GitHub 热榜项目:日榜(2026-08-18)

本期共收录 11 个热门开源项目,合计新增 ⭐ 4,282 stars,热门语言:Python、Rust、TypeScript。

数据来源:GitHub Trending | 统计周期:日榜 | 更新日期:2026-08-18

📝 本期综述

本期榜单中,AI 代理相关项目占据了较多位置。Strix 面向应用渗透测试,Anthropic-Cybersecurity-Skills 提供结构化安全技能,ai-memory 处理跨会话和跨代理的上下文留存;三者分别对应代理的执行、知识和记忆环节。围绕本地模型,llmfit 用硬件检测和模型评分辅助选型,oMLX 针对 Apple Silicon 优化推理,MoneyPrinterTurbo 则把模型接入短视频制作流程。榜单同时覆盖了量化交易(NautilusTrader)、求职流程管理(career-ops)、自托管照片管理(Immich)、下载工具(Motrix)以及仍在活跃开发中的框架项目(Cordis)。从这些项目的分布看,开发者关注的不只是模型本身,也在补齐部署、集成和具体工作流中的工具环节。

📋 本期概览

排名项目语言⭐ 总星数本期新增
1MoneyPrinterTurboPython106,041+1,189
2strixPython54,183+598
3nautilus_traderRust25,919+120
4ai-memoryRust2,063+207
5Anthropic-Cybersecurity-SkillsPython28,436+198
6llmfitRust32,278+198
7career-opsJavaScript64,651+218
8omlxPython18,990+78
9immichTypeScript111,163+175
10cordisTypeScript5,587+957
11MotrixTypeScript53,084+344

🔍 项目详情(TOP 10)

1. harry0703/MoneyPrinterTurbo

利用 AI 大模型和自动化工作流,根据主题或关键词一键生成高清短视频。

这是一个一站式 AI 短视频生成工具。用户只需提供主题或关键词,系统即可自动生成视频脚本、匹配素材、生成字幕和背景音乐,并合成高清短视频。项目支持竖屏和横屏输出、批量生成、多语言脚本以及多种语音合成服务,并兼容主流大语言模型。它提供 WebUI、API、CLI 和 AI Agent 四种使用方式,适合需要快速、自动化产出短视频的内容创作者和开发者使用。

语言:Python · Stars:106,041 · Forks:16,120 · 本期新增:+1,189

2. usestrix/strix

开源 AI 渗透测试工具,用于发现和修复应用程序漏洞。

Strix 是一个开源的自主 AI 渗透测试工具,可动态运行代码、发现漏洞,并通过可复现的概念验证确认问题。它提供侦察、利用和验证工具,支持多智能体协作和 PoC 生成。项目还提供面向开发者的 CLI、修复补丁生成及合规报告功能,并可集成 GitHub Actions 等 CI/CD 流水线,供开发者和安全团队开展应用安全测试。

语言:Python · Stars:54,183 · Forks:5,798 · 本期新增:+598

3. nautechsystems/nautilus_trader

具备确定性事件驱动架构的生产级 Rust 原生交易引擎。

NautilusTrader 是一个生产级交易引擎,采用 Rust 原生核心提供确定性的事件驱动运行时,同时使用 Python 作为控制平面。它消除了策略研究与生产执行之间的分离,使策略能从研究无缝过渡到实盘交易而无需重新实现。项目通过适配器模块化地连接各交易场所和数据提供商,支持多种加密货币交易所和传统经纪商。该引擎适合个人和小型量化交易团队进行单节点回测和实盘交易。

语言:Rust · Stars:25,919 · Forks:3,372 · 本期新增:+120

4. akitaonrails/ai-memory

为 AI 编程 CLI 提供长期记忆的解决方案,并促进不同 AI 代理供应商之间的交接。

该项目为 AI 编程代理提供长期记忆能力,解决会话结束后上下文丢失的问题。它通过捕获生命周期观察数据,编译成持久化的 Markdown 维基,使不同 AI 代理(如 Claude Code、Codex 等)能在同一目录下无缝交接工作。项目支持跨代理交接、按项目隔离、基于实体的检索,且无需向量数据库。适合需要在多个 AI 编程工具间切换并保持工作上下文连续性的开发者。

语言:Rust · Stars:2,063 · Forks:194 · 本期新增:+207

5. mukul975/Anthropic-Cybersecurity-Skills

面向 AI 代理的 817 项结构化网络安全技能 · 映射至 6 大框架:MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND、NIST AI RMF 和 MITRE F3(反欺诈) · 符合 agentskills.io 标准 · 兼容 Claude Code、GitHub Copilot、Codex CLI、Cursor、Gemini CLI 及 20 多个平台 · 涵盖 29 个安全领域 · Apache 2.0 许可证

这是一个面向 AI 代理的开源网络安全技能库,包含 817 项结构化技能,覆盖 29 个安全领域。技能库提供 MITRE ATT&CK、NIST CSF 等六类框架映射,并记录安全分析中的判断条件、操作步骤和验证方法。技能采用渐进式披露结构,代理可先扫描元数据,再按需加载完整内容,用于威胁狩猎、取证和渗透测试等任务。

语言:Python · Stars:28,436 · Forks:3,446 · 本期新增:+198

6. AlexsJones/llmfit

数百个模型与供应商。一条命令找出哪些能在你的硬件上运行。

llmfit 是一个终端工具,旨在帮助用户根据自身系统的 RAM、CPU 和 GPU 硬件配置,选择最合适的大语言模型。它能自动检测硬件,并从质量、速度、适配度和上下文四个维度对模型目录中的每个模型进行评分,告知用户哪些模型能在其机器上良好运行。项目提供交互式 TUI 和经典 CLI 模式,支持多 GPU 和 MoE 架构。适合需要在本地运行 LLM 但不确定硬件能否支撑的用户。

语言:Rust · Stars:32,278 · Forks:2,001 · 本期新增:+198

7. santifer/career-ops

开源 AI 求职工具:扫描招聘门户,使用结构化 A-F 评分标准将职位评估为 1.0-5.0 分,定制你的简历,跟踪求职申请——在本地 AI 编程 CLI(Claude Code、Codex、OpenCode、Antigravity 等)中运行。

career-ops 是一个开源的 AI 求职指挥中心,可将任何 AI 编程 CLI 转变为完整的求职管道。它能自动扫描招聘网站,使用结构化标准评估职位并打分,根据职位描述量身定制 ATS 优化的 PDF 简历,并在单一数据源中跟踪所有申请。系统强调人工审核,不会自动投递,适合希望利用 AI 高效筛选职位和管理求职流程的求职者使用。

语言:JavaScript · Stars:64,651 · Forks:12,650 · 本期新增:+218

8. jundot/omlx

专为 Apple Silicon 优化的 LLM 推理服务器,支持连续批处理和 SSD 缓存——可从 macOS 菜单栏管理。

oMLX 是专为 Apple Silicon Mac 优化的本地大语言模型推理服务器。其核心能力是支持连续批处理和分层 KV 缓存(热层在内存、冷层在 SSD),即使对话中途改变上下文或服务器重启,缓存仍可复用,从而提升推理效率。它支持多模型服务、视觉语言模型和 OpenAI/Anthropic API 兼容,并提供原生 macOS 菜单栏应用和 Web 管理面板。适合需要在 Mac 上高效运行本地模型的开发者。

语言:Python · Stars:18,990 · Forks:1,645 · 本期新增:+78

9. immich-app/immich

高性能的自托管照片和视频管理解决方案。

Immich 是一个高性能的自托管照片和视频管理方案。它支持通过移动端自动备份照片和视频,并可在移动端及网页端上传、浏览和下载媒体。项目还提供多用户、共享相册、人脸识别、元数据与对象搜索、地图和公开分享等功能。媒体数据由用户自行部署和管理,适合搭建自托管照片与视频服务。

语言:TypeScript · Stars:111,163 · Forks:6,575 · 本期新增:+175

10. cordiverse/cordis

时空可组合性的元框架。

Cordis 是一个面向时空可组合性的元框架。该仓库公开信息有限,README 主要说明项目正处于活跃开发中,API 尚未稳定且可能随时变更。项目附带了一篇名为《时空可组合性的编程范式》的论文及相关文档,但具体功能、架构和适用场景需查阅外部文档才能确定。

语言:TypeScript · Stars:5,587 · Forks:297 · 本期新增:+957


完整榜单

查看完整榜单:https://gh.ai225.com/daily/2026-08-18


📌 总结与展望

本期安全技能库和记忆类项目的落地,仍取决于 CLI 集成、外部框架映射以及本地环境配置,实际使用更适合从一个明确场景开始。本地推理工具的效果则受内存、GPU 和芯片架构影响,单看项目说明还不足以比较不同机型的表现。后续值得观察两件事:相关技能库和记忆方案能否形成较稳定的接口,降低跨工具复用的成本;llmfit、oMLX 等工具能否积累覆盖多种硬件的公开测试数据。前者关系到代理能力能否迁移,后者关系到本地部署建议是否有可验证的依据。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值