gstack：將 AI 編碼助手轉化為虛擬工程團隊的工作流框架
gstack 是由 YC 總裁 Garry Tan 開源的 AI 工作流框架，旨在解決 AI 編碼缺乏架構思考的問題。它透過定義多個專業角色（如 CEO、Staff Engineer）建立強制性審核流程，並整合持久化瀏覽器與記憶體系統以提升驗證能力。該工具適合追求高效能、低垃圾代碼產出的獨立開發者。
GitHub →新開源庫
新開源庫
GPT-Image-2 提示詞庫：從電商廣告到 UI 設計的 AI 繪圖實戰指南
本文介紹一個針對 GPT-Image-2 模型的 Awesome 資源庫，旨在降低 AI 繪圖的提示詞工程門檻。該庫提供七大類別的專業模板，並指導開發者如何將其整合至 API 產品中。雖然 AI 生成具隨機性，但該庫透過系統化案例大幅提升了生產力。
GitHub →
MiroFish：基於多智能體社交模擬的 AI 預測引擎
該系統在工程整合上表現卓越，成功將 RAG、知識圖譜與大規模 Agent 互動串聯，將 AI 預測從『機率猜測』提升至『過程模擬』，具有高度的實作參考價值。然而，其核心競爭力依賴於外部框架而非原創算法，且極高的 Token 成本與對初始資料的敏感度使其在商業落地時存在顯著的經濟風險與偏差風險。
GitHub →
Microsoft Agent Framework：將 AI Agent 從原型推向生產環境的跨語言開發框架
這是一個由微軟開源的生產級 AI Agent 框架，支援 Python 與 .NET。它不只是簡單的 LLM 封裝，而是專注於解決 Agent 在實際生產環境中遇到的狀態持久化、多 Agent 協作工作流、可觀測性以及安全性（如提示詞注入防禦）等）等工程化問題。
GitHub →
Cua：打造 AI Computer-Use Agent 的全棧基礎設施庫
Cua 提供了一套完整的工具鏈，包含跨平台沙箱、背景操作驅動、評測框架以及虛擬化管理，旨在讓開發者能快速構建、訓練並部署能夠操作真實桌面環境（Windows, macOS, Linux, Android）的 AI Agent。
GitHub →
Open Design：將本地 Coding Agent 轉化為專業設計師的開源設計框架
Open Design 是一個本地優先的開源框架，旨在成為 Anthropic Claude Design 的替代方案。它不提供 AI 模型，而是透過本地 Daemon 將使用者已安裝的各種 Coding Agent CLI（如 Claude Code, Cursor, Copilot 等）接合進一套結構化的設計工作流中，結合 31 種設計技能與 72 套品牌設計系統，讓 AI 能產出高品質、非隨機的網頁原型與簡報。
GitHub →
Public APIs：開發者的免費 API 寶庫與資源索引庫
該資源庫在資訊聚合維度上具有極高價值，成功將碎片化的 API 資訊標準化，能顯著提升開發初期的效率。然而，其核心缺陷在於依賴社群手動維護，導致數據實時性（如 API 停用或定價變更）存在滯後風險，僅建議用於原型開發或非核心功能，不宜直接用於對穩定性要求極高的生產環境。
GitHub →
Pixelle-Video：基於 ComfyUI 的 AI 全自動化短視頻生成引擎
Pixelle-Video 是一個將 LLM、ComfyUI 與 HTML 模板結合的自動化短視頻生產工具。它將視頻創作拆解為文案生成、配圖/視頻生成、語音合成與最後的合成四個模組，支持本地與雲端兩種部署模式，適合需要快速量產內容的創作者或希望構建自動化視頻管線的開發者。
GitHub →
TradingAgents：模擬真實交易團隊的 LLM 多代理金融分析框架
TradingAgents 是一個基於 LangGraph 的多代理（Multi-Agent）框架，透過模擬金融公司內部從分析師、研究員到風險管理者的層級分工，將複雜的交易決策拆解為多階段的辯論與審核流程，旨在降低單一 LLM 決策的隨機性並提升分析深度。
GitHub →
DFlash：利用區塊擴散模型實現高效並行投機採樣，大幅提升 LLM 推理速度
DFlash 是一個專為投機採樣（Speculative Decoding）設計的輕量化區塊擴散模型（Block Diffusion Model）。它不再像傳統投機採樣那樣逐個 Token 預測，而是能一次性並行生成一整塊（Block）Token 候選集，並由大模型一次性驗證，從而顯著降低推理延遲。該專案已提供多款主流模型（如 Qwen3, Gemma-4）的預訓練 Draft 模型，並深度整合至 vLLM 與 SGLang 等高效推理框架。
GitHub →
MOSS-TTS-Nano：僅 0.1B 參數、可在 CPU 實時運行的多語言微型語音合成模型
此模型採取了極端且正確的『反規模化』策略，在維持 48kHz 高採樣率的前提下將參數壓至 0.1B，成功將 TTS 從 GPU 依賴轉向端側普及。然而，其自然度必然存在天花板，僅適用於『功能性』而非『藝術性』的語音場景；且其環境依賴（如 pynini）增加了初次部署的摩擦成本。
GitHub →Aider-AI/aider
Aider 是一款運行在終端機的 AI 配對程式設計師工具。與一般的 AI 聊天機器人（如 ChatGPT 或 Claude 網頁版）不同，Aider 的核心能力在於它能直接讀取你的本地代碼庫、理解檔案結構，並在獲得許可後直接修改你的原始碼並自動提交 Git commit。
GitHub →