2026年05月08日 GitHub Trending 榜单

成功: 12 | 失败: 0耗时: 150s

anthropics/financial-services

⭐ 15,067

🍴 1,879

📈 +3,662

Python

暂无描述

💡 AI 总结：

Anthropic 提供的金融服务业参考实现，包含针对投资银行、股票研究等领域的代理和技能。项目提供 Pitch Agent、Market Researcher 等端到端工作流，支持作为 Claude Cowork 插件或 API 部署。包含估值、收益分析等垂直插件，旨在辅助分析师起草工作产品，需人工审核。

🔧 技术栈：Python, Claude API, Cowork Plugins

💼 适用场景：投资银行、股票研究、私募股权及财富管理的自动化工作流辅助

addyosmani/agent-skills

⭐ 35,321

🍴 4,017

📈 +1,794

Shell

Production-grade engineering skills for AI coding agents.

💡 AI 总结：

该项目为 AI 编码代理提供了一套生产级工程技能和工作流。它包含 7 个斜杠命令，覆盖从需求定义到代码审查和部署的完整开发生命周期。旨在确保 AI 代理遵循资深工程师的最佳实践和质量标准，提升代码质量和开发效率。

🔧 技术栈：Shell

💼 适用场景：为 AI 编码代理提供标准化的工程工作流和最佳实践指导。

Hmbown/DeepSeek-TUI

⭐ 21,707

🍴 1,688

📈 +3,827

Rust

Coding agent for DeepSeek models that runs in your terminal

💡 AI 总结：

这是一个基于 Rust 开发的终端编码代理，专为 DeepSeek V4 模型设计。它支持流式传输推理过程，允许用户通过键盘驱动的 TUI 界面编辑本地代码、运行 Shell 命令和管理 Git。具备自动模式可智能选择模型和思考级别，并包含批准门控以安全地修改工作区。

🔧 技术栈：Rust, DeepSeek V4, TUI

💼 适用场景：适合需要在终端中直接与 DeepSeek 模型协作进行代码编写、调试和项目管理的开发者。

z-lab/dflash

⭐ 3,839

🍴 265

📈 +388

Python

DFlash: Block Diffusion for Flash Speculative Decoding

💡 AI 总结：

DFlash 是一种专为快速推测解码设计的轻量级块扩散模型。它通过并行起草机制，实现了高效且高质量的推理加速。项目支持 Gemma、Qwen 等多种主流大模型，并提供了针对 vLLM、SGLang 等框架的安装方案，旨在提升大语言模型的生成速度。

🔧 技术栈：Python, vLLM, Transformers, SGLang, MLX

💼 适用场景：用于加速大语言模型的生成速度，通过推测解码技术提升推理效率。

decolua/9router

⭐ 5,547

🍴 1,066

📈 +1,028

JavaScript

Unlimited FREE AI coding. Connect Claude Code, Codex, Cursor, Cline, Copilot, Antigravity to FREE Claude/GPT/Gemini via 40+ providers. Auto-fallback, RTK -40% tokens, never hit limits.

💡 AI 总结：

9Router 是一个免费的 AI 路由器，旨在通过 40+ 提供商连接 AI 编码工具。它利用 RTK 技术节省 20-40% 的 Token，并具备自动回退机制（订阅→便宜→免费），确保零停机时间和成本优化。

🔧 技术栈：JavaScript, Node.js

💼 适用场景：用于连接 Claude Code、Cursor 等 AI 编码工具，通过智能路由和 Token 压缩技术，节省 API 成本并避免配额限制。

CloakHQ/CloakBrowser

⭐ 2,943

🍴 232

📈 +482

Python

Stealth Chromium that passes every bot detection test. Drop-in Playwright replacement with source-level fingerprint patches. 30/30 tests passed.

💡 AI 总结：

CloakBrowser 是一个通过 C++ 源级补丁修改指纹的隐身 Chromium 浏览器，旨在绕过所有反机器人检测。它作为 Playwright 和 Puppeteer 的零代码更改替代品，支持 Python 和 Node.js，并通过 Cloudflare Turnstile 和 reCAPTCHA v3 等测试，提供“humanize”模式模拟人类行为。

🔧 技术栈：Python, Chromium (C++), Playwright / Puppeteer

💼 适用场景：绕过 Cloudflare、reCAPTCHA 等反爬虫检测，进行自动化测试或数据采集。

awslabs/aidlc-workflows

⭐ 1,744

🍴 304

📈 +92

Python

AI-Driven Life Cycle (AI-DLC) adaptive workflow steering rules for AI coding agents

💡 AI 总结：

这是一个由 AWS 实验室开发的 AI-Driven Development Life Cycle (AI-DLC) 工作流规则集。它为 AI 编码代理提供自适应的引导规则，旨在智能管理软件开发流程，确保代码质量并保持开发者对过程的控制。

🔧 技术栈：Python

💼 适用场景：适用于使用 AI 编码代理进行软件开发，希望通过自适应规则保持流程控制和代码质量的开发者。

HKUDS/AI-Trader

⭐ 14,595

🍴 2,432

📈 +189

Python

"AI-Trader: 100% Fully-Automated Agent-Native Trading"

💡 AI 总结：

AI-Trader 是一个面向 AI 代理的自动化交易平台，支持 OpenClaw、Claude Code 等主流代理协作。平台提供跨平台信号同步、一键跟单及多市场交易功能，旨在通过集体智能提升交易效率。最近版本优化了生产稳定性与代码架构。

🔧 技术栈：Python, FastAPI

💼 适用场景：为 AI 代理提供自动化交易解决方案，支持多市场策略协作与跟单。

LearningCircuit/local-deep-research

⭐ 6,716

🍴 594

📈 +572

Python

~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (llama.cpp, Ollama, Google, ...). 10+ search engines - arXiv, PubMed, your private documents. Everything Local & Encrypted.

💡 AI 总结：

这是一个专注于隐私保护的本地 AI 研究助手。它支持接入多种本地和云端大模型，能利用 arXiv、PubMed 等搜索引擎及私有文档进行自动研究。项目提供 Docker 快速部署方案，内置 SQLCipher 加密，适合需要自主掌控数据并进行深度学术或知识分析的用户。

🔧 技术栈：Python, Docker, LLMs (llama.cpp, Ollama), Search Engines, SQLCipher

💼 适用场景：需要隐私保护的本地深度研究、学术分析及构建私有知识库

lobehub/lobehub

⭐ 76,486

🍴 15,112

📈 +74

TypeScript

The ultimate space for work and life — to find, build, and collaborate with agent teammates that grow with you. We are taking agent harness to the next level — enabling multi-agent collaboration, effortless agent team design, and introducing agents as the unit of work interaction.

💡 AI 总结：

LobeHub 是一个专注于 AI Agent 的协作平台，旨在通过多智能体协作、思维链和插件系统，打造人类与智能体共同进化的工作空间。支持本地/云端模型、多模态交互（语音、图像）及 MCP 插件市场，提供桌面端应用，支持自托管，致力于构建开放透明的 AIGC 生态系统。

🔧 技术栈：TypeScript

💼 适用场景：适合需要构建、管理和协作多智能体团队的专业开发者及 AIGC 爱好者。

datawhalechina/hello-agents

⭐ 44,533

🍴 5,416

📈 +645

Python

📚 《从零开始构建智能体》——从零开始的智能体原理与实践教程

💡 AI 总结：

Datawhale 社区发起的系统性智能体学习教程，专注于 AI 原生智能体的构建。内容涵盖从基础理论、经典范式（如 ReAct）到高级技术（记忆、上下文工程、Agentic RL）的完整知识体系，包含低代码平台使用及多智能体实战项目，旨在帮助开发者从 LLM 使用者蜕变为智能体系统构建者。

🔧 技术栈：Python, LLM (OpenAI), Agent Frameworks (AutoGen, LangGraph, AgentScope), Low-code Platforms (Coze, Dify, n8n)

💼 适用场景：适合想要系统学习智能体原理与实践、掌握 AI 原生 Agent 构建技能的开发者。

flutter/skills

⭐ 1,659

🍴 92

📈 +168

Dart

暂无描述

💡 AI 总结：

Flutter 团队维护的 Agent Skills 项目，提供一系列定制指令和工作流，辅助 AI 代理进行 Flutter 开发。它作为 MCP 的补充，教会代理如何使用工具完成特定任务（如集成测试、小部件预览等），旨在减少错误并确保遵循最佳实践。

🔧 技术栈：Dart, Flutter, MCP (Model Context Protocol), Node.js

💼 适用场景：用于自动化 Flutter 应用的开发流程，特别是集成测试生成、UI 组件预览及组件级测试编写。