1
适合谁：需要AI帮你写完整功能模块的开发者
2

3
评价：⭐⭐⭐⭐⭐ 如果说以前的AI编程工具是"高级补全"，OpenClaw就是"初级工程师"。它真的能帮你干活，但还需要人盯着。
4

5
##### 2. OpenCode ★★★★☆
6

7
一句话介绍：终端优先的AI编码工具，专注于本地开发体验。
8

9
为什么火：不同于Cursor这种图形界面的"重型武器"，OpenCode是纯终端操作，追求的是"极客范儿"。

1
适合谁：终端爱好者、Vim/Emacs用户、追求效率的老派程序员
2

3
评价：⭐⭐⭐⭐ 极客专属，学习曲线陡峭，但一旦上手效率爆表
4

5
##### 3. Cursor Automations ★★★★☆
6

7
来源：[https://gitcode.csdn.net/69b6cf030a2f6a37c597a4cb.html](https://gitcode.csdn.net/69b6cf030a2f6a37c597a4cb.html)
8

9
---
10

11
### 4. 2026年6月第24周GitHub 热门开源项目盘点：AI agent skills ...
12

13
核心亮点：
14

15
   TypeScript 实现，可自托管，数据不离开自有基础设施
16
   覆盖 assistant / learning / note-taking / self-learning 多个学习场景
17
   MIT 协议 + 3,462 fork，社区二次开发活跃
18

19
快速上手： 按仓库 README 起本地服务（Node 环境），上传资料后即可使用问答/总结/生成功能。
20

21
适合人群： 注重数据隐私的研究者、学生，以及想自建”个人 AI 学习助手”的用户。
22

23
> Star: 30,526 | Fork: 3,462 | 协议: MIT | 语言: TypeScript | 本周涨幅: +3,468
24

25

26

27
### AI Agent 与计算机视觉
28

29
### 11. aaif-goose/goose
30

31
项目简介： 一个开源、可扩展的 AI agent，定位”超越单纯的代码补全”——能安装、执行、编辑、测试代码，且支持任意大语言模型。Rust 实现，强调性能与可扩展性，是 agent 赛道里少见的 Rust 重型项目。
32

33
核心亮点：
34

35
   覆盖 install / execute / edit / test 全流程，不只是补全代码片段
36
   model-agnostic（任意 LLM），不绑定单一模型供应商
37
   支持 ACP（Agent Communication Protocol）和 MCP，可作为 agent 编排节点
38

39
快速上手： 按仓库 README 用 Rust 工具链或预编译二进制安装，配置模型后即可作为本地 agent 运行。
40

41
适合人群： 想要本地、可扩展、不锁定模型供应商的 AI 编程 agent 用户。 [...] 适合人群： 想要本地、可扩展、不锁定模型供应商的 AI 编程 agent 用户。
42

43
> Star: 49,375 | Fork: 5,214 | 协议: Apache-2.0 | 语言: Rust | 本周涨幅: +2,165
44

45

46

47
### 12. roboflow/supervision
48

49
项目简介： Roboflow 出品的可复用计算机视觉工具库——”我们替你写好那些反复要写的 CV 工具”。覆盖检测、分割、跟踪、标注格式转换、指标计算等 CV 工程里高频重复的活。
50

51
核心亮点：
52

53
   一站式覆盖 classification / detection / segmentation / tracking / metrics
54
   兼容 COCO / Pascal VOC / YOLO 主流数据格式，PyTorch / TensorFlow 双后端
55
   提供 oriented bounding box 等进阶能力，工业级场景（如航拍、文档）直接可用
56

57
快速上手：`pip install supervision`，配合 YOLO/Detectron 等模型输出即可做后处理与可视化。
58

59
适合人群： 做 CV 应用、模型评测、数据流水线的算法与工程开发者。
60

61
> Star: 44,193 | Fork: 3,926 | 协议: MIT | 语言: Python | 本周涨幅: +3,315
62

63

64

65
### 13. opencv/opencv
66

67
项目简介： 计算机视觉领域的开源基石——OpenCV 官方仓库，覆盖图像处理、几何变换、特征提取、相机标定、传统机器学习等 CV 经典能力，是几乎所有 CV 项目都绕不开的底层库。本周再次回到周榜，说明 CV 基础设施的需求依然稳定。
68

69
核心亮点： [...] 核心亮点：
70

71
   总星 8.9 万 + fork 5.6 万，是本周榜单里”年龄最大、生态最厚”的项目（2012 年至今）
72
   C++ 核心 + 多语言绑定，跨平台、跨语言复用
73
   与 deep-learning 生态（PyTorch/TF）互补：传统 CV 算子 + DL 推理可组合使用
74

75
快速上手： 各平台用包管理器安装（`apt install libopencv-dev` / `brew install opencv` / vcpkg），或从源码编译。
76

77
适合人群： 所有涉及图像/视频处理的开发者，从嵌入式到云端全覆盖。
78

79
> Star: 89,125 | Fork: 56,656 | 协议: Apache-2.0 | 语言: C++ | 本周涨幅: +1,227
80

81

82

83
### 非 AI 跨域基础设施
84

85
### 14. apple/container
86

87
项目简介： 苹果官方出品的容器工具——在 Mac 上用轻量级虚拟机创建并运行 Linux 容器，用 Swift 编写，针对 Apple silicon 优化。给 macOS 用户提供了一个”原生、轻量、苹果风格”的 Linux 容器方案。
88

89
核心亮点：
90

91
   用轻量级 VM 跑 Linux 容器，兼顾隔离性与启动速度
92
   Swift 原生实现 + Apple silicon 优化，在 M 系列芯片上体验顺滑
93
   Apache-2.0 协议，苹果官方维护，长期可期待
94

95
快速上手： 按仓库 README 在 macOS 上安装（通常通过 Homebrew 或官方发布包），随后用类 Docker 命令拉起 Linux 容器。
96

97
适合人群： Mac 开发者、需要在 Apple silicon 上跑 Linux 容器环境的工程师。
98

99
来源：[https://zhuanlan.zhihu.com/p/2049799880470745105](https://zhuanlan.zhihu.com/p/2049799880470745105)
100

101
---
102

103
### 5. GitHub 上Star 数量前20 的开源AI 项目
104

105
# GitHub 上 Star 数量前 20 的开源 AI 项目
106

107
OpenAI 重磅发布两个开源大模型，引爆开发者圈！本文精选 GitHub 上最受欢迎的 20 个开源 AI 项目，涵盖智能代理、多模态生成、聊天界面等热门方向，一文带你高效上手 AI 领域！
108

109
Zhang Lu, Deng lijia|
110

111
 QR Code
112

113
2025 年 8 月 5 日，OpenAI 正式发布了两个开源大模型：gpt-oss-120b 和 gpt-oss-20b。这是 OpenAI 自 GPT-2之后 ，首次发布开源语言模型。
114

115
开源语言模型的阵营，又多了两个重量级新成员。开源本身就是很多开发者在 AI 项目中优先考虑的方向，而 OpenAI 的加入，无疑进一步壮大了开源大模型的阵营。
116

117
✨2026 年最新版 GitHub 开源 AI 项目盘点，立即查看：
118

119
借此机会，我们也来聊聊开源 AI 项目。无论是接入大模型、构建代理系统，还是做多模态生成、知识问答，GitHub 上已有不少值得关注的开源项目。
120

121
我们整理了 GitHub 上 Star 数排名前 20 的 AI 项目，按功能维度分类，供你参考使用。
122

123
如果你对 MCP 话题感兴趣，也可以看看我们上周发布的这篇文章：GitHub 上 Star 数量前 8 的开源 MCP 项目
124

125
## 📌 项目导航
126

127
来源：[https://www.nocobase.com/cn/blog/github-open-source-ai-projects](https://www.nocobase.com/cn/blog/github-open-source-ai-projects)
128

129
---