01
给 AI 装一套科研全家桶
现在逛 GitHub 一眼望过去半屏都是 Skill。
scientific-agent-skills 就是刚刚破 2.5 万 Star 的 Skill，本周还在涨。
它是一套开箱即用的 Agent 技能包，一口气覆盖了科研、科学计算、工程、数据分析、金融还有写作。
以前你让 Claude 或者 Cursor 帮你做点正经研究，它经常东一榔头西一棒子，不太靠谱。
装上这套技能之后，AI 干活就有章法多了，知道该按什么流程来。
如果你是科研党，或者平时要跟数据、跟计算打交道，可以装上感受感受。
开源地址：https://github.com/K-Dense-AI/scientific-agent-skills
02
写论文这事被它做成了流水线
如果说 scientific-agent-skills 是科研全家桶，那 academic-research-skills 就是专门盯着写论文这一件事的特化版。
这个项目本周涨得很猛，一周就加了一万多 Star，现在快两万了。
它专门给 Claude Code 做的学术研究技能，把写论文的全流程串成了一条管线：
查资料、写、审、改、定稿，一环扣一环自动往下走。
我看了下流程设计，确实是按真实写论文的节奏来的，不是随便拼几个 prompt。
但是不是全自动化，还是需要人工干预的。
正在熬论文的研究生应该会很有感触，这玩意儿能帮你省下不少头发。
开源地址：https://github.com/Imbad0202/academic-research-skills
03
把陌生代码库变成一张地图
Understand-Anything 目前接近 2 万 Star。
它能把一个代码库变成可交互的知识图谱，让你能搜索、能提问、还能可视化地到处点点看看。
读陌生项目之前，先让它给你画张地图，心里就有底了。
它兼容好几种 AI 工具，不挑食。
如果你经常要看别人的代码，或者刚进新公司面对一堆历史项目，这个能帮你快速上手。
04
让 AI 一上来就懂你整个项目
这个是本周黑马，一周猛涨 1.4 万多 Star，现在 1.8 万了。
痛点其实大家都懂。
每次让 AI 改代码，它都得先现啃一遍你的项目结构，又慢，还容易啃错地方。
codegraph 的思路是提前把整个代码库索引成一张代码知识图谱，然后喂给 AI。
它支持 Claude Code、Codex、Cursor、OpenCode 这些主流工具，建好图之后，AI 一上来就对你的项目了如指掌，不用每次重新摸索。
就是给 AI 提前做好功课。
你的项目越大，这东西帮的忙就越明显。
05
终端里又冒出一个想干掉 Cursor 的
终端 AI 编程助手现在卷得飞起，oh-my-pi 是本周比较亮眼的一个，目前 6000 多 Star。
它跑在终端里，主打一个改代码改得准。
它从 Pi 分支出来，加了挺多东西。
最亮眼的是 Hashline 编辑系统，模型用内容哈希锚点定位代码，不用重新输入整行，解决了空白符不匹配导致编辑失败的经典问题，据说能减少 61% 的 token 消耗。
改起代码又稳又准，不容易改错位置。
现在这类工具不少都在卷功能、卷花活，oh-my-pi 拿编辑精度当差异化武器，思路挺清楚的。
而且，它把编程 Agent 的基础工具进行了打磨，性能到了极致。
天天泡在终端里写代码的，可以拿它跟手头的工具比一比。
内置 32 个工具、完整的 LSP 集成支持 40 多种语言、DAP 调试支持。
约 27000 行 Rust 代码把 ripgrep、glob、bash、AST 操作、语法高亮全部做进进程内。
支持 40 多个 LLM 提供商，14 种 Web 搜索后端。
还能从 Claude Code、Cursor、Windsurf 等 8 个工具导入配置，迁移成本很低。
开源地址：https://github.com/can1357/oh-my-pi
06
把 Agent 做成产品的十二条军规
老程序员应该都听过经典的 12-factor app，构建云原生应用的十二条原则。
12-factor-agents 就是把这套思路搬到了 AI Agent 上，目前 2.1 万 Star。
搞 AI Agent 开发的话，这个项目建议认真读一读。
它 借用当年 12-Factor Apps 的思路，这 12 条原则覆盖了从工具调用、提示词管理、上下文控制到错误处理的完整链路。
核心理念很清晰：把 LLM 当做自然语言到工具调用的转换引擎，把 Agent 做成无状态的规约器，用确定性代码控制流程而不是让 Agent 自己瞎跑。
项目还附带了三个实战工作坊和脚手架工具，跑一条命令就能初始化一个符合这些原则的新项目。
07
从零开始手搓 AI 工程
跟上面那个正好互补，一个讲原则，这个带实操。
ai-engineering-from-scratch 目前 1.2 万多 Star，口号还挺提气：学会它、造出来、发出去。
这个项目准备了 428 节课、20 个阶段、大约 320 小时的学习内容，从线性代数一直讲到自主多智能体系统。
目前 1.3 万 Star。
每节课结构统一：先讲问题，再讲概念，然后自己从数学原理实现一遍，再用 PyTorch 或 sklearn 实现一遍，最后做成可交付的 AI 工件。
四种语言实现：Python、TypeScript、Rust、Julia。
每节课都会产出一个可复用的 AI 工件（Prompt、Skill、Agent 或 MCP Server），可以直接装到 AI Coding 工具里用。
跑个水平测试它会自动告诉你该从哪个阶段开始。
开源地址：https://github.com/rohitg00/ai-engineering-from-scratch
08
不联网也能说话的端侧 TTS
Supertonic 是一个端侧文本转语音系统，大约 99M 参数，在 CPU 上就能跑出很快的实时速度。
它基于 ONNX Runtime 运行，完全离线，不用把文本传到云端。
v3 版本支持 31 种语言，还新增了 Expression Tags 功能，可以用标签控制语音的情感表达。
最方便的是它提供了 11 个平台的 SDK：C++、Node.js、Python、Rust等。
基本你想在哪个平台上集成都能直接用，改天我把它融到我的开源项目 Lumi 里面。
09
把拍视频拆成一个 AI 剧组
这个是港大数据智能实验室 HKUDS 出的。
ViMax 的脑洞挺大，它把视频制作拆成了导演、编剧、制片、视频生成器几个 AI 角色，组成一个 Agent 剧组，从剧本一路协作做到成片。
支持三种输入模式：给个灵感就开搞的 Idea2Video、给完整剧本的 Script2Video、甚至能把小说改成视频的 Novel2Video。
这就是 Agent 协作比较性感的形态了，不是一个 AI 单打独斗，而是一群分工干活。
整个流程从写脚本到出片是一条龙的，中间不用你来回切工具。
还有个 AutoCameo 功能，上传你的照片就能把你作为角色嵌入视频里，保持外观一致。
技术上用了六层流水线，从输入解析到视觉合成全部自动化，还模拟多机位拍摄，保持角色位置和背景的一致性。
做 AI 视频、或者对多 Agent 协作感兴趣的，重点关注一下。
