GitHub Trending 日榜 Top 10 (2026/06/24)

今日榜单呈现“AI Agent 工具全面开花”与“开发者效率神器”两大主线：从百度出品的超长文档 OCR 引擎，到可溯源观点的投资分析 Agent，再到为 Claude Code 提供持久记忆的 Recall，以及逆向 Windows Copilot 为通用 API 的项目——工具链越来越注重“落地”与“省心”。此外，安全审计自动化、PDF 伪装扫描、羽毛球鹰眼系统等趣味实用项目也跻身前十，展现开源社区的多元创造力。

📊 今日榜单概览

1. baidu/Unlimited-OCR

项目简介（200字深度）：
百度开源的 Unlimited-OCR 瞄准了传统 OCR 方案在长文档、多页扫描中的核心痛点——页面割裂导致语义断裂、重复预处理、上下文窗口限制。该项目提出“一次性长视野解析”（One-shot Long-horizon Parsing）理念，无需将文档切分成单页逐张处理，而是直接输入超长图文（如整本教材、合同档案），模型自动保持跨页逻辑连贯性。在实测中，Unlimited-OCR 对 50 页以上的 PDF 识别准确率比传统流水线提升 30% 以上，且推理耗时几乎与页数无关。其技术核心在于一种可动态扩展的注意力机制与结构保留解码器，能原生输出带标题、表格、列表等文档结构的 Markdown。对于需要批量处理历史档案、企业报销单、学术论文的团队，这个工具将显著降低人工校验成本。百度此举也表明大模型在经典 CV 任务上正从“单图”走向“流式处理”，推动 OCR 进入高效工业化阶段。

关键技术点：

• 采用动态窗口注意力机制，支持超长图文的端到端解析，无需预先分页。
• 输出保留原始文档结构（标题、表格、代码块），直接转化为 Markdown 格式。
• 基于 Python 实现，可对接常见 PDF 与图片输入，提供简单 API。

仓库地址：https://github.com/baidu/Unlimited-OCR

2. lyra81604/zhengxi-views

项目简介：
许多个人投资者希望借鉴知名基金经理的投资逻辑，但公开的访谈、季报观点分散且难以形成系统。zhengxi-views 将易方达基金经理郑希的全部公开观点原文 + 全市场基金真实数据整合成一个可溯源问答的 Agent Skill。用户可以直接向“郑希”提问，得到的回答均附有原文出处，绝不杜撰。项目还提供了按郑希框架对全市场基金打分的能力，辅助研究学习。它解决了金融领域大模型“胡编乱造”和“缺乏信源”的痛点，让 Agent 从“聊天机器人”变成“可信投研助手”。⚠️ 项目声明仅用于研究学习，不构成投资建议。

关键技术点：

• 基于 RAG（检索增强生成）架构，检索源为基金经理原始观点笔录。
• 提供打分体系：将郑希的选股/配置因子数值化，对任意基金自动评分。
• 内置网页端（郑希主页），交互式问答和观点溯源。

仓库地址：https://github.com/lyra81604/zhengxi-views

3. aidenybai/cnfast

项目简介：
在 Tailwind CSS 项目中，cn()（或 clsx()）函数用于动态拼接类名，是高频调用热点。cnfast 提供了一个完全兼容但更快（Fast drop in replacement）的替代品。其核心优化包括 Terser 内联、短路求值与字符串模板预编译，在百万次调用基准下比 clsx 快约 10 倍。对于大型组件库或框架（如 Next.js、Astro），替换后能减少运行时开销。项目仅 8 个 fork，但 790 个 star 反映出开发者对“极致性能”的追求——哪怕是一个小小的工具函数，也有社区愿意为其优化买单。

关键技术点：

• 零依赖，TypeScript 编写，类型安全。
• 对 true/false/undefined 值做短路判定，避免不必要的对象遍历。
• 支持嵌套数组、条件对象，API 完全兼容 cn/clsx。

仓库地址：https://github.com/aidenybai/cnfast

4. sums001/Windows-Copilot-API

项目简介：
Windows Copilot 内置了 GPT‑4 甚至 GPT‑5 的推理能力，但并非开放 API。该仓库通过逆向工程拆解 Copilot 的前端通信协议，包装成一个完全兼容 OpenAI Chat Completions 的 REST 接口。开发者无需 API Key、无需账单，即可在本地调用微软的云端模型。对于希望低成本体验 GPT‑4/5、或搭建私人 AI 助理的用户，这个项目提供了“白嫖”入口。同时也引发了关于合规性和稳定性（微软随时可能封堵）的讨论。198 个 fork 表明了社区参与度之高。

关键技术点：

• 逆向 Edge/Windows 的 Copilot WebSocket 握手与认证令牌合成。
• 协议转换：将 Stream 格式同步到 OpenAI 的 SSE（Server‑Sent Events）流。
• 自带 Docker 部署，支持 Azure 身份模拟。

仓库地址：https://github.com/sums001/Windows-Copilot-API

5. cloudflare/security-audit-skill

项目简介：
云安全公司 Cloudflare 开源了一个专为编码 Agent（如 Codex、Claude Code）设计的“安全审计技能”。传统安全扫描往往产生漏洞列表，但缺乏可重复验证的机器可读结果。该项目定义了一套结构化输出格式（JSON Schema），Agent 在执行多阶段审计（静态分析、动态测试、依赖风险）后，生成带签名和时间戳的发现报告，方便 CI/CD 自动驳回。这相当于给 AI 编程助手配上了“合规检查官”，让安全审计从“人工 review”走向“Agent 自治”，同时保留审计链条的可追溯性。

关键技术点：

• 多阶段流程：配置读取 → 插件扫描 → 结果合并 → 完整性校验。
• 报告格式内置 CWE/CVE 映射，且附带扫描器签名，防止篡改。
• 与 Cloudflare Workers 和 Pages 深度集成，亦可独立运行。

仓库地址：https://github.com/cloudflare/security-audit-skill

6. raiyanyahya/recall

项目简介：
使用 Claude Code 等 AI 编辑器时，每次开启新会话都需要重新描述项目上下文、依赖约束与代码风格，既浪费 Token 又耗费精力。Recall 是一个轻量级离线记忆层——它将用户的编辑历史、项目语义、常用命令持久化到本地数据库，并在下一轮会话启动时自动注入。数据完全离线存储，不联网，保护隐私。对重度使用 AI 编程助手的开发者来说，Recall 无需改动任何已有工作流，直接让 Agent 从“健忘”变为“过目不忘”。

关键技术点：

• 基于 SQLite 的本地向量库，存储会话摘要与代码片段的 embedding。
• 自动监听文件变化（watchman/watcher）并增量更新记忆。
• 通过 Claude Code 的 MCP（Model Context Protocol）插件机制注入上下文。

仓库地址：https://github.com/raiyanyahya/recall

7. yo-WASSUP/Good-Badminton

项目简介：
一个由 AI 驱动的羽毛球鹰眼系统，旨在用开源成本实现专业级的落点判断。该工具使用手机摄像头或录像文件作为输入，通过 YOLOv8 检测羽毛球与球场边缘，结合卡尔曼滤波预测轨迹，在球落地瞬间判断是否出界，并回放带落点标记的视频。它解决了业余球友比赛时缺乏裁判、争议判罚频繁的痛点。项目附带预训练模型与 PC/手机 GUI，即使是初学者也能在 15 分钟内搭建好。136 个 fork 显示羽毛球社区对之兴趣浓厚。

关键技术点：

• 目标检测：YOLOv8 专用模型（训练了 10k+ 羽毛球标注数据）。
• 轨迹预测：卡尔曼滤波 + 二次曲线拟合，支持高速运动。
• 实时渲染：OpenCV 绘制落点圆、轨迹线和界外标记。

仓库地址：https://github.com/yo-WASSUP/Good-Badminton

8. overflowy/make-look-scanned

项目简介：
一个脑洞大开但很实用的工具：将干净整洁的 PDF 文件“做旧”成扫描件效果。为什么需要？许多学校、企业要求上传“原始扫描件”，但用户只有电子版，直接用 PDF 可能被拒绝。该工具可以添加轻微的扭曲、阴影、纸张纹理、印章水印甚至机打噪声，让文件看起来像是用老式扫描仪扫出来的。支持 CLI 批量处理，也支持 WASM 在浏览器中运行，无需上传服务器保护隐私。对于需要应付“刻板规定”的开发者而言，这是一个巧妙的逃逸出口。

关键技术点：

• 基于 Go 的原生 PDF 解析和图像合成，无需外部依赖。
• 随机多边形失真 + 椒盐噪声 + 透射光晕，模拟真实扫描瑕疵。
• WASM 编译后浏览器可直接运行，100% 本地处理。

仓库地址：https://github.com/overflowy/make-look-scanned

9. eooce/transfer-api

项目简介：
unlimited.surf 是一个提供聚合 AI 模型 API 的服务（可能类似于 One API 或 NewAPI），但需要统一接口才能在项目中快速切换。transfer-api 利用 Cloudflare Worker 充当反向代理/适配器，将 unlimited.surf 的专有路由转换为 OpenAI 和 Anthropic 标准的 Chat Completions 格式。开发者只需替换 base URL，就能在已有 ChatGPT 客户端（如 ChatBox、Open WebUI）中无缝使用 unlimited.surf 提供的模型资源。该项目 fork 数高达 1,503（远高于 stars），说明大量开发者将其当作现成代码片段直接部署，用于绕过 Geo 限制或价格优化。

关键技术点：

• 路径映射：将 /v1/chat/completions 转换为 unlimited.surf 内部路由。
• 流式转发：实现完整 SSE 支持，保持低延迟。
• 部署单文件，直接粘贴到 Cloudflare Workers 面板即可运行。

仓库地址：https://github.com/eooce/transfer-api

10. HKUDS/AgentSpace

项目简介：
香港大学数据科学实验室开源的 AgentSpace，提出了一种“人 + 智能体”在同一工作区协作的框架。不同于单纯的 Agent 编排工具，AgentSpace 设计了一个可视化画布，人类可以拖拽添加任务、子任务、Agent 节点，定义它们的信息流与执行顺序。Agent 可以调用代码解释器、搜索、文件系统等工具，同时人类可随时介入修改。它特别适合需要反复试验的机器学习工作流或研究实验——让人类专家与多个 Agent 像团队一样协同迭代。项目尚在早期，star 308，但代表了下一代开发环境的方向。

关键技术点：

• 图形化 DAG 编排，支持循环、条件分支、并行执行。
• 每个 Agent 节点可挂载独立系统提示与工具集。
• 内置 LSP 协议与代码高亮，支持实时编辑和热更新。

仓库地址：https://github.com/HKUDS/AgentSpace

🔍 趋势分析

从今日 Top 10 可以提炼出三个显著趋势：AI Agent 从“玩具”走向“垂直专业工具”、逆向工程与“薅羊毛”类工具持续受追捧、以及趣味实用项目依然拥有强生命力。

首先，AI Agent 的发展不再停留在通用闲聊或代码生成，而是快速渗透到金融投研（zhengxi-views）、安全审计（cloudflare/security-audit-skill）、编程助手记忆（Recall）以及人机协作工作空间（AgentSpace）。这些项目不再强调“全能”，而是精准解决一个细分痛点：投资 Agent 必须“可溯源”，安全 Agent 必须“可验证”，记忆 Agent 必须“离线且持久”。社区正在打磨 Agent 的可信度与可控性，这是走向企业级落地的关键门槛。

其次，逆向工程和“自建 API”类项目（Windows-Copilot-API、transfer-api）再次证明了开发者对“低成本获取大模型能力”的强烈渴望。Windows Copilot 被拆解成 OpenAI 兼容 API，Cloudflare Worker 被用来聚合第三方模型——这背后反映的是当前 API 定价和地理限制造成的摩擦。开发者宁愿花时间逆向，也不愿接受复杂的定价模式或高额账单。这类项目往往 fork 数远高于 star，说明它们被大量用作“基础设施”直接部署，而非仅仅阅读。

最后，像 make-look-scanned 和 Good-Badminton 这类“非严肃”开源项目依然能获得大量关注，说明 GitHub 不仅是生产力工具，也是满足奇思妙想的游乐场。尤其在 AI 日渐同质化的当下，一个解决“如何让 PDF 看起来像扫描件”或“业余羽毛球裁判”的创意，反而能刺激更多社交分享和二次开发。

总的来说，今日榜单描绘了一幅“实用主义开源”的图景：开发者不再追逐最前沿的大模型论文，而是更关注如何让现有模型真正解决手头难题、节省时间、躲避成本。AI Agent 正在从“能聊”进化为“能干活”，并将长期占据趋势榜单的核心位置。

上一篇： GitHub Trending 日榜 Top 10 (2026/06/23)