每日热门 AI 项目
The Office Harness for AI Agents — Spreadsheets, Docs, Slides, Canvas, Relational Tables, and PDF in one runtime.
它是什么
Univer 是 DreamNum 开源的「AI Agent 办公套件运行时」，用 TypeScript 打造，把表格、文档、幻灯片、画布、关系表和 PDF 统一到一个引擎里。Apache-2.0 协议，可自由商用。
核心亮点
- 一体化架构：不是多个产品拼接，而是共享同一套文档模型与渲染内核
- 完整格式兼容：原生支持 xlsx、docx、pptx、pdf 的解析与导出
- 面向 Agent 设计：提供 SDK 与 API，让 AI 直接操作文档结构，而非模拟键鼠
- 实时协作：内置协同编辑能力，可自托管
为什么火
AI Agent 需要「手脚」去操作办公文档，而传统 Office 生态封闭、难以编程化。Univer 恰好补上这块拼图——单日新增 1140 星，正是因为踩中了 Agent + 办公自动化的交叉风口。
适合谁用
想做 AI 办公助手、在线文档产品、报表自动化或低代码平台的团队；也适合需要嵌入电子表格能力的 SaaS 开发者。
快速上手
npm install @univerjs/core @univerjs/sheets
参考官方文档初始化 Univer 实例，挂载到 DOM 即可运行。仓库内含完整示例与预设包。
它是什么
Agent Substrate 是一个用 Go 编写的 AI Agent 核心运行系统，为构建、调度和管理自主智能体提供底层基础设施。
核心亮点
- 统一运行时：将 Agent 的生命周期、状态与通信抽象为可组合的 substrate 层
- Go 原生：高并发、低延迟，适合大规模 Agent 编排场景
- Apache-2.0 许可：商业友好，便于二次开发
为什么火
单日新增 560 star，反映出开发者对「Agent 基础设施」这一空白层的强烈需求。当前多数项目聚焦上层应用，而 substrate 补齐了调度与运行时的底层拼图。
适合谁用
构建多 Agent 系统的后端工程师、需要自托管 Agent 平台的团队，以及研究 Agent 编排架构的开发者。
快速上手
git clone https://github.com/agent-substrate/substrate
cd substrate && go build ./...
参考仓库 README 启动示例服务，即可接入自定义 Agent。
Build an agent harness and control it end-to-end. Open-source SDK for production AI agents in Python & TypeScript - any model, any cloud.
它是什么
Strands Agents 推出的 Harness SDK，是一个用于构建并端到端控制 AI Agent 的开源开发套件，同时提供 Python 与 TypeScript 双语言支持。
核心亮点
主打"模型无关、云无关"：OpenAI、Anthropic、Bedrock 均可接入，不被单一供应商锁定。内置 MCP 协议支持，原生适配多 Agent 协作场景，并强调对 Agent 行为的全链路掌控——从编排到执行都可干预。
为什么火
Agent 框架赛道拥挤，但多数项目要么绑定特定模型，要么抽象层过厚难以调试。Harness SDK 切中"可控性"痛点，加上 Strands Agents 本身的社区基础，日增 96 星、总星近 8k 的增长曲线颇为稳健。
适合谁用
需要将 Agent 推向生产环境的工程团队，尤其是对模型选型灵活性和可观测性有要求的场景。多 Agent 系统开发者、MCP 生态参与者也会受益。
快速上手
pip install strands-agents
Apache-2.0 许可，商用友好。建议先跑通官方示例，再逐步替换为自己的模型与工具链。
"CLI-Anything: Making ALL Software Agent-Native" -- CLI-Hub: https://clianything.cc/
它是什么
HKUDS/CLI-Anything 是港大数据智能实验室推出的开源框架，目标是让所有软件都变成「Agent-Native」——通过统一 CLI 接口，让 AI Agent 能像人一样操作任意软件。
核心亮点
- 自动将 GUI 应用、Web 服务、本地工具封装为标准化 CLI 命令
- 提供 CLI-Hub 集中注册与发现机制
- Python 实现，Apache-2.0 协议，易扩展
为什么火
近 5 万 Star 的背后，是 Agent 生态爆发的真实痛点：Agent 能写代码，却难以操控 Photoshop、浏览器或企业内部系统。CLI-Anything 用「万物皆可 CLI」的思路，为 Agent 打通了操作现实软件的最后一公里。
适合谁用
AI Agent 开发者、自动化流程工程师，以及希望让自家产品被 Agent 调用的软件团队。
快速上手
pip install cli-anything
访问 clianything.cc 浏览 CLI-Hub，或参考仓库 README 将你的软件注册为 Agent 可调用命令。
OpenRouter for agent tools. Join community here: https://discord.gg/6mQYYfFMAn
它是什么
treg 是一个面向 AI Agent 工具生态的开放注册与代理层，定位类似“Agent 工具界的 OpenRouter”。它用 Python 编写，把分散的 API Key、凭证和工具服务统一收拢到一个可路由的入口。
核心亮点
- 统一凭证管理：集中托管 API Keys、secrets，避免在多个 Agent 项目里重复配置。
- 代理与路由：对外暴露标准接口，内部转发到不同工具或 MCP 服务。
- MCP / CLI 友好：原生支持 MCP 协议，并提供命令行工具，方便接入现有 Agent 工作流。
为什么火
Agent 工具链碎片化严重，每个工具都要单独配密钥、单独接协议。treg 用一层轻量代理把这件事标准化，恰好踩中开发者“少写胶水代码”的痛点，单日 500+ star 说明需求真实。
适合谁用
同时接入多个 Agent 工具、MCP Server 或第三方 API 的开发者；需要集中管理团队凭证、又不想自建网关的小团队。
快速上手
pip install treg
treg init
treg add <tool>
配置后即可通过统一端点调用各工具，具体命令参考仓库 README 与 Discord 社区。
The design language that makes your AI harness better at design.
它是什么
Impeccable 是一套面向 AI 编码工具的设计语言规范。它不生成界面，而是约束 AI 的输出方式——让 Cursor、Claude Code 等工具在写前端代码时，自动遵循一致的排版、间距、配色和交互规则。
核心亮点
- 以规则文件形式注入 AI 上下文，无需改动现有工程结构
- 覆盖字体层级、色彩系统、组件间距等高频设计决策
- 与框架无关，React、Vue、原生 HTML 均可套用
- 纯 JavaScript 实现，零构建依赖
为什么火
AI 写界面最大的痛点是"能跑但丑"——间距随意、字号混乱、配色撞车。Impeccable 把资深设计师的判断固化成 AI 可读的约束，一次配置，全局生效。单日 287 星的增长说明开发者对"AI 产出可用界面"的需求已被压抑太久。
适合谁用
用 AI 辅助开发前端、又不想每次手动调样式的独立开发者和小团队；也适合想把设计规范沉淀给 AI 的设计工程师。
快速上手
git clone https://github.com/pbakaus/impeccable
将规则文件放入项目根目录或 AI 工具的配置路径，按 README 指引关联到你的 AI 编码助手即可。
High-performance code intelligence MCP server. Indexes codebases into a persistent knowledge graph — average repo in milliseconds. 158 languages, sub-ms queries, 99% fewer tokens. Single static binary, zero dependencies.
它是什么
codebase-memory-mcp 是一个高性能代码智能 MCP 服务器，用 C 语言编写。它把代码库索引成持久化知识图谱，让 AI 编程助手真正“理解”你的项目结构。
核心亮点
- 158 种语言：基于 tree-sitter 解析，几乎覆盖所有主流语言
- 毫秒级索引：平均仓库索引时间以毫秒计，查询延迟低于 1ms
- Token 节省 99%：用图谱查询替代全文塞入上下文
- 单静态二进制：零依赖，SQLite 持久化，即拷即用
- Cypher 查询：图查询语法直查代码关系
为什么火
MCP 生态爆发，但多数服务器性能平庸。这个项目用 C + SQLite + tree-sitter 的组合，把“代码知识图谱”从概念做成了可落地的快工具，一天涨 266 星合情合理。
适合谁用
Claude Code、Cursor、Windsurf、Aider、Codex 等 MCP 客户端用户，尤其是需要跨大型代码库做重构、依赖分析或架构问答的开发者。
快速上手
# 下载单二进制后配置 MCP 客户端
# 指向你的仓库路径即可自动索引
详见仓库 README 的 MCP 配置示例。
它是什么
video-use 是 browser-use 团队推出的开源工具，让 Claude Code、Cursor 等编程智能体直接剪辑视频。用自然语言描述需求，Agent 自动完成裁剪、拼接、加字幕等操作。
核心亮点
把视频编辑抽象成代码操作，Agent 可读取时间轴、调用 FFmpeg、生成剪辑指令。全程可版本控制、可复现，告别手动拖拽时间线。
为什么火
上线即冲上 Trending，单日新增 745 星。它踩中两个热点：AI Agent 落地场景探索，以及“用代码替代 GUI”的效率革命。browser-use 团队背书也带来信任加成。
适合谁用
开发者、技术博主、需要批量处理视频的团队。不适合追求精细调色的专业剪辑师。
快速上手
pip install video-use
配置好 Agent 后，用自然语言下达指令，如“把这段视频前 10 秒剪掉并加中文字幕”，Agent 会自动执行。
盯盘侠 PanWatch · 自托管 AI 盯盘助手，集成 TradingAgents 多 Agent 投资决策 | A股/港股/美股实时监控、持仓管理、智能分析、全渠道推送
它是什么
PanWatch（盯盘侠）是一款可自托管的 AI 盯盘助手，覆盖 A 股、港股、美股实时行情监控，集成 TradingAgents 多 Agent 投资决策框架，用 LLM 替你盯盘、分析并推送提醒。
核心亮点
- 多 Agent 决策：基于 LangGraph 编排多个 AI Agent 协同研判，而非单一模型拍脑袋
- 全市场覆盖：A 股/港股/美股行情接入，数据源走 AkShare，支持持仓管理
- 全渠道推送：分析结论可推送到常用 IM，人不在电脑前也不错过信号
- MCP + PWA：支持 MCP 协议扩展，前端为 PWA，手机也能随手查看
为什么火
自托管 + 隐私可控，数据不出本地；DeepSeek/OpenAI 等模型可自由切换，成本可控。把"多 Agent 投研"从论文概念做成了能跑的产品，切中了散户对 AI 辅助决策的真实需求。
适合谁用
有自托管习惯的量化爱好者、想用 LLM 辅助盯盘的散户、以及研究 TradingAgents 多 Agent 架构的开发者。
快速上手
Python 环境克隆仓库，配置模型 API Key 与行情数据源，docker compose up 或按 README 启动 FastAPI 服务，浏览器访问即可。