🆕 本周新建热门 AI 项目

它是什么

codex-with-chatgpt 是一个将 OpenAI Codex 与 ChatGPT 深度耦合的 TypeScript 工具，让 ChatGPT 担任“规划大脑”，Codex 负责具体执行，形成“思考-行动”双引擎协作模式，支持通过 MCP 协议与 OAuth 无缝集成。

核心亮点

• 双模型分工：ChatGPT 负责复杂任务拆解与决策，Codex 专注于代码生成和沙箱执行，避免单一模型的能力瓶颈。
• MCP 原生支持：基于 Model Context Protocol 实现标准化工具调用，可轻松接入外部数据源或自定义工具。
• 轻量级 Harness：保留 Codex 原始执行环境，不重造轮子，安装即用，配置简单。

为什么火

在 AI Agent 赛道，多数项目要么偏重规划、要么偏重执行，该工具首次以“双脑”架构打破单一模型限制，且 2270 星验证了开发者对“ChatGPT 思考 + Codex 干活”这一组合的强烈需求。MIT 协议也降低了二次开发门槛。

适合谁用

• 需要自动化编码流水线的开发者，尤其是想用自然语言驱动复杂编程任务。
• 对 MCP 生态感兴趣，希望扩展 Codex 能力的 Agent 开发者。
• 想低成本体验“多模型协作”模式的技术团队。

快速上手

git clone https://github.com/XiaoDuoYa/codex-with-chatgpt
cd codex-with-chatgpt
npm install
# 配置 OpenAI API Key 和 Codex 环境
export OPENAI_API_KEY="your-key"
npx tsx src/index.ts "你的任务描述"

通过 MCP 配置文件可自定义工具集，实现更复杂的 Agent 工作流。

它是什么

Sepia 是一个专为 Agent Skills 生态打造的“去 AI 味”写作技能包，支持 77+ 兼容代理（通过 Skills CLI 安装），并为 Claude Code、Codex、Grok Build 和 Antigravity 提供原生插件。其核心基于 StoryScope 论文（arXiv:2604.03136）实现叙事架构修复。

核心亮点

• 双模式规则引擎：针对虚构类文本自动修复“AI 腔”叙事结构（如过度对称、无效铺垫）；针对专业写作匹配场景化语体规则（报告、邮件、技术文档等）。
• 零侵入集成：作为 Agent Skill 即插即用，无需修改现有 Agent 配置，通过自然语言指令即可激活。
• 学术级方法论：底层规则来自可复现的学术研究，而非简单词汇替换，能处理长文连贯性与节奏问题。

为什么火

当前 LLM 输出同质化严重，写作类 Agent 尤其明显。Sepia 精准切中“AI 内容一眼假”的痛点，且借力 Claude Code、Codex 等主流工具快速渗透开发者社区。MIT 许可 + 1550 星验证了其“小而专”路线的成功。

适合谁用

• 用 AI 辅助写小说、剧本的创作者，需要去除机械感。
• 依赖 Agent 生成商务文案、技术博客的开发者/营销人员。
• 正在构建 Agent Skills 生态的开发者，可参考其插件架构。

快速上手

# 通过 Skills CLI 安装到任意兼容 Agent
skills add Nanako0129/sepia

# 在 Claude Code 中直接调用
@sepia 帮我重写这段小说开头，修复节奏断裂并减少重复用词

原生插件用户可直接在对应 IDE 或 CLI 中搜索 “Sepia” 启用，无需额外依赖。

它是什么

tokentab 是一个 Python 编写的命令行工具，专门解析 Claude Code、Codex 和 Gemini CLI 的会话日志，自动核算每个模型、项目和日期的 Token 消耗及费用，让 AI 编程成本一目了然。

核心亮点

• 多端兼容：原生支持三大主流 AI CLI 工具的日志格式
• 多维统计：按模型、项目、日期三个维度交叉分析支出
• 零配置解析：自动定位日志路径，无需手动导出或转换
• 轻量快速：纯 Python 实现，秒级完成本地日志扫描

为什么火

AI 编程工具普及后，开发者普遍面临“月底账单惊吓”——不知道钱花在了哪个项目、哪个模型上。tokentab 精准切中这一痛点，将散落的会话日志转化为结构化成本报告，让每一分 Token 花费都有据可查，上线后迅速获得 1100+ Star。

适合谁用

• 重度使用 AI 编程助手、需要做成本分摊的团队负责人
• 独立开发者，想监控个人 API 支出避免超预算
• 对 Token 消耗敏感，希望优化提示词和调用策略的工程师

快速上手

# 安装
pip install tokentab

# 查看今日所有项目的费用汇总
tokentab today

# 按项目维度查看本周明细
tokentab report --period week --group-by project

# 导出 CSV 用于财务对账
tokentab export --format csv --output costs.csv

项目采用 MIT 协议，支持自定义日志路径和费率配置，可无缝集成到现有开发工作流中。

它是什么

Headcount 是一个基于 Claude Code 的智能体组织项目，将 AI 助手编排成一家“公司”的形态——内置 15+ 个部门、125+ 项技能，每个技能均可独立安装使用。项目以 Markdown 描述文件为核心，通过 MCP 协议与 Claude Code 深度集成。

核心亮点

• 公司化架构：将 Agent 按人力资源、市场、研发等职能部门划分，任务分发逻辑清晰
• 模块化安装：不用全量部署，按需选择单个技能或部门，降低资源占用
• 纯文本驱动：所有 Agent 定义均基于 Markdown，易读、易改、易版本控制
• 生态兼容：同时支持 Claude Code 插件与 MCP 标准，可接入现有工具链

为什么火

它打破了“单个 Agent 单打独斗”的固有模式，用组织管理的思路解决复杂任务协作问题。1100+ Star 说明开发者对“AI 团队”概念有强烈兴趣，且 MIT 协议降低了商业使用门槛。在 Claude Code 生态快速扩张的当下，这种“即插即用”的 Agent 市场模式踩中了节点。

适合谁用

• 重度 Claude Code 用户，希望将重复工作交给结构化 Agent 处理
• 团队负责人，想探索 AI 驱动的协作流程
• 对 Agent 编排架构感兴趣的开发者，可作为参考实现

快速上手

# 1. 克隆仓库
git clone https://github.com/cbrock84/headcount.git
cd headcount

# 2. 查看可用技能列表
ls departments/

# 3. 按需安装单个技能（示例：安装“代码审查”Agent）
claude install skills/code-review.md

# 4. 在 Claude Code 中调用
claude "使用 code-review Agent 审查当前分支的改动"

也可直接通过 MCP 配置引用整个项目，实现全部门协同。

它是什么

undress-service 是一个基于 Python 的 AI 图像处理服务，主打“去衣”功能。项目自称 “Dress AI Sponsor”，本质是一个调用视觉模型对图片进行内容重绘的 API 服务，MIT 协议开源。

核心亮点

• 提供标准化的 HTTP 接口，可批量处理图片并返回结果
• 支持本地或远程模型部署，架构轻量，易于集成到现有工具链
• 代码结构简单，便于二次开发或修改模型调用逻辑

为什么火

项目 900+ star 主要源于其技术包装的“擦边”属性。虽然底层是常规的生成式图像修复，但明确的成人向用途（见 topics 中大量成人站点关键词）使其在特定社区快速传播。它踩中了“AI 工具 + 灰色需求”的流量密码，而非技术本身的突破。

适合谁用

• 对图像生成 API 封装感兴趣的开发者（仅学习架构）
• 需要批量图像重绘服务的个人开发者（需自行评估合规风险）
• 不建议生产环境使用，项目无活跃维护迹象，且法律风险极高

快速上手

git clone https://github.com/GangTailorUpgrade/undress-service
cd undress-service
pip install -r requirements.txt
python server.py  # 默认启动本地 API，需自行配置模型权重

调用时发送 POST 请求至 /process，携带图片路径或 base64 数据即可获得处理结果。注意：请确保使用场景符合当地法律法规，本项目仅限技术研究。

它是什么

HexStellar Cortex 是一个将任意 AI 代理升级为“计算研究员”的 Python 工具包。它通过 CLI 和 API 提供软件加速优化、量子计算、科学计算、决策智能与可验证执行能力，让 AI 不仅会“说”，更能“算”和“证”。

核心亮点

• 确定性标签与验证收据：每次计算都附带可信度标记和可审计的执行证明，杜绝黑箱结果。
• 多后端融合：同一接口调度经典 HPC 与量子模拟器，降低科学计算门槛。
• 零配置沙箱：安装即用，内置免费测试环境，无需自建集群。

为什么火

在 AI 生成代码泛滥的当下，HexStellar 切中了“结果可信”的痛点。它把学术级的计算严谨性封装成几行 Python 调用，让开发者无需理解底层数学就能获得可复现、可追溯的优化结果——这在金融风控、药物发现等领域是刚需。

适合谁用

• AI 应用开发者：需要为 Agent 增加真实计算与验证能力。
• 数据科学家/研究员：想快速对比经典算法与量子算法，但不想折腾环境。
• 技术决策者：需要为审计系统提供计算过程的可验证证据。

快速上手

pip install hexstellar
hexstellar sandbox --demo   # 启动免费沙箱并运行示例

随后在 Python 中：

from hexstellar import Cortex
cortex = Cortex()
result = cortex.optimize("minimize x^2 + 3x", method="quantum")
print(result.value, result.certainty)  # 输出最优值与置信度

官方文档附带 20+ 可运行示例，覆盖从线性规划到量子退火的全流程。

它是什么

my-free-code 是一个开源的多供应商 AI 网关，专为 Claude Code 及其他编码代理设计。它充当统一接入层，让你在多个 LLM 提供商之间自由切换，而无需修改代理配置。

核心亮点

• 智能路由：自动将请求分发至最合适的模型，支持流式输出、工具调用与推理链透传
• 故障转移：当主供应商不可用时，无缝切换至备用模型，保障开发不中断
• 本地模型支持：可对接 Ollama 等本地推理服务，兼顾数据隐私与成本控制
• 零配置接入：兼容 Claude Code 原生接口，只需替换 API 端点即可生效

为什么火

在编码代理日益普及的当下，模型锁定成为痛点。该项目以 MIT 许可提供免费的多供应商接入层，让开发者摆脱单一 API 的依赖和配额限制，同时借助路由策略降低调用成本。622 颗星印证了社区对灵活 AI 基础设施的迫切需求。

适合谁用

• 重度使用 Claude Code 但希望混用 GPT、Gemini 或国产模型的开发者
• 需要为团队统一管理模型密钥与配额的技术负责人
• 关注数据隐私、希望将本地模型纳入编码工作流的个人或企业

快速上手

git clone https://github.com/hkqr/my-free-code
cd my-free-code
pip install -r requirements.txt
# 配置供应商密钥后启动网关
python gateway.py --port 8080
# 将 Claude Code 的 ANTHROPIC_BASE_URL 指向 http://localhost:8080

项目自带示例配置，十分钟内即可完成接入并开始多模型调度。

它是什么

reverify 是一个面向逆向工程的 AI 智能体框架，核心思路是“验证优先”：让 AI 基于确定性工具（如反汇编器、Frida 钩子、二进制执行结果）进行推理，而不是凭记忆“幻觉”出结论。所有 AI 输出都会回测到真实二进制上，确保结果可复现、可验证。

核心亮点

• 执行优先（Execution-First）：AI 每一步分析都通过实际运行或 hook 二进制来验证，而非仅靠静态猜测。
• 工具链深度集成：内置对反汇编器、Frida、PowerShell 等 Windows 逆向常用工具的支持，并可作为 MCP（模型上下文协议）服务器接入。
• Agentic 工作流：支持 OpenAI Codex CLI，可编排多步分析任务，自动迭代假设与验证循环。

为什么火

传统 AI 逆向工具常因“一本正经地胡说八道”而不可用。reverify 将 AI 的生成能力与确定性工具的验证能力绑定，从根本上解决了幻觉问题。这种“AI 提议，机器验证”的模式在 CTF、恶意软件分析等对准确性要求极高的场景中极具吸引力，开源后迅速获得关注。

适合谁用

• 逆向工程师：需要快速分析未知二进制或恶意样本，但不想被 AI 误导。
• 安全研究员：希望用 AI 自动化重复的静态分析，同时保证结论可信。
• AI Agent 开发者：对“如何用工具约束 LLM 输出”的架构设计感兴趣的工程师。

快速上手

# 安装（需 Python 3.10+）
pip install reverify

# 初始化一个分析会话，指定目标二进制
reverify init ./sample.exe

# 启动交互式分析，AI 会自动调用工具验证每一步
reverify run --agent codex --target sample.exe

详细配置（如自定义 Frida 脚本或反汇编器路径）见项目 README 的“Configuration”章节。

它是什么

Paw Work（抓抓）是一款面向 Chrome 的“选择优先”网页智能代理。它不试图理解整个页面，而是让你在真实网页上直接框选内容，再用自然语言描述想要的结果——例如“把选中的表格整理成 PPT”——随后生成可编辑的 Office 文件。

核心亮点

• 选择即交互：在活页面上圈定数据区域，AI 只处理你指定的部分，精准且省 token
• BYOK 模式：自带大模型 API Key，数据不出浏览器，无服务器中转
• 沙箱运行：所有操作在浏览器扩展沙箱内完成，不触碰页面 DOM 之外的权限
• 格式开放：输出为可编辑的 PPTX 或表格文件，支持后续手动微调

为什么火

它切中了 AI 办公工具的痛点：多数 agent 要么“全自动但不可控”，要么“能聊但不能落地”。Paw Work 用“人框选 + AI 生成”的轻量交互，把 LLM 的生成能力锁定在用户指定的范围内，既保留了人的判断力，又让结果直接进入办公流程，思路新颖且实用。

适合谁用

• 需要频繁从网页提取数据做汇报的职场人
• 想快速将网页表格/列表转为演示文稿的研究者
• 对数据隐私敏感、不愿上传页面内容到第三方服务器的用户

快速上手

1. 从 Chrome 商店安装扩展（或 clone 源码后以开发者模式加载）
2. 打开任意网页，用鼠标框选目标内容区域
3. 在弹出面板中填写你的 API Key（支持 OpenAI/Anthropic 等）
4. 用一句话描述期望的输出格式，如“生成 5 页 PPT，每页讲一个指标”
5. 点击生成，下载可编辑的 Office 文件即可

它是什么

OpenGrok 是一个面向 Grok Bot 的模型路由工具，用一条命令接入任意 LLM。它提供可视化模型选择界面，并内置基于证据的 Provider 映射表，让 Grok 不再被锁死在单一模型上。

核心亮点

• 一键部署：无需繁琐配置，单命令完成 Grok Bot 的模型扩展
• 模型选择器 UI：运行时自由切换不同模型，支持 OpenAI 兼容接口
• 证据驱动路由：内置 Provider 数据映射，自动匹配最优模型通道
• 防更新破坏：自带“医生”机制，在 Bot 升级后自动修复配置，免维护

为什么火

当前 AI 工具链普遍存在“模型绑定”痛点，而 OpenGrok 精准切中“解锁 Grok”这一需求。它不搞数据收割，而是把选择权还给用户——这种“武装用户”的立场在开发者社区极具号召力。416 颗星在短期内迅速积累，印证了实用型工具的口碑传播效应。

适合谁用

• Grok Bot 重度用户：想摆脱单一模型限制，自由调用 Claude、GPT 等
• AI 应用开发者：需要快速搭建多模型路由原型
• Windows 环境开发者：项目对 Windows 有专门优化，降低上手门槛

快速上手

# 安装并启动（需 Node.js 环境）
npx opengrok init
npx opengrok start

启动后访问本地 UI，在模型选择器中填入你的 OpenAI 兼容 API 端点即可。升级 Grok Bot 后若路由失效，运行 opengrok doctor 自动修复。