GitHub 热榜被 AI 代理攻陷:巴菲特和伍德大妈在代码库里给你打工

一个开源项目，塞了 19 位投资大师进终端

2026 年 4 月中旬， GitHub Trending 上冒出一个名字很直白的项目：virattt/ai-hedge-fund^[1]。

56000+ Stars 。周涨 3485 星。排名全站第二。

这个项目的做法是——把巴菲特、查理·芒格、 Cathie Wood （伍德大妈）等 19 位顶级投资大师的”人格”做成 AI Agent ，让它们在终端里组成一个”投资委员会”，帮你分析股票、做买卖决策。

不是开玩笑。它能跑。

你需要做的就是选一个股票代码，比如 AAPL 、 TSLA 、 NVDA——这几只的数据完全免费，不需要 API Key 。然后启动，等着看巴菲特和伍德大妈在后台”开会”。

说实在的，看到这个项目的 README 时，我愣了一下。

然后有点不安。

这不是”又一个 AI 炒股工具”。它是一个完整的 LangChain 多 Agent 系统——5 个专业分析师 + 14-19 位投资大师，各司其职，分别做基本面分析、技术分析、情绪分析，然后投票。

14-19 个 AI Agent 协同做投资决策。

这个场景，半年前还在论文里，现在已经有人在 GitHub 上跑起来了。

这不是孤例，是 GitHub 被 Agent 攻陷

打开 2026 年 4 月的 GitHub Trending 页面，你会看到一个很清晰的趋势——

前十个项目里，有一半以上是 AI Agent 或跟 Agent 相关的。

看看这份名单：

一个接一个看。

agency-agents——一个叫 msitarzewski 的开发者，在 Reddit 上发了一个 AI Agency 的框架，然后一周涨了 23000 颗星。 51 个精心设计的 AI Agent 人格，从前开发者到 Reddit 社区运营，每个都有性格、流程和交付物。

不对，准确说——这不是一个技术框架，更像是一套”AI 团队角色手册”。但开发者们买账了，因为确实有人照着这个框架搭出了自己的 AI Agency 。

GenericAgent——45000+ Stars 的通用 AI 代理框架。连续多周霸榜第一。不用说了，这个名字就说明一切。

OpenAI 官方的 openai-agents-python——这是 OpenAI 自己推出的 Agent SDK 。官方下场，意味着 Agent 已经从”社区实验”变成了”主流基础设施”。

这个趋势太明显了。

但说实话，也有点让人担心。

2024 年， GitHub 上最火的是大模型本身。 2025 年，最火的是 RAG 。 2026 年，是 Agent 。

或者说——Agent 元年。

港大 RAG-Anything ：当 RAG 学会”看”图和公式

Agent 热之外，另一个方向也没停下来——RAG （检索增强生成）。

港大数据科学实验室（ HKUDS ）开源的 RAG-Anything^[2]， 20000+ Stars 。

这个项目的思路很有意思——”万物皆可 RAG”。

传统的 RAG 系统只能处理文本。你塞一堆文档进去，它能检索、能回答。但遇到表格、图片、数学公式，就卡壳了。

RAG-Anything 做了个统一的多模态知识图谱——文字、图表、表格数据、数学公式，全部统一处理，统一查询。

这不是小改进。这意味着你可以丢一份包含代码截图、数据表格和公式的 PDF 进去，它能理解它们之间的关系。

嗯。

想想那些写论文、读研报的场景。一个文档里有文字说明、有数据表、有折线图、有公式推导——传统 RAG 只读得懂文字部分， RAG-Anything 能全读。

港大团队基于 LightRAG 框架构建的这个系统，几行命令就能搭起一个全功能的 RAG 。

这很实用。

为什么是 2026 ，为什么是 Agent

回到更大的问题。

为什么这些 Agent 项目在 2026 年集中爆发？

几个判断：

第一，大模型的能力够用了。 GPT-5.4 、 Claude Opus 4.6 、 Kimi K2.6——这些模型在代码理解、任务规划、工具调用上已经达到了可以构建可靠 Agent 的门槛。不是”偶尔能跑”，是”大多数时候能跑”。

第二， Agent 框架成熟了。 LangChain 、 OpenAI Agents SDK 、 GenericAgent——这些框架把 Agent 的编排、记忆、工具调用封装成了可复用的模块。开发者不需要从零写一个 Agent 系统。

第三，开发者找到了正确的叙事方式。 这一点最重要。 agency-agents 的成功不是因为技术多强——它本质上是 51 个 Prompt 的集合。但它把 AI Agent 包装成了”团队角色”，让非技术人员也能理解和使用。

这不是技术突破，是叙事突破。

“我有一个 AI”和”我有一个 AI 团队”——前者让人紧张，后者让人兴奋。

开发者现在该做什么

说了这么多，普通人能干什么？

几个方向：

如果你是开发者——去玩一下 ai-hedge-fund 。不需要花钱， AAPL 、 GOOGL 、 MSFT 、 NVDA 、 TSLA 的数据完全免费。装上 LangChain 和 OpenAI （或 DeepSeek ），跑一次 19 位投资大师的”投资委员会”。不需要用来炒股，光是理解多 Agent 协作的流程，就值了。

如果你是研究者——看看 RAG-Anything 。它是目前最接近”真正全模态 RAG”的开源实现。论文也发了（ arXiv ），代码也开源了。这个方向上的后续工作会很多。

如果你是创业者——看看 agency-agents 。一周 23000 颗星。它证明了一件事：把 AI Agent 包装成”团队”而不是”工具”，开发者愿意买单。

回头看 GitHub Trending 。

半年前，我们还在讨论”大模型哪家强”。现在，前十的项目一半是 Agent——有人在终端里养了一个对冲基金，有人在 GitHub 上开了一家 AI Agency ，有人让 RAG 学会了读公式。

这个变化速度，说实话，有点吓人。

但更吓人的可能是——半年后回头看今天，会觉得这些项目都很”原始”。

因为 Agent 的天花板，可能还远没有到。

参考链接

[1] virattt/ai-hedge-fund: https://github.com/virattt/ai-hedge-fund

[2] RAG-Anything: https://github.com/HKUDS/RAG-Anything