每日热门 AI 项目
The open-source app everyone uses to manage agents at work
它是什么
Paperclip 是一个用 TypeScript 编写的开源 AI Agent 管理平台，定位为「工作中管理 Agent 的通用应用」。它把散落在各处的 AI 助手统一到一个界面里调度、监控和协作。
核心亮点
- 多 Agent 统一编排：在一个面板中接入、切换、组合不同来源的 Agent
- 面向工作场景：不是玩具 Demo，而是为真实团队协作设计的管理层
- TypeScript 全栈：类型安全，前端后端一致，易于二次开发
- MIT 协议：商用友好，可自由 fork 和私有化部署
为什么火
单日新增 1853 星、总数突破 8.4 万，说明「Agent 太多、管理太乱」已成为普遍痛点。当每个人手里同时跑着三五个 AI 助手时，一个中立的开源调度层就成了刚需——而大厂方案往往闭源且绑定生态。
适合谁用
- 同时使用多个 AI Agent 的开发者与知识工作者
- 需要为团队搭建内部 Agent 网关的工程团队
- 想基于成熟底座做 Agent 编排产品的创业者
快速上手
git clone https://github.com/paperclipai/paperclip
cd paperclip && npm install && npm run dev
按 README 配置 API Key 后即可接入首个 Agent。
它是什么
Hindsight 是 Vectorize 推出的智能体记忆层，用 Python 编写，MIT 协议开源。它让 Agent 不再每次对话都从零开始，而是能像人一样积累经验、修正判断。
核心亮点
- 会学习的记忆：不只是存储和检索，而是根据结果反馈动态调整记忆权重，让 Agent 越用越准。
- 即插即用：轻量集成到现有 Agent 框架，无需重构整个流程。
- 向量原生：与 Vectorize 的向量检索能力深度协同，支持大规模记忆的高效召回。
为什么火
Agent 的记忆问题长期被“RAG 套壳”敷衍，Hindsight 首次把“记忆学习”做成独立抽象层。单日 1600+ star 说明开发者对“真正会成长的 Agent”需求迫切。
适合谁用
构建多轮对话、长期任务型 Agent 的开发者；需要让 Agent 从历史交互中持续优化的团队；以及研究 AI 记忆机制的工程师。
快速上手
pip install hindsight
参考仓库 README 接入记忆存储与反馈循环，几行代码即可为你的 Agent 加上“会学习”的记忆。
Skills for Real Engineers. Straight from my .agents directory.
它是什么
mattpocock/skills 是 TypeScript 社区知名教育者 Matt Pocock 开源的 AI Agent 技能集合，直接提取自他本人的 .agents 目录，用 Shell 脚本封装成可复用的工程化技能模块。
核心亮点
- 真实生产验证：不是演示 demo，而是作者日常开发中实际使用的配置
- Shell 驱动：轻量、无依赖，任何支持 Shell 的 Agent 环境都能直接接入
- MIT 协议：可自由修改、分发、商用
为什么火
AI Agent 生态爆发，但高质量技能配置稀缺。Matt 作为 TypeScript 领域头部创作者，其工作流本身具有极强参考价值。单日 588 星的增长说明开发者急需"拿来即用"的 Agent 能力模板。
适合谁用
- 正在搭建 AI 编程助手的工程师
- 想优化 Claude Code / Cursor 等工作流的开发者
- 研究 Agent 技能设计的架构师
快速上手
git clone https://github.com/mattpocock/skills
# 将技能目录复制到你的 .agents 配置中
建议先浏览目录结构，按需挑选技能模块集成。
The Office Harness for AI Agents — Spreadsheets, Docs, Slides, Canvas, Relational Tables, and PDF in one runtime.
它是什么
Univer 是 DreamNum 团队开源的「AI Agent 办公套件运行时」，把表格、文档、幻灯片、画布、关系型数据表和 PDF 统一到一个 TypeScript 运行时里。定位不是又一个在线 Office，而是让 AI Agent 能直接操作办公文档的底层引擎。
核心亮点
- 一体化运行时：六种文档类型共享同一套渲染、公式、协同内核，而非拼装多个独立编辑器。
- 面向 Agent 设计：API 层可直接被 AI 调用，天然适合做「让模型改表格、生成 PPT」这类任务。
- 公式引擎与协同：内置电子表格公式计算与多人实时协作能力。
- Apache-2.0：商用友好，可自托管。
为什么火
AI Agent 落地最缺的不是模型，而是能可靠读写 Office 文件的「手」。Univer 正好补上这一环，加上 TypeScript 生态易集成，单日涨星破千并不意外。
适合谁用
做 AI 办公助手、低代码平台、在线文档产品的团队，以及需要嵌入式表格/文档能力的 SaaS 开发者。
快速上手
npm i @univerjs/presets
参考官方文档初始化 Preset，几分钟即可跑起一个可编辑表格。
它是什么
Anthropic 官方开源的 Agent Skills 公共仓库，为 Claude 等 AI Agent 提供可复用的技能模块。
核心亮点
- 官方出品：Anthropic 直接维护，规范权威
- 模块化技能：将 Agent 能力拆解为独立、可组合的 Skill 单元
- Python 实现：易于扩展和二次开发
为什么火
Agent 生态正从"单体大模型"走向"技能编排"，开发者急需标准化的能力组件。该仓库以官方身份填补了这一空白，17.8 万 Star 印证了社区对统一 Agent 技能标准的强烈需求。
适合谁用
构建 AI Agent 的开发者、希望快速为 Claude 扩展能力的团队，以及研究 Agent 架构的技术人员。
快速上手
git clone https://github.com/anthropics/skills
浏览 skills/ 目录，挑选所需技能模块，按文档接入你的 Agent 工作流即可。
A living pixel-art station where real AI agents do real work. Local-first desktop agent harness - bring your own key, watch your crew actually run.
它是什么
Starnet 是一个本地优先的桌面 AI Agent 运行台,把多智能体协作包装成一间像素风格的太空站。你自带 API Key,就能看着自己的"船员"在站内真实执行任务。
核心亮点
- 像素游戏化界面:Agent 不再藏在终端里,而是以角色形式在空间站中活动,执行状态一目了然。
- BYOK + 本地优先:支持 OpenRouter 等,密钥与数据留在本地,不经过第三方中转。
- 多智能体编排:基于 Tauri 构建的轻量桌面应用,可同时调度多个 Agent 分工协作。
为什么火
它踩中了两个热点:一是多 Agent 编排的实用需求,二是把枯燥的 Agent 监控做成了可玩性极强的像素 UI。单日 118 星,说明开发者对"看得见的 Agent"有强烈兴趣。
适合谁用
想本地跑多 Agent、又厌倦命令行黑箱的开发者;喜欢像素美学、愿意折腾 BYOK 配置的技术玩家。
快速上手
克隆仓库,安装依赖后通过 Tauri 启动桌面端,填入自己的 API Key,即可在空间站里组建并运行你的 Agent 团队。MIT 协议,自由度高。
TSP自托管、零运维的 A 股「选股 + 监控 + 回测」量化工作台 | LLM能力驱使策略定制+个股分析+复盘 | 自由接入第三方数据源与个性化扩展数据 | 个人开源
它是什么
TSP（Tick Stock Panel）是一个自托管、零运维的 A 股量化工作台，把选股、监控、回测三件事整合进同一个面板。项目以 Python 为主，遵循 MIT 协议。
核心亮点
- LLM 驱动：借助大模型完成策略定制、个股分析与每日复盘，用自然语言替代部分编码工作
- 数据自由：可接入第三方数据源，支持个性化扩展字段
- 技术栈扎实：FastAPI + Polars + DuckDB 处理行情数据，React 构建前端
- 一键部署：自托管架构，无需复杂运维
为什么火
A 股散户长期缺少趁手的开源量化工具——要么功能单一，要么部署门槛高。TSP 用 LLM 降低了策略编写门槛，又用 DuckDB/Polars 保证了本地数据处理性能，加上 5.1k stars 的社区验证，切中了「想量化但不想折腾」的痛点。
适合谁用
有基础编程能力的个人投资者、量化爱好者，以及希望私有化部署、数据不外流的研究者。
快速上手
git clone https://github.com/shy3130/tick-stock-panel
cd tick-stock-panel
# 按 README 配置数据源与 LLM API Key
docker compose up -d
访问本地端口即可进入工作台。
A unified library of SOTA model optimization techniques like quantization, distillation, pruning, neural architecture search, speculative decoding, etc. It compresses deep learning models for downstream deployment frameworks like TensorRT-LLM, TensorRT, vLLM, etc. to optimize inference speed.
它是什么
NVIDIA Model-Optimizer 是 NVIDIA 官方推出的统一模型优化库，集成了量化、蒸馏、剪枝、神经架构搜索、投机解码等 SOTA 技术，专为下游部署框架（TensorRT-LLM、TensorRT、vLLM 等）压缩深度学习模型，提升推理速度。
核心亮点
- 一站式优化：覆盖量化（PTQ/QAT）、知识蒸馏、结构化剪枝、NAS、投机解码等主流技术
- 部署无缝衔接：直接对接 TensorRT-LLM、TensorRT、vLLM，优化即部署
- NVIDIA 官方背书：与硬件深度协同，性能调优有保障
为什么火
大模型推理成本高企，量化与压缩已成刚需。该项目背靠 NVIDIA 生态，解决了"优化技术分散、部署链路割裂"的痛点，单日涨星 360，开发者用脚投票。
适合谁用
需要将大模型高效部署到生产环境的 AI 工程师、推理性能优化研究者，以及使用 TensorRT-LLM/vLLM 的技术团队。
快速上手
pip install nvidia-modelopt
参考官方示例，选择量化或蒸馏流程，导出后直接接入 TensorRT-LLM 或 vLLM 推理。
The design language that makes your AI harness better at design.
它是什么
Impeccable 是一套面向 AI 编程助手的设计语言规范。它把资深设计师的判断力提炼成结构化指令，让 Cursor、Claude Code 等 AI 工具在生成界面时不再产出千篇一律的"AI 味"设计。
核心亮点
- 设计规则即代码：将排版、间距、配色、层级等原则写成 AI 可解析的约束文件
- 即插即用：兼容主流 AI 编码工具，无需改造现有工作流
- 克制美学：强调留白、对比与信息密度，而非堆砌视觉效果
为什么火
AI 生成前端代码的速度早已不是瓶颈，但"能跑"和"好看"之间横亘着巨大鸿沟。Impeccable 精准击中了这个痛点——它不教 AI 写代码，而是教 AI 做设计决策。单日 300+ star 的增长说明开发者对"AI 审美"的需求已被压抑太久。
适合谁用
用 AI 快速搭建原型的产品经理、独立开发者，以及希望统一团队 AI 产出风格的工程团队。
快速上手
克隆仓库后，将规则文件按文档接入你的 AI 工具配置目录，即可在后续对话中自动生效。