正在涨的 AI 项目

一个开源、可自托管的设计编辑器，类似于 Canva，让用户无需付费墙或账号要求即可创建专业图形、视频和 PDF。

Token Optimizer 是一个零依赖的 Python 工具，可插入 AI 编码助手（Claude Code、Copilot 等），自动压缩命令输出、搜索结果、JSON、文件差异和其他“结构性”数据，节省 token 和费用。它添加了智能检查点，使节省在模型压缩后仍然有效，实时评分上下文质量，存储本地 SQLite 审计跟踪，并提供斜杠命令（例如 `/token-optimizer`、`/token-coach`）用于报告和仪表板。安装是一次性插件添加，之后它在后台静默运行。

一个用于数字人类的实时交互流式引擎，可同步音频和视频，实现逼真的 AI 驱动对话。

一个包含超过 5,000 个由社区构建的 OpenClaw 本地 AI 助手技能的精选目录，帮助用户发现并安装工具以自动化任务并扩展代理功能。

ReArk 是一个适用于 HarmonyOS、Android、iOS 和原生二进制文件的桌面逆向工程套件，通过 ReArk Agent 增加了 AI 辅助的自然语言分析。

一组经过人工审查的指令集（技能），用于确保AI代理生成惯用、安全且高性能的Go代码。

Zero-Mem 是一个面向 LLM 智能体的记忆框架，它执行所有记忆操作（构建、组织、检索、校准）时无需任何 LLM 调用或 token，仅使用编码器和 NER 进行计算。它在原始交互轨迹上构建实体-上下文图和时间层次结构，通过查询条件路由检索证据，并且仅在最终答案生成时使用 reader LLM。报告结果显示，GPT-4o-mini 在 LoCoMo 上达到 59.15 F1，在 HotpotQA 56K 上达到 72.07 F1，记忆操作时间比 LightMem 基线低 57.6%。

Pi-OptChat 是 Pi AI 助手的扩展，通过将对话历史组织成摘要树，增加持久、长期记忆和子代理功能。

Claudemy 是一个 Claude Code 技能，它根据当前的网络研究生成个性化、短小的音频课程，旨在实用且易于完成。

一个由AI驱动的麦当劳粉丝认证工具，利用官方MCP接口生成个性化表情包卡片，基于真实营养数据推荐餐品，并促进优惠券领取。

一个多功能的跨平台音频AI工具包，支持在从移动设备到嵌入式硬件的各种设备上本地运行语音转文字、文字转语音和说话人分析模型。

Wan2.2 是一套大规模视频生成模型，利用 Mixture-of-Experts 架构，从文本、图像或语音生成高分辨率电影级视频。

一本全面的开源手册，提供构建和扩展企业级AI代理的架构指导、工程实践和治理策略。

LeRobot 是 Hugging Face 的开源 PyTorch 机器人学习库，提供与硬件无关的机器人 API、统一的数据集格式（视频 + Parquet），以及一系列最先进的模仿学习、强化学习、VLA、世界模型和奖励模型。它支持多种真实机器人、仿真基准测试和可扩展的第三方插件，并提供数据收集、训练、评估工具以及用于端到端工作流的 Web UI。

一个视觉反馈工具，允许开发者标注 UI 元素，并为 AI 编码代理提供精确的 CSS 选择器和位置，以定位所引用的确切代码。

REA 是一个 Node.js 平台，它将 LLM 代理连接到逆向工程工具（Hopper、Ghidra、IDA 等）以及用于二进制、JavaScript/Electron、.NET、Android、固件、Web 捕获等的静态分析工具。它运行本地 MCP 服务，向受支持的代理注册技能，并返回 AI 可用于解释或重新实现目标功能的具体证据（伪代码、汇编、模块图、截图）。通过 `npx rea-agents setup` 安装，然后提问或使用 CLI（`rea …`）。

OpenChatCut 是一款开源、本地优先的视频编辑器，AI 代理通过自然语言或 MCP 编辑真实的多轨时间线，生成可编辑的项目，而不是锁定的单次生成结果。

一个包含77个AI就绪的结构化提示和模板的库，让产品经理及其LLM助手以最小设置运行经典PM框架（发现、路线图、PRD、利益相关者映射、AI产品设计、职业辅导等）。

audio.cpp 是一个基于 ggml 构建的原生 C++ 推理框架，可在 CPU、CUDA、AMD 或 Apple Silicon 硬件上本地运行数十种现代音频 AI 模型（TTS、ASR、语音转换、音乐生成等）。它提供单一 CLI、HTTP 服务器和 Web UI，支持量化 GGUF 包以实现速度和低 VRAM 占用，并捆绑 DSP 工具以支持端到端音频工作流。

一份精心策划、观点鲜明的 AI 智能体学习路线图（由 Datawhale 成员维护），将零散资源转化为可操作的待办清单——强调编码智能体、工具链工程、个人智能体、现代协议以及评估与安全，而非传统的角色扮演框架。

PostHog 是一个开源平台，收集产品事件、错误、日志和追踪，提供分析仪表盘、会话回放、功能标志、实验、调查、数据管道和AI驱动洞察——全部可自托管或通过免费云层使用。

ai-agents-from-zero 是一个免费、开源、中文的教程，用于从零到企业级学习 AI 智能体开发。它结合了系统章节（LLM 基础、低代码平台、LangChain/LangGraph 框架、RAG/智能体项目、微调、工程标准）、可运行的示例代码、面试题库，以及两个完整的实际项目（一个 NL2SQL 电商查询系统和一个多智能体研究工具）。它专注于 Python 生态（Python + LangChain + LangGraph，而非 Java），面向初学者和在职工程师，并持续更新至2026年。

Respan Gateway 是一个通用适配器，可让你使用任何 AI SDK 与任何 AI 提供商通信，并内置翻译、路由、工具和可观测性。

icm-architect 是一种代理技能，它将任何流程、想法或问题设计成 ICM 工作区——一种作为代理架构的文件夹结构——或将现有文件夹重构为这种结构。它适用于任何读取 SKILL.md 的代理，用可解释的结构替代编排代码。

一个供 AI 代理使用的技能套件，可自动化短剧创作：锁定模型/宽高比、生成剧本、对白、素材、分镜，并产出可直接使用的 7 段式提示词（或 MiniMax H3 格式）。包含验证脚本、离线分镜板，以及基于 FACS 的微表情工具，以确保 AI 视频制作的一致性。

一个用于从混淆的 Android 二进制文件中提取 HTTP API 并恢复原始 Kotlin 类名的 Claude Code 技能。

一个神经升频器，使 NVIDIA 的 DLSS Model E 网络能够通过 Direct3D 12 计算着色器在 AMD RDNA 1+ GPU 上运行。

一款基于 Android 的 AI 对话协作者，可实时分析多种聊天应用中的传入消息，并基于本地知识库提供排序后的回复建议。

一个计算机视觉工具包，为数据加载、可视化、数据集管理提供与模型无关的构建模块，以加速视觉应用开发。

一款本地优先的桌面应用，利用 AI 识别长视频或音频中的病毒式传播时刻，并自动将其裁剪为竖版短视频片段。

MOVO 是一个自托管的企业平台，它封装了 DeepSeek Harness 代理运行时，提供用户工作区、管理控制和文档处理能力，用于生产级 AI 部署。

一个用于 Claude Code 的插件，允许多人共享同一个实时会话，查看彼此的提示词、回复和工具结果，同时仅由主机执行任务。它支持实时结对编程和代码审查，具备主机控制权限，适用于桌面端和终端，并支持自托管。

一个开源的多模态 AI 创意工作台，结合了无限画布与 AI 图像、视频及音频生成工具，旨在简化视觉迭代流程。

CUDA Rust 是 NVIDIA 的开源技术栈，为 NVIDIA GPU 带来安全、惯用的 Rust 语言支持。它提供驱动级绑定、运行时（cuda-core、cuda-async）以及两种内核编程模型：cuda-oxide（低级 SIMT，类似于 CUDA C++）和 cutile-rs（面向张量中心代码的高级 Tile 模型）。该项目处于早期研究阶段，采用 Apache-2.0 许可，面向希望在编写 GPU 内核时获得 Rust 安全保证的开发者。

Seep Reverse Lab 是一个自主的、由代理驱动的逆向工程工作台，集成了 23 个开源工具（Radare2、JADX、Frida 等）和精选知识库。用户给出自然语言目标（例如，“绕过 FooBar.apk 中的高级检查”），内置的 softseep 编排器通过决策树路由请求，运行适当的工具链，生成自愈的 Frida PoC，并生成三部分 CWE-602 安全报告——全部在本地完成，无需手动切换工具。

一个开源的多平台 AI 编码代理，可在终端、IDE 和聊天应用程序中自动执行代码审查、错误修复和项目导航等开发任务。

IndexTTS 是一个开源的零样本多语言文本到语音系统，仅需一个参考音频即可克隆语音。最新版本（2.5）支持中文、英文、日文、西班牙文和阿拉伯文，并提供对情感、语速和发音（拼音/CMU音标/日文假名）的精细控制。它支持半精度（BF16/FP16）推理，可选 DeepSpeed 加速，并可通过 vLLM 配方实现大规模部署。仓库包含预训练检查点、Web UI 和 Python API，采用 Apache-2.0 许可。

一个高性能的越南语文字转语音系统，具备即时语音克隆、实时流式传输以及与 OpenAI 兼容的 API，适用于设备端部署。

一个工程知识和代理就绪技能的集合，用于在不同硬件平台上自动化计算机视觉应用的部署、依赖管理和配置。

Mobilerun 是一个开源框架，使 AI 智能体能够控制 Android 和 iOS 设备，通过自然语言指令实现移动端工作流自动化。

Webnovel Writer 是一个 Claude Code 插件，让作者能够用 AI 撰写长篇网络小说，同时保持情节一致性。它提供斜杠命令，用于初始化书籍、规划大纲、撰写和审阅章节、查询已存储的事实以及查看只读仪表板。事实被记录在“故事系统”中，通过 RAG（或 BM25 回退）建立索引，并投射到摘要和长期记忆中，使模型能够在数百个章节中记住角色、伏笔和世界规则。

EAC design world 是 DeepSeek Harness 的一个本地视频/设计工作室插件，让 AI 和人类能够协作创建视频、网站、幻灯片、文档和图像，并支持真实文件、预览和导出。它包含设计库、动态镜头、录制、编辑、调色、字幕等功能，既可以独立运行，也可以在 Harness 内运行。它需要 Node.js 22+、FFmpeg 7+，以及可选的 Chrome/Edge；采用 AGPL-3.0 许可证。

Happy 是一个采用 MIT 许可证的多提供商 LLM 工具，让您可以通过单一 CLI、移动应用或桌面客户端运行 Claude、Codex 和 Grok。它通过端到端加密在设备间同步会话，支持实时多人协作，并复用您现有的订阅。该仓库包含移动/Web 客户端、原始 CLI 和加密中继服务器；配套仓库提供桌面客户端和开源代理运行时。

DSH Voice AI Girlfriend 是一个将 DeepSeek Harness 转化为语音伴侣的插件：它通过麦克风监听，使用克隆语音进行回复，展示口型同步的数字人形象，并支持将回复推送到 QQ。

GEO 医生是一个开源技能/插件，用于 AI 助手（Claude Code、WorkBuddy 等），可审计网站的 AI 爬虫可访问性，提取经过验证的产品事实，生成逼真的用户问题，从主要 LLM 采样答案，分析推荐差距，自动撰写和发布 SEO 友好的内容，并可通过 GitHub Actions 每周重新测试。通过单个聊天命令安装或运行一行 Node.js 审计；该工具采用 MIT 许可，侧重于改善中国和全球产品的 AI 搜索（GEO）可见性。

一个用于 AI 应用和代理的开源评估框架，提供 50 多个即用型评估器和工具库，可生成自定义评估标准。

Blender Agent Skills 是一套包含 22 个脚本的工具集，允许 AI 编码助手（如 Claude、Codex、Gemini、Copilot 等）控制 Blender 5.2+，实现从建模到导出及质量保证的全流程 3D 资产创建。可通过 Claude 插件安装，或通过克隆并运行提供的安装程序进行安装；安装后，支持的代理即可调用这些技能。

Scenario for Blender 是一个基于 GPL 许可的 Blender 插件，连接 Scenario 的云 AI 服务。它允许用户通过文本提示或参考资产生成图像、视频、3D 网格、PBR 材质、音频、360° 环境和布局草图，并将结果导入当前 Blender 场景。该插件包含 UI 面板、用于代理集成的本地 MCP 服务器，并需要 Scenario 账户（每次生成消耗积分）。