正在整理你需要的资料…
增量榜看的是「这段时间里涨了多少 star」,不是 star 总数。 快照每天记一次,所以历史越长,窗口越准。
周榜 · 最近一周新增的 star · 数据日期 2026-11-18 · 共 24 个项目
快照历史是从 2026-11-06 开始积累的,目前只有 6 天,所以这个「周榜」实际覆盖的是最近 6 天,还不是完整的 7 天。积累够了会自动变成完整窗口。
第 2 名想看懂一个陌生软件或游戏内部怎么实现,先读代码常常读到一半就放弃。Craft Anything 是纯 Rust 写的逆向工程引擎,320 个工具能拆解目标,也能让编码智能体照着造一个自己的版本:Study、Build、Check、Ready 四步走完,不像的地方继续改。
浏览器下载大文件慢,多线程下载器大多要付费或塞广告。misterdownloadmanager 从零用 Rust 写,Windows、macOS、Linux 都能用,自带浏览器扩展接管下载,多线程加速,官方实测 1 GB 文件 1 秒下完。界面照搬熟悉的工具栏,GPL 开源、无广告、无需注册。
第 6 名翻一个陌生仓库,光是理清谁调用谁就能花掉半天。graphify 把代码连同文档、SQL schema、配置和 PDF 编成一张可查询的知识图谱:tree-sitter 在本地做确定性 AST 解析,跨约 40 种语言标出 calls、imports、inherits 这些跨文件关系,每条边都带 EXTRACTED 或 INFERRED 标签,写明是读出来的还是推出来的,不建向量库。
想试某个功能是不是被地区代码挡着,就得改系统内部标志位。GestaltX 是 iOS 27.x 上的 MobileGestalt 图形化编辑器:改地区代码(可选美国、中国大陆、香港、台湾、日本、英国)、开关灵动岛与常亮显示等系统能力,直接读写 CacheExtra 字段,写前自动备份。支持 7 种语言。
第 27 名写完一段脚本,最烦的是把它变成能发的短视频,还得配画面、配音、字幕和音效。stickman-video-director 把这条流程整个接住:导演模式逐镜编排,或自动模式一键出片,备了 11 种视觉风格。
Switch 2 的新游戏想跑起来,能用的模拟器还不多。Lichii 用 C++ 写,在 Eglantine、Eden、yuzu 基础上继续修兼容性和渲染器问题,是独立分支不是官方版本;每款游戏的兼容情况有社区报告可查。只认仓库 Releases 页面,别的 Lichii 网站可能带恶意程序。
想自建一个 AI 绘图和生视频的站,14 个 studio、600 多个模型(Flux、Midjourney、Kling、Sora、Veo)摆在一起,还明确不做内容过滤;Open-Generative-AI 是 Next.js 应用,能打成 Windows、macOS、Linux 桌面端自己跑。
第 42 名IntelliJ 用久了,启动慢、吃内存是老抱怨。openidea 用 Rust 重写:键位、工具窗口、搜索照旧,打开 770 个文件的 freqtrade,窗口 0.9 秒、就绪 1.1 秒、常驻 169 MB;IntelliJ IDEA 2026.2.3 同机要 3.1 秒、2011 MB。IDE 原生,60 多种语言,插件跑在沙箱化的 WebAssembly 里。
单个攻击面靠一个人盯,深度很快就到底了。sapper 派指挥者带着一群智能体分工推进,中间的事实与意图分层记在图上,每一步结论都写回图里。第三届腾讯云智能攻防赛线上赛冠军:634 支队伍、8 小时无人值守,1B token 打赢对手烧掉的 4.5B,同为 85 个 flag 还快了 25 秒。
要让智能体学会用电脑,得先给它真的桌面、能连网的机器和可重复的考题。cua 把这四件事(computer-use 训练与评测)拆成开源件:跨系统桌面自动化的 Cua Driver、本地虚拟机 Lume、做决策的 CUA-S1、造任务和打分的 Cua Bench,还能把多台电脑拼成团队和智能体共享的算力。
内存明明躺在机器里没人用,却没人跟你商量。ram-altman 是个 Bash 脚本:监控本机内存占用,每天给 OpenAI 的 Sam Altman 发一封邮件,汇报他「错过的」内存,全仓库只有脚本、测试与说明。它把总量、已用和可用内存都算进去,也正确处理 page cache,每天最多发一封信,8 个标题、10 段正文和 6 种落款轮换着来,免得看腻。
第 66 名本地跑大模型,显存就是那道墙。MACaQ 是华为诺亚方舟实验室的模型无关量化框架,把文本、图像、视频、音频模型量化成 GGUF:Diffusers 走 W4A4,llama.cpp 出 2/3/4-bit GGUF,vLLM 做文本生成与服务,PyTorch 负责语音;每个后端要单独建 Python 3.12 环境。官方称量化 122B 模型约需 64 分钟、32.5GB 显存。
从选题到多语言 YouTube 视频,脚本、分镜、美术、配音、成片每一步都得另找工具。Claude Agent 写故事和脚本、规划分镜、设计矢量美术并自审,配音、图像和视频片段走付费媒体 API,Remotion 渲染成片,网页 Studio 逐步显示进度、留给人做最后决定。
小说或剧本变成视频,卡在角色前后镜头长得不一样。ArcReel 是可自托管的 AI 视频工作台:先把故事拆成角色、场景、道具资产,再生成分镜和视频片段,跨镜头保持一致,最后导出能继续编辑的剪映草稿;每个阶段都可由 Agent 编排,也可由用户审核重做,模型供应商和调用花费都记在案上。
改论文排版最烦的是盯着 .tex 源码,猜 PDF 最后长什么样。Papilot 这个 AI LaTeX 编辑器反过来做:只读 PDF、不写 .tex,你在排好版的页面上圈出句子或公式写批注,agent 去找源码,再把改动以排版后的 diff 呈现给你看。
解超大压缩包时,磁盘常常不够同时放压缩包和解压后的两份。HatchZip 边解边消耗压缩包本身,装得下解压出来的文件就够;Rust 写的,Windows、macOS、Linux 都能跑,ZIP、7z、RAR、tar 和分卷包都能解,桌面端和命令行都有,断电后接着解也不会写出半个文件。
第 89 名vLLM 原本只管文本自回归生成,想把视频、语音、图像模型摆进同一套推理栈,就得换一套框架。vLLM-Omni 把文本、图像、音频、视频、动作统一到一个运行时对外服务,也纳入了非自回归的 DiT 这类并行生成模型,输出可以是文字、多模态或动作。Apache-2.0 协议。
做产品演示、解释型短片,配音、图像、音乐和渲染得串成一条流水线。让 Claude Code 写脚本、配 Qwen3-TTS 配音、用 FLUX.2 生成图像、ACE-Step 生成音乐、LTX-Video 出片段并渲染成 MP4;模型全开源,跑在自己申请的云 GPU 上,语音约 $0.01、视频片段约 $0.23 一条。
把一条视频译成 120 多种语言再配音,每条都得手动过一遍工具。OpenCreator(原名 KrillinAI)拿 Codex CLI 当执行引擎,视频下载、翻译配音、图像与音频生成、文章和短视频脚本收在一个界面里,还能用自然语言给 Agent 派活。
第 99 名做一条短视频,素材生成、剪辑、导出分散在几个工具里,搬来搬去最耗时间。OpenDirector 是本地运行、用浏览器打开的 AI 视频创作工作台:跟助手聊想法顺手生成素材,在画布上归拢素材、反复改,图像、视频、音频都能编辑,再把素材拖到时间线上剪成片,导出 MP4。工程留在你自己机器上,生成用哪家提供方的 API 随你选。
大批量做决策判断,逐条问模型太慢。Flide 是给决策模型的高速推理引擎,用精确状态分叉并行展开,答案与模型单独作答完全一致,比 vLLM 和 SGLang 快最多 9.5 倍;官方 demo 里一台 H200 用 28 秒给 10,000 封邮件各打 8 个标签。RTX 40 系与 50 系有预编译内核。
想比较循环深度、稀疏注意力和线性注意力到底谁强,难点不在训练而在公平 —— 数据、token 数、理论算力必须对齐。NextTransformer 在相同数据、相同 token 数、相同理论训练算力下跑这几种 Transformer 架构,开放了 31 次已完成训练、36 份模型卡和可复现排行榜,浏览器里能看每条学习曲线和 22 项 CORE 任务。
从剧本到成片,中间隔着脚本、分镜、素材、配音。DramaClaw 串成一条可自托管的 AIGC 流水线:Agent Xia Director 排工作流,无限画布 XiaHua 生成并串联图像视频音频,流水线 XiaJi 从小说或剧本直接出成片,模型经 OpenAI 兼容网关任意接入。
改一个单元格就怕下游全乱、重跑一遍太慢。marimo 是反应式的 Python 笔记本:改一格自动重跑引用了它的下游格子,删格会把残留变量从内存里清掉,代码、输出和程序状态始终一致;整份文件就是纯 Python,能脚本化、能用 SQL 查、能部署成应用,也能进 Git。
名次按窗口内新增的 star 排,同增时比 star 总数。快照逐日积累,窗口越长越准。