今天刷 GitHub Trending，被这 3 个项目震惊了。加起来 5.8 万标星，单日新增 2873，而且都是 AI 相关的工具。我用了一圈，真心觉得不分享出来睡不着。

特别是第 1 个，今天新增 1863 星标，直接炸裂。来，带你看看这些工具为什么这么顶。

1️⃣ Superpowers

项目： obra/superpowers 标星： 23,448 ⭐ (2.3 万) 今日新增： +1,863 ⭐ (今日最高！) GitHub： https://github.com/obra/superpowers

这是什么？

Claude Code 的超能力库。简单说，就是给 Claude Code 装上一套完整的工作流程，让 AI 编程更智能、更规范。

核心功能

头脑风暴 (brainstorming)

写代码前先问清楚你要做什么探索多种方案，对比优劣把设计文档拆分小块，让你逐个确认

制定计划 (writing-plans)

把复杂任务拆成 2-5 分钟的小任务每个任务都有精确的文件路径和验证步骤新手也能看懂的详细计划

⚡ 子代理开发 (subagent-driven-development)

多个 AI 代理并行工作两阶段审查（先查规范，再查代码质量）自动化执行，可以连续跑几小时不偏离计划

测试驱动开发 (test-driven-development)

强制 RED-GREEN-REFACTOR 流程先写测试，看它失败写最少代码，看它通过重构，提交

其他超能力

systematic-debugging - 4 阶段根因分析using-git-worktrees - 并行开发分支管理requesting-code-review - 代码预评审verification-before-completion - 完成前验证安装方法

在 Claude Code 中执行：

# 注册市场/plugin marketplace add obra/superpowers-marketplace# 安装插件/plugin install superpowers@superpowers-marketplace适用场景用 Claude Code 做开发的人希望AI 编程更规范的团队想要 TDD 但总是坚持不下去的开发者为什么值得用？

传统的 AI 编程助手有个问题：拿到需求就开始写代码，写到一半发现理解错了，重来。

Superpowers 不一样。它强制你先设计、再计划、后执行。就像请了个有经验的主程带着你开发，既有创新，又不会跑偏。

今日新增 1863 星，不是没道理的。

2️⃣ Eigent - 多代理 AI 工作台

项目： eigent-ai/eigent 标星： 5,092 ⭐ 今日新增： +674 ⭐ GitHub： https://github.com/eigent-ai/eigent

这是什么？

世界第一个多代理 AI 工作台（Multi-Agent Workforce）。可以搭建、管理、部署一支定制化的 AI 团队，把复杂工作流自动化。

基于 CAMEL-AI 的开源项目，支持本地部署，100% 开源。

核心功能

多代理协作

Developer Agent - 写代码、执行命令Search Agent - 网络搜索、内容提取Document Agent - 创建和管理文档Multi-Modal Agent - 处理图片和音频多个代理并行工作，动态拆分任务

MCP 工具集成

内置大量 MCP 工具（网页浏览、代码执行、Notion、Google Suite、Slack 等）支持安装自定义工具可以集成内部 API 和自定义函数

全面模型支持

支持本地部署各种模型自定义模型支持云端和本地混合部署

✋ 人工介入

任务卡住时自动请求人工输入不确定性时主动确认人机协作更自然

本地部署 + 开源

100% 开源，代码可审查数据不出本地支持企业级功能（SSO、访问控制）安装方法git clone https://github.com/eigent-ai/eigent.gitcd eigentnpm installnpm run dev适用场景需要多个 AI 协作完成复杂任务对数据隐私有要求的团队想要自动化工作流的企业真实用例

项目 GitHub 上有很多实际案例：

旅行规划 - 自动规划行程、预订酒店、生成 HTML 报告、发送 Slack 摘要财务报告 - 从银行 CSV 数据生成 Q2 财务报表和图表市场研究 - 分析英国医疗行业，生成 HTML 报告并发送到 SlackSEO 审计 - 自动运行完整的 SEO 审计并提供优化建议为什么值得用？

单一 AI 代理往往只能处理单一任务。Eigent 让多个专业代理协作，就像组建了一个 AI 团队，每个代理负责自己擅长的领域，并行处理复杂工作流。

而且开源、本地部署，对隐私敏感的场景非常友好。

3️⃣ Frigate - 智能视频监控系统

项目： blakeblackshear/frigate 标星： 29,229 ⭐ (2.9 万) 今日新增： +340 ⭐ GitHub： https://github.com/blakeblackshear/frigate

这是什么？

带本地实时物体检测的 NVR（网络视频录像机），专为 Home Assistant 设计。使用 OpenCV 和 TensorFlow 在本地进行实时物体检测，支持 IP 摄像头。

核心功能

本地 AI 检测

使用 TensorFlow 进行实时物体检测支持 GPU 和 AI 加速器（Google Coral、Hailo）AI 加速器性能远超 CPU，开销极低

Home Assistant 深度集成

通过自定义组件无缝集成MQTT 通信，易于接入其他系统自动化触发摄像头、通知等

⚡ 性能优化

只在必要时检测物体低开销运动检测决定是否运行物体检测多进程处理，最大化 FPS重视实时性而非处理每一帧

视频录制与回放

基于检测物体的智能录制24/7 连续录制保留期设置多摄像头同步回放

流媒体支持

RTSP 重流（减少摄像头连接数）WebRTC & MSE 低延迟直播

✏️ 遮罩和区域编辑器

内置可视化的遮罩和区域编辑器排除误报区域设置检测区域安装方法

通过 Docker Compose：

version: "3.9"services: frigate: container_name: frigate image: blakeblackshear/frigate:stable restart: unless-stopped devices: - /dev/bus/usb:/dev/bus/usb volumes: - /path/to/config:/config - /path/to/storage:/media/frigate ports: - "5000:5000" - "1935:1935" environment: - YOLO_VERSION=yolov7 - YOLO_IMAGE=yolov7.pt适用场景家庭安防监控Home Assistant 用户注重隐私的监控需求（本地检测，不上传云端）有多路 IP 摄像头的场景为什么值得用？

市面上很多智能摄像头都要把视频上传到云端，不仅隐私有风险，还要付订阅费。

Frigate 直接在本地进行 AI 检测，数据不出网，还能和 Home Assistant 深度集成。支持 Google Coral 这种几十美元的 AI 加速器，性能强劲又便宜。

2.9 万星标，Home Assistant 社区的神级项目。

总结

这 3 个项目各有特色：

Superpowers - 让 Claude Code 更智能、更规范的编程工作流Eigent - 多代理协作的 AI 工作台，复杂任务自动化Frigate - 本地 AI 检测的智能监控系统，隐私友好

共同点是：

都围绕 AI 主题都有很强的实用性今日新增都很高（总计 2873）

按需求选择：

如果你是开发者，用 Claude Code，试试 Superpowers如果需要自动化复杂工作流，试试 Eigent如果想做家庭监控，Frigate 是首选

项目链接：

Superpowers: https://github.com/obra/superpowersEigent: https://github.com/eigent-ai/eigentFrigate: https://github.com/blakeblackshear/frigate