GitHub 周榜（2026.07.08）
本周涨星最快的 10 个开源项目
又到 GitHub 周榜时间。
这周的画风和之前不太一样：不是单纯新模型刷屏，而是 Agent 工具链继续往下沉。安全扫描、会议纪要、求职投递、代码库记忆、Token 成本优化、模型路由、Codex/Claude Code 互通插件——全都在往一个方向走：让 AI Agent 从 demo 进入具体工作流。
说明一下：Star 数会实时变化，本文只代表 2026 年 7 月 8 日的一个快照。项目介绍只做信息整理，不代表推荐生产环境直接采用。
1. strix — AI 驱动的安全测试 Agent
Stars：约 38.5k | 本周 +10.7k
GitHub: https://github.com/usestrix/strix
这周涨得最猛的项目。开源 AI hacking agent，从代码和运行环境里自动挖漏洞、验证漏洞、出报告。
和传统静态扫描工具不一样，strix 把 Agent 塞进了安全测试流程——自己读代码，自己尝试攻击，自己写结论。
AI 编程工具越强，写出来的代码安全不安全就越让人焦虑。strix 这类项目本质上是在给 Agent 时代补安全闭环。安全任务天然适合自动化：扫描、推理、验证、报告，每一步都有可量化的反馈，不容易跑偏。
2. agency-agents — 多 Agent 团队编排
Stars：约 128.8k | 本周 +8.6k
典型的多 Agent 协作项目。按角色分工：有的负责规划，有的负责执行，有的负责审查，有的负责调工具。
单 Agent 干复杂任务容易丢上下文、跑偏、反复试错，多 Agent 的思路是用分工解决这个问题。
不过我对这类项目的态度一直是：重点不是 Agent 多就好使，而是任务边界、状态同步、成本控制和失败恢复能不能兜住。
3. caveman — LLM 上下文压缩
Stars：约 86.3k | 本周 +8.1k
GitHub: https://github.com/JuliusBrussee/caveman
Rust 写的高性能 LLM 上下文压缩工具。用"穴居人"式风格压缩，把模型的冗余礼貌用语砍掉，技术信息一个字不动。实测能省 60-67% 输出 token。
Agent 真跑起来，最痛的不是某一次调用花了多少，是长任务里上下文越吃越多。读仓库、读文档、留历史、反复试错，每一步都吃 token。上下文越长，成本越高，速度越慢，模型也越容易丢了重点。
2026 年做 Agent，压缩上下文不是锦上添花，是基础设施。caveman 这种项目说明开源圈已经在想：怎么把真正有用的留下来，而不是一股脑全塞进去。
4. Meetily — 本地优先的 AI 会议纪要
Stars：约 20.7k | 本周 +7.3k
GitHub: https://github.com/Zackriya-Solutions/meeting-minutes
开源 AI 会议纪要工具，本地优先、免费、跨平台。录音→转写→总结→提取待办，全链路在本地跑。
会议纪要是普通人最能理解的 AI 场景之一。不像通用 Agent 那么抽象，也不像编程 Agent 那么难上手。Meetily 的核心卖点是本地优先——会议内容涉及公司内部信息，很多人不愿意把音频上传到第三方平台。
如果你想找个开源项目快速感受 AI 怎么进办公场景，Meetily 比很多"大而全 Agent"更接地气。
5. codebase-memory-mcp — 编程 Agent 的长期记忆
Stars：约 28.0k | 本周 +5.5k
高性能代码库记忆 MCP server。给整个代码库建持久化知识图谱，让 Claude Code / Codex 不再每次从零开始理解项目。
Agent 写代码最怕什么？不是不会写某个函数，是不理解项目已有结构。不知道这个模块为什么这么写，不知道历史约束，不知道哪些文件不能动，不知道改一处会不会牵连别的调用链。
代码库记忆是编程 Agent 的关键基建。这东西的价值不是单次 demo 能看出来的，而是长期用下来：Agent 能不能越来越懂你的仓库。
6. ai-job-search — AI 求职自动化
Stars：约 10.8k | 本周 +5.4k
AI 求职工具。帮你自动筛岗位、分析 JD、生成申请材料，辅助投递。
求职是典型的信息密集型任务：刷招聘网站、对比 JD、改简历、写 cover letter、记录投递状态。很多步骤不难，但吃人。Agent 在这里的价值不是替你拿 offer，是把低价值重复劳动自动化。
不过自动投递做得太猛容易变成垃圾申请，也可能违反招聘平台规则。好的求职 Agent 应该辅助筛选和准备，别搞无脑海投。
7. system_prompts_leaks — 系统提示词泄露合集
Stars：约 53.0k | 本周 +5.3k
GitHub: https://github.com/asgeirtj/system_prompts_leaks
收集主流 AI 产品背后泄露的系统提示词。
这仓库能火说明开发者确实对大厂 AI 产品背后的 prompt、工具调用、约束策略很好奇。可以用它来观察产品设计思路：怎么约束模型角色、怎么声明工具、怎么做安全边界。
但不建议直接复刻闭源产品的内部策略，更不该当破解教程用。系统提示词这个话题热，本质上说明大家已经意识到：AI 产品不只是模型，prompt、工具、权限、上下文组织同样决定体验。
8. exercises-dataset — 健身动作结构化数据集
Stars：约 10.7k | 本周 +5.0k
GitHub: https://github.com/hasaneyldrm/exercises-dataset
本周少见的非 AI 项目。提供不同肌肉群、器械、动作类型的健身动作结构化数据。
没 AI Agent 那么性感，但很实用。很多健身 App、训练计划工具、健康类产品都需要结构化动作数据——动作名称、目标肌群、器械类型、示意图、分类标签。这些基础数据整理起来其实很麻烦。
它能冲上来，说明 GitHub 热榜不全是 AI，真正有用的数据集和基础资源依然有人买账。
9. OmniRoute — 开源 LLM API 网关
Stars：约 13.1k | 本周 +4.8k
开源 LLM API gateway，在不同模型和供应商之间做路由、切换、管理。
现在做 AI 应用很少只接一个模型了。OpenAI、Anthropic、Google、DeepSeek、Qwen、GLM，各家模型价格、速度、上下文、能力都不一样。模型越来越多以后，应用层最缺的就是一层统一网关。
什么时候切便宜模型、什么时候上强模型、什么时候 fallback、什么时候记成本——这些都需要基础设施来管。OmniRoute 出现说明 AI 应用开发正在从"调一个 API"进入"管理一组模型资源"。
10. codex-plugin-cc — Codex CLI 委托 Claude Code
Stars：约 26.6k | 本周 +4.7k
OpenAI 官方的 Codex CLI 插件，用来把任务委托给 Claude Code。
这事本身比项目代码更值得琢磨。它说明 AI 编程工具之间的关系不一定只有"谁替代谁"，也可能是互相调用、互相编排。Codex 负责规划，Claude Code 负责某类执行，或者反过来——不同模型、不同工具各干一段。
这是 Agent 工具链成熟的信号：从单一产品崇拜，走向多 Agent 编排。
这周说明了什么
这周 GitHub 热榜最值得看的不是"又出了哪个新模型"，而是 AI Agent 开始进入具体流程：
安全——strix
会议——Meetily
求职——ai-job-search
编程记忆——codebase-memory-mcp
Token 压缩——caveman
模型路由——OmniRoute
多 Agent 编排——agency-agents、codex-plugin-cc
开源圈的关注点正在继续变化。去年大家还在追"模型有多强"。现在越来越多人在做"怎么让模型真的干活"。而且这个"干活"不再只是写一段代码，而是进入安全、办公、求职、研发、模型管理这些具体场景。
Agent 的下半场，大概率不是比谁 demo 更震撼，而是比谁更稳定、更便宜、更容易嵌进真实工作流。
AIGC标识: 66787a30-fe82-4e32-aaa6-f775a12ac2fa
ursor, Cline & Copilot to FREE Claude/GPT/Gemini. RTK+Caveman stacked compression saves 15-95% tokens, smart auto-fallback, MCP/A2A, multimodal APIs, Desktop/PWA. · GitHub">GitHub - diegosouzapw/OmniRoute: Never stop coding. Free AI gateway: one endpoint, 231+ providers (50+ free), connect Claude Code, Codex, Cursor, Cline & Copilot to FREE Claude/GPT/Gemini. RTK+Caveman stacked compression saves 15-95% tokens, smart auto-fallback, MCP/A2A, multimodal APIs, Desktop/PWA. · GitHub
开源 LLM API gateway，在不同模型和供应商之间做路由、切换、管理。
现在做 AI 应用很少只接一个模型了。OpenAI、Anthropic、Google、DeepSeek、Qwen、GLM，各家模型价格、速度、上下文、能力都不一样。模型越来越多以后，应用层最缺的就是一层统一网关。
什么时候切便宜模型、什么时候上强模型、什么时候 fallback、什么时候记成本——这些都需要基础设施来管。OmniRoute 出现说明 AI 应用开发正在从"调一个 API"进入"管理一组模型资源"。
10. codex-plugin-cc — Codex CLI 委托 Claude Code
Stars：约 26.6k | 本周 +4.7k
OpenAI 官方的 Codex CLI 插件，用来把任务委托给 Claude Code。
这事本身比项目代码更值得琢磨。它说明 AI 编程工具之间的关系不一定只有"谁替代谁"，也可能是互相调用、互相编排。Codex 负责规划，Claude Code 负责某类执行，或者反过来——不同模型、不同工具各干一段。
这是 Agent 工具链成熟的信号：从单一产品崇拜，走向多 Agent 编排。
这周说明了什么
这周 GitHub 热榜最值得看的不是"又出了哪个新模型"，而是 AI Agent 开始进入具体流程：
安全——strix
会议——Meetily
求职——ai-job-search
编程记忆——codebase-memory-mcp
Token 压缩——caveman
模型路由——OmniRoute
多 Agent 编排——agency-agents、codex-plugin-cc
开源圈的关注点正在继续变化。去年大家还在追"模型有多强"。现在越来越多人在做"怎么让模型真的干活"。而且这个"干活"不再只是写一段代码，而是进入安全、办公、求职、研发、模型管理这些具体场景。
Agent 的下半场，大概率不是比谁 demo 更震撼，而是比谁更稳定、更便宜、更容易嵌进真实工作流。
欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。
更多推荐
6
0- 0
已为社区贡献1条内容
所有评论(0)