🆕 本周新建热门 AI 项目

它是什么

codex-with-chatgpt 是一个将 ChatGPT 与 Codex CLI 深度绑定的 TypeScript 工具。它让 ChatGPT 充当“规划大脑”，负责拆解任务、生成决策，而 Codex 则作为“执行双手”，完成代码编写与运行，两者通过 MCP（Model Context Protocol）无缝协作。

核心亮点

• 双模型分工：ChatGPT 专注推理与计划，Codex 专注代码落地，避免单模型“既想又做”的混乱。
• 基于 MCP 协议：以标准协议连接，非硬编码 hack，便于扩展其他模型或工具。
• OAuth 安全认证：内置授权流程，无需手动处理 API 密钥泄露风险。
• 轻量 CLI：安装即用，不侵入现有 Codex 工作流。

为什么火

它精准解决了当前 AI 编程的痛点：ChatGPT 擅长理解意图但执行易错，Codex 执行稳定但缺乏全局规划。二者结合后，复杂任务（如重构、跨文件改动）的完成率显著提升，且完全开源、MIT 许可，社区可自由定制。

适合谁用

• 重度 Codex 用户：希望让 ChatGPT 参与任务拆解与代码审查。
• AI 工作流爱好者：想体验 MCP 驱动多 Agent 协作的开发者。
• 团队技术负责人：需要可审计、可回滚的 AI 辅助编码流程。

快速上手

# 1. 安装
npm install -g codex-with-chatgpt

# 2. 配置 OAuth（自动跳转浏览器授权）
codex-with-chatgpt auth

# 3. 启动协作模式
codex-with-chatgpt run "重构登录模块，并添加单元测试"

运行后，ChatGPT 会自动生成步骤清单，Codex 逐步执行并回传结果，全程可在终端观察两者“对话”日志。

它是什么

Sepia 是一个面向 AI Agent 的“去 AI 味”写作技能包，基于 arXiv:2604.03136 的 StoryScope 叙事架构理论。它通过 Agent Skills 标准接口，为 Claude Code、Codex、Grok Build 等 77+ 兼容 Agent 提供统一的文风修复能力——从小说叙事结构到职业文体规则，一包搞定。

核心亮点

• 通用兼容层：基于 Skills CLI 标准，一次安装即可在主流 Coding Agent 中无缝调用，无需各自适配
• 双轨修复引擎：虚构类作品自动执行叙事架构修复（节奏、视角、冲突密度）；非虚构类则按文体场景匹配规则（学术、商务、技术文档）
• 理论驱动：非简单“换词降 AI 味”，而是从叙事学底层重建文本的人类作者特征

为什么火

当前 LLM 写作同质化严重，而 Sepia 抓住了两个痛点：一是 Agent 生态碎片化（每个工具一套 skill 格式），二是市面“人性化”工具只做表层替换。它用一篇 arXiv 论文作为方法论根基，加上跨平台兼容设计，在开发者社区迅速积累了 1860 stars。

适合谁用

• 用 Claude Code / Codex 写小说或长文，需要批量去 AI 腔的创作者
• 维护企业知识库，需要统一专业文风的团队
• 研究 LLM 输出特征，或开发写作类 Agent 工具的工程师

快速上手

# 通过 Skills CLI 安装（需 Node.js 18+）
npx skills add Nanako0129/sepia

# 在任意兼容 Agent 中调用
# Claude Code 示例：
> 请用 sepia 的 fiction 模式，修复以下章节的叙事节奏问题：[粘贴文本]

安装后可通过 skills list 查看可用子技能（如 sepia:fiction-repair、sepia:business-tone），每个子技能支持 --style 参数细调目标文体。

它是什么

anthropics/commerce-agents 是 Anthropic 官方发布的参考蓝图，用于基于 Claude 构建购物与商家智能体。项目内含零售、电商、电信和娱乐四大场景的完整示例，覆盖从商品推荐到订单履约的典型流程。

核心亮点

• 开箱即用：每个示例都配有可运行的 Python 代码和提示词模板，直接对接 Claude API。
• 场景丰富：不只做“推荐”，还包含库存查询、价格对比、套餐变更等真实业务逻辑。
• 架构清晰：采用“工具调用 + 状态管理”模式，方便迁移到自己的业务系统中，而非玩具级 demo。

为什么火

Anthropic 官方背书让它在发布当天即斩获 1500+ star。相比零散的教程，它提供的是企业级参考实现——开发者可以直接复制模式，减少从概念到生产的摩擦。尤其适合那些想用 Claude 替换或增强现有客服/导购系统的团队。

适合谁用

• 电商平台后端工程师，想快速验证 Claude 在商品对话中的效果。
• AI 咨询公司，需要一套可交付的行业示例来向客户演示。
• 独立开发者，希望用 Claude API 构建垂直领域 agent，但缺乏设计参考。

快速上手

git clone https://github.com/anthropics/commerce-agents
cd commerce-agents
# 安装依赖（需 Python 3.10+）
pip install -r requirements.txt
# 设置 ANTHROPIC_API_KEY 后运行零售示例
python retail/run.py

每个子目录内均有 README 说明业务假设和调用流程，建议从 retail 开始理解核心模式。

它是什么

Headcount 是一个面向 Claude Code 的智能体组织系统，将 AI 助手编排为一家虚拟公司——包含 15+ 个部门、125+ 项技能，每个技能均可独立安装。它本质上是一个结构化的 Agent 市场，让 Claude Code 能按需调用不同角色的专业能力。

核心亮点

• 公司化架构：模拟真实组织架构，从市场、研发到法务、客服，职责边界清晰，协作逻辑自然。
• 模块化技能库：125+ 技能按部门归类，用户可按需安装单个技能，而非全量加载，降低资源占用。
• 基于 Markdown：所有定义均用 Markdown 编写，易于阅读、修改和版本控制，无需复杂 DSL。
• MCP 兼容：支持 Model Context Protocol，可无缝接入现有 Claude Code 工作流。

为什么火

它解决了 Claude Code 的一个痛点：单一大模型难以胜任跨领域复杂任务。Headcount 将“万能助手”拆解为“专业团队”，让 AI 在具体场景中调用最合适的“员工”，大幅提升任务完成质量和效率。1182 颗星表明开发者对“AI 组织化”这一新范式的强烈兴趣。

适合谁用

• 重度 Claude Code 用户，希望处理多步骤、跨领域的复杂项目。
• 团队管理者，想探索 AI 驱动的自动化工作流。
• 开源爱好者，喜欢研究 Agent 编排与技能封装的最佳实践。

快速上手

# 克隆仓库
git clone https://github.com/cbrock84/headcount.git

# 查看部门与技能列表
cd headcount && ls departments/

# 安装单个技能（示例：安装市场部技能）
claude install skills/marketing/campaign-builder.md

安装后，在 Claude Code 中直接调用技能名称即可触发对应 Agent 行为。

它是什么

undress-service 是一个基于 Python 的 AI 图像处理服务，专注于对动漫及二次元图片进行“去衣”合成。项目以“Dress AI Sponsor”自居，本质上是将现有图像生成模型包装成可调用的 Web 服务，输入普通图片，输出经过模型推理后的裸体化结果。

核心亮点

• 纯 Python 实现，依赖主流深度学习框架，部署门槛低
• 提供 HTTP API 接口，便于集成到第三方工具链
• 采用 MIT 开源协议，可自由修改与商用
• 项目维护活跃，紧跟上游模型更新

为什么火

尽管 GitHub 上标注了“explicit-content”等敏感标签，该项目仍获得 1000+ Star。核心原因在于其精准切入了二次元社区对“去衣”功能的刚性需求，且技术封装足够简单——开发者无需理解底层扩散模型原理，直接调用接口即可。同时，MIT 许可让大量衍生项目（如各类下载器、漫画阅读器）将其作为可选插件，形成了事实上的生态依赖。

适合谁用

• 二次元内容聚合站站长：需要批量处理同人图库
• 成人漫画下载器开发者：希望为工具增加图像增强模块
• 对 AI 图像生成感兴趣的 Python 学习者：可作为研究 Stable Diffusion 微调方向的案例

快速上手

git clone https://github.com/GangTailorUpgrade/undress-service.git
cd undress-service
pip install -r requirements.txt
python server.py  # 默认启动在 localhost:8080

调用示例：

curl -X POST http://localhost:8080/process \
  -F "image=@./input.jpg" \
  -o output.png

注意：请遵守当地法律法规，仅用于合法合规的二次元内容创作场景。

它是什么

PawWork_ZhuaZhua 是一款面向 Chrome 的“选区优先”网页智能代理（selection-first web agent）。它让你在真实网页上直接框选内容，用自然语言描述想要的结果，即可自动生成可编辑的 Office 文件（如 PPT、表格），全程无需上传数据到服务器。

核心亮点

• 选区即输入：在页面上框选目标区域，代理只处理你指定的内容，精准且高效。
• BYOK 模式：自带大模型 API Key（BYOK），数据不出浏览器，隐私安全可控。
• 沙箱化执行：所有操作在本地沙箱中完成，无后端依赖，安装即用。
• 输出可编辑：生成的文件基于 Univer 和 tldraw 驱动，支持后续二次修改。

为什么火

它切中了两个痛点：一是传统网页抓取工具需要写选择器或正则，学习成本高；二是云端 AI 代理存在数据泄露风险。PawWork 用“框选 + 描述”的交互大幅降低使用门槛，同时坚持本地化处理，在隐私敏感场景（如企业数据）中极具吸引力。779 颗星印证了开发者对“轻量、可控、可定制”AI 工具的强烈需求。

适合谁用

• 办公族：快速将网页调研结果转为 PPT 或表格，省去复制粘贴。
• 开发者：作为 Chrome 扩展示例，学习如何集成 LLM 与本地文件生成。
• 隐私敏感用户：需要 AI 辅助但不愿将数据交给第三方服务的个人或团队。

快速上手

1. 克隆仓库并安装依赖：git clone https://github.com/Player-YN/PawWork_ZhuaZhua && npm install。
2. 构建扩展：npm run build，然后在 Chrome 的 chrome://extensions 中加载 dist 目录。
3. 点击扩展图标，在任意网页框选内容，输入指令（如“总结成 3 页 PPT”）。
4. 填入你的 LLM API Key（支持 OpenAI 兼容接口），即可生成并下载可编辑文件。

它是什么

Reverify 是一个面向逆向工程的 AI 验证工具，核心思路是“LLM 提出假设，确定性工具验证”。它让 AI 读取二进制文件时，每一条声明都对照真实字节进行校验，杜绝幻觉。项目以 MCP 服务器 + CLI 形式提供，支持与 Claude 等 AI 助手无缝集成。

核心亮点

• 反幻觉机制：强制 AI 输出附带字节级证据，使用 Capstone 反汇编和 Unicorn 模拟执行交叉验证
• 双模交互：MCP 服务器供 AI 调用，CLI 供人类快速查询，覆盖自动化与手动分析场景
• Frida 动态加持：支持运行时内存校验，静态分析之外还能验证动态行为
• 零信任输出：每条结论都标注“已验证”或“存疑”，让分析结果可追溯、可复现

为什么火

逆向工程中 AI 幻觉是致命伤——错误的反汇编结论会浪费数小时调试。Reverify 精准切中这一痛点，将 LLM 的语义理解能力与确定性工具的严谨性结合，在 745 星内迅速获得安全社区认可。它不替代逆向工程师，而是让 AI 成为“可被质询”的助手，这种范式对恶意软件分析和 CTF 场景尤其有价值。

适合谁用

• 恶意软件分析师：快速定位混淆代码中的真实调用逻辑
• CTF 玩家：自动化验证反汇编结果，减少人工排查
• 安全工具开发者：作为 MCP 组件嵌入现有 AI 驱动的分析流水线

快速上手

pip install reverify
# 启动 MCP 服务器供 AI 调用
reverify mcp-server
# 或直接用 CLI 验证反汇编结果
reverify check binary.elf --address 0x401000

项目要求 Python 3.10+，二进制分析依赖 Capstone。详细配置见 GitHub 仓库。

它是什么

open-seo-mcp-skills 是一套面向 Claude 的开源 SEO/GEO 技能包，通过 MCP（Model Context Protocol）连接你的真实 Search Console、GA4 和广告数据，实现关键词研究、排名追踪、站点审计、外链分析和竞品差距洞察。内置 DataForSEO 支持，MIT 协议完全免费。

核心亮点

• 真实数据驱动：不靠猜测，直接读取你的 Google Search Console、GA4 等第一方数据
• 双引擎支持：自带 DataForSEO 集成，也可对接自有数据源
• GEO 前瞻性：不仅覆盖传统 SEO，还针对生成式引擎优化（GEO）提供 AI 可见性分析
• 零成本接入：纯 Shell 实现，无需额外服务，MIT 许可随意商用

为什么火

410 星虽不算爆发级，但它精准切入两个痛点：一是 SEO 工具常年被 SaaS 高价垄断，二是 Claude 等 AI 助手缺乏操作真实业务数据的能力。这个项目让 AI 直接“上手干活”，而非空谈建议，契合了 MCP 生态爆发期开发者的刚需。

适合谁用

• 独立站运营者：想用 AI 自动化日常 SEO 报表和审计
• SEO 代理机构：需要快速为多个客户生成竞品差距分析
• AI 应用开发者：希望为 Claude 扩展真实数据操作能力的参考实现

快速上手

# 1. 克隆仓库
git clone https://github.com/Ryze-AI-Adgent/open-seo-mcp-skills.git
cd open-seo-mcp-skills

# 2. 配置 MCP 服务（编辑配置文件添加你的 API 密钥）
# 3. 在 Claude Desktop 中添加 MCP server 指向本目录
# 4. 直接对话：“分析我最近 30 天的关键词排名变化”

首次运行需授权 Google Search Console API，之后所有技能即可通过自然语言触发。

它是什么

Fable 5.1 的“代码生成世界”项目，来自 PhiloLabs。它用 JavaScript 将旧金山整座城市转化为可实时交互的 3D 数字孪生，基于 OpenStreetMap 数据与程序化生成技术，在浏览器中即可探索。

核心亮点

• 纯代码构建城市：无需手工建模，通过算法生成建筑、道路与街区布局，还原度高且体积轻量。
• AI 代理友好：专为 Claude 等 AI 代理设计，支持通过自然语言指令动态修改世界参数，实现“对话式城市编辑”。
• 高保真渲染：基于 Three.js 与 WebGL，支持大规模场景流畅浏览，并集成 3D 重建能力，可快速替换真实地理数据。

为什么火

它打破了传统数字孪生项目的高门槛——不需要昂贵的地理信息采集，只用开放数据加代码就能生成一座城市。同时，它展示了 AI 代理与 3D 场景结合的新范式：让非程序员也能通过聊天“重塑旧金山”，兼具技术趣味与实用价值。

适合谁用

• 对城市模拟、程序化生成感兴趣的开发者
• 想快速搭建数字孪生原型的研究者
• 探索 AI 代理与 3D 环境交互的极客玩家

快速上手

git clone https://github.com/PhiloLabs/fable51-worlds
cd fable51-worlds
npm install
npm run dev

启动后浏览器打开本地地址，即可看到旧金山 3D 场景。若接入 Claude API，可直接在控制台输入“把金融区建筑密度提高 30%”等指令，观察世界实时变化。

它是什么

Fable Orchestrator 是一个基于 Shell 的轻量级 AI 编排工具，当前版本（5.1）专注于将 GPT-5.6 Luna 与 DeepSeek V4 Flash 两大模型进行统一调度与任务分发，让多模型协作变得像写脚本一样简单。

核心亮点

• 零依赖编排：纯 Shell 实现，无需 Python 或 Node 环境，部署即用
• 双模型路由：内置智能路由策略，根据任务复杂度自动分配 Luna（推理型）或 Flash（响应型）
• MIT 许可：可自由商用与二次开发，无隐藏限制

为什么火

虽然仅有 308 星，但它在 AI 工具链中开辟了“Shell 原生编排”这一小众赛道。对于追求极致轻量、厌恶重型框架的开发者而言，它提供了一种反主流但高效的选择——用最朴素的工具解决最实际的模型调度问题。

适合谁用

• 熟悉命令行、希望快速试验多模型组合的开发者
• 需要在内网或受限环境部署 AI 服务的运维工程师
• 想学习 Shell 如何对接 LLM API 的教学场景

快速上手

git clone https://github.com/codejunkie99/fable-orchestrator
cd fable-orchestrator
# 配置 API 密钥后执行
./fable run --task "分析这段日志" --model auto

默认自动模式会调用 Luna 进行深度分析，如需强制使用 Flash 可加 --model flash。详细参数见 ./fable --help。