这期五个项目都在干脏活：管配置、存会话、找代码
这期五个项目都在干脏活：管配置、存会话、找代码
GitHub 新晋 AI 项目周榜 · 2026 年 9 月 21 日 — 9 月 27 日
合计 16,575 颗星。第一名 7,215，第五名 1,293，分布比上周平得多——上周一个项目就拿了 18.5 万。
这期的特征是「没有主角」：五个项目里四个在给别人的智能体打工，做的是它们脚下那块地板。
本期速览
| # | 项目 | 它是什么 | 星数 |
|---|---|---|---|
| 1 | jev-chat-jarvis | 手机上读聊天、替你起草回复的副驾 | +7,215 |
| 2 | magpie | 一个开关管住所有助手的模型 | +4,045 |
| 3 | unreal-agent | 给智能体做的异步底座，崩了能接着跑 | +2,047 |
| 4 | jevgrep | 用大白话问一句，代码在哪 | +1,975 |
| 5 | logo-design-skill | 把助手变成品牌设计师的技能包 | +1,293 |
本周三个信号
一、这是中间层的一周。
magpie 管模型配置，unreal-agent 管会话状态，jevgrep 管找代码。三个都不做界面，做的都是智能体干活时的地基。这一期的主题不是「AI 能干什么」，是「AI 干活的时候，那些脏活谁干」。
二、敢给数字的项目更容易被信。
jevgrep 说十道题做对八道、单题成本从 7.6 元降到 5.4 元（正确率没变）；jev 说危险等级一到九级、约一秒出结果；magpie 说主程序不到 15MB。这期少见地每个项目都有口径——能被验证的东西，才值得被转发。
三、门槛都写在明处。
jevgrep 只做 macOS 和 Linux、要 Node 22、要自备密钥；unreal-agent 明说自己是库不是成品；logo-design-skill 要求装在支持技能包的助手里。三个项目主动写清前提，这种诚实比功能表更能帮你判断能不能用。
1. jev-chat-jarvis：只读屏幕上的聊天，回复由你点发送
它是装在安卓上的对话副驾。不 hook、不改包、不读聊天软件的数据库，只用系统无障碍服务读屏幕上正在显示的文字。目前 QQ 和 X 真机跑通，飞书靠离线 OCR 补正文。
流程是先判断再动笔：模型先给出对方的真实意图和一到九级的危险等级，再起草三条口语候选，排好序填进输入框。它从不替你点发送，转账和红包一概不碰。
「读屏而不 hook」是一条很聪明的边界——它不碰数据，只碰显示。代价是它看见什么就懂什么：对方发语音、发图片，它就少一半信息。
要点
- 只读屏幕，不 hook、不改包、不碰数据库
- 先判意图，危险等级分九级，约一秒出结果
- 只填输入框，从不自动发送
代价：无障碍权限得交出去，这是它唯一的读屏手段；小米这类系统还得额外放开后台限制，不然它读一会儿就被掐掉。
上手
设置 → 无障碍 → Jev 聊天助手 → 开启
2. magpie：一个开关管住所有助手的模型
机器上装着 Codex、Claude Code、OpenCode，每个都有自己的配置文件，想换个模型得一个个去翻。这是那种「不痛但天天痛」的麻烦。
magpie 把它们和当前正在用的模型列进一张表，点一下就换。写文件时只动那一个键，注释、缩进、顺序原样保留。还带一个本地网关，把各家接口互相翻译——你在 Claude Code 登的号，别的助手也能借来用。
「只动那一个键」是它最值钱的地方。改配置的工具很多，敢承诺不破坏你手写注释的很少。
要点
- 桌面版不到 15MB，三个平台都有
- 只改那一个键，注释缩进顺序都不动
- 订阅登录能共享给别家，不用复制密钥
代价：它不做抽象层，靠的是认得每个助手的配置文件。谁家改了格式，它就得跟着改一次——这是个长期维护的活，不是一次写完就结束。
上手
curl -fsSL https://usemagpie.ai/install.sh | sh
3. unreal-agent：给智能体做的异步底座，崩了能接着跑
智能体干活最怕两件事：进程崩了活儿白干，会话长了状态散在十几个地方。
Unreal Labs 用 Go 写的这套底座走全异步：会话写成只能追加的历史，工具调用和要干的活先序列化落盘，再交给异步队列跑。于是进程崩了能按记录恢复，会话还能从任意一步分叉出去重跑；每条输入带全局唯一编号，重复投递会自动去重。
「只能追加」是个狠约束，也是个对的约束——它让「当时到底发生了什么」变成可以回放的事。
要点
- 会话是只能追加的历史，可以中途分叉
- 工具调用先序列化再执行，崩了能恢复
- 每条输入带全局唯一编号，重投自动去重
代价：它是一套库，不是开箱能跑的成品。要用就得自己写代码接，适合已经在自建 agent 的团队，不适合想找个工具直接用的人。
上手
git clone https://github.com/unreallabsai/unreal-agent
4. jevgrep：用大白话问一句，代码在哪
让编码助手改代码，最难的一步常常是「找到该改哪儿」。它在大仓库里翻文件，翻错了就改错地方，然后你花更多时间回滚。
jevgrep 让你问一句「超时重试的逻辑在哪测的」，它把相关文件、阅读线索和带行号的原文片段一次打到终端，让 agent 拿着证据去改。
作者拿十个调优过的 Python 题目测过：用和不用它都是做对八道，但单题成本从 7.6 元降到 5.4 元。正确率没变、成本降三成——这个结果比「提升准确率」可信，因为它没吹自己更聪明，只说自己更省。
要点
- 十道题做对八道，和不用它持平
- 单题成本从 7.6 元降到 5.4 元
- 答案带行号和原文片段，不是模型编的
代价：只支持 macOS 和 Linux，Node 要 22 以上，还得自备一家模型服务商的密钥。Windows 用户暂时没戏。
上手
npm install -g @dzhng/jevgrep
5. logo-design-skill：把 AI 助手变成品牌设计师
让 AI 画 logo，出来的东西通常是渐变加圆角加一点随意。缺的不是画技，是流程。
这份技能包把流程补上了：给 Claude、Gemini CLI、Codex 装上以后，AI 按步骤走——写简报、挑符号类型、做几何构造、光学修正，一路到交付全套矢量文件。它还带一千四百多个真实商标的参考库，按类型、几何、情绪、行业分好类，命令行直接搜；另配一套零依赖 Python 工具，能做十六像素可读测试、导出全套应用图标。
它真正稀缺的是那批商标。流程可以照抄，一千四百个矢量商标不行。
要点
- 一千四百多个真实商标，按类型技法可搜
- 零依赖 Python 工具，能做十六像素测试
- 先出概念图再出整套，选定方向才动工
代价：得装在支持技能包的助手里。只开网页版的话，这套流程根本进不去，它不是贴一段 prompt 就能用的东西。
上手
git clone https://github.com/kaankiziltug/logo-design-skill.git
仓库：kaankiziltug/logo-design-skill
最后
五个项目、一万六千颗星，四个在给别人打工。这期没有「改变世界」的项目，只有让智能体少犯错的零件——而零件决定这套东西能不能真的天天用。
下周继续筛。
—— Oraink
星数为仓库创建至今的累计数；因这五个仓库都是本周新建，等同于创建以来累计。数据抓取于 2026-10-02。
浙公网安备 33010602011771号