盘点本周top10的GitHub开源项目

1.一套美观开箱即用的 Linux

Omarchy 是 DHH 推出的一款开源 Linux 发行版。

它基于 Arch Linux，采用能自动排列窗口的 Hyprland 桌面，并提前配置好主题、快捷键、常用软件和系统设置。

通过官方 ISO 安装后，你就能获得一套风格统一、适合办公与开发的桌面环境。

能省去从零配置 Arch Linux 的大量时间。

它尤其适合喜欢键盘操作、终端和简洁桌面的开发者

2.让 AI 决策能够被追溯

Semantica 是一套面向 AI Agent 的开源图谱基础设施，能把文档、网页、数据库等零散资料整理成知识图谱。

它会识别其中的人物、公司、事件及其关系。

让 Agent 除了搜索相似内容，还能了解信息之间如何连接、来自哪里，以及不同来源之间是否存在冲突。

它会把 AI 使用的数据，怎么做出的决定，包括因果关系和执行过程保存成可查询的审计记录。

3.不登录也能管好罗技鼠标

OpenLogi 一款开源外设管理工具，可以看作 Logitech Options+ 的开源平替。

你不需要登录账号可以管理兼容的罗技鼠标、键盘和 UVC 摄像头，并查看无线设备的电量。

也不会收集遥测数据，支持 macOS、Linux 和 Windows。

你可以用它重新分配鼠标按键和键盘 F 键，调整手势、DPI、SmartShift 滚轮以及分应用配置。

4.DeepSeek Harness 底层

Cordis 这个开源项目的简介是时空可组合性的元框架，它其实的 DeepSeek Harness 的底层插件框架。

DeepSeek Harness 把 Cordis 的源码直接引入项目，用它来组织模型调用、工具、会话等功能模块：每个模块需要什么能力、应该何时启动，以及模块之间如何通信，都由 Cordis 统一管理。

DeepSeek Harness 想增加新工具、替换模型或调整某项能力时，可以像装卸插件一样操作，不必改动整个系统。

5.给 AI Agent 做的上下文数据库

OpenViking 是火山引擎开源的 AI Agent 上下文数据库，负责统一保存智能体需要的记忆、项目资料和技能。

可以把它理解成 Agent 的资料库加长期记忆系统：所有内容都按照文件夹组织，Agent 能用  ls 、 tree 、 find  等命令查找，整个检索过程也更容易查看和调试。

目前 OpenViking 已支持接入 Claude Code、Codex、Cursor、OpenClaw 等工具，让这些 Agent 更容易记住过去并复用知识。现在有 3.18 万 Star。

6.从 Claude Code 换到 Codex，不用重新解释项目

AI Memory 是一套为 AI 编程助手准备的开源长期记忆系统。

它会通过 hook 记录经过过滤的提示、工具操作和会话边界，再把有价值的内容整理成项目专属的 Markdown Wiki。

例如退出 Claude Code 后，在同一目录中启动 Codex，新的 Agent 可以收到上次会话的摘要、待办和交接信息。

支持 Claude Code、Codex、Cursor、Gemini CLI、OpenCode 等工具。

7.本地能跑什么模型

这个开源项目是一款帮你挑选本地大模型的开源终端工具。

它会自动检测电脑的内存、CPU、GPU、显存和运行后端，再针对数百个模型尝试不同量化方案。

分析哪些能够装进内存、预计运行多快，以及模型质量和上下文能力如何，避免下载几十 GB 后才发现电脑带不动。

8.在 MAC 本地管理 AI 大模型

Mac 上跑本地模型已经不难，同时管理多个模型、并发请求和长对话缓存时，事情又会变得麻烦。

oMLX 针对 Apple Silicon 做了一套完整的本地推理服务，并且可以从 macOS 菜单栏管理。

它支持连续批处理，能够在同一台机器上处理多个并发请求。

分层 KV Cache 把高频缓存放在内存，内存紧张时把冷数据卸载到 SSD。

9.开源 AI 模型训练工具

Unsloth 是一个拥有 7.4 万 Star 的开源 AI 模型训练工具，主要解决微调速度慢、显存占用高和配置复杂的问题。

根据官方测试，部分任务可以提速约 2 倍哦，同时减少约 70% 的显存占用，让个人开发者也有机会用消费级显卡尝试模型微调。

它提供桌面应用、Web UI 和代码版本。

而且这个开源项目覆盖数据处理、LoRA/QLoRA 微调、模型导出与本地部署。

10.14MB 的工具调用模型 Needle 2

不是所有 AI 都有一张大显卡可以用。

比如手机、智能家居和小型机器人啥的对模型大小、内存都要求挺高的。

Needle 2 这个开源项目是一个 4500 万参数的开源模型，主要用于工具调用、设备操作和结构化信息提取。

模型与运行引擎打包后约 14MB，完整会话只需约 28MB 内存。