2026年06月01日 GitHub Trending 榜单

成功: 17 | 失败: 0耗时: 324s

microsoft/markitdown

⭐ 138,329

🍴 9,421

📈 +3,034

Python

Python tool for converting files and office documents to Markdown.

💡 AI 总结：

微软开源的轻量级 Python 工具，用于将 PDF、Office 文档、图片、音频等多种格式转换为 Markdown。它专注于保留文档结构（标题、列表、表格等），专为 LLM 和文本分析管道设计，输出高效且结构化。

🔧 技术栈：Python

💼 适用场景：适用于需要将非结构化文档（如 PDF、图片）转换为结构化 Markdown 文本以供大语言模型（LLM）处理或文本分析的场景。

nesquena/hermes-webui

⭐ 11,268

🍴 1,449

📈 +945

Python

Hermes WebUI: The best way to use Hermes Agent from the web or from your phone!

💡 AI 总结：

这是一个为 Hermes Agent 提供的轻量级 Web 界面，支持通过浏览器或手机访问。它实现了与 CLI 完全一致的功能体验，采用 Python 和原生 JS 开发，无需构建步骤。用户可通过 SSH 隧道安全访问，无需额外配置，直接使用现有的代理和模型。

🔧 技术栈：Python, JavaScript, Docker

💼 适用场景：为需要通过 Web 或移动设备安全访问服务器端 AI 代理的用户提供便捷的图形化操作界面。

supermemoryai/supermemory

⭐ 23,960

🍴 2,142

📈 +647

TypeScript

Memory engine and app that is extremely fast, scalable. The Memory API for the AI era.

💡 AI 总结：

Supermemory 是一个高性能的 AI 记忆引擎，旨在解决 AI 在对话间遗忘信息的问题。它支持从对话中提取事实、构建用户画像、混合搜索以及多模态数据（文档、代码、图片）处理。提供连接器自动同步外部数据，并支持通过 API 快速集成到 AI 产品中，充当 AI 的“大脑”。

🔧 技术栈：TypeScript

💼 适用场景：为 AI 应用程序和企业构建持久化、可扩展的记忆层和个人知识库。

harry0703/MoneyPrinterTurbo

⭐ 76,807

🍴 10,898

📈 +3,375

Python

利用AI大模型，一键生成高清短视频 Generate short videos with one click using AI LLM.

💡 AI 总结：

这是一个基于 Python 的 AI 视频生成工具，采用 MVC 架构。支持一键生成包含文案、素材、字幕和音乐的短视频，兼容竖屏与横屏。集成了多种主流大模型和语音合成技术，支持批量生成与自定义配置。提供 Web 界面与 API 接口，旨在实现全自动、高质量的视频内容生产。

🔧 技术栈：Python, AI大模型, Web/API, 视频处理

💼 适用场景：快速生成短视频内容，适合自媒体创作者

D4Vinci/Scrapling

⭐ 58,002

🍴 5,632

📈 +1,486

Python

🕷️ An adaptive Web Scraping framework that handles everything from a single request to a full-scale crawl!

💡 AI 总结：

Scrapling 是一个高性能的 Python 网络抓取框架，支持从单次请求到大规模爬取。其核心优势在于自适应解析，能自动适应网站结构变化；内置 StealthyFetcher 等工具可绕过 Cloudflare Turnstile 等反爬虫系统；Spider 模块支持并发、多会话及代理轮换，操作简便且功能强大。

🔧 技术栈：Python, Web Scraping, Async Programming

💼 适用场景：适用于需要绕过反爬虫机制、适应网站结构变更以及进行大规模并发爬取的场景。

pbakaus/impeccable

⭐ 32,667

🍴 1,780

📈 +485

JavaScript

The design language that makes your AI harness better at design.

💡 AI 总结：

这是一个为 AI 设计助手提供标准化设计语言的 JavaScript 项目。它包含 7 个领域参考文件、23 个设计命令及反模式规则，旨在防止 AI 生成重复或糟糕的 UI。通过 CLI 和浏览器扩展，帮助开发者构建一致、高质量的前端界面。

🔧 技术栈：JavaScript

💼 适用场景：用于 AI 辅助前端设计，确保设计一致性，避免重复模式。

p-e-w/heretic

⭐ 23,023

🍴 2,466

📈 +249

Python

Fully automatic censorship removal for language models

💡 AI 总结：

Heretic 是一个 Python 工具，用于自动移除语言模型的审查（安全对齐）。它结合了方向消融技术和 TPE 优化器，通过最小化拒绝率和 KL 散度来寻找最佳参数。该方法无需人工干预，能在保持模型原有智能的同时，有效降低有害提示的拒绝率，支持多种模型架构。

🔧 技术栈：Python, Transformer, Optuna

💼 适用场景：移除语言模型审查以恢复原始能力的研究与开发

EveryInc/compound-engineering-plugin

⭐ 19,092

🍴 1,428

📈 +417

TypeScript

Official Compound Engineering plugin for Claude Code, Codex, Cursor, and more

💡 AI 总结：

这是一个为 Claude Code、Codex 和 Cursor 提供的官方 Compound Engineering 插件。它旨在通过 AI 技能和代理提高工程效率，遵循“80% 计划与审查，20% 执行”的哲学。核心功能包括策略制定、头脑风暴、代码审查及知识积累，旨在减少技术债务，让后续开发工作更轻松。

🔧 技术栈：TypeScript

💼 适用场景：适用于使用 Claude Code、Codex 或 Cursor 进行 AI 辅助编程的团队和个人，旨在通过结构化的规划、审查和知识复用来提高开发效率并降低技术债务。

TauricResearch/TradingAgents

⭐ 81,749

🍴 15,889

📈 +299

Python

TradingAgents: Multi-Agents LLM Financial Trading Framework

💡 AI 总结：

TradingAgents 是一个基于多智能体 LLM 的金融交易框架，模拟真实交易公司运作。它集成了基本面、情感和技术分析师等角色，协同评估市场并决策。支持多模型（GPT-5.x, Claude 等）和 LangGraph，提供回测与风险管理功能，旨在构建影响深远的交易项目。

🔧 技术栈：Python, LangGraph, Docker, OpenAI API, 多模型 LLM

💼 适用场景：适用于构建基于大语言模型的自动化金融交易系统与投资策略研究。

revfactory/harness

⭐ 5,132

🍴 689

📈 +524

HTML

A meta-skill that designs domain-specific agent teams, defines specialized agents, and generates the skills they use.

💡 AI 总结：

Harness 是 Claude Code 的团队架构工厂，利用 6 种预定义模式（如流水线、专家池等）将项目描述自动转化为专业的代理团队定义和技能文件。它位于 L3 元工厂层，帮助用户高效构建复杂的代理协作系统。

🔧 技术栈：HTML, Claude Code

💼 适用场景：需要构建复杂多代理系统或自动化团队协作流程的场景。

godotengine/godot

⭐ 111,628

🍴 25,509

📈 +77

C++

Godot Engine – Multi-platform 2D and 3D game engine

💡 AI 总结：

Godot Engine 是一个免费开源的跨平台 2D 和 3D 游戏引擎，采用 C++ 编写。它提供统一接口和丰富工具，支持一键导出至桌面、移动、Web 及主机平台。项目遵循 MIT 许可证，由社区驱动，允许用户自由使用和贡献。

🔧 技术栈：C++, GDScript, C#

💼 适用场景：适用于开发跨平台的 2D 和 3D 游戏项目，支持一键导出至多种平台。

can1357/oh-my-pi

⭐ 9,454

🍴 759

📈 +335

TypeScript

⌥ AI Coding agent for the terminal — hash-anchored edits, optimized tool harness, LSP, Python, browser, subagents, and more

💡 AI 总结：

这是一个基于终端的 AI 编码代理，fork 自 Pi 项目。它集成了 40+ 提供商、32 个内置工具及 27k 行 Rust 核心。支持 LSP 和 DAP，通过哈希锚定编辑技术大幅提升代码修改成功率，旨在提供最强大的终端编码界面。

🔧 技术栈：TypeScript, Rust, LSP

💼 适用场景：适合需要在终端环境中进行高效、自动化代码编写与调试的开发者。

OpenBMB/VoxCPM

⭐ 24,213

🍴 2,790

📈 +888

Python

VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning

💡 AI 总结：

VoxCPM2 是一个基于 Python 的 tokenizer-free 文本转语音系统，支持 30 种语言。它具备语音设计、可控克隆及终极克隆功能，能生成 48kHz 高质量音频。支持实时流式传输，基于 MiniCPM-4 骨干网络，完全开源。

🔧 技术栈：Python, Diffusion Models, MiniCPM-4, AudioVAE V2, vLLM

💼 适用场景：多语言语音合成、创意语音设计、高保真语音克隆及实时流式语音生成。

FareedKhan-dev/train-llm-from-scratch

⭐ 3,694

🍴 516

📈 +861

Jupyter Notebook

A straightforward method for training your LLM, from downloading data to generating text.

💡 AI 总结：

本项目基于 PyTorch 从零实现 Transformer 架构，提供从数据准备（Pile 数据集）到模型训练及文本生成的完整教程。代码详细讲解了注意力机制、MLP 和 Transformer Block 等核心组件，适合深度学习初学者学习原理并尝试训练自己的语言模型。

🔧 技术栈：Jupyter Notebook, PyTorch, Python

💼 适用场景：深度学习教学、Transformer 原理学习、小型语言模型训练

stefan-jansen/machine-learning-for-trading

⭐ 17,843

🍴 5,183

📈 +93

Jupyter Notebook

Code for Machine Learning for Algorithmic Trading, 2nd edition.

💡 AI 总结：

本项目是《机器学习用于算法交易》第2版的配套代码库，包含150多个Jupyter Notebook。它展示了如何利用线性回归到深度强化学习等多种ML技术，处理市场与文本数据，构建、回测并评估交易策略，是学习金融量化与机器学习结合的实战指南。

🔧 技术栈：Jupyter Notebook, Linear Regression, Deep Reinforcement Learning, CNN, RNN

💼 适用场景：机器学习在金融量化交易策略的开发、回测与评估

dmtrKovalenko/fff

⭐ 7,162

🍴 298

📈 +135

Rust

The fastest and the most accurate file search toolkit for AI agents, Neovim, Rust, C, and NodeJS

💡 AI 总结：

这是一个用 Rust 编写的极速文件搜索工具，专为 AI 代理和开发者设计。它提供抗拼写错误的路径/内容搜索、频率记忆和 Git 感知功能。通过 MCP 服务器，它能让 Claude Code、Cursor 等工具获得比内置搜索更快、更节省 token 的文件检索能力。

🔧 技术栈：Rust

💼 适用场景：为 AI 代理（如 Claude Code）和代码编辑器（如 Neovim）提供高性能、低延迟的文件索引与搜索服务。

codecrafters-io/build-your-own-x

⭐ 510,392

🍴 48,388

📈 +1,212

Markdown

Master programming by recreating your favorite technologies from scratch.

💡 AI 总结：

这是一个通过从零开始重新创建流行技术来学习编程的指南集合。项目涵盖了操作系统、Web 浏览器、AI 模型、区块链等广泛领域，提供分步教程，帮助开发者深入理解底层原理。

🔧 技术栈：Markdown, C++, Python, JavaScript, Java

💼 适用场景：适合希望深入理解计算机底层原理、提升实战编程能力的开发者。