本週從 GitHub Trending 前 15 名中，篩選出 15 個 AI/LLM 相關專案：
1. freestylefly/awesome-gpt-image-2
「freestylefly/awesome-gpt-image-2」是 GPT-Image2 的工業級提示詞庫，主打「Prompt as Code」。它透過逆向工程 500+ 案例與提煉 20+ 模板，將散文式提示轉化為原子化、流程友善且精確控制的結構化協議，解決圖像生成穩定、可控性與重複利用問題。在 AI/LLM 領域，它將提示詞工程推向工程化生產，對批量自動化與 AI 代理整合至關重要，是實現高效可靠圖像輸出的重要里程碑。
2. anthropics/claude-plugins-community
此專案是 Claude Cowork 與 Code 的社群插件市集，提供經 Anthropic 審核的第三方工具，擴展 Claude 功能。在 AI/LLM 領域，它意義重大。這標誌著大型語言模型正從單純對話走向「插件化」生態，讓 AI 能連結現實、執行複雜任務。它鼓勵開發者創新，預示 AI 將成為更開放、實用且強大的協作夥伴。
3. omacom/omarchy
Omarchy (omacom/omarchy) 是由知名開發者 David Heinemeier Hansson (DHH) 所打造的 Linux 發行版，標榜「美麗、現代且帶有明確觀點」。它並非追求功能大而全，而是提供一個預先配置、高度整合的開發者環境，旨在解決從零開始建置高效工作站的繁瑣。從系統設定、熱鍵、主題，到預裝的 Neovim、各種 Shell 工具、TUI/GUI 應用，甚至商業服務，Omarchy 都力求提供順暢且一致的使用體驗。
對於 AI/LLM 技術社群而言，Omarchy 的吸引力在於其應用列表中明確列出了「AI」專區。這強烈暗示 Omarchy 預設整合了 DHH 團隊針對 AI 開發所需的核心工具或配置，省去了人工篩選、安裝與調校的過程。這意味著 AI 研究者和開發者可以更快地投入實質工作，無需在環境配置上耗費過多精力。它不僅提供了一個作業系統，更是一套經過深思熟慮，旨在提升生產力的開發者生態系統，特別針對追求高效、簡潔的 AI 工作流提供了一個獨特的選擇。
4. tt-a1i/archify
tt-a1i/archify 是一個令人印象深刻的專案，它將 AI/LLM 的力量帶入系統架構圖的生成與驗證。它能從程式碼庫或系統描述中，直接透過 Agent 產出精美、可互動且經驗證的架構、工作流程、時序圖等多種圖表。其核心在於 LLM (如 Cursor, Claude Code) 生成標準化的 Typed JSON IR，再由 Archify 編譯成 HTML/SVG。這不僅解決了手動繪圖耗時且易錯的問題，更透過自動驗證確保圖表的準確性和一致性，甚至能比較架構變更，對於想自動化文件產出、提高技術溝通效率的開發者來說，絕對值得關注。
5. apache/maka
Apache Maka (Incubating) 是一個值得關注的本地優先 AI 代理工作區，它解決了目前 AI 應用在資料隱私、透明度和可復現性方面的痛點。Maka 的核心概念是將模型訊息、工具調用、結果及權限決策等所有代理活動，以附加日誌的形式記錄下來。這不僅確保了工作階段、設定與執行紀錄預設留在本地機器，讓使用者完全掌控資料，更提供了完整的執行軌跡，便於偵錯、審查與復原。其統一的 Runtime Host 設計，無論是在桌面應用、終端機介面或評估實驗中，都能透過單一主機執行代理，顯著提升開發與測試效率。內建的沙盒工具機制與可選的電腦使用能力，加上對多種模型連接的支援，使 Maka 成為一個靈活且安全的代理開發平台。對於追求資料主權、代理行為透明化，以及需要對 AI 代理進行嚴謹評估的開發者而言，Maka 提供了一套具備前瞻性的解決方案。
6. AprilNEA/OpenLogi
OpenLogi 是一個基於 Rust 的 Logitech Options+ 開源替代方案，旨在解決原廠軟體臃腫、隱私問題及 Linux 支援不足。它提供輕量、本地優先的羅技裝置控制，包含按鍵重映射、DPI 調整等，無須帳戶或遙測。對於 AI/LLM 技術社群，OpenLogi 的價值在於高度自訂性與自動化潛力。AI/ML 工程師常需優化工作流程、自動化重複任務。透過 CLI 和純文字 TOML 配置，OpenLogi 允許精確客製裝置行為，甚至編寫複雜按鍵腳本，顯著提升開發效率。其 Rust 實現也確保了高效能與穩定性，符合追求生產力與品質的技術社群需求。
7. MadsLorentzen/ai-job-search
GitHub 上的 MadsLorentzen/ai-job-search 是一個基於 Anthropic Claude Code 的 AI 求職框架，可在本地執行，自動化求職流程。它能智慧分析職位，量身打造履歷與求職信，並提供面試準備。
此專案在 AI/LLM 領域受矚目，因其「Drafter-Reviewer」多代理協作與嚴謹的輸出品質控制。它透過 LLM 生成內容，並整合 PDF 編譯、視覺檢查及 ATS 文本驗證，確保文件品質與相容性。這種結合 AI 智慧、輸出驗證及高度可擴展性的設計，預示 LLM 在高效個人生產力工具上的潛力。
8. tashfeenahmed/freellmapi
tashfeenahmed/freellmapi 專案提供一個與 OpenAI 相容的 API 介面，巧妙地匯聚了數十家 LLM 供應商的免費額度。它解決了開發者在整合不同免費模型時，面臨 SDK 雜亂、費率限制和故障處理等痛點。透過智能路由與自動故障轉移，該專案能有效管理每月高達 74 億的代幣容量，來自 34 家供應商的 635 個模型，讓開發者能以極低成本，高效利用多樣化的 LLM 資源進行實驗。其統一的 /v1 介面，更是大幅簡化了與現有 AI 工具的整合，成為 AI/LLM 社群中探索不同模型能力、同時優化成本的關鍵利器。
9. openai/codex
openai/codex 專案提供了一個輕量級、可本機執行的終端機程式碼助理 (Codex CLI)，它來自 OpenAI，旨在將 AI 驅動的程式碼協助直接帶到開發者的命令列。不同於 IDE 擴充功能或雲端服務，Codex CLI 讓開發者能以更直接、低延遲的方式與 AI 互動，即時獲得程式碼生成、除錯或重構的建議，解決了在多變開發環境中對即時 AI 支援的需求。
對於 AI/LLM 社群而言，Codex 的重要性不言而喻。它不僅是 OpenAI 在開發者工具領域的最新嘗試，更體現了將強大語言模型部署於本機環境的趨勢。透過與 ChatGPT Plus 等訂閱計畫的整合，它為現有用戶提供了一個無縫且功能豐富的本地開發體驗。這種在終端機中即時、便捷的 AI 支援，無疑將大幅提升開發效率，使其成為 AI 輔助開發流程中值得關注的一環。
10. anthropics/claude-plugins-official
「anthropics/claude-plugins-official」是 Anthropic 官方為 Claude Code 環境推出的高品質外掛程式目錄。它旨在解決 LLM 與外部世界互動的限制，允許 Claude 透過標準接口，整合工具、服務與自定義功能，從而突破文本生成界限，執行更廣泛的實際任務。此專案對 AI/LLM 社群意義重大，不僅預示著 Claude 生態系統成熟，更彰顯了 LLM 朝向工具使用與 AI 代理發展的核心趨勢。開發者可為 Claude 擴展能力，使其能存取即時資訊、執行複雜操作，加速其應用邊界，為社群共建可信賴的 AI 工具庫提供機會。
11. rohitg00/ai-engineering-from-scratch
rohitg00/ai-engineering-from-scratch 是一個極為全面的 AI 工程師培訓課程，旨在彌補學生使用 AI 工具與實際專業應用之間的巨大落差。它以「從零開始構建」為核心理念，涵蓋從數學基礎、機器學習、深度學習核心，到最前沿的 LLM 工程、多模態 AI、Agent 系統與生產部署等 20 個階段，共計 511 堂課程。這個專案特別之處在於，它強調親手從原始數學推導並實現每個演算法，讓你深入理解 PyTorch 等框架底層的運作機制。每堂課結束後都能產出可重複使用的提示詞、Agent 技能或 Model Context Protocol (MCP) 伺服器等實用成品，不僅學習理論，更能實際「打造」AI。無論你是想入門 AI、精通 LLM 應用，還是專注 Agent 開發，此專案都提供了清晰的學習路徑和 AI 導師支援，是技術社群中不可多得的實戰寶典。
12. cursor/plugins
Cursor 的 cursor/plugins 專案展示了其強大的擴充生態系，旨在透過一系列官方插件，將 AI 代理的能力延伸到各種開發者工具、企業 SaaS 和日常應用中。這個專案的核心在於解決 AI 代理在真實世界中「行動」的關鍵挑戰，讓它們不僅能理解資訊，更能執行操作。從程式碼審查、持續學習、協調多個雲端代理，到整合 Gmail、GitHub、Salesforce 等上百種服務，這些插件賦予了 Cursor 的 AI 代理前所未有的工具使用（tool use）能力。對於關注 LLM 和 AI 代理發展的技術社群來說，cursor/plugins 不僅提供了一個如何建構實用 AI 代理工具的典範，也揭示了 AI 代理如何透過標準化介面與外部環境互動的潛力，是理解和實踐 agentic workflow 的重要參考。
13. tinyhumansai/openhuman
OpenHuman 是一個備受關注的個人 AI 超級智慧專案，旨在成為你的數位大腦，解決現有 AI 助手在記憶、協作與自動化方面的痛點。其核心亮點在於「本地優先」的記憶架構，能將你的文件、郵件、訊息等數據智慧地壓縮成知識樹，存儲於本機並與 Obsidian 筆記軟體整合。這讓 AI 能在短短幾分鐘內掌握你的工作與生活脈絡，擺脫傳統代理程式冗長的冷啟動期，真正實現「快速理解」。
它不僅僅是一個聊天機器人，更是一個強大的 AI 代理協調者。透過圖形化、可檢查點的 tinyagents 運行機制與 AI 自動生成的視覺化工作流，大幅提升自動化能力，並支援代理人之間的加密通訊。OpenHuman 整合了上百種應用、豐富的工具集（如網頁搜尋、瀏覽器、語音、媒體生成），並提供「隱私模式」確保所有推論均可在本地執行，不外洩數據。其 UI 優先、簡單易用的設計，加上在記憶、協作與隱私方面的創新，使其在 AI/LLM 領域中脫穎而出，為打造高效、安全的個人智能助理提供了嶄新的方向。
14. ConardLi/garden-skills
ConardLi 的 garden-skills 專案提供了一系列精心策劃、即插即用的 AI Agent 技能，旨在大幅提升 Claude Code、Cursor、Codex 等 AI 助理的實用性與輸出品質。它解決了當前 AI 應用常見的痛點：讓 AI 不僅能執行任務，更能產出「生產級別」的成果。專案涵蓋了將腳本轉化為電影級網頁演示、創造具備設計美學的網頁、精確的圖像生成提示、本地知識庫檢索，以及將任意內容精煉成優雅文章等多個高度專業化技能。每個技能都具備明確的應用場景與細緻的執行流程。
在 AI/LLM 領域，garden-skills 值得關注之處在於它具體實踐了 Agent 協作和專業化工具的概念。它展示了如何透過模組化的「技能」來擴展 LLM 的能力邊界，使其從泛用型助手轉變為特定領域的高效執行者。這不僅為開發者提供了豐富的現成工具集，更為構建高質量、實用性強的 AI 系統提供了具體範例，對於推動 AI 應用走向精細化、高品質交付具有重要的啟示意義。
15. google/googletest
GoogleTest (gtest) 是 Google 開源的 C++ 測試與模擬框架，旨在幫助開發者編寫可靠、高效的單元測試。它解決了 C++ 專案中測試複雜度高、手動測試耗時的問題，透過自動發現測試、提供豐富的斷言機制、支援參數化測試及死亡測試等功能，極大地簡化了測試流程，確保程式碼品質與穩定性。在 AI/LLM 領域，儘管 Python 扮演了主導角色，但許多高性能的機器學習框架核心、推理引擎、CUDA 核心或需要極致優化的模組，仍大量仰賴 C++ 編寫。例如，TensorFlow 和 PyTorch 的底層實現，以及各種自定義運算元。這些 C++ 組件的正確性與效能直接影響 AI 模型的穩定性和精度。使用 GoogleTest 能夠為這些關鍵 C++ 模組提供嚴謹的測試保障，確保數值運算、資料處理及硬體互動的準確無誤。對於追求高效能、高可靠性的 AI 系統而言，紮實的 C++ 測試基礎是不可或缺的一環。