带 AppArmor/seccomp 配置、容器内无 shell、镜像按 digest 校验；客户端覆盖 Electron 桌面（macOS/Windows/Linux）、手机 companion 与可安装 Web 应用，支持 Docker Compose / rootless Podman 部署。Apache-2.0 协议，版本已迭代到 0.1.138，提交数超 7,500。
– **应用场景**：想自建「有独立电脑的 AI 员工」而非仅聊天机器人的极客与小团队；需要把 Agent 关进沙箱、防止其乱动宿主环境的运维/安全人员；做多机器人协同实验的研究者。
– **链接**：点击查看仓库
### 7. lightpanda-io/browser
– **描述**：为 AI 与自动化从零打造的无头浏览器——不是 Chromium fork，不是 WebKit 补丁，用 Zig 重写。
– **语言**：Zig
– **总 Star**：40,066
– **今日新增 Star**：827
– **核心内容总结**：现代网页离不开 JS，纯 HTTP 抓取早已失效；但在服务器上堆 Chrome 实例又贵又重。Lightpanda 的判断是「fork 不够，得重写」：它用 Zig 从零实现浏览器，V8 负责 JS 执行，html5ever 做 HTML 解析，libcurl 做网络层，完全不实现图形渲染——因为无头场景根本不需要。官方宣称比 Chromium 轻 16 倍、快 9 倍。对外提供 CDP 与 WebDriver BiDi 双协议，Puppeteer/Playwright 生态可直接接入；内置 MCP server（stdio 与 HTTP 双传输，HTTP 模式下按 `Mcp-Session-Id` 隔离或共享浏览会话），还有 `lightpanda agent` 原生智能体模式——用自然语言驱动浏览，会话可存成 PandaScript（原生 JS 原语），线上回放时无需再调模型，做到确定性、零 token。
– **应用场景**：大规模爬虫与数据采集团队；给 Agent 提供低成本「上网能力」的平台方；需要成百上千并发浏览器实例的 CI/E2E 测试场景。
– **链接**：点击查看仓库
### 8. shiyu-coder/Kronos
– **描述**：面向「金融市场语言」的基础模型（Foundation Model for the Language of Financial Markets）。
– **语言**：Python
– **总 Star**：45,341
– **今日新增 Star**：611
– **核心内容总结**：Kronos 把 K 线当成一门语言来处理：先用专用 tokenizer 将 OHLCV 形态离散化为 token 序列，再在海量多市场 K 线语料上做自回归预训练，让模型学会价格序列的「语法」，从而做零样本预测，也可在自己的数据上微调。相比把时间序列硬塞进 LLM 文本的做法，它对高频、多尺度波动的建模更贴合金融数据本身；工程侧提供推理用 Predictor 封装与微调脚本，几行代码即可完成一次预测。当前热度说明「金融时序基础模型」正从论文走向可复用的开源基建，但需注意其定位是研究工具，不构成投资建议。
– **应用场景**：量化研究员做价格/波动率预测与因子挖掘；金融机构做时序基础模型的对标基线；高校与实验室研究金融时序表征学习。
– **链接**：点击查看仓库
### 9. patchy631/ai-engineering-hub
– **描述**：LLM、RAG 与真实 AI 智能体应用的深度实战教程合集（Jupyter Notebook）。
– **语言**：Jupyter Notebook
– **总 Star**：40,190
– **今日新增 Star**：573
– **核心内容总结**：ai-engineering-hub 是少见的「能跑起来」的教程仓库：全部以 Notebook 形式组织，每个目录对应一个可复现的工程主题——从最基础的 RAG 检索链路、向量库选型，到多智能体协作、Agent 记忆、工具调用、模型评估与本地部署，代码与讲解放在一起，边读边执行即可验证效果。相比只贴片段的博客，它保留了完整依赖与数据流向，适合当作 AI 应用开发的自学路径或团队内训材料。近期热度回升，与「Agent 工程化」成为主流话题直接相关。
– **应用场景**：想系统入门 LLM 应用开发的工程师；需要给团队做 RAG/Agent 内训的技术负责人；寻找可改造原型的技术选型者。
– **链接**：点击查看仓库
### 10. beenuar/AiSOC
– **描述**：开源 AI 安全运营中心——告警融合、LLM 智能体初筛、MITRE ATT&CK 调查，以及可回放的决策账本。
– **语言**：Python
– **总 Star**：6,187
– **今日新增 Star**：436
– **核心内容总结**：AiSOC 想解决 SOC 分析师被海量告警淹没的老问题：先把多源告警做融合降噪，再让 LLM 智能体按 MITRE ATT&CK 框架自动开展调查、串联证据、给出处置建议。它最值得注意的设计是「可回放的决策账本」——智能体每一步判断都被记录并可重放，安全团队能事后审计「AI 为什么这么判」，这是把 Agent 放进生产安全流程的前提条件。项目可自托管、无 API key 也能跑（自带本地模型路径）、MIT 协议，并直接提供 MCP server，可挂到 Claude、Cursor、Continue 里当工具用。
– **应用场景**：中小安全团队想低成本搭一个可审计的 AI 初筛层；蓝队做告警降噪与事件调查提效；安全研究者评估 LLM Agent 在真实 SOC 流程中的可靠性与可解释性。
– **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*