快瞧瞧 4 月 GitHub 上哪些开源项目最火火火火？
公众号名称：逛逛GitHub
作者名称：逛逛
发布时间：2026-05-02 11:13
01
一个 Rust 写的省 token 神器
如果你平时用 Claude Code，可能没注意到一个事情：每次执行 git status、npm test 这些命令的时候，AI 工具会把所有输出都塞进上下文窗口。
一次 git status 就能吃掉约 2000 个 token，跑一次测试更是上万。
这些冗余输出挤占了模型的推理空间，上下文窗口过早溢出，API 费用也跟着涨。
RTK 就是专门解决这个问题的。
它是一个用 Rust 写的 CLI 代理工具，拦截并压缩这些命令的输出，平均压缩率能达到 80-90%。
支持超过 100 种命令的智能过滤，覆盖 git、测试框架、构建工具、Docker、AWS 等场景。
它的原理是通过 Hook 机制自动改写命令，比如把 git status 变成 rtk git status，对 AI 来说完全透明，你什么都不用改。
单个二进制文件，零依赖，开销低于 10ms，已经支持 Claude Code、Cursor、Gemini CLI、Codex 等 12 种 AI 工具。
对于重度使用 AI Coding 工具的开发者来说，这个工具能直接帮你省钱，同时让会话的上下文活得更久，AI 的推理质量也更稳定。
开源地址：https://github.com/rtk-ai/rtk02
让 AI Coding 不再抛硬币
用 AI Coding 工具修一个 bug，跑三次可能得到三个不同的结果。
有时候它会跳过测试，有时候忘了做代码审查，有时候 PR 描述写得乱七八糟。
每次运行都像抛硬币，缺乏确定性。
Archon 的核心理念是：Dockerfile 规范了基础设施，GitHub Actions 规范了 CI/CD，那 AI 编码流程也需要一个规范。
它把开发流程编码成 YAML 工作流，确定性步骤，跑测试、执行脚本和规划、代码生成混合编排，AI 只在需要智能的环节介入。
每次工作流运行在独立的 git worktree 中，5 个修复任务可以并行执行互不冲突。
内置了 17 个默认工作流，修 issue、从想法到 PR、代码审查、安全重构这些场景都有。
还有 Web UI 可以可视化拖拽编辑，支持从 Slack、Telegram、Discord、GitHub 远程触发。
这个项目最近刚经历了一次完全重写，从 Python 迁移到了 TypeScript，定位也从 AI Agent 构建器转型为 AI 编码工作流引擎。
开源地址：https://github.com/coleam00/Archon03
在手机上离线跑大模型
Google 最近开源了一个端侧 AI 展示应用 AI Edge Gallery，让你直接在手机上跑大语言模型，完全离线，不用连网。
AI Chat 支持思考模式，可以看到模型的推理过程。
Ask Image 能理解图片内容，Audio Scribe 实时语音转录翻译，Prompt Lab 可以调参数做实验。
还有一个 Agent Skills 系统，可以加载模块化技能比如查 Wikipedia、地图交互等，把 LLM 从纯聊天工具变成主动助手。
它还支持模型基准测试，能对比不同模型在你手机上的性能表现。
底层基于 LiteRT 运行时做了优化，最新版已经支持 Gemma 4 系列模型。目前已经上架了 Google Play 和 App Store，Android 12+ 和 iOS 17+ 都能用。
不管你是想体验一下端侧 AI 的能力，还是评估手机硬件能跑什么模型，都值得装一个试试。
开源地址：https://github.com/google-ai-edge/gallery04
AI 生成真正可编辑的 PPT
PPT Master 生成的是真正的原生 PPTX 文件。
每个形状、文本框、图表都是独立的可编辑对象，在 PowerPoint 里想怎么改就怎么改。
使用方式很简单，丢给它 PDF、Word、URL 或者 Markdown 文档，它就能生成完整的演示文稿。
支持自定义模板，内置了 22 个示例项目共 309 页，还有各种风格可选：杂志风、学术风、暗黑艺术风、自然纪录片风、科技 SaaS 啥的。
开源地址：https://github.com/hugohe3/ppt-master05
3300 行代码实现自进化 Agent
GenericAgent 是一个极简但野心很大的项目，核心代码只有约 3000 行，却实现了完整的自进化 Agent 系统。
目前 8.4K Star。
它的核心思路是用一棵技能树从小种子长出全面的系统控制能力。
Agent 从 9 个原子工具读文件、写文件、执行命令、搜索等和约 100 行的 Agent Loop 出发，通过不断执行任务来积累和进化技能。
整个系统采用分层记忆架构 L0-L4，从短期工作记忆到长期知识库，让 Agent 能真正「记住」和「成长」。
单次任务消耗不到 30K token，而传统方案通常需要 200K 到 1M。
它支持 Claude、Gemini、Kimi、MiniMax 等多种模型，内置真实浏览器注入能力，还提供了 QQ、微信、Telegram、飞书、钉钉等机器人前端。
整个仓库的代码都是 Agent 自己开发的。
想研究怎么用最少的代码实现最强的 Agent 能力，这个项目值得深入研究。
开源地址：https://github.com/lsdefine/GenericAgent06
又一个 SKill 包
mattpocock/skills 是 TypeScript 大佬 Matt Pocock 出品的 Claude Code Skills 合集。
口号是 Skills for Real Engineers。
它针对 AI 编程的 4 个失败模式对症下药：
需求对不齐就用 /grill-me 和 /grill-with-docs 做深度问答，逼你把需求想清楚。
AI 输出啰嗦就建立共享语言和 CONTEXT.md 让沟通更精准。
代码容易出错就用 /tdd 强制测试驱动开发。
架构变成面条就靠 /caveman、/zoom-out、/improve-codebase-architecture 这些技能来重构。
此外还有 /diagnose 排查问题、/triage 分类 issue、/to-issues 拆任务、/to-prd 写产品文档等实用技能。
安装非常简单，一行命令搞定：
npx skills@latest add mattpocock/skills每个 Skill 都是精心设计的 Claude Code 工作流，不是简单的 prompt 模板，而是把最佳实践编码成可重复执行的流程。
如果你在用 Claude Code 做严肃的项目开发，这个技能包能让你的开发体验直接上一个台阶。
开源地址：https://github.com/mattpocock/skills07
Google 出品的端侧推理引擎
LiteRT-LM 是 Google 推出的端侧大模型推理框架，专门为手机、树莓派这类资源有限的设备做优化。
目前已经用在了 Chrome、Chromebook Plus、Pixel Watch 等 Google 自家产品里。
它支持 Android、iOS、Web、桌面、IoT 全平台，通过 GPU 和 NPU 硬件加速来压榨性能。
支持多模态输入和 Tool Use 函数调用，可以用来构建端侧的 AI Agent 工作流。模型兼容性也不错，Gemma、Llama、Phi-4、Qwen 这些主流模型家族都支持。
最近增了 Gemma 4 支持和一个 CLI 工具，一行命令就能在终端跑模型。
提供 Kotlin、Python、C++ 三种 API，Swift 版本还在开发中。如果你在做移动端或者嵌入式设备的 AI 集成，这个框架值得关注。
开源地址：https://github.com/google-ai-edge/LiteRT-LM08
其它热门项目
下面这 8 个项目之前文章里已经详细介绍过了，这里简单带一下。
hermes-agent：这个月一口气涨了 10 万多 Star，是一个能随你一起成长的 Agent 框架，支持自定义工具和记忆系统。
markitdown：微软出品的文件转 Markdown 工具，你丢给它 PDF、Word、PPT、Excel 各种文件，它都能给你转成干净的 Markdown 格式，处理文档的时候非常方便。
andrej-karpathy-skills：作者基于 Karpathy 公开分享的对 LLM 编码陷阱的观察，整理出了一份 CLAUDE.md 配置文件。直接丢到你的项目里就能改善 Claude Code 的编码行为。
claude-mem：一个 Claude Code 的记忆插件，它能自动记录你每次和 Claude Code 的编码会话，压缩之后注入到以后的对话里，解决上下文丢失的老问题。
hackingtool：一个老牌的渗透测试工具合集，里面集成了各种安全测试工具，做安全的朋友应该都不陌生。
claude-howto：一个 Claude Code 的可视化教程，从基础概念到高级 Agent 开发，都配了可复制粘贴的示例模板，新手入门非常友好。
oh-my-codex：专门给 OpenAI Codex 加各种增强功能，加了 hooks、HUD 界面、Agent 团队协作这些功能，把 Codex 的体验拉高了一个档次。
free-claude-code：一个轻量级代理服务器，把 Claude Code 的 API 请求转发到免费的第三方 LLM 服务上，只需配两个环境变量就能用。
09
点击下方卡片，关注逛逛 GitHub
这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：
原创 逛逛 逛逛GitHub