推荐 7 个本周爆爆火的 GitHub 项目。
原创 逛逛 2025-08-03 15:04 北京
01
提示词优化器
这是一个专门用于优化 AI 提示词 (Prompt) 的开源工具。
它能帮你写出更清晰、更有效的提示词，从而提升 AI 模型的输出质量和稳定性。
开源地址：https://github.com/linshenkx/prompt-optimizer支持对系统提示词和用户提示词进行智能优化，提供多轮迭代改进的功能，还能对比优化前后的提示词效果。
看下面这几个案例，原来的提示词都是几个字，丢给这个工具后会生成更具体且丰富的提示词。
提供多种使用方式：Web 网页应用、桌面客户端、Chrome 浏览器插件、Docker 容器部署，满足不同场景需求。
纯前端设计，用户数据默认只存储在本地浏览器或客户端；支持配置主流模型 API Key，并可设置访问密码保护部署安全。
02
LLM应用大集合
这是一个精心整理的 GitHub 仓库，收集了各种使用 RAG、AI Agents、多智能体团队等技术的实战 LLM 应用示例。
开源地址：https://github.com/Shubhamsaboo/awesome-llm-apps这些应用利用了 OpenAI、Anthropic、Google Gemini 以及开源模型（如 DeepSeek, Qwen, Llama）的能力。
将 LLM 应用于不同领域（如代码库、邮件、PDF、视频），每个都有说明文档，帮助 AI 爱好者探索 LLM 应用开发。
每个项目独立存在，通常包含清晰的 README 和安装说明，便于开发者快速克隆、运行和借鉴。
03
Qwen3-Coder
Qwen3-Coder 是阿里巴巴通义千问团队开发的专注于代码生成和理解的大语言模型系列，是 Qwen3 模型的「代码专精」版本。
开源地址：https://github.com/QwenLM/Qwen3-Coder在线使用：https://huggingface.co/spaces/Qwen/Qwen3-Coder-WebDev
Agentic Coding 能力，在代码智能体任务（如编码、使用浏览器、使用工具）上达到领先水平（媲美 Claude Sonnet），支持超长上下文（256K，可扩展至1M）。
支持 358 种编程语言，具备代码补全（Fill-in-the-Middle）、聊天辅助、遵循特定格式进行函数调用等能力，并保留了基础模型在数学和通用任务上的优势。
下面这些都是它生成的 Demo：
04
团队知识库
Outline 是一个快速、美观、功能丰富的团队知识库和文档协作平台，堪称成长型团队的知识管理利器。
开源地址：https://github.com/outline/outline基于 React 和 Node.js 构建，提供实时协作编辑（类似腾讯文档）、强大的 Markdown 支持、丰富的富文本编辑功能、文档组织、搜索和权限控制。
05
机器人/具身 AI 模拟平台
Genesis 是一个面向通用机器人学、具身人工智能 (Embodied AI) 和物理 AI 应用 的生成式物理模拟平台。
开源地址：https://github.com/Genesis-Embodied-AI/Genesis这是一个从头构建的通用物理引擎，集成了多种物理求解器（刚体、MPM流体、SPH流体、FEM形变、PBD、稳定流体等），能模拟各种材料（刚体、液体、气体、软体、薄壳、颗粒）及其耦合。
在单张 RTX 4090 上模拟 Franka 机械臂可达 4300万 FPS，远超实时，支持多平台（Linux, macOS, Windows）和多后端（CPU, Nvidia/AMD GPU, Apple Metal）。
06
命令行速查手册
tldr-pages 是一个众多开发者协作维护的命令行工具速查手册，名字来源于网络用语“TL;DR”（Too Long; Didn’t Read – 太长不看）。
它是对传统 man 手册的简化补充。man 手册详尽但往往复杂难懂，而 tldr 提供简洁、实用的命令示例，专注于最常见的用法场景，让你快速上手或回忆命令。
开源地址：https://github.com/tldr-pages/tldr所有页面都是用 Markdown 写的，按平台（Linux, macOS, Windows, Android, SunOS 等）和命令组织，提供清晰的使用示例和说明。
07
Golang AI 框架
Eino 是一个用 Go 语言编写的终极 LLM/AI 应用开发框架，灵感来源于 LangChain 和 LlamaIndex 等项目。
开源地址：https://github.com/cloudwego/eino它提供了丰富的可复用 AI 组件（如聊天模型、工具、模板、检索器）和强大的编排能力（链 Chain 和图 Graph），能处理复杂的数据流、类型检查、并发、流处理和回调注入。
框架自动处理底层难题（如流响应拼接、类型安全、并发控制），开发者可以专注于业务逻辑，通过组合预置组件或自定义组件快速构建 AI 应用。
符合 Go 语言习惯的简洁清晰 API，提供可视化调试和在线追踪等工具，目标是标准化和简化 AI 应用开发的全生命周期。
08
都看到这了，关注下吧。
这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了。