今天日榜前排还是那几张老面孔：AI 求职、Cloudflare 的安全审计 skill、Orca、graphify、OpenCode，这周都写过，我不重复。周榜第一的 rea 一周又涨了十五万多星，照旧不追。LinkSwift 和 YunX 是网盘解析，LibreTV 是一分钟搭影视站，free-claude-code 主打免费 token，dsh-infinite-gen-5 是逆向工具，这几个都不写。VoiceStudio、ponytail、headroom 这几个月都写过，这次也不重复。
剩下挑了六个，方向比较散：一个想从头重做 WordPress 的 CMS，腾讯开源的团队级 Agent 记忆，Mac 上的本地语音输入，能在 CPU 上跑的语音合成，一个能直接读写 DWG 的开源 CAD，还有一套给科研 Agent 用的技能库。
星数是 10 月 21 日上午 GitHub API 的快照。
1. emdash-cms/emdash：按今天的工具重做一遍 WordPress
约 1.38 万星，MIT，TypeScript。我们这个站就跑在 WordPress 上，所以看它的时候带了点私心。EmDash 是一个基于 Astro 的全栈 CMS，后台、REST API、登录、媒体库、插件系统都有，可以跑在 Cloudflare 上，也可以跑在任何带 SQLite 的 Node.js 服务器上，不用 PHP。
它想解决的是 WordPress 最让人头疼的地方：插件。WordPress 插件能碰数据库、文件和用户数据，一个插件出洞整站遭殃。EmDash 的插件要先声明自己要什么权限，比如只读内容和发邮件，然后关在隔离的沙箱里跑，只能干声明过的事。正文不再存成一坨 HTML，而是存成结构化的 JSON，换前端不用洗数据。它还自带 MCP 服务和命令行，Agent 可以直接管内容和字段。
迁移这块做得挺认真：能从 WordPress 导出文件、REST API 或者 WordPress.com 导入文章、页面、媒体和分类标签。
适合准备新开博客或内容站、本来就熟 Astro 和 TypeScript 的人，也适合被 WordPress 插件安全问题折腾怕了的小团队。
坑：WordPress 的主题和插件不能直接搬过来。文档写得很清楚，主题要改写成一个 Astro 项目，插件要按它的格式重写，你装过的那一堆插件就是你的迁移成本。插件沙箱在 Cloudflare 上要用 Workers 付费套餐，免费套餐下新项目默认不开沙箱。核心包已经 1.x、承诺按语义化版本走，但官方插件和插件工具还在 0.x，小版本之间可能有变化。想先看看长什么样：
npm create emdash@latest
2. TencentCloud/TencentDB-Agent-Memory：给一整个 Agent 团队用的记忆
约 2.97 万星，MIT，TypeScript，腾讯云出品。这周写过个人用的 ai-memory，这个的重点不一样，是团队。它把聊天记忆、从对话里提炼出来的 Skill、文档生成的 Wiki、代码索引成的调用关系图，统一当成记忆资产来管：谁的、哪个版本、给哪个 Agent 用，都在一个面板里点。新建的记忆默认只有自己能看，分享要手动操作，团队管理员也看不到你的私有记忆。
接入方式比较省事：起一个代理，把 Claude Code、Codex、CodeBuddy、OpenClaw 这些 Agent 的接口地址指过去就行，不用装插件也不用配 MCP。聊天记忆分了四层，从原始对话一路提炼到长期画像，检索时先拿上面几层快速还原上下文，要具体事实再往下翻，还设了条数、字数和超时的上限，防止记忆把上下文窗口挤爆。
适合已经有好几个 Agent 分工干活的小团队，或者一个人开公司、手下挂着调研、写代码、测试几个 Agent 的人。仓库有中文 README。
坑：你的 Agent 请求要全部经过它的代理再转给大模型，这意味着流量和密钥都过它这一层，自己部署前想清楚。要配两套模型参数，一套给记忆本身提炼用，一套给代理转发用，记忆这边也要花 token。部署靠 Docker 起三个服务，Node 要 22.16 以上；MongoDB 存储还是实验功能。代码图谱目前优先支持公开的 HTTPS 仓库，私有仓库还在完善；记忆自动路由也还没做完，现在主要靠手动绑定。默认分支不是 main，是一个团队功能分支，团队记忆标着 Beta，老版本升级要自己备份和迁移数据。
3. altic-dev/FluidVoice：Mac 上不联网的语音输入
约 1.23 万星，GPL-3.0，Swift。按一下快捷键说话，字就直接打进你当前用的任何一个 App 里。语音识别模型都在本机跑，可以选英伟达的 Parakeet 和 Nemotron、Cohere Transcribe、Whisper，或者系统自带的苹果语音。除了听写，还有两个模式：Write Mode 选中一段字让它改写，Command Mode 用嘴开 App、跑快捷指令。
想让它顺手整理标点和格式，可以接 OpenAI、Groq 这类云端模型，也可以下作者的本地模型 Fluid Intelligence，不出本机。
适合每天打很多字、又不想把录音交给云端的 Mac 用户，尤其是写长消息、写文档多的人。
坑：中文要挑模型，README 里 Cohere Transcribe 和 Whisper 列了中文，默认推荐的 Parakeet TDT v3 支持的 25 种语言里没有中文。Fluid Intelligence 这个本地增强模型是闭源单独维护的，开源的只有 App 本身，模型约 3.5 GB。Intel Mac 只能用 Whisper 和系统自带的语音识别，系统要 macOS 15 以上，还要给麦克风和辅助功能权限。它默认会上报匿名的使用统计，不含录音和文字，不想要可以在设置里关掉详细统计，但每周一次的活跃信号关不掉。官网认准 altic.dev，README 专门提醒 fluidvoice.org 不是他们的。
brew install --cask fluidvoice
4. KittenML/KittenTTS：没有显卡也能跑的语音合成
约 1.62 万星，代码是 Apache-2.0，Python。之前它出名是因为模型小，十几兆到八十兆参数，CPU 就能跑。现在的主力换成了 KittenTTS 2，17 亿参数的 1-bit 语音模型，号称在 CPU 上能实时出声；给它 5 到 30 秒某个人的录音，就能用那个声音念你的文字。内置 47 个音色，README 列了 20 种语言，中文在里面；可以用标签控制情绪和重音，长文本会自动按句切开再拼起来。在 Apple Silicon 上可以走 MLX 加速，Linux 有英伟达显卡可以走 vLLM。
适合想给自己的 App、播客或者视频配音，又不想按字数给云服务付钱的开发者，也适合想在本地做有声书的人。
坑：代码的协议和模型的协议是两回事。KittenTTS 2 的权重用的是 Stellon Labs 社区协议，个人和研究免费；商用要先找他们登记，公司年收入或者累计融资超过 100 万美元，授权直接终止，得另外谈。声音克隆别拿别人的声音乱用。CPU 跑大约要 6 GB 内存。情绪控制还是 Beta，README 自己也说只是引导、不保证；流式输出是按段生成的，第一段要等。中文听感我没试，先自己听两句再决定。
pip install kittenml
5. HakanSeven12/OpenCADStudio：能直接读写 DWG 的开源 CAD
约 3400 星，GPL-3.0，Rust。开源 CAD 一直卡在一件事上：DWG。这个项目原生读写 DWG 和 DXF，不用先转格式，存档可以选 R14 到 2018 的版本。二维制图该有的都有，线、多段线、填充、捕捉、图层、块、外部参照、标注、图纸空间和视口；三维可以拉伸、旋转、放样、布尔运算。界面一眼看过去就是 AutoCAD 那一套的路子，老用户上手不难，支持简体中文界面。
有桌面版，Windows、Linux 和 Apple Silicon 的 Mac 都有包，也有不用装的网页版。桌面版还能命令行批量转格式，并且开了一个 MCP 接口，可以让 AI 直接操作正在开着的图。
适合偶尔要看图改图、不想为一个正版授权掏一大笔钱的工程、建筑、机械从业者，也适合在 Linux 上苦于没有 DWG 工具的人。
坑：作者自己写着还在积极开发，重要的生产图纸要留备份。项目今年 3 月才建，几乎每周一个版本，稳定性还要时间检验。Mac 版只做了临时签名、没有苹果公证，第一次打开要去隐私与安全性里放行。网页版存图是下载到本地，也不能加载插件。批量转格式这样用：
OpenCADStudio --export input.dwg output.dxf
6. K-Dense-AI/scientific-agent-skills：给科研 Agent 的 177 个技能
约 5.33 万星，仓库是 MIT，Python。原来叫 Claude Scientific Skills，现在按开放的 Agent Skills 标准改了名，Claude Code、Codex、Cursor、Gemini CLI 都能用。177 个技能覆盖生物信息、化学、蛋白质、临床研究、材料、天文、地理遥感、实验室自动化这些方向，每个技能讲清楚一个专业库或者一个数据库该怎么用；另有一个数据库查询技能，整理了 80 个数据源怎么取数据。还附了论文，arXiv 上能查到。
它的价值在于少走弯路：Agent 自己也会调 Python 包，但用 scanpy、RDKit、PyDESeq2 这类专业库时，有一份写好的流程和坑点，出错少很多。
适合用 Agent 做数据分析的科研人员和研究生，也适合在做 AI 科研产品、想看看技能该怎么写的团队。
坑：仓库是 MIT，但每个技能有自己的协议，写在各自的 SKILL.md 里，用之前要看。现在有不少社区贡献的技能，官方自己都劝别一次全装，只装用得到的，装之前读一遍 SKILL.md，最好跑一下他们推荐的安全扫描。装技能不会顺带装依赖，每个技能要什么包、什么账号得自己配，不同技能的 Python 版本还可能冲突，最好一个流程一个环境。最新的 2.72.0 把原来带的 docx、pdf、pptx、xlsx 四个文档技能拿掉了，要用得去 Anthropic 的仓库装。
npx skills add K-Dense-AI/scientific-agent-skills
