> 每日 5:00 自动生成
## 今日概览
– 总收录数：10 个
– 主要语言分布：Python 3、Rust 2、Shell 2、TypeScript 1、C 1、Java 1
– 热门主题：AI Agent 工具与 Skill（占比最高）、大模型推理与微调、自动化脚本、云本地模拟、金融基础模型
– 数据来源：GitHub 官方 Trending（github.com/trending，since=daily）实时抓取，所有 Star 数与「今日新增」均为页面真实数据，无编造
## Top 10 热门仓库
### 1. vercel-labs/agent-desktop
– **描述**：Computer use CLI for AI agents（让 AI 智能体直接操控桌面计算机的命令行工具）
– **语言**：Rust
– **总 Star**：12,357
– **今日新增 Star**：3,792
– **核心内容总结**：由 Vercel 实验室推出的开源项目，为 AI Agent 提供一套完整的「计算机使用（Computer Use）」能力，可通过命令行让智能体像人一样操作桌面环境、点击、输入与读取屏幕。项目采用 Rust 编写，兼顾性能与跨平台稳定性，底层封装了屏幕捕获、键鼠控制与窗口管理。它把 Agent 的「手」从代码层延伸到 GUI 层，使 LLM 能真正驱动任意桌面应用完成端到端任务。配合主流编码 Agent 即可实现无需 API 的通用自动化操作。
– **应用场景**：需要让 AI 操作图形界面软件的场景，如自动化测试、RPA 流程、跨应用数据录入、Agent 驱动的可视化办公与运维；适合开发者与自动化团队。
– **链接**：点击查看仓库
### 2. D4Vinci/Scrapling
– **描述**：The BEST Web Scraping framework that handles everything from a single request to a full-scale crawl（从单请求到大规模爬取全覆盖的网页抓取框架）
– **语言**：Python
– **总 Star**：94,444
– **今日新增 Star**：1,658
– **核心内容总结**：Scrapling 是一个功能全面的 Python 网络爬虫框架，主打「自适应」抓取——既能处理简单单页请求，也能扩展到全站规模爬取，且对反爬机制有较强鲁棒性。它兼容主流解析方式（CSS、XPath、JSON 等），并内置多种防封策略与速率控制。框架以易用性和高成功率著称，社区活跃，文档与示例丰富。长期积累使其成为 Python 生态中 Star 数极高的老牌抓取神器。
– **应用场景**：数据采集、舆情监控、竞品分析、搜索引擎构建等需要从网页提取结构化信息的场景；适合数据工程师与爬虫开发者。
– **链接**：点击查看仓库
### 3. Donchitos/Claude-Code-Game-Studios
– **描述**：Turn Claude Code into a full game dev studio — 49 AI agents, 72 workflow skills（将 Claude Code 变成完整游戏开发工作室）
– **语言**：Shell
– **总 Star**：34,506
– **今日新增 Star**：1,181
– **核心内容总结**：该项目是一套围绕 Claude Code 构建的游戏开发「工作室」模板，内置 49 个专职 AI 智能体与 72 个流程化 Skill，并配套完整的协调系统，模拟真实游戏工作室的层级架构（策划、美术、程序、QA 等分工）。通过 Shell 脚本与配置文件串联，用户可用自然语言驱动多智能体协同完成从原型到成品的游戏开发。它把单人提示工程升级为「多角色流水线」，显著降低独立开发者制作游戏的门槛。项目强调可组合、可扩展，便于按需增删角色。
– **应用场景**：独立游戏开发者、游戏原型快速验证、教学演示与创意孵化；适合想用 AI 批量产出游戏内容的创作者。
– **链接**：点击查看仓库
### 4. mattpocock/skills
– **描述**：Skills for Real Engineers. Straight from my .agents directory（真实工程师用的 Skill 合集，直接来自作者的 .agents 目录）
– **语言**：Shell
– **总 Star**：311,251
– **今日新增 Star**：1,164
– **核心内容总结**：由知名 TypeScript 教育者 Matt Pocock 维护的实战 Skill 库，收集了他本人 `.agents` 目录下真实在用的工程化指令与最佳实践，覆盖代码规范、重构、测试、文档等常见研发任务。内容以「可直接调用的 Agent 技能」形式组织，强调「真实工程师」视角而非花哨演示。项目体量庞大、Star 数极高，已成为众多开发者配置 AI 编程助手的参考模板。它降低了团队沉淀与复用工程经验的门槛。
– **应用场景**：希望为自己的 AI 编程助手（Claude Code 等）快速装备高质量工程 Skill 的个人与团队；适合前端/全栈工程师。
– **链接**：点击查看仓库
### 5. thedotmack/claude-mem
– **描述**：Persistent Context Across Sessions for Every Agent（为任意智能体提供跨会话的持久化上下文）
– **语言**：TypeScript
– **总 Star**：111,707
– **今日新增 Star**：1,138
– **核心内容总结**：claude-mem 解决的是 AI Agent「记忆断层」问题：它在每次会话中自动捕获智能体的全部行为，用 AI 进行压缩，再把相关上下文注入未来的会话，实现跨会话的持久化记忆。项目兼容 Claude Code、OpenClaw、Codex、Gemini、Hermes、Copilot、OpenCode 等多款主流 Agent，通用性强。通过「记录—压缩—召回」三段式管线，让 Agent 在多轮、多天工作中保持连续性。对长期任务的可靠执行尤为关键。
– **应用场景**：需要 Agent 长期记住项目背景、偏好与历史决策的场景，如长期 coding 助手、个人知识助理、自动化运维；适合重度 AI Agent 使用者。
– **链接**：点击查看仓库
### 6. JustVugg/colibri
– **描述**：A hierarchical inference engine for frontier MoE models（面向前沿 MoE 模型的分层推理引擎）
– **语言**：C
– **总 Star**：47,153
– **今日新增 Star**：803
– **核心内容总结**：colibri 是一个用 C 语言编写的高性能推理引擎，专为前沿混合专家（MoE）大模型设计，核心思想是「分层放置」：把高频调用的「热专家」放在 GPU（支持 CUDA、Vulkan），温热的放在内存，冷专家则从 NVMe 流式加载。这种冷热分级调度让超大模型能在普通硬件上流畅推理，显著降低部署门槛与显存成本。它直接运行在用户已有的硬件上，无需依赖昂贵的云推理服务。项目以极致性能与轻量实现见长。
– **应用场景**：本地/边缘部署超大 MoE 模型、低成本大模型推理、显存受限环境下的模型落地；适合推理引擎开发者与自建算力的团队。
– **链接**：点击查看仓库
### 7. p-e-w/heretic
– **描述**：Training-free language model modification: Remove censorship, suppress slop, reduce sycophancy（免训练的语言模型修改工具）
– **语言**：Python
– **总 Star**：38,671
– **今日新增 Star**：699
– **核心内容总结**：heretic 提供了一种「无需重新训练」即可修改语言模型行为的方法，可在推理阶段动态调整模型输出特征，例如去除过度审查、抑制低质「废话（slop）」、减少谄媚式回应等。它通过权重层面的轻量干预而非全量微调来实现行为矫正，部署简单、成本低。项目面向希望按自身价值观定制开源模型行为的用户，强调可解释与可控。在开源社区对模型「对齐税」讨论升温的背景下颇受关注。
– **应用场景**：希望调整开源 LLM 行为风格、去除不必要限制或改善输出质量的开发者与研究者；适合本地模型微调替代方案需求者。
– **链接**：点击查看仓库
### 8. floci-io/floci
– **描述**：Light, fluffy, and always free – The AWS Local Emulator alternative（轻量免费的 AWS 本地模拟器替代品）
– **语言**：Java
– **总 Star**：28,596
– **今日新增 Star**：679
– **核心内容总结**：floci 是一个开源的 AWS 本地模拟器，目标是让开发者在没有真实云账号、不产生费用的情况下，在本地完整模拟 AWS 核心服务（如 S3、Lambda、DynamoDB 等），方便开发与测试。项目定位为「轻量、免费、永远可用」，对标 LocalStack 但更强调简洁与易上手。基于 Java 实现，跨平台运行稳定，启动快速。它帮助团队在 CI/CD 与本地开发中摆脱对云环境的依赖，提升迭代效率。
– **应用场景**：本地开发、单元测试、CI 流水线中对 AWS 服务的无成本模拟；适合云原生开发者与 DevOps 团队。
– **链接**：点击查看仓库
### 9. shiyu-coder/Kronos
– **描述**：Kronos: A Foundation Model for the Language of Financial Markets（金融市场的「语言」基础模型）
– **语言**：Python
– **总 Star**：46,436
– **今日新增 Star**：503
– **核心内容总结**：Kronos 是一个面向金融市场的基础模型，将行情、交易与宏观信号统一抽象为一种可学习的「市场语言」，用大模型范式捕捉跨资产、跨周期的结构规律。项目源自学术研究并开源，提供预训练权重与推理示例代码，便于二次开发。它试图把 NLP 领域的 Foundation Model 思路迁移到量化金融，辅助趋势判断、风险预警与策略生成。在中低频量化与投研辅助场景具有应用潜力。
– **应用场景**：量化研究、投研辅助、市场状态建模与风险监控；适合金融 AI 研究者与量化团队。
– **链接**：点击查看仓库
### 10. max-sixty/worktrunk
– **描述**：Worktrunk is a CLI for Git worktree management, designed for parallel AI agent workflows（为并行 AI Agent 工作流设计的 Git worktree 管理 CLI）
– **语言**：Rust
– **总 Star**：10,406
– **今日新增 Star**：437
– **核心内容总结**：worktrunk 是一个用 Rust 编写的命令行工具，专门解决「多个 AI Agent 并行开发」时的 Git 分支冲突问题——它基于 Git worktree 机制，为每个 Agent 分配独立工作目录，避免互相覆盖。工具自动创建、切换、清理 worktree，并可与 Claude Code、Codex 等 Agent 无缝配合，实现大规模并行编码。它把「一人多分支」的协作模式自动化，让团队像调度工人一样调度智能体。对需要同时跑多个自治 Agent 的团队尤为实用。
– **应用场景**：多 Agent 并行编码、CI 并行任务、个人同时推进多个特性的开发流；适合 AI 驱动的工程团队。
– **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*