GitHub 每周精选 TOP10（9 月 12 日 – 9 月 18 日）
统计口径：GitHub Search API 中「近 7 天新建」的仓库按 star 数排序取前 10 ｜ star / 语言 / 协议均取自 API 实时返回值 ｜ 统计日期：2026-09-18
本周新冒头的项目里，围绕「让模型做选择而不是做写作」的 Jev 生态占了四席，浏览器与编码智能体、个人自托管云也继续走强，另外还有一个中文大模型学习路线挤进前十。
榜单速览
| 排名 | 项目 | 一句话 | 语言 | Star |
|---|---|---|---|---|
| 1 | browser-use/jev-ultrafast | 把网页解析成一张「元素表」，把可做的动作收敛成一个固定操作集，模型只负责做选择、不负责长篇生成。 | Python | 3,309 |
| 2 | tamaratran/fast-jev-compaction | 用「逐条打分」替代传统的大模型摘要压缩，把不再需要的工具调用丢掉，留下来的保持原文。 | TypeScript | 1,645 |
| 3 | Chuloo/mural | 和一颗会呼吸的动画球体对话来学语言，难度由你回复中的证据自动调整。 | Kotlin | 1,329 |
| 4 | TheoLeeCJ/openjev | 回答一个问题：能不能在自己家的 3090 上跑一个类似 Jev 的东西？ | Python | 1,087 |
| 5 | yifanzhang-pro/recurrent-looped-tranformer | RLT-1 的官方项目页：把解码器的最终隐状态回喂给下一个 token，让 prompt 与回复共享同一套循环计算。 | HTML | 875 |
| 6 | zjwzcx/Awesome-Astra-Embodied-AI | GPT-6 Astra 在具身智能与机器人方向的实际案例合集，按工作流分类整理。 | — | 842 |
| 7 | vinnylarouge/jevlike | 训练一个小模型，在一份「会变的文本选项列表」里选一个——一次前向就给出每个选项的概率。 | Python | 762 |
| 8 | agentverse-os/AgentVerse-OS | 给开发者本人和他的 AI 智能体用的个人云 OS：一台服务器，一条命令装完，之后全在浏览器里干活。 | Rust | 762 |
| 9 | youngyangyang04/llm-master | 一套面向程序员的大模型全栈学习路线，从第一次调用模型 API 到可上线的 AI 系统。 | — | 710 |
| 10 | nilbuild/page-mascot | 一个会盯着鼠标看、戳一下会眨眼的网页吉祥物，npm 装完就能用。 | Python | 693 |
逐项速览
1. browser-use/jev-ultrafast ｜ 浏览器智能体
把网页解析成一张「元素表」，把可做的动作收敛成一个固定操作集，模型只负责做选择、不负责长篇生成。
- 每次观察都会重新生成元素表（文本框 / 按钮 / 下拉框各带编号），可选的操作只有 CLICK、TYPE TEXT、SELECT、SCROLL UP/DOWN、WAIT、DONE、BLOCKED
- 只有当动作为 TYPE TEXT 时才真正调用模型写字，其余情况一次 TypeSafe 请求即可完成决策
- 官方给出的测速样例：在 Google Flights 上完成苏黎世 → 伦敦的一次自然语言查询仅 7.1 秒（已含打字与加载等待）
语言 Python ｜ Star 3,309 ｜ Fork 193 ｜ 协议 MIT ｜ 创建于 2026-09-16
仓库地址：https://github.com/browser-use/jev-ultrafast
2. tamaratran/fast-jev-compaction ｜ Claude Code 上下文压缩
用「逐条打分」替代传统的大模型摘要压缩，把不再需要的工具调用丢掉，留下来的保持原文。
- 每个工具调用与结果都通过一次快速请求判断，不需要的删除或截断，用户与助手的历史文本一字不改、顺序不变
- 解决了摘要式压缩「有损」的老问题——文件路径、具体报错、约束条件不会再被摘要吃掉
- 仓库同时提供 npm 包与 Claude Code 插件两种用法
语言 TypeScript ｜ Star 1,645 ｜ Fork 77 ｜ 协议 MIT ｜ 创建于 2026-09-17
仓库地址：https://github.com/tamaratran/fast-jev-compaction
3. Chuloo/mural ｜ AI 语言学习 App
和一颗会呼吸的动画球体对话来学语言，难度由你回复中的证据自动调整。
- 原生 iPhone 与 Android 客户端：iPhone 侧 SwiftUI + Liquid Glass，Android 侧 Jetpack Compose，内置 8 个语言模块
- 学习记录只保存在本机设备，不注册账号、不依赖服务器
- 直接使用你自己的 OpenAI API Key；仓库口号是「你最终会删掉的那个语言学习 App」
语言 Kotlin ｜ Star 1,329 ｜ Fork 258 ｜ 协议 MIT ｜ 创建于 2026-09-12
仓库地址：https://github.com/Chuloo/mural
4. TheoLeeCJ/openjev ｜ 家庭显卡跑决策模型
回答一个问题：能不能在自己家的 3090 上跑一个类似 Jev 的东西？
- 直接从模型读取「选项概率」，不生成答案句子、不做 JSON 修复、不跑解码循环——把决策当成一次分类而不是一次写作
- 同一冻结的 4B 模型、同一批 21 个问题，在 t=0 对齐后分别测量
- 作者明确说明复现的是接口模式，并非 Jev 未公开的模型与训练方式；环境要求 Python 3.10+、CUDA 与能装下 4B BF16 的显卡
语言 Python ｜ Star 1,087 ｜ Fork 73 ｜ 协议 MIT ｜ 创建于 2026-09-16
仓库地址：https://github.com/TheoLeeCJ/openjev
5. yifanzhang-pro/recurrent-looped-tranformer ｜ 循环回喂的 Transformer
RLT-1 的官方项目页：把解码器的最终隐状态回喂给下一个 token，让 prompt 与回复共享同一套循环计算。
- 解码器同时读取编码器派生的全局 KV 记忆，并在每一层维护滑动窗口注意力（SWA）缓存
- 同一套更新同时作用于 prompt token 与回复 token，训练与推理的结构保持一致
- 作者 Yifan Zhang 等，报告 2026-09-12 发布、09-17 更新，项目页提供论文与中文论文入口
语言 HTML ｜ Star 875 ｜ Fork 85 ｜ 协议 Apache-2.0 ｜ 创建于 2026-09-12
仓库地址：https://github.com/yifanzhang-pro/recurrent-looped-tranformer
6. zjwzcx/Awesome-Astra-Embodied-AI ｜ 具身智能案例库
GPT-6 Astra 在具身智能与机器人方向的实际案例合集，按工作流分类整理。
- 覆盖零样本控制、仿真部署（12 例）、真机部署（10 例）、智能体策略调用、real-to-sim 回放与数据生成
- 包含用 Astra 自行搭建 RL 训练环境与训练的 6 个案例，以及公开基准与评测报告
- 每个案例标注来源与发布时间，便于按最新进展追读
语言 — ｜ Star 842 ｜ Fork 17 ｜ 协议 — ｜ 创建于 2026-09-12
仓库地址：https://github.com/zjwzcx/Awesome-Astra-Embodied-AI
7. vinnylarouge/jevlike ｜ 选项概率小模型
训练一个小模型，在一份「会变的文本选项列表」里选一个——一次前向就给出每个选项的概率。
- 输入是一段文本加 N 个文本选项，输出每个选项一个概率，而不是一个词一个词地写答案
- 同一个选项注意力头还能直接给图像块打分：演示里用它驱动 Doom 的 7 个按键和国际象棋的 5 个按键
- 与 OpenJev 一样属于「接口对齐、设计自研」的独立实现
语言 Python ｜ Star 762 ｜ Fork 71 ｜ 协议 MIT ｜ 创建于 2026-09-16
仓库地址：https://github.com/vinnylarouge/jevlike
8. agentverse-os/AgentVerse-OS ｜ 个人云操作系统
给开发者本人和他的 AI 智能体用的个人云 OS：一台服务器，一条命令装完，之后全在浏览器里干活。
- 窗口化桌面 + 彼此隔离的工作区，工作区内置 VS Code、Claude Code、Codex
- 自带 944 个自托管应用的应用商店，以及备份与升级流程
- 默认不暴露公网，只通过 Tailscale 访问并配真实证书；Rust 内核 + Svelte 界面，当前为 alpha，定位单机单人使用
语言 Rust ｜ Star 762 ｜ Fork 23 ｜ 协议 Apache-2.0 ｜ 创建于 2026-09-12
仓库地址：https://github.com/agentverse-os/AgentVerse-OS
9. youngyangyang04/llm-master ｜ 大模型全栈中文教程
一套面向程序员的大模型全栈学习路线，从第一次调用模型 API 到可上线的 AI 系统。
- 按 基础认知 → 应用开发 → RAG → Agent → 微调与部署 → Transformer → 项目与面试 逐级组织，而不是零散文章合集
- 覆盖 Prompt Engineering、结构化输出、Function Calling、检索增强、MCP、多 Agent 等工程实践
- 每个阶段配可交付项目与完成标准，并附面试题库，适合有 Java/C++/Go/Python/前端基础想转大模型方向的开发者
语言 — ｜ Star 710 ｜ Fork 70 ｜ 协议 MIT ｜ 创建于 2026-09-12
仓库地址：https://github.com/youngyangyang04/llm-master
10. nilbuild/page-mascot ｜ 网页吉祥物组件
一个会盯着鼠标看、戳一下会眨眼的网页吉祥物，npm 装完就能用。
- 支持让智能体直接生成角色：装好配套 skill 后，用 /page-mascot 加一句描述（如「一只巧克力棕的矮胖水獭」）即可
- 生成流程会自动画出九个朝向与九种表情、对齐成两张精灵图，并检查角色在方向切换时不会跳变
- 官方演示页提供 52 个现成角色，直接指定路径即可复用
语言 Python ｜ Star 693 ｜ Fork 64 ｜ 协议 MIT ｜ 创建于 2026-09-14
仓库地址：https://github.com/nilbuild/page-mascot
本周观察
- 一个「Jev 生态」在刷屏：本周前十里，
jev-ultrafast、fast-jev-compaction、openjev、jevlike四个项目都围绕同一件事——让模型输出「选哪一个」的概率，而不是写一段话给程序再去解析。这条路线正在从商业闭源服务扩散成一批开源复现。 - 智能体往「省 token、少生成」走：无论浏览器操作还是上下文压缩，思路都是把大模型的调用次数和输出长度压到最低，把确定性工作交还给普通代码。
- 个人自托管继续回潮：
AgentVerse-OS这类「一台服务器 + 浏览器即用」的项目受关注，说明开发者更愿意把智能体和数据放在自己机器上。 - 中文内容有位置：
llm-master以体系化中文教程进入前十，说明中文大模型学习资料仍然供不应求。
本文榜单按「近 7 天新建仓库的 star 数」排序生成，与 GitHub 官方 Trending 榜口径不完全一致，仅供参考。所有数据与图片均来自 GitHub 公开接口。