🔥 开源热榜

这是智谱（Z.ai）开源的编码智能体运行框架（harness）。它本身不训练模型，而是提供模型与真实代码库之间那层「操作系统」：工具调用、上下文管理、任务拆解、多轮编辑与结果验证都在这里完成。你可以把它理解成 Claude Code、Codex CLI 这类工具的开放底座，好处是模型可替换、工具可增删、流程可按团队习惯改造。核心亮点在于 extensible——既能开箱即用跑通一个编码助手，也能作为骨架改造成私有化的团队工具，不必从零写调度和工具层。

一个装在安卓手机上的对话副驾，在 QQ、X、飞书等聊天界面里读取屏幕内容、理解上下文，生成几条候选回复，再一键填进输入框——最终发不发由你决定。它的卖点是非侵入：不 hook 应用、不改包、不注入进程，只依赖系统级的读屏能力，因此不需要 root，也不容易触发风控。它解决的是很日常的痛点：消息太多不知怎么回、外语聊天反应慢、场面话打不出手。本质上是把「读屏 + 理解 + 生成 + 填字」串成一条极短的闭环。

一个用 Go 写的 agent harness，定位是 async-first：任务不会被同步调用阻塞，可以并行派发子任务、挂起等待外部事件、长时间后台运行。这和常见的「问一句答一句」式 agent 框架不同，它面向的是真实生产环境里那种需要跑几分钟到几小时、涉及多次工具调用和外部回调的流程。它解决的是同步框架在天花板附近的痛点——并发上不去、长任务容易超时、状态难恢复。用 Go 写也意味着更容易嵌进现有后端服务，而不是单开一个 Python 进程。

一个用 Swift 写的轻量 macOS 浏览器，由 Office Commun 出品。它直接使用系统自带的 WebKit，而不是自带一份 Chromium，所以体积小、启动快、内存占用低，界面也刻意保持简单。它不是为了替代 Safari 或 Chrome 的功能全集，而是把「开个窗口、搜一下、看个页面、关掉」这条路径做到最短。存在意义在于：主流浏览器越来越重、越来越像操作系统，而很多人只是需要一个不打扰的搜索窗口。

从仓库命名与语言看，这是一个围绕对比学习（contrastive learning）构建的语言模型项目：不只让模型学「下一个词是什么」，还让它在若干候选中分辨哪个更合理、哪个更贴近给定上下文或偏好。这类思路常见于重排序、句向量表示、偏好对齐和判别式生成等场景，通常能用更小的模型做到接近大模型的判别效果。仓库目前没有描述，具体训练目标、数据规模和可用权重需要看 README 与代码确认，不能仅凭名字下结论。

DeepOpen 把决策拆成 System 1 与 System 2 两类，自己做的是前者：不逐 token 生成推理链，而是用非自回归方式一次性输出结构化决策结果，比如分类、路由、打标、字段抽取。支持多语言。它面向的场景是「快、稳、便宜、可批量」——高并发下每个请求都要在毫秒级给出一个确定答案，而不是慢慢写一段解释。存在意义在于，很多线上任务根本不需要开放式推理，用自回归大模型属于杀鸡用牛刀且成本失控。

一个开源 Agent Skill 加零依赖 Node CLI，专门补上「AI 把产品写出来了，但上线卡住」这个断点。它帮智能体完成宿主、数据库、域名、邮箱、支付这几件脏活，流程固定为 detect → plan → approve → apply → verify：先探测环境和现状，再给方案，你批准后才执行，最后验证结果。关键卖点是跑在你自己的云账号上，不需要注册 GoLive，没有中间后端，也没有遥测，凭据和控制权都在你手里。

一个用 Rust 加 GPUI 写的磁盘空间可视化工具，把目录占用画成树状图（treemap）：方块越大代表占空间越多，嵌套层级对应目录结构，你能一眼看出是哪个目录、哪类文件把硬盘撑满了，并对准目标直接删除。它为 Omarchy（一个基于 Arch 与 Hyprland 的桌面配置发行版）而做。存在意义是把「du 一层层翻、猜哪里大」这件烦事，变成一次视觉扫描加一次点击。