JuliusBrussee/caveman
AI
JavaScript
风险：信息不足
可以看看
Caveman 是一个给 Claude Code 使用的技能插件。安装后，Claude 会模仿原始人说话，用最少词汇回答，比如“你吃？我吃苹果。”而不是“我刚刚吃了一个苹果”。这样做可以大幅减少回答长度，官方声称平均节省65%的token（就是API调用时按字数收费的部分）。它可能适合想省钱的开发者，或者单纯觉得好玩、想体验一下AI说原始人话是什么样子的人。不过，它本质上是一个搞笑技能，可能会影响回答的准确性和完整性。
我替你看了：README（但内容不足，主要依赖仓库元数据）；安装脚本 install.sh 和 install.ps1；最近三个 Release 说明（v1.9.1, v1.9.0, v1.8.2）；最近几个 Issue（如对 Oh My Pi 的支持请求、语言问题等）；最近提交记录
- 官方声称平均节省 65% 输出 token，但实际范围在 22% 到 87% 之间，v1.9.1 已统一宣传为 65%，不再使用范围数字
- 安装脚本在 v1.9.0 之前存在安全风险（从 main 分支拉取文件），现在已改为从固定 tag 拉取并校验 SHA-256 哈希，安装更安全
- 支持多个 AI 平台（Claude Code、Gemini CLI、Codex CLI 等），但一些第三方平台如 Oh My Pi 尚不支持，社区有请求但未合并
为什么值得注意：今天星数 93,211，较上次记录新增 5,452 星，增长显著。它用幽默方式解决了开发者对 token 成本的痛点，话题性强，容易传播。但功能本身较简单，更像是一个有趣的实验，而非重大技术突破。
如果你想试：如果你用 Claude Code，可以试试安装：在终端运行 `curl -sS https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash`（注意最新版已修复安全漏洞）。安装前建议先备份当前 Claude Code 配置，安装后可以通过 `caveman` 命令切换模式。
安装/使用注意：从上下文看，项目提供了 install.sh 和 install.ps1 安装脚本，安装方式为 curl|bash 或手动下载。安装复杂度低，但需注意：早期版本存在安全风险，最新版 v1.9.1 已修复（使用固定 tag 和哈希校验）。建议先查看 INSTALL.md 确认具体步骤，并确保使用最新版本。
agentscope-ai/QwenPaw
AI
Python
风险：信息不足
可以看看
QwenPaw是一个让你在本地电脑或云服务器上运行的AI助手，类似一个可以自己控制的智能体。它支持连接多个聊天软件（如微信/钉钉），还能通过插件扩展功能，比如新增项目管理看板。目前有2.8万Star，较上次记录新增1593，社区活跃。
我替你看了：README（信息不足，仅根据元数据判断）；v2.0.1 Release说明（PawApp平台、自定义Agent模式等）；最近提交记录（持续开发中）；Issues（有Bug和功能请求，开发活跃）
- 项目拥有27930 Star，较上次记录新增1593，fork 2862，社区活跃度较高
- v2.0.1新增了PawApp SDK，允许插件构建富交互UI，如内置看板应用
- 存在一个Bug：插件"Agent Kanban"在桌面版2.0.1上安装失败，报模块缺失错误
为什么值得注意：近期发布了v2.0.1大版本，新增了PawApp平台（插件可构建交互式UI）和自定义Agent模式，功能有实质提升。Star增长较上次记录新增1593，社区关注度自然上升，暂无异常刷星迹象。
如果你想试：如果你感兴趣，可以先在 Docker 或云服务器上尝试部署，参考项目根目录的 docker-compose.yml 文件。也可以直接下载桌面版体验。部署前确保你有基础命令行知识。
安装/使用注意：项目提供了Docker Compose安装方式（docker-compose.yml），也支持桌面版下载。从根文件看有setup.py和pyproject.toml，但未在上下文看到明确一键安装命令。建议优先使用Docker方式，避免环境配置问题。
img2threejs/img2threejs
🆕 新上榜
AI
Python
风险：信息不足
谨慎观望
img2threejs 是一个能从一张参考图片自动重建出 3D 模型的工具。它不依赖手动建模，而是通过 AI 分析和程序化生成，输出可直接在网页上运行的 Three.js 代码，模型还自带动画骨架。如果你有产品设计、游戏原型或 3D 展示的需求，它可以帮你把 2D 图片快速变成可交互的 3D 模型，节省大量建模时间。
我替你看了：README 内容概要（项目描述、功能定位）；v1.4 Release 说明（新增武器管线、内部结构重建）；开放 Issue（精度 bug、未文档化 gate 等）；近期提交（修复 logo 和 README 问题）
- 项目依赖外部的 AI agent（如 Claude Code）来生成模型，不是纯本地运行，可能涉及 API 调用费用
- v1.4 引入了武器类物体的自动分解和内部结构重建，但对复杂物体（如车辆）的支持仍有限（有相关 Issue）
- 存在多个开放 Issue 指出精度问题、未文档化的参数，开发进度较快但稳定性有待验证
为什么值得注意：近期 v1.4 更新大幅提升了重建质量，新增武器管线等专业功能。加上 AI+3D 的热度，Star 较上次采样新增 908，吸引了大量关注。但项目仍处于早期，是否持续有价值还需观察。
如果你想试：先访问 GitHub 仓库，查看根目录下的 SKILL.md 文件了解具体用法。如果决定尝试，建议在测试环境中用简单图片实验，不要直接用于商业项目，同时留意是否需配置 API Key。
安装/使用注意：未看到明确的安装命令。从仓库根文件推测，可能需 Python 环境和相关依赖（如 Three.js 库）。建议先查看 SKILL.md 或文档中的安装步骤，未提供前不要盲目运行。
diegosouzapw/OmniRoute
AI
TypeScript
风险：信息不足
值得关注
OmniRoute是一个免费开源的AI网关，你只需要设置一个API地址，就能用同一个接口访问290多个AI服务商（其中90多个免费），包括Kimi、Claude、GPT、DeepSeek等主流模型。它还能自动在多个模型间切换（如果某个收费或超限），并且能压缩输入输出节省15-95%的Token费用。对于经常切换不同AI工具的人来说，可以减少配置多个API的麻烦。
我替你看了：README（项目描述、功能列表、支持模型列表）；安装文件（Dockerfile、docker-compose.yml、package.json）；最近3次Release（v3.8.48热修复、v3.8.47新功能、v3.8.46新功能）；最近5次Commit（新增dashboard复制功能、Claude Code发现别名、模型目录修复等）；安全审查摘要（风险未知，信息不足）
- 近期发布频繁，v3.8.48是紧急热修复，修复了npm包启动崩溃问题，说明项目维护活跃且对稳定性敏感
- 项目支持双向A2A（Agent-to-Agent）和MCP（Model Context Protocol），表明不只是一个简单代理，而是面向AI agent生态的开放架构
- 最近提交集中在‘Claude Code发现别名’功能，让非Claude模型也能在Claude Code中被识别，这降低了用户对特定模型厂商的依赖
为什么值得注意：较上次记录新增约1027 Star，总Star突破3万，说明近期关注度很高。项目本身功能实用——用一套配置替代多个AI API管理，尤其在免费模型普及和AI工具链碎片化的背景下，能解决实际痛点。
如果你想试：如果你手头有Docker环境，可以拉取镜像并设置环境变量（如API密钥）运行docker-compose up。首次使用建议先配置一个免费模型测试，确认连通性后再逐步添加其他服务商。
安装/使用注意：未看到明确的单行安装命令，但项目提供了Dockerfile和docker-compose.yml，推测Docker部署是主要方式。需要准备.env文件并填入至少一个API密钥，复杂度中等。直接npm install可能较复杂，因为依赖较多。
nyblnet/bento
🆕 新上榜
开发工具
TypeScript
风险：信息不足
值得关注
Bento 是一个完全包含在一个 HTML 文件中的办公套件，你下载它后用浏览器打开，就能直接写文档、做演示文稿，不需要安装任何软件或服务器。它支持离线使用，也可以自己托管，有点像把 Office 365 装进一个文件里。适合想要轻量办公、不想被大软件绑架的人。
我替你看了：README 文件（但内容较简略，仅提供项目概览）；Release 说明（v1.0.10、v1.0.9、v1.0.8，含功能更新和修复记录）；近期 Issue 列表（如协作问题、激光笔功能讨论）；最近提交记录（合并了协作修复、预览生成等提交）；项目文件结构（根目录含 .claude、ios、kernel、server 等文件夹）
- Bento 以单文件形式交付，下载后直接用浏览器打开即可编辑和查看，无需安装任何额外软件或服务器
- 近期更新重点修复了协作中的严重 bug：大型文本会导致同步彻底停止，现在已修复并能发送完整快照恢复
- 项目支持自托管，更新通过签名频道自动推送，但 README 未详细说明数据存储和隐私策略，需要用户自行评估
为什么值得注意：Bento 较上次记录新增 450 Star，因为它用极简方式实现了完整的办公套件，且持续修复协作中的 bug（如大文本导致崩溃），吸引了一大批自托管爱好者和极简主义用户，口碑正在扩散。
如果你想试：我已经替你看过基础材料；下一步只建议收藏观察，等它的功能、安装方式和社区反馈更明确后再动手。
安装/使用注意：Bento 无需安装，没有 npm 或 apt 命令。唯一需要做的就是下载一个 .html 文件并在浏览器中打开。注意浏览器需要支持现代 Web 标准（Chrome、Edge、Firefox 最新版均可），移动端可能不支持所有功能。
ComposioHQ/awesome-claude-skills
AI
Python
风险：信息不足
值得关注
这个项目是一个精心整理的Claude AI技能、资源和工具列表，由ComposioHQ维护。它收集了各种可自定义的Claude工作流，比如文件整理、图片增强、简历生成等。对使用Claude AI的开发者来说，可以快速找到现成的技能来扩展Claude的功能，省去自己从零开发的时间。
我替你看了：README（信息不足，仅说明是curated list）；项目根目录文件列表（包含多个技能文件夹，如file-organizer, image-enhancer等）；最近提交记录（更新README和添加新技能）
- 项目包含超过30个技能子目录，每个目录可能对应一个独立的Claude技能，如'file-organizer'、'invoice-organizer'、'tailored-resume-generator'
- 最近提交集中在2026年5月，新增了'overkill skill'和'building-blog skill'，说明项目仍在持续收录新技能
- 项目由ComposioHQ维护，他们可能也运营Composio平台，但本项目本身是纯资源列表，不包含可执行代码
为什么值得注意：Claude AI热度持续升高，这个项目汇集了大量实用技能，让开发者能快速上手定制工作流。较上次记录新增330 Star，反映出社区对Claude扩展工具的需求。
如果你想试：我已经替你看过基础材料；下一步只建议收藏观察，等它的功能、安装方式和社区反馈更明确后再动手。
安装/使用注意：未看到统一安装命令，因为这是一个资源列表，不是可安装的软件包。每个技能可能独立提供安装说明，但未在上下文中提供，需要用户自行查看对应子目录。
rohitg00/ai-engineering-from-scratch
AI
Python
风险：信息不足
可以看看
这是一个从零开始学习AI工程的开源教程仓库，包含课程、项目、电子书（已发布第一版）。它覆盖机器学习、深度学习、LLM、Agent等热门方向，通过分阶段课程和实战项目带你系统入门。适合想边学边动手的初学者，学完可以自己搭建AI应用。
我替你看了：我查看了仓库描述、主题标签、文件列表（包含 phases、projects、book 等目录）；我查看了最近Release：Edition 2026.07（第一版电子书，EPUB和PDF自动构建）；我查看了最近Issue：有人建议添加图表和动画增强课程网站；我查看了最近提交：修复了时序预测特征构建和偏差-方差分解的bug；我查看了README（但内容未被完整提取，仅知道是学习项目）
- 项目已发布第一版电子书（EPUB和PDF），由CI自动构建，可以在Releases页面下载
- 最近提交显示修复了多个实操bug（如时序预测的滞后特征反向问题、总误差遗漏噪声项），说明项目在持续维护和改进
- 项目包含 web 站点（Vercel部署）和 assets 目录，可能提供在线浏览或演示功能
为什么值得注意：项目提供系统化AI工程教程，兼具理论和实践，近期发布第一版电子书（EPUB/PDF），持续更新修复内容，吸引大量学习者收藏。当前总Star 43752，较上次记录新增289 Star，较上次采样有新增关注，更可能是真实价值积累。
如果你想试：如果感兴趣，可以先去GitHub Releases页面下载电子书（EPUB/PDF）离线阅读；或者打开仓库根目录，从 phases 文件夹开始按顺序学习，每个课程都配有代码和解释。
安装/使用注意：未看到明确安装命令（虽有 requirements.txt 但未提供具体内容）。推测需要 Python 环境，建议先查看 requirements.txt 安装依赖，注意版本兼容性，避免直接运行所有脚本。
torvalds/linux
🆕 新上榜
其他
C
风险：低
值得关注
Linux内核是每台Linux电脑的大脑，它管理CPU、内存、硬盘、网络等硬件，并让所有软件能运行。你用的安卓手机、服务器、云服务都依赖它。学习它可以帮助你理解计算机底层原理，也可以参与全球最大的开源协作项目。
我替你看了：已查看README文档，了解项目定位和角色分类文档索引；查看了最近提交记录，看到7.2-rc5版本发布及相关修复；查看了根目录文件结构，包含源码、文档、构建系统等
- README中将用户分为新开发者、学术研究者、安全专家等九类角色，并提供了对应文档路径
- 最近提交显示Linux 7.2-rc5于2026年7月26日发布，修复了vfs、spi、regulator、char/misc等模块的问题
- 项目包含专门针对AI编码助手的文档（Documentation/process/coding-assistants.rst），要求AI工具遵守许可和署名规则
为什么值得注意：作为全球最知名的开源项目，Linux内核持续活跃。最近发布7.2-rc5候选版本，修复了多个驱动和文件系统问题。它对所有使用Linux系统的用户都至关重要，体现了开源社区协作的典范，值得长期关注。
如果你想试：如果你对内核开发感兴趣，可以从阅读Documentation/process/development-process.rst开始，了解开发流程。普通用户建议通过系统包管理器（如apt、yum）更新内核，或从kernel.org下载预编译版。
安装/使用注意：未在README中找到一键安装命令。Linux内核通常需要编译安装，过程复杂，新手强烈建议通过发行版软件源更新，或使用预编译包，不要直接尝试编译。
jo-inc/camofox-browser
🆕 新上榜
AI
JavaScript
风险：中
谨慎观望
Camofox Browser是一个伪装成正常浏览器的无头浏览器，专门为AI代理设计。它能绕过Cloudflare、反爬检测等网站防护，同时支持直接替换Puppeteer或Playwright的代码。目前有8087个星标，较上次记录新增183个星标，但README信息不完整，且有内存泄漏和事件循环停滞等未修复问题。新手直接使用可能面临安全风险。
我替你看了：README摘要（项目描述和元数据，但信息不足）；最近Release：v1.13.0（持久化和浏览器恢复）、v1.12.1（VNC可靠性）、v1.12.0（可靠性修复）；最近Issue：多个事件循环停滞和原生内存泄漏问题（如泄漏441MB、758MB）；最近提交：修复僵尸浏览器上下文、增加Docker共享内存、持久化IndexedDB等
- 项目明确提到用于绕过Cloudflare和反爬检测，属于敏感用途
- 虽然持续发布新版本（v1.13.0），但Issue中仍有大量未修复的稳定性问题（事件循环停滞、内存泄漏）
- 仓库包含Dockerfile和Makefile，但README中未提供详细安装说明，文档不完整
为什么值得注意：当前累计8087星，较上次记录新增183星。项目定位明确，解决AI代理爬取网站时被屏蔽的痛点，但Issue中暴露了内存泄漏和事件循环停滞等稳定性问题，且安全风险提示为中等，不宜盲目跟风。
如果你想试：如果感兴趣，先克隆仓库，查看Dockerfile和package.json了解依赖。建议在本地虚拟机或隔离的Docker容器中测试，不要直接用于生产环境。注意项目可能涉及法律风险，确保用途合法。
安装/使用注意：未在README中看到明确安装命令，但仓库包含Dockerfile和Makefile，推测可通过Docker容器化部署。新手建议先查看Dockerfile了解环境要求，不要直接运行未知脚本。
ZhuLinsen/daily_stock_analysis
AI
Python
风险：信息不足
值得关注
这是一个用大语言模型（LLM）驱动的股票分析工具，能自动抓取A股、港股、美股行情和新闻，生成买入/卖出建议，并通过看板或推送通知给你。它支持定时运行，零成本部署（仅需API调用费），适合想用AI辅助盯盘的投资者。
我替你看了：README.md（但README信息不足，仅根据仓库元数据判断）；最近3个Release（v3.28.0、v3.27.0、v3.26.1）的完整发布说明；Issues（如自定义模型命名请求）；最近提交记录（如修复港股行情缓存、Agent语言默认值等）；根目录文件列表（如main.py、webui.py、docker配置等）
- 项目支持多市场（A股、港股、美股）行情与新闻，且通过LLM Agent生成决策信号，报告可推送至飞书、钉钉、Web端
- v3.28.0新增多策略Agent综合支持、Futu OpenD真实账户持仓只读导入，以及可选的临时市场选择功能
- 项目更新频繁（约每周一版），修复了大量稳定性问题（如Windows冷启动、macOS桌面包等），表明维护活跃
为什么值得注意：Star数（59k）和Fork数（50k）极高，但较上次采样仅新增237星，较上次采样有新增关注。项目功能完善、更新频繁（一周一版），可能是持续维护的成熟项目，非炒作。值得关注其多Agent架构和零成本部署方案。
如果你想试：如果感兴趣，先阅读.env.example配置API密钥（如LLM、数据源），然后按requirements.txt安装依赖，运行main.py或server.py。建议先在模拟环境测试，避免直接连接真实账户。
安装/使用注意：上下文中有requirements.txt和pyproject.toml，未看到明确安装命令（如pip install）。需要自行创建虚拟环境，安装依赖。安装复杂度中等，涉及多个数据源和LLM API配置。建议按README.md（但信息不足）或项目根目录的setup.cfg/scripts逐步操作。