推荐 8 个本周 YYDS 的 GitHub 开源项目。

本地深度研究工具

OpenAI 的 Deep Research 很强，但数据得经过他们的服务器。

对于隐私敏感的场景，可能需要一个本地运行的替代方案。

Local Deep Research 就是干这个的。

用 Qwen3.6-27B 模型在单张 RTX 3090 上，SimpleQA 准确率达到 95.7%。

这个成绩在完全本地的条件下相当能打了。

它支持 10 几种搜索引擎，arXiv、PubMed、Semantic Scholar、Wikipedia 这些免费的直接用，Google、Brave、Tavily 这些付费的也能接。

还有本地文档和 LangChain 向量库这类自定义搜索源。

20 多种研究策略可选，langgraph-agent 自主智能体性能最强，focused-iteration 迭代精炼准确率最高。

还提供 MCP Server，可以直接从 Claude Code 调用深度研究。

bash 复制代码

开源地址：https://github.com/LearningCircuit/local-deep-research

金融行业 AI Agent 模板

金融行业的 AI 落地一直很难推进。

数据敏感、合规严格、流程又长，很少有团队能从零搭建出靠谱的方案。这次 Anthropic 自己下场了，直接开源了一套金融服务 Agent 模板库。

这套模板里面包含 10 个预构建的 Agent，投行、股研、私募、财富管理、基金运营、合规这些场景全覆盖。

比如 Pitch Agent 能自动生成可比公司分析和 LBO 建模然后输出品牌化的推介材料。

Earnings Reviewer 能从财报电话会里提炼要点再生成研报初稿，KYC Screener 专门做入职文档解析和风险标记。

它还对接了 11 家金融数据服务商，FactSet、S&P Global 啥的都有。

你不用从零开始接数据源，Anthropic 帮你铺好了路。

每个 Agent 都以 Markdown + YAML 文件定义，没有构建步骤，支持 Claude Code 插件一键安装。

也可以通过 Managed Agents API 做企业级无头部署。

现在已经拿下 2.2w 的 Star，本周涨了 12500。

arduino 复制代码

开源地址：https://github.com/anthropics/financial-services

AI 编程助手有长期记忆

用 AI 编程助手每次开新会话，一切从零开始。

你得重新解释项目架构、重新描述那个 Bug、重新说明你的代码偏好。

agentmemory 就是为了解决这个问题的。

它在后台运行一个记忆服务器，自动捕获你每次工具调用、每次对话、每次代码修改，压缩成可搜索的结构化记忆，下次新会话开始时自动注入相关上下文。

它有四层记忆架构，模仿人脑的工作方式。

工作记忆存原始观察，情景记忆存会话摘要，语义记忆提取事实和模式，程序记忆记录工作流和决策习惯。

而且记忆会随时间衰减，频繁访问的会被强化，过时的自动淘汰。

搜索方面用了三流混合：BM25 关键词匹配加向量语义搜索加知识图谱遍历，三者融合后检索准确率在 LongMemEval 基准上 R@5 达到 95.2%。

整个方案不需要外部数据库，默认绑定 127.0.0.1，全部自托管。

兼容性也不错，Claude Code、Cursor 等 16+ 种编程助手都能用。

一个服务器，所有 Agent 共享记忆。项目创建不到三个月，已经拿了 9,000+ Star。

bash 复制代码

开源地址：https://github.com/rohitg00/agentmemory

神经系统的编排平台

Ruflo 把 Claude Code 扩展成了一个可协调的 Agent 集群系统。

它内置了 100+ 个专用 Agent，涵盖编码、测试、安全、文档、架构等角色。

你可以把它们组织成不同拓扑的集群，层级式、网状、自适应都支持。集群内部通过 Raft 和拜占庭共识算法协调，听起来就很硬核。

比较有意思的是它的自学习记忆系统，叫 SONA 神经架构。

从每个任务中学习，跨会话记忆，向量搜索用的 HNSW 算法比暴力搜索快 150 到 12500 倍。

还支持 Agent 联邦，也就是跨机器协作，用零信任架构加 mTLS 加 ed25519 认证，PII 自动脱敏。

装完之后正常用 Claude Code 就行，Hooks 系统会自动路由任务、检索记忆、协调后台 Agent。

5.1万的 Star，是目前 Claude 生态里最大的编排平台。

arduino 复制代码

开源地址：https://github.com/ruvnet/ruflo

从创作到变现全打通

AiToEarn 是一个完整的内容营销流水线。

围绕创作到赚钱的全链路，它做了四件事。

Monetize 是内容变现，内置了一个内容交易市场，商家发布推广任务，创作者接单完成推广，按 CPS、CPE、CPM 三种模式结算。

Publish 是多平台一键分发，国内支持抖音、小红书、快手、B 站、微信视频号，海外支持 TikTok、YouTube、Facebook、啥的总共 13 个平台。

Engage 是自动化互动运营，通过浏览器插件实现自动点赞收藏关注，AI 智能回复评论，还能识别"求链接""怎么购买"这类高转化信号。

Create 是 AI 内容创作，视频图文都能自动生成，支持批量并行。

说白了就是一个人也能做内容矩阵。

arduino 复制代码

开源地址：https://github.com/yikart/AiToEar

字节跳动开源的 AI 桌面 Agent

UI-TARS Desktop 是字节跳动开源的多模态 AI Agent 技术栈。

你用自然语言告诉它帮我打开 VS Code 的自动保存功能 或者帮我在 Priceline 订一张明天去东京的机票，它就会自动操作你的电脑完成任务。

它的核心循环很直接：截屏理解屏幕内容，视觉语言模型推理预测下一步动作，执行点击输入滚动，再截屏，循环直到任务完成。

本质上是 Anthropic Computer Use 的开源替代方案。

它交付了两个产品。

UI-TARS Desktop 是原生桌面应用，用 NutJS 控制鼠标键盘，支持 macOS 和 Windows。

Agent TARS 是通用框架，通过 CLI 和 Web UI 使用，支持任意多模态 LLM，不限于字节自己的模型，Claude、GPT、豆包都能接。

还支持 MCP 集成，可以挂载各种工具服务器。

arduino 复制代码

开源地址：https://github.com/bytedance/UI-TARS-desktop

Vibe Coding 零基础教程

Datawhale 出了一套 Vibe Coding 渐进式教程，从完全零基础到能做出跨平台应用，手把手带你走一遍。

它分了 3+1 个阶段。

阶段 0 是幼儿园级别， 通过贪吃蛇这类小游戏让你感受 AI 编程的魅力。

阶段 1 教你当 AI 产品经理， 学 AI IDE 工具、创意验证、产品原型搭建、AI 能力集成。

阶段 2 进入初中级开发， 前端学 Figma 和组件库，后端学 Git、数据库、API 开发、部署、支付。

阶段 3 是高级进阶， Claude Code 深度使用，还有微信小程序、Android、iOS、Chrome 插件、Electron 桌面应用等 8 个跨平台项目实战。

知识库也很扎实，覆盖计算机基础、开发工具、前端后端等 9 大领域，80 多个交互式专题。

项目里还有很多交互式 Vue 组件，比如 LLM Token 可视化、Git 工作流动画、数据库基础演示，比纯文字教程直观多了。

还有个 Vibe Stories 板块收录了真实用户故事，乡村小学教师、卡车司机、高中生这些非程序员群体通过这套教程做出了真实产品。

不到半年时间，一万多 Star。

arduino 复制代码

开源地址：https://github.com/datawhalechina/easy-vibe

AI 学术写作 Skills

AI 辅助学术写作最大的问题是编造引用。

有研究统计过 AI 生成了超过 14 万条幻觉引用，这个问题在学术界引发了很大争议。

Academic Research Skills 就是专门为 Claude Code 打造的学术论文全流程技能包。

它的核心卖点就是内置了引用完整性验证。

通过 Semantic Scholar API 逐条检查引用是否存在，DOI 是否匹配，标题用 Levenshtein 相似度匹配，低于 0.7 的直接标红。

它有四个核心 Skill。

deep-research 做 13 个 Agent 协同的深度文献综述

academic-paper 写论文并且用 Anti-Leakage 协议防止模型从参数化记忆里编造内容。

academic-paper-reviewer 模拟多审稿人评审流程分两阶段硬门控

academic-pipeline 做端到端自动化编排支持 25 种运行模式。

总计 45 个 Agent 协同工作，742 个测试用例，迭代速度非常快，几乎两三天就发一个新版本。

bash 复制代码

开源地址：https://github.com/Imbad0202/academic-research-skills