Prompt
[IMPORTANT: You are running as a scheduled cron job. DELIVERY: Your final response will be automatically delivered to the user — do NOT use send_message or try to deliver the output yourself. Just produce your report/output as your final response and the system handles the rest. SILENT: If there is genuinely nothing new to report, respond with exactly "[SILENT]" (nothing else) to suppress delivery. Never combine [SILENT] with content — either report your findings normally, or say [SILENT] and nothing more.]
你是一个 AI 技术雷达,每天为用户推荐 10 个与人工智能相关的 GitHub 热门仓库。
任务目标
每天上午 10:00(北京时间)推荐 10 个 AI 相关的 GitHub 热门仓库。
推荐范围
包括但不限于:
- 大语言模型(LLM)
- Agent 框架
- AI 应用开发工具
- 机器学习 / 深度学习工具
- AI 工程化 / MLOps 工具
- AI UI / Copilot 类工具
筛选标准
- Star 数较高或近期增长快(trending)
- 社区活跃度高(最近有 commit、issue 响应及时)
- 不能重复推荐历史上已经出现过的仓库
- 优先选择"工程化 / 可落地"的项目
- 避免过于陈旧或无人维护的仓库
进度追踪
首先读取已推荐列表:
`bash
cat /tmp/ai_github_recs.txt 2>/dev/null || echo "[]"
`
然后搜索 GitHub Trending(AI 相关)和 Hugging Face 最新热门项目,选出 10 个新仓库,排除已推荐列表中的仓库。
输出格式(严格遵守)
对每个仓库,必须包含以下信息:
1. 仓库名称(带链接)
简介: 一句话介绍它是做什么的 核心功能:- 功能点 1
- 功能点 2
- 功能点 3
- 场景 1
- 场景 2
(共 10 条,按序号 1-10 排列)
额外约束
- 内容必须是最新或仍然活跃维护的项目
- 如果有多个同类项目,优先选择更"工程化 / 可落地"的
- 可以适当包含:AI Agent 框架、RAG 工具链、LLM 应用模板、多模态 AI 项目
- 不要输出无关闲聊内容
- 不要重复解释任务
- 只输出推荐内容本身,干净利落
⚠️ 重要:你的回复将被直接发送到飞书(Feishu)聊天窗口。飞书支持 Markdown 格式,所以请使用标准 Markdown 语法。
注意:
- 使用 ## 作为二级标题
- 使用 文字 作为粗体
- 使用 - 或 * 作为列表项
- 确保所有 Markdown 符号都是标准的
- 不要在输出中包含任何 Cron Job 元数据、Prompt 内容或 Response 标记
- 只输出教学内容本身,干净利落
更新进度
输出完成后,将本次推荐的 10 个仓库名称保存到进度文件:
`bash
echo '[已推荐的仓库名数组]' > /tmp/ai_github_recs.txt
`
Response
Now let me compose the final report with detailed information for each recommended repo.
🤖 AI 技术日报 — GitHub 热门仓库推荐
1. langgenius/dify ⭐ 147K+
简介: 生产级 AI 工作流开发平台,支持从 API 到完整应用的快速搭建 核心功能:- 可视化编排 AI 应用工作流(拖拽式 prompt、RAG、代码节点)
- 内置知识库管理,支持文档上传、分段、向量化检索
- 一键部署为 API 服务或独立 Web 应用,支持多模型后端
- 企业内部知识库问答系统快速搭建
- 多模型统一接入与管理平台
2. firecrawl/firecrawl ⭐ 144K+
简介: 大规模网页搜索、抓取与结构化数据提取 API 核心功能:- 将任意网页转换为 LLM 友好的结构化数据(Markdown/JSON)
- 支持批量爬虫、深度爬取(sitemap + 链接发现)
- 提供 MCP Server 集成,可直接对接 AI Agent
- 为 RAG 系统构建高质量知识库数据源
- 竞品情报收集与市场调研自动化
3. open-webui/open-webui ⭐ 144K+
简介: 用户友好的自托管 AI 聊天界面,支持 Ollama、OpenAI API 等多种后端 核心功能:- 类 ChatGPT 的 Web 界面,支持多模型切换与对话管理
- 内置文件上传、代码高亮、Markdown 渲染
- 支持插件扩展与角色预设,可搭配 Ollama 本地运行
- 团队内部私有化部署 AI 聊天平台
- 本地模型(Ollama)的快速交互入口
4. mem0ai/mem0 ⭐ 60K+
简介: 为 AI Agent 打造的通用记忆层框架 核心功能:- 自动提取、存储和检索对话中的关键信息
- 支持长期记忆与短期记忆的分级管理
- 提供 SDK 与 API,无缝集成到任何 Agent 框架
- 让聊天机器人记住用户偏好和历史对话
- 多轮复杂任务的上下文保持
5. bytedance/deer-flow ⭐ 76K+
简介: 字节跳动开源的长周期 SuperAgent 框架,具备研究、编码与创造能力 核心功能:- 多子代理协作架构,支持自主规划与执行复杂任务
- 内置沙箱环境、工具调用与技能系统
- 持久化记忆与消息网关,支持分钟到小时级任务链
- 自动化代码审查与重构
- 跨平台的研究报告生成
6. headroomlabs-ai/headroom ⭐ 56K+
简介: 在 LLM 接收数据前压缩工具输出、日志与 RAG 片段,节省 60-95% Token 核心功能:- 库、代理服务器、MCP Server 三种部署方式
- 透明压缩,不影响 LLM 回答质量
- 与现有 Agent 框架零侵入集成
- 降低长上下文场景下的 API 成本
- 在 token 预算有限的情况下处理更多工具输出
7. Graphify-Labs/graphify ⭐ 77K+
简介: AI 编码辅助技能,将代码库、数据库 Schema 和基础设施文档转化为可查询的知识图谱 核心功能:- 自动扫描代码、SQL Schema、R 脚本、文档、图片甚至视频
- 构建统一的知识图谱供 AI 代理查询
- 支持 Claude Code、Cursor、Gemini CLI 等多平台
- 大型代码库的 AI 辅助理解与重构
- 跨团队协作时的知识共享
8. hiyouga/LlamaFactory ⭐ 72K+
简介: 统一高效的 100+ LLM/VLM 微调框架 核心功能:- 支持 LoRA/QLoRA/DPO/ORPO 等多种微调策略
- 兼容 Llama、Qwen、ChatGLM、Mistral 等 100+ 模型
- Web UI + CLI 双模式,单卡即可高效微调
- 企业私有模型的领域适配微调
- 快速验证不同微调策略的效果对比
9. OpenBB-finance/OpenBB ⭐ 70K+
简介: 面向分析师、量化交易员和 AI Agent 的开放数据平台 核心功能:- 统一 API 接入股票、加密货币、宏观经济等海量金融数据
- 支持 AI Agent 直接调用的结构化数据接口
- 可扩展的插件生态,覆盖 100+ 数据源
- AI 驱动的金融分析与投资决策辅助
- 量化策略回测与数据获取一体化
10. sansan0/TrendRadar ⭐ 60K+
简介: AI 驱动的多平台舆情监控与趋势发现工具 核心功能:- 聚合多平台热点 + RSS 订阅,AI 智能筛选与分析
- 支持 MCP 架构接入,自然语言对话分析
- Docker 一键部署,支持微信/飞书/钉钉/Telegram 等推送
- 品牌舆情实时监控与预警
- 行业趋势追踪与信息简报自动生成
📊 本期亮点: 本批推荐覆盖了 AI 应用开发平台(Dify)、数据管道(Firecrawl)、Agent 框架(Deer-Flow/Mem0)、成本优化(Headroom)、微调工具(LlamaFactory)和垂直领域(OpenBB/TrendRadar),兼顾了前沿探索与工程落地。