GitHub 排行榜

本周热门严格按真实七日 Star 增量排序,并补充中文产品视角说明
当前样本 5
本周热门口径:最近 7 天真实新增 Star > 产品相关性过滤 > AIPM 产品研究分。必须同时存在七天前和最新快照;没有历史数据时不以累计 Star 代替。页面访问只读数据库,不触发 GitHub 或 AI API。

本周 AI 开源项目 TOP 10

面向真实用户场景,排除纯 Awesome List、教程、论文、Prompt 合集等非产品型仓库。

真实 7 日增长
#项目中文产品解读分类当前 Star7 日新增最近推送AIPM 分License
1Panniantong/Agent-Reach
GitHub 原文:Give your AI agent eyes to see the entire internet. Read & search Twitter, Reddit, YouTube, GitHub, Bilibili, XiaoHongShu — one CLI, zero API fees.
面向智能体规划、工具调用或自主任务执行,可用于研究 Agent 产品流程。分类说明 · 仅作产品研究参考AI Agent★ 96,583+4,2322026-10-0887.6MIT
2NousResearch/hermes-agent
GitHub 原文:The agent that grows with you
面向智能体规划、工具调用或自主任务执行,可用于研究 Agent 产品流程。分类说明 · 仅作产品研究参考AI Agent★ 253,134+1,5692026-10-1396.2MIT
3langchain-ai/langchain
GitHub 原文:The agent engineering platform.
面向智能体规划、工具调用或自主任务执行,可用于研究 Agent 产品流程。分类说明 · 仅作产品研究参考AI Agent★ 147,709+2142026-10-1296.2MIT

综合热门榜与项目筛选

以下为当前累计 Star、活跃度或 AIPM 研究分,不代表本周增长。

清除

筛选结果 · 按当前累计 Star 排序

#项目中文产品解读分类当前 Star最近推送AIPM 分License
1NousResearch/hermes-agent
GitHub 原文:The agent that grows with you
Nous Research 开源的自我改进型 AI 智能体,内置学习闭环,可跨平台与多部署环境常驻运行已缓存 AI 分析 · 仅作产品研究参考AI Agent★ 253,1342026-10-1396.2MIT
2langchain-ai/langchain
GitHub 原文:The agent engineering platform.
面向开发者的Agent工程平台与LLM应用框架,用可互操作组件和第三方集成简化AI应用开发,并保持技术演进中的前瞻性。已缓存 AI 分析 · 仅作产品研究参考AI Agent★ 147,7092026-10-1296.2MIT
3Panniantong/Agent-Reach
GitHub 原文:Give your AI agent eyes to see the entire internet. Read & search Twitter, Reddit, YouTube, GitHub, Bilibili, XiaoHongShu — one CLI, zero API fees.
面向智能体规划、工具调用或自主任务执行,可用于研究 Agent 产品流程。分类说明 · 仅作产品研究参考AI Agent★ 96,5832026-10-0887.6MIT
4ComposioHQ/awesome-claude-skills
GitHub 原文:A curated list of awesome Claude Skills, resources, and tools for customizing Claude AI workflows
面向智能体规划、工具调用或自主任务执行,可用于研究 Agent 产品流程。分类说明 · 仅作产品研究参考AI Agent★ 76,9512026-09-1869.6未验证
5bojieli/ai-agent-book
GitHub 原文:《深入理解 AI Agent:设计原理与工程实践》(李博杰 著)开源主仓库:全书正文、编译版 PDF 与按章配套代码
面向智能体规划、工具调用或自主任务执行,可用于研究 Agent 产品流程。分类说明 · 仅作产品研究参考AI Agent★ 53,7132026-10-0879Apache-2.0

近 30 天增长 TOP 10

用数据库中相隔约 30 天的两次真实 Star 快照计算,不使用累计 Star 冒充增量。

历史数据积累中:需要至少一个 30 天前的快照,系统不会猜测增长数据。

AIPM 推荐规则

25%项目热度:累计 Star 的对数归一化
25%近期活跃度:距最近推送的天数
25%产品完整性:README、Demo、License 等
25%研究价值:是否呈现产品与工作流特征