🔥 今日最热
Apple 开源 container：Swift 原生的 Linux 容器工具，专为 Apple Silicon 优化 [开发工具] [容器]
是什么：Apple 发布 container——一个用 Swift 编写的 Linux 容器工具，通过轻量虚拟机在 Mac 上创建和运行容器。它消费和产出 OCI 兼容的容器镜像，可从任何标准镜像仓库拉取和推送。基于 Apple 的 Containerization Swift 包实现底层容器、镜像和进程管理。
解决什么问题：macOS 上运行 Linux 容器一直依赖 Docker Desktop 等第三方工具，占用资源大、启动慢。Apple 原生方案利用 macOS 26 的新虚拟化特性，为 Apple Silicon Mac 提供更轻量、更高效的容器体验。
为什么值得关注：这是 Apple 在开发者工具领域的重要布局。Swift 原生 + Apple Silicon 优化的组合意味着更好的性能和更深的系统集成。配合 macOS 26 发布，Apple 正在从”不关心容器”转向”容器是一等公民”——对 Docker Desktop 的直接挑战。+1611⭐ 证明开发者社区对这个方向的高度期待。
DeepMind 发布 DiffusionGemma：首个扩散式语言模型（dLLM），文本生成速度 4x 提升 [模型创新] [扩散模型]
是什么：Google DeepMind 发布 DiffusionGemma——世界上首个原生扩散式语言模型（Diffusion LLM, dLLM）。与自回归模型逐 token 生成不同，DiffusionGemma 使用扩散过程并行生成文本，实现约 4 倍的生成速度提升。同日 vLLM 团队宣布 DiffusionGemma 已原生支持 vLLM 推理框架。
解决什么问题：自回归模型的 token-by-token 生成是推理速度的根本瓶颈。扩散式生成允许并行解码多个 token，理论上可以大幅提升推理吞吐量。但此前扩散式语言模型从未在工业级推理框架中得到支持。
为什么值得关注：如果扩散式文本生成路线成立，它将颠覆当前所有基于自回归的推理优化工作（speculative decoding、continuous batching 等）。vLLM 的原生支持意味着这个方向已经进入工程落地阶段，不再是学术实验。Simon Willison 同日发文跟进，进一步放大了社区关注。
🔗 DeepMind Blog | vLLM Blog | Simon Willison
obra/superpowers +1104⭐ — Agent 软件开发方法论：从 spec 到 ship 的完整框架 [Agent框架] [工程方法论]
是什么：Superpowers 是一个面向编码 Agent 的完整软件开发方法论框架。核心设计：Agent 启动后不立即写代码，而是先理解你”到底想做什么”，然后分 chunk 展示设计规格供确认，接着生成”一个热情但工程判断力一般的初级工程师”也能执行的实施计划，最后按计划构建、测试、发布。支持 Claude Code、Codex CLI、Gemini CLI、Cursor、GitHub Copilot CLI 等主流 Agent。
解决什么问题：当前 AI 编码 Agent 的最大问题不是能力不足，而是行为缺乏纪律——跳过规划直接写代码、不做设计审查、测试覆盖不足。Superpowers 把”先想清楚再动手”的方法论编码为 Agent 的强制行为。
为什么值得关注：继 addyosmani/agent-skills 之后又一个高星 Agent 方法论项目。不同之处在于：agent-skills 侧重”每个阶段的技能”，superpowers 侧重”Agent 从启动到交付的完整行为流程”。两者互补，共同定义了”AI 软件工程”的新范式。+1104⭐ 说明开发者社区对结构化 Agent 工作流的需求强烈。
🔥 持续热门
| 项目 | 今日变化 | 累计 Star | 首次报道 |
|---|---|---|---|
| last30days-skill | +2535⭐ | 持续高温 | 06-05 |
| ECC | 稳定 | 212K+ | 06-04 |
| learn-claude-code | 稳定 | 66K+ | 06-04 |
| career-ops | 稳定 | 52K+ | 06-04 |
| addyosmani/agent-skills | +821⭐ | 持续高温 | 06-10 |
| pm-skills | +804⭐ | 持续加速 | 06-09 |
| roboflow/supervision | +695⭐ | 高温 | 06-09 |
| refactoringhq/tolaria | +612⭐ | 持续增长 | 06-10 |
🧩 Agent 生态
harry0703/MoneyPrinterTurbo +1389⭐ — AI 大模型一键生成短视频 [Agent应用] [内容创作]
是什么：利用 AI 大模型（LLM）一键生成高清短视频的开源工具。输入文案或主题，自动完成脚本生成、素材匹配、配音、字幕、视频合成全流程。支持中文和英文。
解决什么问题：短视频制作门槛高、周期长——从脚本到成片涉及多个专业技能。MoneyPrinterTurbo 用 AI Agent 串联全流程，让个人创作者也能批量产出短视频。
为什么值得关注：+1389⭐ 的高增长反映了 AI 视频生成赛道的持续升温。与 Sora/Kling 等模型驱动的方案不同，这个项目走的是”LLM 编排 + 素材拼接”的工程化路线，更容易落地和控制成本。
🔗 github.com/harry0703/MoneyPrinterTurbo
google/skills — Google 官方 Agent Skills for Google Cloud [Agent技能] [云平台]
是什么：Google 官方发布 Agent Skills 仓库，覆盖 Google Cloud 全产品线。包含 Gemini API、BigQuery、Cloud Run、Firebase、AlloyDB 等技能。通过 npx skills add google/skills 一键安装。
解决什么问题：Google Cloud 服务众多，开发者用 Agent 操作云服务时缺乏标准化的技能定义。官方 Skills 仓库让 Agent 可以可靠地使用 Google Cloud 的各项能力。
为什么值得关注：Google 继续推进 Agent Skills 生态——继上周的 Google Skills 发布后，现在以官方仓库形式正式入场。与 addyosmani 的个人技能集、superpowers 的方法论框架形成三层生态：厂商平台技能 + 个人工程技能 + 方法论框架。
activeloopai/hivemind — “One brain for all your agents” [Agent基础设施]
是什么：Hivemind 是一个 Agent 共享记忆/知识系统，定位为”所有 Agent 的大脑”。基于 Deeplake（Y Combinator 孵化）构建，让多个 Agent 共享同一个知识库和上下文。
解决什么问题：当前每个 Agent 各自维护独立上下文，无法共享经验和知识。Hivemind 提供统一的 Agent 记忆层，让 Agent 之间可以”站在彼此的肩膀上”。
为什么值得关注：Agent 的多实例协作是 Agent 基础设施的下一个关键问题。从单 Agent → 多 Agent → Agent 群体智能，共享记忆层是必要基础设施。
🔗 github.com/activeloopai/hivemind
luongnv89/claude-howto — 可视化 Claude Code 从入门到高级 Agent 的实战指南 [教程]
是什么：一个视觉化、示例驱动的 Claude Code 学习指南，从基础概念到高级 Agent 编排，提供即用型 copy-paste 模板。覆盖 hooks、skills、MCP servers 等进阶主题。
为什么值得关注：+211⭐，作为 Claude Code 的配套学习材料，反映了社区对 Claude Code Agent 开发能力的强烈学习需求。
🔗 github.com/luongnv89/claude-howto
🤖 模型与推理
FareedKhan-dev/train-llm-from-scratch — 从预训练到 GRPO 的全流程 LLM 训练教程 [LLM训练] [教程]
是什么：基于 “Attention is All You Need” 论文，从零用 PyTorch 实现 Transformer 并训练 LLM 的完整教程。新增亮点：从预训练扩展到完整的后训练流程——SFT → Reward Model → PPO/DPO → GRPO/RLVR，每个算法纯 PyTorch 手写（不依赖 trl/peft/transformers）。
解决什么问题：大多数 LLM 训练教程只覆盖预训练，后训练（对齐、强化学习）部分严重缺失。这个项目补全了从 Base Model 到 Aligned Reasoning Model 的完整链路。
为什么值得关注：GRPO 是当前最热的 RL 训练方法，但理解和实现门槛高。纯 PyTorch 手写实现（无框架依赖）为学习者提供了最透明的参考。+247⭐。
🔗 github.com/FareedKhan-dev/train-llm-from-scratch
ruvnet/RuView +420⭐ — WiFi 信号实时空间感知：隔墙检测、生命体征监测 [边缘AI] [感知]
是什么：RuView 将普通 WiFi 信号转化为实时空间智能系统——通过 WiFi CSI（Channel State Information）实现隔墙人员检测、呼吸和心率监测、运动追踪。无需摄像头或穿戴设备，“纯物理”。原生支持 Home Assistant、Apple Home/HomePod、Google Home、Amazon Alexa 四大智能家居生态。
解决什么问题：传统室内感知依赖摄像头（隐私问题）或穿戴设备（用户体验差）。WiFi 感知利用现有基础设施，零额外硬件成本，且天然保护隐私。
为什么值得关注：+420⭐ 反映了社区对”无侵入式感知”的兴趣。AI + WiFi CSI 的组合开辟了边缘 AI 的新方向——不依赖 GPU 推理，而是用 AI 解读物理信号。对智能家居、医疗监测、安防领域都有颠覆潜力。
🛡️ 安全与伦理
OpenAI 披露：PRC 关联的影响力操作正在针对美国 AI 政策辩论 [AI安全] [信息战]
是什么：OpenAI 发布报告，揭露与中国政府有关联的影响力操作正在利用 AI 介入美国国内的 AI 政策辩论。这是 OpenAI 首次公开披露针对 AI 政策领域的外国影响力操作。
为什么值得关注：AI 不仅被用作攻击工具，AI 政策本身也成为地缘政治博弈的目标。这标志着 AI 治理讨论已经从技术层面上升到国家安全层面。AI 公司在平台安全方面的角色正在从”保护用户”扩展到”保护公共讨论”。
🏭 行业动态
- Together AI 获得 ISO 27001:2022 认证 (Together AI) — 企业级 AI 推理平台的安全合规里程碑，对争夺企业客户至关重要。链接
- OpenAI Codex 助力天体物理模拟黑洞 (OpenAI Blog) — 天体物理学家使用 Codex 辅助黑洞模拟研究，展示了 AI 编码工具在科学研究中的应用。链接
- OpenAI 模型接入 Oracle Cloud (OpenAI Blog) — 企业客户可通过 Oracle 云承诺额度访问 OpenAI 模型和 Codex。链接
- LSEG 用 OpenAI 从数据到决策 (OpenAI Blog) — 伦敦证券交易所集团分享规模化可信 AI 实践。链接
- soxoj/maigret +318⭐ — 仅凭用户名从 3000+ 站点收集个人信息档案，支持 AI 分析画像。OSINT 工具持续受关注。链接
- x1xhlol/system-prompts +393⭐ — 持续收集各大 AI 工具的系统提示词（Cursor、Devin、Manus、Replit 等），是了解 Agent 系统设计的最佳参考。链接
- masterking32/MasterDnsVPN +354⭐ — 高级 DNS 隧道 VPN，低开销 ARQ 协议实现审查规避。链接
Simon Willison 动态：
- datasette-agent 0.2a0 — Simon 的数据探索 Agent 工具更新。链接
- Quoting Jeremy Howard — 引用 Jeremy Howard 关于 AI 发展的观点。链接
ML Mastery 近期文章：
🔮 趋势总结
1. 扩散模型从图像杀入语言领域：DiffusionGemma 是首个在工业级推理框架（vLLM）中得到支持的扩散式语言模型。如果 4x 速度提升在生产环境中验证成立，自回归模型的统治地位将首次受到根本性挑战。这是今天最值得持续跟踪的技术方向。
2. Agent 方法论生态正在分化出三层结构：厂商平台技能（google/skills）→ 个人工程技能（agent-skills、pm-skills）→ 行为方法论框架（superpowers）。每一层都有独立价值，但三层协作才构成完整的”AI 软件工程”体系。
3. Apple 以容器工具切入开发者基础设施：apple/container 不是 AI 项目，但 +1611⭐ 的热度说明开发者对 Apple Silicon 原生容器化有强烈需求。对 AI 开发者而言，更轻量的本地容器意味着更高效的模型服务部署和 Agent 运行环境。