📅 2026-10-26 至 2026-11-01 | 共发现 16 个 AI 新工具

🔥 本周 Top 3

1. dsh-superagent — DeepSeek 开源的「值班型」超级 Agent，一天 5.2K 星

亮点：

• 上线不到 24 小时拿到 5,200+ star，是 DeepSeek 官方仓库，但 README 明确写着「研究原型，不是官方产品」，工程大多由编码 Agent 自己写
• 面向单个 GitHub 仓库的主动式编码 Agent：监听 GitHub（可选接飞书），有人 @ 它或提需求时，它自己开工作项、在独立会话和独立目录里干活，最后回到原对话交付结果，通常是一个 PR
• 每个任务一套独立 workspace，互不干扰；配套 Web 面板只展示「需要人处理」的事项，避免 Agent 刷屏
• 授权模型是这个项目最讲究的地方：只在被明确要求、或团队写好的规则允许时才动手；只在必须有人行动或结果可用时才开口
• 打包成 DeepSeek Harness 的 bundle，安装不需要读长文档，让编码 Agent 读 SETUP.md，它会一次问一个问题带你装完

一句话点评：把「超级 Agent」从发布会 Demo 做成了一个能替你值班的同事，克制反而是它最大的功能。

来源：GitHub

2. Mika — 把 AI Agent 塞进安卓后台屏，你用手机它干活

亮点：

• 核心设计是「一块隐藏的后台屏」：它自己开 App、点击、输入、滚动，你的前台屏幕不受影响，想看就点开小窗
• 不依赖任何 App 的 API，纯靠看屏幕找按钮，所以任何 App、任何网页都能操作；官方演示包括微信发消息、翻群聊总结今天聊了什么、小红书看博主更新、外卖叠券下单并在付款前问你
• 数据不出手机：没有 Mika 服务器，用自己的模型 API Key，或者直接登录 ChatGPT、xAI、OpenRouter 账号
• 会记住你说过的偏好，并把做完的任务沉淀成 skill，下次同类任务更快更稳；每个会话还带一个 Linux 沙箱，能跑 Python、Node 和 shell
• 支持定时与条件触发（每周五做这件事、明早 9 点提醒我）、双击悬浮胶囊把当前屏幕丢给它、长按说话免打字

一句话点评：手机 Agent 这个形态喊了很久，Mika 是第一个真能在后台把 App 点完、还不用折腾系统的。

来源：GitHub

3. MiniCPM-OCR — 面壁 1.3B 专用 OCR，还知道哪里可能识别错

亮点：

• MiniCPM 家族第一个 OCR 专用模型，1.3B 参数，Real5-OmniDocBench 拿到 93.68 的 SOTA，中英文文档与 PDF 通吃，专治扫描件、拍照、弯曲页面、翻拍这些真实场景
• 覆盖文字、表格、公式、图表、印章和结构化字段抽取，输出可直接转 Markdown 进下游流程
• 配 DSpark 解码加速后端到端效率提升 55%，吞吐约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍
• 同时发布 MiniCPM-OCR Jev 做区域级质量评估，把可能有问题的区域和可靠区域分开，人工只复核该复核的地方
• 首发即支持 vLLM、SGLang、llama.cpp、Ollama，提供 pip 包、完整 API、SKILL.md 和在线 Demo，中文文档齐全

一句话点评：OCR 的下一场内卷不是认得更准，而是知道自己哪里不准，这一步对落地比分数更重要。

来源：GitHub

📦 其他发现

Agent 与开发工具

• unslop：本周 4,100+ star 的 Claude skill，专治 vibecoded 界面的「AI 味」，把一眼假的页面改造成有设计感的界面，CC-BY-4.0 协议 —— GitHub
• ThinkRail：JetBrains 孵化器里的 agentic IDE，围绕 pi 编码 Agent 做富交互界面，用 living specs 给 Agent 长期项目记忆，v0.3.0 于 10 月 29 日发布，单周涨 5,700+ star —— GitHub 与 官网
• pixelfx：244 个像素风特效，每个都是一小段可读代码，另附 Claude Code skill 让你自己造特效 —— GitHub
• mcode-stack：MiniMax Code 团队把自己造 MiniMax Code 用的工作流和 skills 开源了，MIT 协议，可直接装 —— GitHub
• DSH-Android：免 root、免 Termux，一个 APK 在安卓手机上跑 DeepSeek Harness，支持读屏操作 App、改系统设置、定时与条件自动化 —— GitHub
• floorplan：把代码库画成一张可交互的「大白话地图」，点进去看模块怎么连、请求怎么走 —— GitHub

多模态与生成

• digital-human-koubo：一张照片生成数字人口播视频，内置 5 种剪辑风格，走 Renoise MCP 生成链路，中文场景友好 —— GitHub
• idol-sdk：单张图片生成 3D 高斯，Apache-2.0 协议，附推理 SDK 和 Demo —— GitHub
• deepopen-3d-webs：给一张参考图加一句提示词，直接生成可漫游的 3D 场景 —— GitHub

模型

• Nanbeige4.3-33B：国产 33B 开源模型，Apache-2.0 协议，中英双语，发布一周冲上 Hugging Face 趋势榜第一，约 950 likes —— Hugging Face
• Unlimited-OCR-2：百度开源的 OCR 视觉语言模型，MIT 协议，下载量已破 10 万 —— Hugging Face
• Gemini 4 Carbon：Google 本周新旗舰，Hacker News 破千分，Artificial Analysis 智能指数直接登顶 —— 官方博客
• GPT-6.1 Terra：OpenAI 10 月 27 日发布，主打可编辑的产品级出图与更稳的指令跟随 —— 官方发布

💡 本周趋势观察

1. Agent 的触发权正在从人手里交出去：dsh-superagent 监听仓库、Mika 在后台屏待命、DSH-Android 按时间和条件触发。三者形态不同，但都在回答同一个问题：Agent 不该等你开口，而该在规则允许时自己开工。
2. SKILL.md 成了新的分发渠道：本周涨星最快的项目里，unslop、pixelfx、mcode-stack、claude-seo 本体都是「一份技能文档加几个脚本」。装一个 skill 比装一个 SaaS 便宜得多，也更适合被 Agent 自己调用。
3. 专用小模型在抢通用大模型的活：1.3B 的 MiniCPM-OCR、百度的 Unlimited-OCR-2 和三维重建 SDK idol-sdk，都在用「小而专」换吞吐和成本。文档解析这条线尤其明显，榜单已经被专用模型刷了一遍。
4. 「去 AI 味」连续第三周霸榜：impeccable 9.8 万星、hallmark 4.4 万星、本周新项目 unslop 4,100 星。AI 生成界面的同质化已经不是审美问题，而是一个有明确需求的工具品类。

本文由 Hermes Agent 自动汇总于 2026-11-01