Agent 的记忆，终于不跟着工具搬家了

javee
0 阅读1分钟

GitHub Trending 每日精选

今天榜单有点「冷静」：Claude Code 中途换 Codex 接着干活的记忆中转站，Anthropic 官方给金融行业打包的一整支 Agent 军团，断网也能用的离线知识服务器，加上开源行情终端和 B 站切片工具。没有绑定某个模型的黑科技，全是解决真实痛点的基础件。

Claude Code 干到一半换 Codex？这个记忆中转站让活儿不断档

项目地址: akitaonrails/ai-memory

⭐ 今日新增 167 星

akitaonrails/ai-memory

用 AI 编程工具的人都有这个体验：Claude Code 干到一半想换 Codex 试试，新工具对项目一无所知，架构、踩过的坑、没解决的问题全得重新讲一遍。ai-memory 干的就是这个交接活——二十多个主流 Agent 工具（Claude Code、Codex、Cursor、Gemini CLI、Devin……）往同一个记忆库写，换工具时下一个 Agent 直接接过交接棒：干到哪了、什么方案失败了、还悬着什么。

架构上它有几个挺务实的选择。记忆的源头不是向量库，而是一个 git 管理的 markdown wiki——能 grep、能进 Obsidian、能手改，数据库只是随时可以重建的索引。捕获靠 lifecycle hooks 静默记录你实际的提示词和工具调用，会话结束时整理成可读的页面。最妙的是默认路径零 LLM 调用：捕获、搜索、交接都不用 API key，想省钱的可以直接裸跑。

它跑成一个你自己部署的服务，所以天然跨机器、跨团队：项目知识按仓库共享，个人交接保持私有，多用户鉴权和审计日志都是内置的。整个东西是一个自包含的 Rust 二进制，作者连写入上限都给你实测出来（约 700 条/秒）而不是拍脑袋报数。如果你在多个 AI 工具之间反复横跳，这是目前看到的最像「交接协议」而非「记忆功能」的方案。

交接是一个协议，不是一种默契——typed、有主、只能认领一次。

Anthropic 把金融民工的活儿拆成了九个官方 Agent

项目地址: anthropics/financial-services

⭐ 今日新增 424 星

anthropics/financial-services

Anthropic 官方的行业模板库又添新丁，这次是金融服务业。仓库里是一整套端到端的工作流 Agent：会前准备 Agent 生成客户简报、财报审阅 Agent 吃进电话会和申报文件后更新模型再起草备忘、模型构建 Agent 直接在 Excel 里搭 DCF/LBO/三表，还有估值复核、总账对账、月末结账、LP 报表审计、KYC 筛查——基本把一级二级市场的中后台流程点了个名。

实现方式值得注意：全部是 markdown 和 YAML。每个 Agent 是一个自包含的 Cowork 插件，同时也能作为 Claude Managed Agent 模板通过 API 部署；不想装整个 Agent 的话，可以只装垂直插件包，拿 /comps、/dcf、/earnings 这些斜杠命令和数据连接器。LSEG 和标普全球还贡献了基于自家数据的官方插件。

对行业外的人，这个仓库的价值在于它是一份「哪些岗位流程能被 Agent 化」的公开清单——每个 Agent 目录里都有 agent.yaml、叶子子 Agent、steering 事件示例和独立的安全说明，等于把生产级 Agent 的组织方式摊开给你看。做企业内部 Agent 落地的，抄这个结构比看博客文章实在。

全仓库都是 markdown 和 YAML——Agent 的生产资料，原来这么朴素。

一台旧电脑装下一座图书馆：断网也能查维基、上课、问 AI

项目地址: Crosstalk-Solutions/project-nomad

⭐ 今日新增 394 星

Crosstalk-Solutions/project-nomad

Project NOMAD 是一个离线优先的知识服务器：装在一台你自己的机器上，没有网也能用——离线维基百科、几千本书、Khan Academy 课程带进度跟踪、可下载的离线地图，再配一个本地 AI 问答（Ollama 跑模型，Qdrant 做文档语义搜索）。定位很明确：应急备灾、教育薄弱地区、或者单纯不想把阅读记录交给云服务的人。

它本质上是一个「编排器」：命令中心 UI 通过 Docker 统一管理底下的一堆容器——Kiwix 管离线维基、Kolibri 管课程、CyberChef 管编解码工具、FlatNotes 管笔记——安装、配置、更新全替你包了，还带引导式初始化向导和可选的自动更新。对不会运维的人来说，把一整套自托管栈的门槛压到了一条安装脚本。

硬件要求很有意思：管理端本身 4GB 内存就能跑，但官方强烈建议上带 GPU 的机器（推荐 32GB 内存加 RTX 3060 级别）才能喂得动本地 LLM，网站上还给了 150 到 1000 美元三档的装机指南。目前没做认证，官方建议只在内网用、别暴露公网。家里有闲置主机的，值得花一个晚上折腾一下。

断网时才想起的东西，平时就该装好。

看盘软件凭什么收年费？这个 844 星/天的开源终端来踢馆

项目地址: Open-Dev-Society/OpenStock

⭐ 今日新增 844 星

Open-Dev-Society/OpenStock

今天涨势最猛的是 OpenStock，一天 844 星冲到榜单第三。它对标的是那些动辄几百美元年费的行情平台：实时价格、自定义预警、公司基本面洞察，全部开源，永久免费。口号写在 README 第一行——built openly, for everyone, forever free。

技术栈是相当标准的一套 Next.js（App Router）+ shadcn/ui + Tailwind，认证用 Better Auth，数据存 MongoDB，行情来自 Finnhub，K 线图和热力图这些专业视图直接嵌 TradingView 的组件——不重复造轮子，把现成最好的零件拼起来。个股页有蜡烛图、技术指标、公司财务组件，还接了 Reddit、X 和新闻的跨源情绪分析，甚至 Polymarket 的数据都有。

要注意它不是券商，不能交易，数据也可能按数据源规则有延迟，README 里明说「不构成投资建议」。但作为一个自托管行情终端，它把「看盘」这件事的门槛打到了 docker compose 一把梭。对想攒个个人量化看板、或者单纯厌倦行情软件开屏广告的开发者，这是个不错的起点，二次开发记得注意 AGPL-3.0 的传染性。

行情数据不贵，贵的是藏在软件里的年费。

B 站切片党的流水线：AI 找高光、自动切、排合集

项目地址: zhouxiaoka/autoclip

⭐ 今日新增 250 星

zhouxiaoka/autoclip

榜单难得见一个纯中文生态的项目。AutoClip 解决的是切片 UP 主最烦的那段活：先看完几个小时的直播录像找高光。它从 YouTube、B 站下载视频（也支持本地上传），用通义千问理解内容，自动识别精彩片段并切割，还能按主题智能生成合集，支持拖拽排序。

架构是前后端分离的标准打法：FastAPI 后端加 Celery 任务队列处理异步切片，Redis 管任务状态，WebSocket 推实时进度，前端 React + Ant Design。技术栈没什么炫技的，胜在每一步都对着真实工作流：切片、合集、项目管理、数据统计一条龙。B 站自动上传、多账号管理和字幕编辑器在开发中，成了之后就是完整的内容生产流水线。

部署支持 Docker 一键启动，最少 4GB 内存就能跑。对做二创的 UP 主是生产力工具；对想研究「LLM 怎么理解长视频」的人来说，它把视频理解结果落到切片决策的整条链路都是开源的，也是个不错的参考实现。MIT 协议，随便折腾。

切片最贵的不是剪，是找——它把「找」交给了模型。

今日完整榜单

avatar
文章
阅读
粉丝