知识分享
技术文章、实战教程、经验心得
开源项目第192期：shadcn-admin — Vite + shadcn/ui 构建的后台管理界面参考集，10+ 页面、RTL 支持、无障碍优先，不是模板，是可复用的 UI 参考库
satnaing 开源的后台管理 UI 参考集，基于 shadcn/ui + Vite + TanStack Router 构建。包含 Dashboard、Tasks、Users、Chats、Apps、Settings、Help Center 等 10+ 页面，全局搜索命令、亮暗模式、RTL 布局支持、Clerk 认证集成。定位是 UI 参考集合而非开箱即用脚手架，Radix UI 底层保证无障碍访问。不依赖 Next.js，纯 Vite 构建，性能更轻。13.9k Stars，MIT。
开源项目第193期：Semantica — 开源版 Palantir for AI Agent，知识图谱 + 确定性推理 + W3C 溯源，让 AI 决策可追溯、可审计、可合规
semantica-agi 出品的图原生 AI 基础设施层，定位为 AI Agent 的上下文和决策可问责层。知识图谱构建（Neo4j/FalkorDB/RDF）、确定性推理（Rete/Datalog/SPARQL/前向链，不依赖 LLM）、W3C PROV-O 溯源（每个事实可追溯来源）、冲突检测与解决、时间点快照（time travel）、合规导出（OWL/SHACL/RDF）。不是 RAG 框架，不是向量数据库，是坐落在所有这些之下的可解释决策层。支持 Claude Code、Cursor、Codex、Agno、CrewAI、LangChain、LlamaIndex 等生态。8.2k Stars，MIT。
开源项目第194期：deepseek-harness — DeepSeek 出品的 AI Agent 开发框架，万物皆插件 + PTC 程序化组合模式 + 完整轨迹溯源，137k Stars
DeepSeek AI 出品的 Agent 开发框架，以 Cordis 插件架构为核心——内核只管插件生命周期，其余一切（工具、后端、UI）均为可替换插件。四种运行模式：Standard（完整工具链）、PTC（模型写 TypeScript 程序组合操作，不是逐步调用工具）、Minimal（极简 bash 环境，用于 benchmark）、Creative（运行时插件试验）。Append-only 会话日志记录系统提示、CoT、工具调用、子 Agent 调度的每一步，支持 resume/fork/replay。npx @deepseek-ai/dsh web 一行启动。137.1k Stars，MIT。
开源项目第190期：claude-video — 给 Claude 装上「眼睛」看视频，一条命令分析 YouTube/Loom/本地视频，字幕优先零下载、场景感知帧去重、Token 预算自动管理
Brad Bonanno 出品的 Claude Code 技能插件，通过 /watch 命令让 Claude 分析任意视频。7 步流水线：yt-dlp 下载→ffmpeg 提取帧→Whisper 转录→送入 Claude 上下文。字幕优先优化（有字幕直接用，零下载）、16×16 缩略图 MAD 算法帧去重、按视频时长自动调整帧预算。四档精度模式：transcript/efficient/balanced/token-burner。支持 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等 50+ Agent 宿主。15.2k Stars，MIT。
开源项目第191期：gstack — YC CEO Garry Tan 开源的 AI 虚拟工程团队，23 个专家角色 slash command，从产品构思到上线发布的完整研发流程
Y Combinator CEO Garry Tan 开源的 Claude Code 技能集，把 Claude Code 变成一支有分工的工程团队。23 个专业角色命令覆盖规划、设计、审查、测试、发布全流程：/office-hours（YC 风格产品挑战）、/plan-ceo-review、/design-shotgun（4-6 个设计变体对比）、/qa（真实 Playwright 浏览器测试）、/cso（OWASP + STRIDE 安全审计）、/ship（同步→测试→审计→推送→PR）。技能间上下文传递，支持 10-15 个并发 sprint，跨 Claude Code/Codex/Cursor 等 10 种 Agent。128k Stars，MIT。
开源项目第187期：Pi — 哲学驱动的极简 AI Coding Agent，86k Stars，30+ LLM 提供商，无限扩展
极简哲学驱动的 AI coding agent harness。5 个 npm 包：统一 LLM API（30+ 提供商）、agent 运行时、TUI 库、coding agent CLI、遥测合约。四种模式（交互/打印/JSON/RPC/SDK），会话分支树，TypeScript 扩展系统，Skills/Prompt Templates/Pi Packages 生态。刻意不内置 MCP、子 agent、权限弹窗、计划模式。TypeScript，MIT，86k Stars。
开源项目第188期：深入理解 AI Agent — 李博杰开源的 AI Agent 完整技术书，10章95实验，35k Stars
李博杰著《深入理解 AI Agent：设计原理与工程实践》全书开源。核心公式：Agent = LLM + 上下文 + 工具。10章层层递进：上下文工程、用户记忆与知识库、MCP工具协议、Coding Agent、评估体系、模型后训练（SFT/RL）、持续进化、多模态交互、多Agent协作。95个配套实验，13种语言版本，PDF/EPUB免费下载。Python，Apache-2.0，35k Stars。
开源项目第189期：DeepTutor — Agent 原生的终身个性化学习工作台，三层记忆+多引擎RAG+Partners，33k Stars
香港大学数据智能实验室出品的 AI 学习工作台。核心：单一 agent 循环驱动所有模式（Chat/Quiz/Research/Visualize/Solve/Mastery Path）。三层记忆（L1事件追踪/L2曲面摘要/L3跨曲面综合），可视化记忆图谱，每条合成结论可追溯到原始事件。多引擎知识库：LlamaIndex/PageIndex/GraphRAG/LightRAG/Obsidian。Partners：持久 AI 伴侣，带 IM 通道（Slack/Discord/Telegram/微信/飞书等）。My Agents：驱动本地 Claude Code/Codex 作为子 agent。Python+Next.js，Apache-2.0，33k Stars。
开源项目第186期：Open Ontologies — Rust 实现的 AI 原生本体工程 MCP 服务器，70+ 工具、单二进制、无需 JVM，5 分钟构建 Protégé 要 4 小时才能完成的本体
The Tesseract Academy 出品的 Rust MCP 服务器，把本体工程变成 AI Agent 可直接调用的能力。70+ 工具覆盖验证、推理、对齐、生命周期治理、RAG 增强全流程。三层架构：Dynamics（原子操作+OWL-RL）、Causal（因果识别）、Planner（PDDL编译）。Studio 桌面应用（Tauri 2 + React 19），AI 聊天面板直接构建生产级 OWL 本体。Pizza 本体基准：5 分钟 96% 覆盖 vs Protégé 手工 4 小时。OAEI 解剖学对齐精确率 0.960（全场第三）。内置 33 个标准本体市场，支持英国国家数字孪生计划 IES 框架。341 Stars，MIT。
开源项目第174期：AirLLM — 4GB 显存跑 70B，8GB 跑 405B，3.7GB 跑 2.8 万亿参数的 Kimi K3
AirLLM 用逐层推理打破显存壁垒：把模型按 Transformer 层拆分保存到磁盘，推理时每次只把一层加载进显存，用完立即释放。无需量化、蒸馏或剪枝，即可在消费级 GPU 上运行 70B 到 2.8T 参数的模型。支持 Llama、Qwen3、DeepSeek、Kimi K3，可选 4bit/8bit 权重压缩加速约 3 倍。25.8k Stars，Apache 2.0，pip install airllm 即开。
开源项目第175期：Buzz — Jack Dorsey 的 Block 用 Nostr 重新定义团队协作，AI Agent 拥有自己的加密身份
Block 于 2026 年 7 月 21 日发布的开源团队工作空间，人类和 AI Agent 在同一个 channel 里作为平等成员协作。基于 Nostr 协议，每个 Agent 持有独立加密密钥对，身份和历史可跨平台携带。Rust 后端 + Tauri 桌面端，支持 Claude Code、Codex、Goose 等 Agent。YAML 工作流引擎、buzz-cli（JSON in/out，面向 LLM 调用设计）、NIP-34 Git 集成。21.3k Stars，Apache 2.0，可自托管。
开源项目第176期：Better Harness — 不审查 diff，审查工作流本身，给 AI 编程 Agent 的五维评估框架
QoderAI 出品的开源工具，把项目和会话证据转化为 Agent 工作流的优先级改进建议。不评估最终代码质量，评估围绕 Agent 的工作流健康度——目标理解、受控执行、变更验证、可靠交付、经验沉淀五个维度。三个独立证据 Agent 并行分析，结果汇总后输出 HTML/Markdown/JSON 报告。支持 Claude Code、Codex、GitHub Copilot、Cursor、Qwen Code。1.5k Stars，MIT 许可。