全站共计2名贡献者
2026
07月
Ponytail：让 AI 编程 Agent 学会「少写代码」
GitHub Trending 上最近杀出一匹黑马 —— DietrichGebert/ponytail，三天涨 7 万多 star，现在已经 78k+。它做的事情非常反直觉：教你的 AI Agent 偷懒，而且数据上把代码量砍掉 54%、成本降 20%、速度还快 27%。 听起来像玄学？我们一条一
AI Job Search:让 Claude 替你投简历的开源求职框架
## 摘要 ai-job-search是一个基于Claude Code的开源求职框架，24小时内斩获2500+ Star，现已突破1.3万。该项目将求职流程作为“软件工程问题”解决，提供四大核心功能：**岗位匹配度评估**（自动打分筛选）、**CV自动定制**（根据JD关键词调整简历）、**Cover Letter撰写**（针对性邮件）、**面试准备**（反推可能问题并提供STAR法则回答）。 使用方式简单：fork项目后填写个人profile，Claude Code自动完成从抓取JD到投递的全流程。该项目适合求职者提升效率（转化率提升3倍）、开发者学习Agent架构，以及需要求职场景Prompt的人群。 **局限性**：需注意LinkedIn反爬风险、AI生成内容的模板感、隐私数据脱敏及API依赖问题。项目虽不能“无中生有”，但能有效“放大真实经历”，是AI Agent落地个人流程的典型案例。
T3MP3ST：把本地 AI 编程 Agent 直接变成零日猎人
**T3MP3ST摘要** T3MP3ST是一款开源的多Agent攻防安全框架，旨在将现有的AI编程Agent（如Claude Code、Codex、Hermes）升级为自主渗透测试代理。它通过MCP协议集成了60余款主流安全工具（Nmap、Metasploit、SQLMap等），支持侦察→漏洞识别→利用→报告的全流程自动化。 该框架采用四层架构设计：AI Agent层提供原始能力，编排器负责任务分解与调度，MCP工具层封装各类安全工具，安全护栏层通过目标白名单、速率限制、审计日志和干运行模式确保操作合规。 T3MP3ST适用于漏洞赏金猎手、企业红队和安全研究人员，可显著提升渗透测试效率。其输出为结构化Markdown报告，可直接对接Bug Bounty平台。需要强调的是，该工具仅限授权目标的安全研究使用。
system_prompts_leaks：把主流大模型的「系统提示词」一次性扒给你看
## 文章摘要 本文介绍了一个GitHub仓库**system_prompts_leaks**，专门收集主流大模型的“系统提示词”（System Prompt）泄露版本。该仓库收录了Anthropic（Claude系列）、OpenAI（ChatGPT、GPT、Codex）、Google（Gemini）、xAI（Grok）等厂商的系统提示词，并按厂商和产品分类整理，支持定期更新。 系统提示词是厂商隐藏的指令，定义了模型的人设、工具调用格式、回复风格和安全边界等核心配置，对AI应用开发者和研究者具有重要参考价值。 用户可通过git clone直接克隆仓库，用grep/ripgrep检索关键词；或使用Docker搭建本地静态站点浏览。该仓库适合AI开发者学习行业最佳实践、产品经理调研竞品策略、研究者获取真实语料。
Codex Plugin for Claude Code：让 Codex 当 Claude Code 的副驾驶
## 文章摘要 GitHub Trending 榜首项目 **openai/codex-plugin-cc** 是一个让 OpenAI Codex 作为 Claude Code 副驾驶的插件，通过 MCP 协议将两个顶级 AI 编程工具桥接在一起。 主要功能包括：代码语义审查、任务委派、并行执行和多视角对比。开发者只需一条 slash 命令即可让 Codex 审代码或独立跑任务，无需切换窗口。 该插件由 OpenAI 官方维护，安装简便（npm 全局安装+配置 API key 即可），适合重度 Claude Code 用户、Codex 订阅者及想尝试 Agent 协作的团队。使用时需注意 API 配额、指令上下文清晰度及代码隐私问题。
DeepSpec：DeepSeek 开源的投机解码全栈代码库，推理加速 2–4 倍
# DeepSpec 投机解码代码库摘要 DeepSpec 是 DeepSeek 开源的**投机解码全栈代码库**，旨在解决大语言模型自回归推理成本高、速度慢的问题。该工具通过小模型“草稿”预测+大模型验证的方式，理论上可实现 2-4 倍推理加速且输出分布不变。 代码库涵盖四大核心模块：**数据准备**（构建目标模型输出 cache）、**训练**（支持多 GPU）、**评估**（9 个 benchmark）、**预训练 checkpoint**（Eagle3、DSpark 等算法在 Qwen3、Gemma4 系列上的权重）。支持 Eagle3、DSpark 等主流算法，提供完整配置示例，MIT 协议可商用。 **适用人群**：LLM 推理优化工程师、研究者、需要自部署大模型的团队。建议先用现成 checkpoint 验证收益，再按需训练自定义草稿模型。这是 2026 年最完整、易用的投机解码开源方案。
AutoGPT：让 AI 自己干活的开源 Agent 框架
**摘要** AutoGPT是由Significant-Gravitas团队开发的开源AI Agent平台，2023年凭借“AI自主完成多步任务”概念走红GitHub，现已获得18万+ Star。该项目已从概念验证演变为成熟的工程化产品，主要包含三部分：AutoGPT Builder（可视化Agent搭建界面）、AutoGPT Server（执行后端）和Agent Protocol（标准化通信协议）。用户可通过Docker一键部署，支持OpenAI、Claude、Llama等多种模型。AutoGPT的核心优势在于“自主循环”能力——Agent可自主规划、调用工具、修正错误，适合需要灵活处理长任务的开发者。相比Dify、Coze等平台，它具有开源、可自托管、模型中立的特点，但需注意资源占用较大（建议4GB+内存），长任务可能需要人工监督。
06月
Strix：开源的 AI 渗透测试代理，让黑客的活儿交给 AI 自己干
**Strix：开源AI渗透测试工具** Strix是一款基于多AI Agent协同的开源渗透测试工具，能够自动化完成“找洞→写PoC→出报告”的完整攻击链。与传统SAST工具不同，它通过构造真实攻击载荷验证漏洞，有效降低假阳性。 核心功能包括：HTTP拦截代理、自动化浏览器测试、覆盖OWASP Top 10的全面漏洞扫描（注入、SSRF、XSS、业务逻辑等），以及自动生成漏洞报告和修复PR。Strix支持Docker快速部署，可无缝集成GitHub Actions/GitLab CI，在PR阶段自动阻断高危漏洞。 该工具适合独立开发者、安全工程师和DevSecOps团队，能显著降低渗透测试成本并提升效率。需注意LLM调用成本及授权合规问题。
agency-agents：把整套 AI 工作室装进一个文件夹
## 文章摘要 **Agency Agents：AI角色的工业化实践** 2025-2026年，AI角色卡从概念走向工程化。Agency Agents是一个开源的AI角色定义仓库，包含60+预设agent，涵盖工程（前端巫师、后端大师）、产品设计、营销增长、内容创作、质量保证等类别。 每个agent都有标准化的结构：身份卡、交付清单、约束条件、协作约定，可直接注入Claude Code、Cursor或LangChain等工具。核心优势在于：**省时间**（别人帮你完成60个下午的工作）、**标准化**（统一团队输出质量）、**可观察性**（prompt文件可review和版本控制）、**无依赖**（纯文本格式，完全开源）。 适合独立开发者构建代码流水线、小团队运营海外社媒、AI工程师参考prompt设计，以及任何想快速落地agent产品的人。建议从Reality Checker入手——它能让AI从“顺毛驴”变成主动找漏洞的质疑者。
SimpleX Chat：没有用户 ID 的「真·隐私」即时通讯
## 摘要 SimpleX Chat是一款主打“**无用户标识符**”的端到端加密即时通讯工具，在GitHub Trending上持续霸榜。其核心创新在于彻底抛弃传统ID体系，采用**单向临时地址+自动协商密钥**，服务器仅能看到加密包，无法关联用户身份，真正实现“谁在和谁说话”都不可追踪。 该工具支持完全匿名注册（无需手机号/邮箱）、全平台覆盖、E2E加密消息/群聊/音视频通话、可选消息自毁、自托管SMP中继等功能，并已通过多家安全公司审计。相比Signal保留手机号、Telegram默认不加密、Matrix存在联邦元数据等局限，SimpleX从协议层根本解决隐私泄露问题。 它并非“更好的微信”，而是一个**IM领域的极端隐私实验**，适合记者、隐私倡导者、自托管爱好者及去中心化协议玩家尝试使用。