GitHub 开源热榜项目 (2026-09-21 ~ 2026-09-27) 周期2026-09-21 ~ 2026-09-27 | 更新2026-09-28共收录09个项目按 Star 数排序 本期概览本期榜单2026-09-21 ~ 2026-09-27共收录09个项目累计 Star17,817。技术栈以 Python、TypeScript、Go为主应用场景集中在 音视频生成、Agent应用工作线、AI落地。 01 · jev-chat/jev-chat-jarvis Kotlin | AI助手、Android | ⭐ 6,781 | 1,170 | ⭐ 热门项目 项目介绍Jev 聊天助手是一款安装在Android 手机上的“对话副驾”工具。它通过系统无障碍服务只读屏幕在 QQ、X (Twitter)、飞书等聊天 App 中实时分析对方消息的真实意图和危险等级并生成 3 条口语化的候选回复。用户只需一键将回复填入输入框发送权始终掌握在自己手中。项目强调非侵入性不 Hook、不改包、不调用聊天软件接口、不自动发送消息且截图 OCR 和知识库存储均在本地完成仅将必要的分析文本发送至用户自行配置的第三方模型接口。 使用场景社交沟通辅助、个性化回复 核心价值先判断再回复区别于直接生成回复的工具它先分析对方意图和风险再据此起草回复更安全、更精准。绝对的非侵入与安全不修改任何聊天软件不自动发送消息不碰转账红包从根本上杜绝了封号风险和资金风险。用户掌控数据主权密钥、知识库、聊天历史均存于本地截图仅本机 OCR用户完全掌控数据流向通过自配 API 接口。高度可扩展一套内核支持多平台新增一个 App 只需编写几十行的适配器具备良好的可维护性和扩展性。 推荐语是一款真正把控制权和隐私还给用户的AI 助手。对于经常在 QQ、X 或飞书上沟通又希望获得 AI 辅助但担心安全风险的用户来说Jev 聊天助手提供了一个近乎完美的“只读式”解决方案。 GitHub → 02 · unreallabsai/unreal-agent Go | AI agent | ⭐ 1,990 | 107 | ✨ 潜力项目 项目介绍Unreal Agent 是一个由 Unreal Labs 开发的、异步优先的 AI Agent 框架。它的核心是一个可组合的“harness”框架旨在为构建复杂的、基于大语言模型LLM的智能体应用提供底层支持。该项目围绕几个关键概念构建包括Session可追加、可复制的持久化历史记录。Input具有稳定唯一ID的事件支持去重和重投递。Coordinator协调器负责运行LLM轮次、解析工具调用并分发操作。Tool Translator负责验证和翻译工具调用且不允许执行I/O操作。Operation由工具翻译器产生的、可序列化的工作描述用于异步执行。框架设计强调组件的可组合性和可替换性并维护了会话存储、操作等核心数据格式的版本化与向后兼容性。 使用场景AI Agent、异步与高并发处理 核心价值异步优先架构整个框架围绕异步操作设计适合处理耗时的 I/O任务如 LLM 调用、工具执行避免阻塞提升效率。状态持久化与恢复通过 Session Store持久化会话历史和操作状态支持会话的恢复与分叉fork保证了智能体交互的连续性和可调试性。清晰的职责分离组件如 Coordinator、Context Builder、Tool Translator职责明确接口清晰便于理解、替换和扩展。可扩展与可组合鼓励开发者实现和替换组件接口并提供了 primitives 来帮助实现操作使得框架能适应不同的部署环境和需求。内置幂等性与可靠性通过 Session Inbox 对输入进行去重确保在重试或重新投递场景下操作的幂等性增强了系统的鲁棒性。 推荐语Unreal Agent 是一个设计精良、架构清晰的 Go 语言智能体开发框架主打复杂、异步、可持久化的 LLM 应用开发。它没有停留在简单的 API 封装层面而是深入解决了智能体运行中的核心问题如何管理会话状态、如何安全地执行工具调用、如何保证操作的幂等性。其“异步优先”和“组件可组合”的设计理念使得它既能为快速原型开发提供坚实基础也能满足生产环境对可靠性和扩展性的要求。 GitHub → 03 · Contrastive-LM/CLM Python | 决策模型 | ⭐ 1,924 | 171 | ✨ 潜力项目 项目介绍CLM (Contrastive Language Models) 是一类新型的“系统1”模型通过对比学习目标连接“状态”与“动作”实现快速且可泛化的决策。该仓库主要服务于CLM-8B 模型并提供兼容 TypeSafe 的 API。CLM-8B 在 6000 万 Nemotron 问答对上进行预训练在 3000 万合成难负例上进行中期训练并在 100 万智能体轨迹上进行后训练。它在计算机使用、游戏和工具调用任务上性能与 Jev 相当但延迟最多可降低 9 倍。 使用场景智能决策、候选排序 核心价值极速推理通过将状态与动作解耦并缓存嵌入实现高达 9 倍的延迟降低尤其适用于候选动作多或状态重复的场景。性能卓越在多个智能体基准上达到SOTA例如 Terminal-Bench 2.1 上 87.6%DeepSWE 上 81.6%且比 Jev 快 4.1-5.7 倍。通用性强无需针对特定任务进行设置即可用于排序、路由、检索和类型化决策等多种场景。易于微调提供完整的微调教程和脚本可基于自有数据轻松适配下游任务。工程友好提供 pip 安装、兼容 TypeSafe 的 API、内置 Playground 和向量缓存机制便于快速集成和部署。 推荐语Contrastive Language Models (CLM) 为 AI 智能体的决策层带来了一种全新的“系统1”范式。它巧妙地将决策问题转化为状态与动作的对比学习从而绕开了传统 LLM 逐 token 生成的缓慢路径。CLM-8B 不仅在多个智能体基准上取得了 SOTA 性能更通过创新的向量缓存机制将推理速度提升了近一个数量级这对于需要实时响应的 Agent 应用至关重要。其提供的 API 设计简洁优雅支持类型化问答和候选排序开发者可以轻松地将其嵌入现有工作流。在构建需要快速、可泛化决策能力的 AI 智能体上提供了一个极具潜力的选择。 GitHub → 04 · tobi/disktree Rust | 磁盘空间分析 | ⭐ 1,608 | 107 | ✨ 潜力项目 项目介绍disktree 是一款基于树状图Treemap的磁盘空间管理工具最初为 Omarchy 桌面环境打造现已支持 Linux、macOS 和 Windows。它默认扫描用户主目录将每个目录绘制为按实际磁盘占用大小嵌套的“马赛克”图块让用户一眼看清究竟是什么在蚕食硬盘空间。你可以用键盘或鼠标深入浏览随意标记想要清理的目录但程序不会立即执行——所有删除操作都必须经过复核列表确认永久删除更是会再次询问。界面跟随 Omarchy 主题使用体验与桌面其他部分浑然一体。 使用场景磁盘空间管理、可视化展示 核心价值所见即所得的空间地图树状图按真实磁盘占用st_blocks × 512绘制比 du 命令行更直观颜色与斜线纹路区分数据类型和“可回收空间”。先标记、后复核、再删除任何删除都不会立即执行必须进入复核界面确认永久删除始终弹窗二次确认误操作几乎不可能。删除前即知回收量侧边栏实时显示当前剩余空间与标记后的预计空间让“清理”这件事有了明确的收益预期。内置安全护栏拒绝删除文件系统根、挂载点、系统目录/usr、/etc、/var/lib 等、符号链接不被跟随、不经过 shell 执行从代码层面杜绝“一键清库”。跨平台一致的体验Linux 用 trash-cli/XDG 回收站macOS 用系统 TrashWindows 用回收站Windows 下还能以管理员身份读取 NTFS 主文件表实现 WizTree 级别的极速扫描。 推荐语如果你曾经对着“磁盘空间不足”的弹窗手足无措或者用 du -sh * 一层层翻目录翻到眼花disktree 会让你眼前一亮。它把抽象的磁盘占用变成一张可以“走进”的地图每个目录是一个方块方块越大说明越占地方点进去还能继续细分。更难得的是它在“好用”和“安全”之间拿捏得恰到好处——所有删除都必须经过复核永久删除永远多问一句系统目录和挂载点被硬性保护连符号链接都不会被跟随。用 Rust 和 GPUI 写成启动快、界面跟手Linux、macOS、Windows 都能跑。清理磁盘本该是件有掌控感的事disktree 把它做到了。 GitHub → 05 · yetone/magpie Go | AI agent管理 | LLM | ⭐ 1,260 | 70 | ✨ 潜力项目 项目介绍magpie 是一个开源的AI Agent 模型统一管理工具以菜单栏应用的形式运行。它在一个界面中列出你机器上所有 AI Agent如 Claude Code、Codex、Gemini CLI、OpenCode 等及其当前使用的模型点击即可切换。magpie 内置本地网关将不同厂商的 APIOpenAI、Anthropic、Gemini 等统一转换为标准接口让任何 Agent 都能使用任意模型——例如让 Codex 跑在 DeepSeek 上让 Claude Code 跑在 Kimi 上。它支持 30 Agent 和 20 模型提供商提供配置文件精准编辑、订阅共享、路由组、配置快照与备份等功能。 使用场景多Agent使用、配置管理、接口统一 核心价值统一入口一个界面管理所有 Agent 的模型配置告别逐个修改配置文件的繁琐。本地网关提供 OpenAI/Anthropic/Gemini 兼容 API任意工具均可接入Agent 不再持有厂商密钥。配置安全精准编辑配置文件保留注释、缩进和排序密钥仅存储在本地支持加密备份。订阅复用已登录的 Agent 订阅可作为 Provider 共享无需复制密钥或重复付费。轻量高效桌面版不足 15MB终端版仅 7MB跨平台支持 macOS、Linux、Windows。实时模型列表从厂商 API 动态获取可用模型新模型发布后自动出现在选择器中。 推荐语如果你同时使用多个 AI agent一定经历过这样的痛苦想给 Claude Code 换个模型得去翻 ~/.claude/settings.json想给 Codex 换个模型又得去改 ~/.codex/config.toml。每个 Agent 的配置格式不同、字段各异切换一次模型就像做一次小型运维。magpie 彻底解决了这个问题——它把所有这些配置集中到一个菜单栏图标里点击、选择、完成。更妙的是它内置了一个本地网关让所有 Agent 共享同一个模型目录你可以让 Codex 用 DeepSeek让 Claude Code 用 Kimi让 Gemini CLI 用 GLM而这一切只需要在 magpie 里点几下。它还支持路由组、配置快照、加密备份。 GitHub → 06 · JohnHeibel/PDoomVideo JavaScript | 视频生成 | ⭐ 1,251 | 133 | ✨ 潜力项目 项目介绍PDoomVideo 是歌曲《I’m Upping My P(doom)》的 Claude Opus 5.5 音乐视频源代码。整个视频完全由 Claude Opus 5.5 在 Claude Code 中生成——包括分镜、动画代码、转场设计没有任何人工指定的场景创意。作者只给了两条指令使用 Clawd 角色设计、为每句歌词配上有趣的视觉与转场。项目包含九个章节的源码、共享的 Clawd 角色与道具代码、分镜文档STORYBOARD.md和动画指南ANIMATION_GUIDE.md以及一套可复现的渲染流程用 p5.js p5.brush 在浏览器中逐帧绘制再由无头 Chrome 截帧、ffmpeg 编码成 MP4。 使用场景AI内容生成、AI创作 核心价值全 AI 生成视频的每一行代码、每一个场景、每一次转场都由 Claude Opus 5.5 生成是AI 自主创作的完整实证。可复现渲染管线Node.js 无头 Chrome ffmpeg 的组合清晰透明支持断点续渲任何人可本地重现整支视频。完整的创作文档STORYBOARD.md 和 ANIMATION_GUIDE.md 由模型自己撰写展示了 AI 如何规划分镜、指导子代理极具参考价值。通用动画框架作者提炼出更可靠、更通用的 Claude 动画基础可复用于其他 AI 生成动画项目。创意编程实践p5.js p5.brush 的笔触风格、歌词视觉化与转场设计为创意编程提供了鲜活案例。开源可学九章源码结构清晰是学习AI 创意编程协同创作的难得教材。 推荐语Claude Opus 5.5 独立完成了一支完整的音乐视频——而且把全部源码开源了。PDoomVideo 最震撼的地方不在于视频本身而在于它的制作过程作者没有指定任何场景创意只给了用 Clawd 角色、每句歌词配有趣视觉两条指令剩下的分镜、动画代码、转场设计全部由模型自主完成。更难得的是模型还自己写了分镜文档和动画指南用来指挥它并行运行的子代理。这意味着你不仅能欣赏成品还能逐行阅读这支视频的创作思路。项目提供了完整的可复现渲染管线——p5.js 绘制、无头 Chrome 截帧、ffmpeg 编码支持断点续渲任何人都能在本地重现。 GitHub → 07 · mexicat/pdoom-video TypeScript | 视频生成 | ⭐ 1,148 | 120 | ✨ 潜力项目 项目介绍pdoom-video 是歌曲《I’m Upping My P(doom)》的另一代码渲染音乐视频项目。它采用确定性渲染理念每一帧都是歌曲时间的确定函数因此浏览器中的实时预览与离线导出的 1080p60或 4K60视频完全一致。项目包含完整的音频分析管线Demucs 分轨、CTC 强制对齐、Whisper 交叉校验、节拍/起音检测生成词级甚至音节级的歌词时间轴渲染器基于 Three.js包含 17 个场景模块open、loss、prompt、hook、shoggoth 等和共享视觉母题支持运动模糊、辉光、颗粒等后处理效果。整个视频的概念、歌词对齐、渲染器和每个场景均由 ClaudeOpus 5.5在 Claude Code 中协作完成。 使用场景音视频制作、AI创作 核心价值确定性渲染预览与导出完全一致每一帧都是时间的确定函数避免预览好看导出崩的常见问题。自适应运动模糊根据运动幅度动态选择每帧子采样数静止 12、普通运动 36、快速甩镜 108 或 324在质量与性能间取得平衡。真 4K 渲染不是放大而是每个图层、线条和着色器都在物理分辨率下渲染4K 帧与 1080p 帧构图一致但更锐利。完整音频分析管线从 Demucs 分轨到 CTC 强制对齐、Whisper 校验、节拍/起音检测生成词级时间轴。AI 协作范例概念、歌词对齐、渲染器、场景全部由 Claude 在 Claude Code 中协作完成展示了 AI 辅助复杂项目的可能性。模块化场景系统每个场景一个独立模块共享视觉母题便于扩展和复用。 推荐语pdoom-video 不只是一个音乐视频更是一套完整的代码即视频的工程实践。pdoom-video 把音乐视频制作变成了可复现、可调参、可 4K 渲染的软件工程音频分析管线用 Demucs 分轨、CTC 强制对齐和 Whisper 校验生成词级时间轴渲染器用 Three.js 驱动 17 个场景模块运动模糊根据运动幅度自适应采样4K 导出是真正的物理分辨率渲染而非放大。更特别的是整个项目——从概念、歌词对齐到渲染器和每个场景——都是与 ClaudeOpus 5.5在 Claude Code 中协作完成的这本身就是一份关于 AI 辅助创作的高质量记录 GitHub → 08 · mikehasa/golive-skill TypeScript | skill | ⭐ 1,013 | 75 | ✨ 潜力项目 项目介绍GoLive 是一个开源的 Agent Skill 零依赖 Node CLI用于把 AI Agent 构建的应用真正推上线。它遵循detect → plan → approve → apply → verify的工作流检测应用需要哪些基础设施生成精确的变更计划等你批准后用你自己的账号登录执行并验证实际结果。支持托管Vercel、Netlify、数据库Supabase、Neon、自定义域名 DNSPorkbun、GoDaddy、事务邮件Resend、测试模式支付Stripe和 Supabase 认证。完成后可生成交接文档也能通过 teardown 把创建的资源拆除。无需 GoLive 账号、托管后端或遥测。 使用场景Agent应用上线、快速部署 核心价值人工审批每一笔写入没有你批准的计划 ID 和 --yesapply 拒绝执行DNS、删除、生产数据等操作有额外确认开关。沿用你自己的账号复用已登录的 Vercel、Supabase、Stripe 等账号密钥存在本地 0600 权限文件不进入聊天、计划或报告。失败即停可恢复apply 在首个失败、缺失确认或前置条件不满足时停止下次 apply 从该步继续而非盲目推进。验证而非假设报告区分 pass / fail / warning / skipped明确skipped 不等于通过跳过项会列出待办。可拆除、可交接teardown 只删除能证明是 GoLive 创建的资源无法删除的明确列为人工移交项交接文档标注每行是已验证、已记录、不可验证还是未知。零依赖、无遥测本地 CLI无需 GoLive 账号或托管后端不收集产品遥测数据。开源可审计MIT 许可架构即产品契约验证记录区分实机测试与仅 mock 覆盖。 推荐语它是给编码 Agent 用的 Skill也是本地零依赖 CLI核心流程只有五步检测、计划、批准、执行、验证。它不替你做决定——每个计划都会列出目标账号、具体变更和成本你点批准它才动手每个高风险操作DNS 写入、删除、生产数据、首次生产部署都有独立的确认开关。它复用你已有的账号登录密钥只存在本地 0600 文件里永不进入聊天记录或命令行参数。最难得的是它对验证的诚实报告明确区分通过、失败、警告和跳过并强调跳过不等于通过。上线完成后它能生成一份所有权交接文档还能在你不再需要时把创建的资源干净拆除。 GitHub → 09 · freestylefly/WeChatBridge有意思️ Swift | 本地知识库 | ⭐ 842 | 308 | 新星项目 项目介绍WeChatBridge微信流是一款原生、轻量、完全本地的 macOS 工具用于将微信聊天记录一键转发到 AI Agent 与 Obsidian。它利用 macOS 微信 4.1.13 起支持的合并转发功能——微信会生成包含 TXT、图片和视频的 ZIP 包WeChatBridge 通过 Share Extension 补齐系统转发入口让一次转发直接抵达 Codex、Claude、豆包、千问办公、WorkBuddy、WeSight、Obsidian、剪贴板或自定义应用。项目不读取微信数据库、不解密、不注入、不修改微信进程聊天归档、场景和记录均保存在本机Share Extension 在沙盒中运行且无网络权限。 使用场景知识库构建、AI落地应用 核心价值九个原生入口在微信转发菜单直接选择目标无需打开主窗口操作路径最短。AI Agent 直达激活目标 App 后自动附加场景指令并粘贴聊天归档省去手动复制粘贴。Obsidian 沉淀生成 Markdown 笔记保存原始 ZIP按聊天名组织内容附件按微信样式渲染。场景与技能为不同群聊保留场景提示词管理兼容 Agent 的 SKILL.md 能力包。隐私边界清晰不读数据库、不解密、不注入沙盒运行无网络权限数据完全本地化。失败兜底目标未安装或权限不足时文件仍保留在剪贴板不会丢失。双语界面完整支持简体中文与 EnglishUniversal 2 构建兼容 Apple Silicon 和 Intel Mac。开源可构建MIT 协议Swift Package Manager 管理提供完整的构建、测试和发布脚本。 推荐语微信里每天产生大量有价值的对话——群里的技术讨论、朋友分享的链接、工作沟通的要点——但它们大多沉睡在聊天记录里难以检索、无法沉淀、更谈不上被 AI 利用。WeChatBridge 用最优雅的方式解决了这个问题它没有去破解微信数据库而是巧妙利用了微信自带的合并转发功能把导出的聊天记录 ZIP 直接送进你常用的 AI Agent 或 Obsidian。安装后你在微信里多选消息、点击合并转发菜单里就会出现发给 Codex“发给 Claude”沉淀到 Obsidian等九个入口点一下聊天记录就自动粘贴到目标应用里还能附带你预设的场景提示词。整个过程完全本地不碰微信进程、不上传云端Share Extension 在沙盒中运行且没有网络权限对隐私敏感的用户也能放心使用。 GitHub →其他项目简单介绍dzhng/jevgrep 是一款面向编程 Agent 的命令行工具用自然语言提问即可定位代码文件与相关源码。核心理念是帮助 Agent 在陌生代码库中快速起步执行 jg “How are telemetry events recorded?” ./my-project 后工具返回相关文件位置、阅读线索与逐字源码摘录Agent 再基于此实施修改并验证。底层使用 TypeSafe 的 Jev 决策模型判断文件夹、文件与声明的相关性。实测数据显示在一次包含十个任务的 SWE-bench 重复实验中使用 jevgrep 后编程 Agent 成本从 7.62 美元降至 4.52 美元降幅约 40%但解决率从 8/10 降至 7/10属于成本与质量的权衡。安装需 Node.js 22 与 Vercel AI Gateway、TypeSafe 或 OpenRouter 的 API KeyCLI 之外还需安装配套的 Agent Skill。 GitHub →asokurasu/text-humanizer 是一个完全免费开源的AI 文本人性化工具通过多语言 LLM 重写流程使 AI 生成内容更自然。工作流程分四步首先用 DeepSeek 重写文本并将内容翻译为中文作为中间表示以引入结构变化然后用 Google 翻译将英文转为土耳其语借助跨语言差异制造句法扰动若提供 DeepL API Key可选地将土耳其语进一步译为日语以增加多样性最后由 DeepSeek 重新翻译回原始语言并重构流畅表达。工具支持英语、日语、中文、韩语、德语、法语、西班牙语等 8 种语言声称可绕过多数 AI 内容检测器同时保留原始语义。配置需 DeepSeek API KeyDeepL 为可选采用 MIT 许可证。推荐温度参数为 1.3。该项目是第三次出现在榜单上第一次出现的时候在文章中详细介绍过 GitHub →jev-chat/jev-chat-windows 是一个Windows 平台聊天回复辅助工具在聊天窗口旁挂载面板通过窗口截图与本地离线 OCR 读取对方消息由 Jev 决策模型生成三条候选回复。每条候选带胜出概率百分比并排序推荐条目置顶标注支持一键填入或复制。会话名从面板头部 OCR 提取记录与上下文按会话分开存储群聊中每条消息的发言人名会一并喂给模型还可指定回复对象。采集开关可随时停止 OCR调试视图实时展示识别内容。项目仅维护当前一套识别方案不提供其他聊天窗口的适配。功能与第一个项目 jev-chat/jev-chat-jarvis相似 GitHub → 说明数据来源GitHub Search API排序方式Star 数降序时间范围2026-09-21 ~ 2026-09-2730天活跃窗口
