本周新建热门 AI 项目

它是什么

answer-me-with-html 是一个 AI Agent 技能包：当用户提出复杂问题时，Agent 不再输出大段 Markdown 文字，而是生成一页结构清晰、可直接阅读的 HTML 页面作为回答。

核心亮点

• 一页 HTML 作答：自动排版标题、卡片、表格、流程图，比纯文本更易读
• Agent Skill 形态：适配 Claude Code / Claude Skills，安装即用
• 内置图表能力：适合解释架构、对比方案、梳理流程
• MIT 协议：JavaScript 实现，易于二次开发

为什么火

大模型回答复杂问题时，Markdown 长文往往信息密度低、结构混乱。这个项目用「HTML 即答案」的思路，把回答变成可视化文档，配合 Claude Skills 生态快速传播，短时间收获 2300+ Star。

适合谁用

经常用 Claude Code 做技术调研、方案对比、架构讲解的开发者；以及希望让 Agent 输出更结构化结果的产品和写作人群。

快速上手

git clone https://github.com/QingYunA/answer-me-with-html

将 skill 目录放入 Claude Code 的 skills 路径，之后提问复杂问题时，Agent 会自动生成 HTML 页面作答。

它是什么

replica-skill 是一套面向 Claude 的免费技能包，包含 11 个可组合的 Skill，覆盖「逆向分析 → 重建 → 测试 → 修复」的完整应用克隆流程。用 Python 编写，MIT 协议开源。

核心亮点

• 全链路闭环：从拆解目标应用的架构与交互，到用代码复刻，再到自动化跑测试找 bug，最后针对用户吐槽点定向修复，一条流水线走完。
• Skill 化设计：每个环节拆成独立 Skill，可按需调用、自由组合，而不是一个臃肿的黑盒脚本。
• 面向 Claude Code：直接挂载到 Claude 工作流中，让 Agent 边分析边动手，而非只给建议。

为什么火

独立开发者对「快速验证一个点子」的需求极其旺盛，而克隆成熟应用是最省事的起点。项目把逆向、重建、测试、改进打包成可复用技能，正好切中 indie hacker 的痒点，加上 MIT 免费，1066 星起步不算意外。

适合谁用

想快速做竞品原型或练手的独立开发者、需要批量分析同类产品的 SaaS 团队，以及研究 Agent 技能编排的工程师。

快速上手

克隆仓库后，将 skills 目录接入你的 Claude Code 配置，按 README 指定目标应用 URL 或代码库，依次触发分析、重建、测试、修复四个阶段即可。

它是什么

Leviathan 是一个用 Rust 编写的单文件静态二进制工具，专为 Agent 的深度记忆检索设计。它能把 JSONL、JSON、CSV/TSV、SQLite 乃至任意数据库 CLI 导出的记录，快速转成带排序的全文本索引。

核心亮点

• 零依赖部署：单个静态二进制，无运行时负担
• 格式通吃：结构化与非结构化数据一网打尽
• 排序检索：不只是全文匹配，还带相关性排序
• 面向 Agent：为大规模数据集上的长期记忆场景而生

为什么火

Agent 应用普遍受困于"记忆"问题——上下文窗口有限，外部数据又难以高效检索。Leviathan 用极简的方式解决了这个痛点：不需要向量数据库、不需要复杂管线，一条命令就能把海量记录变成可查询的索引。Rust 带来的性能与单二进制分发的便利，正好切中开发者对"轻量 + 快"的诉求。

适合谁用

构建 LLM Agent、需要为模型接入私有数据集的开发者；以及任何想用最轻方式给大规模记录加全文检索能力的工程师。

快速上手

# 编译后直接对数据文件建索引
leviathan index ./data.jsonl
# 查询
leviathan search "关键词"

具体参数参见仓库 README。

它是什么

ARTEX 是一个用 Go 编写的 AI 自主渗透测试系统，曾获百度"agent+"攻防挑战赛冠军。它让 AI Agent 像人类渗透测试员一样，自主完成信息收集、漏洞探测到利用的完整攻击链。

核心亮点

• 全自主决策：无需人工逐步指令，Agent 根据目标环境动态规划攻击路径
• Go 语言实现：单二进制部署，并发性能强，适合大规模目标扫描
• 攻防实战验证：冠军项目出身，经过真实对抗场景检验

为什么火

AI Agent 与网络安全结合是当前热门方向，而 ARTEX 拿出了可落地的完整系统而非概念验证。687 星虽不算爆款，但在垂直安全工具中增长势头明显，冠军头衔也为其背书。

适合谁用

• 安全研究人员探索 AI 驱动的自动化攻防
• 红队成员测试 AI Agent 的实战能力
• Go 开发者研究 Agent 架构与工具编排

快速上手

git clone https://github.com/mhtsec/ARTEX
cd ARTEX && go build

配置目标与 LLM API Key 后即可启动自主测试流程。注意 AGPL-3.0 协议，商用需谨慎。

它是什么

ARTEX 韩语版（artex-ko）是 AI 自主渗透测试框架 ARTEX 的本地化分支，上游为 Autumn-27/ARTEX，基于 Go 开发，采用 AGPL-3.0 许可。

核心亮点

在保留原框架 LLM 驱动自主渗透能力的基础上，完成韩语界面与文档的完整本地化。支持 Sigma 规则生成，兼顾红队攻击模拟与蓝队检测工程，输出可直接用于威胁检测。

为什么火

AI Agent 与安全测试的结合是当下热点，而韩语安全社区长期缺乏此类工具的本土化版本。671 星的增长说明本地化需求真实存在，也反映出原项目的技术底子过硬。

适合谁用

韩语区的安全研究员、渗透测试工程师、蓝队检测工程师，以及关注 LLM 自主 Agent 在安全领域落地的开发者。

快速上手

克隆仓库后按 README 配置 LLM API Key 与目标环境，go build 即可运行。建议先在隔离靶场中验证流程。

它是什么

AgentMemoryRepo 是一个面向 AI Agent 的记忆仓库规范（Spec），定义了智能体如何持久化、检索和共享记忆的标准化接口。它不提供具体实现，而是一份让不同框架、不同厂商的 Agent 记忆系统能够互通的协议。

核心亮点

• 规范先行：用统一 Schema 描述记忆的写入、读取、过期与作用域，避免各家重复造轮子
• 框架无关：不绑定 LangChain、AutoGPT 等任何具体生态，任何 Agent 都能接入
• MIT 许可：可自由用于商业项目，便于社区共建

为什么火

Agent 落地最大的痛点之一就是「记不住」——上下文窗口有限，跨会话状态难以保持。此前各家方案各自为政，记忆格式互不兼容。这份规范恰好切中「标准化」这一空白，短时间内获得 600+ star，反映出开发者对统一记忆层的迫切需求。

适合谁用

构建多轮对话、长期陪伴型或任务型 Agent 的开发者；希望自家记忆模块被更多框架兼容的基础设施团队；以及研究 Agent 架构、关注互操作性的研究者。

快速上手

直接访问仓库阅读 SPEC 文档，按 Schema 实现读写接口即可。建议先跑通最小示例，再逐步接入向量库或数据库作为后端存储。

它是什么

Aurelio Finance 是一款可自托管的个人财富分析工具，用 FastAPI + React 构建，把投资组合与净资产追踪整合到一个仪表盘里，并接入 AI 生成洞察。

核心亮点

• 资产全景：统一追踪股票、基金、现金等账户，自动汇总净资产走势。
• AI 洞察：基于持仓数据生成配置分析与风险提示，而非简单图表堆砌。
• 完全自托管：数据留在自己服务器，MIT 协议，无订阅费与隐私顾虑。
• 现代技术栈：Python 后端 + TypeScript/React 前端，易于二次开发。

为什么火

个人财务数据敏感，云服务订阅制又让人疲惫。它恰好踩中「自托管 + AI」两个热点：既满足数据主权诉求，又提供大模型时代的分析体验，635 星的增长说明需求真实存在。

适合谁用

注重隐私的投资者、想统一管理多账户净资产的人，以及希望基于开源代码定制财务工具的开发者。

快速上手

克隆仓库后按 README 用 Docker Compose 启动，配置数据源与 AI API Key 即可访问 Web 界面。

它是什么

Papermorph 是一个 AI 技能（Skill），能把整本书自动转换成带动画、旁白和交互的网页体验——不是简单排版，而是让文字"活"起来。

核心亮点

• 一键生成：输入书籍文本，输出可直接在浏览器打开的交互页面
• 三重体验：动画过渡 + 语音旁白 + 用户可操作的交互元素
• 纯 HTML 实现：无需复杂构建流程，部署门槛极低
• MIT 协议：自由商用与二次开发

为什么火

它踩中了两个热点：AI 内容再创作和沉浸式阅读。把静态文本变成"可玩"的网页，既适合做读书演示，也能用于教育场景。583 星说明开发者对"AI + 出版"这个方向有真实需求。

适合谁用

• 想把电子书变成互动课件的教育工作者
• 做 AI 内容工具的产品开发者
• 需要快速生成书籍 demo 的创作者

快速上手

克隆仓库后，按文档配置 AI 接口，将书籍文本传入 Skill，即可生成 HTML 文件。用浏览器打开就能看到动画与旁白效果，无需额外服务器。

它是什么

EvoVLM 是一个用 LLM 引导进化搜索来优化视觉语言模型推理流程的框架。它把多模态推理程序视为可进化的对象，通过迭代变异与选择，自动找到更准、更省的推理路径。

核心亮点

• LLM 当“进化引擎”：用大模型生成候选推理程序变体，而非随机变异，搜索方向更精准。
• 精度与效率双目标：同时优化准确率和推理开销，避免只堆算力换效果。
• 程序级抽象：把预处理、视觉编码、融合、解码等步骤统一为可组合程序，便于灵活替换。

为什么火

多模态推理成本高、调参靠经验，EvoVLM 把“手工设计流程”变成“自动搜索”，508 星说明社区对自动化 VLM 优化的需求真实存在。

适合谁用

做多模态应用、想压低推理成本又不想牺牲精度的工程师；以及研究 LLM 驱动程序搜索的学者。

快速上手

git clone https://github.com/zzzz7788990213-ops/EvoVLM
cd EvoVLM && pip install -r requirements.txt
python run_evo.py --config configs/default.yaml

建议先跑默认配置观察进化日志，再替换自己的 VLM 后端。

它是什么

Mesh Avatar Studio 是一款开源工具，能把单张插画转换为可动的 2D 网格虚拟形象（VTuber 风格）。它结合编码代理（Claude Code / Codex）与本地编辑器，全程在浏览器中完成。

核心亮点

• 一键生成网格：自动为插画构建可变形网格，无需手动绑骨。
• 编码代理驱动：用自然语言指挥 AI 完成网格划分与动画逻辑。
• 本地可视化编辑器：实时预览、微调顶点与形变效果，基于 WebGL 渲染。
• 轻量纯前端：TypeScript 编写，MIT 协议，无后端依赖。

为什么火

VTuber 与虚拟形象需求旺盛，但传统绑定流程门槛高。该项目把「AI 代理 + 本地编辑器」结合，让非专业动画师也能快速产出可动形象，切中创作者痛点。

适合谁用

独立 VTuber、插画师、直播主，以及想探索 AI 辅助 2D 动画的开发者。

快速上手

git clone https://github.com/shinshin86/mesh-avatar-studio
cd mesh-avatar-studio && npm install && npm run dev

导入插画，按提示调用编码代理生成网格，再在本地编辑器中调整导出即可。