GitHub 趋势榜

oh-my-codex (OMX) 是一个为 OpenAI Codex CLI 设计的工作流层，旨在增强和优化开发者使用 Codex 进行代码生成和任务执行的体验。它解决了原生 Codex 在复杂任务处理、工作流标准化和团队协作方面的不足，通过引入一系列高级功能和预设工作流，将 Codex 从一个单纯的代码执行引擎转变为一个更强大、更具协作性的开发助手。

背景与问题： 随着大型语言模型（LLMs）在代码生成领域的应用日益广泛，OpenAI Codex CLI 提供了一个强大的代码执行能力。然而，在实际开发中，开发者往往需要处理复杂的任务，涉及需求澄清、方案规划、并行执行和持续迭代。原生的Codex CLI虽然强大，但在这些方面缺乏结构化的支持，导致开发者需要手动管理大量的上下文、提示词和执行步骤，效率低下且容易出错。

项目定位与核心价值： OMX 的核心定位是“Codex 的增强工作流层”。它不替代 Codex，而是围绕 Codex 构建了一个更智能、更高效的运行时环境。其核心价值在于提供了一套标准化的工作流、专业化的代理角色和可复用的技能，极大地简化了复杂任务的管理，提升了开发效率和协作能力。它使得开发者能够以更结构化、更自动化的方式利用 Codex 的强大能力。

工作原理与设计思想： OMX 的设计思想是“更好的任务路由 + 更好的工作流 + 更好的运行时”。它通过引入特定的命令（如 $deep-interview, $ralplan, $ralph, $team）来引导用户完成从需求澄清到计划制定，再到并行执行或持续迭代的整个开发周期。这些命令背后封装了复杂的提示工程和多代理协作逻辑。例如，$deep-interview 专注于需求澄清，$ralplan 负责方案规划，而 $team 则能协调多个代理并行执行任务。此外，OMX 将项目指导、计划、日志和状态持久化存储在 .omx/ 目录中，确保了任务的连续性和可追溯性。

关键特性与优势：

1. 标准化工作流： 提供 $deep-interview（需求澄清）、$ralplan（计划审批）、$ralph（持续完成循环）和 $team（协调并行执行）等核心命令，覆盖了软件开发的关键阶段。
2. 专业代理角色与技能： 允许定义和使用专业化的代理角色和可复用的技能，以应对特定任务需求。
3. 项目指导与状态持久化： 通过 AGENTS.md 提供项目指导，并在 .omx/ 目录中持久化存储计划、日志、记忆和运行时状态，确保任务上下文的完整性。
4. 团队协作模式： $team 命令支持在 tmux 或 psmux 环境下进行协调的并行任务执行，提升了多代理协作的效率。
5. 操作与支持工具： 提供 omx setup（安装配置）、omx doctor（诊断）和 omx hud（监控）等工具，简化了管理和维护。

实际应用场景：

• 复杂软件功能开发： 当需要开发一个涉及多个模块、需要详细规划和并行实施的新功能时，OMX 可以帮助开发者从需求分析到代码实现的全过程。
• 代码重构与优化： 利用 $deep-interview 澄清重构目标，$ralplan 制定重构方案，然后通过 $ralph 或 $team 逐步执行重构任务。
• 自动化测试与验证： 结合 Codex 的代码生成能力，OMX 可以用于生成测试用例、执行测试，并通过 $ralph 进行持续的验证循环。
• 多代理协作项目： 在需要多个 AI 代理协同完成大型任务（如前端、后端、数据库等不同模块的开发）时，$team 模式能有效协调工作。
• 学习与探索： 对于希望深入了解和利用大型语言模型进行软件开发的开发者，OMX 提供了一个结构化的实践平台。

Onyx 是一个功能强大、可私有化部署的开源AI平台，旨在解决企业和开发者在与大型语言模型（LLM）交互时面临的碎片化、安全性和功能局限等核心挑战。它提供了一个统一的、功能丰富的聊天界面（Chat UI），可以无缝对接任何LLM，无论是OpenAI、Anthropic等云端服务，还是Ollama、vLLM等本地部署的模型。

项目的核心价值在于将先进的AI能力整合到一个易于部署和管理的安全环境中。其工作原理是通过一个灵活的架构，将前端交互与后端模型解耦，并内置了一系列强大的工具集。

关键特性与优势包括：

1. 企业级RAG（检索增强生成）：拥有顶级的混合搜索和知识图谱技术，可连接超过40种应用（如Confluence, Jira）和本地文件，构建可扩展至千万级文档的高性能、高精度的企业知识库。
2. 自定义AI智能体（Agents）：用户可以构建具有特定指令、知识和技能的AI智能体，执行网页搜索、深度研究、与外部系统交互（Actions）等复杂任务。
3. 集成多功能工具：内置代码解释器，可用于数据分析、图表生成；同时支持图像生成功能。
4. 企业级安全与管理：支持单点登录（SSO）、基于角色的访问控制（RBAC）和精细的文档权限管理，满足大型组织的安全合规需求。
5. 轻松部署与离线运行：提供一键式安装脚本，支持Docker、Kubernetes等多种部署方式，并能在完全隔离的（airgapped）环境中运行，确保数据绝对安全。

Onyx的实际应用场景非常广泛。企业可以用它构建内部的智能知识库和AI助手，让员工安全地查询公司数据；研究人员可以利用其深度研究功能进行高效的信息搜集与分析；开发者则可以将其作为安全、统一的AI能力网关，集成到自己的工作流中。

OpenScreen是一个免费、开源的桌面应用程序，旨在为用户提供一个制作高质量产品演示和操作指南视频的解决方案。它直接针对当前市场上流行的付费工具（如Screen Studio）所带来的高昂订阅费用和功能复杂性等痛点。OpenScreen的核心价值在于提供了一个精简但功能强大的替代方案，让用户无需支付月费、不受水印限制，并且可以免费用于商业用途，从而极大地降低了专业级演示视频制作的门槛。

该项目解决的核心问题是：许多开发者和产品经理需要制作吸引人的演示视频来展示他们的产品或软件，但市面上的专业工具往往价格不菲，且功能过于繁杂，对于只需要基础但高质量演示功能的用户来说，性价比不高。OpenScreen通过聚焦于核心功能，如屏幕录制、自动/手动缩放、音频捕获、视频裁剪、背景定制、运动模糊、添加注释以及多分辨率导出等，提供了一个“够用且好用”的解决方案。

OpenScreen的设计思想是“精简而强大”。它没有试图成为Screen Studio的完整克隆，而是专注于提供大多数用户制作精美演示视频所需的基本功能。这使得它更容易上手，同时保持了专业级的视觉效果。其底层技术栈基于Electron、React和TypeScript，确保了跨平台兼容性（macOS, Windows, Linux）和良好的用户体验。

关键特性包括：灵活的屏幕或窗口录制、可定制的缩放效果（包括深度级别和时间轴控制）、麦克风和系统音频同步录制、视频剪辑与速度调整、丰富的背景选项（壁纸、纯色、渐变、自定义图片）、平滑的运动模糊效果、以及文本、箭头、图片等注释功能。这些特性共同确保了用户能够创建出既专业又富有吸引力的演示视频。

OpenScreen的实际应用场景非常广泛，包括但不限于：

1. 产品演示： 软件开发者和产品经理可以快速制作出展示新功能或产品亮点的视频。
2. 教程与操作指南： 制作清晰易懂的软件使用教程或系统操作指南。
3. 市场营销： 为产品或服务创建引人注目的宣传视频。
4. 教育培训： 教师或培训师可以录制课程内容或操作演示。
5. 个人项目展示： 开源项目贡献者或独立开发者可以制作视频来展示他们的作品。

总而言之，OpenScreen为那些寻求免费、开源、无水印且功能实用的演示视频制作工具的用户提供了一个极具吸引力的选择，尤其适合预算有限但对视频质量有一定要求的个人和团队。

FFF.nvim是一个专为AI代理和Neovim用户设计的高性能模糊文件搜索工具。它旨在解决在大型代码库中快速、准确查找文件和内容的核心痛点，尤其是在面对数万甚至数十万文件时，传统搜索工具效率低下的问题。该项目通过其独特的“记忆”机制和优化的搜索算法，显著提升了搜索速度和结果的准确性。

FFF.nvim的核心价值在于其极致的性能和智能的搜索结果排序。它不仅仅是一个简单的模糊查找器，更是一个集成了grep、模糊匹配、globbing和多重grep功能的综合性工具。对于人类用户，它提供了出色的抗拼写错误能力，即使输入有误也能找到相关文件。对于AI代理，FFF.nvim通过内置的“记忆”功能，能够根据文件访问频率（frecency）、Git状态、文件大小、定义匹配等多种因素，智能地推荐最佳搜索结果，从而帮助AI代理更快地定位代码，减少不必要的往返和令牌消耗，极大地提高了AI代码理解和生成的效率。

项目的工作原理在于其底层的Rust实现，这赋予了它卓越的执行速度和资源效率。它通过智能索引和缓存机制，结合多种启发式算法（如frecency、Git状态感知等），在海量文件中快速筛选出最相关的结果。其设计思想是提供一个“有主见”（opinionated）的工具，专注于把文件搜索这一件事做到极致，并针对AI和人类用户的不同需求进行优化。

FFF.nvim的关键特性包括：极速的文件搜索、对AI代理的内置记忆支持、高度可配置的Neovim集成、多种搜索模式（模糊、纯文本、正则表达式）、对Git状态的感知、以及丰富的UI自定义选项（如布局、预览、快捷键和高亮）。它还支持多选功能，可以将结果发送到quickfix列表，极大地提升了开发者的工作流效率。

实际应用场景方面，FFF.nvim最适合以下情况：

1. 大型代码库开发： 开发者在拥有数万甚至数十万文件的项目中工作时，需要快速定位文件和代码片段。
2. AI辅助编程： 任何使用AI代理（如Claude Code, Codex, OpenCode等）进行代码生成、理解或重构的场景，FFF.nvim能显著提升AI的效率和准确性。
3. Neovim重度用户： 追求极致效率和个性化配置的Neovim用户，希望拥有一个比内置或传统插件更强大、更智能的文件搜索解决方案。
4. 需要精确和智能搜索结果的场景： 当用户不仅需要找到文件，还需要根据上下文（如最近访问、Git状态）获取最相关结果时。

prompts.chat（前身为 Awesome ChatGPT Prompts）是全球最大的开源AI提示词库，旨在帮助用户分享、发现和收集高质量的AI提示词。随着大型语言模型（LLMs）的普及，如何有效地与AI沟通，即“提示工程”（Prompt Engineering），成为了发挥AI潜力的关键。许多用户在与AI交互时，常常面临不知如何提问才能获得最佳结果的痛点，导致AI输出质量不佳或无法满足预期。

prompts.chat正是为了解决这一核心挑战而生。它不仅仅是一个简单的提示词列表，更是一个活跃的社区驱动平台，汇集了适用于ChatGPT、Claude、Gemini、Llama、Mistral等主流AI模型的各种实用提示词。其核心价值在于提供了一个结构化、可搜索、可贡献的知识库，让无论是初学者还是经验丰富的开发者都能从中受益。通过浏览和学习这些精心策划的提示词示例，用户可以快速掌握与AI有效沟通的技巧，从而显著提升AI的实用性和工作效率。

该项目的设计思想是开放、协作和易用。它通过一个用户友好的网站界面（prompts.chat）展示提示词，并支持社区成员提交新的提示词，确保内容持续更新和丰富。除了在线浏览，提示词数据还以CSV和Hugging Face数据集的形式提供，方便开发者集成和使用。此外，项目还提供了一本免费的交互式提示工程指南，从基础到高级技术（如思维链推理、少样本学习、AI代理）全面讲解，帮助用户系统性地提升提示词技能。甚至还为儿童设计了游戏化的提示词学习体验，降低了学习门槛。

prompts.chat的关键特性包括：庞大的开源提示词库、支持多种AI模型、社区贡献机制、交互式学习指南、儿童友好型学习模块，以及强大的自托管能力。自托管功能允许企业或组织部署私有的提示词库，实现品牌定制、主题设置和身份验证，确保数据隐私和安全性。此外，它还提供了CLI工具、Claude插件和MCP服务器集成，方便开发者将提示词库无缝整合到自己的AI工具和工作流中。

实际应用场景非常广泛：

• 个人用户： 快速找到特定任务（如写作、编程、学习、创意生成）的优质提示词，提升与AI的交互效率和输出质量。
• 开发者： 学习和借鉴优秀的提示词设计模式，优化AI应用中的提示词策略，或通过集成其API和数据来构建更智能的AI工具。
• 企业/组织： 自托管私有提示词库，为团队成员提供统一、安全的提示词资源，标准化AI使用流程，提升团队整体的AI协作能力和数据隐私保障。
• 教育机构： 利用其学习指南和儿童模块，教授学生提示工程的基础知识和实践技能。

总之，prompts.chat不仅是一个提示词的宝库，更是一个全面的提示工程学习和实践平台，极大地降低了AI使用的门槛，并赋能用户更高效、更智能地利用AI技术解决实际问题。

在当今数字时代，个人在不同社交媒体平台上使用相同或相似用户名的现象非常普遍。这为信息收集和安全分析带来了便利，但也带来了手动搜索效率低下、覆盖面不足的问题。Sherlock项目正是为了解决这一痛点而生。

Sherlock是一个强大的开源命令行工具，专注于通过用户名在超过400个社交网络平台上进行快速、自动化的账户查找。它的核心价值在于提供了一个高效、集中的方式来发现特定用户名在互联网上的数字足迹。用户只需提供一个或多个用户名，Sherlock就能自动访问大量社交媒体网站，检查该用户名是否存在，并返回找到的账户链接。

该工具的工作原理是利用Python脚本自动化访问预设的社交媒体网站列表，通过检查特定URL模式或页面内容来判断用户名是否存在。其设计思想是提供一个简单易用、高度自动化的解决方案，将原本耗时费力的手动搜索过程转变为一个快速的命令行操作。

Sherlock的关键特性包括：支持批量用户名搜索、结果自动保存到文本文件（支持CSV和XLSX格式）、支持通过Tor或代理进行匿名搜索、可限制搜索范围到特定网站、可设置请求超时时间、以及提供详细的输出选项（包括找到和未找到的网站）。此外，它还提供了Docker镜像和Apify Actor等多种安装和使用方式，极大地降低了使用门槛。

Sherlock的实际应用场景非常广泛，包括但不限于：

1. 安全研究与渗透测试： 帮助安全专家快速收集目标用户的公开信息，构建攻击面。
2. 数字取证： 在调查过程中追踪特定用户在不同平台上的活动。
3. OSINT（开源情报）： 收集和分析公开可用的信息，用于各种目的。
4. 个人隐私检查： 帮助个人了解自己的用户名在哪些平台上被注册，评估潜在的隐私风险。
5. 用户名注册检查： 在注册新服务前，检查所需用户名是否已被占用。

总而言之，Sherlock是一个高效、灵活且功能丰富的工具，极大地简化了跨平台用户名账户的查找过程，是安全研究、数字取证和开源情报等领域不可或缺的利器。