每日热门 AI 项目

它是什么

rea 是一个基于 AI Agent 的逆向工程框架，用 TypeScript 编写，通过 MCP 协议连接 LLM 与 Ghidra、Hopper 等工具，把自然语言指令转化为实际的逆向分析操作。

核心亮点

• 全栈逆向：从应用行为分析一路下探到原生二进制，覆盖静态分析与反编译
• Agent 驱动：以 agent-skills 为核心抽象，让 Claude Code、Codex 等编码代理直接执行逆向任务
• MCP 原生：通过 Model Context Protocol 标准化接入，工具链可插拔
• CLI 优先：面向开发者工作流，命令行即用

为什么火

单日新增 4 万+ star，背后是「AI Agent + 逆向工程」这个长期被低估的交叉点被点燃。逆向工程门槛高、工具碎片化，而 rea 用 LLM 把 Ghidra、Hopper 等重型工具串成一条自然语言流水线，恰好踩中了 agent 落地的真实需求。

适合谁用

安全研究员、逆向工程师、CTF 选手，以及想把 LLM 接入二进制分析管线的工具开发者。

快速上手

git clone https://github.com/morluto/rea
cd rea && npm install
# 配置 MCP 客户端（Claude Code / Codex）后即可调用

MIT 协议，可直接商用与二次开发。

它是什么

context-mode 是面向 AI 编程代理的上下文窗口优化层。它通过 MCP 协议与钩子机制，为 Claude Code、Cursor、Codex、Copilot 等 17 个平台提供统一的上下文管理方案。

核心亮点

• 工具输出沙箱化：将冗长的命令输出隔离处理，上下文占用直降 98%
• 会话记忆持久化：跨轮次保留关键状态，避免重复读取文件
• 智能路由分发：按平台能力自动调度上下文，无需手动配置

为什么火

AI 编程代理最大的瓶颈不是模型能力，而是上下文窗口被工具输出迅速撑爆。context-mode 直击这一痛点，且一次接入覆盖几乎所有主流代理平台，单日新增 946 星说明开发者苦此久矣。

适合谁用

重度使用 Claude Code、Cursor 等 AI 编程工具的开发者；需要长时间会话、频繁调用工具的 Agent 构建者；以及希望统一多平台上下文策略的团队。

快速上手

npx context-mode init

按提示选择目标平台，自动写入 MCP 配置与钩子即可。TypeScript 编写，支持插件化扩展。

它是什么

K-Dense-AI 推出的科学领域 Agent Skills 库，把通用 AI Agent 直接变成"AI 科学家"。项目提供 177 个经过验证的开箱即用技能，覆盖生物、化学、医学与药物发现，并接入 100+ 科学数据库。

核心亮点

• 技能即插即用：无需从零编写提示词，直接调用标准化科研能力。
• 数据源丰富：整合基因组、蛋白质组、代谢组、临床与化学信息学资源。
• 跨平台兼容：支持 Cursor、Claude Code、Codex 等主流 Agent 环境，遵循开放 Agent Skills 标准。

为什么火

科研工作者的痛点在于工具链割裂、数据检索繁琐。该项目用统一技能接口抹平了这些摩擦，加上 MIT 许可与 Python 生态，49k+ Star 和每日稳定增长说明它已成为科研 Agent 的事实标准。

适合谁用

生物信息、计算化学、临床研究与药物发现方向的研究者，以及希望让 AI 助手直接参与科学数据分析的开发者。

快速上手

克隆仓库后，按文档将 skills 目录挂载到你的 Agent 配置中，即可在对话里调用对应科学技能，无需额外训练模型。

它是什么

HKUDS/CLI-Anything 是港大数据智能实验室推出的开源框架，目标是让所有软件都具备 Agent-Native 能力——通过统一的 CLI 抽象层，把任意工具、API 或本地程序接入 AI Agent 生态。

核心亮点

• 用 Python 编写，Apache-2.0 许可，商用友好
• 提供 CLI-Hub（clianything.cc）作为工具注册与分发中心
• 无需改造原软件，即可让 Agent 调用现有命令行工具

为什么火

5.2 万 Star 的背后，是 Agent 落地时“工具接入成本高”这一普遍痛点。CLI-Anything 用最小侵入的方式打通了 Agent 与存量软件之间的最后一公里。

适合谁用

AI Agent 开发者、自动化工作流构建者，以及希望把内部工具快速接入 LLM 生态的工程团队。

快速上手

git clone https://github.com/HKUDS/CLI-Anything
cd CLI-Anything && pip install -e .

随后访问 clianything.cc 浏览并注册可用 CLI 工具，即可在 Agent 中调用。

它是什么

iFixAi 是一个面向 AI Agent 的独立审计工具，用不到 120 秒回答 AI Agent 经济中最关键的问题：这个 Agent 是否在做它该做的事？ 人类或 Agent 自身均可发起审计。

核心亮点

• 极速审计：120 秒内完成一次完整诊断
• 双向触发：支持人工审计与 Agent 自审两种模式
• 合规对齐：覆盖 EU AI Act、NIST AI RMF、ISO 42001、OWASP LLM 等主流标准
• 风险检测：涵盖幻觉检测、提示注入、行为偏差等核心风险项

为什么火

AI Agent 大规模落地后，"Agent 是否可信"成为刚需，但市面缺乏轻量、快速、可独立运行的审计方案。iFixAi 填补了这一空白，且直接对齐多项监管框架，单日新增 2000+ Star 说明开发者对 Agent 治理工具的迫切需求。

适合谁用

• 部署生产级 AI Agent 的工程团队
• 需要满足 AI 合规要求的法务与风控人员
• 研究 AI 对齐与安全的研究者
• 希望自检 Agent 行为的开发者

快速上手

pip install ifixai
ifixai audit --agent <your-agent>

Apache-2.0 协议，Python 编写，CLI 即开即用。

它是什么

PentAGI 是一个完全自主的 AI 多智能体渗透测试系统，用 Go 编写。它把 LLM 驱动的 Agent 编排成一支"虚拟红队"，能端到端执行复杂的安全测试任务，从信息收集到漏洞利用全程自动化。

核心亮点

• 多 Agent 协作：侦察、扫描、利用、报告各司其职，像真实渗透团队一样分工
• 模型无关：同时支持 OpenAI、Anthropic 等主流模型，可自由切换
• 完整工具链：内置 Docker 沙箱、浏览器、终端、代码执行等真实攻击环境
• 自托管 + GraphQL API：数据不出内网，前端 React 可视化全流程

为什么火

渗透测试门槛高、耗时长，PentAGI 把"AI 自动打靶"变成现实。单日涨星破千，说明安全社区对"自治 Agent + 攻防实战"这一组合的强烈期待——它不只是玩具，而是能跑通真实 kill chain 的工程化系统。

适合谁用

安全研究员、红队工程师、CTF 玩家，以及想研究 Agent 编排与工具调用的 AI 开发者。

快速上手

git clone https://github.com/vxcontrol/pentagi
cd pentagi && docker compose up -d

配置 API Key 后访问本地 Web UI，输入目标即可启动一次自主渗透任务。