今天的五技涵盖 LLM 推理加速、AI 写作去痕迹、Claude 视频理解、AI 劳动力框架和实战教程合集，从底层基础设施到上层应用全链路覆盖。
🛠️ 1. patchy631/ai-engineering-hub
- 🔗 GitHub 链接
- ⭐ Stars：36.7k
- 💬 一句话描述：LLM、RAG 和 AI Agent 实战教程合集
- 📝 详细介绍：这是一个聚焦 LLM 工程实战的教程仓库，涵盖 RAG 检索增强生成、MCP 工具调用、Agent 多步推理等前沿主题。所有教程以 Jupyter Notebook 形式提供，可直接运行复现。内容深入浅出，从基础概念到生产级部署都有覆盖，特别适合想从理论走向实战的 AI 工程师。6.4k Fork 数说明社区参与度高，是中文 AI 圈最受欢迎的实战教程之一。
🛠️ 2. hardikpandya/stop-slop
- 🔗 GitHub 链接
- ⭐ Stars：14.3k
- 💬 一句话描述：一键去除 AI 写作痕迹的技能文件
- 📝 详细介绍：AI 生成的文本常有”一眼假”的特征——过度使用 delve、tapestry、navigate 等词汇，句式过于工整对称。stop-slop 是一个轻量级 Skill 文件，可直接装到 Claude Code、Cursor、Codex 等 AI 编程助手中，让 AI 在生成文本时自动避开这些 AI 套路词和句式。对于需要 AI 辅助写作又怕被 AI 味出卖的内容创作者来说，这是一个即插即用的实用工具。MIT 协议，1k+ Fork 说明社区贡献了大量本地化规则。
🛠️ 3. LMCache/LMCache
- 🔗 GitHub 链接
- ⭐ Stars：10.8k
- 💬 一句话描述：为 LLM 推理提供最快的 KV 缓存层
- 📝 详细介绍：KV Cache 是大模型推理中的关键性能瓶颈。LMCache 提供了一个高性能的 KV 缓存层，可与 vLLM 等推理框架无缝集成，显著降低首 Token 延迟和推理成本。支持 CUDA 和 AMD ROCm 双平台，兼容 PyTorch 生态。在长上下文场景下（如多轮对话、RAG）效果尤为显著。Apache-2.0 协议，今天刚刚有更新，1.6k Fork 说明社区活跃度高。对于部署 LLM 推理服务的团队来说，这是一个值得认真评估的基础设施组件。
🛠️ 4. bradautomates/claude-video
- 🔗 GitHub 链接
- ⭐ Stars：9.8k
- 💬 一句话描述：让 Claude 拥有看视频的能力
- 📝 详细介绍：这是一个创意十足的 Claude 技能扩展——安装后，Claude 可以通过 /watch 命令观看任意视频。它会自动下载视频、提取关键帧、生成转录文本，然后将所有信息整合后交给 Claude 分析。这意味着你可以让 Claude 总结视频内容、回答关于视频画面的问题、甚至基于视频内容生成代码或文档。对于内容创作者、教育工作者和需要处理大量视频资料的开发者来说，这是一个极其实用的能力扩展。MIT 协议，Python 实现，1k+ Fork。
🛠️ 5. MervinPraison/PraisonAI
- 🔗 GitHub 链接
- ⭐ Stars：8.5k
- 💬 一句话描述：5 行代码部署自主自进化的 AI 劳动力
- 📝 详细介绍：PraisonAI 是一个成熟的 AI Agent 框架，核心理念是停止写样板代码、开始部署自主 Agent。支持 100+ LLM 模型，内置记忆系统、RAG 检索和多 Agent 协作能力。Agent 可以自主研究、规划、编码和执行任务，并能从执行过程中学习改进。仅 5 行代码即可部署一个完整的 AI 工作流，极大降低了 Agent 开发门槛。MIT 协议，1.3k Fork，昨天刚有更新，topics 中赫然包含 hermes-agent——说明它已经主动适配了 Hermes 生态。对于想快速构建多 Agent 系统的开发者来说，这是一个值得尝试的选择。
—
📡 数据源：GitHub Search API / GitHub Trending HTML / GitHub Atom Feed
如有侵权请联系删除。