一句话总结
本周 GitHub 热榜被 AI Agent 基础设施项目全面攻占——从 YC 出品的多人 Agent 协作平台 QM（⭐11K），到微软开源的 Skill Recorder 录屏即 Skill，再到 Firecrawl 的毫秒级文档→Markdown 引擎 anydoc。Agent 的战场正在从「单兵能力」转向「团队协作与工具链标准化」。
数据来源：GitHub API search/repositories?q=created:2026-07-28..2026-08-04（本周新创建仓库，按星数排序）
No.1 yc-software / qm ⭐ 11,158
| 属性 | 值 |
|---|---|
| 语言 | TypeScript |
| Forks | 1,216 |
| 本周新增 | ⭐ 11,158 |
| 一句话 | YC 出品的多人 AI Agent 协作平台——让 Agent 像团队成员一样在 Slack 和工作区里并肩作战 |
工具简介
QM 是一个面向创业公司的多人 AI Agent 协作平台。与传统的「一人一助手」模式不同，QM 让每位员工拥有独立的 Agent 工作空间，同时支持在频道、群聊和项目中协作。每个用户和每个房间都有独立的内存、文件、密钥、定时任务和沙箱环境。
核心功能
- 个人与共享作用域：员工自定义专属 Agent，同时在 Slack 频道和项目中协作
- Slack + Web 双端：同一身份和配置在 Slack 和 Web 应用间无缝切换
- 管理控制：组织级配置、安全策略、可用模型和 harness 管控
- Web 应用：快速搭建内部应用并分发给相关人员
- 共享技能：技能按作用域管理，支持授权共享和从 Git 仓库导入技能包
- 后台工作：定时任务和监听器持续运行，无需人工值守
为什么值得关注
QM 代表了 Agent 基础设施的一个重要方向——从「个人助手」到「团队协作平台」。它支持 Pi、OpenCode、Codex、Claude Code 等多种 harness，避免了厂商锁定。架构上采用 Postgres 数据库 + 无头核心 API + 每个作用域独立沙箱的设计，具备企业级扩展性。
访问说明
- GitHub：完全公开，开源项目
- 部署：需自托管，依赖 Postgres 和 Slack 集成
适合人群
- 希望将 AI Agent 引入团队协作的创业公司
- 需要多 Agent 编排和权限管理的企业用户
- 对 Agent harness 架构感兴趣的开发者
仓库地址：github.com/yc-software/qm
No.2 trycompai / crm ⭐ 4,688
| 属性 | 值 |
|---|---|
| 语言 | TypeScript |
| Forks | 491 |
| 本周新增 | ⭐ 4,688 |
| 一句话 | Agent 即 CRM——一个持久化研究 Agent 自主管理销售流程，CRM 只是它记笔记的地方 |
工具简介
CompAI CRM 是对传统 CRM 的彻底重构。大多数 CRM 是一个数据库加一个表单，AI 版本只是在表单旁加了一个聊天框。而 CompAI CRM 的理念是：Agent 不是 CRM 的一个功能，CRM 是 Agent 存放笔记的地方。Agent 在自己的部署上按自己的节奏运行，自己决定下一步看什么、预定跟进、消耗研究预算。
核心功能
- 自主 Agent 驱动的销售流程：Agent 自己管理队列、预定跟进、消耗预算
- 离线持续运行：关闭浏览器后 Agent 继续工作，不是请求-响应模式
- 无智能 API 层：API 只负责记录事件到队列，Agent 消费队列并采取行动
- 开源 MIT 协议：完全可自托管
为什么值得关注
这是「Agentic-first」理念在垂直行业的完美落地。CompAI CRM 展示了当 Agent 被设计为产品的核心而非附加功能时，产品形态会如何被彻底改变。它的架构哲学——API 无智能、Agent 全权决策——为其他垂直 SaaS 的 AI 转型提供了范本。
访问说明
- GitHub：完全公开，MIT 协议
- 部署：需自托管，依赖 Postgres
适合人群
- 销售团队希望用 AI Agent 自动化 CRM 流程
- SaaS 创业者研究 Agentic-first 产品架构
- 对自主 Agent 应用落地感兴趣的开发者
No.3 FareedKhan-dev / kimi-k3-in-c ⭐ 2,027
| 属性 | 值 |
|---|---|
| 语言 | C |
| Forks | 331 |
| 本周新增 | ⭐ 2,027 |
| 一句话 | 2.78 万亿参数 Kimi K3 跑在单颗 CPU 上，仅需 8.24 GB RAM，纯 C99 零依赖 |
工具简介
将 Kimi K3 的推理能力压缩到家用 CPU 上运行——不需要 GPU、不需要 BLAS 库、不需要任何框架，一个纯 C99 文件搞定。这是 Kimi K3 开源生态中「极致轻量化」方向的代表作（uuaihub 此前已有专题博客深入分析）。
核心功能
- 2.78 万亿参数 MoE 模型在 8.24 GB RAM 上推理
- 纯 C99 实现，零外部依赖
- 便携式单文件，可嵌入任何项目
为什么值得关注
Kimi K3 的开源生态正在以惊人的速度扩展。从纯 C 推理到 NVMe 流式加载（见 No.5），开发者们正在从各个角度探索「超大模型本地化运行」的边界。这不仅是技术极客的狂欢，更预示着端侧 AI 部署的新可能。
访问说明
- GitHub：完全公开
- 编译：任何支持 C99 的编译器
适合人群
- AI 推理引擎开发者
- 嵌入式/边缘计算场景探索者
- 对模型量化与优化感兴趣的研究者
仓库地址：github.com/FareedKhan-dev/kimi-k3-in-c
No.4 microsoft / skill-recorder ⭐ 1,774
| 属性 | 值 |
|---|---|
| 语言 | TypeScript |
| Forks | 179 |
| 本周新增 | ⭐ 1,774 |
| 一句话 | 微软开源：录屏你的工作过程，AI 自动重构成可复用的 Skill——录一次，Agent 学会全部 |
工具简介
Skill Recorder 是微软开源的一款桌面应用，它录制你的屏幕操作——点击、窗口切换、访问的页面、甚至语音旁白——然后使用 GitHub Copilot CLI 将这一系列操作重构为「意图 + 有序步骤」。最终一键生成可复用的 SKILL.md 或自动化流程，Agent 可以在未来按需重现这些操作。
核心功能
- 录屏捕捉：捕获屏幕活动和应用切换，支持语音旁白
- AI 分析重构：Copilot 将操作序列转化为意图+步骤
- 技能生成：一键生成 SKILL.md 或自动化流程
- 工具优先：优先使用 Agent 原生工具（如
ghCLI、web_fetch）而非回放 UI 点击 - 泛化能力：录制提交一个表单，Agent 学会提交所有表单
为什么值得关注
这是微软在 Agent 技能生态上的重要布局。Skill Recorder 解决了 Agent 技能创建的「最后一公里」问题——不需要写代码，录一遍操作就能教会 Agent。结合微软 Copilot Cowork 和 Copilot Studio 生态，这可能成为企业 Agent 技能库的标准创建方式。
访问说明
- GitHub：完全公开
- 平台：macOS（主力）+ Windows 11（x64/ARM64）
- 要求：GitHub 账号 + Copilot 访问权限
适合人群
- 希望快速构建 Agent 技能库的企业用户
- Copilot Cowork / Copilot Studio 用户
- 对 Agent 技能自动化创建感兴趣的开发者
仓库地址：github.com/microsoft/skill-recorder
No.5 sqliteai / waste ⭐ 1,680
| 属性 | 值 |
|---|---|
| 语言 | C |
| Forks | 130 |
| 本周新增 | ⭐ 1,680 |
| 一句话 | 突破内存限制——从 NVMe 直接流式加载 Kimi K3 的激活权重，在任意 RAM 大小上推理 |
工具简介
waste 是 Kimi K3 本地推理的另一个极致方向——不追求模型压缩到内存里，而是让模型大到超出内存也没关系。它从 NVMe SSD 直接流式传输激活权重，绕过了 RAM 容量的硬限制。同样是纯 C 实现，零依赖，可嵌入。
核心功能
- 从 NVMe SSD 流式加载 2.78 万亿参数 Kimi K3 的激活权重
- 突破物理 RAM 限制，理论上支持任意大小模型
- 纯 C 实现，零外部依赖
为什么值得关注
waste 和 kimi-k3-in-c（No.3）形成了互补——一个追求极致压缩（8GB RAM 搞定），另一个追求突破上限（NVMe 流式加载无视内存限制）。这两个项目的并存说明 Kimi K3 的开源生态正在发展出多个技术路线，这对开源大模型社区是巨大的利好。
访问说明
- GitHub：完全公开
- 要求：NVMe SSD
适合人群
- 硬件资源有限但想跑大模型的开发者
- 对模型推理引擎优化感兴趣的研究者
- 边缘计算/嵌入式场景探索者
仓库地址：github.com/sqliteai/waste
No.6 firecrawl / anydoc ⭐ 1,498
| 属性 | 值 |
|---|---|
| 语言 | Rust |
| Forks | 63 |
| 本周新增 | ⭐ 1,498 |
| 一句话 | Firecrawl 出品：将 Word/PPT/Excel/PDF/EPUB 等 8+ 格式毫秒级转为干净 Markdown——AI Agent 的「万能文档消化器」 |
工具简介
anydoc 是一个用 Rust 编写的高性能文档转换库，能将 Word、PowerPoint、Excel、OpenDocument、RTF、EPUB、CSV 和 PDF 统一转换为 GitHub-Flavored Markdown。它提供 Node.js 和 Python 绑定，并内置了 Agent Skill，让 AI Agent 可以直接调用它来阅读任何文档。
核心功能
- 8+ 格式统一转换：Word/PPT/Excel/ODF/RTF/EPUB/CSV/PDF → Markdown
- 毫秒级性能：Rust 原生实现，单文档转换在个位数毫秒内完成
- 多语言绑定：CLI + Node.js + Python
- Agent Skill 内置：
npx skills add firecrawl/anydoc一键接入 Claude Code / Codex / Cursor - LLM 就绪输出：输出直接喂给大模型，无需二次处理
为什么值得关注
文档处理是 AI Agent 落地最大的痛点之一。企业内部有海量的 Word/PPT/PDF 文档，但 Agent 只能读懂纯文本。anydoc 以极高性能和极简接口解决了这个「格式鸿沟」问题。Firecrawl 团队在网页抓取领域积累了深厚的文档解析经验，anydoc 是这一能力的开源输出。
访问说明
- GitHub：完全公开，MIT 协议
- 安装：
npm i -g @firecrawl/anydoc或pip install firecrawl-anydoc
适合人群
- 需要让 AI Agent 处理企业文档的开发者
- RAG / 知识库构建者
- 文档处理管线工程师
仓库地址：github.com/firecrawl/anydoc
No.7 genspark-ai / genoffice ⭐ 1,339
| 属性 | 值 |
|---|---|
| 语言 | TypeScript |
| Forks | 206 |
| 本周新增 | ⭐ 1,339 |
| 一句话 | AI 原生的 Office 套件——文字处理、表格、演示文稿、PDF，全部内置 AI 能力 |
工具简介
GenOffice 是一个 AI 原生的办公套件，支持 macOS 和 Windows。它不是传统的 Office 加 AI 插件，而是从零开始以 AI 为中心构建——文字处理器、电子表格、演示文稿和 PDF 全部内置 AI 能力。基于 Electron 构建，开源。
核心功能
- AI 原生文字处理：智能写作、改写、摘要
- AI 驱动电子表格：自然语言查询和分析
- AI 演示文稿生成：一句话生成完整 PPT
- PDF 智能处理：解析、填充、转换
为什么值得关注
「AI 原生的 Office」是一个巨大的赛道。Google Workspace 和 Microsoft 365 都在加 AI 功能，但 GenOffice 从底层架构就以 AI 为核心设计。如果它能跑通，可能重新定义「办公软件」的产品形态。1.3K 星的开门红说明市场对这个方向有强烈的期待。
访问说明
- GitHub：完全公开
- 平台：macOS + Windows
适合人群
- 对 AI 原生办公工具有需求的用户
- 研究 AI + 生产力工具融合的创业者
- Electron 应用开发者
仓库地址：github.com/genspark-ai/genoffice
No.8 DannyMac180 / sol-advisor ⭐ 1,312
| 属性 | 值 |
|---|---|
| 语言 | Shell |
| Forks | 93 |
| 本周新增 | ⭐ 1,312 |
| 一句话 | Codex 原生架构师编排器——Luna + Terra 双通道并行，强制 Sol 审查确保代码质量 |
工具简介
Sol Advisor 是一个专门为 Codex CLI 设计的架构师编排工具。它使用 Luna 和 Terra 两个实现通道并行工作，并通过强制的 Sol 代码审查步骤确保输出质量。项目全部由 Shell 脚本构建，极简但实用。
核心功能
- 双通道并行实现：Luna 和 Terra 两条线同时写代码
- 强制 Sol 审查：代码提交前必须通过审查关卡
- Codex 原生集成：深度利用 Codex CLI 的能力
为什么值得关注
这代表了 AI 编程工具链中的一个新趋势——用多个 Agent 并行工作并互相审查来提升代码质量。虽然 Sol Advisor 目前深度绑定 Codex，但其「多 Agent + 强制审查」的架构模式具有普适性。
访问说明
- GitHub：完全公开
- 依赖：Codex CLI
适合人群
- Codex CLI 重度用户
- 对多 Agent 编程协作模式感兴趣的开发者
- 探索 AI 代码审查流程的工程团队
仓库地址：github.com/DannyMac180/sol-advisor
No.9 thebuggeddev / anatomy ⭐ 1,220
| 属性 | 值 |
|---|---|
| 语言 | TypeScript |
| Forks | 335 |
| 本周新增 | ⭐ 1,220 |
| 一句话 | 基于 Three.js + GPT 5.6 的交互式 3D 人体解剖探索器——AI 驱动的医学教育可视化 |
工具简介
Anatomy 是一个使用 Three.js 构建的交互式 3D 人体解剖探索器，结合了 GPT 5.6 的 AI 能力。用户可以在浏览器中旋转、缩放、分层探索人体结构，并借助 AI 获取每个器官和系统的详细解释。
核心功能
- 交互式 3D 渲染：Three.js 实现流畅的人体模型渲染
- AI 知识引擎：GPT 5.6 提供解剖学知识问答
- 分层探索：肌肉、骨骼、器官、神经等系统逐层展示
为什么值得关注
这是 AI + 3D 可视化在教育领域的一个精彩案例。项目用 Three.js 解决了「看」的问题，用 GPT 5.6 解决了「懂」的问题——两者结合创造了一种全新的学习体验。1.2K 星和 335 forks 说明医学教育和科普领域对这类工具需求巨大。
访问说明
- GitHub：完全公开
- 运行：浏览器即可，无需安装
适合人群
- 医学教育工作者和学生
- 3D 可视化开发者
- AI + 教育交叉领域的探索者
仓库地址：github.com/thebuggeddev/anatomy
No.10 xikhar / persona ⭐ 834
| 属性 | 值 |
|---|---|
| 语言 | JavaScript |
| Forks | 79 |
| 本周新增 | ⭐ 834 |
| 一句话 | 将实时语音 AI 带入生活——开源语音助手框架，支持自定义人格和实时对话 |
工具简介
Persona 是一个将实时语音 AI 能力带入日常生活的开源项目。它提供了一套完整的框架来构建具有自定义人格的语音助手，支持实时对话、情感感知和上下文记忆。
核心功能
- 实时语音交互：低延迟语音对话
- 自定义人格：可配置的语气、风格和知识领域
- 上下文记忆：跨对话的记忆保持
- 开源可扩展：模块化架构，易于定制
为什么值得关注
语音 AI 正在从「能用」走向「好用」。Persona 将实时语音与人格化定制结合，瞄准了语音助手的下一个阶段——不是工具，而是有温度的陪伴。834 星在语音 AI 开源项目中是不错的成绩，反映了市场对「有个性的 AI」的强烈兴趣。
访问说明
- GitHub：完全公开
- 平台：跨平台 JavaScript
适合人群
- 语音 AI 应用开发者
- 智能硬件/语音助手创业者
- 对人机语音交互感兴趣的研究者
仓库地址：github.com/xikhar/persona
本周趋势总结
| 排名 | 项目 | 星数 | 领域 |
|---|---|---|---|
| 1 | yc-software/qm | 11,158 | Agent 协作平台 |
| 2 | trycompai/crm | 4,688 | Agent 驱动 CRM |
| 3 | FareedKhan-dev/kimi-k3-in-c | 2,027 | 大模型本地推理 |
| 4 | microsoft/skill-recorder | 1,774 | Agent 技能自动化 |
| 5 | sqliteai/waste | 1,680 | 大模型流式推理 |
| 6 | firecrawl/anydoc | 1,498 | 文档→Markdown |
| 7 | genspark-ai/genoffice | 1,339 | AI 办公套件 |
| 8 | DannyMac180/sol-advisor | 1,312 | Agent 编程编排 |
| 9 | thebuggeddev/anatomy | 1,220 | AI+3D 教育 |
| 10 | xikhar/persona | 834 | 实时语音 AI |
三个核心观察
-
Agent 从单兵走向团队协作：QM（⭐11K）和 CompAI CRM（⭐4.7K）高居榜首，标志着 AI Agent 的焦点正在从「一个 Agent 能做什么」转向「多个 Agent 如何协作」。QM 提供了完整的多用户协作架构，CompAI CRM 则将 Agent 定位为产品的核心而非附加功能。
-
大模型本地化的两条技术路线：Kimi K3 的开源生态本周贡献了两个极端方向——kimi-k3-in-c 追求极致内存压缩（8GB 内搞定），waste 追求突破内存上限（NVMe 流式加载）。两者的并存说明超大模型本地化正在形成丰富的技术谱系。
-
微软加入 Agent 技能标准化竞赛：Skill Recorder（⭐1.8K）标志着微软正式入局 Agent 技能生态。与社区驱动的 skills.sh 不同，微软的方案强调「录屏即 Skill」的零代码体验，并深度集成 Copilot 生态。Agent 技能的创建和分发正在成为一个独立的基础设施赛道。
数据来源：GitHub API search/repositories?q=created:2026-07-28..2026-08-04，按星数降序排列。数据采集时间：2026-08-04。
