每日热门 AI 项目

它是什么

i-have-adhd 是一个针对 Claude Code 的轻量级 skill 插件，专门解决 AI 编程助手输出冗长、答案淹没在大量解释中的问题。它通过注入 ADHD 友好的输出规则，让 coding agent 直接给出结论，而不是绕圈子。

核心亮点

• 一句话规则：强制 agent 先给最终答案，再附最小化上下文，避免“埋答案”
• 零配置接入：作为 Claude Code 的 skill 安装后即生效，无需修改模型或工作流
• 可定制输出风格：支持“短句模式”“要点模式”等，适配不同 ADHD 用户的注意力特点

为什么火

上线 3 天即获 3.4 万 star，单日增长 4600+。核心原因是戳中了开发者普遍痛点——AI 编程助手越来越啰嗦，而 ADHD 群体（以及所有被信息过载困扰的人）对“直达答案”的需求极其强烈。它用最小的技术成本，解决了最普遍的使用体验问题。

适合谁用

• 自认为有 ADHD 或注意力易分散的开发者
• 使用 Claude Code 但经常被长回复打断思路的程序员
• 任何希望 AI 助手“少废话、多干活”的效率控

快速上手

# 安装到 Claude Code 的 skills 目录
git clone https://github.com/ayghri/i-have-adhd.git
cp -r i-have-adhd ~/.claude/skills/

# 在 Claude Code 中直接提问即可
# 例如：“用这个 skill 帮我重构这个函数”

安装后，agent 的回答会自动精简为先结论、后细节的格式。

它是什么

Tencent 开源的 teamai-cli，是一个面向团队协作场景的 AI 原生命令行工具，旨在将 AI 能力无缝嵌入日常开发流程，让团队“开箱即用”地体验 AI 驱动的协作范式。

核心亮点

• 一键接入：通过 CLI 快速初始化 AI 工作流，支持自定义模型与提示词模板。
• 团队协同：内置共享上下文机制，成员可复用 AI 生成的代码、文档或决策记录。
• 轻量扩展：基于 TypeScript 编写，插件化架构允许按需集成现有 CI/CD 或聊天工具。
• 安全可控：支持本地化部署模型，敏感数据不出内网。

为什么火

上线当天即获 500+ Star，源于开发者对“AI 落地团队协作”的迫切需求。相比个人 AI 助手，它聚焦于多人场景下的知识沉淀与流程自动化，直击企业级痛点，且背靠腾讯的技术背书，可信度高。

适合谁用

• 技术团队 Leader：希望统一团队 AI 工具链，降低试错成本。
• DevOps 工程师：需要将 AI 集成到自动化流水线，减少重复劳动。
• 独立开发者：想快速构建 AI 辅助的协作脚本，但不想从零造轮子。

快速上手

# 安装  
npm install -g @tencent/teamai-cli  
# 初始化项目工作区  
teamai init  
# 运行一个协作任务（如自动生成 PR 描述）  
teamai run --task describe-pr  

详细配置见仓库 README，支持自定义 AI 服务地址与密钥。

它是什么

一个开源的 3D 建筑编辑器，基于 TypeScript 和 React Three Fiber 构建，主打“本地优先”工作流。它不只提供可视化建模界面，还内置了 CLI 和 MCP（模型上下文协议）工具，让人类设计师和 AI 代理都能直接操作建筑模型。

核心亮点

• 双接口设计：图形界面用于手动建模，CLI 和 MCP Server 则让 AI 能通过自然语言或代码生成、修改建筑结构。
• 参数化与 BIM 能力：支持楼层平面、墙体、构件等参数化定义，贴近实际建筑信息模型（BIM）需求。
• 本地优先：数据默认存储在本地，无需云端，适合隐私敏感或离线场景。
• 技术栈现代：用 Next.js + Three.js 实现实时渲染，交互流畅。

为什么火

在 AI 编程助手爆发的当下，它解决了“AI 如何操作专业设计软件”的痛点——通过 MCP 协议，让 Claude、GPT 等代理能直接“驾驶”编辑器，生成可落地的 3D 模型。22874 颗星说明开发者对“AI + 专业工具”的整合路径有强烈兴趣。

适合谁用

• 建筑师和室内设计师：快速验证方案，或让 AI 辅助生成初稿。
• AI 应用开发者：想学习如何为专业软件设计 MCP 接口。
• 前端工程师：对 Three.js 建筑可视化或本地优先架构感兴趣的极客。

快速上手

git clone https://github.com/pascalorg/editor  
cd editor && npm install  
npm run dev  # 启动本地编辑器  
# 另开终端启用 MCP Server  
npx @pascalorg/mcp-server  # 即可接入支持 MCP 的 AI 客户端

它是什么

text-to-cad 是一个面向 CAD / CAE / CAM 领域的 Agent 技能库，提供将自然语言指令转化为三维模型、工程分析或制造流程的 Python 工具集。它基于 STEP、STL 等工业标准格式，让 AI Agent 能直接操作几何内核与仿真环境。

核心亮点

• 多模态技能封装：覆盖从参数化建模到网格生成、装配约束的全链路能力，无需自行调用底层 API。
• 工业格式原生支持：直接读写 STP / STL，兼容主流机械设计软件生态，避免格式转换损耗。
• Agent 友好接口：每个技能以轻量函数暴露，天然适配 ReAct 或 Tool-Use 型 AI 框架。
• MIT 许可：可自由商用与二次开发，无合规负担。

为什么火

15k+ Star 且单日增长近百，核心在于它踩中了 AI for Engineering 的爆发点——将 LLM 从“聊天生成代码”推进到“直接生成可制造的几何实体”。相比通用 3D 生成模型，它更贴近工程实际，且模块化设计让机器人、机械设计团队能快速接入现有 Agent 流水线。

适合谁用

• 机器人开发者：需要快速生成抓取夹具或机构零件的仿真模型。
• 机械工程师：探索用自然语言迭代设计，减少重复建模操作。
• AI Agent 开发者：想为 LLM 增加工程领域 Tool 能力，但不愿从零实现几何内核。

快速上手

pip install text-to-cad

from text_to_cad import create_cylinder

# 生成一个直径 20mm、高 50mm 的圆柱，导出为 STEP
model = create_cylinder(radius=10, height=50)
model.export("part.step")

更复杂的技能（如基于文本描述生成装配体）可参考仓库 examples/ 目录，配合 OpenAI 或本地 LLM 即可在 10 分钟内跑通首个 Demo。

它是什么

TradingAgents 是一个基于多智能体 LLM 的金融交易框架，用 Python 构建。它模拟真实投研团队的分工协作，让多个 AI Agent 分别扮演分析师、交易员、风控官等角色，共同完成从市场研究到交易决策的全流程。

核心亮点

• 多角色协作：内置研究分析师、交易员、风控官等专用 Agent，通过辩论与共识机制生成决策，而非单一模型“拍脑袋”
• 双时间维度：同时处理长期基本面分析与短期市场情绪，兼顾价值投资与择时交易
• 模块化设计：支持接入任何主流 LLM（OpenAI、Claude、Llama 等），可灵活替换数据源与策略模块

为什么火

10 万+ Star 的爆发力来自两点：一是它把“多 Agent 协作”从聊天演示推进到了真实金融场景，技术叙事极具想象力；二是项目提供了完整的回测工具与历史数据接口，开发者能立刻验证“AI 投研团队”的实战效果，而非停留在概念层。

适合谁用

• 量化研究员：快速搭建 LLM 驱动的策略原型
• AI 应用开发者：学习多 Agent 状态机与角色编排范式
• 金融科技爱好者：探索大模型在非结构化数据决策中的边界

快速上手

git clone https://github.com/TauricResearch/TradingAgents
cd TradingAgents
pip install -r requirements.txt
# 配置 API Key 后运行回测
python -m tradingagents.backtest --config config/example.yaml

项目提供清晰的 YAML 配置入口，可调整 Agent 数量、模型温度、投资风格等参数，十分钟内即可跑通一次完整的模拟交易循环。

它是什么

awesome-gpt-image-2 是一个面向 GPT-Image2 的工业级提示词引擎与模板库。它将“提示词”视为可维护的代码资产（Prompt as Code），通过逆向工程 530+ 个真实案例，提炼出可复用的结构化模板与技能模块。

核心亮点

• 530+ 案例逆向工程：从实际生成结果反推有效提示词模式，而非凭空堆砌关键词。
• 20+ 工业级模板：覆盖电商、插画、UI 设计等场景，开箱即用。
• Skills 机制：将复杂提示词封装为可调用的技能模块，支持在工作流中编排。
• 持续更新：随 GPT-Image2 迭代同步演进，保持提示词策略领先。

为什么火

GitHub 上 3 万星、单日 600+ 增长，核心在于它解决了提示词工程的“玄学”痛点——将碎片化的经验沉淀为系统化、可测试的代码结构，让 AI 图像生成从“碰运气”变为“可预期”的工业流程。

适合谁用

• AI 产品开发者：需要稳定生成符合业务规范的图像素材。
• 内容创作者：追求高效产出高质量视觉内容，不愿重复试错。
• 提示词工程师：希望借鉴大规模案例库与模板设计思路。

快速上手

git clone https://github.com/freestylefly/awesome-gpt-image-2
cd awesome-gpt-image-2
# 查看 docs/ 目录下的模板示例
# 将模板中的变量替换后，直接粘贴至 GPT-Image2 对话窗口即可

无需额外依赖，模板即拿即用。建议从“电商产品图”模板开始，感受结构化提示词带来的稳定性差异。

它是什么

PI-Desktop 是一款本地优先的 AI 编程助手桌面应用，采用 Electron + Rust 混合架构，内置 pi Agent Harness 运行时，支持用户自由安装插件扩展能力。它试图将 AI 编码代理从云端拉回本地，让开发者完全掌控数据与执行环境。

核心亮点

• 本地优先：所有推理与代码操作均在本地执行，无强制云端依赖，隐私与速度兼得
• 双核引擎：Rust 负责高性能宿主核心，Electron 提供跨平台 UI，兼顾性能与生态
• 插件化 Agent：通过 pi Agent Harness 支持用户按需安装/编写插件，灵活定制工作流
• MCP 协议支持：内置 Model Context Protocol，可无缝接入外部工具与数据源

为什么火

短短一天涨星 393，GitHub 星标突破 1600，核心在于它精准踩中两大痛点：一是开发者对云端 AI 工具的数据主权焦虑，二是对“开箱即用 + 深度可定制”的矛盾需求。LGPL-3.0 协议允许商业使用，进一步降低了企业采纳门槛。

适合谁用

• 对代码隐私敏感的独立开发者或小型团队
• 需要将 AI 编程能力嵌入现有本地工具链的工程师
• 喜欢折腾插件生态、追求高度定制化的技术极客

快速上手

# 克隆仓库
git clone https://github.com/vastsa/PI-Desktop.git

# 安装依赖
cd PI-Desktop && npm install

# 开发模式启动
npm run dev

# 构建生产版本
npm run build

安装后通过插件市场安装你需要的 Agent 插件，即可在本地开始 AI 辅助编码。

它是什么

ECC（Enhanced Claude Code）是一个面向 AI 编程代理的性能优化系统，为 Claude Code、Codex、Opencode、Cursor 等主流工具提供统一的技能、本能、记忆与安全增强层。基于 MIT 协议开源，采用 JavaScript 编写。

核心亮点

• 技能系统：为代理注入可复用的领域技能，减少重复训练成本
• 本能机制：内置安全护栏与行为偏好，让代理输出更符合团队规范
• 记忆管理：跨会话持久化上下文，避免每次对话“从零开始”
• 研究优先：内置代码库检索与文档索引，提升复杂任务解决效率
• 工具无关：一套配置，适配多种代理环境，降低切换成本

为什么火

25.5 万星标、单日新增千星，说明开发者正苦于代理“每次都要重新教”。ECC 把“调教”变成可配置资产，让 AI 编程从“能用”迈向“好用”，契合了 2025 年企业级 AI 工程化的迫切需求。

适合谁用

• 重度使用 Claude Code/Cursor 的独立开发者
• 需要统一代理行为规范的研发团队
• 从事 AI Agent 框架研究的工程师

快速上手

# 安装 CLI
npm install -g @ecc/cli

# 初始化项目配置
ecc init

# 为当前代理注入增强层
ecc apply --agent claude-code

配置后重启代理，即可体验记忆持久化与技能自动加载。详细文档见项目 README。