本周新建热门 AI 项目

它是什么

Anatomy 是一个 Agent Skill，用来自动生成真实机器与复杂系统的等距（isometric）交互式插图。输入描述，输出精修 SVG，可选叠加 WebGL 着色器与 3D 效果。

核心亮点

• 面向 Agent 的技能封装，调用即可产出成品级插图
• 默认输出矢量 SVG，缩放无损、体积轻
• 可选 WebGL 着色器，让静态图具备动态光影与立体感
• 覆盖机械结构、系统架构等"需要讲清楚"的题材

为什么火

技术文档、教程和产品页长期缺少高质量示意图，人工绘制成本高。Anatomy 把这件事交给 Agent，几分钟出图，且风格统一，正好切中开发者与内容作者的刚需。

适合谁用

写技术博客与文档的开发者、做课程与演示的教育者、需要系统架构图的产品与设计团队。

快速上手

克隆仓库，按 README 将 skill 接入你的 Agent 环境，用自然语言描述目标机器或系统，即可生成 SVG，再按需开启 WebGL 增强。MIT 协议，商用友好。

它是什么

ARTEX 是一套 AI 自主渗透测试系统，用 Go 编写。它让大模型像人类渗透测试员一样自主规划、执行攻击链，而非只做单点扫描。该项目是百度"agent+"攻防挑战赛冠军作品。

核心亮点

• 自主决策：AI Agent 根据目标环境动态调整攻击策略，覆盖信息收集到漏洞利用全流程。
• Go 高性能：并发扫描与任务调度效率高，适合大规模目标。
• 实战验证：冠军赛背景意味着在真实攻防场景中经过检验。

为什么火

AI+安全是当前热门交叉领域，而"自主渗透"直接切中安全团队人力瓶颈。冠军头衔加上 3.5k 星标，说明社区对可落地的 AI 攻防工具需求强烈。

适合谁用

安全研究员、红队成员、AI Agent 开发者，以及想探索 LLM 在攻防场景落地的工程师。需具备基础渗透知识。

快速上手

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

配置 LLM API Key 后即可对授权目标发起测试。注意 AGPL-3.0 协议，商用需谨慎。

它是什么

Aurelio Finance 是一款开源的个人财务管理应用，用 Python 编写，MIT 协议。它把净资产追踪、投资组合管理和 AI 财务顾问整合在一起，所有数据都跑在你自己的电脑上。

核心亮点

• AI 财务顾问：接入 LLM，能基于你的实际持仓给出分析和建议
• 全景资产视图：股票、ETF、现金、债务统一追踪，自动计算净资产
• 股息追踪：专门针对分红投资做了收益统计
• 完全自托管：财务数据不上云，隐私可控

为什么火

个人财务数据极度敏感，市面上的 SaaS 工具让人不放心。Aurelio 切中了「自托管 + AI 洞察」这个组合——既有本地部署的安全感，又有大模型带来的智能分析能力，近 3000 star 说明需求真实存在。

适合谁用

注重隐私的投资者、喜欢自己动手的 self-hoster、需要跨账户统一视角管理 ETF 和股票组合的人。

快速上手

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

配置好 LLM API Key 后即可启动，导入持仓数据开始使用。

它是什么

DigUp 是一款 macOS 菜单栏应用，用语义搜索替代传统文件名检索——你可以直接描述"上周那份关于预算的 PDF"，它会按内容而非文件名找到目标。基于 Google DeepMind 的 EmbeddingGemma 2 模型，全部推理在本地完成。

核心亮点

• 多模态覆盖：照片、PDF、录音、视频、代码均可索引
• 完全离线：基于 llama.cpp 运行，数据不出设备
• 菜单栏常驻：轻量级交互，随叫随到
• Swift 原生：贴合 macOS 生态，MIT 协议开源

为什么火

Spotlight 只能匹配文件名和元数据，而 DigUp 直击"记得内容却忘了文件名"的高频痛点。EmbeddingGemma 2 的端侧落地 + 隐私优先的 local-first 理念，正好踩中当下对云端 AI 的信任焦虑。

适合谁用

Mac 上资料繁杂的研究者、设计师、开发者，以及任何在意数据隐私、不愿把文件上传到云端做索引的用户。

快速上手

克隆仓库后按 README 构建 Swift 项目，首次运行会下载模型并建立本地索引，之后即可在菜单栏随时唤起搜索。

它是什么

SolidCraft 是一款用纯 Rust 从零构建的开源参数化 3D CAD 应用，基于 B-rep 几何内核，支持桌面端、Web 端（WASM）以及通过 MCP 协议进行自动化调用。

核心亮点

• 纯 Rust 技术栈：从几何内核到 UI（egui）全部自研，无 OpenCASCADE 等重型 C++ 依赖
• 三端统一：同一套代码编译到桌面、浏览器，还可作为 MCP 服务被 AI Agent 驱动
• 参数化建模：支持 STEP 格式导入导出，符合工程级 CAD 工作流
• MCP 集成：让 LLM 直接操作 CAD 模型，是 AI+设计的前沿探索

为什么火

传统 CAD 被商业软件垄断，开源方案多依赖庞大 C++ 库难以维护。SolidCraft 用 Rust 重写整套栈，加上 MCP 这一 AI 自动化入口，恰好踩中「Rust 重写一切」和「AI Agent 工具化」两个热点。

适合谁用

• 想研究 CAD 几何内核的 Rust 开发者
• 需要轻量级、可编程 CAD 的工程师
• 探索 AI 驱动设计自动化的研究者

快速上手

git clone https://github.com/bherbruck/solidcraft
cd solidcraft && cargo run --release

Web 版可直接访问在线 Demo，MCP 模式参见仓库文档配置。

它是什么

Talorys 是一个部署在你自己的 Cloudflare 账户里的个人 AI Agent，集聊天、记忆、任务、笔记和定时提醒于一体。一条命令即可完成部署，数据完全归你所有。

核心亮点

• 一键部署：npx create-talorys@latest 即可跑起来，无需自建服务器
• 完全私有：单用户设计，无遥测，数据存于你自己的 Cloudflare 账户
• 持久记忆：基于 Durable Objects 实现跨会话记忆与状态保持
• 免费友好：充分利用 Cloudflare Workers 与 Workers AI 免费额度

为什么火

在"AI 助手数据该归谁"的讨论中，Talorys 给出了一个轻量答案：不依赖第三方 SaaS，不牺牲便利性。TypeScript + React 的技术栈对开发者友好，Cloudflare 边缘网络的低延迟也让体验接近商业产品。

适合谁用

想要一个私有、可控、可定制的个人 AI 助手的开发者；已在使用 Cloudflare 生态、希望顺手扩展个人工具链的用户；对数据隐私敏感、拒绝遥测的技术人群。

快速上手

npx create-talorys@latest

按提示登录 Cloudflare 账户并授权，几分钟内即可获得属于你的 AI Agent。

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、人脸网格与音频处理，把视频中的角色或物体替换为 Seedance 生成的内容，并保留原始音轨。

核心亮点

• 多模态管线串联：深度估计 + SAM 分割 + 人脸网格，精准锁定替换区域
• 内置本地 Web UI，可视化准备输入、审查遮罩、预览生成结果
• 导出时自动回填原始音频，省去后期对齐

为什么火

视频替换长期依赖闭源工具或繁琐的 ComfyUI 拼装。Genjustsu 把整套流程打包成可复用的 Python 工作流，并配上网页界面，降低了上手门槛，因此短期内收获 700+ 星。

适合谁用

短视频创作者、AI 视频研究者，以及想二次开发替换管线的 Python 工程师。

快速上手

克隆仓库后按 README 安装依赖，启动本地 Web 服务，导入视频即可在浏览器中完成分割、预览与导出。

它是什么

big-arrow-on-the-screen 是一个 macOS 命令行工具，让 AI Agent 能在你的屏幕上直接画出巨大的箭头、方框和文字标注。用 Swift 编写，MIT 协议开源。

核心亮点

• 一条 CLI 指令：Agent 调用即画，无需 GUI 交互
• 点击穿透：标注浮在屏幕最上层，但不阻挡鼠标操作
• 自动消失：画完即走，不留痕迹
• Agent 原生：内置 Claude Code 和 Codex 的 Skill 支持，即插即用

为什么火

当 AI Agent 需要"指给你看"时，文字描述往往苍白无力。这个项目补上了 Agent 与人类之间的视觉沟通层——让 AI 能像人一样用手指着屏幕说"就是这个按钮"。669 星背后是开发者对 Agent 交互新范式的期待。

适合谁用

• 用 Claude Code / Codex 做自动化演示的开发者
• 构建 GUI 教学、录屏、远程协助类 Agent 的团队
• 想让 AI 助手"开口动手"的 macOS 极客

快速上手

brew install franzenzenhofer/tap/big-arrow
big-arrow --from 100,100 --to 500,400 --label "看这里"

在 Claude Code 中安装对应 Skill 后，Agent 即可自主调用。

它是什么

用一块 7 美元的 ESP32-S3 开发板，让 AI 模型直接操控真实 iPhone。项目通过 AirPlay 获取屏幕画面作为“眼睛”，用 USB HID 模拟触摸与按键作为“手”，接入任意 OpenAI 兼容的视觉模型完成闭环操作。

核心亮点

• 零门槛：不需要 Mac、不需要开发者账号、不需要越狱
• 硬件极简：仅一块 ESP32-S3，成本约 7 美元
• 模型无关：任何支持 OpenAI 视觉接口的 LLM 都能直接接入
• 真机操作：不是模拟器，是物理层面的屏幕读取与触控注入

为什么火

把“Computer Use”从云端虚拟机拉回到真实手机，成本压到一杯咖啡的价格。对想研究 AI Agent 操作移动端、又不想被苹果生态锁死的开发者来说，这是目前最轻量的路径。

适合谁用

做 AI Agent 移动端自动化的研究者、想低成本复现 computer-use 场景的独立开发者、以及需要真机 UI 测试但排斥 Appium 复杂度的团队。

快速上手

克隆仓库后按 README 烧录 ESP32 固件，连接 iPhone 并配置 AirPlay 接收，填入任意 OpenAI 兼容的 API Key 即可运行。Python 侧负责调度视觉推理与 HID 指令下发。

它是什么

new-term-radar 是一个每日扫描 AI 新词的雷达工具。它从 X、Hugging Face、GitHub 和网站 sitemap 中捕捉新模型、新产品、新仓库的名称，赶在关键词工具收录之前把它们挖出来。

核心亮点

• 多源并行抓取：覆盖社交媒体、模型社区、代码仓库和站点地图
• 抢跑关键词工具：在 SEO 工具更新前发现新兴术语
• 基于 GitHub Actions 自动运行，无需自建服务器
• Python 实现，MIT 协议，便于二次开发

为什么火

AI 领域新词爆发极快，传统关键词工具更新滞后。做 SEO、内容选题或趋势判断的人，需要更早的信号源。这个项目把「早期发现」做成了每日自动化流程，515 颗星说明需求真实存在。

适合谁用

SEO 从业者、AI 内容创作者、趋势研究员，以及需要监控竞品或新词动态的产品团队。

快速上手

克隆仓库，配置好各数据源的访问凭证，启用 GitHub Actions 工作流即可每日自动产出新词列表。