GitHub 开源热榜 2026-10-22

🎯 今日趋势

今日趋势有两条主线：电视端去广告、夺回桌面集中爆发，开源Launcher借ADB降低门槛；AI工具链继续降本，DeepInfer补推理基础设施，REA项目把逆向做成提示词与轻量skill。开发者既要设备控制权，也要更便宜可控的AI生产力。

项目数 8

总 stars 50,212

Python 3

Java 2

C 1

Kotlin 1

项目榜单 · Top 8

cleanyourtv Gathin23

Java ⭐ 19,120 🍴 2,068

Wi-Fi一键精简安卓电视并换清爽主页

🔍 这个项目是做什么的

它面向被预装应用和广告桌面拖慢的Android或Google TV，通过同一Wi-Fi下的ADB连接远程清理电视：卸载或禁用臃肿软件，并替换成类似Apple TV的简洁主页。亮点是不用拆机、不一定要root，在电脑上就能操作，适合把旧电视或海外版电视恢复成干净、快速的状态。

🎯 对我有什么用

如果你有一台Android/Google TV或海外电视盒子，想给家人去掉开机广告和杂乱推荐，这个项目值得star并实际尝试。操作前在电视上打开开发者模式和网络ADB，先看项目支持列表与备份说明；适合清理旧电视、统一多台设备桌面。普通开发者也能借此学习ADB批量管理与Launcher替换。

DeepInfer deepseek-ai

Python ⭐ 17,845 🍴 1,828

DeepSeek模型的高性能大规模推理框架

🔍 这个项目是做什么的

DeepInfer是DeepSeek官方推出的推理框架，专门解决DeepSeek系列模型在大规模部署时吞吐低、延迟高、显存和成本难控制的问题。它把模型并行、量化、调度和底层算子优化打包起来，让开发者不必从零拼装推理栈，就能在集群或生产环境里跑起高并发服务。亮点是紧贴DeepSeek模型结构做优化，适合严肃的推理基础设施场景。

🎯 对我有什么用

如果你要在本地或云端部署DeepSeek模型，尤其是面向多人并发或成本敏感的API服务，DeepInfer比通用推理框架更值得优先评估。普通开发者可先用它跑通单机/多卡部署，再对比vLLM等方案的吞吐和延迟；学习其并行与量化实现也能提升推理优化能力。需要一定GPU和运维基础，建议先star并读部署文档。

MacNativeGames ly05010419

C ⭐ 3,862 🍴 540

Mac上原生运行游戏的兼容层项目

🔍 这个项目是做什么的

仓库没有文字说明，从名称和C语言实现看，它试图让游戏在Mac上以原生方式运行，可能涉及兼容层、启动器或移植工具，目标是减少虚拟机与转译带来的性能和兼容损耗。亮点是走底层原生路线，适合关注Mac游戏生态的人观察；但当前信息有限，支持哪些游戏、完成度如何都需要看源码和issue判断。

🎯 对我有什么用

对Mac玩家来说有潜在吸引力，但成熟度和支持范围未知，不建议直接当作生产工具。普通开发者更适合把它当作C语言游戏兼容/移植的源码样本，研究其系统调用、图形接口适配思路；如果你正折腾Mac玩游戏，可以先star观望，读README和issue确认安装方式与已知问题，再决定是否投入时间。

free-my-tv simbasjungles

Java ⭐ 2,730 🍴 332

Google TV的快速无广告可撤销主页

🔍 这个项目是做什么的

free-my-tv为Google TV提供一个快速、无广告的替代主页，解决官方桌面推荐杂乱、广告多、响应慢的问题。它用开源方式实现Launcher替换，安装后开机进入干净界面，并且保留一键撤销功能，降低把电视桌面改坏的风险。项目由Claude Code参与构建，也展示了AI辅助开发小工具的效率。

🎯 对我有什么用

Google TV或Android TV用户可以直接用它替换默认桌面，尤其适合给父母或客厅电视去掉广告和推荐流。安装通常需要开启ADB调试，先确认电视型号和撤销步骤；开发者可以研究TV Launcher结构、焦点导航和ADB部署流程。因为可一键撤销、风险相对可控，值得star并小范围试用。

aerial-tv pengchujin

Kotlin ⭐ 2,073 🍴 150

给国产电视的tvOS风格无广告桌面

🔍 这个项目是做什么的

aerial-tv是给小米、TCL等国产电视用的开源Android TV桌面，参照tvOS做设计，核心是去掉广告和杂乱推荐，提供干净、快速、易操作的主页。它能在开机后自动接管默认桌面，让电视更像一个纯粹的影音入口。亮点是专门针对中国市场电视生态，界面审美和交互更接近Apple TV。

🎯 对我有什么用

如果你家里是国产Android电视，受够了开机广告和层层推荐，这个项目很适合实际折腾：通过ADB或U盘安装，设为默认Launcher后开机直达清爽桌面。给长辈用也能减少误触。开发者可学习Kotlin TV桌面开发、焦点处理和开机自启。建议先查自己电视型号兼容性并保留原桌面恢复方法，值得star。

cn-math-taxonomy xiaoyang111222

Python ⭐ 1,955 🍴 443

课标对齐的中小学知识图谱与诊断题库

🔍 这个项目是做什么的

cn-math-taxonomy把中小学数学和英语知识点组织成课标对齐、人教版的知识图谱，并配套6159道题和前置诊断能力。它解决的是教育资源散、知识点关系不清、难以定位学生薄弱环节的问题：先用前置依赖串起1503个知识点，再通过题目诊断掌握情况。亮点是数据量较大、结构清晰，可直接作为自适应学习系统的底座。

🎯 对我有什么用

教育产品开发者可以用它快速搭建自适应练习、错题诊断和知识点推荐，省去从零梳理课标与题库的时间；老师或家长也能据此分析学生卡在哪个前置知识点。使用前要确认数据许可、教材版本和维护状态，适合做原型或内部工具。对做教育AI、题库和知识图谱的人值得star学习。

REA-Prompts JoasASantos

Other ⭐ 1,338 🍴 200

用提示词模板逆向拆解任意程序

🔍 这个项目是做什么的

REA-Prompts提供一套面向REA（Reverse Engineer Anything）的提示词模板，帮助用户更系统地拆解、分析和克隆任意程序。它解决的是逆向工程门槛高、流程容易散的问题：把分析目标、程序结构、依赖关系和复现步骤写成可复用的prompt，让AI工具按套路输出。亮点是即插即用，适合把逆向工作流标准化。

🎯 对我有什么用

如果你做安全研究、代码审计或想理解陌生程序，这套提示词能减少组织问题的时间，让REA输出更聚焦。普通开发者也可用它分析开源/授权软件的架构，但务必遵守许可和法律，不要用于破解或侵权。建议先star，挑一个自己熟悉的程序按模板走一遍，再决定是否纳入工作流。

leanrea aicodeking

Python ⭐ 1,289 🍴 194

8KB纯CLI技能轻量替代REA逆向

🔍 这个项目是做什么的

leanrea用一个约8KB的skill替代REA做逆向工程，核心是走普通CLI工具而非MCP，从而减少依赖和调用开销。项目声称基准测试比REA快38%、便宜35%，适合让AI代理以更轻的方式完成程序拆解、代码理解和逆向分析。亮点是体积小、成本低、无MCP绑定，给逆向工作流提供了更可控的替代方案。

🎯 对我有什么用

如果你在用AI编码代理做程序分析，又嫌REA依赖重、费用高，可以先用leanrea跑一个真实项目对比效果。它适合初步逆向、依赖梳理和代码理解，但复杂二进制分析仍要人工校验。开发者还能学习如何用8KB skill封装CLI工具链。建议star后按benchmark复现，再决定是否替换现有REA流程。

🔥 开源热榜