每日热门 AI 项目

它是什么

rea 是一个基于 AI Agent 的逆向工程工具，用 TypeScript 编写，通过 MCP 协议驱动，覆盖从应用行为分析到原生二进制反汇编的完整链路。MIT 协议开源。

核心亮点

• Agent 驱动：通过 Model Context Protocol 连接 Claude Code、Codex 等 AI 编程助手，让 LLM 直接操作反汇编器与调试器。
• 全栈逆向：从高层应用行为追踪到底层 native binary 分析，一套工具打通。
• 工具链集成：内置对 Ghidra、Hopper 等主流反汇编/反编译器的支持。
• CLI 优先：命令行交互，易于脚本化和自动化。

为什么火

单日新增 2.5 万 star，总星数破 10 万。核心原因是它踩中了两个热点：AI Agent 工具生态的爆发，以及 MCP 协议作为 Agent 与外部工具连接标准的快速普及。逆向工程长期依赖人工经验，rea 用 Agent 把这件事自动化，对安全研究社区吸引力极大。

适合谁用

安全研究员、CTF 选手、恶意软件分析师，以及需要做二进制审计的开发者。也适合想探索 MCP + Agent 落地场景的 AI 工程师。

快速上手

git clone https://github.com/morluto/rea
cd rea && npm install
# 配置 MCP server，接入 Claude Code 或 Codex

具体配置参考仓库 README。

它是什么

AirLLM 是一个让大模型"瘦身"推理的开源项目。只需单张 4GB 显存的 GPU，就能跑起 70B 参数级别的 Llama 模型——这在过去几乎不可想象。

核心亮点

项目通过分层加载与推理优化，把模型权重按需调度到显存，绕开了传统方案对显存容量的硬性要求。无需量化到极致，也不必多卡并联，普通消费级显卡即可驾驭超大模型。

为什么火

大模型推理的显存门槛一直是个人开发者的痛点。AirLLM 用极低的硬件成本换来可用的推理速度，加上对 Llama、Chinese-LLM 等主流模型的开箱支持，迅速在中文社区引发关注，今日新增 541 星。

适合谁用

显存有限但想本地跑大模型的个人开发者、研究者，以及需要低成本部署推理服务的小团队。

快速上手

pip install airllm

加载模型后调用 generate 即可，代码与 HuggingFace 风格接近，迁移成本极低。