GitHub 本周 6 大热门项目：反AI味设计神器、12万Star LLM应用库、终端Agent管家、AI导师与知识蒸馏工具

01

专治生成网页的 AI 味

用 AI 生成一个落地页固然简单，但问题在于，那些网页大多带着一眼就能辨认的“AI 味儿”：渐变大标题、悬浮卡片、统一的圆角，再配上 SaaS 风格的典型布局，仿佛出自同一个模子。

Hallmark 是 Together AI 推出的一套设计技能，支持 Claude Code、Cursor 和 Codex，目前在 GitHub 上已收获约 1.2 万颗 Star。该项目内置 20 套主题与 57 项去 AI 化的检验规则，专门用来对抗千篇一律的生成质感。

收到设计需求后，Hallmark 会先确定页面的宏观结构，再选定主题、字体与色彩，并在生成前执行一次自我审查。不同的需求会真正改变页面架构，而不是仅仅在同一套模板上更换颜色。它提供四种常用方式：创建全新界面、审查已有页面、保留文案与信息架构重新设计、从截图或网页中提取设计特征。

最后一种模式尤其适合研究自己欣赏的网站，同时它会主动避开逐像素复刻和直接套用付费模板。安装也十分简单：

npx skills add nutlope/hallmark

如果你经常让 AI 生成官网、活动页或产品 Demo，Hallmark 能有效压低那种被过度渲染的 AI 风格。不过，它提供的是设计约束和审美检查策略，最终效果依然取决于需求描述的质感、内容质量以及后续人工判断。

开源地址：https://github.com/Nutlope/hallmark

02

12 万 Star 的 LLM 应用库

Awesome LLM Apps 汇集了超过 100 个可以直接运行的 AI Agent、Agent 技能与 RAG 应用，目前已经揽获超过 12.3 万 Star。

里面既有适合初学者上手的单文件 Agent，也包含多 Agent 团队、语音 Agent、MCP Agent、RAG、生成式 UI 和常驻后台 Agent 等多种形态。模型选择也相当开放，Claude、Gemini、GPT、DeepSeek、Llama、Qwen 等均能在不同示例中找到对应实现。

这个项目的应用场景很具体。旅行规划、数据分析、深度研究、客服语音、会议助手、金融分析、知识库问答等都有清晰的分类目录。快速体验某个示例的流程如下：

git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd awesome-llm-apps/starter_ai_agents/ai_travel_agent
pip install -r requirements.txt
streamlit run travel_agent.py

它非常适合学习和原型验证。假若准备把示例落地到真实业务中，权限控制、日志记录、效果评测、成本管理和异常处理仍需根据自身环境单独补充。

开源地址：https://github.com/Shubhamsaboo/awesome-llm-apps

03

在终端里同时盯住一群 Agent

同时启动多个 Claude Code、Codex 或其他编程 Agent 之后，终端标签页很快就会陷入失控。哪个正在工作，哪个卡在权限确认，哪个已经完成，常常需要逐个切换查看。

Herdr 就是为编程 Agent 设计的终端复用器，目前已获得约 1.7 万 Star。

它保留了工作区、标签页、分屏和持久会话，还能识别 Agent 的 blocked、working、done 等状态，并集中展示在侧边栏里。你可以像使用 tmux 一样借助快捷键操作，也可以直接点击、拖拽和拆分窗口。退出客户端后，Agent 会在后台继续运行；重新连接或通过 SSH 回归，原来的工作区依然保留。

更为有趣的是，Agent 自身也能调用 Herdr 的 socket API，实现创建工作区、拆分窗格、启动辅助任务、读取输出并等待另一个任务完成。在开展多 Agent 协作时，人和 Agent 看到的是同一组真实终端。

macOS 或 Linux 用户可以这样安装：

brew install herdr
herdr

Windows 目前尚处于 beta 阶段。对于终端重度使用者、多仓库并行开发，或者经常让多个 Agent 同时跑长任务的人来说，Herdr 的价值会更加明显。

开源地址：https://github.com/ogulcancelik/herdr

04

把教材和论文变成长期陪伴的 AI 导师

把 PDF 丢给模型做问答已经不新奇了。学习的真正难点在于持续理解、反复练习、纠错和复习，同时还希望工具能记住你当前的水平与薄弱环节。

港大数据智能实验室开源的 DeepTutor，正试图将这些环节整合进同一个学习工作区中。

目前项目大约有 2.7 万 Star，支持聊天、解题、测验、深度研究、可视化和掌握度练习，并让不同学习模式共享上下文。你可以用教材、论文和个人资料构建知识库，再通过 RAG 检索。系统还提供 Notebook、Question Bank、Co-Writer、Memory Graph 等模块。记忆被拆分为可查验的不同层级，个性化结论也能追溯到依据，方便你发现它可能的记忆错误。

DeepTutor 还支持创建带有独立人格、知识库、记忆和技能的长期 AI 学伴，并可接入多种消息渠道。较新的版本甚至允许在对话中咨询本地 Claude Code 或 Codex，把学习、研究和实际动手操作串联起来。

项目提供 Web 界面、CLI、PyPI 和 Docker 等多种使用方式。以 PyPI 启动完整应用的基本流程如下：

mkdir my-deeptutor && cd my-deeptutor
pip install -U deeptutor
deeptutor init
deeptutor start

DeepTutor 在 2025 年 12 月底发布，只用 111 天就达到 2 万 Star。目前它仍保持着高频更新，适合那些愿意自行配置模型和知识库，同时又希望学习过程能够被长期保存的用户。

开源地址：https://github.com/HKUDS/DeepTutor

05

让收藏夹里的知识真正被 Agent 调用

Cangjie Skill 尝试将书籍、长视频、播客、访谈和课程中的方法论，蒸馏成可调用的 AI 技能。目前项目大约有 3 千多 Star。

它采用一套名为 RIA-TV++ 的七阶段流程，先进行全局理解，再由五个专项提取器分别寻找框架、原则、案例、反例和术语。最终交付产物是一组独立的 SKILL.md、技能索引、全局概览、精华长文和测试文件。

无论你是想做投资研究、文案方法论库、课程助手，还是企业内部知识沉淀，都可以借助它将知识从可阅读的笔记，进一步转化为可执行的工作流。当然，它严重依赖原始素材的质量，也需要注意版权与引用边界。如果内容本身缺少稳定的方法论，强行进行技能化只会生成更复杂的笔记。

开源地址：https://github.com/kangarooking/cangjie-skill

06

给 Claude Code 配一套现成工具箱

Claude Code Templates 是一个可浏览、可组合、可安装的配置市场，目前约有 2.9 万 Star。项目提供了 100 多个 Agent、命令、设置、Hook 与 MCP 组件，还收录了可复用的技能。

你可以挑选一个代码审查 Agent，再搭配测试生成命令、GitHub MCP 和提交前检查 Hook，组合出专属于自己的开发栈。

它还附带了一些偏向管理的能力：实时查看 Claude Code 会话状态、在手机端浏览对话、运行安装健康检查，以及统一管理插件和权限。对于需要同时维护多套 Claude Code 配置的人来说，这些功能比单纯的模板列表更实用。

npx claude-code-templates@latest

模板越丰富，就越要关注来源可靠性、权限设置和维护状态。尤其是 MCP、Hook 与外部服务的集成，在安装前最好检查代码和配置范围，只保留当前工作流真正需要的部分。

开源地址：https://github.com/davila7/claude-code-templates