本周 TOP 17 排名的 GitHub 开源项目大盘点，第一个值得收藏。

01、AI Agent 书籍

李博杰开源的《深入理解 AI Agent：设计原理与工程实践》围绕 Agent = LLM + 上下文 + 工具 这个公式展开。

全书共 10 章，从 Agent 基础、上下文工程、用户记忆和知识库，一路讲到 Coding Agent、评估、模型后训练、多模态交互和多 Agent 协作。

还放了 92 个配套实验，其中 70 多个可以独立运行。

你读到 MCP、RAG、上下文压缩或 Agent 评估时，不需要停留在概念层面，可以跟着代码自己跑一遍。

阅读方式也准备得很完整。

项目提供 PDF、EPUB 和在线版本，支持全文搜索和章节折叠。目前已有简体中文、正体中文、英文、俄语、越南语、日语和泰米尔语版本。

它目前拿到了约 1.9 万 Star，本周新增超过 1.7 万，排在 GitHub Trending 周榜第一。

如果你最近准备系统学习 Agent，这本书很适合作为主线资料。

先把 10 章的知识框架搭起来，再根据自己的方向深入 Coding Agent、记忆系统或多 Agent。

arduino 复制代码

开源地址：https://github.com/bojieli/ai-agent-book

02、把一段长视频实时还原成 3D 场景

LingBot-Map 是 Robbyant 团队开源的前馈式 3D 基础模型。

输入连续图像后，模型会逐帧估计相机轨迹、场景结构和几何信息，让三维地图跟着视频不断生长。

项目提出了 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。

它还加入了分页 KV Cache，用来控制长视频推理时的内存开销。

在 518×378 分辨率下，LingBot-Map 可以达到约 20 FPS，并处理超过 1 万帧的长序列。

下面是一个约 2.5 万帧、时长 13 分钟的室内行走演示。

它比较适合机器人建图、空间智能、无人机、自动驾驶和数字孪生等方向。

bash 复制代码

开源地址：https://github.com/Robbyant/lingbot-map

03、两台电脑传文件，一个口令就够了

arduino 复制代码

开源地址：https://github.com/schollz/croc

发送端运行 croc send，工具会生成一段短语。

接收端输入这段短语，文件就会通过中继服务传过去。双方使用 PAKE 完成密码认证密钥协商，传输内容采用端到端加密。

它支持 Windows、macOS、Linux 和浏览器，能传单个文件、多个文件或整个文件夹。

网络中断后可以续传，也不需要配置端口转发。

IPv6 优先，无法使用时会回退到 IPv4，还能通过 Tor 等代理运行。

croc 已经是一个相当成熟的项目。目前约有 3.8 万 Star，本周又新增了约 2500。

这类工具没有太多花里胡哨的功能，解决的问题却每天都可能遇到。

临时给同事传大文件、在新旧电脑之间搬资料，或者跨系统传输，都可以把它留在工具箱里。

macOS 可以这样安装：

复制代码

brew install croc

发送与接收：

perl 复制代码

croc send 文件或文件夹
# Linux 与 macOS 默认用环境变量传入口令，避免口令出现在进程名中CROC_SECRET=接收口令 croc

04、真正能落地的 UI 规范

UI Skills 把设计工程中的检查规则整理成了一组可供编码 Agent 调用的 Skills。

其中的 baseline-ui 会约束间距、排版、组件、动画和布局，重点清理常见的 AI 生成界面问题。

fixing-accessibility 负责可访问名称、键盘操作、焦点和表单错误。

fixing-motion-performance 会检查布局动画、滚动监听、模糊效果和图层使用。

仓库还提供 create-design-md，可以从现有产品代码或网页中提取设计语言，生成供 Agent 持续参考的 DESIGN.md。

arduino 复制代码

开源地址：https://github.com/ibelick/ui-skills

improve-ui 则会先核对项目自己的设计证据，再输出可执行的改进计划。

这套项目的价值在于规则足够具体。

它会告诉 Agent 图标按钮需要 aria-label，交互反馈别超过 200 毫秒，大面积元素不要持续做模糊动画，设计审查也不能凭感觉随便改。

项目目前约有 6300 Star，本周新增超过 2100。做 AI 前端、设计系统或 Design Engineer 工作流的人，可以重点看看。

使用命令：

sql 复制代码

npx ui-skills start

05、Kimi Code

Kimi CLI 是 Moonshot AI 开源的终端 AI Agent。

bash 复制代码

旧版开源地址：https://github.com/MoonshotAI/kimi-cli
新项目地址：https://github.com/MoonshotAI/kimi-code

它能读取和修改代码、执行 Shell 命令、搜索网页，并在任务进行中自己调整计划。

按下 Ctrl-X 可以在 Agent 对话和 Shell 命令模式之间切换。

你还可以通过 MCP 给它接入外部工具，或者使用 ACP 把它接进 Zed、JetBrains 等兼容编辑器。官方也提供了 VS Code 扩展和 Zsh 插件。

它目前有约 1.1 万 Star，本周新增约 1500。

安装入口：

bash 复制代码

# Linux 与 macOS
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

06、给 pi Agent 装上一个本地 Web 工作台

Pi Web 给 pi coding agent 增加了一个运行在本地的浏览器界面。

它会读取本机已有的 pi 会话文件，把 Markdown、工具调用和执行结果整理成更清楚的消息视图。

左侧可以浏览项目和历史会话，右侧能够预览源码、文档、图片、音频和 PDF。

arduino 复制代码

开源地址：https://github.com/agegr/pi-web

你可以从某条旧消息继续尝试另一种方案，也能把会话分叉成独立路线。

项目还支持切换 Git Worktree，让新会话和文件浏览器跟着当前工作目录变化。

模型登录、API Key、模型测试和 Skill 开关也能在页面里管理。

顶部会显示上下文用量、成本和压缩状态，排查 Agent 为什么突然忘事时会方便很多。

运行时不需要全局安装：

css 复制代码

npx @agegr/pi-web@latest

浏览器打开：

arduino 复制代码

http://localhost:30141

07、Rust 写的 Agent

bash 复制代码

地址：https://github.com/1jehuang/jcode

jcode 是一个用 Rust 编写的编码 Agent Harness，重点放在多会话、性能、记忆和 Agent 协作上。

它支持 Claude、OpenAI、Gemini 等模型来源，也能连接兼容 OpenAI API 的服务。

会话可以运行在持久化服务中，再从多个客户端接入。

jcode 的记忆系统会把对话轮次转成语义向量，在记忆图中检索相关内容。它也会周期性提取、整理和合并记忆，让 Agent 在多次会话之间保留有用信息。

更有意思的是 Swarm 模式。

你可以在同一个仓库里启动多个 Agent，服务端负责同步文件变化、传递消息和处理冲突。Agent 也能自行拉起协作者，把任务拆开并行完成。

性能是它最吸睛的部分，jcode 首帧时间约为 14 毫秒。

关闭本地嵌入后，单会话 PSS 内存约为 27.8 MB。这些数字来自项目方自己的测试环境，适合用来理解设计目标，不宜当成所有机器上的固定结果。

目前 jcode 已有约 1.1 万 Star，本周新增约 2600。

安装方式：

bash 复制代码

# macOS 与 Linux
curl -fsSL https://jcode.sh/install | bash

08、本周还有这些项目值得留意

mattpocock/skills

Matt Pocock 公开的个人 Agent Skills 合集，聚焦真实软件工程工作流。它本周新增超过 1 万 Star，也是 Agent Skill 走向工程化的一个明显信号。

diegosouzapw/OmniRoute

连接多个模型供应商的 AI 网关，支持额度感知、自动降级和 Token 压缩。经常在不同模型之间切换的人，可以用它减少配置和容灾工作。

tirth8205/code-review-graph

给 AI 编程工具使用的本地代码知识图谱。它会建立持久化代码地图，帮助 Agent 少读无关文件，把上下文留给真正重要的部分。

Nutlope/hallmark

一套面向 Claude Code、Cursor 和 Codex 的设计 Skill，重点清理 AI 生成界面的套路感。做产品页面和前端原型时很值得翻一下。

earendil-works/pi

包含统一 LLM API、Agent Loop、终端界面和编码 Agent CLI 的工具箱。想研究终端 Agent 如何组织模型、工具和会话，可以从这里入手。

rohitg00/ai-engineering-from-scratch

面向 AI 工程实践的学习项目，内容围绕学习、构建和交付展开。比较适合想从模型调用走向完整 AI 产品开发的人。

ruvnet/RuView

项目宣称可以利用普通 Wi-Fi 信号实现空间感知、存在检测和生命体征监测。概念很吸睛，实际采用前建议核对论文、硬件条件和独立测试。

HKUDS/DeepTutor

面向长期学习场景的个性化 AI Tutor，重点放在持续辅导和个体知识状态。教育 Agent 方向的读者可以关注。

kvcache-ai/ktransformers

面向异构硬件的大模型推理与微调框架，重点利用 CPU、GPU 等组合降低本地运行大型模型的硬件压力。

apache/ossie

Apache 推动的语义元数据规范项目，希望统一分析、AI 和 BI 平台之间的数据语义交换。它的热度没有 Agent 工具那么抢眼，长期影响值得观察。