本周 GitHub 热榜 17 个开源项目：按用途重排，附上手方式

【导语】从本周 GitHub 热榜挑 17 个项目，按用途重新归类并附上开源地址与上手命令，帮你省掉逐个翻榜单的时间。

这周最猛的一个：一本开源书

《深入理解 AI Agent》本周新增超过 1.7 万 Star，总量约 1.9 万，直接坐上周榜第一。作者李博杰把全书压在「Agent = LLM + 上下文 + 工具」这个公式上，10 章从基础概念一路讲到 Coding Agent、模型后训练和多 Agent 协作。

它最实在的地方是配了 92 个实验，其中 70 多个可以单独跑。读到 RAG、上下文压缩、Agent 评估这类概念时，不用停在纸面上，照着代码跑一遍就懂了。书提供 PDF、EPUB 和在线版，支持全文搜索与章节折叠，已经译出简体中文、英文、日语等七个语种。

想系统补 Agent 这块，可以先拿 10 章搭骨架，再按自己的方向往 Coding Agent、记忆系统或多 Agent 那几章深挖。开源地址：github.com/bojieli/AI-agent-book

传文件这件小事，有个优雅解法

两台电脑之间传文件，croc 给的方案是一句口令。发送端跑 croc send 生成一段短语，接收端输入即可，双方通过 PAKE 完成密钥协商，传输内容全程端到端加密。

Windows、macOS、Linux 和浏览器都能用，单个文件、多个文件、整个文件夹都传得动；断网可以续传，不需要配端口转发。IPv6 优先，不可用时回退 IPv4，也能走 Tor。项目约 3.8 万 Star，本周又涨了约 2500。

临时给同事传个大文件、新旧电脑之间搬资料、跨系统倒腾素材，这类事几乎每周都能碰上，值得留在工具箱里。

• 安装（macOS）：brew install croc
• 发送：croc send 文件或文件夹
• 接收：CROC_SECRET=接收口令 croc（避免口令出现在进程名里）

把一段长视频还原成 3D 地图

LingBot-Map 是 Robbyant 团队开源的前馈式 3D 基础模型。喂进连续图像后，它逐帧估计相机轨迹和场景几何，让三维地图跟着视频一点点长出来。

做法上，它用 Geometric Context Transformer 把坐标定位、稠密几何线索和长距离漂移校正放进同一个流式框架，另加分页 KV Cache 压住长视频推理时的内存开销。518×378 分辨率下约 20 FPS，能处理超过 1 万帧的序列。

机器人建图、空间智能、无人机、自动驾驶、数字孪生这些方向可以重点盯。开源地址：github.com/Robbyant/lingbot-map

给 AI 生成的界面立规矩

UI Skills 把设计工程里的检查规则整理成编码 Agent 能直接调用的 Skill。baseline-ui 管间距、排版、组件、动画和布局；fixing-accessibility 管可访问名称、键盘操作、焦点和表单错误；fixing-motion-performance 查布局动画、滚动监听和模糊效果。

它的价值在于规则足够具体：图标按钮要有 aria-label，交互反馈别超过 200 毫秒，大面积元素别持续做模糊动画，设计审查也不能凭感觉改。仓库还带一个 create-design-md，能从现有代码或网页里提炼设计语言，生成给 Agent 长期参考的 DESIGN.md。

目前约 6300 Star，本周新增超过 2100。做 AI 前端、设计系统的人可以上手试试：npx ui-skills start

终端里的 AI 编程助手，这周扎了堆

Kimi Code 是 Moonshot AI 的终端 Agent，能读改代码、执行 Shell、搜索网页，并在任务中途自己调整计划。按 Ctrl-X 可以在对话和命令模式之间切换，也能用 MCP 接外部工具，或通过 ACP 接进 Zed、JetBrains 这类编辑器。约 1.1 万 Star。

jcode 用 Rust 写，主打多会话、性能和 Agent 协作。首帧约 14 毫秒，关掉本地嵌入后单会话内存约 27.8 MB（数据来自项目方自己的测试环境，用来理解设计目标更合适）。它的 Swarm 模式能在同一个仓库里拉起多个 Agent 并行推进，服务端负责同步文件变化、传递消息和处理冲突。约 1.1 万 Star，本周新增约 2600。

Pi Web 则给 pi 这个编码 Agent 加了一层本地网页界面：读取本机已有的会话文件，左侧翻项目和历史，右侧预览源码、图片、音频和 PDF，顶部显示上下文用量、成本和压缩状态，排查 Agent 为什么突然忘事时会省不少事。跑 npx @agegr/pi-web@latest，浏览器开 localhost:30141 即可。

另外 10 个，值得眼熟

篇幅有限，剩下的这些同样有看点，按方向列个清单。

• mattpocock/skills：个人 Agent Skills 合集，本周新增超 1 万 Star
• OmniRoute：多模型供应商网关，支持额度感知、自动降级与 Token 压缩
• code-review-graph：本地代码知识图谱，帮 Agent 少读无关文件
• hallmark：面向 Claude Code、Cursor、Codex 的设计 Skill，专治 AI 界面套路感
• earendil-WOrks/pi：含统一 LLM API、Agent Loop 与终端界面的工具箱
• ktransformers：异构硬件上的大模型推理与微调框架，降低本地跑大模型的门槛
• DeepTutor：面向长期学习场景的个性化 AI 家教
• RuView：宣称用普通 Wi-Fi 信号做空间感知，采用前建议核对论文与实测
• ossie：Apache 推动的语义元数据规范，统一分析与 BI 平台间的数据语义
• ai-engineering-from-scratch：从模型调用走向完整 AI 产品的学习项目

挑项目的三个土办法

榜单每天都有，真正能收进工具箱的没那么多。我自己用三条筛：一看周新增 Star 的斜率，它比总量更能说明这个项目当下的热度；二看最近一次提交时间，半年没动静的项目，遇到问题大概率只能自己扛；三是先跑通最小示例再谈深入，跑不通的直接放弃。

涉及硬件条件或效果宣称的项目（比如靠 Wi-Fi 信号做感知这类），别只看演示视频，先找论文和独立测试核对一遍再动手。

关注格熊，持续分享最新免费资源！