本周新建热门 AI 项目

它是什么

niubigeo 是一个基于 TypeScript 的开源 AI 品牌可见度与竞品分析工具，通过自动化数据采集与可视化报告，帮助团队快速掌握品牌在搜索引擎、社交媒体等渠道的曝光表现。

核心亮点

• 一键生成竞品对比报告，覆盖关键词排名、提及频率与情感倾向
• 内置 AI 摘要引擎，自动提炼市场趋势与品牌差距
• 模块化架构，支持自定义数据源（如 Google Trends、Reddit）
• 轻量级部署，无需复杂基础设施，Docker 即可运行

为什么火

在 AI 营销工具普遍闭源且昂贵的背景下，它提供透明、可审计的替代方案。开发者可自由扩展指标，且报告输出直接兼容主流 BI 工具，精准切中品牌团队“既要数据又要洞察”的痛点。

适合谁用

• 中小型企业的市场或增长团队，预算有限但需高频竞品监控
• 独立开发者或 SEO 顾问，需快速生成客户演示报告
• 对数据隐私敏感，希望自托管分析管线的技术型用户

快速上手

git clone https://github.com/Albert-Weasker/niubigeo.git  
cd niubigeo && npm install  
# 配置 config.json 中的品牌关键词与数据源 API Key  
npm run report -- --brand "YourBrand" --competitor "RivalA"  
# 输出报告至 ./output/ 目录，支持 HTML/CSV 格式  

默认提供 3 个免费数据源适配器，完整扩展文档见 docs/adapters.md。

它是什么

Fable Orchestrator 是一个基于 Shell 的轻量级 AI 编排器，通过 Fable 5.1 调度协议，统一接入 GPT-5.6 Luna 与 DeepSeek V4 Flash 两大模型，实现多智能体任务流的自动化编排。

核心亮点

• 零依赖编排：纯 Shell 实现，无需 Python/Node 运行时，部署即用
• 双模型路由：按任务复杂度自动分流至 Luna（高精度）或 Flash（高速度）
• DSL 简化：通过 Fable 5.1 声明式语法，用几行配置即可定义多步 Agent 协作链

为什么火

在“模型即服务”时代，开发者苦于多 API 切换与流程胶水代码。该项目用最朴素的 Shell 解决了编排痛点，578 星验证了“少即是多”的社区共鸣——不需要重型框架，也能优雅编排顶级模型。

适合谁用

• 追求极简部署的 DevOps 工程师
• 需要快速原型验证的 AI 应用开发者
• 对 Shell 有偏好的 Unix 哲学信徒

快速上手

git clone https://github.com/codejunkie99/fable-orchestrator
cd fable-orchestrator
./fable run --config examples/agent-flow.yaml

在 config.yaml 中指定模型密钥与任务节点，执行 ./fable status 即可监控编排进度。MIT 许可，可放心商用。

它是什么

okf-agent-memory 是一个 Git 原生的 AI 编码代理持久化记忆库，用纯 Go 实现 Google OKF v0.2 规范。它以内嵌 MCP 服务器和渐进式披露机制，为 AI 代理提供跨会话的结构化记忆，无需任何外部数据库或依赖。

核心亮点

• 极致性能：亚 300 微秒的内存 BM25 搜索，秒级响应
• 零依赖架构：纯 Go 构建，无外部服务，部署即用
• Token 削减 80%：通过渐进式披露，只加载上下文所需片段
• Git 原生：记忆即文件，天然支持版本控制、协作与审计

为什么火

AI 编码代理普遍面临“失忆”与 Token 爆炸的矛盾。该项目用 Git 作为存储层，将记忆变成可 diff、可回滚的普通文件，同时用 BM25 实现毫秒级检索——既解决了持久化，又控制了成本。490 星背后，是开发者对轻量级、无锁定记忆方案的迫切需求。

适合谁用

• 构建 AI 编码助手（如 CLI agent、IDE 插件）的开发者
• 需要跨会话记忆的 LLM 应用团队
• 希望摆脱向量数据库重运维的 Go 后端工程师

快速上手

go get github.com/okf-memory/okf-agent-memory

# 启动内嵌 MCP 服务器
agent-memory serve --port 8080

# 写入记忆条目
agent-memory add "用户偏好：使用空格缩进，禁用分号"

# 语义搜索
agent-memory query "代码风格要求" --top 3

记忆自动以 Markdown 文件存入 Git 仓库，直接推送到远端即可同步。

它是什么

Fable 5.1 Worlds 是 PhiloLabs 推出的实验性项目，用纯代码从 Fable 5.1 引擎生成可交互的 3D 城市世界。它基于 Three.js/WebGL，能快速构建旧金山等真实地理区域的数字孪生场景。

核心亮点

• 代码即世界：用 JavaScript 描述建筑、道路与地形，支持程序化生成与实时修改
• 真实地理数据：集成 OpenStreetMap，自动拉取城市布局生成 3D 模型
• AI 友好：专为 Claude 等 AI Agent 设计，可通过自然语言指令驱动场景变更
• 轻量级渲染：无需重型引擎，浏览器即可流畅运行城市级模拟

为什么火

470 星虽不算爆款，但它踩中两个趋势：一是 AI Agent 需要“可操作的环境”作为试验场，二是程序化生成与数字孪生的低成本化。项目将复杂 GIS 数据压缩成几行代码，让开发者第一次觉得“建一座城市”像写诗一样简单。

适合谁用

• 想做城市可视化原型的前端工程师
• 研究 AI Agent 空间认知的开发者
• 对程序化生成好奇的 Three.js 玩家

快速上手

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

默认加载旧金山示例，修改 src/worlds/sf.js 中的建筑参数即可生成自定义街区。

它是什么

UNIGIT 是一个面向 AI 时代的开源生态中心（Ecosystem Hub），以“AI should work for everyone”为核心理念，聚合了 agentic AI、MCP 协议、AI 工作台等模块化工具链。项目本身用 JavaScript 编写，采用 MIT 许可，定位为公共品牌与技术分发层。

核心亮点

• Agentic AI 优先：内置对智能体工作流的支持，让 AI 能主动调用工具而非被动问答。
• MCP 原生集成：基于 Model Context Protocol 标准化连接，兼容主流 LLM 与外部服务。
• 模块化生态结构：不绑定单一产品，而是提供可插拔的组件，便于开发者自由组装。
• 零门槛分发：以“公共品牌”形式开放，降低个人和小团队的 AI 工具落地成本。

为什么火

在 AI 工具碎片化严重的当下，UNIGIT 切中了“统一入口”的痛点。它不重复造轮子，而是用 MCP 和 agent 标准把现有能力串起来，配合 MIT 协议和清晰的生态定位，迅速吸引了 400+ Star，成为开发者搭建个人 AI 工作台时的轻量参考。

适合谁用

• 独立开发者：想快速搭建带 MCP 支持的 AI 助手，而非从零写协议。
• AI 产品经理：需要一套可演示、可扩展的生态原型来验证交互逻辑。
• 开源爱好者：关注 agentic AI 模式，希望参与一个非巨头主导的公共基础设施。

快速上手

git clone https://github.com/adtexterry-lgtm/unigit-ecosystem
cd unigit-ecosystem
npm install
npm run dev

默认会启动本地工作台，你可以在配置文件中添加自己的 MCP server 地址，或直接调用内置的 agent 模板测试对话与工具调用。详细配置见仓库 docs/ 目录。

它是什么

guizang-yingzao-skill 是一个面向 Claude Code / Codex 的 Agent Skill，能将中国古建筑、在地文化与旅行摄影照片，通过 GPT Image 转化为具有艺术指导级别的编辑风海报。核心思路是“归藏营造”——用 AI 重新诠释传统建筑的视觉语言。

核心亮点

• 文化转译：内置大量中国建筑术语与美学规则，从斗拱、飞檐到园林留白，引导模型生成符合东方审美而非“伪中国风”的海报。
• 双模型协作：由 Claude/Codex 负责理解场景与设计决策，GPT Image 负责像素级生成，各取所长。
• 工作流封装：以 Skill 形式打包，一条指令即可触发完整的“照片→分析→构图→成稿”管线。

为什么火

在 AI 图像生成泛滥的当下，它精准切中了“文化准确性”这一痛点。传统提示词难以表达“庑殿顶的曲线张力”或“徽派马头墙的韵律感”，而该项目将隐性知识显性化，让非专业用户也能产出有深度的文化海报，上线即受到小红书与设计社区关注。

适合谁用

• 文旅从业者：快速产出景点宣传物料
• 摄影师/博主：为旅行照片赋予杂志级排版
• AI 提示词工程师：学习如何构建领域专属 Skill
• 古建爱好者：以新媒介重新观察传统营造

快速上手

1. 将仓库克隆至 Claude Code 的 ~/.claude/skills/ 目录
2. 确保已配置 GPT Image API Key
3. 输入指令：/guizang 将这张应县木塔照片做成暗调海报
4. 等待数秒，即可在输出目录获得多层排版 PSD 与预览图

它是什么

Dream Loop 是一个面向 AI Agent 的“技能包”，让代理能调用 Blender 完成令人惊艳的 3D 视觉创作。它把图像生成、3D 建模和子代理批评机制串成一条自动化流水线，最终产出可渲染的高质量 3D 场景。

核心亮点

• 多模型协作：图像生成模型负责构思视觉，Blender 负责落地几何与材质，子代理以“批评家”身份反馈迭代，形成闭环优化。
• 低门槛接入：通过自然语言指令即可驱动复杂 3D 操作，无需手写 Python 脚本或手动调整 Blender 界面。
• MIT 许可：完全开源，可自由嵌入你的 Agent 工作流或二次开发。

为什么火

它精准踩中了两个痛点：一是大多数 Agent 只能输出文字或 2D 图片，无法生成可交互的 3D 资产；二是传统 3D 工具学习曲线陡峭。Dream Loop 用“Agent 调度 + 批评反馈”的方式，把专业能力封装成傻瓜式调用，在 X 和 GitHub 上迅速引发 AI 创作者围观。

适合谁用

• AI 应用开发者：想为产品快速增加 3D 可视化能力。
• 独立创作者：用自然语言生成概念场景，再手动精修。
• 技术极客：对多 Agent 协作与自动化创意流程感兴趣。

快速上手

git clone https://github.com/achimala/dream-loop
cd dream-loop
# 按 README 配置 Blender 路径与图像生成 API 密钥
# 通过 Python 调用 skill，传入描述文本

建议先运行仓库内置示例，观察“生成-批评-修改”的完整循环，再尝试替换自己的提示词。

它是什么

consulting-pptx-skill 是一个面向 Claude Code 的专用技能包，让 AI 能生成真正符合咨询公司标准的 PPTX 文件。它内置了完整的幻灯片设计规范、62 种幻灯片类型目录（SlideSpec 36 型 + 自由描述 27 部件）、生成流水线和机器校验机制。

核心亮点

• 结构化约束：通过严格的 SlideSpec 规范约束 AI 输出，避免“看起来像 PPT，实则排版混乱”的问题
• 类型丰富：覆盖咨询场景常见页面类型，从框架图、流程图到数据透视表一应俱全
• 自动校验：生成后自动检查版式合规性，确保输出文件可直接使用

为什么火

传统 AI 生成 PPT 往往停留在“内容堆砌”层面，而该项目将咨询行业的视觉语言结构化、工程化，让 AI 输出从“可用”跨越到“专业”。对高频产出汇报材料的咨询人而言，这直接切中痛点。

适合谁用

• 咨询顾问、战略分析师：快速产出客户级 PPT 初稿
• 技术团队：需要为内部工具链集成 AI 文档生成能力
• Claude Code 重度用户：希望扩展 AI 在办公场景的实际生产力

快速上手

# 克隆项目
git clone https://github.com/carnot-tech/consulting-pptx-skill.git
# 按 README 将 skill 目录配置到 Claude Code 的 skills 路径
# 在对话中描述你的内容需求，AI 将按规范生成 PPTX

项目为 MIT 许可，可直接嵌入现有工作流。

它是什么

fanzha-ai-proxy 是一个将国家反诈中心公开的 AI 接口，转换为 OpenAI 兼容格式的反向代理服务。项目明确标注“仅学习用途”，本质是一个协议适配层，让现有 OpenAI SDK 能直接调用反诈 AI 能力。

核心亮点

• 零代码迁移：无需修改业务代码，只需替换 base_url 即可接入
• 协议兼容：完整实现 /v1/chat/completions 等 OpenAI 端点
• 轻量部署：单文件 Go 服务，无外部依赖，支持 Docker 一键启动
• 请求透传：保留原始 API 的流式响应与参数映射逻辑

为什么火

285 星在短期获得，核心在于“反诈”这一强公共话题与 AI 结合的技术反差。开发者好奇官方 AI 能力边界，而该项目提供了一种低门槛的逆向调用演示，同时“仅学习用途”的免责声明又降低了法律传播风险，引发技术社区围观。

适合谁用

• 想研究国内政务 AI 接口设计模式的开发者
• 已有 OpenAI 应用、希望快速切换测试不同后端的学生/研究者
• 对 API 网关协议转换感兴趣的 Go 初学者

快速上手

git clone https://github.com/lfzk550/fanzha-ai-proxy
cd fanzha-ai-proxy
# 配置环境变量（需自行获取反诈AI的API Key）
export FANZHA_API_KEY="your_key"
docker compose up -d
# 使用任何OpenAI客户端，指向 http://localhost:8080/v1 即可

注意：项目仅供学习协议转换，请勿用于生产环境或商业用途。

它是什么

StrikeAgent_AtkBrain-Flash 是夜安团队开源的 AI 渗透测试平台，聚焦红队打点、SRC 漏洞挖掘与 CTF 竞赛场景，将攻击思维编码为可复用的智能 Agent 工作流。

核心亮点

• 红队专精：内置攻击路径推理引擎，能自动生成多步渗透方案，而非简单命令拼接
• 场景化大脑：针对 SRC 资产测绘、CTF 逆向/密码学等细分任务，预置领域知识库
• 交互式决策：支持自然语言描述目标，Agent 自主规划并动态调整利用策略

为什么火

当前 AI 安全工具多停留在辅助扫描层面，而该项目直接挑战“自动攻击”这一高价值难题。276 星虽不算爆发，但在红队圈层传播迅速——它证明了 LLM 能理解复杂攻击链，而非仅做漏洞匹配，这恰好踩中安全从业者对“AI 黑客”的想象阈值。

适合谁用

• 红队工程师：快速验证多步攻击路径，节省手动探测时间
• SRC 猎人：用对话式交互批量测试资产，提升漏洞覆盖面
• CTF 玩家：作为解题助手，获取跨题目类型的思路提示

快速上手

git clone https://github.com/Yean-Sec/StrikeAgent_AtkBrain-Flash
cd StrikeAgent_AtkBrain-Flash
pip install -r requirements.txt
python main.py --target example.com --mode redteam

需自行配置 LLM API Key（支持 OpenAI 兼容接口），首次运行将加载红队知识图谱。注意：仅限授权测试环境使用。