本周新建热门 AI 项目

它是什么

Magpie 是一个 macOS 菜单栏工具，让任意 AI Agent 都能跑在任意模型上。一句话概括：把 Codex 接到 DeepSeek，把 Claude Code 接到 Kimi，从菜单栏一键切换。

核心亮点

• 模型解耦：Agent 与模型不再绑定，Claude Code 不必只用 Claude，Codex 也能跑 DeepSeek
• 菜单栏常驻：无需改配置文件，点一下即可切换后端
• 多 Agent 支持：覆盖 Claude Code、Codex、Gemini CLI 等主流工具
• Go 编写，MIT 开源：轻量、无依赖负担

为什么火

模型迭代速度远超 Agent 工具，用户想用便宜或更强的模型，却常被官方绑定限制。Magpie 精准解决了这个痛点——用中转层打破厂商锁定，让"最好的 Agent + 最好的模型"自由组合。

适合谁用

• 想用 Claude Code 但更信任 DeepSeek/Kimi 的开发者
• 需要在多个模型间快速对比效果的工程师
• 追求性价比、不愿被单一厂商绑定的重度 AI 用户

快速上手

brew install yetone/tap/magpie

或从 GitHub Releases 下载，启动后常驻菜单栏，选择 Agent 与目标模型即可。

它是什么

jevgrep 是一款面向编码智能体的命令行工具，用自然语言描述代码功能来定位文件与上下文，替代传统的关键词 grep。

核心亮点

• 语义检索：直接问"哪里处理鉴权"，而非猜变量名
• 上下文打包：不只返回文件路径，还附带相关源码片段
• 智能体友好：专为 Claude Code、Codex 等 CLI 编码代理设计
• TypeScript 编写，基于 Vercel AI Gateway 与 Jev 引擎

为什么火

编码智能体最大的瓶颈是"找对文件"。关键词搜索对模糊意图无能为力，jevgrep 把语义检索做成 CLI 原语，让代理少走弯路、少烧 token，恰好踩中 agentic coding 的刚需。

适合谁用

• 构建编码智能体的开发者
• 在大型代码库中频繁定位逻辑的工程师
• 用 Claude Code / Codex 做日常开发的重度用户

快速上手

npx jevgrep "处理用户登录的代码"

MIT 许可，直接接入现有智能体工作流即可。

它是什么

golive-skill 是一个面向 AI Agent 的开源 Skill，帮你在自己的账号体系内完成产品上线：主机托管、数据库、域名、邮箱、支付，全部走你自己的服务商账户。

核心亮点

零依赖 Node CLI，流程固定为 detect → plan → approve → apply → verify。支持 Vercel、Netlify、Cloudflare、Neon、Supabase，域名商覆盖 GoDaddy、Porkbun 等。无需注册 GoLive 账号，无后端、无遥测，MIT 协议。

为什么火

Agent 能把代码写完，却常常卡在“最后一公里”——部署、DNS、数据库连接。这个项目把上线流程拆成可审批的确定性步骤，且不托管你的凭证，安全边界清晰，正好补上 Agent 工作流的缺口。

适合谁用

用 Claude Code、Codex 等构建产品，希望一键把 Demo 推上线的独立开发者与小型团队。

快速上手

克隆仓库，将 Skill 挂载到你的 Agent，运行 CLI 后按提示逐步确认即可。

它是什么

Strata 是一个 C++ 编写的本地推理引擎，目标很“反直觉”：让 125B 参数的 Qwen3.8-Flash-Next（MoE 架构）跑在 8GB 显存的 NVIDIA GPU 上，支持 Windows / Linux 一键安装。

核心亮点

• 极限显存压缩：通过 MoE 稀疏激活 + 分层卸载，把百亿级模型塞进消费级显卡。
• 本地 API 兼容：在 localhost 暴露 OpenAI / Anthropic 双协议接口，现有客户端可直接接入。
• 可选图像输入：支持多模态场景，不局限于纯文本。
• MIT 协议：商用友好，C++ 实现意味着低运行时开销。

为什么火

“125B 模型 + 8GB 显卡”本身就是传播钩子。它切中了本地部署玩家最痛的点——不是不想跑大模型，而是显存不够。一键安装进一步降低了门槛，1039 星说明社区对“平民化大模型”需求真实存在。

适合谁用

显存有限但想本地跑大模型的开发者、需要私有化 API 的中小团队，以及喜欢折腾推理优化的 C++ 爱好者。

快速上手

前往 GitHub Releases 下载对应平台安装包，运行后按提示启动服务，即可在 localhost 调用兼容 OpenAI 的接口。

它是什么

onetake 是一个 Claude Agent Skill，用 Python 编写，专为产品发布片和功能演示生成“一镜到底”的动效视频。它拒绝传统幻灯片式的分镜切换，让每个画面节奏都从前一帧自然生长出来。

核心亮点

• 单镜头连续性：整条片子由一台虚拟摄像机贯穿，没有硬切。
• Oracle 连续性度量：用“神谕”机制量化帧与帧之间的连贯性，确保过渡不突兀。
• Agent 原生：作为 Claude Skill 运行，用自然语言描述需求即可驱动生成。

为什么火

产品发布视频的制作门槛高、周期长，而 onetake 把“连续动效”抽象成可复用的 Agent 能力，823 颗星说明开发者对“AI 直接产出高质量演示片”有强烈需求。

适合谁用

独立开发者、产品营销人员，以及想用 Claude 快速生成发布视频、又不想学复杂动效工具的人。

快速上手

将仓库作为 Claude Skill 加载，用自然语言描述产品卖点和节奏，Agent 会调用 onetake 生成连续镜头视频。建议先跑通官方示例，再替换成自己的素材。

它是什么

short-video-generator-AI 是一条用 Python 编写的 AI 视频处理流水线，能把长视频自动切成适合抖音、Reels、Shorts 的竖屏短片。它串联了 LLM、Whisper 转录、高光检测和自动剪辑四个环节，全程无需人工逐帧挑选。

核心亮点

• 端到端自动化：从转录到成片一条流水线跑完，不需要在多个工具间来回切换
• LLM 驱动高光识别：用大模型理解语义，而非单纯靠音量或画面变化找爆点
• Whisper 精准转录：字幕生成与时间轴对齐一步到位
• 竖屏适配：输出直接符合短视频平台的画幅要求

为什么火

Opus Clip 这类商业工具按量收费，而它用开源方案复刻了核心能力。731 星的增长说明创作者对"本地可控、零边际成本"的剪辑自动化有真实需求。

适合谁用

内容创作者、播客主、做视频分发的运营，以及想研究 LLM+音视频流水线的开发者。

快速上手

git clone https://github.com/yukitorido/short-video-generator-AI
cd short-video-generator-AI
pip install -r requirements.txt

配置好 LLM API Key 后，放入长视频即可运行。MIT 协议，商用无限制。

它是什么

awesome-jev 是围绕 TypeSafe AI 决策模型 System One（代号 Jev）的资源索引库，收录 1207 条公开资源，按决策模式分类整理。

核心亮点

• 按决策模式索引：不是简单堆链接，而是按 Jev 的决策范式组织，便于检索调用场景。
• 可验证性：每条来源附引用，链接检查带日期戳，调用点文本检查定期执行。
• 双语 + 结构化：中英对照，提供 JSON schema，并标注平台兼容性。
• 边界清晰：作者明确声明不独立测试运行时与性能，避免误导。

为什么火

System One 类决策模型近期在 agent 工具选择、意图路由和上下文压缩场景中热度上升，而这类资源此前散落各处。该项目以“可追溯 + 定期校验”的工程化方式聚合，恰好补上空白，对做 agent 工具链的开发者有直接参考价值。

适合谁用

构建 AI agent、需要工具选择/意图路由/上下文压缩方案的工程师，以及研究决策模型分类体系的研究者。

快速上手

克隆仓库后按决策模式目录浏览，或直接读取 JSON schema 接入自有检索流程。

它是什么

ClaudeAnimationBase 是一个面向手绘卡通动画的开源起步套件，把 p5.js 与 p5.brush 组合成可复用的动画底座，并内置角色 Clawd 与 31 种已表演情绪，同时附带一份给 Claude 的提示指南，让模型能直接参与动画生成。

核心亮点

• 手绘质感渲染：p5.brush 提供笔触、纹理与纸张感，避免传统 Canvas 动画的“数码味”。
• 情绪驱动表演：31 种情绪不是简单表情切换，而是可被模型调用的动作语义单元。
• 模型协作友好：项目自带 Claude 使用指南，降低提示工程门槛，让 AI 真正成为动画协作者。

为什么火

它踩中了两个趋势：AI 辅助创意编程，以及“可被模型理解”的动画资产。544 星说明开发者对“让 Claude 直接做动画”这件事有真实需求，而项目给出了最小可运行路径。

适合谁用

想用 AI 快速产出卡通短片的内容创作者、研究生成式动画的开发者，以及需要情绪化角色原型的独立游戏作者。

快速上手

克隆仓库后，按 README 安装依赖，运行本地服务即可看到 Clawd 的示例动画。修改情绪配置或提示词，就能让 Claude 生成新的表演段落。

它是什么

lemo-opuscar 是一个面向 AI 视频创作的风格提示词库，收录了 39 种影片风格。每种风格都包含一段可复用的 style prompt，以及一部完全由 Claude Opus 5.5 用代码生成的短片样片。

核心亮点

• 提示词 + 样片双配套：每种风格不只是文字描述，还附带一段纯代码实现的短片，直观展示效果边界。
• 代码即导演：样片基于 Canvas、Three.js、WebGL 和 FFmpeg 生成，配合 TTS 完成配音，全程无需剪辑软件。
• Agent 友好：提示词专为 AI Agent 设计，接入 Claude Code 等工具即可让智能体自动执导。

为什么火

它切中了 AI 视频创作的两个痛点：风格难以稳定复现、提示词与成品脱节。39 种风格的样片全部开源可跑，开发者能直接拆解、替换故事内容，快速验证创意。

适合谁用

独立开发者、创意编程爱好者、想用 Agent 批量生产短视频的内容团队，以及研究 AI 视频提示工程的从业者。

快速上手

克隆仓库后浏览 styles/ 目录挑选风格，将对应 prompt 交给你的 Agent，替换故事文本即可生成新片。样片代码可直接运行，便于二次修改。

它是什么

3dicon 是一个 Claude Code 技能（Skill），输入一段文字提示词，直接输出带真实透明通道的循环动画 3D 图标。用 Python 编写，MIT 协议开源。

核心亮点

• 一句话生成：无需建模、绑定、调动画，提示词即产出
• 真透明：输出带 Alpha 通道，可直接叠到任意背景，不是伪透明或绿幕抠像
• 无缝循环：动画首尾自然衔接，适合 UI 动效、Loading 状态、品牌视觉
• Claude Code 原生集成：作为 Skill 挂载，在对话流里完成全流程

为什么火

3D 图标制作长期卡在工具链门槛上——Blender 学习曲线陡，素材库又难定制。这个项目把「提示词→可用资产」压缩成一步，且解决了透明通道这个实际落地时最痛的细节，对做产品界面和营销物料的人吸引力直接。

适合谁用

前端/UI 设计师需要动态图标素材、独立开发者做产品视觉、内容创作者批量产出 3D 动效，以及任何已在使用 Claude Code 工作流的人。

快速上手

克隆仓库后按 README 将 Skill 注册到 Claude Code，随后在会话中描述你想要的图标（如"一个循环旋转的蓝色齿轮"），即可获得带透明通道的动画文件。