每日热门 AI 项目

它是什么

i-have-adhd 是一个 Claude Code 技能插件，专门解决编程 Agent 回答"绕圈子"的问题。它强制 AI 把答案放在最前面，用 ADHD 友好的方式输出——短句、要点、直击结论。

核心亮点

• 结论先行：不再让 AI 用三段铺垫才说出关键信息
• 极简输出：砍掉冗余解释和客套话，只留可执行内容
• 即插即用：作为 Claude Code 的 skill 安装，无需改造工作流
• MIT 协议：完全开源，可自由修改提示词模板

为什么火

单日涨星 3400+，累计 4 万星。它戳中了一个普遍痛点：AI 编程助手越来越啰嗦，开发者要的是答案不是论文。这个项目用"ADHD 友好"这个精准标签，把"我要短答案"的需求产品化了。

适合谁用

• 被 AI 长篇大论折磨的开发者
• 需要快速扫读、边写边查的工程师
• 任何觉得"AI 回答太长看不下去"的人

快速上手

# 作为 Claude Code skill 安装
git clone https://github.com/ayghri/i-have-adhd
# 按 README 指引放入 skills 目录即可

安装后，你的 Agent 会开始说人话。

它是什么

DeskcommCRM 是一款开源的 AI 销售操作系统，将自托管 CRM 与原生 AI Agent、WhatsApp（WAHA）深度整合，定位为 Kommo、Octadesk、Intercom 的开源替代方案。

核心亮点

• 原生 AI Agent：内置 RAG 与 MCP 支持，AI 可直接参与销售对话与客户跟进
• WhatsApp 原生集成：基于 WAHA 打通 WhatsApp API，覆盖以聊天为核心的销售场景
• 多租户架构：一套实例服务多个业务线或客户
• 自托管 + LGPD 合规：数据自主可控，满足巴西数据保护法规
• 技术栈现代：TypeScript、Next.js、Supabase，并集成 Nuvemshop 电商生态

为什么火

WhatsApp 是拉美及新兴市场的主要销售渠道，但主流 CRM 多为闭源 SaaS 且价格高昂。DeskcommCRM 用开源方式补齐"聊天销售 + AI 自动化"这一空白，单日 126 星的增长说明需求真实存在。

适合谁用

通过聊天成交的中小企业、电商团队、客服外包商，以及希望自托管、重视数据合规的技术团队。

快速上手

git clone https://github.com/melgarafael/DeskcommCRM

参照 README 配置 Supabase 与 WAHA 环境变量后即可启动，MIT 协议允许自由商用与二次开发。

它是什么

PI-Desktop 是一款本地优先的 AI 编程智能体桌面应用，由 Electron 前端、Rust 宿主核心与 pi Agent Harness 三层架构组成，支持用户自行安装插件扩展能力。

核心亮点

• 本地优先：代码与上下文留在本机，不依赖云端会话托管。
• Rust 宿主核心：性能与安全边界更稳，长任务不易崩。
• 插件可装可卸：像编辑器一样按需拼装 Agent 能力。
• MCP 与 i18n 支持：对接主流工具协议，多语言界面开箱可用。

为什么火

单日新增 545 星，说明开发者对「可掌控的本地编程 Agent」有强烈需求——既想要 Agent 的自动化，又不愿把仓库交给黑盒云服务。

适合谁用

注重隐私的独立开发者、需要离线/内网环境的团队，以及想基于插件体系二次开发的工程师。

快速上手

前往 GitHub Releases 下载对应平台安装包，启动后在设置中配置模型与 MCP 服务，再按需安装插件即可。

它是什么

CloddsBot 是一个基于 Claude 构建的开源自主 AI 交易代理，能跨 1000+ 市场自动运行，覆盖 Polymarket、Kalshi、Binance、Hyperliquid、Solana DEX 及 5 条 EVM 链。

核心亮点

• 全市场扫描：预测市场、CEX、DEX、永续合约一网打尽，自动寻找套利与定价偏差
• 即时执行：发现 edge 后毫秒级下单，支持高频与跨链操作
• 风险管理：内置仓位与风控逻辑，睡觉时也能持续运行
• Agent 商业协议：集成 x402，支持机器对机器支付
• 完全自托管：MIT 协议，数据与私钥掌握在自己手中

为什么火

单日新增 627 stars，踩中了 AI Agent + 预测市场 + 加密套利三重热点。Claude 的推理能力让策略不再是死板规则，而是能动态判断市场情绪与赔率错配。

适合谁用

• 想跑自动化套利但不想从零写基础设施的量化玩家
• 关注预测市场与 DeFi 交叉机会的交易者
• 研究 AI Agent 商业闭环的开发者

快速上手

git clone https://github.com/alsk1992/CloddsBot
cd CloddsBot && pnpm install
# 配置 API Key 与钱包，参考 README 启动

TypeScript 技术栈，需自备 Claude API 与各交易所凭证。

它是什么

LLM Wiki 是一款跨平台桌面应用，能把你的本地文档自动转化为一张互相链接、持续演进的知识网络。它不采用传统 RAG 每次从零检索的模式，而是让大模型增量式地构建并维护一个持久化的 Wiki。

核心亮点

• 增量建库：新文档加入后自动融入既有知识结构，而非重建索引。
• 双向链接：条目之间自动建立关联，形成可导航的知识图谱。
• 持久记忆：知识沉淀在本地 Wiki 中，越用越聪明。

为什么火

它击中了 RAG 的痛点——每次问答都从碎片重新拼凑，缺乏积累。LLM Wiki 把「检索」升级为「编纂」，让个人知识库真正随时间生长。单日 640 星的增长，说明开发者对「第二大脑」类工具的需求正盛。

适合谁用

研究者、写作者、需要长期管理大量资料的知识工作者，以及想摆脱重复检索、追求知识复利的 AI 应用开发者。

快速上手

前往 GitHub 仓库 nashsu/llm_wiki 下载对应平台安装包，导入文档目录，配置模型 API 即可开始自动建库。

它是什么

MathModelAgent 是一个专为数学建模竞赛打造的 AI Agent，能自动完成从问题分析、模型构建、代码求解到论文撰写的全流程，最终输出一份可直接提交的完整论文。

核心亮点

• 端到端自动化：输入赛题，输出论文，覆盖建模全链路
• 模块化 Skills 设计：将建模拆解为可复用的能力单元，便于扩展与调试
• 论文级输出：生成结构完整、格式规范、可直接提交的成品
• 纯 Python 实现：轻量易集成，方便二次开发

为什么火

数学建模竞赛时间紧、任务重，选手常在三天的赛程中疲于奔命。该项目精准切中痛点，把重复性劳动交给 Agent，让参赛者聚焦于核心思路。加上 LLM Agent 赛道正热，单日新增 132 星可见其传播势能。

适合谁用

• 参加美赛、国赛等数学建模竞赛的学生
• 想研究 Agent 在垂直领域落地的开发者
• 需要快速验证建模思路的研究人员

快速上手

git clone https://github.com/jihe520/MathModelAgent
cd MathModelAgent
pip install -r requirements.txt

配置 LLM API Key 后，将赛题输入即可启动自动建模流程。建议先跑官方示例熟悉输出格式。

它是什么

Hyperresearch 是一个由 Agent 驱动的研究知识库。它让 AI 代理自动搜集、检索并综合网络研究资料，沉淀为可持久保存、可搜索的 Wiki。

核心亮点

• Agent 自动完成资料采集与整合，无需人工搬运
• 研究结果沉淀为持久化 Wiki，而非一次性对话
• 支持全文检索，知识可复用、可追溯
• 与 Claude Code 等 Agent 工具链打通

为什么火

深度研究类 Agent 正热，但多数工具产出即弃。Hyperresearch 把「研究过程」变成「可积累资产」，切中了知识工作者对长期记忆的刚需，上线不久即获 2.5k star。

适合谁用

需要持续跟踪某领域动态的研究者、分析师、独立开发者，以及想给 Agent 配上「外脑」的 Claude Code 用户。

快速上手

git clone https://github.com/jordan-gibbs/hyperresearch
cd hyperresearch && pip install -e .

配置好 Agent 与 API Key 后，即可发起首次研究任务并生成本地 Wiki。

它是什么

OpenResearch 是 alphaXiv 团队推出的开源研究代理框架，用 Rust 编写，允许你同时运行多个并行研究代理，并自由接入任意模型。

核心亮点

• 并行代理：多个研究任务同时执行，而非串行等待，大幅压缩调研时间
• 模型无关：不绑定特定 LLM，OpenAI、Anthropic、本地模型均可接入
• Rust 性能：底层用 Rust 实现，并发调度和资源占用控制更稳
• MIT 协议：完全开源，可自由修改和商用

为什么火

AI 研究自动化是当前热点，但多数工具锁定单一模型或只能串行工作。OpenResearch 同时解决"并行"和"模型自由"两个痛点，加上 Rust 带来的性能优势，发布后迅速获得关注。

适合谁用

需要批量文献调研、竞品分析、多角度信息收集的研究人员、分析师和 AI 工程师，尤其是希望自建研究流水线、不愿被单一模型厂商绑定的团队。

快速上手

git clone https://github.com/alphaXiv/OpenResearch
cd OpenResearch
cargo build --release

配置模型 API Key 后即可启动并行研究任务，具体参数见仓库 README。

它是什么

Pascal Editor 是一款开源 3D 建筑编辑器，基于 TypeScript 与 React Three Fiber 构建，同时提供本地 CLI 和 MCP 工具链，让人类设计师与 AI Agent 能在同一套工作流中协作建模。

核心亮点

• 本地优先：数据存在本地，CLI 直接驱动编辑操作，无需依赖云端。
• MCP 原生：内置 MCP Server，Claude、Gemini CLI 等 Agent 可直接读写模型、生成楼层平面。
• 参数化设计：支持 BIM/CAD 级别的参数化构件，改一处尺寸，模型自动联动。
• 双端可用：同一套 API 既服务人类图形界面，也服务自动化脚本。

为什么火

AI Agent 与建筑设计结合是当下最热的交叉点，但多数工具只做"对话生成图"，Pascal 却把 Agent 变成真正的建模操作者——通过 MCP 精确控制几何体。加上 MIT 协议、Next.js 技术栈易二次开发，23572 星的增长曲线并不意外。

适合谁用

建筑/室内设计师做快速方案推演；AI 工程师搭建 Agent 驱动的设计流水线；以及想研究 MCP 在垂直领域落地的开发者。

快速上手

git clone https://github.com/pascalorg/editor
cd editor && pnpm install && pnpm dev

随后在 Claude 或 Gemini CLI 中配置 MCP Server 指向本地实例，即可让 Agent 直接操作模型。