本周新建热门 AI 项目

它是什么

ARTEX 是一个用 Go 编写的 AI 自主渗透测试系统，源自百度"agent+"攻防挑战赛冠军项目。它让 AI Agent 自主完成信息收集、漏洞探测到利用验证的完整攻击链。

核心亮点

• 全自主闭环：从目标侦察到漏洞利用无需人工干预，Agent 自行规划攻击路径
• Go 高性能架构：并发调度与工具集成效率高，适合大规模目标场景
• 实战验证：冠军赛事背书，攻防对抗中经过真实检验

为什么火

AI + 安全是当前最热交叉领域，而"自主渗透"直击安全团队人力瓶颈。冠军头衔加上近 3k Star，说明社区对"AI 替代重复性渗透工作"的需求真实且迫切。

适合谁用

红队工程师、安全研究员、AI Agent 开发者，以及希望探索 LLM 在攻防场景落地边界的团队。

快速上手

git clone https://github.com/mhtsec/ARTEX
cd ARTEX && go build

配置目标与模型 API Key 后即可启动。注意 AGPL-3.0 协议，商用需谨慎评估合规性。

它是什么

Aurelio Finance 是一款开源的个人财务管理应用，用 Python 编写，支持自托管。它将净资产追踪、投资组合管理与 AI 财务顾问整合在一个本地运行的界面中。

核心亮点

• 全资产视图：统一追踪现金、股票、ETF、股息与债务，实时计算净资产
• AI 财务顾问：接入 LLM，基于你的真实持仓数据提供个性化理财建议
• 完全自托管：数据存在自己的电脑上，不经过任何第三方服务器
• 投资组合追踪：支持股息记录与 ETF 持仓分析，适合长期投资者

为什么火

个人财务数据极度敏感，而主流理财 App 普遍要求上传云端。Aurelio 用自托管 + MIT 协议回应了这一痛点，同时叠加当下最热的 LLM 能力，让"AI 理财顾问"不再是付费订阅专属。2093 颗星说明自托管金融工具的需求真实存在。

适合谁用

注重隐私、有一定投资组合（股票/ETF/股息）需要统一管理的技术用户；想体验 AI 财务分析但不愿交出数据的开发者；以及喜欢折腾自托管服务的 Homelab 玩家。

快速上手

git clone https://github.com/LosaLosSantos/aurelio-finance
cd aurelio-finance
pip install -r requirements.txt
python app.py

配置好 LLM API Key 后即可导入持仓数据，开始追踪净资产。

它是什么

Leviathan 是一个用 Rust 编写的单文件静态二进制工具，为 AI Agent 提供面向大规模数据集的"深度记忆"。它能把 JSONL、JSON、CSV/TSV、SQLite 乃至任何数据库 CLI 导出的记录，快速转成带排序的全文本索引。

核心亮点

• 零依赖部署：单个静态二进制，无需运行时环境
• 格式通吃：直接吃结构化数据，不用先做 ETL
• 排序检索：不是简单倒排，而是带相关性排序的全文索引
• Rust 性能：面向大数据集设计，兼顾速度与内存

为什么火

Agent 落地最大的痛点之一是"记不住、查不快"。向量库方案重、成本高，而 Leviathan 用最朴素的全文本索引思路，把海量记录变成 Agent 可即时检索的记忆层。732 星背后，是开发者对"轻量、可嵌入、无运维"方案的强烈需求。

适合谁用

• 给 Agent 加长期记忆的 AI 工程师
• 需要在本地或边缘设备做全文检索的后端开发者
• 厌倦向量数据库复杂度的数据团队

快速上手

# 下载二进制后直接索引
leviathan index ./records.jsonl
leviathan search "your query"

无需服务、无需配置，指向数据即可开查。

它是什么

AgentMemoryRepo 是一份面向 AI Agent 的记忆层规范（Spec），试图为"Agent 如何持久化、检索和共享记忆"定义一套通用标准，而非又一个具体实现。

核心亮点

• 规范先行：不绑定框架与语言，聚焦接口与数据结构设计
• MIT 协议：可自由用于商业项目
• 填补空白：当前 Agent 记忆方案各自为政，缺乏可互操作的事实标准

为什么火

Agent 从 Demo 走向生产，记忆是绕不开的痛点。向量库、KV 存储、知识图谱各有一套玩法，开发者被迫重复造轮子。这个项目切中"标准化"这个高价值切口，676 星背后是社区对统一方案的期待。

适合谁用

构建长期运行 Agent 的工程师、做 Agent 基础设施的团队，以及希望自家记忆模块被生态兼容的框架作者。

快速上手

克隆仓库阅读规范文档，对照现有记忆实现评估适配成本，再决定是直接遵循还是参与讨论完善。

项目仍处早期，建议关注而非立即依赖。

它是什么

Discord-Server-Raider 是一款针对 Discord 平台的自动化批量操作工具，主打多账号 selfbot 协同，用于对目标服务器执行高频、大规模的批量动作。项目以 AI 驱动为卖点，宣称可简化服务器管理流程。

核心亮点

• 支持多 selfbot 账号并行调度，突破单账号速率限制
• 内置批量操作模块，覆盖消息、频道、成员等常见目标
• 以"AI 驱动"包装自动化流程，降低使用门槛
• 纯脚本化部署，无需移动端或特定硬件依赖

为什么火

Discord 平台对自动化滥用缺乏强约束，加上项目标签直白（raid、destroyer），吸引了一批寻求"破坏性测试"或恶意用途的用户。605 星主要来自话题标签的搜索流量，而非工程质量。

适合谁用

仅适合安全研究人员在授权环境下做对抗性测试与防御验证。普通用户、社区管理员不应使用——此类工具违反 Discord ToS，可能导致账号封禁乃至法律责任。

快速上手

不建议实际部署。若确为授权研究，请先阅读仓库 README 与依赖清单，在隔离沙箱中配置测试账号，并确保已获得目标服务器所有者的书面许可。

它是什么

Mesh Avatar Studio 是一个把单张插画转成可动 2D 网格虚拟形象的开源工具。你只需提供一张角色图，它就能生成带骨骼变形能力的 WebGL 网格头像，并配有本地可视化编辑器。

核心亮点

• AI Agent 驱动：内置对 Claude Code、Codex 等编码代理的支持，自动完成网格切分与绑定
• 本地编辑器：在浏览器中实时调整顶点、权重与形变，无需上传素材
• WebGL 实时渲染：基于网格变形实现流畅的 2D 动作，而非传统序列帧
• MIT 协议：TypeScript 编写，可自由商用与二次开发

为什么火

VTuber 与虚拟形象需求爆发，但传统 Live2D 建模门槛高、耗时长。这个项目用 AI 代理把「一张图到可动模型」的流程压缩到几分钟，590 星的增长正来自创作者对轻量化管线的渴求。

适合谁用

独立 VTuber、插画师、游戏原型开发者，以及想快速验证虚拟形象玩法的技术团队。

快速上手

克隆仓库后按 README 安装依赖，将插画放入指定目录，启动本地编辑器即可在浏览器中绑定与预览。

它是什么

一个 macOS 命令行工具，让 AI Agent 能在你的屏幕上直接画大箭头、方框和文字。Swift 编写，MIT 协议。

核心亮点

• 点击穿透：绘制层不拦截鼠标事件，不影响正常操作
• 自动消失：画完即走，无需手动清理
• Agent 原生：提供 Claude Code 和 Codex 的 Skill 封装，一行指令即可调用
• 极简接口：一个 CLI 搞定箭头、矩形、文本标注

为什么火

AI Agent 擅长"说"，但指导人类操作时缺乏直观的视觉表达。这个工具补上了最后一块拼图——让 Agent 能像真人一样"指着屏幕说这里"。576 星的增长说明开发者对 Agent 多模态输出的真实需求。

适合谁用

• 用 Claude Code / Codex 做自动化演示的开发者
• 构建屏幕引导类 Agent 的产品团队
• 需要远程指导他人操作 Mac 的技术支持场景

快速上手

brew install franzenzenhofer/tap/big-arrow-on-the-screen
big-arrow --text "点这里" --at 500,300

首次运行需授予辅助功能权限。Agent 侧安装对应 Skill 后，可直接用自然语言触发绘制。

它是什么

Mortiflix 把一套动效设计工作室搬进你的本地机器：Claude 按步骤生成视频，你在每个阶段确认后再继续。自带 Claude Code 或 API Key 即可运行，基于 Remotion 渲染。

核心亮点

• 分步审批：脚本、分镜、动画、渲染逐段把关，避免 AI 一次性吐出一段无法修改的成片
• 本地运行：素材与密钥不出本机，AGPL-3.0 开源
• Remotion 驱动：输出的是可编程的 React 视频代码，而非黑盒视频文件

为什么火

它切中了 AI 视频生成的核心痛点——可控性。多数工具追求"一句话出片"，结果往往不可返工；Mortiflix 反其道而行，把 Claude 当作可打断的协作伙伴，让动效制作保留人工决策权。

适合谁用

需要批量产出产品演示、社媒动效的独立开发者与小团队；熟悉 React、愿意用代码而非时间轴做视频的人。

快速上手

克隆仓库，配置 ANTHROPIC_API_KEY 或接入 Claude Code，按提示逐阶段确认即可生成首条视频。

它是什么

Genjustsu 是 TEIN 开源的 AI 视频替换工作流，用深度图、SAM 分割、面部网格和音频处理，把视频中的角色或物体替换为 Seedance 生成的内容。

核心亮点

• 多模态融合：深度估计 + SAM 分割 + 人脸网格协同定位替换区域
• 本地 Web UI：可视化准备输入、审查遮罩、预览生成结果
• 导出时保留原始音轨，无需后期对齐

为什么火

视频角色替换长期依赖闭源商业工具，Genjustsu 把整套流程开源且可本地运行，452 星说明社区对“可控、可审查”的 AI 视频管线需求强烈。

适合谁用

短视频创作者、AI 视频研究者、需要批量替换角色的后期团队，以及想研究多模型协作管线的开发者。

快速上手

克隆仓库后按 README 安装 Python 依赖，启动本地 Web UI，上传视频并依次配置分割与深度参数，预览遮罩确认后即可生成并导出。

它是什么

Herald-OS 是一个「Agent 原生」操作系统，以 Hermes Agent 作为系统交互界面。基于 TypeScript 构建，采用 MIT 协议，与 Nous Research 无隶属关系。

核心亮点

不同于把 AI 助手塞进传统桌面，Herald-OS 从底层就把 Agent 当作系统入口——用户通过自然语言与 Hermes Agent 对话来驱动操作，而非点击图标。项目兼容 Fedora、Hyprland、niri、Omarchy 等 Linux 桌面栈，同时提及 macOS，试图在多种环境下统一 Agent 体验。

为什么火

「AI 原生 OS」是当下最热的叙事之一，而真正开源、可上手尝试的项目寥寥。Herald-OS 用 TypeScript 降低了参与门槛，399 星虽不算爆款，却精准踩中了开发者对「下一代操作系统形态」的好奇心。

适合谁用

喜欢折腾 Linux 桌面、关注 AI Agent 落地形态的开发者；想研究「Agent 作为系统界面」这一设计范式的工程师。

快速上手

克隆仓库后按 README 配置 Fedora/Hyprland 环境，启动 Hermes Agent 即可体验对话式系统交互。