GitHub Trending 日榜 Top 10 (2026/06/29)
数据更新时间：2026-06-29 08:30 CST | 按日增 Star 量排序
🥇 DeusData/codebase-memory-mcp — 日增 2,190 ⭐
总星数： 19,621 | 语言： C | 许可： MIT
项目简介：
一个高性能的代码智能 MCP 服务端，能够将代码仓库索引为持久化的知识图谱。支持 158 种编程语言，平均一个仓库的索引时间仅需毫秒级，查询时间更是低于亚毫秒。最引人注目的是它宣称可以减少 99% 的 Token 消耗——通过将代码结构压缩为图数据库，AI 编码助手在理解项目时不再需要反复读取完整代码。项目采用单一静态二进制文件，零依赖部署，开箱即用。当前已获近两万 Star，是 MCP 生态中最受关注的工具之一。
详细介绍：
codebase-memory-mcp 解决了 AI 编程助手在大型项目中面临的核心痛点——上下文窗口瓶颈。传统方式下，AI 需要反复读取大量代码文件来理解项目结构，既耗时又消耗大量 Token。该项目通过 tree-sitter 对代码库进行静态分析，构建 Cypher 知识图谱并持久化到 SQLite 或 Neo4j 中，然后通过 MCP 协议向 Claude Code、Cursor、Windsurf、Gemini CLI 等主流 AI 编码工具提供即时的、结构化的代码智能查询服务。开发者在编码时只需调用 MCP 工具接口，即可在毫秒内获取类型定义、函数调用关系、继承链等深度代码信息。该项目单日增长 2190 Star，证明社区对更智能、更经济的 AI 编码体验有着强烈渴求。
🥈 xbtlin/ai-berkshire — 日增 1,445 ⭐
总星数： 5,275 | 语言： Python | 许可： MIT
项目简介：
一个融合了巴菲特、芒格、段永平、李录四位投资大师方法论的价值投资研究框架。基于 Claude Code 和 Codex 构建，通过多 Agent 并行分析 A 股、港股和美股上市公司。系统能够自动从财报中提取关键指标、评估企业护城河、进行逆向思维推演，最终生成深度投资研究报告。特别适合个人投资者借助 AI 力量进行基本面分析，让普通人也能够运用大师级投资框架审视市场。
🥉 simplex-chat/simplex-chat — 日增 1,180 ⭐
总星数： 14,985 | 语言： Haskell | 许可： AGPL-3.0
项目简介：
SimpleX 是全球首个完全不使用任何用户标识符的即时通讯网络。与 Signal、Telegram 等需要手机号或用户名的传统隐私聊天应用不同，SimpleX 没有任何形式的用户 ID，服务器也无法识别谁在和谁通信。它使用双重棘轮加密协议保证端到端安全，同时通过去中心化的中继架构规避元数据泄露风险。目前已有 iOS、Android 和桌面客户端，是隐私通讯领域最具技术突破力的项目之一。
4. ripienaar/free-for-dev — 日增 495 ⭐
总星数： 125,203 | 语言： HTML
项目简介：
GitHub 上最知名的免费开发资源清单项目，收录了大量提供免费套餐的 SaaS、PaaS 和 IaaS 服务。涵盖了 CI/CD、监控、数据库、CDN、DNS、邮件、密钥管理、日志分析等开发者日常使用的各类工具。对于独立开发者、创业团队和学习者来说，这个项目是快速寻找免费替代方案的首选参考。目前已累积超过 12 万 Star，是 GitHub 上最受欢迎的 Awesome 列表之一。
5. HKUDS/Vibe-Trading — 日增 492 ⭐
总星数： 14,302 | 语言： Python | 许可： MIT
项目简介：
来自香港大学数据科学实验室的个人量化交易 Agent 框架。集成了 AI Agent、算法交易、回测引擎、MCP 协议和多 Agent 协作等特性。用户可以通过自然语言与 Agent 交互，让它自动执行市场分析、策略回测和实盘交易。项目结合了 LLM 的推理能力和传统量化策略的严谨性，降低了普通用户进入量化交易的门槛。
6. opendatalab/MinerU — 日增 380 ⭐
总星数： 71,571 | 语言： Python
项目简介：
一个强大的文档解析工具，能够将 PDF、Word、PPT、Excel 等复杂文档转化为 LLM 友好的 Markdown 和 JSON 格式。支持版面分析、OCR 识别、表格提取等功能，是构建 RAG 系统和 Agentic Workflows 时处理非结构化文档的关键基础设施。当下 AI 应用生态对文档解析的需求持续增长，MinerU 已成为该领域最具影响力的开源项目之一。
7. Robbyant/lingbot-map — 日增 372 ⭐
总星数： 8,217 | 语言： Python | 许可： Apache-2.0
项目简介：
一个前馈式的 3D 基础模型，能够从流式数据中实时重建三维场景。与传统依赖多视角图像或激光雷达的方案不同，该项目采用纯前馈网络架构，在保证精度的同时大幅降低了推理延迟。在机器人导航、AR/VR 和自动驾驶等需要实时环境感知的场景中具有重要应用前景。
8. altic-dev/FluidVoice — 日增 365 ⭐
总星数： 3,717 | 语言： Swift | 许可： GPL-3.0
项目简介：
macOS 上最快的离线语音转文字应用，所有处理完全在本地完成，无需联网。这意味着用户的语音数据不会离开设备，隐私得到最大程度保护。支持实时听写和文件转写，适用于会议记录、内容创作和编程语音输入等场景。以 Swift 原生开发保证了 macOS 上的流畅体验和极低资源占用。
9. commaai/openpilot — 日增 266 ⭐
总星数： 62,376 | 语言： Python | 许可： MIT
项目简介：
comma.ai 出品的开源机器人操作系统，目前主要用于升级 300 多种车型的辅助驾驶系统。它通过前置摄像头和已有的车辆 CAN 总线接口实现车道保持、自适应巡航和自动变道等 L2 级别的辅助驾驶功能。这是一个面向汽车黑客和自动驾驶爱好者的顶级开源项目，持续活跃超过 8 年，社区生态系统非常成熟。
10. cupy/cupy — 日增 174 ⭐
总星数： 11,509 | 语言： Python | 许可： MIT
项目简介：
CuPy 是一个 NumPy/SciPy 的 GPU 加速替代品，提供了与 NumPy API 高度兼容的矩阵运算接口。底层利用 CUDA、ROCm 等 GPU 计算框架实现大规模并行加速，在深度学习数据预处理、科学计算和数值分析等领域发挥着重要作用。只需将 import numpy 替换为 import cupy，即可在 GPU 上获得数十倍的速度提升。
📈 趋势分析
今天的榜单清晰地反映出 AI 编码辅助工具生态正在进入一个基础设施爆发期。
MCP 生态持续高烧。 榜首的 codebase-memory-mcp 单日暴涨 2190 Star，这不是偶然——它精准地命中了当前 AI 编码领域的最大痛点：上下文窗口受限和 Token 成本高昂。这个项目的核心价值在于将 AI 理解代码这件事从每次对话的重复劳动，变成了可持久化、可复用的结构化知识。当越来越多的开发者将 Claude Code、Cursor、Windsurf 作为日常生产力工具时，对这类记忆增强基础设施的需求只会越来越强烈。从周榜数据看，该项目一周暴增 8926 Star，说明这波热潮远未消退。
AI + 金融投资成为新热点。 ai-berkshire (日增 1445 Star) 和 Vibe-Trading (日增 492 Star) 同时上榜，显示出开发者对用 AI 做量化投资和基本面分析的浓厚兴趣。ai-berkshire 的独特之处在于它将四位投资大师的方法论编码为 Agent 的分析范式，这种大师方法论加多 Agent 的模式实际上为 AI Agent 的应用开辟了一个新思路——不是让 AI 凭空推理，而是让它严格遵循已验证的思维框架去分析。Vibe-Trading 则更偏向传统量化交易，但其用自然语言驱动的交易 Agent 理念正在降低量化交易的技术门槛。
隐私与本地化是两条平行主线。 simplex-chat (无标识通讯网络) 和 FluidVoice (完全离线语音转文字) 的上榜，说明开发者社区对数据主权和隐私保护的关注度持续提升。这两个项目都采用了不收集用户数据的激进设计：SimpleX 甚至不注册任何用户 ID，FluidVoice 完全在 macOS 本地运行。在大型科技公司不断扩展数据收集边界的背景下，这种防卫型的开源项目正在获得越来越广泛的支持。
文档解析赛道竞争白热化。 MinerU 继续保持高热度，每天稳定收获数百 Star。随着 RAG 架构和 Agentic Workflows 在企业级场景中大规模落地，高质量的 PDF/DOCX 解析能力已经成为刚需。MinerU 作为该领域最成熟的开源方案之一，正在受益于这波 AI 文档处理需求的爆发。
3D 视觉和自动驾驶持续演进。 lingbot-map (3D 场景重建模型) 和 openpilot (开源辅助驾驶系统) 的同时入榜，反映出 3D 视觉和机器人领域依然在不断造血。lingbot-map 代表的是纯数据驱动的端到端 3D 感知新范式，而 openpilot 则是开源自动驾驶的常青树——8 年来持续迭代，已经支持 300+ 车型。
总结来说，今天的榜单关键词是：AI 编码基础设施 和 Agent 应用落地。开发者不再满足于用 AI 来聊天或生成代码，而是希望 AI 能真正参与到投资决策、代码理解、文档处理等实际工作流中。工具链的成熟正在推动 AI Agent 从玩具走向生产力工具的临界点。
