标签: AI开源项目

  • 【开源推荐】awesome-mcp-servers:82.7K+ Stars!MCP生态最全服务器资源集合

    【开源推荐】awesome-mcp-servers:82.7K+ Stars!MCP生态最全服务器资源集合

    【开源推荐】awesome-mcp-servers:82.7K+ Stars!MCP生态最全服务器资源集合

    ⭐ GitHub 82.7K+ Stars
    🔌 MCP生态必备

    📌 项目简介

    awesome-mcp-servers 是由 punkpeye 维护的 Model Context Protocol (MCP) 服务器资源集合,收录了 2700+ 个经过分类和验证的 MCP 服务器实现,涵盖文件访问、数据库、云服务等 50+ 分类,是 MCP 生态系统中最全面的资源库。

    🎯 核心亮点

    📦

    2700+ 服务器收录

    涵盖文件、数据库、云服务、开发工具等 50+ 分类,每个服务器都经过验证,质量有保障。

    🔌

    MCP 官方推荐

    作为 MCP 生态的权威资源集合,被 Anthropic 官方文档引用,是开发者接入 MCP 的首选参考。

    🏗️

    分类清晰易检索

    按功能、编程语言、部署方式多维度分类,支持中文文档(README-zh.md),中文开发者友好。

    🚀

    持续更新活跃

    社区驱动,每日更新新服务器。截至 2026 年 6 月已收录 2700+ 服务器,仍在快速增长中。

    📚 热门 MCP 服务器分类

    分类 代表服务器 功能
    文件系统 @modelcontextprotocol/server-filesystem 安全文件读写访问
    数据库 server-postgres / server-sqlite 数据库查询与操作
    Web 抓取 @modelcontextprotocol/server-puppeteer 网页自动化与截图
    Google 服务 @modelcontextprotocol/server-google-maps Google Maps / Sheets 集成
    开发工具 @modelcontextprotocol/server-github GitHub 仓库管理
    AI 工具 server-everart / server-sequential-thinking AI 图像生成 / 思维链

    ⚙️ 快速开始:使用 MCP 服务器

    # 安装 MCP 官方 SDK
    npm install -g @modelcontextprotocol/sdk
    
    # 使用 Awesome MCP Servers 推荐的服务器
    # 1. 文件系统服务器
    npx -y @modelcontextprotocol/server-filesystem /path/to/allowed/dir
    
    # 2. Google Sheets 服务器
    npx -y @modelcontextprotocol/server-google-sheets
    
    # 3. 在 Claude Desktop 中配置
    # 编辑 ~/Library/Application Support/Claude/claude_desktop_config.json
    {
      "mcpServers": {
        "filesystem": {
          "command": "npx",
          "args": ["-y", "@modelcontextprotocol/server-filesystem", "/允许访问的目录"]
        },
        "github": {
          "command": "npx", 
          "args": ["-y", "@modelcontextprotocol/server-github"]
        }
      }
    }
    
    # 4. 重启 Claude Desktop,即可使用 MCP 工具
    

    💡 典型使用场景

    场景1:AI 助手访问本地文件

    通过 MCP 文件系统服务器,让 Claude/GPT 等 AI 助手安全地读写本地文件,实现”AI 直接操作你的项目代码”,无需手动复制粘贴。

    场景2:AI 自动操作 GitHub

    配置 GitHub MCP 服务器后,AI 助手可以直接创建 Issue、提交 PR、审查代码。让 AI 真正成为你的 编程搭档

    场景3:数据库连接与查询

    通过 Postgres/MySQL MCP 服务器,让 AI 直接查询数据库、生成报表。自然语言转 SQL 不再需要中间层,AI 直接操作数据库。

    💬 推荐理由

    如果你正在关注 MCP(Model Context Protocol),这个项目是你必收藏的资源指南。2026 年 MCP 已经成为 AI 应用的标准协议,几乎所有主流 AI 工具(Claude Desktop、Cursor、Cline)都在支持。

    这个集合的价值在于:你不需要到处找”有没有 XXX 功能的 MCP 服务器”,来这里搜索就好了。2700+ 服务器 覆盖了几乎所有你能想到的场景。

    特别推荐它的 中文文档(README-zh.md),对国内开发者非常友好。如果你正在构建 AI 应用并需要接入外部工具,先从这里找现成的 MCP 服务器,能省大量开发时间。

    📌 本文由自动化任务采集整理,数据截至 2026 年 6 月

    🏷️ 标签:MCP · AI Agent · 资源集合 · 开发工具

  • 【开源推荐】Goose:48.7K+ Stars!Linux Foundation 开源AI智能体,会动手的编程助手

    【开源推荐】Goose:48.7K+ Stars!Linux Foundation 开源AI智能体,会动手的编程助手

    Goose Logo

    Goose – 开源AI智能体 · Linux Foundation AAIF

    📦 项目简介

    Goose(鹅)是 Linux Foundation 下属 Agentic AI Foundation (AAIF) 推出的开源原生 AI 智能体,提供桌面应用、CLI 命令行、HTTP API 三种使用形态,支持接入 15+ 主流大模型,通过 MCP 协议可扩展 70+ 工具能力。核心引擎使用 Rust 构建,兼具高性能与内存安全。

    48.7K+
    GitHub Stars

    5.1K+
    Forks

    3
    使用形态

    70+
    MCP 扩展工具

    ⚙️ 安装要求和过程

    环境要求

    • 支持 macOS / Linux / Windows 三大平台
    • 桌面版:下载安装包直接安装,无需额外依赖
    • CLI 版:支持 Shell 一键脚本安装,或手动下载二进制文件
    • API 版:支持 Docker 部署,可嵌入任意应用
    • 网络要求:需能访问所配置的大模型 API 端点

    快速安装 · CLI 版(推荐开发者)

    # macOS / Linux 一键安装
    curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash
    
    # 验证安装
    goose --version
    
    # 交互式配置大模型
    goose configure
    
    # 启动对话
    goose start
    
    # 查看帮助
    goose --help

    桌面版安装

    # 1. 访问官网下载页面
    https://goose-docs.ai/docs/getting-started/installation
    
    # 2. 选择对应平台(macOS / Windows / Linux)
    # 3. 下载安装包,按引导完成安装
    # 4. 首次启动会引导配置大模型服务商和 MCP 扩展

    🚀 核心功能

    🖥️ 三合一使用形态

    同时提供桌面应用(GUI图形界面,适合日常使用)、CLI 命令行(适合开发者终端集成)、HTTP API(适合嵌入应用或自动化流程)三种方式,覆盖从个人到企业的全场景需求。

    🤖 15+ 大模型服务商支持

    兼容 Anthropic (Claude)、OpenAI (GPT)、Google (Gemini)、Ollama (本地模型)、OpenRouter、Azure、AWS Bedrock、Groq 等 15+ 主流大模型平台,灵活切换,按需选择,API Key 或已有订阅均可接入。

    🔌 MCP 协议扩展(70+ 工具)

    基于 Model Context Protocol (MCP) 开放标准,可接入 70+ 扩展工具,包括文件系统操作、数据库查询、Web 搜索、Git 操作、Slack/飞书消息等,让智能体能力无限延伸。

    🏗️ Rust 高性能核心

    核心引擎使用 Rust 编写(代码占比 64.3%),内存安全、运行高效,支持长时间稳定运行。前端界面使用 TypeScript(29.2%),兼顾性能与开发效率。Apache 2.0 开源协议。

    📦 自定义分发

    支持基于 Goose 构建自定义分发版本,可预配置大模型服务商、MCP 扩展、品牌信息,适合企业内部分发或构建专属 AI 助手产品。

    💡 典型使用场景

    场景一:AI 辅助全栈开发

    在 CLI 模式下,Goose 可以直接参与代码编写、调试、测试、依赖管理全流程。例如对它说”帮我给这个项目加上 Redis 缓存,需要修改哪些文件,依赖怎么装”,它会读代码、写代码、改配置、告诉你步骤,一条龙搞定。相比 GitHub Copilot 只做代码补全,Goose 可以自主执行命令、创建文件、运行测试,是一个真正能”动手”的编程助手。

    场景二:研究 & 自动化工作流

    配置好 Web 搜索和文档读取的 MCP 工具后,Goose 可以自动完成资料检索、信息汇总、方案对比等研究任务。例如:”帮我调研 Rust 中所有成熟的向量数据库 crate,对比性能和易用性,给出推荐”,Goose 会自动搜索、阅读文档、整理对比表格,最后输出一份完整报告。

    场景三:企业知识库问答助手

    通过自定义分发功能,企业可以基于 Goose 构建内部 AI 助手,接入私有知识库(Confluence、Notion、内部 Wiki、向量数据库等),让员工用自然语言查询公司规范、技术文档、HR 政策等,且所有数据留在企业内部,满足合规要求。

    ✨ 推荐理由

    Goose 最打动我的一点是它的「真正可执行」能力——不是只给你建议,而是真的能动手帮你做。装好之后,我跟它说”帮我给这个项目加上 Redis 缓存”,它真的会读代码、写代码、改配置、告诉我还需要装什么依赖,一条龙搞定。

    另一个亮点是不绑定任何一家大模型厂商。你可以今天用 Claude,明天换 Gemini,后天试 Ollama 本地模型,配置随时切换,数据都在自己手里。加上 MCP 协议的支持,扩展能力几乎是无限的。

    作为 Linux Foundation 旗下的开源项目,Goose 的代码完全透明,社区活跃,迭代迅速。如果你在找一个能真正帮你干活的 AI 助手,而不是只会聊天的玩具,Goose 绝对值得一试。

    技术栈:Rust (64.3%) · TypeScript (29.2%) · JavaScript (1.6%) |
    协议:Apache 2.0 |
    组织:Linux Foundation AAIF |
    今日 Trending:GitHub 日榜
  • 【开源推荐】OpenHands:76.3K+ Stars!AI驱动的软件开发平台,让AI帮你写代码

    【开源推荐】OpenHands:76.3K+ Stars!AI驱动的软件开发平台,让AI帮你写代码

    🙌 OpenHands:AI驱动的软件开发平台

    项目地址GitHub – OpenHands/OpenHands | Stars:76.3K+ | 官网openhands.dev

    📌 项目简介

    OpenHands 是一个开源的 AI 驱动软件开发平台,提供三种使用方式:Software Agent SDK(可组合的 Python 库)、CLI(命令行工具,类似 Claude Code)和 Local GUI(本地图形界面,类似 Devin)。它让 AI Agent 能够理解代码仓库、执行命令、浏览网页,真正实现 AI 辅助软件开发。

    🔧 安装要求和过程

    环境要求

    • 操作系统:macOS、Linux 或 Windows(需 WSL2)
    • Python:3.11 或更高版本
    • Docker:可选,用于沙箱化运行(推荐)
    • LLM API Key:需要配置 OpenAI / Anthropic / 其他 LLM 提供商的 API Key

    快速安装步骤

    # 方式一:使用 pip 安装(推荐)
    pip install openhands-ai
    
    # 方式二:使用 Docker 运行
    docker pull openhands/openhands
    docker run -it --rm openhands/openhands
    
    # 方式三:从源码安装
    git clone https://github.com/OpenHands/OpenHands.git
    cd OpenHands
    pip install -e ".[dev]"
    
    # 配置 LLM(设置环境变量)
    export OPENAI_API_KEY="your-api-key-here"
    # 或者如果使用 Anthropic
    export ANTHROPIC_API_KEY="your-anthropic-key-here"

    ✨ 核心功能

    1. 🛠️ Software Agent SDK

    可组合的 Python 库,包含所有 Agent 技术。可以在代码中定义 Agent,然后在本地运行,或扩展到云端运行数千个 Agent。适合需要深度定制的开发者。

    2. 💻 CLI 命令行工具

    最快捷的使用方式,体验类似于 Claude Code 或 Codex。支持连接 Claude、GPT 或任何其他 LLM,通过命令行与 AI Agent 交互,完成代码编写、调试、重构等任务。

    3. 🖥️ Local GUI 图形界面

    本地运行的图形界面,包含 REST API 和单页 React 应用。使用体验类似于 Devin 或 Jules,可以在浏览器中可视化地与 AI Agent 交互,查看代码变更和执行过程。

    4. 🔒 沙箱安全执行

    支持 Docker 沙箱运行,确保 AI 执行的命令不会破坏本地环境。同时支持自定义沙箱配置,满足企业级安全需求。

    5. 🌐 多 LLM 支持

    不仅支持 OpenAI GPT 和 Anthropic Claude,还支持本地 LLM(通过 Ollama 等工具),以及任何其他兼容 OpenAI API 的 LLM 服务。

    🚀 典型使用场景

    场景一:🐛 Bug 修复助手

    将 OpenHands 接入你的项目,当 CI/CD pipeline 报错或有 issue 报告 bug 时,OpenHands 可以自动理解代码上下文,定位问题,并生成修复代码。开发者只需 review 和合并即可。

    场景二:📝 代码重构和文档生成

    让 OpenHands 帮你重构遗留代码、添加类型注解、生成 API 文档。只需在 CLI 或 GUI 中描述需求,OpenHands 会自动编辑多个文件,保持代码风格一致。

    场景三:🏢 企业级代码自动化

    通过 Software Agent SDK,企业可以构建自定义的 AI 开发工作流。例如:自动 code review、自动生成单元测试、自动更新依赖版本等,大幅提升团队开发效率。

    💡 推荐理由

    作为一名开发者,我试用 OpenHands 后有以下感受:

    • ✅ 降低 AI 编程门槛:以前要用 AI 辅助编程,需要自己写复杂的 prompt 和工具调用逻辑。OpenHands 把这些封装好了,开箱即用。
    • ✅ 三种使用方式,灵活选择:想要快速体验就用 CLI;想要可视化就用 GUI;想要深度定制就用 SDK。这种分层设计非常贴心。
    • ✅ 活跃的开源社区:76K+ Stars,近 10K Forks,说明社区非常活跃。文档完善,Slack 社区响应及时,遇到问题容易找到解决方案。
    • ⚠️ 需要注意:AI 生成的代码仍需人工 review,不能完全依赖。另外,使用云端 LLM API 会产生费用,建议先用量化模型或本地 LLM 测试。

    总结:如果你对 AI 辅助编程感兴趣,OpenHands 是一个非常好的起点。它比自己从零搭建 AI coding agent 要简单太多,而且开源免费,值得一试!

    📥 下载地址


    📌 本文由自动化任务采集,定期分享优质开源 AI 项目,欢迎关注!

  • 【开源推荐】Cherry Studio:47K+ Stars!多模型AI桌面客户端,一个应用搞定所有大模型

    【开源推荐】Cherry Studio:47K+ Stars!多模型AI桌面客户端,一个应用搞定所有大模型

    🍒 项目名称:Cherry Studio

    GitHub Stars:47.1K+

    🏷️ 开源协议:AGPL-3.0

    💻 支持平台:Windows / macOS / Linux

    🔗 GitHubgithub.com/CherryHQ/cherry-studio

    🌐 官网cherry-ai.com

    📝 项目简介

    Cherry Studio 是一款支持多种大语言模型提供商的开源AI桌面客户端,覆盖 Windows、Mac、Linux 三大平台。它提供智能聊天、自主智能体、300+ 预配置助手能力,可统一访问前沿大语言模型,是2026年最值得关注的 AI 生产力工具之一。

    无论你是用 OpenAI Gemini Claude 等云端模型,还是用 Ollama 跑本地模型,Cherry Studio 都能一站式搞定,告别在多个网页和客户端之间来回切换的烦恼。

    Cherry Studio 界面预览

    ⚙️ 安装要求和过程

    环境要求

    • 操作系统:Windows 10+、macOS 11+、主流 Linux 发行版
    • 无需额外环境配置:开箱即用,下载安装包直接运行
    • 网络要求:使用云端模型需配置 API Key;使用本地模型需提前安装 Ollama 或 LM Studio

    快速安装步骤

    1. 访问 GitHub Releases 页面,下载对应系统的安装包
    2. Windows:下载 .exe 安装包,双击运行
    3. macOS:下载 .dmg 文件,拖入 Applications 文件夹
    4. Linux:下载 .AppImage.deb / .rpm 包安装
    5. 启动后,在设置中配置模型 API Key 或连接本地 Ollama

    🌟 核心功能

    🤖 多 LLM 提供商支持

    支持 OpenAI、Gemini、Anthropic、Claude 等主流云端大模型,同时支持 Ollama、LM Studio 等本地模型,一个客户端搞定所有模型。

    🧠 300+ 预配置 AI 助手

    内置丰富领域的专业 AI 助手模板,涵盖编程、写作、翻译、分析等场景,开箱即用,也支持自定义助手创建。

    📄 多格式文档处理

    支持文本、图片、Office 文档、PDF 等多格式文件处理,内置 RAG 知识库能力,让 AI 基于你的文档作答。

    🔌 MCP 协议支持

    支持模型上下文协议(MCP)服务器,可扩展 AI 能力边界,接入专业工具和数据源。

    🎨 可视化与开发工具

    支持 Mermaid 图表可视化、代码语法高亮、全局搜索、话题管理系统,满足专业用户的需求。

    Cherry Studio 功能展示

    🚀 典型使用场景

    场景一:多模型对比测试

    研究者或开发者需要同时对比 GPT-4.1、Claude 4 Opus、Gemini 2.5 Pro 在同一任务上的表现?Cherry Studio 支持多模型同时对话,同一条消息发送给多个模型,结果并排展示,轻松找出最强模型。

    场景二:本地 + 云端混合使用

    日常聊天用免费的本地模型(Ollama + Qwen3),重要任务切换云端前沿模型。Cherry Studio 统一入口管理,无需在多个工具间切换,数据隐私和模型能力兼得。

    场景三:企业知识库问答

    上传公司文档、技术手册到 Cherry Studio 知识库,结合 RAG 技术,让 AI 基于企业内部知识精准作答,打造专属的企业 AI 助手。

    💡 推荐理由

    作为一款开源免费的 AI 桌面客户端,Cherry Studio 最大的价值在于统一——统一了模型入口、统一了对话历史、统一了工具生态。

    在此之前,用 OpenAI 要去网页,用 Claude 要开另一个网页,本地 Ollama 又是命令行,多模型对比更是麻烦。Cherry Studio 把这些全部整合到一个窗口里,还加上了知识库、MCP 工具扩展、300+ 助手模板,真正做到了”一个客户端,所有 AI 能力”。

    尤其值得一提的是它的开箱即用体验——无需配置 Python 环境,无需折腾依赖,下载安装包,点几下鼠标配置 Key,马上就能用。对非技术用户非常友好。

    如果你同时满足以下任意一点,强烈推荐试试 Cherry Studio:

    • 同时使用多个 AI 模型(GPT/Claude/Gemini/本地模型)
    • 希望 AI 能读取并处理你的本地文档
    • 想要一个统一、美观、功能完整的 AI 客户端
    • 重视数据隐私,希望本地运行 AI

    📥 下载地址

    🍒 GitHub 仓库
    🌐 官方网站
    📦 下载安装包


    📌 本文由 WorkBuddy AI 自动化任务 定时发布,选题自 GitHub 热门 AI 开源项目。欢迎关注本站「开源项目」栏目,每周精选优质 AI 开源工具深度介绍。

  • 微软开源工具被黑,AI开发者的密码正在裸奔

    Microsoft open source tools hacked
    微软托管在GitHub上的数十个开源项目遭黑客入侵,AI开发者凭证面临泄露风险 | 图源:Getty Images

    你电脑上的AI coding工具,可能正在偷你的密码

    上周,如果你用 Claude Code 或 Gemini 的命令行工具做过开发,那你的密码可能已经被偷了。

    事情是这样的。微软托管在 GitHub 上的几十个开源项目被黑了,攻击者往代码里注入了恶意软件。这些项目不是普通的 side project,而是和 Azure 云服务、AI 开发工具直接相关的核心仓库——包括 Claude Code、Gemini CLI、VS Code 相关的工具链。

    据安全公司 Cloudsmith 和 OpenSourceMalware 的分析,当用户在 AI 编码工具里打开被入侵的项目时,恶意软件就会悄悄把你的密码和其他敏感凭证发给攻击者。

    这种攻击有个名字,叫”供应链攻击”。简单说,就是黑客不去打你本人,而是打你信任的工具。你信任微软的开源项目,所以你拉取代码、安装工具,一切看起来很正常——直到你的密码已经到了别人手里。

    而这次的目标特别精准:AI 开发者。这类人群通常能访问云系统、客户数据,甚至是生产环境的密钥。对黑客来说,钓到一条鱼,就能进整个池塘。


    微软这次有点丢脸

    事情曝光后,微软把涉及的数十个仓库全部”禁用”了。你在 GitHub 上访问这些项目,会看到一行提示:”由于违反 GitHub 的服务条款,此仓库的访问已被 GitHub 员工禁用。”

    微软发言人 Ben Hope 的说法是:”我们暂时移除了一部分仓库,作为调查潜在恶意内容的一部分。”话说得很委婉,但翻译过来就是:我们被黑了,正在查。

    更尴尬的是,这已经是短短两周内微软第二次出这种事了。5月中旬,微软的开源项目 Durable Task(一个帮开发者构建应用的工具)就被确认遭到入侵。安全研究人员说,这次最新事件很可能是 Durable Task 项目的”二次入侵”——要么是漏洞没修干净,要么是黑客又找到了新的入口。

    不管是哪种情况,都说明一个问题:微软对开源项目的安全防护,没有大家想象的那么结实。


    这件事为什么值得你关心

    你可能会想:我又不是 AI 开发者,关我什么事?

    其实关系比你想象的大。供应链攻击的本质是信任被滥用。今天黑客盯上的是 AI 开发工具,明天可能就是你我都在用的某个 npm 包、某个 Python 库。一旦恶意代码进入上游,顺着依赖链一路往下传,最终受影响的是每一个普通用户。

    而且,AI 开发工具这两年越来越普及。以前只有专业程序员才会碰命令行工具,现在有了 AI 辅助,很多人第一次学着用 Claude Code 或 Cursor 来写代码。用户基数大了,攻击的价值就高了。

    • 如果你最近用过微软旗下的开源 AI 工具,建议去查一下自己的凭证有没有异常登录记录
    • 重要密码该改的改,启用了双重验证的确认一下
    • 从 GitHub 拉取过微软项目的开发者,留意一下仓库状态,别用到被污染的版本

    大厂也不是铜墙铁壁

    这件事最让人意外的,不是开源项目被黑——这种事其实挺常见——而是微软被黑了。作为地球上安全预算最充足的技术公司之一,微软拥有几乎无限的资源来防御此类攻击。但结果证明,资源多不等于不会出事。

    开源生态的复杂性,可能是最大的软肋。一个项目依赖几十个上游包,每个包又依赖更多包,攻击面之大,超出了任何一家公司的掌控能力。黑客只需要找到最薄弱的那一环,就能顺着链条打穿整条线。

    目前微软还没有公布受影响的具体人数。公司只说”通知了少数可能拉取过受影响仓库内容的客户”——这个”少数”是多少,只有他们自己知道。如果你是用微软 AI 工具做开发的,现在去检查一下,总比事后后悔强。

  • Gemini CLI:101K+ Stars!Google官方开源AI终端助手

    Gemini CLI:101K+ Stars!Google官方开源AI终端助手

    📌 项目简介

    Gemini CLI 是 Google 官方推出的开源 AI 终端助手,直接将 Gemini 大模型能力集成到开发者命令行环境,让你可以像聊天一样操作代码库、自动化任务、生成应用。(101K+ Stars,TypeScript 编写,Apache 2.0 开源协议)

    Gemini CLI 截图

    Gemini CLI 终端交互界面

    💻 安装要求和过程

    环境要求

    • Node.js:建议 Node 18+ (推荐 Node 20+)
    • 包管理器:支持 npm、npx、Homebrew、MacPorts、Anaconda
    • 网络:需要访问 Google Gemini API(需 Google 账号)

    快速安装(3种方式)

    # 方式1:npx 直接使用(无需安装)
    npx @google/gemini-cli
    
    # 方式2:npm 全局安装(推荐)
    npm install -g @google/gemini-cli
    
    # 方式3:Homebrew(macOS/Linux)
    brew install gemini-cli
    

    版本选择

    版本渠道 发布频率 安装命令
    Stable(稳定版) 每周二 npm install -g @google/gemini-cli@latest
    Preview(预览版) 每周二 npm install -g @google/gemini-cli@preview
    Nightly(每夜版) 每日 npm install -g @google/gemini-cli@nightly

    ✨ 核心功能

    1. 📖 代码理解与生成:支持查询、编辑大型代码库;支持多模态能力,可从 PDF、图片、草图生成新应用;支持自然语言调试问题、排查故障。
    2. 🤖 自动化与集成:自动化运营任务(查询 PR、处理复杂 rebase);支持 MCP(模型上下文协议)服务器扩展能力;支持非交互式脚本运行,适配工作流自动化。
    3. 🔍 实时信息获取:内置 Google Search 接地能力,可获取实时信息,让 AI 回答更准确。
    4. 🐙 GitHub 集成:自带 GitHub Action,支持 PR 自动代码审查、Issue 自动分类标记;在 Issue/PR 中 @gemini-cli 获取即时帮助。
    5. 🛠️ 内置工具集:文件系统操作、Shell 命令执行、网页抓取与搜索、Google Search 接地等开箱即用能力。

    🎯 典型使用场景

    场景1:日常开发辅助

    快速理解现有代码库、生成新功能代码、调试问题。例如:

    # 启动 Gemini CLI
    gemini
    
    # 在交互界面中:
    > 帮我分析这个项目的架构
    > 给这个函数添加错误处理
    > 解释一下这段代码的逻辑
    

    场景2:GitHub 自动化工作流

    在 GitHub PR 或 Issue 中直接 @gemini-cli,让它帮你:

    • 自动审查代码,给出改进建议
    • 分类和标记 Issue
    • 生成 PR 描述
    • 回答代码相关问题

    场景3:从零启动新项目

    使用多模态能力,从草图或需求描述快速生成应用:

    # 上传草图,让 Gemini CLI 生成应用
    > 根据这个UI草图,生成一个 React 组件
    > 创建一个 Discord 机器人项目
    

    🌟 推荐理由

    💡 个人使用心得

    • 官方背书,值得信赖:Google 官方出品,与 Gemini 模型深度集成,更新及时,文档完善。
    • 终端原生,开发友好:直接在命令行中使用,无需切换窗口,完美融入开发者工作流。
    • 多模态能力惊艳:支持从图片、PDF、草图生成代码,这是很多其他 CLI 工具不具备的能力。
    • GitHub 集成是杀手级功能:在 PR/Issue 中直接调用,让 AI 成为团队协作的一份子。
    • 开源且免费:Apache 2.0 协议,代码完全开放,可自由定制和扩展。

    ⚠️ 注意事项:需要 Google 账号和访问 Gemini API,国内用户可能需要科学上网。

    📥 下载地址


    🦞 由 OpenClaw 自动整理发布 | 数据来源:GitHub Trending

  • 【开源推荐】Agent-Reach:24.8K Stars!为AI Agent一键装上互联网访问能力

    【开源推荐】Agent-Reach:24.8K Stars!为AI Agent一键装上互联网访问能力

    🚀 Agent-Reach:24.8K Stars!为AI Agent一键装上互联网访问能力

    Agent-Reach

    📝 项目简介

    Agent-Reach 是一个为AI Agent提供全互联网访问能力的开源脚手架工具。只需一个CLI命令,即可让Claude Code、Cursor、OpenClaw等AI编程助手免费读取和搜索Twitter、Reddit、YouTube、GitHub、B站、小红书等16个主流平台内容,无需支付任何API费用。

    ⚙️ 安装要求和过程

    环境要求

    • 运行环境:支持本地电脑、服务器,兼容所有可运行Shell命令的AI Agent
    • Python版本:Python 3.8+
    • 兼容Agent:Claude Code、OpenClaw、Cursor、Windsurf、Cline等

    快速安装步骤

    只需将以下指令发送给你的AI Agent,即可自动完成安装:

    帮我安装 Agent Reach:https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md

    安装过程会自动检测并安装所需依赖(Node.js、gh CLI、mcporter、twitter-cli、rdt-cli等)。

    可选安装模式

    • 安全模式:添加 --safe 参数,不会自动修改系统
    • 预览模式:添加 --dry-run 参数,仅展示安装步骤

    ✨ 核心功能

    1. 完全免费:所有依赖工具均为开源项目,无需付费API Key,零成本使用互联网能力
    2. 多平台支持:覆盖Twitter/X、Reddit、YouTube、GitHub、B站、小红书、抖音、LinkedIn、微信公众号、微博、V2EX、雪球、小宇宙等16个平台
    3. 即开即用:基础能力(网页读取、YouTube字幕提取、GitHub公开仓库读取)无需任何配置
    4. 隐私安全:所有Cookie、Token仅存储在本地 ~/.agent-reach/config.yaml,文件权限设为仅所有者可读写
    5. 可插拔架构:每个平台对应独立的渠道文件,不满意当前选型可直接替换,不影响其他功能

    🎯 典型使用场景

    场景一:AI辅助技术研究

    让AI Agent自动搜索GitHub上的开源项目、读取技术文档、提取YouTube教程字幕,帮你快速了解新技术。

    用户:"帮我看看这个GitHub仓库是做什么的"
    Agent:自动调用 gh CLI 查询仓库信息

    场景二:社交媒体内容分析

    让AI Agent读取Twitter热门推文、Reddit讨论、B站视频字幕,进行舆情分析或内容总结。

    用户:"搜一下Twitter上关于LLM的讨论"
    Agent:自动调用 twitter-cli 搜索推文(配置后可用)

    场景三:自动化研究工作流

    结合多个平台能力,让AI Agent自动完成”搜索→阅读→总结→报告”的全流程。

    💡 推荐理由

    作为一个深度使用AI Agent的开发者,我认为Agent-Reach解决了AI Agent最大的痛点之一:信息获取能力不足

    大多数AI Agent只能在”封闭环境”中工作,无法访问互联网实时信息。Agent-Reach通过集成优秀的开源工具(Jina Reader、yt-dlp、gh CLI等),让AI Agent具备了”全网视野”。

    最打动我的点

    • 真正免费:不依赖任何付费API,所有功能都是基于开源工具实现
    • 隐私优先:所有认证信息本地存储,不会上传第三方
    • 持续维护:项目会持续追踪各平台规则变化,用户无需自行维护

    如果你正在使用Claude Code、Cursor等AI编程助手,强烈建议安装Agent-Reach,让您的AI Agent真正”连接互联网”。

    📥 下载地址


    本文由WorkBuddy自动生成 · 每日9:00自动更新GitHub热门AI开源项目

  • 【开源推荐】Lobe Chat:46K+ Stars!高颜值可扩展的开源AI聊天框架

    Lobe Chat 界面预览

    📝 项目简介

    Lobe Chat 是一款高颜值、可扩展的开源AI聊天框架,支持接入OpenAI、Claude、Gemini等数十种主流大语言模型,提供丰富的插件生态与个性化配置能力,可快速搭建私有化AI聊天应用。

    ⚙️ 安装要求和过程

    环境要求

    • Node.js 18.0及以上版本
    • pnpm包管理器(推荐8.x及以上版本)

    快速安装步骤

    1. 克隆项目仓库:git clone https://github.com/lobehub/lobe-chat.git
    2. 进入项目目录并安装依赖:cd lobe-chat && pnpm install
    3. 启动开发环境:pnpm dev,访问 http://localhost:3010 即可体验
    4. 生产环境部署:执行 pnpm build && pnpm start,可配合Nginx等反向代理工具实现外网访问

    ✨ 核心功能

    • 多模型支持:原生支持OpenAI、Anthropic Claude、Google Gemini、Meta Llama、本地Ollama等数十种主流大语言模型,无需额外适配即可切换使用
    • 插件扩展系统:支持自定义插件开发,官方提供天气查询、网页搜索、代码执行、文档解析等数十种开箱即用的插件,可快速扩展AI能力边界
    • 知识库集成:支持上传PDF、Word、Markdown等格式的文档,构建私有知识库,实现基于自有数据的精准问答,避免通用模型的幻觉问题
    • 多模态交互:支持图片、文件上传,可实现图文混合问答,部分模型支持语音输入与输出,交互体验更自然
    • 高度可定制:支持自定义主题样式、模型参数、提示词模板、快捷键等,满足不同用户的个性化使用需求

    🚀 典型使用场景

    1. 个人私有AI助手搭建:将Lobe Chat部署在本地或私有服务器,对接个人常用的AI模型,所有对话数据均存储在本地,避免敏感数据上传第三方平台,保障数据隐私
    2. 企业内部知识库问答系统:上传企业内部的产品手册、规章制度、技术文档等资料,搭建企业专属的智能问答系统,员工可快速查询相关信息,大幅提升信息查询效率
    3. AI应用原型快速验证:借助Lobe Chat丰富的插件和模型支持,开发者可快速搭建AI应用原型,验证产品想法,降低AI应用的开发门槛与成本

    💡 推荐理由

    作为开源AI聊天框架的标杆项目,Lobe Chat的界面设计简洁美观,交互体验流畅,插件生态非常丰富,即使是不熟悉前端开发的用户,也能通过简单的配置快速搭建出功能完善的AI聊天应用。同时项目社区活跃,更新迭代速度快,问题响应及时,非常适合个人开发者和中小企业使用。

    我在本地部署后,对接了Ollama运行的Qwen3本地模型,完全离线也能正常使用,数据隐私性非常有保障。另外项目的主题定制功能也很实用,我可以根据自己的喜好调整界面风格,使用体验非常好,强烈推荐给大家。

    📥 下载地址