github_trending_2026-02-01

1. anomalyco/opencode-anthropic-auth

该项目是一个开源的数据可视化工具,专注于将复杂数据转化为交互式图表。它支持多种图表类型,如折线图、柱状图和散点图,并允许用户通过简单配置实现动态数据更新。技术亮点包括基于WebGL的高性能渲染和响应式设计,适用于数据分析师、开发者和企业报表场景。其优势在于轻量级、易集成,并能处理大规模数据集,帮助用户快速洞察数据趋势。


2. pedroslopez/whatsapp-web.js

基于Puppeteer的Node.js WhatsApp Web客户端库,通过模拟浏览器操作实现消息收发、群组管理等丰富功能,适用于构建自动化通知或聊天机器人。


3. Shubhamsaboo/awesome-llm-apps

这是一个精选的大型语言模型应用合集,涵盖RAG、AI智能体、多智能体团队等前沿技术,整合了OpenAI、Anthropic、Gemini及开源模型。项目旨在为开发者提供跨领域的实用案例和灵感,帮助学习和构建基于LLM的创新应用。


4. TeamNewPipe/NewPipe

NewPipe是一款面向Android的自由轻量级流媒体前端应用,无需账户即可播放YouTube、PeerTube等多平台音视频,支持后台播放、画中画及4K分辨率。其核心优势在于不依赖Google服务,通过解析网站或内部API获取数据,注重隐私与开源自由。


5. MoonshotAI/kimi-cli

Kimi Code CLI是一款终端AI助手,能自动执行代码编辑、Shell命令和网页搜索等开发任务。它支持VS Code扩展、ACP协议IDE集成及MCP工具,为开发者提供无缝的智能终端操作体验。


6. badlogic/pi-mono

Pi 是一个用于构建 AI 代理和管理 LLM 部署的全栈工具集。它提供统一的 LLM API、代理运行时、交互式编码代理 CLI、Slack 机器人、TUI/Web UI 库以及 vLLM GPU Pod 管理工具,旨在简化 AI 应用的开发与部署流程。


7. hashicorp/vault

Vault是一款企业级密钥管理工具,提供安全的密钥存储、动态密钥生成、数据加密和访问审计功能。它通过统一接口集中管理API密钥、数据库凭证等敏感信息,支持自动轮换和细粒度权限控制,适用于云原生环境下的安全自动化与合规需求。


8. openclaw/openclaw

OpenClaw是一款本地优先的个人AI助手,支持在自有设备上部署。它通过网关统一接入WhatsApp、Telegram、Slack等主流通讯平台,并具备语音唤醒、实时画布和多智能体路由能力。项目强调隐私与可控性,为开发者及技术爱好者提供高度可定制的AI助手解决方案。


9. NevaMind-AI/memU

memU是为24/7持续运行的主动式AI智能体设计的记忆框架。它能持续捕获和理解用户意图,通过缓存洞察和减少冗余LLM调用,显著降低长期运行的大模型令牌成本,使能自主预测并执行任务的智能体在生产系统中变得实用。


10. modelcontextprotocol/ext-apps

MCP Apps协议规范与SDK,为嵌入式AI聊天机器人提供交互式UI标准。它扩展了MCP协议,允许服务器通过沙盒化iframe在对话中直接渲染图表、表单等复杂界面,实现双向通信。适用于需要丰富前端交互的MCP工具开发者。


11. lobehub/lobehub

LobeHub 是一个开源的多智能体协作平台,旨在构建人机协同进化的网络。它支持用户轻松设计、发现和组建智能体团队,实现多智能体间的无缝协作,并将智能体作为核心工作单元。平台提供插件市场、本地模型支持及团队管理功能,适用于希望利用AI智能体提升工作效率的开发者与团队。


12. protocolbuffers/protobuf

Protocol Buffers是谷歌开发的语言中立、平台中立的结构化数据序列化框架。它通过高效的二进制格式和强类型接口定义语言,实现跨语言数据交换,广泛应用于微服务通信和高效数据存储场景。


13. microsoft/playwright-cli

Playwright CLI 为编码智能体提供高效的浏览器自动化工具,支持录制代码、检查选择器和截图。其核心优势在于令牌效率高,避免向大语言模型加载冗余页面数据,专为需要平衡浏览器操作与大型代码库的高吞吐量编码代理设计。


14. asgeirtj/system_prompts_leaks

该项目收集并公开了ChatGPT、Claude、Gemini等主流聊天机器人的系统提示词,为开发者和研究者提供了宝贵的内部指令参考。通过分析这些提示词,用户可以深入理解大语言模型的行为设计逻辑,优化自己的提示工程策略,并探索AI助手的潜在能力边界。