开源/仓库

推荐理由：嵌入式开发者终于有了一个集成 AI 的桌面工具——Exort 把写代码、编译、烧录、看日志全串起来了，做单片机开发的可以直接试试这个开源项目。

推荐理由：做 AI Agent 开发或重度使用多 Agent 的团队，终于不用在 GitHub 翻 markdown 文件了——SkillsGate 让技能安装像 App Store 一样简单，值得一试。

推荐理由：做智能体、编程或搜索应用的开发者终于有了一个兼顾速度、成本和可靠性的开源模型——Step 3.7 Flash 在工具调用和视觉理解上表现突出，而且能在本地跑，建议直接试试。

推荐理由：vLLM 的 Day-0 支持意味着 StepFun 模型发布即可用，做模型推理部署的团队可以省去等待适配的时间，建议关注。

推荐理由：做AI应用开发的团队，缓存和批量API是降本最直接的手段，建议直接看GitHub上的demo代码，能省不少钱。

推荐理由：做 AI 智能体开发的团队终于有了一个能自我进化的开源框架——SIA 让模型从“冻结工人”变成“持续学习者”，直接提升任务效果，建议研究自优化系统的开发者点开看看。

推荐理由：NVIDIA 带头统一开源模型许可，解决了 AI 开发者最头疼的许可证碎片化问题。做模型部署或企业级 AI 应用的团队，建议关注 OpenMDW 框架，能省去不少法务沟通成本。

推荐理由：做文生图研究的团队终于有了一个大规模、去重、重新标注的开源数据集，可以直接用于训练和复现实验，建议点开看看数据集和代码库。

推荐理由：做 AI 智能体开发的团队可以直接参考这个 agent.md 写法，省去自己摸索配置格式的时间，建议点开看看。

推荐理由：函数式编程开发者终于有了专属的代码生成模型——FPMoE用稀疏MoE解决了跨语言干扰和抽象丢失两大痛点，且3B参数就能达到14B模型的效果，值得Haskell/OCaml/Scala用户直接上手测试。

推荐理由：城市交通规划团队终于有了一个能提前预见线路设计后果的AI工具——AlphaTransit用搜索+学习解决了公交网络设计的延迟反馈难题，做交通规划或智慧城市的研究者可以直接用开源代码跑自己的数据。

推荐理由：对于需要实时记录和检索会议内容的团队，这个 Codex 技能直接解决了「边开会边提问」的痛点，做会议自动化或知识管理的开发者可以试试这个开源方案。

推荐理由：做 RAG 或文档处理的团队终于有了一个又快又准的开源解析器——LiteParse v2 用 Rust 重写后速度提升 100 倍，还支持 50+ 格式和 WASM 边缘部署，建议直接替换掉 pymupdf 试试。

推荐理由：RepoPrompt 解决了将整个代码仓库高效喂给大模型的痛点，做 AI 编程或代码审查的开发者现在可以免费使用，而且即将开源，值得关注后续社区版本。

推荐理由：Perplexity 解决了推理管线中 CPU 分词这个容易被忽视的瓶颈，做低延迟 AI 应用或自建搜索/重排序系统的团队可以直接用这个开源方案来加速。

推荐理由：Warp 用 GPT-5.5 打通了本地与云端的编程智能体协作，做跨环境开发的团队可以直接体验更流畅的 AI 辅助工作流，值得关注。

推荐理由：视频生成速度从分钟级降到秒级，做 AI 视频创作和实时交互的团队可以直接用开源方案，大幅降低硬件门槛。

推荐理由：580 tps 意味着智能体应用可以几乎实时响应，做 LLM 推理优化或 Agent 开发的团队值得关注这个开源方案，可以直接参考 PyTorch 博客里的实现细节。

推荐理由：做智能体开发的团队终于有了正经的上下文管理方案——Context Hub 解决了 skills 和 AGENTS.md 文件散落难维护的痛点，用 LangChain 的开发者可以直接集成试试。

推荐理由：AI 代理治理是当前行业焦点，@ai_zona 的开源项目为开发者提供了参与和贡献的机会，做代理相关工作的团队值得关注。

推荐理由：Perplexity 把生产级分词器开源了，CPU 利用率降 5-6 倍，做推理优化的团队可以直接拿来用，减少延迟瓶颈。

推荐理由：智能体治理是当前 AI 落地的最大盲区，做多智能体系统或 AI 产品的团队可以直接用这个 SDK 来填补合规缺口，建议点开看看具体怎么实现。

推荐理由：对于需要治理和合规的 TypeScript 智能体开发者，这个框架提供了开箱即用的方案，值得一试。

推荐理由：做 AI 智能体编排的开发者可以快速了解三个 SDK 的核心差异——ADK 的治理层解决了团队协作中的安全和信任问题，适合企业级应用，值得一试。

推荐理由：Alook 解决了多 agent 协作中上下文碎片化和手动路由的痛点，做复杂自动化或管理多个 AI 编程助手的团队可以直接部署试试。

推荐理由：做 agent 开发的团队可以直接用 AnySearch 的 MCP 服务增强搜索能力，省去自建搜索模块的麻烦，建议试试。

推荐理由：Codex 入门门槛被彻底铺平了——做自动化、AI 编程的开发者可以直接跳过试错，用 13 个实战场景快速上手，建议 Star 收藏。