每日热门 AI 项目

它是什么

Colibri 是一个用纯 C 编写的轻量级推理引擎，专注于在消费级硬件上运行前沿 MoE（混合专家）大模型。零依赖，专家权重直接从磁盘流式加载，无需高端 GPU 也能跑动庞大模型。

核心亮点

• 纯 C 实现，零依赖：编译即用，不挑环境
• 专家流式加载：MoE 权重按需从磁盘读取，内存占用极低
• 小引擎跑大模型：用有限硬件撬动前沿 MoE 架构

为什么火

单日新增 960 星，总星数逼近 3 万。它精准击中了「本地跑大模型」的痛点——不靠堆显存，而是用磁盘流式加载绕开硬件瓶颈，让普通设备也能触及前沿模型。

适合谁用

想在本地部署 MoE 模型的开发者、硬件资源有限的 AI 爱好者，以及追求极致轻量推理引擎的 C 语言拥趸。

快速上手

git clone https://github.com/JustVugg/colibri
cd colibri && make
./colibri --model <path>

Apache-2.0 许可，商用友好。

它是什么

agent-skills 是一个面向专业 AI 编程代理的安全技能注册中心，由 tech-leads-club 打造。它为 Antigravity、Claude Code、Cursor、Copilot 等主流编码代理提供经过验证的技能扩展，让开发者能放心地为 AI 助手增加新能力。

核心亮点

项目主打“安全”与“验证”两个关键词。所有技能都经过审核，避免恶意或低质量扩展污染工作流。基于 TypeScript 构建，类型友好，易于集成到现有开发环境。统一的注册机制让不同代理之间可以共享技能生态。

为什么火

AI 编程代理正快速普及，但技能来源杂乱、缺乏信任机制是普遍痛点。agent-skills 恰好填补了这一空白——用注册中心的方式解决分发与信任问题。上线不久便收获 5600+ stars，单日新增 215，说明社区对“可信技能市场”的需求非常强烈。

适合谁用

重度使用 AI 编码代理的开发者、希望为团队统一技能标准的工程负责人，以及想发布自己技能作品的工具作者。

快速上手

访问 GitHub 仓库，按 README 指引安装 CLI 或直接引入技能包。挑选所需技能后即可在支持的代理中启用，全程无需复杂配置。

它是什么

DeskcommCRM 是一款开源的 AI 销售操作系统，将自托管 CRM 与原生 AI 智能体、WhatsApp（基于 WAHA）深度整合。定位为 Kommo、Octadesk、Intercom 的开源替代品，专为通过聊天成交的业务打造。

核心亮点

• 原生 AI 智能体：内置 RAG 能力，AI 可直接参与销售对话与客户支持
• WhatsApp 原生集成：通过 WAHA 打通 WhatsApp API，聊天即工作流
• MCP-ready：支持模型上下文协议，便于接入外部工具与数据
• 多租户 + LGPD 合规：适配巴西数据保护法，面向 SaaS 场景
• 技术栈现代：TypeScript、Next.js、Supabase，MIT 许可

为什么火

单日新增 444 星，说明"AI + WhatsApp + 自托管 CRM"这一组合精准命中了大量中小电商与销售团队的需求。闭源 SaaS 价格高、数据不在自己手里，而 DeskcommCRM 一次性解决成本、隐私与 AI 自动化三个痛点。

适合谁用

通过 WhatsApp 卖货的电商（如 Nuvemshop 商家）、需要自托管客户数据的中小团队、想给现有 CRM 加 AI 智能体的开发者。

快速上手

克隆仓库后按 README 配置 Supabase 与 WAHA 服务，即可本地启动。建议先跑通 WhatsApp 接入，再逐步启用 AI 智能体。

它是什么

OpenMontage 是首个开源、Agent 驱动的视频生产系统，将 AI 编程助手（Claude、Cursor、Copilot）直接变成完整的视频工作室。

核心亮点

内置 12 条生产流水线、100+ 工具、700+ Agent 技能与制作知识文件，覆盖从脚本、配音（ElevenLabs）、图像生成（Flux、Stable Diffusion）到 FFmpeg/Remotion 合成的全链路。

为什么火

单日新增 383 星、总星数突破 5.8 万。它把分散的 AI 视频工具整合进 Agent 工作流，让"写代码的助手"顺手完成视频制作，切中了内容创作者与开发者的真实痛点。

适合谁用

独立创作者、技术型内容团队，以及希望用 Agent 自动化视频管线的 Python 开发者。

快速上手

克隆仓库后按 README 配置 API Key（OpenAI、ElevenLabs 等），在支持的 AI 助手中加载技能文件即可跑通第一条流水线。注意 AGPL-3.0 许可。

它是什么

system_prompts_leaks 是一个持续收集各大 AI 产品系统提示词（System Prompt）的开源仓库，覆盖 Anthropic、OpenAI、Google、xAI 等主流厂商的模型与工具。

核心亮点

• 覆盖广：Claude、ChatGPT、Gemini、Grok、Cursor、Kimi 等一网打尽
• 更新勤：随官方版本迭代同步补充，保持时效性
• 零门槛：CC0-1.0 许可，可自由使用、修改与分发

为什么火

系统提示词是理解模型行为边界的"说明书"。研究者想借此分析对齐策略，开发者想借鉴提示工程写法，普通用户则好奇官方如何约束 AI 的说话方式。近 6.6 万 Star 说明这类"逆向情报"有真实刚需。

适合谁用

提示工程师、AI 产品开发者、对齐研究者，以及想学习官方提示词结构的进阶用户。

快速上手

git clone https://github.com/asgeirtj/system_prompts_leaks

按厂商目录浏览对应 .md 文件即可，无需构建。

它是什么

PentAGI 是 VXControl 开源的全自主 AI 渗透测试系统，用 Go 编写。它把多智能体协作、自动化攻击链和自托管部署打包成一个平台，让 AI 独立完成从侦察到漏洞利用的复杂任务。

核心亮点

• 多智能体架构：不同 Agent 分工执行侦察、扫描、利用等环节，自主规划路径。
• 模型无关：同时支持 OpenAI、Anthropic 等主流 LLM 后端。
• 完整技术栈：Go 后端 + React 前端 + GraphQL 接口，MIT 协议，可私有化部署。
• 面向实战：定位进攻性安全（offensive security），而非仅做静态分析。

为什么火

单日新增 613 星、总量近 2.4 万星，踩中了「AI Agent + 安全自动化」两个最热赛道。渗透测试人力稀缺、流程重复，而 LLM 恰好擅长推理与工具调用，PentAGI 把两者结合得足够完整，自然吸睛。

适合谁用

安全研究员、红队工程师、想研究 AI Agent 编排的开发者，以及需要自托管方案、对数据外泄敏感的安全团队。

快速上手

克隆仓库后按 README 配置 LLM API Key 与环境变量，Docker 一键启动即可。建议先在隔离靶场环境试跑，切勿对未授权目标使用。

它是什么

OpenResearch 是 alphaXiv 团队开源的并行研究代理框架，用 Rust 编写。它让多个 AI 代理同时围绕一个研究问题展开探索，支持任意模型接入，最终汇总成结构化结论。

核心亮点

• 并行代理：多个代理分头检索、推理、交叉验证，而非单线程问答
• 模型无关：OpenAI、Anthropic、本地模型均可作为代理后端
• Rust 实现：并发调度高效，资源占用低
• MIT 协议：可自由商用和二次开发

为什么火

单代理做深度研究容易陷入局部视角，OpenResearch 用并行分工模拟了人类研究团队的协作模式。加上 alphaXiv 在学术圈的品牌背书，项目上线后单日新增 300+ star。

适合谁用

需要自动化文献调研、竞品分析、技术选型的研究者和工程师；想搭建多代理工作流的 AI 应用开发者。

快速上手

git clone https://github.com/alphaXiv/OpenResearch
cd OpenResearch && cargo build --release

配置模型 API Key 后，通过 CLI 传入研究问题即可启动并行代理。

它是什么

阿里巴巴开源的混合架构代码审查工具，将确定性流水线与 LLM Agent 结合，在阿里内部经过大规模实战验证后开源。

核心亮点

• 混合架构：确定性规则引擎负责精确检测，LLM Agent 负责语义理解，兼顾准确率与召回率
• 行级评论：精确到代码行的审查意见，而非笼统的文件级反馈
• 内置多语言规则集：覆盖 NPE、线程安全、XSS、SQL 注入等高频缺陷模式
• 模型兼容：同时支持 OpenAI 与 Anthropic 接口，不绑定单一厂商

为什么火

代码审查是研发流程中最耗人力的环节，纯 LLM 方案存在幻觉和噪音问题，纯规则方案又缺乏语义理解。该项目用混合架构解决了这一矛盾，加上阿里背书和 Go 语言的高性能实现，发布后迅速获得关注。

适合谁用

中大型研发团队、需要自动化 Code Review 的工程组织，以及希望将 AI 审查集成到 CI/CD 流水线的开发者。

快速上手

git clone https://github.com/alibaba/open-code-review
cd open-code-review && make build

配置模型 API Key 后即可对仓库发起审查，支持 CLI 与流水线集成两种模式。

它是什么

MathModelAgent 是一个专为数学建模竞赛打造的 AI Agent。它把从读题、建模、求解到撰写论文的完整流程自动化，最终产出一份可直接提交的论文，覆盖国赛、美赛等典型场景。

核心亮点

• 端到端自动化：题目分析、模型选择、代码求解、结果可视化、论文成文一气呵成
• 内置建模 skills，针对数学建模任务做专门优化，而非通用对话
• 输出格式对齐竞赛提交规范，减少后期排版返工

为什么火

数学建模比赛时间紧、任务重，三天内要完成建模加论文，痛点极强。项目单日新增 268 star，说明它精准击中了学生群体的刚需，且“直接可提交”的定位极具吸引力。

适合谁用

参加数学建模竞赛的学生、需要快速验证建模思路的研究者，以及想了解 Agent 如何落地垂直任务流的开发者。

快速上手

git clone https://github.com/jihe520/MathModelAgent
cd MathModelAgent
pip install -r requirements.txt

配置好 LLM API Key 后即可运行，建议先用往届真题测试效果。

它是什么

Hugging Face Transformers 是当前最主流的开源模型定义框架，统一封装了文本、视觉、音频和多模态领域的 SOTA 模型，同时支持推理与训练。它以 Python 编写，采用 Apache-2.0 协议。

核心亮点

• 一套 API 覆盖 BERT、LLaMA、Qwen、DeepSeek、Gemma、GLM 等数千个预训练模型
• 深度集成 PyTorch，兼容 TensorFlow 与 JAX
• 与 Hugging Face Hub 无缝衔接，一行代码即可加载权重
• 同时支持 LLM、VLM、语音识别等前沿方向

为什么火

它把“下载模型—微调—部署”的繁琐流程压缩成几行代码，极大降低了深度学习的门槛。16.5 万 Star 的体量，使其成为事实上的行业标准接口，几乎所有新模型发布都会优先适配。

适合谁用

NLP/CV/语音方向的研究者、需要快速验证想法的算法工程师，以及希望低成本接入大模型能力的应用开发者。

快速上手

pip install transformers

from transformers import pipeline
pipe = pipeline("text-generation", model="Qwen/Qwen2.5-7B")
print(pipe("你好，"))

更多模型与文档见 GitHub 仓库。