今天日榜前排还是 rea、AnyPS5、mattpocock/skills、diagram-design、Anthropic 岗位插件这些这周写过或法律灰色的，我都跳了。ArtCraft 继续火，但协议还是非 OSI 的 fair source，也不写。从日榜后排和语言榜里挑了六个：阿里开源的内用代码审查、HeyGen 的 HTML→视频框架、专管压缩 Agent 上下文的 Headroom、一个流式 3D 重建论文仓、微软的不可信代码沙箱，以及一个本地音频转 MIDI 插件。
星数是 10 月 10 日上午 GitHub API 的快照。
1. alibaba/open-code-review：规则先扫一遍，模型再写行级评论
约 4.5 万星，Apache-2.0，Go。阿里把过去两年内部用的 AI 代码审查助手开源了。它不走「整段 diff 丢给模型碰运气」那条路，而是混合架构：确定性流水线先跑多语言规则（空指针、线程安全、XSS、SQL 注入等），LLM Agent 再补精确到行的评论。协议兼容 OpenAI 和 Anthropic，也有 Claude Code、Codex、Cursor、Kimi Code 的插件。
npm install -g @alibaba-group/open-code-review
ocr config provider
ocr review适合已经有 PR 流程、想在本地或 CI 加一层可复现审查的团队，也适合给编码 Agent 挂一个能调用的 review skill。
坑：默认审查要先配好模型；delegation 模式可以让宿主 Agent 自己审，但规则解析仍靠 OCR。大仓库别一上来 ocr scan 全仓，账单和等待都会很难看，先从工作区 diff 或分支范围试。
2. heygen-com/hyperframes：Agent 会写 HTML，就让它直接出片
约 6.0 万星，Apache-2.0，TypeScript。HeyGen 开源的视频框架：用 HTML、CSS 和可 seek 的动画描述画面，浏览器预览，无头 Chrome + FFmpeg 渲成确定性 MP4。和 Remotion 的差别主要在作者模型——这边押的是「人和 Agent 都好写的普通 HTML」，不是 React 时间轴。CLI、Agent skills、云端渲染都能接。
npx hyperframes init my-video
npx hyperframes preview适合会一点前端、想让 Claude Code / Codex 出产品介绍、PR 解说或活动短片的人。
坑：硬性要求 Node 22+ 和本机 FFmpeg。skills 仓库有 21 个发布项，交互安装时别全勾；非交互环境用 npx hyperframes skills update 装 core set 更稳。渲染质量取决于你写的 HTML 是否真的「可 seek」，乱写时间轴会预览和成片对不上。
3. headroomlabs-ai/headroom：进模型前先把工具输出削一刀
约 7.5 万星，Apache-2.0，Python / TypeScript。Agent 贵往往贵在工具返回：日志、检索片段、整文件。Headroom 在本机把这些压短再送给 LLM，宣称编码场景大约少 20% token，JSON 类可到 60–95%，FATAL 这类关键行尽量保真。用法三种：库里 compress()、本地 proxy，或 headroom wrap claude 一类一键包住现有 Agent。压缩不把内容送去远端。
pip install "headroom-ai[all]"
headroom wrap claude适合上下文经常爆、又懒得每次手删的 Claude Code / Codex 用户，也适合自己写 Agent 编排的人。
坑：带 CLI 的是 PyPI 包；npm 的 headroom-ai 只有 SDK。wrap 会起本地代理并改路由，接 DeepSeek、OpenRouter 这类 OpenAI 兼容接口时要显式指定 upstream。别指望它替你做「语义上绝对无损」——极限压缩后个别细节仍可能丢，关键路径先用他们的 dashboard 看节省和召回。
4. Robbyant/lingbot-map：长视频也能流式建三维
约 1.8 万星，Apache-2.0，Python。Robbyant 的 Geometric Context Transformer，ECCV 2026 Best Paper Award Candidate。目标是前馈、流式的 3D 重建：锚定几何上下文、位姿参考窗和轨迹记忆放在一个框架里，长序列可以超过一万帧，官方数字是 518×378 大约 20 FPS。仓库带交互 viser demo 和离线渲染流水线，权重在 Hugging Face / ModelScope。
适合做 SLAM、三维重建、机器人建图、想复现论文 demo 的人。它不是「上传一段手机视频就出漂亮 mesh」的消费级 App，是研究代码。
坑：安装绑 CUDA 和特定 PyTorch（文档写推 2.8 + cu128）；FlashInfer 推荐但首次会 JIT。显存不够就缩短序列或开 keyframe interval，别对着 13 分钟室内漫游硬上笔记本核显。
5. microsoft/mxc：给模型吐出来的代码找个笼子
约 2400 星，MIT，Rust 为主，另有 .NET / Node SDK。MXC（Microsoft eXecution Container）是嵌进你应用的沙箱依赖：用 JSON 策略描述文件系统、网络、剪贴板/GUI 权限，再挑平台后端跑不可信工作负载——模型生成的代码、插件、工具调用都算。Windows 默认 ProcessContainer，Linux 默认 Bubblewrap，macOS 用 Seatbelt；还有 WSLC、MicroVM、Hyperlight 等选项，不少标了 experimental。
适合要在产品里执行第三方或模型生成代码、又不想「直接在宿主机 eval」的团队。
坑：隔离强度跟后端走，别假设跨平台行为一致。实验后端别直接上生产。从源码编还要匹配文档里的 Rust 版本和各后端前置依赖；更省事的路径是直接装对应语言的 SDK 包。
6. DamRsn/NeuralNote：混音进插件，多轨 MIDI 出来
约 3100 星，Apache-2.0，C++。VST3 / AU / 独立应用，把音频转成 MIDI，全程本地。v2 用 Kyutai / Mirelo 的 MuScriptor 换掉了 Spotify Basic Pitch，参数量从不到 1.7 万跳到上亿级，支持多乐器识别，并内置合成器按轨试听。模型分 small / medium / large，首次打开再下载。
适合编曲、扒带、想快速把录音变成可编辑 MIDI 的人。
坑：large 大约 2.7GB；中大模型强烈建议 GPU（macOS Metal，Win/Linux Vulkan）。Linux 暂无预编译，要自己编。Windows 安装包未签名，系统可能弹警告。作者也说目前只在少数机器上测过，遇到怪显卡先去 Issues 反馈。
