微软开源VibeVoice：支持60分钟长音频的语音识别与实时合成框架 | microsoft/VibeVoice
仓库现状：TTS已移除，剩下两个可用的模型 2025年9月，微软移除了VibeVoice-TTS代码，理由是“工具被用在不符合初衷的地方”。现在这个47.5k星的仓库里能直接用的只有两个模型： VibeVoice-ASR（2026年1月开源）：单模型处理60分钟长音频，同时输出说话人、时间戳和文本。...
AI 项目
AGENTS.md：用一个文件统一AI编程助手的上下文与指令 | agentsmd/agents.md
AGENTS.md是什么 一个放在项目根目录的Markdown文件，专门给AI编码代理看的"操作手册"。 传统README面向人——解释项目是什么、怎么用、为什么这么设计。AGENTS.md只给AI读，内容是"这个项目怎么操作"：用什么包管理器、测试怎么跑、代码规范是什么、PR提交有什么格式要求。 ...
AionUi：本地运行的AI助手任务管理桌面应用 | iOfficeAI/AionUi
一个窗口同时跑多个 AI 命令行工具 我用 OpenAI 的 openai API、Anthropic 的 claude、Ollama 和 Gemini，需要频繁切换模型、对比回答。以前每个 CLI 占一个终端窗口，输出混在一起，对比要手动对齐行号；跑完结果没存，清屏就丢了；换温度、上下文长度每次敲...
Strix：用AI黑客代理自动发现并修复应用漏洞 | usestrix/strix
为什么说SAST的几百条告警是数字负债 我在小团队待过。没有专职安全，就靠 SAST 工具跑一遍。输出 200 条告警：第 27 行疑似 XSS，第 88 行可能 SQL 注入，第 142 行未验证重定向。每条都得人工确认。没人有空逐条验证，这些告警最后沉底，变成没人管的数字负债。更糟的是，下次跑又...
25MB的SOTA级语音合成：KittenTTS项目深度解读 | KittenML/KittenTTS
一句话说清楚 KittenTTS 是一个纯 ONNX 推理的轻量英文 TTS 库，模型最小 15M 参数（25MB int8），最大 80M 参数（80MB）。不需要 GPU，CPU 就能流畅跑。GitHub 上 14015 个 star，刚发 v0.8.1。但注意：它是开发者预览版，API 可能变...
OpenSpec：用结构化规范驱动AI编程的新范式 | Fission-AI/OpenSpec
五万多个star，README第一句说“The most loved spec framework.”——打开 Fission-AI/OpenSpec 的首页，你会发现它压根不是又一个代码生成器，而是一套让AI按团队规矩干活的规范框架。 为什么需要它 AI写代码越来越快，但它在你的项目里永远是新人。...
CC Switch：多 AI 代码工具的统一桌面管理器，Rust 编写 | farion1231/cc-switch
这个项目自称是什么 farion1231/cc-switch 是 GitHub 上一个 Rust 仓库，用 Tauri 打包成桌面应用，支持 Windows、macOS、Linux。官网 ccswitch.io，下载走 GitHub Releases。 README 第一段写得明白：它是“Claud...
GitNexus：零服务器的客户端代码智能引擎 | abhigyanpatwari/GitNexus
我每天用 Cursor 写代码，最烦的一件事：改了某个函数的签名，AI 自动补全的调用处经常漏掉一两个。后来我发现这不是 Cursor 的问题，是它看代码“逐文件”的 —— 它没有项目整体依赖关系图。GitNexus 就是干这个的：把整个代码库扫一遍，建出一张知识图谱，再通过 MCP 协议喂给 AI...
Eigent：本地化开源AI多智能体协作桌面应用 | eigent-ai/eigent
它解决什么问题 你有一个多步骤任务，比如：爬取竞品数据 → 分析趋势 → 写报告 → 发邮件。ChatGPT 能写报告，但不能自动触发爬虫、不能把上一步结果规整地传给下一步。框架工具（如 LangChain）能做到，但需要写 Python、装依赖、配环境，非工程师基本劝退。 Eigent 选了中间路...
NevaMind-AI/memU：为 AI 代理构建的长期记忆框架 | NevaMind-AI/memU
痛点和方案 AI Agent的长期记忆一直是个烧钱坑。OpenAI的Assistant API里，单条对话越长，成本指数级增长。embedding-based记忆方案更糟——对话量上去后，每次检索都要计算相似度，token消耗大，召回还不保证精准。memU的README第一句话就划清了界限：它是me...
Wan2.2：基于MoE架构的高性能开源视频生成模型深度解析 | Wan-Video/Wan2.2
三个子模型，两个能跑，一个等开源 Wan2.2 仓库放了三个模型，功能和开放程度差异大。 Wan2.2-5B：支持文本生成视频和图片生成视频，输出 720P 24fps。权重在 Hugging Face Wan-AI/Wan2.2，README 确认可在 4090 上运行。我用 24GB 显存实测：...
Deep Agents：开箱即用的智能代理框架，支持子代理与上下文管理 | langchain-ai/deepagents
它不是新的“框架”，是帮你省掉胶水代码的成品 LangChain生态里，LangGraph是图运行时，负责底层编排；LangChain的create_agent是基础代理框架，给你搭了个骨架。但你想写一个能读文件、调子代理、跨会话记忆的智能体，还是得自己拼。 Deep Agents是预制菜——一个预...