YOHO AI

标签： CLI工具

  • 【开源推荐】Agent-Reach：26.7K+ Stars！给AI Agent装上「全网眼睛」，免费读取Twitter/Reddit/YouTube/B站

    【开源推荐】Agent-Reach：26.7K+ Stars！给AI Agent装上「全网眼睛」，免费读取Twitter/Reddit/YouTube/B站

    ⭐ 26.7K+ Stars
    Python
    CLI工具

    📌 项目简介

    Agent-Reach 是一款为AI Agent提供全互联网内容访问能力的开源CLI工具，将Twitter、Reddit、YouTube、B站、小红书、抖音、GitHub、微信公众号等主流平台的信息获取能力封装为开箱即用的命令行工具，无需支付任何API费用。

    AI Agent在信息获取上一直存在明显短板：无法直接访问社交平台、受限于API费用、配置复杂繁琐。Agent-Reach正是为解决这些痛点而生——它相当于给AI Agent一键装上了”全网眼睛”，让Claude Code、Cursor、OpenClaw等AI编程助手能够自由获取互联网上的实时信息。

    🔧 安装要求和过程

    环境要求

    • 操作系统：Windows / macOS / Linux
    • Python版本：3.8+
    • 依赖：可运行shell命令的AI Agent（Claude Code、Cursor、OpenClaw、Windsurf、Codex等）
    • 可选：Chrome浏览器（用于Cookie导出）

    快速安装（3步搞定）

    第一步：打开你的AI Agent（Claude Code/Cursor/OpenClaw等），输入以下指令：

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

    第二步：等待自动安装完成（工具会自动处理依赖、代理配置、Cookie登录等）

    第三步：安装完成后，对Agent说”测试一下Agent Reach”，验证各平台连通性

    ⚠️ OpenClaw用户注意：需先开启exec权限，执行 openclaw config set tools.profile "coding"，或在 ~/.openclaw/openclaw.json 中设置 "tools": { "profile": "coding" }，之后重启Gateway（openclaw gateway restart）并开启新对话。

    更新方法

    帮我更新 Agent Reach：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/update.md

    ✨ 核心功能

    🌐 1. 开箱即用，无需任何配置

    以下平台安装后即可使用，无需API Key或账号配置：

    • 网页：直接读取任意网页内容，自动清理冗余HTML
    • YouTube：提取视频字幕、搜索视频
    • RSS：订阅并读取任意RSS/Atom源内容
    • 微信公众号：搜索内容、阅读全文（输出为Markdown格式）
    • 微博：获取热搜、用户动态、评论
    • V2EX：查看热门帖子、节点帖子、帖子详情+回复
    • 全网搜索：支持语义搜索，自动配置无需API Key

    🔑 2. 简单配置后解锁更多平台

    以下平台只需简单配置即可解锁：

    • GitHub：访问私有仓库、管理Issue/PR、操作Fork
    • X（Twitter）：搜索推文、浏览时间线、发布推文
    • B站：提取本地字幕、搜索内容
    • Reddit：读取帖子和评论
    • 小红书：阅读内容、搜索、发帖互动
    • 抖音：视频解析、无水印下载
    • LinkedIn：获取Profile详情、公司页面、职位搜索
    • 小宇宙播客：播客音频转文字（基于Whisper转录，提供免费Key）

    🩺 3. 一键诊断，问题排查超简单

    执行 agent-reach doctor 命令即可自动检测各平台连通性，定位问题并给出修复方案，大幅降低运维成本。

    🔒 4. 隐私安全，Cookie本地存储

    用户Cookie仅存储在本地，不会上传或外泄，避免账号信息泄露风险。需要Cookie的平台（Twitter、小红书等），优先使用Chrome插件Cookie-Editor导出Cookie，发送给Agent即可完成配置。

    🔌 5. 极强兼容性，无缝衔接现有工作流

    支持所有可运行命令行的AI Agent，包括Claude Code、OpenClaw、Cursor、Windsurf、Codex等，安装后即刻生效，无需修改现有工作流。

    💡 典型使用场景

    场景一：AI Agent信息检索增强

    解决AI Agent无法访问社交平台、内容社区的问题。你可以让Agent获取X（Twitter）最新舆论、Reddit海外讨论、小红书真实种草内容、B站热门视频、公众号一手资讯等。

    示例：对Claude Code说”帮我搜索Twitter上关于GPT-5的最新讨论并总结”，Agent会通过Agent-Reach自动获取Twitter内容并分析。

    场景二：多平台内容聚合分析

    可同时对接多个内容平台，实现跨平台内容搜集、整理、分析，无需手动逐个平台操作。

    示例：让AI Agent”帮我收集B站、小红书、微博上关于AI编程助手的最新讨论”，Agent会自动从三个平台获取内容并汇总分析。

    场景三：低门槛AI工具扩展

    无技术背景的用户也可以快速让AI Agent具备全网信息获取能力，无需处理反爬、代理配置、环境调试等复杂工作。只需一句话指令，AI Agent即可完成安装配置。

    🌟 推荐理由

    • 极低使用门槛：无需手动处理工具选型、依赖安装、代理配置、Cookie登录、数据清洗等复杂流程，一句指令即可完成安装，非技术用户也可快速上手。
    • 完全免费开源：所有能力免费开放，无需支付API费用，可自由修改、扩展功能。MIT协议，商业使用也无顾虑。
    • 解决真实痛点：AI Agent的信息获取能力一直是短板，Agent-Reach恰好填补了这一空白，让AI Agent真正具备”感知互联网”的能力。
    • 活跃维护中：项目创建于2026年2月，至今仍保持活跃更新（最后更新2026年6月12日），社区反馈响应及时。
    • 支持平台广泛：覆盖15+主流内容平台，且持续增加中，基本涵盖国内外主要信息源。

    个人使用感受：Agent-Reach最大的价值在于极大地降低了AI Agent获取实时信息的能力门槛。以前要让AI获取Twitter或Reddit的信息，需要申请API、处理认证、写爬虫脚本，现在只需安装一个工具，对AI说一句话就能搞定。对于需要AI辅助调研、信息搜集的场景，这个工具堪称必备。

    📥 下载地址

    🔗 GitHub仓库：https://github.com/Panniantong/Agent-Reach

    🌐 官方网站：通过GitHub README中的安装链接获取

    📦 安装文档：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md

    💬 问题反馈：通过GitHub Issues提交

    本文由自动化任务每日精选GitHub热门AI开源项目整理发布。项目数据截止2026年6月13日。

  • 【开源推荐】markitdown：150K+ Stars！微软开源文档转Markdown神器，LLM管道必备

    【开源推荐】markitdown：150K+ Stars！微软开源文档转Markdown神器，LLM管道必备

    MICROSOFT 开源

    markitdown

    150K+ Stars · 将任意文档一键转换为 Markdown

    Python 3.10+
    MIT 开源
    LLM 友好
    📌 项目简介

    markitdown 是微软出品的一款轻量级 Python 工具，支持将 PDF、PowerPoint、Word、Excel、HTML、CSV、JSON、音频、视频等 数十种文件格式 统一转换为 Markdown 格式，是大模型文档处理管道中的核心基础设施。

    ⚙ 安装要求与过程

    环境要求
    • Python 3.10 及以上版本
    • 推荐使用虚拟环境（venv / uv / conda）
    • pip 21.0+（用于安装可选依赖组）
    快速安装（全格式支持）
    # 全量安装（推荐）
pip install 'markitdown[all]'

# 命令行直接使用
markitdown document.pdf > output.md

# Python API 使用
from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("document.pdf")
print(result.text_content)

    按需安装（减少依赖体积）
    pip install 'markitdown[pdf, docx, pptx]'   # 仅 PDF/Word/PPT
pip install 'markitdown[youtube-transcription]'  # 仅 YouTube 字幕

    ★ 核心功能

    📄 多格式支持
    PDF、Word、PPT、Excel、HTML、CSV、JSON、XML、EPUB、ZIP，覆盖办公全场景

    🖼️ 图片 & 音频
    图片 EXIF 元数据提取 + OCR，音频语音转写，视频字幕自动获取

    🤖 LLM 集成
    可调用 GPT-4V 等大模型为图片/幻灯片生成描述，增强多模态理解

    🔌 插件扩展
    支持第三方插件（如 markitdown-ocr），社区插件标签 #markitdown-plugin

    ☁️ Azure 集成
    支持 Azure Document Intelligence 和 Azure Content Understanding，企业级文档解析能力

    ▶ 典型使用场景

    场景一：RAG 知识库文档预处理

    在构建 RAG（检索增强生成）应用时，需要将企业内部的 PDF 手册、Word 文档、PowerPoint 课件统一转换为 Markdown，再切片嵌入向量数据库。markitdown 一条命令批量处理，保留标题层级和表格结构，大幅提升检索精度。

    for f in docs/*.pdf; do
  markitdown "$f" -o "md/${f%.pdf}.md"
done

    场景二：LLM 文档理解管道

    将用户上传的任意格式文档（简历、合同、报告）转换为 Markdown 后传给 LLM 进行分析、摘要或信息提取。markitdown 的 Markdown 输出对 Token 消耗远低于原始二进制格式，降低成本。

    from markitdown import MarkItDown
md = MarkItDown()
result = md.convert("contract.docx")
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role":"user","content":f"摘要：{result.text_content}"}]
)

    💡 推荐理由

    作为一名经常和 LLM 打交道的开发者，markitdown 已经成为我工具箱里的常驻成员。它的价值在于把”任意文档”变成”LLM 能理解的文本”，这在大模型应用开发中是一个高频且痛点的需求。

    最让我惊喜的是它的格式保留能力——转换后的 Markdown 仍然保留表格结构、标题层级和链接，这直接决定了 RAG 检索的质量。相比之下，很多同类工具转换后就只剩纯文本了。

    来自微软 AutoGen 团队的维护保证，加上 150K+ Stars 的社区验证，这款工具的可靠性和迭代速度都非常值得信赖。如果你正在做任何涉及文档处理的大模型应用，markitdown 绝对是不二之选。

    由 AI 自动整理，更多开源项目介绍持续更新中 🚀

  • 【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！

  • 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

  • Headroom：16.4k Stars！LLM上下文压缩层，最高省95% token消耗

    Headroom：16.4k Stars！LLM上下文压缩层，最高省95% token消耗

    用AI Agent干活，token消耗像流水。工具输出一多，日志一长，上下文就爆了。Headroom就是来解决这个问题的。

    Headroom

    项目是什么

    Headroom是一个面向AI Agent的上下文压缩层，在内容进入LLM之前先做压缩处理。工具输出、日志、RAG检索结果、代码文件、对话历史，统统可以压。官方数据说能省60-95%的token，而且答案质量不降。

    安装要求和过程

    要求Python 3.10以上。安装本身很简单：

    # 全量安装（推荐）
pip install "headroom-ai[all]"

# Node.js版本
npm install headroom-ai

# Docker
docker pull ghcr.io/chopratejas/headroom:latest

    如果你想按需安装，可以只装指定模块：[proxy]、[mcp]、[ml]、[code]、[memory]、[relevance]、[image]，不用全量。装完直接 headroom wrap claude 就能把Claude Code包起来用，零代码修改。

    核心功能

    • 三种接入模式：当作Python/TypeScript库直接调用 compress()，或者跑一个本地代理让任意应用零改动接入，或者直接wrap主流AI编码工具（Claude Code、Cursor、Aider、Copilot都支持）。
    • MCP服务器模式：提供了 headroom_compress、headroom_retrieve、headroom_stats 三个工具，可以接进任何MCP客户端。对用Claude Desktop或者Cline的人很方便。
    • 可逆压缩（CCR）：原始内容不会删，LLM觉得信息不够的时候可以通过工具调用把原始内容拿回来。不是有损压缩，是”按需取用”。
    • 跨Agent共享内存：多个Agent（Claude、Codex、Gemini）可以共享同一套上下文存储，自动去重。做多Agent协作的人会喜欢这个功能。
    • 自动学习：跑一下 headroom learn，它会去分析失败的会话，把修正规则自动写进 CLAUDE.md / AGENTS.md 这些配置文件。相当于Agent自己进化。

    典型使用场景

    先看数据。官方跑了一些真实工作负载的压缩测试：

    工作负载类型 压缩前token 压缩后token 压缩率
    代码搜索（100条结果） 17,765 1,408 92%
    SRE故障排查 65,694 5,118 92%
    GitHub Issue分类 54,174 14,761 73%

    实际场景里，最爽的是这两个：

    第一，长日志排查。SRE场景里把6万多token的日志压缩到5千多，压缩率92%，而且LLM给出的排查结论和质量没差。这意味着你可以用更便宜的模型、更短的上下文窗口，处理同样复杂的任务。

    第二，RAG场景。把检索回来的大量chunk先压缩再塞给LLM，原本只能放5条chunk的上下文窗口，现在能放20条。检索质量上去了，token消耗反而下来了。

    为什么推荐它

    我试过几个类似的方案，RTK、lean-ctx，还有OpenAI自己出的压缩方案。Headroom最打动我的是”可逆压缩”这个设计。很多压缩方案是单向的，压完原始信息就没了，LLM判断需要细节的时候拿不到原文。Headroom的CCR机制让LLM可以按需取回原始内容，这个设计很聪明。

    另外就是接入成本真的低。如果你用的是Claude Code或者Cursor，一条命令 headroom wrap claude 就搞定，不需要改代码，不需要重新配置，直接生效。对于已经用上这些工具的人来说，几乎是零成本的优化。

    本周Headroom在GitHub周增长榜排第一，新增了13,000+ star。16.4k的总star数不算高，但增长曲线很陡，说明用过的人都在往上加。这种”开发者口碑传播”的项目，通常比营销驱动的项目更值得跟。

    GitHub：github.com/chopratejas/headroom
    官网文档：headroom-docs.vercel.app
    协议：Apache 2.0（可商用）

  • Aider：45.3k Stars！终端AI结对编程工具，让Git与AI完美融合

    Aider：45.3k Stars！终端AI结对编程工具，让Git与AI完美融合

    📌 项目简介

    Aider

    Aider 是一款在终端中运行的AI结对编程工具，支持从零启动新项目或基于现有代码库进行开发。它不仅能理解整个代码库的结构，还能自动执行lint和测试，是开发者的AI编程利器！

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.8+
    • Git（Aider原生集成Git）
    • API密钥（Anthropic/OpenAI/DeepSeek等）

    快速安装步骤

    1. 安装Aider： 
      python -m pip install aider-chat
aider
    2. 配置API密钥： 
      # 使用Claude 3.7 Sonnet
export ANTHROPIC_API_KEY=your-key
aider --model sonnet

# 使用DeepSeek
export DEEPSEEK_API_KEY=your-key
aider --model deepseek

# 使用GPT-4o
export OPENAI_API_KEY=your-key
aider --model gpt-4o
    3. 进入项目目录： 
      cd /path/to/your/project
aider

    💡 核心功能

    1. 全代码库理解

    Aider能自动生成整个代码库的”地图”，理解项目结构，无论项目多大都能精准定位需要修改的文件。

    2. Git原生集成

    每次AI修改后，Aider都会自动生成合理的commit信息，你可以通过Git轻松diff、管理和回滚AI的修改。

    3. 多模态输入支持

    支持添加图片、网页到对话，提供视觉上下文、截图、参考文档等，让AI更准确理解你的需求。

    4. 自动校验与修复

    每次修改后自动执行代码lint和测试，如果检测到lint错误或测试失败，Aider会自动修复！

    5. 语音转代码

    支持语音输入需求，自动实现新功能、测试用例或Bug修复，编程效率翻倍！

    🚀 典型使用场景

    场景1：新项目从零启动

    想快速搭建一个新项目？只需在终端输入：

    $ aider
Aider> 帮我创建一个Flask REST API，包含用户认证和JWT令牌

    Aider会自动生成项目结构、配置文件、路由和测试用例，并自动提交第一个commit！

    场景2：现有代码库的功能迭代

    在已有项目中添加新功能？Aider理解整个代码库：

    $ aider
Aider> 在用户模型中添加一个"最后登录时间"字段，并更新相关API

    Aider会自动找到需要修改的文件，添加字段，更新迁移脚本，修改API响应，并运行测试确保一切正常！

    场景3：Bug修复与测试

    遇到Bug？让Aider帮你定位和修复：

    $ aider
Aider> 修复用户登录时的502错误，并添加测试用例

    Aider会分析日志、定位问题、修复代码、添加测试，确保问题不再复现！

    🎯 推荐理由

    作为一名开发者，我一直在寻找能让AI真正融入编程工作流的工具。Aider是我用过的最实用的AI编程助手，原因如下：

    ✅ Git原生集成：不像其他工具那样”黑盒”修改，Aider的每次修改都有清晰的commit，你可以随时diff或回滚。

    ✅ 理解大型代码库：Aider会生成整个代码库的地图，即使是很复杂的项目，它也能精准定位需要修改的地方。

    ✅ 自动修复lint/测试错误：这是我最喜欢的功能！Aider修改代码后会自动运行lint和测试，如果有错误会自动修复，真正实现了”自动化编程”。

    ✅ 支持100+编程语言：无论你用Python、JavaScript、Rust、Go还是C++，Aider都能胜任。

    ✅ 多模态输入：可以添加图片、网页到对话，让AI更准确理解你的需求，这对前端开发特别有用！

    如果你想要一个真正能理解你的代码库、并与Git无缝集成的AI编程助手，Aider绝对值得一试！

    📥 下载地址

    官方资源

    快速安装

    # 安装Aider
python -m pip install aider-chat

# 使用Claude 3.7 Sonnet（推荐）
export ANTHROPIC_API_KEY=your-key
aider --model sonnet

# 使用DeepSeek（性价比高）
export DEEPSEEK_API_KEY=your-key
aider --model deepseek

# 使用GPT-4o
export OPENAI_API_KEY=your-key
aider --model gpt-4o

    #开源项目 #AI编程 #终端AI #Aider #GitHub热门 #AI Agent

  • Gemini CLI：104.5k Stars！Google官方终端AI智能体，让命令行成为你的AI搭档

    Gemini CLI：104.5k Stars！Google官方终端AI智能体，让命令行成为你的AI搭档

    Gemini CLI 特色图

    📌 项目简介

    Gemini CLI 是 Google 官方开源的终端 AI 智能体，把 Gemini 大模型的能力直接搬进了你的命令行。它不只是一个聊天工具——它能读你的代码库、帮你写代码、调试 Bug、执行终端命令，甚至直接操作文件，真正实现了「在终端里有一个懂你项目的 AI 搭档」。

    ⚙️ 安装要求和过程

    📦 环境要求

    • Node.js >= 18（必须！）
    • npm 或 npx（自带）
    • Google 账号（登录获取免费额度）
    • 终端：支持 macOS / Linux / Windows

    🚀 快速安装（3步搞定）

    最简单的方式，一步安装：

    npm install -g @google/gemini-cli

    或者用 npx 直接运行（无需安装）：

    npx @google/gemini-cli

    安装完成后，在终端输入以下命令启动：

    gemini

    首次使用会用浏览器打开 Google 登录页面，授权后即可开始使用，免费版有每天 1000 次请求额度，对个人使用完全够用。

    💡 核心功能

    🔍 1. 全代码库理解

    Gemini CLI 不是「瞎猜」你的代码，它能真正读取和理解整个项目目录。你问它「这个函数的逻辑是什么」，它会去读对应的文件，给你准确的答案，而不是泛泛而谈。

    🛠️ 2. 代码生成与执行

    直接让它写代码、改 Bug、重构函数，它生成完还能直接帮你写到文件里。更厉害的是它可以在沙箱环境里执行代码，验证结果后再提交，减少低级错误。

    🔗 3. 内置 Google 工具集成

    因为是第一方工具，Gemini CLI 可以直接调用 Google 的生态：搜索网页、读取 Gmail、管理日历、操作 Google Drive 文件……这些都不需要额外配置，登录账号就能用，真正的一体化体验。

    📋 4. 多模态支持

    不只处理文字——你可以把截图、设计图、PDF 文档直接丢给它，它能看懂图片内容、提取 PDF 里的文字、分析表格数据。写前端的时候直接把设计稿截图发过去，它能帮你写出对应的 HTML/CSS，这体验真的很丝滑。

    ⚡ 5. 超长上下文窗口

    Gemini 的杀手锏就是上下文长度，CLI 版本同样支持最高 100 万 token 的上下文窗口（付费版）。什么概念？你可以把整个中型项目的代码库全部塞进去，它都能记住，不需要像其他工具那样担心「忘记前面的对话」。

    🎯 典型使用场景

    场景一：接手陌生项目，快速上手

    刚 clone 下来一个开源项目，看不懂项目结构？在终端里直接输入 gemini 启动，然后问它：「这个项目的入口文件在哪？主要业务逻辑是怎么流转的？」它会读一遍整个目录，给你画出一张「项目地图」，比自己瞎看文档快太多了。

    场景二：写代码卡壳，AI 当结对编程伙伴

    正在写一个复杂的正则表达式或者递归算法，脑子转不动了？不用切换窗口去网页版 ChatGPT，直接在终端里问 Gemini CLI，它看着你的代码上下文给建议，甚至直接帮你写完整个函数。最关键是——它知道你项目里已有的工具和风格，不会给你写出风格迥异的代码。

    场景三：自动化日常开发任务

    需要批量重命名文件、生成项目的 README、写单元测试、或者分析 git log 找出是谁引入了某个 Bug？这些琐碎但耗时的任务，直接告诉 Gemini CLI 去做，它能在终端里直接执行，你只需要最后确认一下结果就行。

    🌟 推荐理由

    我推荐 Gemini CLI，最直接的原因就是：它是真的「懂终端」的 AI 工具。

    之前用过不少 AI 编程助手，但大多要么是在网页里聊天（切换窗口很打断思路），要么是 VS Code 插件（离开编辑器就用不了）。Gemini CLI 不一样——它就在你的终端里，和你日常的 cd、git、npm 命令待在一起，想问什么直接问，完全不需要切换上下文。

    另一个很打动我的点是免费额度够大方。每天 1000 次请求，对个人开发者来说基本上用不完。当然如果你需要 100 万 token 的超长上下文，那就要开付费了，但普通使用免费版完全够用。

    当然它也有不足——相比 Claude Code，Gemini CLI 的代码生成质量偶尔会稍逊一筹，复杂逻辑可能需要多轮对话才能搞定。但作为一款终端原生的免费 AI 助手，它已经足够好用，特别是如果你本来就在用 Google 生态（Gmail、Drive 等），整合体验会很流畅。

    📥 下载地址

    🌐 官方网站：geminicli.com

    🐙 GitHub 仓库：github.com/google-gemini/gemini-cli（104.5k ⭐）

    📦 npm 安装：npm install -g @google/gemini-cli

    📚 官方文档：查看 GitHub README

    🚀 如果你每天都在用终端，Gemini CLI 值得一试。
    把它当成你的「终端里的 AI 结对编程伙伴」，你会发现开发效率提升不止一点点。