🆕 本周新建热门 AI 项目

它是什么

anthropics/commerce-agents 是 Anthropic 官方发布的参考蓝图，旨在帮助开发者基于 Claude 构建购物与商户智能体。仓库覆盖零售、电商、电信和娱乐四大行业，提供可直接运行的 Python 示例代码。

核心亮点

• 行业模板齐全：内置多场景 agent 实现，从商品推荐到订单售后，开箱即用。
• Claude 原生集成：充分利用 Claude 的工具调用与多模态能力，支持复杂对话式交易流程。
• 架构清晰：采用模块化设计，将意图识别、库存查询、支付确认等环节解耦，便于二次开发。

为什么火

Anthropic 官方背书 + 真实商业场景落地，让这个项目成为“用 LLM 做交易系统”的最佳起点。在 Agent 应用同质化的当下，它提供了稀缺的、可落地的垂直领域参考，star 数迅速突破 2k 即是明证。

适合谁用

• 想快速验证 LLM 在电商/客服场景可行性的技术负责人
• 需要参考成熟 agent 架构的 AI 应用开发者
• 对 Claude API 感兴趣，但缺乏业务场景灵感的独立开发者

快速上手

git clone https://github.com/anthropics/commerce-agents
cd commerce-agents
pip install -r requirements.txt
# 设置 ANTHROPIC_API_KEY 后运行示例
python examples/retail_agent.py

项目内置多种模拟环境，无需真实商户系统即可体验完整交互流程，适合作为学习与原型开发的沙盒。

它是什么

一个基于 Python 的 AI 图像处理服务，提供“去衣”类视觉内容生成能力。项目以 API 服务形式交付，输入人像图片即可输出模拟裸露效果的图像，底层模型采用开源视觉生成方案。

核心亮点

• 即插即用：封装为独立 HTTP 服务，支持批量图片处理与异步任务队列
• 模型可替换：预留模型接口，可切换不同精度的视觉生成权重
• 隐私优先：所有推理在本地完成，不向第三方上传图片
• MIT 许可：允许无限制商用与二次开发

为什么火

项目在 GitHub 一周内获得 1100+ Star，主要受三个因素驱动：其一，AI 绘画社区对“内容解锁”类工具的高敏感度；其二，项目同步支持 Kemono、Coomer 等成人内容聚合平台的数据抓取，形成工具链闭环；其三，代码结构轻量（Python 单服务），降低了二次开发门槛。

适合谁用

• AI 应用开发者：需要快速集成图像生成能力的原型项目
• 内容平台逆向工程师：研究成人站点数据抓取与图像处理管线
• 学术研究者：探讨视觉生成模型的边界与伦理控制机制

快速上手

git clone https://github.com/GangTailorUpgrade/undress-service
cd undress-service
pip install -r requirements.txt
python server.py  # 默认监听 8000 端口

调用示例：POST /process，表单字段 image 上传图片，返回处理后的 Base64 编码图像。注意：请确保使用场景符合当地法律法规，并遵循模型提供方的内容政策。

它是什么

reverify 是一个针对 AI 幻觉问题的开源验证框架，核心思路是：AI 只负责提出假设，由确定性工具做最终裁决。它通过 MCP 服务器和 CLI 接口，将 LLM 生成的每个声明与 ground truth 进行比对，并附上可追溯的证据。项目最初面向逆向工程场景，但机制本身完全通用。

核心亮点

• 证据链验证：每个输出都绑定实际数据源，而非模型自述
• 确定性裁决：用反汇编器等确定性工具替代概率性判断，杜绝“看似合理”的错误
• 上下文持久化：经过验证的事实和上下文在会话重置后依然保留，适合长周期任务
• 双接口设计：既可作为 MCP server 接入现有 AI 工作流，也能独立通过 CLI 使用

为什么火

短短时间获得 900+ star，因为它戳中了 AI 应用落地的最大痛点——幻觉问题。不同于常见的“提示词约束”或“事后检测”，reverify 从架构上把验证变成硬性环节，让 AI 从“生成答案”转变为“提出候选方案”。在安全分析、代码审计等容错率极低的领域，这种设计思路极具吸引力。

适合谁用

• 依赖 AI 辅助逆向工程、恶意代码分析的安全研究员
• 构建需要高可靠性输出的 AI Agent 开发者
• 正在解决 LLM 幻觉问题的 MCP 生态贡献者
• 对“如何让 AI 承认自己不知道”感兴趣的架构师

快速上手

# 安装
pip install reverify

# 启动 MCP server（供 Claude/Cursor 等接入）
reverify serve --transport stdio

# 或直接用 CLI 验证声明
reverify check "函数 sub_401000 的作用是解密缓冲区" \
  --ground-truth ./binary.asm --tool objdump

接入后，你的 AI 助手在回答涉及代码逻辑、内存布局等事实性问题时，会先调用 reverify 进行验证，再给出带证据的结论。

它是什么

Fable Orchestrator 是一个基于 Shell 的轻量级编排框架，用于统一调度 GPT-5.6 Luna 与 DeepSeek V4 Flash 等多模型 API，通过 Fable 5.1 语法实现任务编排与自动路由。

核心亮点

• 双模型适配：内置 Luna 与 DeepSeek V4 Flash 的接口封装，切换模型零代码改动。
• 声明式编排：用简洁的 Fable DSL 描述任务流，支持条件分支与并行调用。
• 极简依赖：仅依赖 curl 和 jq，无 Node/Python 环境负担，适合边缘设备。

为什么火

在 500+ Star 的早期项目中，它精准切中“多模型成本优化”痛点——用 Shell 脚本实现 60% 的 API 费用削减，且配置比 Python 版编排工具直观得多，符合开发者对轻量自动化的追求。

适合谁用

• 需要快速集成多个 LLM 的独立开发者
• 对基础设施体积敏感的边缘计算场景
• 想用脚本语言实现 AI 工作流自动化的运维工程师

快速上手

git clone https://github.com/codejunkie99/fable-orchestrator
cd fable-orchestrator
# 配置 API 密钥后运行示例
./fable run examples/hello.fable

编写 .fable 文件即可定义任务链，文档内含 10+ 生产级模板。

它是什么

REEF 是一套面向自我改进型 AI Agent 的持续学习基础设施，由 Human-Agent-Society 开源。它把 Agent 的推理、训练与强化学习链路整合进同一套 Python 框架，让 Agent 不只是“用一次”，而是能在运行中不断从反馈中进化。

核心亮点

• 持续学习闭环：内置 RL 与 LLM 训练管线，支持 Agent 在真实交互后自动回放、微调，形成“行动→学习→进化”循环。
• 轻量可插拔：不绑定特定模型或框架，通过模块化接口接入现有推理栈，适合从原型到生产的渐进式落地。
• 面向 Agent 原生设计：区别于通用训练库，针对多轮对话、工具调用等 Agent 场景做了轨迹管理与奖励信号优化。

为什么火

当前 Agent 应用的最大瓶颈是“静态大脑”——部署后无法从新数据中学习。REEF 直击这一痛点，把学术界的持续学习/RL 成果工程化，让开发者能用 Apache-2.0 许可在商业场景中构建真正能自适应的 Agent，上线不久即获 500+ Star。

适合谁用

• 正在构建生产级 Agent 的工程师，希望摆脱“人工调 prompt”的循环。
• 研究持续学习或 RL 的学者，需要一个干净的实验基座。
• 对“Agent 自我进化”有好奇心的技术决策者，想低成本验证可行性。

快速上手

pip install reef-ai
# 定义一个带记忆的 Agent 并开启持续学习
from reef import Agent, ContinualLearner

agent = Agent.from_pretrained("your-model")
learner = ContinualLearner(agent)
learner.feedback("用户纠正了你的回答，请更新策略")
learner.train_step()  # 自动完成 RL 微调

它是什么

niubigeo 是一个开源的 AI 品牌可见度与竞品情报报告工具，基于 TypeScript 构建，采用 Apache-2.0 许可。它能够自动抓取并分析品牌在 AI 生态中的曝光数据，生成结构化的竞品对比报告。

核心亮点

• 自动化情报收集：无需人工筛选，自动聚合品牌提及、链接分布及 AI 平台收录情况
• 竞品对标分析：内置多维度对比框架，直观呈现你与竞品在 AI 渠道的声量差距
• 轻量部署：纯前端 + API 设计，可快速接入现有数据管道，输出 JSON/Markdown 报告

为什么火

AI 时代品牌方最焦虑的莫过于“我的产品是否被 AI 推荐”。niubigeo 精准击中了这一痛点——它把原本需要付费订阅的 SEO/舆情服务，变成了一个可自托管的开源方案，且报告格式清晰，便于团队内部流转。

适合谁用

• 面向 C 端的 AI 产品经理，需监控自身在 ChatGPT/Perplexity 等平台的引用情况
• 初创公司市场负责人，希望低成本跟踪竞品动态
• 技术型增长黑客，想将品牌可见度数据集成到自己的 BI 系统

快速上手

git clone https://github.com/Albert-Weasker/niubigeo.git
cd niubigeo && npm install
# 配置你的品牌关键词与竞品列表
cp .env.example .env && npm run dev

默认会在 localhost:3000 启动看板，首次运行会自动拉取示例数据，替换配置即可生成专属报告。

它是什么

一个用代码生成可交互 3D 城市世界的开源引擎，源自 Fable 5.1 内部工具。它基于 OpenStreetMap 真实地理数据，结合程序化生成与 Three.js/WebGL 渲染，可快速构建旧金山等城市的数字孪生场景，并支持接入 Claude 等 AI Agent 驱动动态模拟。

核心亮点

• 真实数据驱动：自动拉取 OSM 建筑、道路、地形数据，生成高精度城市基底。
• 代码即世界：通过 JavaScript 描述城市规则与对象，支持运行时修改与热更新。
• AI 原生接口：内置 Agent 通信层，可让 LLM 直接控制城市事件、交通流或建筑状态。
• 轻量部署：纯前端渲染，无需后端服务，MIT 许可便于二次开发。

为什么火

它将“数字孪生”从昂贵的 GIS 行业拉入开发者日常——用一条命令生成一座可编程城市，叠加 AI Agent 后，瞬间变成社会实验、自动驾驶仿真或游戏沙盒的游乐场。GitHub 438 星虽不算爆款，但精准击中“地理数据 + AI + 3D”的交叉兴趣圈层。

适合谁用

• 想快速搭建城市可视化原型的 Three.js 开发者
• 研究 AI 多智能体在真实空间行为模拟的工程师
• 对程序化生成和开放世界玩法感兴趣的独立游戏制作者

快速上手

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

浏览器打开 localhost:3000，默认加载旧金山示例。修改 src/worlds/sf.js 中的建筑高度或道路密度，保存后场景即时更新。若要接入 AI，参考 examples/agent-basic.js，用自然语言指令移动一辆虚拟汽车。

它是什么

一个将 YouTube 长视频自动转成爆款短视频的开源工具，集高光片段检测、字幕生成、多语言翻译与 AI 配音于一体，全程本地化处理，无需付费 API。

核心亮点

• 智能高光剪辑：基于音频能量与画面变化自动提取“最可能爆”的 30-60 秒片段
• 一站式流水线：从下载、切条、加字幕到配音，一条命令跑完整个流程
• 多语言出海：自动翻译字幕并生成对应语种的 TTS 配音，轻松做多平台矩阵
• MIT 许可：完全免费商用，可二次开发接入自己的推荐算法

为什么火

TikTok/Reels 创作者每天需要大量素材，手动剪辑耗时且难以判断“哪个片段会火”。该项目用 AI 把“选题-剪辑-字幕-配音”的重复劳动压缩到分钟级，且无需 GPU 也能跑（CPU 即可），大幅降低了自动化短视频生产的门槛。

适合谁用

• 自媒体矩阵玩家：需要批量产出多语言短视频的运营者
• 视频二次创作开发者：想快速搭建自动剪辑管道的 Python 工程师
• 产品原型验证者：需要低成本验证“AI 视频生成”商业模式的创业者

快速上手

git clone https://github.com/pierrenade/short-video-generator-AI
cd short-video-generator-AI
pip install -r requirements.txt
python main.py --url "YouTube视频链接" --lang zh

生成结果默认输出到 output/ 目录，支持 --duration 控制短视频长度，--voice 切换配音音色。

它是什么

一个面向 Claude Code / Codex 的 Agent Skill，输入中国古建筑、文化地标或旅行照片，即可输出艺术指导级编辑海报。项目名“归藏营造”取自传统营造法式，本质是“摄影 → 视觉设计”的自动化流水线。

核心亮点

• 双模型协作：Claude 负责构图分析与艺术方向拆解，GPT Image 负责最终渲染，各取所长
• 文化转译能力：内置飞檐、斗拱、园林布局等建筑语汇的视觉化规则，而非简单滤镜叠加
• 小红书友好输出：默认适配 3:4 竖版构图，自动生成标题排版与留白，可直接发布

为什么火

349 星在 AI Agent 工具中不算高，但精准切中两类痛点：一是旅行摄影“拍了不会修”，二是文化类内容“有素材无设计”。它把专业编辑的审美判断固化为可复用的 Skill，让非设计师也能产出高质感海报，且完全本地化运行，无需手动切换多个 AI 工具。

适合谁用

• 古建爱好者、文旅从业者，需要快速产出社交媒体系列内容
• 独立摄影师，想批量生成风格统一的宣传物料
• Agent Skill 开发者，可参考其“分析→生成”的双模型协作模式

快速上手

# 克隆仓库到 Claude Code / Codex 的 skills 目录
git clone https://github.com/op7418/guizang-yingzao-skill
# 在 Agent 中启用 skill 后，直接输入：
# “用归藏营造处理这张故宫角楼照片，风格偏宋代极简”

确保已配置 Anthropic 与 OpenAI API Key，首次运行会自动下载视觉参考库。

它是什么

易创（easy-writing）是一款基于 Tauri + Vue3 构建的纯本地 AI 网文写作桌面软件，专为中文网络小说创作场景设计。它强调数据隐私与可控性，支持 BYOK（自带密钥）模式，让作者在离线环境中使用 AI 辅助创作。

核心亮点

• 本地优先：所有数据与对话记录存储于本地，不经过第三方服务器，保障创作内容安全。
• BYOK 灵活接入：兼容 OpenAI 及任意 OpenAI 兼容 API，用户可自由切换模型或配置自有密钥。
• 深度定制提示词：内置针对网文场景（如大纲生成、章节续写、人物设定）的提示词模板，并支持用户自定义。
• 轻量桌面体验：基于 Tauri 打包，占用资源少，启动快，提供原生应用般的流畅交互。

为什么火

在 AI 写作工具普遍云端化的背景下，易创切中了网文作者对隐私与稳定性的刚需。其“本地+BYOK”模式既规避了数据泄露风险，又降低了使用成本，配合 AGPL-3.0 开源协议，迅速吸引了注重自主权的创作者群体。

适合谁用

• 网文写作者：需要 AI 辅助但不希望作品内容外泄。
• 技术型创作者：熟悉 API 调用，希望自定义模型与提示词。
• 隐私敏感用户：偏好所有数据留在本地的离线工具。

快速上手

1. 从 GitHub Releases 下载对应系统安装包（支持 Windows/macOS/Linux）。
2. 首次启动后，在设置中填入你的 OpenAI 兼容 API 密钥（或选择本地模型）。
3. 创建新项目，从内置模板中选择“大纲生成”或“章节续写”，直接开始创作。
4. 如需深度定制，在“自定义提示词”面板中编辑并保存你的专属指令。