🔥 今日最热
cursor/plugins — Cursor 官方插件系统上线
[Agent框架] [工具链] ⭐ +134/day
是什么：Cursor 正式发布了官方插件规范和仓库。每个插件是独立的目录，包含 .cursor-plugin/plugin.json 清单文件。首批插件包括 Continual Learning（增量式记忆更新）、Cursor Team Kit（内部 CI/代码审查工作流）、Thermos（深度安全审计）等。
解决什么问题：AI coding editor 的能力扩展一直依赖第三方 hack 或手动配置。Cursor 通过标准化插件格式，让开发者可以像安装 VS Code 扩展一样为 AI 编辑器添加功能。特别是 Continual Learning 插件，实现了 agent 的”渐进式记忆”——从每次交互中提取高信号知识点，持续更新 AGENTS.md。
为什么值得关注：继 Anthropic 的 Skills 标准之后，Cursor 也推出了自己的插件生态。这意味着 AI coding 工具正在从”单体应用”走向”平台化”。插件系统还引入了 Thermos 安全审计模式——用多个并行子 agent 做深度代码审查，代表了一种”用 AI 监督 AI”的新模式。
run-llama/liteparse — LlamaIndex 开源文档解析器
[工具链] [文档解析] ⭐ +701/day
是什么：LlamaIndex 团队推出的开源 PDF 解析工具，专注于快速、轻量的文档解析。提供带边界框的高质量空间文本解析，无需依赖 LLM 或云服务，完全在本地运行。
解决什么问题：文档解析是 RAG 和 agent 系统的入口环节，但现有方案要么依赖昂贵的 LLM 调用（如 LlamaParse 云服务），要么解析质量差。LiteParse 提供了一个中间路线：免费、本地、快速，适合结构简单的文档。对于复杂场景（密集表格、多栏布局、手写体），仍然可以升级到 LlamaParse 云服务。
为什么值得关注：文档解析赛道正在形成”免费开源 vs 付费云服务”的双层格局。昨天微软的 MarkItDown 也在 trending，今天 LiteParse 加入。对比来看：MarkItDown 侧重”万物转 Markdown”的广度（支持 Office 全家桶），LiteParse 侧重 PDF 解析的精度（空间文本+边界框）。两者互补，共同推进 LLM 数据管道的成熟。
🔗 github.com/run-llama/liteparse
galilai-group/stable-worldmodel — 可复现的世界模型研究平台
[AI研究] [世界模型] ⭐ +362/day
是什么：一个用于世界模型（World Model）研究的标准化平台，提供可复现的训练和评估流程。配有论文（arXiv:2605.21800）、完整文档和 PyTorch 实现，已发布 PyPI 包可直接安装。
解决什么问题：世界模型是 AI Agent 理解和预测物理世界的关键技术，但目前研究碎片化严重——不同论文用不同的数据集、评估指标和训练流程，难以横向比较。stable-worldmodel 类似于图像生成的 Stable Diffusion，试图为世界模型研究建立统一的基准和工具链。
为什么值得关注：世界模型被视为通向 AGI 的重要路径之一——它让 AI 能在”脑海”中模拟环境变化，而不需要每次都真实执行。这个平台的出现说明世界模型研究正从”论文实验”走向”工程化基建”。项目命名也暗示了其野心：成为世界模型领域的”Stable”标杆。
🔗 github.com/galilai-group/stable-worldmodel
🔥 持续热门
| 项目 | 今日变化 | 累计 Star | 首次报道 |
|---|---|---|---|
| MoneyPrinterTurbo | +3,567⭐（从+4,698回落） | 持续增长 | 05-29 |
| ECC | +1,314⭐ | 198,624 | 05-29 |
| taste-skill | +2,062⭐ | 持续增长 | 05-29 |
| markitdown | +1,873⭐ | 持续增长 | 05-29 |
| stop-slop | +617⭐ | 持续增长 | 05-29 |
| compound-engineering-plugin | +353⭐ | 持续增长 | 05-29 |
🧩 Agent 生态
anthropics/claude-code — 官方仓库持续走热
[Agent工具] ⭐ +395/day
Claude Code 官方仓库今日再次登上 GitHub Trending。npm 安装方式已标记为 deprecated，推荐使用 curl 一键安装。值得注意的是其安装指南明确支持在终端、IDE 和 GitHub @claude 标签三种场景使用，体现了 Anthropic 对”AI coding 无处不在”的产品定位。
🔗 github.com/anthropics/claude-code
thedaviddias/Front-End-Checklist — 前端质量系统新增 MCP 支持
[开发者工具] [MCP] ⭐ 72,748
前端质量检查清单项目已升级为”AI agent 兼容”的质量系统。新增 385 条英文规则（11 个类别），并推出了 MCP 服务器（mcp.frontendchecklist.io），让 AI agent 可以通过标准协议调用前端检查规则。这是传统开发者工具适配 AI agent 工作流的典型案例。
🔗 github.com/thedaviddias/Front-End-Checklist
Crosstalk-Solutions/project-nomad — 离线 AI 生存计算机
[边缘计算] [离线AI] ⭐ +318/day
是什么：一个完全离线的知识和教育服务器项目，打包了关键工具、知识库和 AI 能力，可在任何 Debian 系统一键安装。设计理念是”永不掉线的知识”。
解决什么问题：在断网、灾害或偏远地区，人们仍然需要获取知识和使用工具。N.O.M.A.D 把 Wikipedia、AI 模型、开发工具等全部打包到本地服务器，通过浏览器访问。
为什么值得关注：代表了”离线 AI”这个新趋势——不是所有人都有稳定的网络连接，也不是所有场景都适合云 AI。随着小模型的进步，本地部署 AI 变得越来越可行。
🔗 github.com/Crosstalk-Solutions/project-nomad
🤖 模型与推理
Biohub/esm — 蛋白质生物学世界模型 ESMC & ESMFold2
[开源模型] [生物AI] ⭐ +52/day
是什么：Meta 基础 AI 研究（原 FAIR）团队最新发布的蛋白质世界模型。包含三大组件：ESMC（蛋白质语言模型）、ESMFold2（蛋白质结构预测）、ESM Atlas（蛋白质图谱）。从数十亿蛋白质序列中学习生物规则，实现跨尺度的蛋白质表示、预测和设计。
解决什么问题：蛋白质工程传统上依赖实验试错，成本高、周期长。ESM 系列模型让 AI 能在”虚拟实验室”中预测蛋白质结构和功能，大幅缩短药物发现和生物材料设计周期。
为什么值得关注：世界模型不仅在机器人/自动驾驶领域有应用，在生物科学中同样重要。ESM 展示了一种范式：通过在海量进化数据上训练，AI 可以学会”理解”蛋白质的”物理世界”。这种”从数据中学物理”的思路与 galilai 的 stable-worldmodel 形成有趣的呼应。
🛡️ 安全与伦理
今日无重大安全/伦理相关新项目。
🏭 行业动态
Latent Space: AI News — “Founders and Forward Deployed Engineers”
[行业洞察]
Latent Space 发布最新 AI News 周刊，主题聚焦于”创始人与前线部署工程师”——探讨 AI 公司如何组织技术团队，将模型能力快速交付到客户现场。这反映了 AI 行业从”研发驱动”向”交付驱动”的转型趋势。
🔗 latent.space/p/ainews-founders-and-forward-deployed
🔮 趋势总结
1. AI 工具链进入”标准化插件”阶段：Cursor 插件系统和 Anthropic Skills 是同一天线上、同一方向的竞争。但两者选择了不同路径——Anthropic 开放格式标准让社区自由创建，Cursor 则是官方主导首批插件。这说明 AI 工具的”可扩展性”正从技术问题变为生态策略问题。
2. 文档解析赛道白热化：LiteParse（LlamaIndex）和 MarkItDown（微软）同周上榜，一个专精 PDF 精度，一个主打格式广度。RAG 管道的”入口卡位战”已经打响，开源方案正在倒逼商业解析服务降价或差异化。
3. “世界模型”从概念走向基建：galilai 的 stable-worldmodel 提供标准化训练评估平台，Biohub/ESM 在蛋白质领域展示了世界模型的实际威力。加上自动驾驶和机器人领域的持续投入，“让 AI 理解物理世界”正在成为继语言模型之后的下一个工程化目标。
数据源：GitHub 32 条 / Reddit 0 条（全部 403 Blocked）/ Blogs 1 条