今日 GitHub Trending 日榜呈现出「学习资源 + AI 工具」双主线并行的热闹态势，10 个项目中 Python 占 5 席、TypeScript 占 3 席，反映出开发者对动手实践、AI 工程化以及本地优先工具的强烈关注。从零基础编程教学到 3D 视觉大模型，从代码智能分析到 AI 推理优化，覆盖了开发者成长的全生命周期需求。

🏆 #1 codecrafters-io/build-your-own-x

详细介绍：这是一个编程界的「拆乐高」级学习项目，宗旨是通过从零重构你熟悉的技术栈来真正掌握编程原理。项目包含数百个分步教程，覆盖从 Git、Docker、Redis 等基础工具到 DNS、HTTP、数据库等核心系统的实现。每个教程都设计成可动手实践的挑战，让开发者在造轮子的过程中理解技术底层运作机制，而不是停留在 API 调用层面。这种「做中学」的方式特别适合想要突破中级瓶颈的开发者，也是为什么它能积累超过 50 万 Star 的原因。今日单日增长 1126 Star，足以证明其持续的影响力和社区认可度。

仓库链接：https://github.com/codecrafters-io/build-your-own-x
语言：Markdown
总 Star：528,284
Fork：49,986
今日增长：+1,126

🥈 #2 Robbyant/lingbot-map

这是一个前馈式 3D 基础模型，专门用于从流式数据中重建三维场景。与传统需要多视角图像的重建方案不同，它能够处理连续的视频流输入，实时生成高质量的 3D 表示。项目采用了创新的神经辐射场优化技术，在保证精度的同时大幅提升了推理速度，适合机器人导航、AR/VR 以及数字孪生等应用场景。代码已完全开源，包含预训练模型和完整的推理流水线。

仓库链接：https://github.com/Robbyant/lingbot-map
语言：Python
总 Star：12,966
Fork：1,346
今日增长：+831

🥉 #3 tirth8205/code-review-graph

这是一个本地优先的代码智能图谱工具，专为 MCP 和 CLI 环境设计。它会为你的代码库构建持久化的语义地图，让 AI 编码工具只需读取真正相关的上下文，从而大幅减少大代码库评审时的 Token 浪费。项目内置了多种代码理解算法，能够自动识别函数调用关系、依赖结构和业务逻辑边界，在大型仓库的代码评审场景中已验证可减少 70% 以上的上下文冗余。

仓库链接：https://github.com/tirth8205/code-review-graph
语言：Python
总 Star：20,181
Fork：2,125
今日增长：+355

4 PostHog/posthog

PostHog 是一个全栈产品数据分析平台，提供从用户行为追踪、会话回放、功能开关到 A/B 测试的完整工具链。近期他们重点强化了 AI 可观测性功能，新增了专门针对 LLM 应用的监控面板，能够追踪 Token 消耗、响应延迟和输出质量。项目采用开源可部署架构，支持完全自托管，特别适合注重数据隐私的团队使用。

仓库链接：https://github.com/PostHog/posthog
语言：Python
总 Star：36,600
Fork：3,029
今日增长：+338

5 KnockOutEZ/wigolo

这是一个专为 AI 编码代理设计的本地优先研究工具，提供搜索、网页抓取、内容提取等功能，全程在本地运行无需任何 API 密钥。它通过 MCP 协议与各类 AI 助手无缝集成，让 Claude、Cursor 等工具能够自主完成联网调研任务，同时保证所有数据不出本地环境。项目目前处于公开测试阶段，已支持主流的 AI 编码平台。

仓库链接：https://github.com/KnockOutEZ/wigolo
语言：TypeScript
总 Star：1,248
Fork：84
今日增长：+203

6 rohitg00/ai-engineering-from-scratch

这是一套从零开始的 AI 工程学习路线，涵盖从基础算法到生产部署的完整知识体系。项目包含大量可运行的代码示例和实战项目，重点关注实际工程问题而非纯理论，帮助学习者快速掌握模型优化、分布式训练、MLOps 等核心技能。每个章节都设计了循序渐进的练习，特别适合想要转型 AI 工程的后端开发者。

仓库链接：https://github.com/rohitg00/ai-engineering-from-scratch
语言：Python
总 Star：39,107
Fork：6,553
今日增长：+191

7 lyogavin/airllm

AirLLM 是一个轻量级的大模型推理框架，主打在单张 4GB 显存的 GPU 上运行 70B 参数级别的模型。它采用了分层加载和动态卸载技术，在推理过程中按需加载模型层到显存，配合量化优化实现了远超传统方案的内存效率。项目支持主流开源模型格式，无需修改代码即可直接使用，适合边缘设备和资源受限的部署场景。

仓库链接：https://github.com/lyogavin/airllm
语言：Jupyter Notebook
总 Star：23,338
Fork：2,655
今日增长：+161

8 ibelick/ui-skills

这是一个面向设计工程师的 UI 技能练习库，收集了数十个现代网页交互效果的实现案例。每个案例都包含完整的 HTML/CSS/JS 代码和在线演示，覆盖动画、过渡、响应式布局等核心前端技能。项目特别注重可访问性和性能优化，每个示例都经过严格的测试，适合前端开发者提升设计感和实现能力。

仓库链接：https://github.com/ibelick/ui-skills
语言：TypeScript
总 Star：5,033
Fork：213
今日增长：+123

9 elder-plinius/G0DM0D3

G0DM0D3 是一个开源的 AI 聊天客户端，专注于提供无审查、无限制的对话体验。它支持多种后端模型接口，提供统一的交互界面，同时内置了多种提示词工程工具和上下文管理功能。项目采用现代 Web 技术栈构建，支持完全自托管，用户可以完全控制自己的对话数据。

仓库链接：https://github.com/elder-plinius/G0DM0D3
语言：TypeScript
总 Star：9,514
Fork：2,254
今日增长：+69

10 MoonshotAI/kimi-cli

这是月之暗面推出的 Kimi 大模型命令行客户端，提供终端环境下的 AI 助手功能。它支持文件读取、代码分析、多轮对话等功能，特别适合开发者在编码过程中快速查询文档、调试代码或者生成脚本。工具采用轻量级设计，无需复杂配置即可使用，是 Kimi 生态在终端场景的重要补充。

仓库链接：https://github.com/MoonshotAI/kimi-cli
语言：Python
总 Star：9,497
Fork：1,165
今日增长：+65

📈 趋势分析

今日榜单最显著的趋势是「动手实践」类项目的集体爆发，Top 6 中有 3 个都是学习资源类项目，反映出开发者社区对「深度理解而非表面使用」的价值回归。build-your-own-x 这种通过造轮子学习底层原理的方式持续火爆，说明越来越多的开发者意识到，在 AI 工具普及的时代，真正的核心竞争力在于对技术底层的理解，而不是熟练调用 API。

第二个重要趋势是 MCP（Model Context Protocol）生态的快速崛起。今日榜单中有 code-review-graph、wigolo、PostHog 三个项目明确支持 MCP 协议，这标志着 AI 助手的「工具层」正在形成标准。MCP 让不同厂商的 AI 工具能够共享上下文和能力，打破了之前各自为战的局面，未来很可能成为 AI 应用开发的核心基础设施。

第三个值得关注的方向是「本地优先」的 AI 工具。从 code-review-graph 到 wigolo，都强调数据不出本地、无需云服务的设计理念。这一方面是出于隐私和成本的考虑，另一方面也反映出开发者对 AI 工具自主权的重视。随着边缘设备算力的提升和模型压缩技术的成熟，本地运行的 AI 工具将成为越来越重要的细分市场。

从语言分布来看，Python 继续在 AI 和基础设施领域占据绝对主导地位，而 TypeScript 则垄断了前端和 Web 工具类项目。这种两极分化的格局短期内不会改变，开发者在技术栈选择上应该优先考虑这两门语言的组合。

昨日榜单：GitHub Trending 日榜 Top 10 (2026/07/18)