开源 AI 工具日报｜2026-08-17

开源 AI 工具日报｜2026-08-17

检索时间范围：2026-08-14 10:00-2026-08-17 14:00（UTC+8），重点核验最近 24–72 小时的新仓库、Release 与榜单变化。 本期用 GitHub Trending 与 GitHub Search 发现新项目，再回到仓库 README 与 Release 正文核验；新项目只看 8 月 13 日后创建、且已有真实社区关注度的仓库，不把"刚建仓"直接等同于"可用工具"。[1]

本期最明显的信号是一个新生态在 72 小时内成形：DeepSeek Harness（DSH）插件生态。搜索结果里出现了数十个 8 月 13 日后创建的 dsh 插件仓库——视觉路由、视觉工具箱、插件市场、安卓启动器、成本统计——围绕同一个宿主框架快速分层。与此同时，Agent 安全（独立授权边界）、Agent 记忆（OKF 标准）、以及"把书变成技能"的知识工作流，是本期新项目里最值得认真看的三条线。[1]

本期精选 8 个项目：5 个是窗口内创建的新仓库，3 个是既有项目的重要新版本（其中一个是安全相关 RC 版本）。没有用旧项目凑数，也避开了前几期已介绍过的 LTX-2、FluidVoice、OpenHands、Semantica、NemoClaw 等。

1. DSH Vision Router｜给纯文本 DeepSeek Agent 装上"眼睛"

项目链接： GitHub ｜ 许可证： 未在 README 标注，使用前需自行确认

它解决什么问题： DeepSeek Harness 里的纯文本模型看不了图片。多数视觉插件把图片转成文字描述再喂给模型，有损、一次性、对像素不可见；这个插件让原图留在视觉模型侧、DeepSeek 留在推理侧，"看图"变成一次普通的工具调用。[13]

核心能力：

• 内置免费视觉链：五模型 OVHcloud 匿名兜底，无需账号或 API key，每 IP 每模型每分钟 2 次请求（理论约 10 RPM）；[13]
• 十一个像素级工具：降采样、grounding、裁剪、像素 diff、调色板、OCR、SVG 描摹、抠图、HTML 截图等；[13]
• 全管线无 Python，基于 sharp / potrace / tesseract / 系统 Chrome 运行；[13]
• 自带 composition patch，dsh plugin add 一条命令完成安装接线。[13]

为什么今天值得关注： 仓库创建于 8 月 13 日，三天内获得约 499 star，是 DSH 生态中关注度最高的视觉方案之一。[1]

适合谁： 在 DeepSeek Harness 里跑纯文本模型、又需要它处理截图/界面/文档图像的用户。

门槛与风险： 免费兜底有明确限速（匿名服务约 2 请求/分钟/模型），高频使用需自备视觉模型；README 未标注许可证，二次分发或商用前必须先确认授权。共享匿名服务的可用性不构成 SLA。[13]

2. DSH Vision Toolkit｜意图驱动的视觉工具箱与 Skill

项目链接： GitHub ｜ 许可证： MIT

它解决什么问题： 与 Router 解决同一类问题但路线不同：它是一个工具箱 + vision-tools Skill 的组合，强调"意图驱动"——Agent 按当前任务（"错误在哪""按钮在哪"）提取证据，而不是返回一段通用图片描述。[12]

核心能力：

• 在 DSH Web 里粘贴图片即可用，纯文本路由自动切换到 (Vision Toolkit) 变体，无需手动改路径；[12]
• 覆盖图片问答、长截图 OCR、UI 还原、GUI 视觉任务；[12]
• 内置免费 Gemini 3.7 Flash 视觉服务，装完即用，无需 API key；共享容量耗尽时返回可读的 429 与重试指引；[12]
• 原生缩略图、会话历史与工作区路径保持完整，Web 与 Headless 共用同一套结构化结果。[12]

为什么今天值得关注： 仓库创建于 8 月 13 日，三天内获得约 569 star，并自称是 DSH 生态内第一个综合视觉工具插件（以内测前后时间线为据）。[1][12]

适合谁： 需要在 DeepSeek Harness 中做 UI 走查、长截图信息提取、界面还原验证的开发者。

门槛与风险： 视觉能力依赖共享免费服务，容量有限时会被限流；UI 还原的"接近程度"需要结合其量化指标判断，不能只看肉眼效果。[12]

3. book-to-skill｜把技术书变成 Agent 技能

项目链接： GitHub ｜ 许可证： MIT（仅覆盖转换器本身，不覆盖被处理的书籍内容）

它解决什么问题： 买来的技术书读一遍就忘，问 Agent 又会幻觉或说不记得。它把 PDF/EPUB/DOCX 等来源蒸馏成结构化的 Agent Skill——核心心智模型 + 逐章文件 + 术语表 + 模式库 + 速查表，Agent 按需加载对应章节。[7]

核心能力：

• 官方实测：回答一个问题比把整本书塞进上下文少用 24×–51× token；[7]
• 生成 SKILL.md（约 4000 token）+ 按需加载的章节文件（每章约 1000 token）；[7]
• 兼容开放的 Agent Skills 标准，GitHub Copilot CLI、Amp、Claude Code 读取同一格式；[7]
• 不只处理书：ADR、runbook、设计规范、论文集、RFC 都是合法输入。[7]

为什么今天值得关注： 仓库创建于 8 月 13 日，三天内获得约 1159 star，是本期新项目中关注度最高的一个。[1]

适合谁： 有大量技术书/内部文档、希望编码 Agent 能"引用原文"而非幻觉作答的开发者与团队。

门槛与风险： 处理完全本地、不上传文件，但工具本身不授予内容版权——README 明确要求只处理自己有权使用的材料，且不要二次分发受版权保护作品生成的技能。扫描版 PDF 需先 OCR。[7]

4. Agent-Safe Pipeline｜Agent 提议、策略批准的参考架构

项目链接： GitHub ｜ 许可证： Apache-2.0

它解决什么问题： Agent 可以推理、规划、提议动作，但绝不能自己决定自己的动作是否被授权。这个仓库提供一套可运行的参考实现：Agent 的意图被不可变捕获后交给独立的 Decionis 门禁做 ALLOW / ESCALATE / BLOCK 判定，再由密封的 SafeExecutor 用一次性 grant 执行。[10]

核心能力：

• 六条生产不变量：意图规范化哈希并快速过期、门禁独立判定且失败即关闭（fail closed）、人工批准凭据绑定精确意图、grant 原子消费、下游凭据只存在于可信执行器之后；[10]
• 附带 Shopify 退款、GitHub 部署、采购、MCP 工具门禁等示例，以及 THREAT-MODEL 与 SECURITY-EVIDENCE 文档；[10]
• 提供 canonical-hash 一致性测试向量（Unicode、负零、UTF-16 键序等边界）；[10]
• 90% 行覆盖 + 变异测试 + 模糊测试的验证管线。[10]

为什么今天值得关注： 仓库创建于 8 月 13 日，三天内获得约 492 star；在 Agent 权限滥用讨论升温的当下，这是少见的把"授权边界"写成可验证代码的参考架构。[1]

适合谁： 需要让 Agent 触碰生产系统（退款、部署、采购）又必须保留人工否决权的产品与平台团队。

门槛与风险： README 自己说得很清楚：这是库与参考实现，不是托管授权服务，也不能替代供应商侧身份、最小权限与网络隔离；安全声明只在文档化的信任边界被保持时成立。[10]

5. MCP-Memory｜OKF 标准的 Agent 长期记忆服务器

项目链接： GitHub ｜ 许可证： 未在 README 标注，使用前需自行确认

它解决什么问题： 给 Claude Desktop、Cursor、Windsurf、Codex 等 MCP 客户端补上跨会话的持久记忆：每条记忆按 Open Knowledge Format（OKF v0.2）标准存为带 YAML frontmatter 的 Markdown 文档，同时用 SQLite FTS5 建索引，做到人类可读与亚 20ms 检索兼得。[11]

核心能力：

• 双层架构：memory/ 目录下人类可读的 .md + 层级 index.md 渐进披露，叠加隐藏的 FTS5 索引；[11]
• 四个核心工具：store / retrieve / search，以及"会话检查点"对（get_last / update_last），让 Agent 重新打开项目时立刻知道上次做到哪；[11]
• namespace 隔离（如 user/preferences、project/architecture）；[11]
• setup.py 向导自动注册到已安装的 MCP 客户端。[11]

为什么今天值得关注： 仓库创建于 8 月 13 日，三天内获得约 176 star；OKF 是 Google Cloud knowledge-catalog 下的开放标准，这是首批把它落到 Agent 记忆场景的 MCP 实现之一。[1][11]

适合谁： 希望多个 Agent 客户端共享一套可审计、可 git 化的长期记忆的个人开发者与小团队。

门槛与风险： 默认按项目根目录隔离存储，全局共享需手动改环境变量；README 未标注许可证，商用集成前需确认授权。[11]

6. Unsloth v0.1.800-beta｜Qwen3.8-27B 本地运行与微调

项目链接： GitHub ｜ 许可证： Apache-2.0

它解决什么问题： 把本地模型运行、无代码训练、导出与 Agent 接入收进同一个工作台；本版本的重点是让 Qwen3.8-27B 和 Qwen3.8-2.4T 能在本地跑起来。[2][14]

核心能力：

• Qwen3.8-27B 可通过 Dynamic GGUF 在 17GB 内存上运行，并支持在 Unsloth 内微调；同时上传了 NVFP4 量化；[2]
• 外部提供商支持工具调用，可用 Codex 订阅登录并在 Chat 中使用 Codex 工具；[2]
• FP8 路径下 MiniMax-H3 推理提速 10 倍（30 分钟到 3 分钟），GGUF 推理整体快约 10%；[2]
• 修复沙箱绕过权限问题，新增自定义 VRAM 开关。[2]

为什么今天值得关注： 8 月 14 日发布 v0.1.800-beta，距上一期介绍的 v0.1.702-beta 仅三天，且项目在 8 月 17 日仍居 Trending（+572 star/天）。[1][2]

适合谁： 想在个人工作站上跑/微调最新开源权重、或给编码 Agent 接本地模型的开发者。

门槛与风险： 版本仍带 beta，发布节奏很快意味着问题也修得快但不保证稳定；2.4T 级模型的量化运行仍受内存与后端限制。[2]

7. InvokeAI v6.14.0-rc2｜视频生成与大版本前哨

项目链接： GitHub ｜ 许可证： Apache-2.0

它解决什么问题： 本地视觉创作工作台的下一个大版本：加入 Wan 2.2 视频生成、多 GPU、原生 Intel XPU，以及一批新图像模型支持。[4]

核心能力：

• Wan 2.2 视频生成：文生视频、图生视频、双图插值，通过工作流编辑器与模板串接成长片；[4]
• 新模型支持：Krea.2-Turbo/Raw、Flux.2 Dev、Ernie Turbo、Ideogram 4、Anima controlnets 与 inpainting、Flux.2 PiD 超分（至 4K）；[4]
• 多 GPU 支持与原生 Intel XPU 支持。[4]

为什么今天值得关注： 8 月 16 日发布 v6.14.0-rc2。上一期刚提醒过 InvokeAI 6.13.8 的安全补丁，这个 RC 说明大版本已近；生产用户建议等正式版，评测用户可以先行。[4]

适合谁： 自托管图像/视频生成工作站、需要可复现视觉工作流的内容团队。

门槛与风险： 这是 release candidate，不是稳定版；README 标注部分新模型的 LoRA/ControlNet 支持仍在分阶段推出，不是所有 LoRA 都能加载。[4]

8. Rakazo｜可完全自托管的开源"AI 队友"

项目链接： GitHub ｜ 许可证： 未在 README 显式标注（仓库自述开源替代品），使用前需自行确认

它解决什么问题： 开源的 Grok Bot 替代品：每个 bot 有一条线程、一台自己的电脑（可视化 Linux 沙箱桌面）、记忆、例程与历史；bot 还能派生更多 bot 或在当前回合内跑短命子 Agent。仓库是完整核心产品，不需要 Rakazo 运营的控制平面。[9]

核心能力：

• Web / Electron 桌面 / 移动端（Expo）共用同一 API；[9]
• 沙箱可选 Docker（默认）、E2B（远程隔离）或直接跑在本机；模型能观察并操作屏幕、跑终端命令、操作文件；[9]
• 自带模型：OpenRouter key，或用 ChatGPT Plus/Pro、GitHub Copilot、SuperGrok 订阅直接登录；[9]
• 测试面完整：单元/属性测试、集成、Playwright E2E，以及真模型 + 真沙箱的验收测试。[9]

为什么今天值得关注： 仓库创建于 8 月 13 日，三天内获得约 579 star；作者自述产品仍处早期 beta。[1][9]

适合谁： 想要"自带电脑的 AI 队友"但拒绝托管服务的自托管爱好者。

门槛与风险： README 明确警告 desktop 沙箱模式让模型以宿主进程权限执行 shell 命令，不得用于公网或共享服务器；公网部署应选 E2B 边界。产品 beta，Node 22 + pnpm 9 + Docker 是硬门槛。[9]

其他值得一眼的动态

• Ollama v0.32.14（8 月 15 日）：为 llama-server 转码 WebP 图片；Qwen 渲染器容忍非前导 system 消息。小版本，但 WebP 转码解决的是多模态输入的常见报错。[5]
• Cline v4.1.10（8 月 14 日）：支持模型在任务中联网搜索（Feature Settings 开关）；修复两个不同 build 的 Cline 互相杀掉对方 Hub 守护进程的问题；模型目录新增 Crusoe 提供商。[6]
• MCPJam Inspector v2.39.0（8 月 15 日）：Swarm 与用户测试的完整 Agent 回路、检查 UX 统一（带原因的逐会话判定）、Slack/Discord 上报批准的 swarm 运行；目标 MCP server 不可达时正确返回 424 而非 502。[3]
• DSH 生态长尾：插件市场（DSH-Plugins-Marketplace，约 102 star）、安卓启动器 DSHA（proot+Ubuntu 免 ROOT，约 68 star）、成本统计 dsh-cost-meter（约 59 star）在窗口内密集创建，生态分层正在加速。[1]

今日最值得试的 3 个项目

1. book-to-skill：pip 装完指向一本你拥有的技术书，十分钟就能验证"Agent 引用原文作答"是否成立，是本期投入产出比最高的实验。[7]
2. DSH Vision Router：如果你已在用 DeepSeek Harness，一条命令给纯文本模型加上免费视觉链，限速之内够日常截图问答用。[13]
3. Agent-Safe Pipeline：跑一遍五分钟 demo（pnpm 起本地 fixture），直观感受"提议与授权分离"在代码里长什么样。[10]

趋势判断

三天内出现一个完整度惊人的插件生态（DSH），说明开源 AI 工具的竞争单位正在从"单个项目"变成"生态位"：宿主框架出现后，视觉、市场、启动器、成本仪表在 72 小时内全部有人补齐。[1] 另一条并行主线是治理与知识资产化：授权边界有了参考实现（Agent-Safe Pipeline），Agent 记忆开始对齐开放标准（OKF），书与文档被编译成可按需加载的技能（book-to-skill）。对使用者的含义很直接：选宿主框架时，除了看它自己的功能，更要看它周围 72 小时能长出什么。

安全提醒延续上一期：本期的沙箱类项目（Rakazo 的 desktop 模式）再次说明，"模型能操作电脑"与"模型该操作电脑"之间必须隔一层显式边界——这正是 Agent-Safe Pipeline 这类项目存在的理由。[9][10]

Sources

[1] https://github.com/trending?since=daily — GitHub Trending - Daily [2] https://github.com/unslothai/unsloth/releases/tag/v0.1.800-beta — Unsloth v0.1.800-beta release [3] https://github.com/MCPJam/inspector/releases/tag/v2.39.0 — MCPJam Inspector v2.39.0 release [4] https://github.com/invoke-ai/InvokeAI/releases/tag/v6.14.0-rc2 — InvokeAI v6.14.0-rc2 release [5] https://github.com/ollama/ollama/releases/tag/v0.32.14 — Ollama v0.32.14 release [6] https://github.com/cline/cline/releases/tag/v4.1.10 — Cline v4.1.10 release [7] https://github.com/Leutenegger/book-to-skill — book-to-skill - GitHub repository [9] https://github.com/elie222/rakazo — Rakazo - GitHub repository [10] https://github.com/decionis/agent-safe-pipeline — Agent-Safe Pipeline - GitHub repository [11] https://github.com/fellowgeek/mcp-memory — MCP-Memory - GitHub repository [12] https://github.com/Anionex/dsh-vision-toolkit — DSH Vision Toolkit - GitHub repository [13] https://github.com/ysr666/dsh-vision-router — DSH Vision Router - GitHub repository [14] https://github.com/unslothai/unsloth — Unsloth - GitHub repository