本周新建热门 AI 项目

它是什么

Anatomy 是一个面向 AI Agent 的技能模块，能把现实世界中的机器与复杂系统，自动转译成精致、可交互的等距（isometric）插画。输出为高质量 SVG，并可选叠加 WebGL 着色器与 3D 效果。

核心亮点

• 等距视角自动化：无需手动建模，Agent 直接产出结构清晰、层次分明的爆炸图式插画。
• 矢量优先：SVG 保证无限缩放不失真，适合文档、教学与产品说明。
• 可交互增强：可选 WebGL shader 让静态图拥有光影与动态质感。
• MIT 协议：商用友好，易于二次开发。

为什么火

技术解释类内容长期缺乏高质量配图，人工绘制等距插画成本极高。Anatomy 把这件事交给 Agent，几乎零门槛地填补了「文字讲不清、截图不够用」的空白，因此迅速在开发者社区传播。

适合谁用

技术写作者、文档工程师、教育内容创作者，以及需要为复杂系统生成可视化说明的 AI 应用开发者。

快速上手

克隆仓库后，将其作为 skill 接入你的 Agent 工作流，用自然语言描述目标机器或系统，即可生成 SVG；如需 3D 效果，再启用 WebGL 渲染选项。

它是什么

ARTEX 是一个用 Go 编写的 AI 自主渗透测试系统，由百度「Agent+」攻防挑战赛冠军团队开源。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链路。

核心亮点

• 自主决策：基于 LLM 驱动 Agent 规划攻击路径，无需人工逐步下达指令
• 全流程闭环：集成侦察、扫描、利用、后渗透等环节，形成自动化攻击链
• Go 语言实现：单二进制部署，性能高、依赖少，适合快速落地

为什么火

攻防场景对自动化要求极高，而 ARTEX 背靠冠军赛事验证，实战性有说服力。加上「AI+安全」概念正热，4000+ Star 反映了安全圈对 Agent 化工具的强烈需求。

适合谁用

红队工程师、安全研究员、CTF 选手，以及想探索 LLM 在攻防场景落地的开发者。需注意 AGPL-3.0 协议对商用有约束。

快速上手

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

配置 LLM API Key 后即可对授权目标发起测试。请务必在合法授权范围内使用。

它是什么

DigUp 是一款本地优先的语义文件搜索工具，让你按「文件内容」而非文件名来检索照片、PDF、文档、录音、视频和代码。基于 Google DeepMind 的 EmbeddingGemma 2 构建，完全在设备端运行。

核心亮点

• 多模态语义搜索：跨越文本、图像、音视频统一索引，无需手动打标签
• 纯本地推理：基于 llama.cpp 运行嵌入模型，数据不出本机
• 三平台覆盖：Mac、Windows、Linux 全支持，Mac 端以菜单栏应用形态常驻
• MIT 开源：Swift + Tauri 混合栈，便于二次开发

为什么火

在隐私焦虑和本地 AI 浪潮交汇处，DigUp 精准切中「Spotlight 搜不到内容、云盘不敢上传」的痛点。EmbeddingGemma 2 的轻量化让消费级设备也能跑出可用的语义检索质量，3596 星是社区对「本地 RAG 式文件管理」的真实投票。

适合谁用

• 素材、论文、录屏堆积如山，却记不住文件名的创作者与研究者
• 对数据主权敏感、拒绝把私人文件交给云服务的用户
• 想研究端侧嵌入模型落地的开发者

快速上手

前往 GitHub Releases 下载对应平台安装包，首次启动会引导建立索引目录。索引完成后，直接输入自然语言描述（如「上周会议的白板照片」）即可命中目标文件。

它是什么

esp32-iphone-agent 用一块 7 美元的 ESP32 把真实 iPhone 变成 AI Agent 的执行终端：AirPlay 负责"看"屏幕，USB HID 负责"动手"操作。无需 Mac、无需开发者账号、无需越狱。

核心亮点

• 极低成本：ESP32-S3 即可，硬件门槛几乎为零
• 双通道设计：AirPlay 镜像获取视觉输入，USB HID 模拟键鼠输出，绕开 iOS 封闭生态
• 模型无关：兼容任意 OpenAI 格式的视觉模型，Claude、GPT、本地模型均可接入
• 零侵入：不改系统、不装 App，iPhone 保持原样

为什么火

它把"computer use"从云端虚拟机拉回了物理世界——AI 操作的是真机、真 App、真账号。对想验证移动端 Agent 落地的开发者来说，这是目前最便宜、最快能跑起来的方案。

适合谁用

做 GUI Agent 研究、RPA 自动化、移动端测试，或想折腾 AI 操控真机的独立开发者。

快速上手

克隆仓库 → 烧录 ESP32 固件 → 连接 iPhone 开启 AirPlay 与 USB HID → 配置模型 API Key → 运行 Python 主程序即可。MIT 协议，自由改造。

它是什么

ARTEXX 是一套用 Go 编写的 AI 自主渗透测试系统，源自百度“agent+”攻防挑战赛冠军项目 Autumn-27/ARTEX。

核心亮点

让 AI Agent 自主完成侦察、漏洞发现到利用的完整链路，而非只做单点辅助。Go 语言带来高并发与易部署优势，适合长时间自动化任务。

为什么火

攻防场景天然适合 Agent 落地，加上“冠军项目”背书和 1200+ star，验证了社区对自主安全 Agent 的真实需求。

适合谁用

安全研究员、红队工程师，以及想研究 AI Agent 在真实攻防中落地的开发者。

快速上手

克隆仓库后按 README 配置模型与目标环境，即可启动一次自主测试流程。

它是什么

Talorys 是一个完全运行在你自己的 Cloudflare 账号里的个人 AI Agent。聊天、记忆、任务、笔记、定时提醒一应俱全，一条命令即可部署：npx create-talorys@latest。

核心亮点

• 数据自持：跑在 Cloudflare Workers + Durable Objects 上，无第三方后端，无遥测。
• 单用户设计：不搞多租户复杂度，专注做你的私人助理。
• 功能完整：对话、长期记忆、待办、笔记、定时提醒开箱即用。
• 免费额度友好：Workers AI 与免费套餐即可起步，成本近乎为零。

为什么火

在"AI 助手即服务"泛滥的当下，Talorys 反其道而行：不订阅、不上传、不锁定。Cloudflare 边缘网络的低延迟加上 Durable Objects 的状态持久化，让"自托管 AI 助理"第一次变得如此轻量。

适合谁用

注重隐私的开发者、想低成本跑个人 Agent 的技术爱好者，以及希望以 TypeScript 为起点二次开发的人。

快速上手

npx create-talorys@latest

按提示登录 Cloudflare 账号，几分钟后你的专属 Agent 就上线了。

它是什么

new-term-radar 是一个用 Python 编写的「新词雷达」，每天自动扫描 X、Hugging Face、GitHub 和网站 sitemap，捕捉刚冒头的新 AI 模型、产品和仓库名称——在关键词工具收录它们之前。

核心亮点

• 多源交叉监控，覆盖社交、模型库、代码托管与站点地图
• 比 Google Trends、传统 SEO 关键词工具更早发现新词
• 支持 MCP Server 与 Claude Skills，可直接接入 AI 工作流
• MIT 协议，轻量可自托管

为什么火

AI 领域新词爆发速度远超关键词工具更新周期，做 SEO、内容选题和趋势追踪的人普遍存在「发现太晚」的痛点。项目切中这一刚需，加上 MCP 生态热度，短期内收获近千星。

适合谁用

SEO/增长从业者、AI 内容创作者、趋势研究员，以及想第一时间跟进新模型与新项目的开发者。

快速上手

git clone https://github.com/zhuyansen/new-term-radar
cd new-term-radar && pip install -r requirements.txt

配置数据源凭证后运行主脚本，即可获得每日新词清单；也可作为 MCP Server 挂载到 Claude Code 中调用。

它是什么

Mailcheap 是一款面向 Agent 时代的开源邮件通讯工具，由 marclou 开发。你可以选择自托管，或直接使用托管服务 mailcheap.ai。项目用 JavaScript 编写，采用 AGPL-3.0 协议。

核心亮点

• MCP 支持：原生集成 Model Context Protocol，让 AI Agent 能直接读写邮件、管理订阅者
• 自托管优先：数据完全掌握在自己手里，不依赖第三方 SaaS
• Next.js 技术栈：现代前端框架，部署和维护门槛低
• AI Agent 友好：专为自动化工作流设计，邮件发送、订阅管理都能被 Agent 调用

为什么火

AI Agent 正在接管越来越多的工作流，但邮件通讯这一环长期缺乏「Agent 原生」的工具。Mailcheap 填补了这个空白——它不是给人类用的 Newsletter 工具加个 API，而是从底层就假设操作者可能是 AI。加上自托管选项和 AGPL 协议，对注重隐私和可控性的开发者很有吸引力。

适合谁用

• 想搭建独立 Newsletter 的技术博主
• 需要让 AI Agent 自动处理邮件订阅的开发者
• 对数据主权敏感、倾向自托管的团队

快速上手

git clone https://github.com/marclou/mailcheap
cd mailcheap
npm install
npm run dev

配置环境变量后即可本地运行，也可参考仓库文档部署到自己的服务器。不想折腾的话，直接用 mailcheap.ai 托管版即可。

它是什么

Tracely-ai 是一个基于 Python 的 AI 可观测性工具，为 LLM 应用提供调用链追踪与调试能力。MIT 协议开源，当前已获 817 颗星。

核心亮点

• 自动记录每次 LLM 调用的输入、输出、耗时与 token 消耗
• 支持多步骤 Agent / Chain 的嵌套追踪，一眼看清调用链路
• 轻量接入，几行代码即可嵌入现有项目
• 本地可视化面板，无需依赖外部 SaaS 服务

为什么火

LLM 应用调试普遍痛苦：黑盒调用、成本不透明、链路难复现。Tracely-ai 用极低接入成本填补了这一空白，且完全自托管，契合开发者对数据隐私的诉求。

适合谁用

构建 RAG、Agent、多轮对话系统的 Python 开发者，以及需要排查线上 LLM 调用异常、优化 token 成本的工程团队。

快速上手

pip install tracely-ai

在代码中初始化 tracer 并包裹 LLM 调用，启动本地面板即可查看完整追踪记录。详见仓库 README。

它是什么

big-arrow-on-the-screen 是一款 macOS 原生小工具，让 AI Agent 能在你的屏幕上直接画出大箭头、方框和文字标注。一条 CLI 命令即可调用，标注层点击穿透、自动消失，不打断你手头的工作。

核心亮点

• 为 AI 而生：作为 Claude Code 和 Codex 的 Skill 直接集成，Agent 想"指给你看"时随时调用
• 点击穿透：覆盖层不抢焦点、不挡操作，标注归标注，干活归干活
• 自动清理：画完自己消失，无需手动擦除
• Swift 原生：轻量、启动快，MIT 协议开源

为什么火

AI 编程助手越来越强，但"说清楚在哪儿"一直是痛点——文字描述十句不如箭头一指。这个项目用极小的成本补上了 Agent 与人类视觉沟通的最后一环，思路简单却直击刚需。

适合谁用

用 Claude Code / Codex 做开发、调试、演示的 Mac 用户；也适合任何想让 AI 输出"可视化指引"的自动化场景。

快速上手

git clone https://github.com/franzenzenhofer/big-arrow-on-the-screen
# 按 README 安装 CLI 并授予辅助功能权限
# 作为 Skill 接入 Claude Code / Codex 即可