本周新建热门 AI 项目

它是什么

DeepInfer 是 DeepSeek 官方开源的高性能大规模推理框架，专为 DeepSeek 系列模型设计，用 Python 编写，Apache-2.0 协议。

核心亮点

针对 DeepSeek 模型的架构特点做了深度优化，支持大规模并行推理与高效批处理，在吞吐和延迟之间取得平衡。作为官方框架，与模型权重和推理特性天然对齐。

为什么火

DeepSeek 系列模型热度居高不下，社区急需一套官方、可靠、开箱即用的推理方案。近 1.2 万 Star 说明开发者对"官方出品"的信任——省去自行调优的折腾。

适合谁用

需要部署 DeepSeek 模型做生产推理的工程团队；想复现官方性能基准的研究者；以及希望避开第三方框架兼容坑的开发者。

快速上手

git clone https://github.com/deepseek-ai/DeepInfer
cd DeepInfer && pip install -e .

按 README 加载模型权重即可启动服务，建议先跑官方示例验证环境。

它是什么

Earshot 为编码 Agent 补上了“听觉”这一环：让 AI 能听音频、审听声音、并生成音效。纯 CPU 运行，Python 实现，MIT 协议。

核心亮点

• 纯 CPU 推理：不依赖 GPU，本地即可跑，部署门槛极低
• MCP 集成：以 MCP 服务形式接入 Claude Code 等 Agent 工作流
• 听、审、造三合一：音频理解、质量评审、音效生成统一在一套接口里

为什么火

Agent 生态长期偏重文本与视觉，音频能力几乎是空白。Earshot 用轻量方案填补缺口，又踩中 MCP 与 Claude Code 的热度，一天内即获近两千星。

适合谁用

做 AI Agent 工具链的开发者、需要给编码助手加音频能力的产品团队，以及想在本地低成本试验声音生成的独立开发者。

快速上手

git clone https://github.com/Leonxlnx/earshot
cd earshot && pip install -e .

按 README 配置 MCP 服务后，即可在 Claude Code 中调用音频相关工具。

它是什么

git-ai 是一个用 Go 编写的 Git 变体，专为 AI 编码代理设计。它保留 Git 的版本控制模型，但重新设计了代理与仓库交互的接口层。

核心亮点

• 代理原生接口：面向 AI agent 的操作语义，而非人类命令行习惯
• SCION 支持：内置对 SCION 网络架构的适配，适合分布式代理场景
• Go 实现：单二进制、易部署，适合嵌入代理运行时

为什么火

AI 编码代理正在批量产生提交、分支和回滚操作，传统 Git 的交互假设（人工确认、交互式冲突解决）成为瓶颈。git-ai 切中了"代理需要自己的版本控制原语"这一空白，短期内获得千级 star。

适合谁用

构建 coding agent 的团队、需要让代理自主管理代码状态的平台开发者，以及研究代理协作工作流的研究者。

快速上手

git clone https://github.com/feder-cr/git-ai
cd git-ai && go build
./git-ai --help

注意：许可证为 NOASSERTION，商用前需确认授权条款。

它是什么

leanrea 是一个仅 8 KB 的 Python 技能包，目标是替代“逆向工程一切”（REA）类工具。它不依赖 MCP 协议，直接调用普通 CLI 工具完成任务。

核心亮点

• 极轻量：8 KB 体积，无重型依赖
• 纯 CLI 驱动：避开 MCP 的复杂链路，调用更直接
• 实测更快更省：基准测试显示速度提升 38%、成本降低 35%

为什么火

MCP 生态虽热但链路重、调试烦。leanrea 用最朴素的 CLI 组合拳解决同类问题，体积小、开销低，对追求效率的开发者很有吸引力，1170 星说明“反复杂化”路线有市场。

适合谁用

需要快速做逆向分析、又不想引入 MCP 全家桶的 Python 开发者；偏好轻量工具链、在意调用成本和延迟的工程团队。

快速上手

git clone https://github.com/aicodeking/leanrea
cd leanrea
python leanrea.py --help

按帮助提示接入现有 CLI 工具即可，MIT 协议可自由修改。

它是什么

MOSS-Image 是 OpenMOSS 团队开源的 50 亿参数基础 DiT（Diffusion Transformer）图像生成模型，官方仓库提供完整代码与权重，采用 Apache-2.0 协议。

核心亮点

• 高质量文字渲染：生成图像中的文字清晰可读，直击扩散模型长期痛点
• 布局生成：支持可控的版面与元素排布，适合海报、UI 等结构化场景
• 高效微调：5B 规模在效果与算力之间取得平衡，便于二次开发
• 完全开源：权重、代码、训练方案一并开放

为什么火

文生图赛道不缺模型，缺的是“能写对字”的模型。MOSS-Image 把文字渲染与布局控制作为主打卖点，加上轻量级参数规模，迅速吸引关注可控生成的开发者。

适合谁用

需要生成含文字图像的应用开发者、研究可控生成与布局的团队，以及希望低成本微调自有风格模型的个人研究者。

快速上手

git clone https://github.com/OpenMOSS/MOSS-Image
cd MOSS-Image
pip install -r requirements.txt

按 README 加载权重后即可推理；微调参考仓库内训练脚本与配置。

它是什么

huashu-motion 是一个面向 Coding Agent 的动效技能包，让 Claude Code、Codex 等 agent 根据一句需求直接产出商业级产品宣传片。它把动画编排、配乐和画面修改整合进 agent 工作流，用“指着画面改”替代传统时间轴操作。

核心亮点

• 一键成片：agent 自动生成分镜、动效与配乐，输出可直接投放的 launch film。
• 指哪改哪：指出画面中某个元素，agent 定位对应代码并即时调整。
• 会作曲：内置音频生成能力，画面节奏与配乐同步。
• 基于 GSAP：动效由 GSAP 驱动，流畅度和专业度接近手工制作。

为什么火

它切中了“宣传片制作成本高、周期长”的痛点，把视频生产压缩成对话式交互。对独立开发者和 AI 产品团队来说，发布视频是刚需，而 huashu-motion 让 agent 顺手完成这件事，1139 stars 说明需求真实。

适合谁用

独立开发者、AI 产品团队、需要快速产出 demo 视频的创业者，以及习惯用 agent 完成全流程的内容创作者。

快速上手

克隆仓库后，将 skills 目录接入你的 agent（如 Claude Code），描述产品与风格即可生成初版；对不满意之处直接指向画面元素，让 agent 修改。MIT 协议，可自由商用。

它是什么

tv-detox 是一个面向老旧 Android TV 的轻量级替代桌面。它用一个极简、无广告的 Launcher 替换臃肿的厂商主页，并附带一段可直接喂给 Claude Code 或 Codex 的提示词，让 AI 帮你清理系统预装与后台服务。

核心亮点

• 极简 Home：仅保留应用入口，去掉推荐位、广告和自动播放的预览。
• AI 清理提示词：内置一份可执行的 prompt，指导 AI 助手识别并禁用冗余系统组件。
• Java 编写、MIT 许可：代码量小，便于二次修改和按需裁剪。

为什么火

老电视卡顿的根源往往不是硬件，而是厂商桌面和预装服务。tv-detox 把“换桌面”和“用 AI 做系统瘦身”两件事打包成一个可复制的方案，切中了大量闲置电视的痛点，且门槛低、见效快。

适合谁用

手里有卡顿 Android TV、愿意用 adb 折腾的极客用户；想研究轻量 Launcher 或 AI 辅助系统优化的开发者。

快速上手

克隆仓库，用 Android Studio 构建并 adb 安装 APK；设为默认桌面后，把仓库内的提示词交给 Claude Code 或 Codex，按指引逐项清理预装服务。操作前建议先备份。

它是什么

blender-ai-mcp-addon 是一个把大模型接入 Blender 的 MCP 插件：在 Blender 内提供可视化对话界面，同时作为 MCP Server 让外部 AI 客户端直接操作场景。

核心亮点

• 支持 OpenAI、Claude、Gemini、Ollama 等多家模型，本地与云端皆可
• 内置场景工具，AI 可直接读写对象、材质、灯光等 bpy 数据
• 支持多智能体工作流，复杂任务可拆解执行
• 通过 MCP 协议与 ChatGPT、OpenCode 等外部工具联动

为什么火

Blender 脚本门槛高，而 MCP 正成为 AI 调用本地工具的事实标准。该项目把两者结合，让“用自然语言建模”从演示变成可落地的插件，近千星标印证了需求真实存在。

适合谁用

3D 艺术家、技术美术、想用 AI 加速流程的 Blender 用户，以及研究 MCP 集成的开发者。

快速上手

在 Blender 中安装该插件，填入模型 API Key，即可在侧边栏对话；外部客户端则配置其 MCP 端点。MIT 协议，可自由修改。

它是什么

coop-anything 是一个基于 MCP 的 Python 工具，让 AI Agent 接管任意单机游戏，把它改造成支持在线联机和分屏的多人合作游戏。

核心亮点

• MCP Server + Playbook：Agent 可逆向分析游戏内存与逻辑，自动定位单人限制点
• 全流程自动化：从逆向、修复、测试到打包分享，Agent 按 playbook 逐步推进
• 通用性强：不绑定特定引擎，理论上适配任何单机游戏

为什么火

“让 AI 帮你把单机游戏变联机”这个点子足够抓人，加上 MCP 生态正热，705 星说明开发者对 Agent 落地游戏改造的场景很买账。

适合谁用

想和朋友联机玩老游戏的玩家、研究 AI Agent 实操能力的开发者，以及 MCP 工具链的探索者。

快速上手

克隆仓库后配置 MCP Server 到你的 Agent 客户端，按 playbook 指定目标游戏，Agent 会引导完成逆向与联机改造。MIT 协议，Python 环境即可运行。

它是什么

house-control 是一个 Swift 编写的智能家居控制应用，把你的家渲染成实时 3D 模型，常驻 Mac 菜单栏，同时支持 iPhone 端。

核心亮点

• 3D 可视化：房屋以 Three.js 渲染，灯光、空调状态在模型上实时反馈
• 多协议聚合：打通 Smart Life、Home Assistant、Philips Hue、Apple Home 四类生态
• 菜单栏常驻：Mac 端无需切换窗口，点开即控
• 跨端一致：iPhone 与 Mac 共享同一套 3D 视图

为什么火

智能家居玩家长期苦于各家 App 割裂，而"在 3D 房子里点灯"这种交互既直观又有极客趣味。MIT 协议 + Swift 原生实现，对 Apple 生态用户友好，680 星说明它戳中了"统一控制面板"的真实痛点。

适合谁用

同时持有多个智能家居品牌、且以 Mac/iPhone 为主力设备的用户；想研究 Swift + Three.js 混合渲染的开发者。

快速上手

克隆仓库后用 Xcode 打开，配置各平台的 API 凭证与 Home Assistant 地址，编译运行即可在菜单栏看到你的 3D 家。