本週從 GitHub Trending 前 15 名中，篩選出 15 個 AI/LLM 相關專案：
1. chopratejas/headroom
Headroom 是一個專為 AI Agents 和 LLM 應用設計的上下文壓縮層，旨在顯著降低運營成本並擴展模型處理長上下文的能力。它能在 RAG 區塊、工具輸出、日誌、文件和對話歷史等資訊送達 LLM 之前進行智能壓縮，宣稱能減少 60-95% 的 token 用量，同時保持原始答案品質。其核心價值在於提供多種壓縮模式——作為 Python/TypeScript 庫嵌入、設立零程式碼修改的 Proxy，或直接包裝主流 AI Agents。Headroom 的獨特之處在於其可逆壓縮 (CCR) 機制，確保原始資料永不丟失，LLM 可在需要時隨時取回。對於希望在不犧牲準確性下，有效管理 token 成本和上下文限制的開發者而言，Headroom 提供了一個實用且高效的解決方案。
2. microsoft/markitdown
MarkItDown 是微軟開源的 Python 工具，能將 PDF、Office 文件、圖片、音訊甚至 YouTube 影片等多元檔案高效轉換為 Markdown 格式。它旨在為 AI/LLM 應用解決異構資料預處理的痛點，其關鍵在於保留文件結構（如標題、列表），這對 LLM 理解上下文至關重要。由於主流 LLM 普遍以 Markdown 訓練，MarkItDown 的輸出能顯著提升模型處理效率與準確性。除了強大的本地轉換能力，它還支援整合 Azure Document Intelligence/Content Understanding，提供進階多模態處理與結構化欄位提取。對於需要優化 LLM 資料輸入管線的開發者，MarkItDown 無疑是不可或缺的重要利器。
3. harry0703/MoneyPrinterTurbo
MoneyPrinterTurbo 是一個令人印象深刻的開源專案，它透過整合多個 AI 大模型，實現了「一鍵生成高清短視頻」的願景。它解決了個人內容創作者或小型團隊在影片製作上投入大量時間與資源的問題，只需提供一個主題或關鍵字，就能自動完成文案、素材選擇、字幕生成與背景音樂搭配，最終輸出一個專業級的短影片。在 AI/LLM 領域，MoneyPrinterTurbo 值得關注之處在於其巧妙地串聯了文本生成、語音合成、視覺素材匹配等多模態 AI 技術，提供了一個高度自動化且易於使用的內容生產流程。它不僅展現了 LLM 在自動化工作流中的強大潛力，更支援多種主流大模型與語音服務，為開發者和使用者提供了極大的彈性和擴展性，是探索 AI 賦能內容創作的絕佳範例。
4. revfactory/harness
revfactory/harness 是一個專為 Claude Code 設計的「團隊架構工廠」，旨在解決建構高效多代理人系統的挑戰。它作為「元技能」，能根據專案描述自動設計領域專屬的代理人團隊，定義其職能並生成所需技能。核心在於提供六種預設的團隊架構模式，如管線、扇出/扇入等，實驗證實可將 LLM 程式代理人的輸出品質提升 60%。這對 AI/LLM 領域極具價值，因其提供結構化方法來拆解複雜任務、組織協作代理團隊，大幅降低多代理人系統的設計部署門檻，是實現更自主可靠 AI 工作流的關鍵一步。
5. supermemoryai/supermemory
Supermemory 是一個專為 AI 設計的記憶引擎與應用程式，旨在解決大型語言模型（LLM）缺乏長期記憶，導致每次互動都像重新開始的問題。它不僅是 RAG，更是一個智慧記憶層，能自動從對話中學習、提取事實、建立用戶檔案，甚至處理時間性變化與資訊矛盾，並在正確時機提供精準的上下文。Supermemory 在 LongMemEval、LoCoMo 等主要 AI 記憶基準測試中均名列前茅，證明其領先地位。對於開發者，Supermemory 提供統一 API，免去複雜的向量資料庫、嵌入與分塊配置，讓 AI 代理輕鬆獲得個性化上下文、RAG 及多模態處理能力。它讓 AI 真正「記住」用戶的偏好與歷史，打造更智能、更人性化的互動體驗，這對於構建下一代 AI 應用至關重要。
6. affaan-m/ECC
affaan-m/ECC 專案提供了一個全面的 AI Agent 性能優化系統，旨在解決目前 AI 輔助編程工具生態系統的碎片化問題。它不僅僅是配置文件的集合，而是一個完整的框架，包含了技能 (skills)、本能 (instincts)、記憶優化、持續學習、安全掃描等核心功能。ECC 的獨特之處在於其跨平臺兼容性，能無縫支援 Claude Code、Cursor、Codex、OpenCode 甚至 GitHub Copilot 等多種 AI Agent 環境。
該專案在 AI/LLM 領域值得關注，因為它將開發者從單一工具的限制中解放出來，提供了一套標準化的 agentic 工作流程。無論是程式碼審查、TDD、錯誤修復，還是成本優化和安全審計（透過 AgentShield），ECC 都提供了戰鬥驗證過的解決方案。對於希望提升 AI Agent 協作效率、降低運營成本並確保開發安全的團隊來說，ECC 提供了一個整合且高效的解決方案，推動了 AI 輔助開發的實用化與規模化應用。
7. EveryInc/compound-engineering-plugin
「EveryInc/compound-engineering-plugin」是一個將「複合式工程」理念付諸實踐的 AI 專案。它透過一系列 AI 技能與代理程式，旨在扭轉傳統開發中技術債累積、效率遞減的困境。其核心思想是讓每次工程工作都能為後續任務累積正向效益，將重心轉移至 80% 的規劃與審查，20% 的執行。專案提供如 /ce-strategy、/ce-plan、/ce-code-review 等指令，涵蓋從策略制定、需求釐清到知識沉澱，是提升開發效率的強大工具。
在 AI/LLM 領域，此專案極具前瞻性，展示了大型語言模型如何深度整合至軟體開發生命週期。Compound Engineering 不僅是程式碼生成工具，更是一個智能工作流程框架，透過多代理協同作業，提升工程師的思考與判斷力。它廣泛支援 Claude Code、Cursor、Codex、GitHub Copilot 等主流 AI 開發環境，凸顯了 AI 助手的跨平台整合潛力，並為減少技術債、促進持續學習提供了具體可行的 AI 解決方案，是 AI 重塑工程思維的典範。
8. Open-LLM-VTuber/Open-LLM-VTuber
Open-LLM-VTuber 是一個創新的開源專案，旨在打造一個結合即時語音對話、視覺感知與 Live2D 虛擬形象的 AI 伴侶。其最大特色是所有核心功能皆能跨平台（Windows, macOS, Linux）在本地端離線運行，確保用戶隱私，並提供高度客製化的虛擬女友、男友或寵物體驗。在 AI/LLM 領域，它因其前瞻性與技術深度而備受關注。專案廣泛整合了多種 LLM、ASR 和 TTS 解決方案，從開源模型到商業 API，賦予用戶極大的模型選擇彈性。更重要的是，它引入了語音打斷、視覺感知、Live2D 表情以及獨特的桌面寵物模式等創新互動功能，顯著提升了人機互動的沉浸感。此外，高度模組化的設計也讓角色外觀、聲音和人格能被輕鬆自訂，甚至可擴展新的 Agent 架構，使其不僅是一個應用，更是一個探索個人化、沉浸式 AI 互動未來的重要平台。
9. can1357/oh-my-pi
「oh-my-pi」是一個強大的終端 AI 編碼代理，旨在將 AI 能力深度整合至開發者的日常工作流程。它不僅是個指令行工具，更將 IDE 的核心功能（如 LSP、真實除錯器、Git 操作）直接注入 AI 代理中，實現高度精準且高效的程式碼協作。其獨特的 Hashline 機制透過內容哈希錨定編輯點，顯著提升了 AI 編輯的穩定性與正確率，並有效降低模型 token 消耗。
在 AI/LLM 領域，「oh-my-pi」值得關注，因為它解決了 AI 代理在複雜開發環境中常見的精準度與性能痛點。專案大量採用 Rust 原生實現，避免了傳統 fork-exec 開銷，確保了如搜尋、Shell 執行等操作的極致速度。它還支援超過 40 種 AI 模型與服務，提供靈活路由，並具備子代理協作、專案級記憶管理 (Hindsight) 等進階功能。這種對「實際可用性」的追求，使其成為終端 AI 輔助編碼的強大且可靠的選擇，真正將 AI 變為開發者的強效夥伴。
10. Leonxlnx/taste-skill
「Leonxlnx/taste-skill」是一個為 AI 代理人量身打造的「反劣質」前端框架，旨在終止 AI 生成枯燥、通用且缺乏美感的介面。它提供一系列「可攜式代理技能」，引導 AI 在排版、字體、動態效果及間距等方面，產出更具設計感的 UI，而非千篇一律的樣板程式碼。專案也包含圖像生成技能，可作為設計參考圖。
這個專案在 AI/LLM 領域極具價值，因為它直接解決了 AI 生成內容常見的「品味」短板。當我們仰賴 ChatGPT、Codex 等模型進行設計或程式碼生成時，其輸出常缺乏專業設計師的細膩度。Taste-Skill 透過模組化的技能，如視覺風格調校、反覆製止重複性設計，以及生成高品質參考圖像，有效將設計原則「編碼」進 AI 工作流程，大幅提升 AI 介面設計的品質與創意，讓 AI 代理人的產出更趨近人類專業水準。
11. run-llama/liteparse
run-llama/liteparse 是一個專注於快速、輕量化與開源的文件解析工具，旨在解決 AI/LLM 應用中從多種文件格式（PDF、Office 文件、圖片等）中高效提取結構化文本與視覺資訊的挑戰。其核心優勢在於完全本地運行，提供帶有精確邊界框（bounding boxes）的高品質空間文本解析，確保數據準確性與上下文完整性，無需依賴雲端或專有 LLM 服務。
在 AI/LLM 領域，LiteParse 尤其值得關注。它能為 RAG（檢索增強生成）系統提供經過精良預處理的輸入數據，同時其頁面截圖功能也能輔助多模態 LLM 代理更好地理解視覺內容。透過內建 Tesseract OCR 並支援自定義 HTTP OCR 服務，以及 Rust 核心與多語言綁定（Python、Node.js、WASM），LiteParse 為開發者提供了構建高效、注重隱私的 LLM 應用所需的強大資料預處理層。無論是快速解析大量文件，抑或是為本地 AI 專案提供可靠的文本輸入，LiteParse 都展現了極大的實用價值與彈性。
12. openai/plugins
OpenAI 官方釋出的 openai/plugins 專案，是一個關於 Codex 外掛的典範收藏。它清晰地展示了如何讓 AI 模型跳脫純粹的文本生成，深度整合並操作各種真實世界的工具與服務。這不只是簡單的 API 呼叫，更是一種結構化的實踐，透過 plugin.json 定義，並結合 skills、agents、commands 等組件，讓 AI 能夠執行更複雜、跨領域的任務，例如透過 Figma 進行設計、使用 Notion 進行知識管理，甚至協同開發 iOS/Web 應用程式。在 AI/LLM 領域，這個專案的價值不言而喻。它不僅來自技術領頭羊 OpenAI，更為 AI Agents 的未來發展描繪了藍圖。它預示著 AI 將從被動的語言處理器，轉變為能動性強、能自主規劃與執行多步驟任務的智慧實體，為 AI 應用落地與邁向通用人工智慧提供了具體的路徑與無限的想像空間，是開發者理解 AI 與外部世界互動模式的絕佳起點。
13. aquasecurity/trivy
aquasecurity/trivy 是一個功能強大且用途廣泛的開源安全掃描器，專為識別現代軟體堆疊中的資安弱點而設計。它能深入掃描容器映像、檔案系統、Git 儲存庫、VM 映像及 Kubernetes 環境，找出作業系統套件與軟體依賴項中的已知漏洞 (CVE)、基礎設施即程式碼 (IaC) 的設定錯誤、外洩的敏感資訊（如密鑰），並能生成軟體物料清單 (SBOM)。這個工具有效地解決了從開發到部署階段，潛在資安風險的早期偵測問題，對於建立更安全的軟體供應鏈至關重要。
對於 AI/LLM 技術社群而言，Trivy 的重要性不容小覷。大型語言模型專案往往依賴大量第三方函式庫、容器化部署與自動化基礎設施。Trivy 能夠在 CI/CD 流程中，自動掃描用於模型訓練或推論的 Docker 映像，檢測程式碼儲存庫中的依賴項漏洞，甚至找出 IaC 設定檔中的安全缺陷，防止重要資訊外洩。它為 AI 應用程式提供了一道關鍵的防線，確保我們在追求模型性能的同時，也能兼顧服務的安全性與穩固性，落實 MLOps 中的資安環節。
14. hardikpandya/stop-slop
hardikpandya/stop-slop 是一個專為大型語言模型設計的「去 AI 化」工具，旨在解決 AI 生成內容常有的語法刻板、語氣僵硬等問題。它透過一套詳細的「技能檔案」，指導如 Claude 這類 LLM 辨識並移除 AI 寫作中常見的模式，例如重複的開場白、商業術語、濫用副詞、被動語態，以及特定句型結構和缺乏變化的節奏。專案的核心在於提供具體規則，讓 AI 輸出更自然、更具人味。
在 AI/LLM 領域，這個專案之所以值得關注，是因為它直接回應了使用者對 AI 寫作「聽起來不像人類」的普遍不滿。當我們追求更高品質、更具說服力且更自然的原創內容時，僅僅生成文字是不夠的。stop-slop 提供了一套實用的方法論，讓 AI 不僅能寫，更能寫出「像人寫」的文字，這對於任何依賴 LLM 進行內容創作、行銷文案或專業溝通的場景，都具有重要的實用價值。它讓 AI 成為更好的寫作夥伴，而非單純的文字產生器。
15. anthropics/claude-code
Anthropic 的 Claude Code 是一款終端代理編碼工具。它能深度理解你的程式碼庫，並透過自然語言指令，自動執行日常任務、解釋複雜代碼及管理 Git 工作流程，旨在解決開發者的重複性工作，大幅提升效率。
此專案在 AI/LLM 領域之所以值得關注，關鍵在於它將大型語言模型實踐為「Agentic AI」。Claude Code 不僅是個對話介面，更是能感知開發環境、主動執行任務的智慧代理。這種將 LLM 深度整合至開發者工作流，賦予其環境感知與行動能力的模式，預示著 AI 輔助開發的未來，讓工程師更專注於創新與創造。