这一期是 2026 年 9 月补写的。本站的 AI 日报从 2026 年 8 月 24 日才开始，之前没有记录，就按周往回补，材料是互联网档案馆存下的 GitHub Trending 日榜，每天一份。这一周每天上榜 8 到 17 个仓库，七天加起来 55 个，这里从中挑了 10 个 AI 项目。
名单里有两拨。一拨围着编码 Agent 转，diagram-design 和 ppt-master 都是装进 Claude Code 这类工具里用的工作流，一个画图，一个做幻灯片；paperclip 和 holaOS 管的是同时用好几个 Agent，Switchyard 让这些 Agent 改接别家的模型。另一拨把模型往小设备上压。needle 整个模型只有 14MB，Soup 想在 4GB 显存的笔记本上微调 8B 模型，modly 在自己的显卡上把照片变成 3D 模型。剩下的 semantica 和 ragflow，做的都是给大模型用的知识层。
挑选的条件有三条。AI 得是项目的核心能力，存档页上的 Star 要过 1,000，到周日为止的 90 天里还有提交或发布。资源清单、教程、书的配套代码和提示词合集都不收；前面几周收过的项目，除非这一周发了主版本号升级的新版，也不再收。排序先看这一周上了几天榜，再看单日涨得最多的那天。单日增星是存档那一刻页面上显示的当天数字，每天存档的钟点不一样，只能大致比较。表里的 Star 是这一周最后一次上榜时页面上显示的总数，许可证、发布和提交记录都截至 8 月 16 日。
十个项目
| # | 项目 | 上榜 | 单日最多增星 | Star | 方向 |
|---|---|---|---|---|---|
| 1 | cactus-compute/needle | 5 天 | +769（08-14） | 6,262（08-16） | 端侧工具调用模型 |
| 2 | cathrynlavery/diagram-design | 4 天 | +4,475（08-14） | 18,031（08-15） | Agent 画图技能 |
| 3 | semantica-agi/semantica | 4 天 | +893（08-12） | 7,250（08-14） | 可审计的上下文图谱 |
| 4 | infiniflow/ragflow | 3 天 | +465（08-14） | 88,272（08-14） | RAG 与 Agent 平台 |
| 5 | paperclipai/paperclip | 2 天 | +748（08-12） | 77,452（08-12） | Agent 团队编排 |
| 6 | NVIDIA-NeMo/Switchyard | 2 天 | +421（08-13） | 1,020（08-13） | 大模型流量路由 |
| 7 | holaboss-ai/holaOS | 2 天 | +258（08-13） | 6,917（08-14） | 多 Agent 本地工作台 |
| 8 | lightningpixel/modly | 2 天 | +118（08-14） | 5,710（08-14） | 本地图片生成 3D |
| 9 | hugohe3/ppt-master | 1 天 | +364（08-12） | 45,128（08-12） | AI 生成原生 PPT |
| 10 | MakazhanAlpamys/Soup | 1 天 | +303（08-15） | 1,438（08-15） | 低显存大模型微调 |
逐个看
1. cactus-compute/needle
needle 是 Cactus Compute 做的端侧小模型，专门干工具调用、设备操作和结构化抽取。按 README，Needle 2 有 45M 参数，整个模型是一个 14MB 的二进制文件，一次完整会话大约占 28MB 内存。README 说它和 FunctionGemma 270M、LFM2.5 230M、Apple FM 这些小模型互有胜负，体积却小 5 到 70 倍。每次回复都带一个置信度分数，用户设个阈值，高于阈值就执行，低于就交给别的系统处理。工具多的时候，内置的检索头每轮只挑出最相关的五个。
仓库是在 8 月 9 日从第一代 Needle 换成 Needle 2 的，参数量从 26M 加到 45M。这一周的提交多在补周边，10 日加了一个浏览器里的试用界面，可以就着当前的工具直接微调；之后又补了离线安装说明，以及获取和下载模型的命令。到周日，README 写的是推理引擎第一次使用时从 Hugging Face 下载并缓存，推理过程本身不联网。当时的许可证是 MIT。
2. cathrynlavery/diagram-design
diagram-design 是 Cathryn Lavery 写的画图技能，装进 Claude Code、Codex 或 Pi 以后，让 Agent 画出排版讲究的图。README 写的是 27 种图，架构图、流程图、时序图、象限图都有，每种出浅色、深色和完整排版三个版本，产物是一个不用构建、不带 JavaScript 的 HTML 文件。它能读你的网站，把主色和字体抽出来套到每张图上，现成的 draw.io 和 Mermaid 图也能拿来重画。README 定了几条规矩，一张图只用一种强调色，所有坐标和间距都是 4 的倍数，并说后一条不容商量，图不显得像 AI 做的就靠它。
8 月 14 日它单日涨了 4,475 个 Star，是这一周所有上榜仓库里最多的。仓库这一周很热闹，12 日合进一批外部贡献，有覆盖三种系统的持续集成，也有 Mermaid 导入的修复，同一天还加了语义模式和可选的无障碍动画。13 日插件改成走各家原生的插件市场自动更新，14 日加了按客户保存的品牌配置。仓库简介写的是 29 种图，和 README 正文的 27 种对不上。许可证是 MIT。
3. semantica-agi/semantica
semantica 自称给 AI Agent 用的开源版 Palantir。它把企业数据导进来，抽出实体和关系，建成上下文图谱和知识图谱，再在上面做图分析和因果推理，每条事实都带 W3C PROV-O 格式的来源记录。Agent 的每个决策可以存成图里的一个节点，事后能追它的因果链，也能找相似的先例。README 强调图的构建、推理和溯源都是确定性的，用不着大模型，目标用户是金融、医疗、法律这些要过审计的行业。
8 月 11 日发的 v0.6.5 是一个安全版本，修了外部报告的五个漏洞，外加一个正则回溯的问题。其中一个是 Explorer API 的所有路由之前都没有鉴权，现在必须配好 SEMANTICA_API_KEY，没配就直接拒绝服务；另外两处是图数据库和三元组存储后端的查询注入。按我的理解，拿它记审计轨迹的团队，至少要确认自己跑的是这一版以后的代码。当时的许可证是 MIT。
4. infiniflow/ragflow
RAGFlow 是 infiniflow 的开源 RAG 系统，README 说它把 RAG 和 Agent 能力合在一起，给大模型做上下文层。它主打深度文档理解，版式复杂的文件也能抽出内容。切块按模板来，切块结果可以可视化，留给人插手修改，回答附带能追溯的引用。自建部署至少要 4 核、16GB 内存和 50GB 磁盘，官方镜像只有 x86 版。
README 的更新记录最后一条还停在 6 月 15 日，这一周没有正式发版，最近一个是 7 月 7 日的 v0.26.4。仓库却很忙，七天两百多次提交。日榜给它标的语言是 Go，仓库根目录下 Python 的 pyproject.toml 和 Go 的 go.mod 并存。这一周不少提交在补 Go 那部分，Go 写的数据源同步加上了 MySQL 和 PostgreSQL 连接器，还有一套测试专门比对两种语言切出来的块是否一致。README 没提这件事，自建部署的要求里仍写着 Python 3.13 以上。许可证是 Apache-2.0。
5. paperclipai/paperclip
Paperclip 管的是一整队 AI Agent。README 打了个比方，如果 OpenClaw 是员工，Paperclip 就是公司。它是一个 Node.js 服务加 React 界面，用户给公司定目标，再招 CEO、CTO、工程师这些角色，Claude Code、Codex、Cursor 之类的 Agent 都能填进去，按 README 的说法，能接收心跳的就能被雇用。每个 Agent 有月度预算，花到上限就停。招人要人批准，人也可以随时推翻策略，暂停或解雇任何一个 Agent。
这一周它没有发版，最近一个正式版本是 7 月 22 日的 v2026.722.0，版本号按日期编。七天里有一百四十多次提交，15 日集中合进一组修复，审查策略给出的裁决改由服务端强制执行，堵住了把裁决降级来绕过审查的口子。README 的路线图上，记忆和知识库这一项还没打勾。许可证是 MIT。
6. NVIDIA-NeMo/Switchyard
Switchyard 是 NVIDIA NeMo 用 Rust 写的大模型流量代理，也能当库嵌进别的程序。它在 OpenAI Chat、Anthropic Messages 和 OpenAI Responses 三种接口格式之间互相翻译。README 举的用法是，Claude Code 或 Codex 照常说自己那套接口，请求实际交给 vLLM、NVIDIA NIM、Ollama 这类后端上的开源模型。路由有几种策略，可以先让一个模型判断这一轮该用弱模型还是强模型，也可以都先交给弱模型，再由裁判模型决定要不要转给强模型，还有按固定比例分流的 A/B 测试。
8 月 10 日发的 v0.2.0 是一次大改，发布说明说整个项目围绕原生 Rust 服务和新的 libsy 库重新组织。libsy 的路由算法不碰 HTTP，只决定调哪个模型，再把调用交还给宿主程序。第二天，旧的 Python 服务端被删掉了。README 写着它还在 pre-alpha 阶段，不要用在生产环境。许可证是 Apache-2.0。
7. holaboss-ai/holaOS
holaOS 自称给你和你的 Agent 用的电脑。它是一个本地优先的桌面工作台，Claude Code、Codex 和它自带的 holaOS Agent 可以并排跑，共用同一份记忆、同一套工具和技能。记忆以纯文本文件存在本机，可以直接打开来读、来改。模型方面，它内置了几家前沿模型，也可以填自己的 API 密钥。另一个卖点叫 HolaApps，装上的应用以可交互的界面开在 Agent 旁边，Agent 在里面操作，人随时能接手。
这一周它比较安静，七天只有十几次提交，15 日加了 Atlas Cloud 的模型服务预设。许可证文件是在 Apache 2.0 上加了条件的改版。不经书面授权，不能用它的源码给第三方提供托管服务，也不能把它嵌进对外销售的产品；用到它的前端时，不能去掉或改动 Logo 和版权信息。单个组织内部自用不需要商业许可。
8. lightningpixel/modly
Modly 是一个桌面应用，用本机显卡上跑的开源模型，把一张照片变成 3D 模型，支持 Windows、Linux 和 Apple Silicon 的 Mac。模型以扩展的形式装进来，每个扩展是一个带 manifest.json 的 GitHub 仓库，官方扩展有 Hunyuan3D 2 Mini 的三个变体、TripoSG 和 Trellis2 GGUF。它还带一个只用 Python 标准库的命令行工具，Agent 和脚本可以绕过界面，直接让正在运行的 Modly 生成模型，结果以 JSON 返回。
这一周仓库只有三次提交，最近的正式版本还是 7 月 16 日的 v0.4.1。许可证文件在 MIT 条款后面另加了一段，要求 fork 出去做成自己应用的人，在界面或文档里注明基于 Modly。README 把这条说成 MIT 署名条款的要求，在 LICENSE 文件里，它写在标准条款之后，单独成段。
9. hugohe3/ppt-master
PPT Master 让 AI 从文档生成原生的 PowerPoint。它本身是一套工作流，跑在 Claude Code、Cursor、Codex CLI 这类能读写文件、能执行命令的 AI 工具里。用户在对话框里说一句拿这份 PDF 做个 PPT，它就在本机走完分析内容、设计版面、写 SVG、导出 PPTX 这一串步骤。导出的文件里是能继续编辑的原生对象，有母版、原生形状、带数据的图表和表格，还能加切换动画，把演讲者备注变成配音。README 也说得明白，它只管工作流，效果的上限由模型决定，推荐用 Kimi K3 或 Claude，再配上 AI 生图。
8 月 13 日它一天发了两个版本，16 日又发了 v4.8.0。新版把配图当成整套素材来规划，发布说明提到一次内部试用，整份幻灯片的图片全被做成了 AI 插画，连可以查证的古建筑也不例外，此后每张图从哪儿来都得单独决定。README 顶上列着 Kimi 和几家 API 服务商的赞助。许可证是 MIT。
10. MakazhanAlpamys/Soup
Soup 是一个命令行的大模型微调工具，一个 YAML 配置加一条命令就能开训，README 的口号是不用 SSH，也不用跟配置较劲。它最显眼的功能叫层流式加载，冻结的底座模型不常驻显存，按解码层一层一层送进 GPU。README 说在 4GB 显存的笔记本显卡上，用 NF4 量化微调 Llama-3.1-8B-Instruct，峰值显存 3.32GB，每秒 119.6 个 token，结果和常规方式逐位一致。这个功能默认关闭，还标着测试阶段。
8 月 15 日它上榜，同一天发了 v0.73.2，前一天刚发过一个小版本。这一版修的是自家的发布闸门 soup ship，它要回答的是模型变好了还是被改坏了。README 列了两处原先的打分错误，工具调用那套测试给一个 40 题全对的模型只打了 0.225 分，选择题测试给 Llama-3.1-8B 打的分比一个 0.5B 的模型还低。新版还加了一条反向检查，专门抓什么都拒答的模型。许可证是 Apache-2.0。
几条线索
十个项目里有六个在 README 里同时写到 Claude Code 和 Codex，和这两个 Agent 的关系各不相同。diagram-design 和 ppt-master 跑在它们里面，一个出图，一个出幻灯片；semantica 给它们备了插件包。paperclip 和 holaOS 站在它们上面，把几个 Agent 编进同一个公司或同一个工作台。Switchyard 换掉的是它们背后的模型，接口照旧，请求转给开源模型。
needle 和 Soup 在微调上用了同一个办法，底座冻结，只训 LoRA 适配器。needle 导出时把适配器并回去，微调后的模型还是一个能在原引擎上跑的文件。Soup 的层流式加载也是底座不动，底座放在显存外面，按层送进 GPU，训练的只有适配器。两边都在跟内存较劲，needle 管运行时的 28MB，Soup 管训练时的 4GB。
可追溯是另一个共同的说法。semantica 给每条事实挂上 W3C PROV-O 来源记录，决策也存成图里的节点。paperclip 的工单系统记下每段对话和每次工具调用，审计日志不可修改。ragflow 的回答附带能追到原文的引用，切块过程也摆出来让人检查。
来源
互联网档案馆存下的 GitHub Trending 日榜，每天一份。
各项目的许可证、发布、提交和 README 内容，取自 GitHub 上对应仓库截至 2026 年 8 月 16 日的历史记录。