加载中...

2026年01月08日 GitHub Trending 榜单

成功: 15 | 失败: 0耗时: 129s

ChromeDevTools/chrome-devtools-mcp

⭐ 19,325
🍴 1,192
📈 +314
TypeScript

Chrome DevTools for coding agents

💡 AI 总结：

ChromeDevTools/mcp 是一个基于TypeScript的MCP服务器，允许AI编码助手（如Gemini、Claude）通过Chrome DevTools控制浏览器，实现自动化操作、性能分析和深度调试，集成puppeteer进行可靠浏览器控制。

🔧 技术栈：TypeScript, Node.js, Chrome DevTools
💼 适用场景：适用于AI编码助手的浏览器自动化、性能分析及调试场景

anthropics/claude-code

⭐ 53,352
🍴 3,832
📈 +510
Shell

Claude Code is an agentic coding tool that lives in your terminal, understands your codebase, and helps you code faster by executing routine tasks, explaining complex code, and handling git workflows - all through natural language commands.

💡 AI 总结：

Claude Code是集成在终端的代理编程工具，通过自然语言指令执行代码任务、解释复杂逻辑、管理Git流程，支持多平台安装。提供插件扩展功能，注重数据隐私保护。

🔧 技术栈：Shell, Git, NPM
💼 适用场景：开发者通过自然语言指令提升代码编写与项目管理效率

nothings/stb

⭐ 31,632
🍴 7,971
📈 +179
C

stb single-file public domain libraries for C/C++

💡 AI 总结：

stb项目提供一系列单文件C/C++库，涵盖图像处理、音频解码、字体渲染、数据结构等功能。包含图像加载/写入/缩放、字体解析、动态数组、音频合成等工具，适用于需要轻量级库的开发场景。

🔧 技术栈：C, C++, 图像处理, 音频处理, 数据结构
💼 适用场景：适用于游戏开发、嵌入式系统及需要高效集成单文件库的项目

MiroMindAI/MiroThinker

⭐ 3,397
🍴 220
📈 +799
Python

MiroThinker is an open-source search agent suite, built for tool-augmented reasoning and real-world information seeking, aiming to match the deep research experience of OpenAI Deep Research and Gemini Deep Research.

💡 AI 总结：

MiroThinker是开源搜索代理套件，支持工具增强的推理与信息检索，提供多组件框架（MiroThinker、MiroFlow等），在HLE、BrowseComp等基准测试中表现优异，适用于复杂研究工作流。

🔧 技术栈：Python, HuggingFace, 深度学习框架
💼 适用场景：适用于学术研究、数据分析等需要复杂信息检索与深度推理的场景。

protocolbuffers/protobuf

⭐ 70,231
🍴 15,996
📈 +61
C++

Protocol Buffers - Google's data interchange format

💡 AI 总结：

Protocol Buffers是Google的跨语言、跨平台数据序列化框架，支持结构化数据的高效交换。项目提供C++实现的协议编译器和运行时库，适用于分布式系统和微服务通信。

🔧 技术栈：C++, Bazel, Protocol Compiler
💼 适用场景：需要高效跨语言数据序列化与反序列化的分布式系统场景

thedotmack/claude-mem

⭐ 12,461
🍴 775
📈 +803
TypeScript

A Claude Code plugin that automatically captures everything Claude does during your coding sessions, compresses it with AI (using Claude's agent-sdk), and injects relevant context back into future sessions.

💡 AI 总结：

Claude-Mem是为Claude Code设计的持久化记忆压缩插件，自动捕获编码会话中的工具使用记录，生成语义摘要并跨会话保存，支持上下文连续性维护、隐私控制及多场景检索，提升长期项目开发的上下文连贯性。

🔧 技术栈：TypeScript, Claude's agent-sdk, Web Viewer UI
💼 适用场景：适用于需要保持跨会话上下文连续性的代码开发与协作场景

xpipe-io/xpipe

⭐ 12,833
🍴 501
📈 +216
Java

Access your entire server infrastructure from your local desktop

💡 AI 总结：

XPipe是基于Java的连接枢纽，支持通过SSH、Docker、虚拟机、云服务器等多种方式集中管理远程资源，无需远程配置且可扩展性强，适用于开发及运维的多环境管理。

🔧 技术栈：Java
💼 适用场景：适用于需要集中管理多种远程服务器和容器环境的开发及运维工作。

NVlabs/alpasim

⭐ 519
🍴 43
📈 +65
Python

无描述

💡 AI 总结：

AlpaSim是NVIDIA开源的自动驾驶研究模拟平台，支持闭环测试与传感器数据模拟，提供高保真视觉渲染、模块化架构及分布式计算能力，适用于算法验证、安全分析与性能测试。

🔧 技术栈：Python, gRPC, Microservices, Neural Rendering
💼 适用场景：自动驾驶算法验证与安全分析

Lissy93/web-check

⭐ 28,959
🍴 2,326
📈 +640
TypeScript

🕵️‍♂️ All-in-one OSINT tool for analysing any website

💡 AI 总结：

Lissy93/web-check 是一个基于TypeScript的全功能OSINT网站分析工具，提供IP信息、SSL证书、DNS记录、安全配置、技术栈识别等20+维度的网站洞察，支持潜在攻击面分析与安全优化。

🔧 技术栈：TypeScript, React, Node.js
💼 适用场景：适用于网络安全渗透测试与网站架构安全审计

google/googletest

⭐ 37,853
🍴 10,654
📈 +119
C++

GoogleTest - Google Testing and Mocking Framework

💡 AI 总结：

GoogleTest是Google的C++测试框架，提供xUnit架构支持，自动测试发现，丰富的断言功能（如相等性、异常等），支持自定义断言、死亡测试、参数化测试（值和类型参数化），可处理致命与非致命失败，适用于全面的单元测试和模拟测试场景。

🔧 技术栈：C++
💼 适用场景：用于C++项目的单元测试和模拟测试，支持多种测试场景和断言方式

apache/superset

⭐ 69,827
🍴 16,456
📈 +50
TypeScript

Apache Superset is a Data Visualization and Data Exploration Platform

💡 AI 总结：

Apache Superset是现代化的企业级商业智能平台，提供数据可视化、无代码图表构建、SQL编辑器、多数据库支持及可扩展的安全架构，适用于大规模数据分析与动态报表场景。

🔧 技术栈：TypeScript, React, Python, SQLAlchemy
💼 适用场景：企业级数据可视化分析与实时报表开发

memvid/memvid

⭐ 11,721
🍴 974
📈 +465
Rust

Memory layer for AI Agents. Replace complex RAG pipelines with a serverless, single-file memory layer. Give your agents instant retrieval and long-term memory.

💡 AI 总结：

Memvid是基于Rust的AI代理单文件内存层，通过类似视频编码的帧结构实现即时检索与长期记忆。支持持久化、版本控制、时间回溯及高效压缩，替代传统RAG管道和数据库。

🔧 技术栈：Rust, 文件序列化, 压缩算法
💼 适用场景：适用于需要无服务器、可移植的AI代理持久化内存管理场景

Lightricks/ComfyUI-LTXVideo

⭐ 2,639
🍴 264
📈 +44
Python

LTX-Video Support for ComfyUI

💡 AI 总结：

ComfyUI-LTXVideo为ComfyUI提供LTX-2视频生成模型的扩展节点和工作流，支持文本/图像到视频生成、视频细节增强等功能，包含多种预训练模型和优化模块。

🔧 技术栈：Python, ComfyUI, PyTorch
💼 适用场景：视频生成与编辑，适用于AI驱动的多媒体内容创作

NevaMind-AI/memU

⭐ 3,774
🍴 252
📈 +97
Python

Memory infrastructure for LLMs and AI agents

💡 AI 总结：

MemU是面向LLM和AI代理的记忆框架，支持多模态输入处理，通过分层文件系统组织结构化记忆，提供RAG和LLM双模式检索，具备自适应进化能力。

🔧 技术栈：Python
💼 适用场景：适用于需要多模态数据处理与智能记忆管理的AI代理系统开发

HKUDS/VideoRAG

⭐ 2,023
🍴 286
📈 +120
Python

[KDD'2026] "VideoRAG: Chat with Your Videos"

💡 AI 总结：

VideoRAG是一款基于AI的视频智能分析工具，支持超长视频对话交互。通过VideoRAG框架实现视频内容理解与问答，具备多格式支持、跨平台特性及针对研究人员的基准数据集，可处理从短片段到数百小时的视频内容。

🔧 技术栈：Python
💼 适用场景：视频内容智能分析与多轮问答系统