---
title: "GitHub 今日值得关注的 7 个 AI 项目｜2026-11-03"
description: "本期七个项目集中在 Agent 的执行层。内容涵盖桌面与手机应用操作、并行编码的工作树管理、多模态对话的图片上下文裁剪、自托管搜索，以及微软 4B 规模的多模态模型家族 Mage。"
pubDate: 2026-11-03T10:35:00+08:00
tags: ["GitHub AI 日报", "AI Agent", "Agent 基础设施", "多模态", "开源项目"]
---

## 导语

vercel-labs/agent-desktop 通过操作系统无障碍树读取和操作桌面应用。wangzan101/Mika 在 Android 的后台屏幕上代用户操作应用和网页。Code-Amadeus/Amadeus 把语音对话、角色形象和任务委派合进一个桌面界面。max-sixty/worktrunk 为并行运行的编码 Agent 隔离工作目录。chipfighter/framekeeper 处理多模态对话里旧图片被反复上传的问题。sahenjp/RustXNG 为 Agent 提供本地元搜索和网页正文。microsoft/Mage 从模型侧切入，其中 Mage-VL-Cowork 同样面向电脑操作。这几个项目分别处理 Agent 长时间、多步骤执行时遇到的三类问题，即操作控制、上下文成本和信息获取。

## 数据范围与方法

- **数据时间**：2026-11-03 10:35（北京时间）。
- **信号来源**：GitHub Trending 的日榜和周榜，加上按 ai-agent、llm、generative-ai、artificial-intelligence、multimodal、rag、ai-coding 七个主题检索近 180 天新建的仓库。
- **收录条件**：AI 是项目的核心能力；Star 不少于 500（合格项目不足 10 个，门槛从 1,000 放宽到 500）；没有归档，不是 fork；最近 90 天内有提交或正式发布。资源清单、教程和提示词合集不收。
- **去重**：本系列往期日报和周报已经收录过的 671 个仓库不再收。
- **排序**：先看日榜（按当天新增 Star），再看周榜（按这一周新增 Star），最后是主题检索（按 Star）。这是本站的排序，不是 GitHub 的官方排名。

## Top 7 一览

| # | 项目 | Star（11-03） | 分类 | 最近更新 |
|---|---|---|---|---|
| 1 | [vercel-labs/agent-desktop](https://github.com/vercel-labs/agent-desktop) | 10,029 | 桌面操作 CLI | 11-03 有提交；v1.0.2（10-30） |
| 2 | [max-sixty/worktrunk](https://github.com/max-sixty/worktrunk) | 10,077 | Git 工作树管理 | 11-02 有提交；v0.81.0（10-20） |
| 3 | [wangzan101/Mika](https://github.com/wangzan101/Mika) | 5,411 | 手机端 Agent | 11-02 有提交；v0.1.34（11-02） |
| 4 | [microsoft/Mage](https://github.com/microsoft/Mage) | 1,760 | 多模态模型家族 | 11-02 有提交；无正式发布 |
| 5 | [chipfighter/framekeeper](https://github.com/chipfighter/framekeeper) | 755 | 图片上下文管理 | 11-02 有提交；v0.11.0（11-02） |
| 6 | [sahenjp/RustXNG](https://github.com/sahenjp/RustXNG) | 720 | 自托管搜索 | 11-02 有提交；v0.26.0（11-01） |
| 7 | [Code-Amadeus/Amadeus](https://github.com/Code-Amadeus/Amadeus) | 510 | 多模态桌面 Agent | 11-01 有提交；v0.17.1-alpha.1（10-22） |

## 项目介绍

### 1. [vercel-labs/agent-desktop](https://github.com/vercel-labs/agent-desktop)

- **Star**：10,029（2026-11-03）
- **分类**：桌面操作 CLI
- **最近更新**：2026-11-03 有提交；最新正式发布 v1.0.2（2026-10-30）
- **许可证**：Apache-2.0
- **入选理由**：GitHub Trending 日榜第 1 名，当天新增 2,275 个 Star。
- **简介**：用 Rust 编写的 CLI 和 C 库，支持 macOS、Windows 和 Linux。它读取系统无障碍树，snapshot 命令以 JSON 列出可操作元素，并为每个元素分配引用。Agent 针对引用执行点击、输入等动作，再重新读取界面核验结果，不做像素匹配。可通过 npm 安装。
- **看点**：从 README 看，引用只在生成它的那次 snapshot 结果内有效，界面变化时返回 STALE_REF 等错误码，并标明能否安全重试，这套契约便于写进 Agent 循环。默认无头操作，不移动指针也不抢焦点。局限在于依赖应用自身的无障碍支持，Linux 端不少能力受 X11 或 GNOME 限制。

### 2. [max-sixty/worktrunk](https://github.com/max-sixty/worktrunk)

- **Star**：10,077（2026-11-03）
- **分类**：Git 工作树管理
- **最近更新**：2026-11-02 有提交；最新正式发布 v0.81.0（2026-10-20）
- **许可证**：GitHub 未能识别，以仓库里的 LICENSE 文件为准
- **入选理由**：GitHub Trending 日榜第 12 名，当天新增 77 个 Star。
- **简介**：Rust 编写的 Git worktree 命令行工具，以分支名寻址工作树，路径由可配置模板生成。三个核心命令覆盖切换、创建和清理。附加功能包括钩子、LLM 生成提交信息、一键合并、按工作树分配端口，以及在 APFS、btrfs、XFS 上共享构建缓存。
- **看点**：如果同时运行多个 Claude Code 或 Codex 会话，一条 wt switch 命令就能完成建分支、建工作树和启动 Agent，省去原生 worktree 的重复输入。README 称它是最流行的 worktree 管理器，这是项目方说法。Windows 上的 wt 与 Windows Terminal 命令冲突，需要改用别名。

### 3. [wangzan101/Mika](https://github.com/wangzan101/Mika)

- **Star**：5,411（2026-11-03）
- **分类**：手机端 Agent
- **最近更新**：2026-11-02 有提交；最新正式发布 v0.1.34（2026-11-02）
- **许可证**：Apache-2.0
- **入选理由**：ai-agent 主题下近 180 天新建的仓库里，Star 排第 16。
- **简介**：Kotlin 编写的 Android 应用，在独立的后台屏幕上打开应用、点击、输入和滚动。它按屏幕内容识别按钮，不依赖应用 API。应用还内置浏览器和定时任务，每个会话配一个 arm64 Linux 沙箱。模型使用用户自己的 API Key 或账号登录，项目方称没有 Mika 服务器。
- **看点**：后台屏幕让 Agent 操作与用户前台使用互不干扰。默认的询问模式只在付款前确认，登录和验证码交还用户处理，边界划得较清楚。操作应用需要 Android 12 以上，并配对一次无线调试。内置的使用知识以中文应用为主，其他地区的应用效果需要自行验证。

### 4. [microsoft/Mage](https://github.com/microsoft/Mage)

- **Star**：1,760（2026-11-03）
- **分类**：多模态模型家族
- **最近更新**：2026-11-02 有提交；没有正式发布
- **许可证**：MIT
- **入选理由**：multimodal 主题下近 180 天新建的仓库里，Star 排第 5。
- **简介**：微软的 4B 参数多模态模型家族，以 Python 实现，包含三个模型。Mage-VL 负责图像与视频理解，Mage-Flow 负责文生图与图像编辑，Mage-VL-Cowork 是结合 GUI、代码和终端动作的电脑操作模型。Mage-VL 的视觉编码器从头训练，搭配 Qwen3-4B 解码器。
- **看点**：README 称 Mage-VL 的视觉 token 用量减少超过 75%，Mage-VL-Cowork 在 50 步预算下的 OSWorld-Verified 成绩为 66.0%，均为项目方数据。固定 4B 规模适合算力有限的后训练研究和垂直领域实验。仓库暂无正式版本发布，各模型细节分散在子目录文档中。

### 5. [chipfighter/framekeeper](https://github.com/chipfighter/framekeeper)

- **Star**：755（2026-11-03）
- **分类**：图片上下文管理
- **最近更新**：2026-11-02 有提交；最新正式发布 v0.11.0（2026-11-02）
- **许可证**：MIT
- **入选理由**：multimodal 主题下近 180 天新建的仓库里，Star 排第 9。
- **简介**：TypeScript 编写的 Agent 插件，README 中名为 Context Attachment Manager。它把较早的图片移出每次请求，并记录每张图的内容和用户评价。模型需要时按 id 取回图片，用户也可以固定某张图每轮发送。核心与平台无关，各 Agent 通过薄适配层接入。
- **看点**：截图密集的电脑操作、扫描 PDF 和连续生图最可能受益。项目方测试中，一次请求从 24.9 MB 降到 212 KB。但其长任务测试也显示，当图片本就存在磁盘上时，插件反而多花约 30%。可视面板只在 Codex 和 Claude Desktop 提供，其余平台标注为新接入。

### 6. [sahenjp/RustXNG](https://github.com/sahenjp/RustXNG)

- **Star**：720（2026-11-03）
- **分类**：自托管搜索
- **最近更新**：2026-11-02 有提交；最新正式发布 v0.26.0（2026-11-01）
- **许可证**：AGPL-3.0
- **入选理由**：rag 主题下近 180 天新建的仓库里，Star 排第 19。
- **简介**：基于 SearXNG、以 Rust 编写的自托管元搜索引擎。它提供 JSON、CSV、RSS 和 HTML 输出，可按域名、引擎和时间过滤，并可选抓取网页正文。rustxng mcp 通过 stdio 提供只读的 search 和 read_page 两个工具，返回内容设有字符和字节上限。
- **看点**：适合让 Agent 联网又不想依赖付费搜索 API 的场景，返回量可控，有助于节省上下文。服务虽在本地运行，搜索词仍会发往上游引擎。README 说明历史评分基于旧引擎组合，限额目前只按字符和字节计算，不对应 token 数。AGPL 许可对分发和服务化有约束。

### 7. [Code-Amadeus/Amadeus](https://github.com/Code-Amadeus/Amadeus)

- **Star**：510（2026-11-03）
- **分类**：多模态桌面 Agent
- **最近更新**：2026-11-01 有提交；最新正式发布 v0.17.1-alpha.1（2026-10-22）
- **许可证**：AGPL-3.0
- **入选理由**：multimodal 主题下近 180 天新建的仓库里，Star 排第 13。
- **简介**：以 Python 为主的实时多模态桌面 Agent，把语音对话、角色形象和任务执行放进同一界面。主角色负责交流和讲述，具体执行交给 Pi、Codex、Browser 等 Provider，Host 掌管身份、权限、持久化和恢复。语音侧使用 Qwen3-ASR、SenseVoice 和 GPT-SoVITS。
- **看点**：它把可打断的语音交互与可恢复的 Work 控制面放在一起。权限默认逐次审批，主对话不能直接调用 MCP 工具，权限边界设计较细。项目处于 Alpha 候选阶段，并非自包含的发布版。公开源码不含角色包、模型权重和参考音频，上手成本偏高。

## 趋势观察

1. 电脑操作是本期主线。agent-desktop 读取无障碍树，Mika 按屏幕内容识别元素，Mage-VL-Cowork 把 GUI、代码和终端动作合进一个策略。三者路线不同，但都在把每一步操作结果变成 Agent 可以核验的状态。
2. 上下文成本被当作工程问题来处理。framekeeper 裁剪历史图片，RustXNG 为搜索结果和网页正文设定上限，Mage-VL 压缩视觉 token。三者思路一致，只把模型当下需要的内容送进去。
3. 人与 Agent 的控制边界写进了产品设计。Mika 在付款前确认，Amadeus 默认逐次审批权限，agent-desktop 用错误码标明能否安全重试。长任务能否恢复、能否被人接管，正在成为基本要求。
4. 工具文档开始直接写给 Agent 读。agent-desktop 在二进制中内置技能文档，RustXNG 和 Mika 提供可交给 Agent 执行的安装指令，framekeeper 让 Agent 自行识别所在平台再安装。

## 选型建议

- **让 Agent 操作桌面应用**：[vercel-labs/agent-desktop](https://github.com/vercel-labs/agent-desktop)
- **并行运行多个编码 Agent**：[max-sixty/worktrunk](https://github.com/max-sixty/worktrunk)
- **在手机上代办应用任务**：[wangzan101/Mika](https://github.com/wangzan101/Mika)
- **算力有限的多模态研究**：[microsoft/Mage](https://github.com/microsoft/Mage)
- **截图密集的长对话**：[chipfighter/framekeeper](https://github.com/chipfighter/framekeeper)
- **给 Agent 接入本地搜索**：[sahenjp/RustXNG](https://github.com/sahenjp/RustXNG)
- **语音加角色的桌面助手**：[Code-Amadeus/Amadeus](https://github.com/Code-Amadeus/Amadeus)

## 数据时效

文中的 Star、Fork、提交和发布记录都截至 2026-11-03 10:35（北京时间），之后会变化。GitHub 只在 Trending 页上显示新增 Star，其余项目的增星没有公开数据，文中不做推算。

## 免责声明

本文根据公开的仓库信息整理，只供技术参考，不构成部署、采购或投资建议。README 里的性能、用户量等说法属于项目方自述，没有经过独立验证。许可证以仓库里的 LICENSE 文件为准。