|
| 1 | +# AI 开源趋势日报 2026-06-14 |
| 2 | + |
| 3 | +> 数据来源: GitHub Trending + GitHub Search API | 生成时间: 2026-06-14 03:40 UTC |
| 4 | +
|
| 5 | +--- |
| 6 | + |
| 7 | +这份报告已为您过滤掉非 AI 相关的通用项目（如 iptv-org、chatwoot、apple/container 等），并对留存的 AI 项目进行了深度分类与趋势洞察。以下是 2026-06-14 的《AI 开源趋势日报》。 |
| 8 | + |
| 9 | +--- |
| 10 | + |
| 11 | +# 📰 AI 开源趋势日报 (2026-06-14) |
| 12 | + |
| 13 | +## 1. 今日速览 |
| 14 | +今日 AI 开源生态呈现出明显的**“Agent 基建化与规范化”**趋势。围绕 AI 编程智能体的周边生态迎来爆发，**“技能库”、“会话监控”与“安全扫描”**相关的项目霸榜今日 GitHub Trending。同时，随着各类 CLI 智能体的普及，社区正在大规模探索如何提取和压缩系统级 Prompt，以及如何优化本地大模型的 KV Cache 以降低推理成本。RAG 与向量数据库领域则稳步向知识图谱和多模态检索演进。 |
| 15 | + |
| 16 | +--- |
| 17 | + |
| 18 | +## 2. 各维度热门项目 |
| 19 | + |
| 20 | +### 🔧 AI 基础工具（框架、SDK、推理引擎、开发工具） |
| 21 | +- [addyosmani/agent-skills](https://github.com/addyosmani/agent-skills) [Shell] ⭐0 (+1514 today) |
| 22 | + **一句话说明：** 为 AI 编程智能体提供生产级的工程技能包，今日 Stars 暴增，反映了开发者对增强 Agent 能力的强烈需求。 |
| 23 | +- [obra/superpowers](https://github.com/obra/superpowers) [Shell] ⭐0 (+924 today) |
| 24 | + **一句话说明：** 一个实用的智能体技能框架与软件开发方法论，为 Agent 驱动的开发提供标准化的工作流。 |
| 25 | +- [LMCache/LMCache](https://github.com/LMCache/LMCache) [Python] ⭐0 (+238 today) |
| 26 | + **一句话说明：** 为大语言模型提供极速 KV Cache 层的开源工具，是当前降低 LLM 推理延迟和成本的核心基建。 |
| 27 | +- [kenn-io/agentsview](https://github.com/kenn-io/agentsview) [Go] ⭐0 (+190 today) |
| 28 | + **一句话说明：** 本地优先的会话智能分析工具，为 Claude Code、Codex 等 20 多种编程 Agent 提供运行监控与分析。 |
| 29 | +- [andrewyng/aisuite](https://github.com/andrewyng/aisuite) [Python] ⭐0 (+127 today) |
| 30 | + **一句话说明：** 吴恩达团队推出的工具，提供极其简单、统一的接口来对接多家主流生成式 AI 提供商。 |
| 31 | +- [ollama/ollama](https://github.com/ollama/ollama) [Go] ⭐174,076 |
| 32 | + **一句话说明：** 最受欢迎的本地大模型运行引擎，现已无缝支持 Kimi-K2.6、GLM-5.1 等最新一代开源模型。 |
| 33 | +- [vllm-project/vllm](https://github.com/vllm-project/vllm) [Python] ⭐82,788 |
| 34 | + **一句话说明：** 业界标杆的高吞吐量、内存高效的 LLM 推理与服务引擎。 |
| 35 | + |
| 36 | +### 🤖 AI 智能体/工作流（Agent 框架、自动化、多智能体） |
| 37 | +- [NVIDIA/SkillSpector](https://github.com/NVIDIA/SkillSpector) [Python] ⭐0 (+804 today) |
| 38 | + **一句话说明：** 英伟达推出的 AI Agent 技能安全扫描器，专门用于检测智能体技能中的漏洞和恶意模式，解决 Agent 安全痛点。 |
| 39 | +- [x1xhlol/system-prompts-and-models-of-ai-tools](https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools) ⭐0 (+109 today) |
| 40 | + **一句话说明：** 汇集了 Cursor、Devin、Manus 等数十款主流 AI 工具的底层系统提示词，是研究 Agent 设计的绝佳宝库。 |
| 41 | +- [JuliusBrussee/caveman](https://github.com/JuliusBrussee/caveman) [JavaScript] ⭐72,196 |
| 42 | + **一句话说明：** 极具创意的 Claude Code 技能插件，通过“穴居人语言”极简表达，成功将 Token 消耗削减了 65%。 |
| 43 | +- [affaan-m/ECC](https://github.com/affaan-m/ECC) [JavaScript] ⭐214,970 |
| 44 | + **一句话说明：** 面向多种编程 Agent 的性能优化系统，集成了技能、记忆与安全保护，全面提升 Agent 编码表现。 |
| 45 | +- [browser-use/browser-use](https://github.com/browser-use/browser-use) [Python] ⭐98,706 |
| 46 | + **一句话说明：** 让 AI 智能体能够直接操作浏览器的开源框架，极大拓展了 Agent 的自动化边界。 |
| 47 | + |
| 48 | +### 📦 AI 应用（具体应用产品、垂直场景解决方案） |
| 49 | +- [hugohe3/ppt-master](https://github.com/hugohe3/ppt-master) [Python] ⭐27,258 |
| 50 | + **一句话说明：** 能够将任何文档转化为完全可编辑、带原声配音的 PPT，直击职场办公痛点。 |
| 51 | +- [ZhuLinsen/daily_stock_analysis](https://github.com/ZhuLinsen/daily_stock_analysis) [Python] ⭐42,436 |
| 52 | + **一句话说明：** 零成本运行的 LLM 驱动系统，实时整合 A/H/美股行情与新闻，提供智能决策仪表盘。 |
| 53 | +- [TauricResearch/TradingAgents](https://github.com/TauricResearch/TradingAgents) [Python] ⭐85,869 |
| 54 | + **一句话说明：** 专为金融交易设计的多智能体框架，通过模拟真实交易团队的分工来进行市场分析与决策。 |
| 55 | +- [siyuan-note/siyuan](https://github.com/siyuan-note/siyuan) [TypeScript] ⭐44,438 |
| 56 | + **一句话说明：** 隐私优先、完全开源的个人知识管理软件，深度集成了本地 AI 智能体助手。 |
| 57 | + |
| 58 | +### 🧠 大模型/训练（模型权重、训练框架、微调工具） |
| 59 | +- [huggingface/transformers](https://github.com/huggingface/transformers) [Python] ⭐161,571 |
| 60 | + **一句话说明：** 机器学习界的基石框架，全面覆盖文本、视觉、音频及多模态模型的定义、训练与推理。 |
| 61 | +- [pytorch/pytorch](https://github.com/pytorch/pytorch) [Python] ⭐100,735 |
| 62 | + **一句话说明：** 全球最流行的深度学习框架，提供强大的 GPU 加速与动态神经网络支持。 |
| 63 | +- [open-compass/opencompass](https://github.com/open-compass/opencompass) [Python] ⭐7,083 |
| 64 | + **一句话说明：** 功能强大的大模型评测平台，支持超 100 个数据集，是目前衡量 LLM 性能的权威标尺。 |
| 65 | +- [chrisliu298/awesome-llm-unlearning](https://github.com/chrisliu298/awesome-llm-unlearning) ⭐598 |
| 66 | + **一句话说明：** 整理大模型“机器遗忘”技术的资源库，随着隐私法规收紧，该技术正成为新的研究热点。 |
| 67 | + |
| 68 | +### 🔍 RAG/知识库（向量数据库、检索增强、知识管理） |
| 69 | +- [thedotmack/claude-mem](https://github.com/thedotmack/claude-mem) [JavaScript] ⭐82,154 |
| 70 | + **一句话说明：** 为各类编程 Agent 提供跨会话的持久化上下文记忆，通过自动压缩历史操作极大提升开发体验。 |
| 71 | +- [topoteretes/cognee](https://github.com/topoteretes/cognee) [Python] ⭐17,815 |
| 72 | + **一句话说明：** 开源的 Agent 记忆平台，通过自托管的内部知识图谱引擎，赋予 AI 长期记忆能力。 |
| 73 | +- [NirDiamant/RAG_Techniques](https://github.com/NirDiamant/RAG_Techniques) [Jupyter Notebook] ⭐27,922 |
| 74 | + **一句话说明：** 涵盖各种高级检索增强生成 (RAG) 技术的教程宝库，每个技术都有详尽的代码实操。 |
| 75 | +- [Mintplex-Labs/anything-llm](https://github.com/Mintplex-Labs/anything-llm) [JavaScript] ⭐61,544 |
| 76 | + **一句话说明：** 一站式本地优先 AI 应用，让用户无需复杂配置即可在自己的硬件上运行强大的 RAG 与 Agent。 |
| 77 | + |
| 78 | +--- |
| 79 | + |
| 80 | +## 3. 趋势信号分析 |
| 81 | + |
| 82 | +**1. Agent “技能化”与“工业化”全面开启** |
| 83 | +从今日热榜数据看，Trending 榜单前几名几乎被 Agent 技能增强工具（如 `agent-skills`, `superpowers`）屠榜。这表明 AI 编程智能体已经跨过了“能否使用”的阶段，全面进入“如何用得更好、更规范”的工业化阶段。开发者亟需一套通用的技能框架来扩充 Agent 的能力边界。 |
| 84 | + |
| 85 | +**2. 安全防御与 Token 极限优化成为新焦点** |
| 86 | +随着 Agent 权限的放大，`NVIDIA/SkillSpector` 这类专注于扫描 Agent 漏洞的安全工具应运而生，标志着生态对安全的警惕性提高。同时，`caveman`（通过极简表达削减 65% Token）和 `claude-mem` 的爆火说明：**在高昂的 API 成本下，极致的 Token 压缩与会话记忆管理是当前开发者的最强痛点。** |
| 87 | + |
| 88 | +**3. 与底层模型迭代的强联动** |
| 89 | +工具层的爆发与近期底层模型的突破息息相关。Ollama 等工具的描述中出现了对 Kimi-K2.6、GLM-5.1 等最新长文本、强推理模型的支持。正是因为长上下文模型的大规模普及，才催生了诸如 KV Cache 优化（`LMCache`）和庞大系统提示词解析（`system-prompts-and-models-of-ai-tools`）等周边基建的火热。 |
| 90 | + |
| 91 | +--- |
| 92 | + |
| 93 | +## 4. 社区关注热点 (开发者推荐) |
| 94 | + |
| 95 | +- 🔥 **[NVIDIA/SkillSpector](https://github.com/NVIDIA/SkillSpector)**：必关注的安全工具！如果你正在使用 Claude Code 或 Cursor 进行开发，用它扫描一下你的 Agent Skills 库，防范潜在的恶意代码注入风险。 |
| 96 | +- ⚡ **[JuliusBrussee/caveman](https://github.com/JuliusBrussee/caveman)**：极具实用价值的省钱神器。通过优化 Prompt 表达大幅削减 Token 用量，重度依赖 AI 编程的开发者可以立刻集成测试。 |
| 97 | +- 🧠 **[thedotmack/claude-mem](https://github.com/thedotmack/claude-mem)**：打破 Agent “阅后即焚”的局限，实现无缝的跨会话知识记忆，对维持长周期大型项目的代码一致性具有颠覆性意义。 |
| 98 | +- 📂 **[addyosmani/agent-skills](https://github.com/addyosmani/agent-skills)**：Google 工程师 Addy Osmani 出品，提供生产级的工程技能包，是学习和构建自己 Agent 工作流的极佳参考模板。 |
| 99 | + |
| 100 | +--- |
| 101 | +*本日报由 [Big Model Radar](https://github.com/litang9/big_model_radar) 自动生成。* |
![github-actions[bot]](https://avatars.githubusercontent.com/in/15368?v=4&size=40){kind=avatar}
0 commit comments