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 10 到 17 个仓库，七天加起来 39 个，这里从中挑了 7 个 AI 项目。
排在最前的 ai-memory 和 munder-difflin 都在处理同时用好几家编码 Agent 的麻烦。一个让后接手的 Agent 知道前一个做到了哪里，一个把一群 Agent 摆进同一间办公室，由一个总管 Agent 分派。modular、oMLX 和 llmfit 三个和模型推理有关，modular 这一周把 Mojo 编译器开源进了仓库。剩下两个偏基础设施，腾讯的 A.I.G 做 AI 安全扫描，substrate 在 Kubernetes 上成批地跑 Agent。
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 23 日。
七个项目
| # | 项目 | 上榜 | 单日最多增星 | Star | 方向 |
|---|---|---|---|---|---|
| 1 | akitaonrails/ai-memory | 4 天 | +648（08-19） | 3,826（08-21） | 编码 Agent 长期记忆 |
| 2 | chaitanyagiri/munder-difflin | 4 天 | +517（08-20） | 3,283（08-21） | 本地多 Agent 编排 |
| 3 | modular/modular | 4 天 | +395（08-22） | 28,916（08-23） | Mojo 与 MAX 平台 |
| 4 | Tencent/AI-Infra-Guard | 4 天 | +161（08-22） | 5,642（08-23） | AI 红队安全扫描 |
| 5 | jundot/omlx | 3 天 | +370（08-19） | 19,651（08-19） | Mac 本地推理服务 |
| 6 | agent-substrate/substrate | 2 天 | +26（08-20） | 1,512（08-21） | 大规模 Agent 运行时 |
| 7 | AlexsJones/llmfit | 1 天 | +187（08-17） | 32,066（08-17） | 按硬件挑选模型 |
逐个看
1. akitaonrails/ai-memory
ai-memory 给编码 Agent 做长期记忆。README 开头描述的场景是，Claude Code 干到一半退出，在同一个目录里打开 OpenAI Codex，不用再把架构、走不通的路子和悬着的问题讲一遍。它用钩子记下会话里经过清理的事件，会话结束时整理成摘要，下一个 Agent 启动时拿到一段有长度上限的交接说明。记忆是一个放在 git 仓库里的 Markdown wiki，能 grep，能用 Obsidian 打开，不用另外维护向量数据库。README 说这个思路来自 Karpathy 的 LLM Wiki，先把观察编成页面，再去查页面。
这一周它发了六个正式版本，从 1.28 一路发到 8 月 23 日的 v1.31.1。支持的客户端已经列到二十来个。默认只监听本机回环地址、不设鉴权，绑到别的地址又没配令牌，就拒绝提供服务。检索出来的记忆文本一律当作不可信的历史材料，不会因为标签或排名获得指令的效力。致谢里写着，这套代码是和 Claude Code 一起写的，用的模型是 Claude Opus 4.7。许可证是 MIT。
2. chaitanyagiri/munder-difflin
munder-difflin 把一群编码 Agent 放进一间虚拟办公室。它是一个桌面应用，把用户已经在用的命令行 Agent 包起来，Claude Code、Codex、Gemini CLI、Kimi Code、OpenCode 等十几种都行，跑的是用户自己已经付费的订阅。每个 Agent 是一个真实的终端进程，在 Pixi.js 画的办公室里显示成一个小人，互相发消息时，屏幕上有信封飞过去。用户主要跟一个叫 Michael 的总管 Agent 打交道，由他分派任务；花钱、破坏性操作和改动范围这几类事，他会放进审批队列等人拍板。
Agent 之间靠本地 git 仓库里的纯文件通信。每个 Agent 写自己的发件箱，由框架投递进对方的收件箱，git 只由框架一方提交，免得几个进程同时抢 index.lock。8 月 18 日和 22 日各发了一个版本。README 给 v0.4.5 写的说明很坦白，开头就说这一版修了三处一直悄悄出错的地方。花费统计每次重启应用都会清零，界面上的花费因此偏少；语义记忆在 Apple Silicon 上一直没能工作，嵌入向量全是 NaN；Agent 之间的消息也不一定送得到，信件可能躺在没人唤醒的收件箱里。当时的许可证是 MIT。
3. modular/modular
这个仓库放的是 Modular 平台的开源部分，包括 MAX 框架和 Mojo 语言。按 README，里面有 Mojo 编译器、Mojo 标准库、MAX 的加速器库、提供 OpenAI 兼容接口的 MAX 推理服务，以及用 Python 写的模型流水线。最近的正式发布是 8 月 11 日的 max/v26.5.0。
这一周最大的事是 Mojo 编译器开源。8 月 18 日，一个标题就叫 Open source Mojo 的合并请求进了主分支，编译器代码放在 KGEN 目录下，原来的提交历史一并带了进来。README 同一天重写，开头改成本仓库托管 Modular 平台的开源组件，并写明编译器暂时不接受外部贡献，标准库、加速器库和模型架构欢迎贡献。它从 8 月 20 日起连着上榜，前两天都排第一。仓库用的是附带 LLVM 例外的 Apache 2.0，MAX 的使用和分发另按 Modular 社区许可。
4. Tencent/AI-Infra-Guard
A.I.G 全名 AI-Infra-Guard，是腾讯朱雀实验室的 AI 红队测试平台。它把几样扫描放在一起，有 OpenClaw 的安全扫描、Agent 工作流扫描、MCP 服务和 Agent 技能扫描、AI 基础设施漏洞扫描，还有越狱评测。基础设施扫描能认出一百多种 AI 框架组件，Ollama、ComfyUI、vLLM、n8n 都在里面。技能扫描按 SkillTrustBench 定的九类风险来分，第二类就是记忆投毒。
README 的更新记录里，8 月 17 日发了 v4.5.2，技能扫描加了对 .pyc 字节码绕过的检测，MCP 扫描在动态模式下改用工具白名单，漏洞库扩到两千多条 CVE 规则。同一条还提到一个新研究项目 SkillJack，研究对象是会自我进化的 Agent，被污染的执行轨迹可能在它的技能系统里留下长期后门。README 提醒，这个平台目前没有鉴权机制，不要部署在公网上。许可证是 Apache-2.0，README 另外要求集成它的产品在文档或关于页面里注明出处。
5. jundot/omlx
oMLX 是 Mac 上的大模型推理服务，从菜单栏管理，只支持 Apple Silicon。它的看家本事是两层 KV 缓存。常用的块留在内存里，内存满了就以 safetensors 格式挪到 SSD，下次请求前缀相同就从盘上读回来，服务重启以后也一样。作者在 README 里说，有了它，对话中途上下文变了，之前的内容也都还在缓存里，本地模型才能用在 Claude Code 这类真实的编码工作上。它还专门为 Claude Code 换算上报的 token 数，让自动压缩在合适的时候触发。
这一周它发得很密，8 月 20 日出到 v0.6.3rc2，名字里带着 rc，是 0.6.3 的第二个候选版。这几个版本都在折腾同一件事，让 Qwen3.8 的预填充同时用上苹果芯片里的 ANE 和 GPU，后来又把 CPU 也拉进来分担。发布说明写明，这条路用的是苹果的私有运行时接口，默认关闭，要按模型单独打开。许可证是 Apache-2.0。
6. agent-substrate/substrate
Agent Substrate 是一套在 Kubernetes 上大规模运行 Agent 的系统。它利用 Agent 大部分时间闲着这一点，把一大批 actor 映射到少量随时待命的 worker 上，挂起和恢复都在一秒以内，内存和文件系统的状态靠完整快照保住。沙箱可以用 gVisor，也可以用 microVM。README 的演示视频里，大约 250 个有状态的 actor 跑在 8 个 Pod 上，另一个演示让多个 Claude Code Agent 挤在有限的 worker 上轮流干活。README 开头写着这不是 Google 官方支持的产品，项目还在早期，接口几乎肯定会变。
它在日榜上的两天，单日只涨了二十几个 Star，仓库这一周却有 70 次提交。新加了 worker API，控制接口里实现了 ActorTemplate 的增删改查，microVM 的存储卷也换了实现方式。最近的发布还是 5 月 19 日的 v0.0.0。许可证是 Apache-2.0。
7. AlexsJones/llmfit
llmfit 是一个终端工具，先检测本机的内存、CPU 和显卡，再给模型目录里的每个模型打分，看显存装不装得下、速度够不够、质量和上下文长度如何，告诉你哪些在这台机器上跑得动。它有交互式界面，也能输出给脚本和 Agent 读的 JSON，支持多卡和 MoE 架构，能对接 Ollama、llama.cpp、MLX、LM Studio 这些本地运行环境。速度按内存带宽模型估算，README 说每个估算都附带它用到的输入，可以照着在自己机器上验证。
README 顶上的新功能是跑分分享，用户在自己机器上测出真实的每秒 token 数，可以直接从界面提交成 PR，合并以后随下一版发布。8 月 17 日它上榜当天发了 v1.1.10，加进了 Qwen3.8 系列模型。这一版合并的 PR 里就有几份社区实测，有 Apple M4 Pro 上的 MLX 数据，也有 Intel 核显和 AMD Radeon 显卡的数据。许可证是 MIT。
几条线索
ai-memory 和 munder-difflin 把记忆放在同一种地方，本地 git 仓库里的纯文本文件。ai-memory 的 wiki 是 Markdown 页面，用 git 管版本，可以回到任一时间点。munder-difflin 的收发件箱、共享黑板和事件日志也都是文件，只有框架一方往 git 里提交。两者面对的也是同一件事，用户手上不止一家的编码 Agent，ai-memory 支持二十来个客户端，munder-difflin 包了十几种命令行 Agent。
记忆本身也会出问题。A.I.G 的技能扫描把记忆投毒单列为一类风险。它的新研究 SkillJack 讲被污染的执行轨迹怎样在自我进化的 Agent 里留下后门。ai-memory 的做法是不信任自己存下的东西，检索出来的文本只当历史证据，永远拿不到指令的效力。两个项目对网络暴露也都写得明白，A.I.G 说自己没有鉴权、别放到公网，ai-memory 默认只听本机，没配令牌就不对外服务。
llmfit 和 oMLX 在本地推理上碰到了一起。llmfit 支持的运行环境里有 MLX，oMLX 就是在 MLX 上做的服务，并发请求靠 mlx-lm 的 BatchGenerator 处理。这一周两边都在追 Qwen3.8，llmfit 在 v1.1.10 里加进了这个系列，oMLX 的几个版本主要在给它的预填充提速。
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 23 日的历史记录。