GitHub 每周精选 TOP10（9 月 26 日 – 10 月 2 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 / fork / 语言 / 协议 / 创建日期均取自 API 实时返回值 ｜ 统计窗口：2026-09-26 ~ 2026-10-02

本周热度被两类项目分掉：一类是把「产线」直接开源的 Agent 工作流（热点站、游戏模组、logo 设计、一镜到底动效），另一类是给编码 Agent 补基础设施的（浏览器身份、语义检索、刘海审批），加上一个 0.8B 的 System 1 决策层占位。

榜单速览

逐项速览

1. KKKKhazix/AIHOT ｜ 行业热点站框架

一个自己找热点、自己写日报的行业热点站框架：把信源和精选标准换成你的，它就是你的站。

• 流程全部公开：资料进来先判重、再预筛，可能重要的独立打两次分，过了门槛才进精选，然后写成中文标题与摘要；每一步的提示词都在 industry/prompts/ 里，改标准不用改代码
• 聚簇与热度按「事件」算而不是按文章算：先用标题摘要的向量在最近两周里找候选，再让模型判断同一件事还是两件事；48 小时内每个独立来源只算一次、24 小时减半，一家媒体发十篇也只算一次
• 支持 RSS、网页列表、JSON 接口、X 账号、微信公众号和脚本推送六种信源，仓库自带 18 个公开海外 AI 信源做示范；同时给出 RSS、公开 API、MCP、Agent Markdown、llms.txt 等给 Agent 用的出口
• 作者自述设计师出身、半年前还看不太懂代码，整套代码是与 AI 一起重写的线上站点快照；跑起来需要 Docker 和一个 OpenAI 兼容的模型 Key（DeepSeek、千问、智谱都行）

语言 TypeScript ｜ Star 4,685 ｜ Fork 1,296 ｜ 协议 MIT ｜ 创建于 2026-09-28

仓库地址：https://github.com/KKKKhazix/AIHOT

2. Louis-CFM/coucou ｜ 刘海里的 Agent 伙伴

住在 Mac 刘海里的开源小伙伴 Mochi：盯着你的 AI 编码 Agent，审批权限、跳终端、聊天都不要离开手上的活。

• Mochi 是个有表情的圆角小家伙：待机时呼吸、眨眼，眼球跟着鼠标转，被戳会不高兴、戳多了会晕，Agent 干完活它还会开心地跳一下
• 刘海直接审批：Claude Code 的权限请求以 Allow / Deny 的形式弹出，点一下就回到工作；还能跳到某个会话所在的那个终端窗口（macOS）
• 把文件拖到刘海上，Mochi 会变成一个盒子把它吞下去，随后可以针对它提问或直接发邮件；也能把任意窗口拖给它，用来当作 Claude 的上下文
• 聊天框可切换 Anthropic、Google、OpenAI（用自己的 Key）；Stripe、n8n、GitHub、Vercel、Resend、Notion、Cal.com 各有对应的小 Mochi；空闲时自动隐藏，没有刘海的机型也能以小条形式停在屏幕顶端

语言 Swift ｜ Star 2,496 ｜ Fork 369 ｜ 协议 MIT ｜ 创建于 2026-09-27

仓库地址：https://github.com/Louis-CFM/coucou

3. feder-cr/dots ｜ 给 Agent 一个真浏览器

给 AI Agent 配一个「自己的浏览器」：C++ 层面打过补丁的真 Firefox，一个种子对应一个稳定身份，不那么容易被拦。

• 作者的判断很直接：网页 Agent 失败，很少是模型的问题，而是页面压根没加载、弹了挑战、登录过期、点击没落到位置——这些都发生在模型开始思考之前，所以 dots 围绕浏览器来设计
• 指纹在引擎内部决定，而不是用 JavaScript 事后涂抹：没有 WebDriver 标记、没有 DevTools 协议、页面里找不到自动化全局变量
• 一个 seed 对应一个稳定身份，屏幕、字体、GPU、时区、语言彼此自洽；指针会真的「走」到点击位置、按键逐个按下，页面收到的是可信事件
• --profile-dir 跨次保留登录与 Cookie，配 --proxy 时区与语言跟随出口，模型可用 OpenRouter 上任意一个（--model 切换）；也作为隐形 playwright MCP 接进 Claude Code、Codex、Gemini CLI

语言 Python ｜ Star 2,387 ｜ Fork 418 ｜ 协议 MIT ｜ 创建于 2026-09-29

仓库地址：https://github.com/feder-cr/dots

4. dzhng/jevgrep ｜ 按语义找代码的 CLI

用「这段代码是干什么的」来找代码：给编码 Agent 用的命令行工具，一次输出相关文件、阅读线索和原文片段。

• 编码 Agent 每接一个陌生任务，都要花一部分力气先找到该看哪几个文件；jevgrep 把这件事收敛成一次 stdout 响应，直接给出相关文件、阅读线索与逐字源码片段，之后的实现和测试仍交给调用它的 Agent
• 作者自述在十题 SWE-bench 对比中，Jevgrep 与基线同样完成了 8/10，但成本约低 30%；判断相关性用的是 Jev，会跨目录、文件和声明层级去看
• 要求 Node.js 22+，支持 Vercel AI Gateway、TypeSafe、OpenRouter、OpenCode Zen 或自建的 TypeSafe 兼容端点，不需要另外安装 Python、Bun 或 ripgrep
• 只装 CLI 并不会让 Agent 学会用它，还要装配套的 Agent Skill（jg skill）；0.1.0 版本的 jg skill 只打印内置 Skill，需要改用 npx skills 安装

语言 TypeScript ｜ Star 2,003 ｜ Fork 131 ｜ 协议 MIT ｜ 创建于 2026-09-26

仓库地址：https://github.com/dzhng/jevgrep

5. rehan-remade/universal-modder ｜ 让 Agent 改任何游戏

把 Claude 指向任何一个你拥有的 PC 游戏：让 AI Agent 侦察引擎、读代码、写模组、生成美术音效，进游戏实测还能剪出展示片。

• Agent 每次都跑同一条循环：先搜共享知识库，再侦察游戏、判断引擎与可行路线，读真实代码后动手改，用 fal 生成美术 / 3D / 音效，进运行中的游戏测试、剪片，最后把新学到的东西写回知识库留给下一个 Agent
• 兼容 Claude Code、Codex、Cursor、Gemini CLI、GitHub Copilot、OpenCode 等一切读 AGENTS.md 的 Agent，各自有对应的安装方式，核心是同一套 Agent Skills 加 fal MCP 再加 um CLI
• 仓库给出的示例任务相当硬：给 Terraria 加追踪导弹与能炸出坑的战术核弹、给帝国时代 II 造一个用 3D 渲染独特单位的新文明、把真正的 Minecraft 塞进 GTA V 剧情模式
• 需要 fal API Key（美术/3D/音频）、Python 3.10+ 与 ffmpeg，3D 转精灵图还要 Blender；Windows 游戏原生驱动或走 WSL

语言 Python ｜ Star 1,597 ｜ Fork 118 ｜ 协议 MIT ｜ 创建于 2026-09-30

仓库地址：https://github.com/rehan-remade/universal-modder

6. kaankiziltug/logo-design-skill ｜ 品牌设计 Skill

把编码 Agent 变成有纪律的品牌设计师：从第一份需求简报一路做到可交付的 SVG 与品牌规范，还带一个 1,400+ 真实 logo 参考库。

• 流程是固定的：提问或列出假设 → 到参考库里研究品类惯例 → 出 8–12 条概念、挑 3 个建成 SVG → 测试与打磨 → 在检查点停下，把概念拼成一张总览图并给出推荐
• 它坚持在检查点停下，不选方向就不产出整套交付物——因为 kit 占了大部分工作量，也只有在方案获批之后才有意义
• 参考库收录 1,400+ 真实 SVG logo，按标记类型、技法、几何、主题、字体、情绪、行业分类，可在命令行检索、在本地画廊浏览，用来研究构造与映射品类惯例、避免撞脸（README 明确写了不用于抄袭）
• 内置零依赖 Python 工具：SVG 原则审查、概念总览图与测试图（16px 像素测试、单色、反白、眯眼、镜像、语境、竞品货架测试）、客户提案板、PNG 渲染，以及 favicon / app icon / web manifest 整套导出

语言 HTML ｜ Star 1,359 ｜ Fork 76 ｜ 协议 MIT ｜ 创建于 2026-09-26

仓库地址：https://github.com/kaankiziltug/logo-design-skill

7. firelex/jeff ｜ 0.8B 的 System 1 决策层

0.8B 的开源「System 1」模型：在强模型前面抢先做毫秒级决策，用校准过的概率在你的选项里挑一个，拿不准才往后传。

• 定位是「一个基座 + 可替换的 LoRA 适配器」，跑在自己的硬件上；官方建议让 Qwen3.8-27B 这类强模型负责写作与规划，由 Jeff 承担它前面的快决策——Jeff 先答，只有它不确定时才把请求交给 27B
• 8 个适配器的实测（同一批测试行、与 Qwen3.8-27B 对照）：准确率均值从 86.6% 升到 95.3%，单次决策耗时从 8.1 秒降到 0.25 秒（38 倍），错答率从 13.4% 降到 4.7%
• 单看收件箱 Agent 每封信都要做的五个决策（防注入、分诊、意图识别、选工具、溯源）：87.7% → 95.7%，快约 39 倍；其中防注入一项从 84.0% 提到 98.0%
• 代价很小：27B 占 28.6GB 显存，Jeff 连同九个适配器全部载入只多 1.96GB（约 6.9%）；适配器不跨基座版本迁移，但数据集可以

语言 Python ｜ Star 1,269 ｜ Fork 56 ｜ 协议 MIT ｜ 创建于 2026-09-28

仓库地址：https://github.com/firelex/jeff

8. yihui-dev/awesome-opus5-5-videos ｜ Opus 5.5 视频合集

用 Claude Opus 5.5 做出来的爆款视频合集，每条都附上创作者公开的提示词，可以抄下来自己跑一遍。

• 收录 475 条提示词（放在 prompts/ 与 data/videos.json 里），页面上精选 100 条，每条都链回创作者的原帖；没有公开提示词的，则给出他们当时的原始发布内容
• 所有视频都是让 Claude Opus 5.5 把动画写成代码做出来的：HTML、Canvas、SVG、Three.js、GLSL 等，内容分动效（58）、讲解（16）、3D 场景（14）、游戏与交互（12）四类
• 最近一次更新是 2026-09-29，一次性加了 86 条，以动效和讲解类为主；仓库还提供与线上重制版逐条对照观看的入口，便于直接比对同一提示词的复现效果

语言 — ｜ Star 1,255 ｜ Fork 137 ｜ 协议 MIT ｜ 创建于 2026-09-27

仓库地址：https://github.com/yihui-dev/awesome-opus5-5-videos

9. wy51ai/floorplan-3d ｜ 纯前端户型设计

纯前端的户型装修设计工具：在 2D 平面图上摆家具、拆改墙体、测量尺寸，一键切换到 Three.js 的 3D 场景，可鸟瞰也可第一人称漫游——整个应用就是一个 index.html。

• 2D 端按 1:60 / 1:100 比例显示、尺寸单位毫米，左侧家具库有 60 余种家具家电，拖动移动、旋转（Shift 自由角度）、调整尺寸并贴墙自动吸附，配靠近墙面自动吸附的测量工具，非承重墙可拆改、承重墙单独标示
• 3D 端用 Three.js r160，支持鸟瞰 / 斜视 / 俯视多种视角、点房间列表飞到对应房间，漫游模式桌面端 WASD + 鼠标、触屏用虚拟摇杆，还能点门开关，带日照时间滑块与夜景灯光
• 方案维度：房间面积与套内使用面积自动统计、为房间换地面材料时按面积加 5% 损耗估算造价、撤销重做、方案自动存浏览器本地、中英界面切换、导出 PNG 与导入导出方案 JSON
• 原生 HTML / CSS / JavaScript，无框架、无构建步骤，户型数据（房间多边形、墙体窗洞、材料单价、家具库）直接写在 index.html 里就能换成自己的房子；Three.js 走 jsDelivr CDN，首次打开 3D 场景需要联网

语言 HTML ｜ Star 1,172 ｜ Fork 248 ｜ 协议 MIT ｜ 创建于 2026-09-29

仓库地址：https://github.com/wy51ai/floorplan-3d

10. feitangyuan/onetake ｜ 一镜到底动效 Skill

一个专门做「一镜到底」的 Claude Agent Skill：产品发布片、预告片、功能演示不分镜，每一拍都从上一拍里长出来。

• 它把两拍之间的边界当成真正要设计的东西：提示词条打开成应用窗口、窗口重排成手机，横条塌成一条线再射过桌面变成下一段的网格线，卡片长成页面，最后整个卡司收进 logo
• 一台摄影机贯穿全片、从不剪切：比主体早一拍跟过去、甩到下一个落点、像手持一样浮着，撞到东西时抖一下，然后完全静止——作者的判断是，有静止，动作才立得住
• 连贯性是被测出来的而不是碰运气：probe.py 逐帧记录屏幕上有什么、找出每个边界并追问「什么跨越了它」，把替换式剪辑的旧版本判为 0.00 驳回，最终发布的影片拿到 0.83 通过
• 同一个 oracle 也会驳回节奏一律、没有静止、音频被切、快动作缺动态模糊、以及主体跑出画面这些问题

语言 Python ｜ Star 1,145 ｜ Fork 74 ｜ 协议 NOASSERTION ｜ 创建于 2026-09-26

仓库地址：https://github.com/feitangyuan/onetake

本周观察

• Agent 工具在补「交付端」：AIHOT 把热点站的整条产线开源（判重、双打分、聚簇、日报），universal-modder 让 Agent 从读引擎代码一路做到进游戏实测再剪展示片，logo-design-skill 把设计收敛成带检查点的流水线。共同点是都把流程与门槛写在仓库里：提示词原文、评分标准、该在哪里停下来等人拍板，全都是公开的。
• 「System 1 决策层」继续成型：firelex/jeff 用一个 0.8B 基座加可替换 LoRA 挡在 27B 前面，8 个适配器实测把单次决策从 8.1 秒压到 0.25 秒、准确率反而从 86.6% 升到 95.3%，而显存只多约 2GB。这与前几周 Laya / DeepOpen / CLM 的路线一致：不逐 Token 生成，一次前向直接给出结构化结果。
• 编码 Agent 开始反过来优化自己的输入：jevgrep 只解决「先找到该看哪几个文件」这一件事，就换来约 30% 的成本降幅；coucou 则把审批与跳转搬到刘海这块物理位置上。一个向内压缩上下文，一个向外改人机接口——都不去碰模型本身。
• 浏览器身份成了 Web Agent 的硬门槛：dots 选择在 C++ 层给真 Firefox 打补丁、按 seed 维持自洽身份，而不是用 JavaScript 去掩盖自动化痕迹。比起在提示词里叮嘱模型「操作慢一点」，这条路线要实在得多。

数据说明

• 榜单来源：GitHub Search API 的 search/repositories，查询条件 created:>2026-09-25，按 star 降序取前 20 后筛出 10 个（跳过无描述且 README 无法辨识内容的仓库）。
• 字段取值：star / fork / 语言 / 协议 / 创建日期均为发布时刻的 API 返回值，会随时间变动；每个项目的配图来自 GitHub Open Graph 社交卡片与 shields.io 徽章（发布前已逐张校验可达）。
• 口径差异：本文榜单按「近 7 天新建仓库的 star 数」排序，与 GitHub 官方 Trending 榜口径（按当日新增 star 速度）不同，因此榜单不可直接互相比对，仅供参考。更多数据与链接均可在各仓库 README 中复核。