Hello，大家好，我是 Ivan。
又双叒叕到了周五，我来给大家分享一下本周的Github热门开源项目 GitHub Trending，本周排在前面的项目基本都和 AI、Agent 有关，里面也有几个项目涨得很快，diagram-design一周增加了 1.1 万多个 Star，MoneyPrinterTurbo也增加了 9712 个。
不过，GitHub Trending 的排名并不是按照本周新增 Star 直接排序，所以这篇文章就按照周榜页面现在显示的顺序来写。截至 2026 年 8 月 21 日，排在前八名的是下面这些项目。
一、diagram-design：让 Agent 生成能直接用的技术图
项目地址：https://github.com/cathrynlavery/diagram-design
本周排在第一的是 diagram-design，一周增加了 11325 个 Star，目前已经有 2.4 万多个 Star。
这个项目是一套给 Claude Code、Codex 和 Pi 使用的画图 Skill，里面准备了 38 种图形样式，包括架构图、流程图、时序图、状态机、ER 图和甘特图。生成的结果是 HTML 和 SVG，可以直接在浏览器里打开，也方便放进文章和项目文档里。
现在让 Agent 画图其实不难，但生成出来的图经常就是几个方框加箭头，内容虽然能看懂，排版还是需要自己重新调整。这个 Skill 把不同图应该怎么布局、放多少内容、使用什么颜色都写成了规则，所以它解决的问题比较具体，也难怪这周会突然涨这么快。
二、OpenViking：把 Agent 的记忆、知识和 Skill 放到一起
项目地址：https://github.com/volcengine/OpenViking
第二个是火山引擎开源的 OpenViking，这是一个专门给 AI Agent 使用的 Context Database，目前有 3.1 万多个 Star。
我们平时做 Agent，记忆可能放在一个库里，RAG 知识库又是另一套，Skill 则直接放在项目目录中。当你要存储的内容少的时候还好，一旦 Agent 需要长期运行，这些上下文放在哪里、应该怎么找，就会慢慢变得麻烦。
OpenViking 的做法是把记忆、知识和 Skill 放进同一套虚拟文件系统，再通过 viking:// 路径管理。内容写入以后会生成 L0、L1 和 L2 三层信息，查询时可以先看摘要，需要时再读取完整内容，不用一开始就把所有内容塞进上下文。
它还会记录每一次检索过的目录。如果 Agent 找错了资料，可以看到它到底去了哪里找，而不是只拿到几个相似度分数。所以我觉得这个方向和 Agent Infra、Memory、Skill 管理都比较接近，我们后期可能还会来探讨一下这个。
三、Omarchy：DHH 做的一套 Linux 开发环境
项目地址：https://github.com/basecamp/omarchy
排在第三的是 Omarchy，这是 DHH 做的一套 Linux 发行版，本周增加了 2395 个 Star，目前有 2.7 万多个 Star。
这个项目的特点就是配置比较完整，终端、Neovim、开发工具、浏览器、AI 工具、快捷键和主题这些内容都已经准备好了。里面保留了很多 DHH 自己的选择，装好以后就能直接使用这一整套开发环境。
如果本来就想用 Linux 做开发，但是不想花很多时间配置桌面和各种工具，可以看看这个项目。不过它的配置比较有自己的风格，习惯 Windows 或 macOS 的人，刚开始可能还需要适应一下。
四、Needle 2：只有 14MB 的端侧模型
项目地址：https://github.com/cactus-compute/needle
Needle 2 是一个可以在手机、穿戴设备、智能家居和机器人上运行的小模型。它只有 4500 万参数，压缩以后是一个 14MB 的二进制文件，完整会话大约需要 28MB 内存。
这个模型主要处理工具调用、设备控制和结构化信息提取。开发者把工具名称和参数格式告诉它，模型会返回对应的 JSON 和置信度。比如用户说一句打开客厅的灯，这种任务其实不一定需要调用一个很大的模型，直接在设备本地处理会更快，也不用把内容传到云端。
不过，参数小也意味着它处理复杂问题的能力有限。这个项目适合做比较固定的端侧任务，不能直接拿它和通用大模型比较。
五、semantica：让 Agent 的结果能够往回查
项目地址：https://github.com/semantica-agi/semantica
semantica 做的是图结构的 Context 基础设施。本周增加了 3674 个 Star，目前还不到 1 万 Star，但是已经排到了周榜第五。
它会把数据里的实体和关系提取出来，保存到 Context Graph 和知识图谱中。以后 Agent 根据这些数据得到一个结果，还可以继续往回查用了哪些信息，中间经过了哪些关系。
向量数据库比较适合找意思相近的内容，但是很多业务还需要保存明确的关系。比如一个结论引用了哪份文件、使用了哪个版本的数据、经过了哪些处理，这些内容只靠相似度并不好表示。semantica 想补的就是这一部分。
它在项目介绍里把自己称为开源的 Palantir，算是一个比较大的定位，而且项目现在也还在早期。我觉得你可以先看看它的思路，等真正放进业务里还有多少工作要做，目前还不好说
六、Switchyard：给不同模型加一层路由
项目地址：https://github.com/NVIDIA-NeMo/Switchyard
Switchyard 是 NVIDIA NeMo 开源的 LLM 流量代理和路由库，使用 Rust 开发。它可以在 OpenAI Chat、OpenAI Responses 和 Anthropic Messages 之间转换协议，然后把请求转发给 vLLM、NVIDIA NIM、Ollama 或其他兼容 OpenAI 接口的服务。
比如一个 Agent 原来使用的是 Anthropic 接口，但是后面想接入本地模型，如果每个调用位置都重新修改会比较麻烦。Switchyard 放在中间以后，Agent 仍然按照原来的接口发请求，再由它选择后端模型并转换格式。
它还支持随机路由、模型分类路由和分阶段路由，可以用来做 A/B 测试，或者把简单任务交给便宜的模型，复杂任务再转给能力更强的模型。不过仓库已经明确说明项目还处于 pre-alpha 阶段，接口和算法都可能继续变化，暂时不适合直接用在生产环境里，一定要注意。
七、Modular：Mojo 和 MAX 放到了同一个仓库
项目地址：https://github.com/modular/modular
modular 这个仓库包含了 Modular Platform 已经开源的部分，其中主要是 Mojo 语言和 MAX Framework。目前仓库有 2.7 万多个 Star，本周增加了 744 个。
Mojo 是面向 AI 和高性能计算的编程语言，MAX 则提供模型推理、加速库、模型流水线和兼容 OpenAI 的推理服务。现在 Mojo 编译器、标准库、MAX 的部分 Kernel、推理服务和示例代码都放在这个仓库里，想了解 Mojo 最近做到什么程度，可以直接从这里看。
不过，这个仓库里的许可证并不完全一样。开源代码主要使用 Apache 2.0 with LLVM Exceptions，MAX 的使用和分发还要遵守 Modular Community License，准备放进自己的项目以前需要单独确认。
八、MoneyPrinterTurbo：输入主题就能生成短视频
项目地址：https://github.com/harry0703/MoneyPrinterTurbo
第八个是 MoneyPrinterTurbo，这个项目已经开源两年了，但是这周又增加了 9712 个 Star，目前总 Star 超过了 11 万。
使用时输入一个主题或者关键词，它会生成文案、搜索素材、添加字幕和背景音乐，最后合成一条短视频。项目提供 WebUI 和 API，Windows、macOS 和 Linux 都可以运行。
生成效果
有一点要注意，最后生成的视频还是会受到文案模型、素材和关键词提取的影响，如果准备正式发布，内容和版权都需要自己再检查。
最后
这周的 GitHub 周榜就看到这里啦，Agent Infra 和端侧 AI 相关的项目越来越多，期待看到更多有意思的开源项目，我们下周见！
