GitHub 每日热点：AI Agent 协作生态与 JVM 智能体框架持续升温

今日概览

本期精选 8 个 GitHub 热门项目，AI 相关 6 个（占比 75%），非 AI 项目 2 个且包含 1 个 Java 项目。整体趋势集中在：

• Agent 之间的协作与分工：从单一工具走向多模型、多角色协同；
• 企业级/本地化 AI 工作流：团队共享、权限治理、持久化运行成为重点；
• JVM 生态正式加入 Agent 框架赛道：JetBrains 推出的 Koog 让 Java/Kotlin 开发者也能构建生产级智能体；
• 非 AI 领域的工程工具持续演进：GIS 平台走向云原生与多端统一，本地云模拟器因 LocalStack 社区版变化而快速崛起。

1. NousResearch/hermes-agent — 会自我进化的个人 AI Agent

• 语言：Python（82.4%）、TypeScript（13.6%）
• 协议：MIT
• Stars：~219K

重点与特色

Hermes 强调“The agent that grows with you”。它不只是执行命令，而是在完成任务后自动提炼、迭代和保存“技能（Skill）”，形成跨会话的持久记忆与用户画像。其学习闭环包括：

• 自创建技能：复杂任务结束后自动生成可复用脚本；
• 自改进技能：技能在使用过程中持续优化；
• 持久记忆：基于 SQLite FTS5 + LLM 摘要实现跨会话检索；
• 用户建模：集成 Honcho 辩证用户建模，逐步理解用户偏好。

架构与功能

• 提供 CLI TUI、Telegram、Discord、Slack、WhatsApp、Signal、Email、Home Assistant 等多平台消息网关；
• 支持 7 种终端后端：local、Docker、SSH、Singularity、Modal、Daytona、Vercel Sandbox；
• 模型无关，支持 OpenAI、Anthropic、OpenRouter、DeepSeek、Kimi、Ollama 等 20+ 提供商；
• 内置 Cron 自然语言调度、MCP 集成、浏览器自动化、TTS/STT、安全沙箱与命令审批。

适合想在自有服务器上长期运行一个“越用越懂自己”的 Agent 的开发者。

2. openai/codex-plugin-cc — 让 Claude Code 与 Codex 跨模型协作

• 语言：JavaScript
• 协议：Apache 2.0
• Stars：~30K

重点与特色

OpenAI 官方为 Anthropic 的 Claude Code 写了一个插件，让它能在同一工作流里调用 Codex。这个信号的份量远大于技术本身：AI 编程工具正在从“封闭生态”走向“跨厂商协作”。

核心能力

• /codex:review：标准代码审查，只读扫描变更；
• /codex:adversarial-review：主动挑战架构决策，充当“反对者”角色；
• /codex:rescue：把任务完整委派给 Codex 后台执行；
• /codex:transfer：携带完整上下文迁移到 Codex 会话继续；
• review gate：高风险变更强制前置审查。

架构亮点

插件通过 JSON-RPC over Unix socket 的 broker 架构嵌入 Claude Code，职责清晰：Claude 负责编排，Codex 负责执行，broker 负责进程生命周期、会话隔离与并发控制。

如果你同时用 Claude Code 和 Codex，这个插件能显著减少多 Agent 切换的上下文断裂。

3. different-ai/openwork — Claude Cowork 的开源替代团队工作台

• 语言：TypeScript、Rust（Tauri 桌面端）
• 协议：MIT
• Stars：~20K

重点与特色

OpenWork 定位是 Claude Cowork / Codex 的开源替代方案，但核心差异在于：它把“Agent 配置”变成可共享的团队资产。你配好的技能、插件、MCP 连接，可以通过 OpenWork MCP 协议被 Claude Code、Cursor、Codex 等任意兼容 Agent 复用。

功能亮点

• Local-first, cloud-ready：本地一键运行，也可连接远程服务器；
• BYOK：支持 50+ LLM 提供商，自带密钥；
• 团队共享：通过 OpenWork Den 管理成员、权限、模型与技能市场；
• 多形态使用：桌面应用、CLI Orchestrator、任意 Agent 的 MCP 客户端。

架构

基于 OpenCode 运行时 + Tauri 桌面壳 + React UI，服务端与客户端解耦，配置存入运行时数据库。

适合希望把团队 AI 工作流“产品化”并避免厂商锁定的组织。

4. img2threejs/img2threejs — 一张图生成可编辑的 Three.js 代码资产

• 语言：Python 3.10+（标准库，零依赖）
• 协议：Apache 2.0
• Stars：~8.9K

重点与特色

这个项目不是做“图生 3D 网格”，而是把参考图重建为 可读的 TypeScript 工厂函数 + JSON 规格，直接放进代码仓库。输出是可 diff、可重构、可动画的程序化 3D 资产。

流水线设计

1. Intake：识别物体类别、视角、材质、重复部件；
2. Spec：生成结构化 ObjectSculptSpec，包含组件、比例、关节、连接关系；
3. Build：逐阶段生成 Three.js 工厂代码；
4. Review：通过渲染对比图进行门控（Divine Eye），不合格则回退修正。

工程哲学

• 机械性工作（验证、门控、对比图打包）由纯 Python 标准库脚本完成；
• LLM Token 只花在需要视觉判断的环节；
• 对单图信息不足的情况会诚实报告置信度，而不是伪造细节。

对游戏资产、硬表面产品展示、可交互 3D 说明文档非常有价值。

5. mvanhorn/last30days-skill — 跨平台 30 天热点情报研究技能

• 语言：Python 3.12+、Node.js（Bird X 客户端）
• 协议：MIT
• Stars：~56K

重点与特色

这是一个 AI Agent 技能（Skill），不是传统搜索引擎。它能跨 Reddit、X、YouTube、TikTok、Instagram、Hacker News、Polymarket、Bluesky 和 Web 同时研究一个主题，并输出带真实引用的综合摘要。

工作原理

• 解析主题相关的人物、公司、产品、GitHub 仓库、Subreddit、YouTube 频道；
• 多查询并行扩展，按互动量、相关性、新鲜度评分；
• 跨平台内容去重合并（如一个活动同时出现在 Reddit、X、TikTok 上，会聚合成一条简报）；
• 支持 --quick 快速模式与深度模式（2-8 分钟）。

安装方式

# Claude Code 插件市场
/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days@last30days-skill

# 手动安装
git clone https://github.com/mvanhorn/last30days-skill.git ~/.claude/skills/last30days

适合做竞品追踪、舆情监控、 prompt 研究、投资决策前的社区情报聚合。

6. JetBrains/koog — JVM 原生企业级 AI Agent 框架

• 语言：Kotlin（首选）、Java（完整 API 支持）
• 协议：Apache 2.0
• Stars：~4.5K

重点与特色

Koog 是 JetBrains 开源的 JVM 原生 Agentic 框架，让 Kotlin/Java 开发者可以用类型安全的方式构建、部署和监控生产级 AI Agent。它与 Spring AI 的关系是互补：Spring AI 提供 LLM/向量存储等基础能力，Koog 在其之上解决编排、状态持久化、容错、可观测性等企业级问题。

核心能力

• 策略可配置：从简单的通用策略到基于图的工作流，再到 GOAP / LLM 规划器；
• 类型安全：Agent 动作强类型，减少脆弱 Prompt；
• 持久化与容错：长生命周期 Agent、状态恢复、历史压缩以降低 Token 成本；
• 可观测性：内置 Tracing，支持 OpenTelemetry、Langfuse、W&B Weave、Datadog；
• 多平台：JVM、Android、iOS、JavaScript、WebAssembly（Kotlin Multiplatform）。

生态集成

• 可与 Spring、Ktor 后端无缝集成；
• 支持 MCP 与 A2A 协议，连接外部工具和服务。

对于已有 Java/Kotlin 后端资产、希望渐进引入 Agent 能力的企业，Koog 是最自然的选型之一。

7. opengeos/GeoLibre — 轻量级云原生 GIS 平台

• 语言：TypeScript、Rust（Tauri 桌面端）、Python（Jupyter 插件）
• 协议：MIT
• Stars：~27K

重点与特色

GeoLibre 是一个免费开源、跨平台、云原生的 GIS 平台，可在浏览器、桌面、移动端和 Jupyter Notebook 中运行，并保持数据本地私有。它被视为现代 QGIS/ArcGIS 的轻量替代方案。

功能亮点

• 支持 2D/3D 地图可视化、地形、点云、3D Tiles、glTF；
• 数据格式覆盖 GeoJSON、Shapefile、GeoPackage、GeoParquet、FlatGeobuf、PMTiles、MBTiles、KML、GeoTIFF、COG、Zarr、LiDAR、ArcGIS 服务等；
• 内置 DuckDB-WASM Spatial / PostGIS / Apache Sedona 空间 SQL 工作区；
• 插件市场：basemap、swipe、street view、Overture Maps、LiDAR、time slider、atmosphere effects、GeoAgent（自然语言 GIS）等；
• AI 辅助插件 GeoAgent / GeoEditor，但核心定位仍是 GIS 工具。

架构

基于 MapLibre GL JS + deck.gl + DuckDB-WASM + Tauri + React，统一项目文件 .geolibre.json。

适合科研人员、GIS 从业者、教育工作者和需要私有化地理数据分析的开发者。

8. floci-io/floci — 毫秒级本地云模拟器家族

• 语言：Java（Quarkus Native / GraalVM Mandrel）
• 协议：MIT
• Stars：~17K

重点与特色

Floci 是一组快速、免费、开源的本地云模拟器，旨在替代 LocalStack、Azurite 和 gcloud beta emulators。因 LocalStack 社区版在 2026 年 3 月后要求 auth token 并冻结安全更新，Floci 以“零认证、零功能门、零遥测”的 MIT 协议迅速崛起。

产品矩阵

• floci：AWS 模拟器，端口 4566，覆盖 47-68 个服务；
• floci-az：Azure 模拟器，端口 4577，覆盖 Blob/Queue/Table/Functions 等；
• floci-gcp：GCP 模拟器，端口 4588，覆盖 GCS、Pub/Sub、Firestore 等。

技术亮点

• Native binary：GraalVM Mandrel 编译，AWS 版启动约 24ms，空闲内存约 13MiB；
• 真实引擎而非 mock：Lambda、RDS、ElastiCache、MSK 等在真实 Docker 容器中运行；
• 零代码迁移：与 AWS SDK/CLI、Terraform/OpenTofu、Testcontainers 兼容；
• AI 友好：为 AI Coding Agent 提供“可尽情试错、不会扣费”的本地云环境。

Quick Start

curl -fsSL https://floci.io/install.sh | sh
floci start
export AWS_ENDPOINT_URL=http://localhost:4566
aws s3 mb s3://my-bucket

适合本地开发、CI 集成测试、教学演示以及让 AI Agent 安全地编写和验证云代码。

一句话总结

今日观察

1. Agent 生态从“单兵作战”进入“协同作战”：Hermes 的自我进化、Codex-Plugin-CC 的跨模型协作、OpenWork 的团队资产共享，共同指向一个趋势——未来的开发工作流将由多个专业 Agent 分工完成。
2. JVM 成为 Agent 框架的新战场：Koog 的发布意味着 Java/Kotlin 企业后端不再只是被集成的对象，而是可以主动构建和编排 Agent 的一等公民。
3. 本地优先与数据隐私回归：OpenWork 的 local-first、GeoLibre 的本地数据、Floci 的零认证本地云，反映出开发者在享受 AI 便利的同时，对控制权和隐私的重视在加深。