凌晨五点让AI打磨文案，改三遍人味儿一遍比一遍少。AI写的东西缺少存在感。千集技术在此基础上做了fiction_writer，核心定义是不抹去文字背后的人味，只做减法不做加法。

一个三天涨两万Star的开源项目，不是框架而是能力层，帮你选好装好检查好各种互联网读取工具，运行时零中间层。覆盖13个平台，6个零配置即用，平台封路自动切备选。

aiset_skills是千集技术团队开源的AI技能插件集合，覆盖内容生成、AI图片视频、营销增长、创意写作和工具处理五大类，一行命令安装，从写稿到封面到分发全链路打通，不用再在十几个工具之间反复切换。

GitHub项目GordenSuperPPTSkills用反转思路解决AI PPT的排版困境，先让GPT生成图片格式的高质量PPT，再逐层拆解还原成可编辑PPTX文件。虽然依赖Codex且成本偏高，但思路开创性足以影响整个赛道竞争逻辑。

GitHub上周涨星飞快的一个项目叫Understand-Anything，写完这篇文章的时候它已经逼近六万了。一个TypeScript项目，做的事听起来简单得离谱，把你丢进去一段代码，它帮你把所有文件、函数、类、依赖关系画成一张可交互的图。你点哪个节点，它就把那个函数的代码、它调用了谁、谁调用了它全列出来，配一段大白话解释。这东西凭什么火成这样，我觉得值得...

Addy Osmani（Google Chrome工程主管）开源了agent-skills项目，57k星。24个标准化技能覆盖软件全生命周期，把Google十几年的工程纪律打包成AI Agent可执行的工作流。不是Prompt模板，是流程纪律。

diffusionstudio/lottie是一个开源项目，通过给Claude Code或Codex等AI编程代理加装text-to-lottie技能，让AI直接生成符合Bodymovin格式、可在Web/iOS/Android/React Native各平台渲染的Lottie动画JSON文件。作者实测效果达到生产级，60fps、透明背景、体积可控，同时揭示了skills模式如何将领域专业知识封装成可分发的工具包。

一个叫Chinese-WebNovel-Skill的开源项目，用软件工程的模块化架构重新设计了AI写作辅助工具，主Skill路由加专项模块下沉再配本地语料检索，跟市面上大Prompt一条龙的玩法完全反着来。

GitHub Trending本周出现了一个叫青幕AI写作的开源项目，五天涨了近三百星，专门帮网文作者写两百万到三百万字的长篇连载。核心是记忆系统，章节摄取加角色认知追踪加草稿隔离，解决AI写到后期遗忘前文和人设崩坏的问题。

半夜刷GitHub看到一个1667星的AI写网文项目，7个agent协作加文件系统管理，作者是个正在找工作靠写网文过渡的人，一个人迭代到0.6.11，这种从真实痛感长出来的工具比拿融资的AI写作公司靠谱得多。

invisible_playwright是一个从C++源码层面打补丁的Firefox反检测浏览器，reCAPTCHA v3得分0.90，CreepJS零谎言，全线碾压商业反检测产品。它填补了面向开发者的可编程反检测工具空白，对AI Agent落地有直接的基建价值。

Datawhale新出的Agent-Learning-Hub两周拿下1700星，跟别的路线图不一样，它不堆链接，只维护一个README，靠社区分享和工程经验捋出一份真能照着执行的todo list。9个Stage从判断需不需要Agent到交付真实Agent，每个都有硬产出要求，附带11级阶梯项目。立场也很鲜明，不建议重押老式角色扮演多agent框架，认为coding agent和个人agent才是当前靠谱的方向。

invisible_playwright是一个从C++源码层面打补丁的Firefox反检测浏览器，reCAPTCHA v3得分0.90，CreepJS零谎言，全线碾压商业反检测产品。它填补了面向开发者的可编程反检测工具空白，对AI Agent落地有直接的基建价值。

在人工智能技术不断发展的今天，开源项目的推出为研究者和开发者提供了更多的工具和资源。2025年2月25日，DeepSeek 在其开源周活动中首次推出了高效的 MLA 解码内核——FlashMLA。这款内核专为 NVIDIA Hopper 架构的 GPU（如 H800 和 H100）设计，旨在提升机器学习算法的解码效率。 FlashMLA 的开发灵感源自于广受欢迎的 flash-attention 技术，目前在 GitHub 上已获得超过 7.7k 的星标，显示出其在开源社区中的广泛关注和认可。该项目的推出不...

构建系统是开发者工具箱中最重要的工具之一。简单来说，它负责从一堆不同的源文件中生成可运行的程序，调用编译器、设置并执行测试套件等。由于开发者每天都要与它打交道，因此它必须快速——但同时也需要具备灵活性。大约在2012年，我们对当时OCaml的标准构建系统OMake感到不满，于是决定自己构建一个新的系统，我们称之为Jenga。Jenga在我们内部运行得很好，我们认为更广泛的社区可能也会觉得它有用。于是我们决定开源Jenga，希望其他人试用后会喜欢它，甚至可...