ARTICLE · 1310558

热榜:给AI分房、把云搬回家、替你蹲闲鱼

发布时间：2026-11-04 22:52:27 最近访问：2026-11-04 22:52:28

今天打开 GitHub Trending，榜首还是那几个熟悉的面孔（agent-desktop 一天涨了 3791 星，claude-mem 也还在榜上），但真正有意思的是夹在中间的三张新面孔：一个教你怎么让五个 AI 同时改代码还打不起来，一个把 AWS 整套搬进你笔记本，还有一个替你 24 小时盯着闲鱼捡漏。说白了，这三个项目解决的是同一类尴尬：工具越强，越需要有人给它安排生活起居。AI 会写代码了，可五个 Agent 同时开工就抢同一个工作目录；SDK、Terraform、CI 都齐了，可本地跑一次集成测试还得连真云账号、等三秒启动；至于蹲二手好价，那更是纯体力活——你总不能半夜三点刷新页面。老规矩，三个项目我都在本机（Intel Mac，x86_64）真装真跑过，坑和结论都写在文末「本地实测笔记」，不含水分。

01一、worktrunk：给每个 AI 分一间独立病房

是什么：一个用 Rust 写的 Git worktree 管理 CLI，专为「同时跑多个 AI Agent」设计。今天榜单 10,628 星、单日 +438。它把 worktree 当成 branch 来用——按分支名寻址，路径由模板算出来，不用再记 ../repo.feat 这种反人类路径。

解决什么问题：Git 原生 worktree 其实能隔离目录，但用起来太啰嗦。README 里那句吐槽很到位：开个新 worktree，分支名要敲三遍。而 Claude Code、Codex 这类 Agent 现在能独立干长任务，一个人同时管 5-10 个很正常，目录一撞车就互相覆盖。worktrunk 把这套操作压成四个命令：wt switch、wt list、wt merge、wt remove。

▪︎ 一条命令建分支+建 worktree+切过去：wt switch --create feature-auth

▪︎ -x 参数切换后直接拉起 Agent，还能并行发任务：wt switch -x claude -c feature-a -- 'Add user authentication'

▪︎ wt list 带状态表：改动、领先 main 几个提交、CI、未推送，一眼看全

▪︎ 共享构建缓存：十个 worktree 共用 target/、node_modules/，靠 APFS/btrfs/XFS 写时复制，不用重编也不占十份磁盘

▪︎ 还有 hooks、LLM 生成 commit message、wt switch pr:123 直达 PR 分支、每个 worktree 独立端口

▪︎ 许可 MIT OR Apache-2.0；README 自称 no slop，作者还在公开征集使用摩擦

适合谁：已经在用 Claude Code / Codex 并行干活、或者做 CI 与多分支开发的团队。单分支慢悠悠写的人，暂时用不上。

02二、floci：把 AWS 塞进 localhost:4566

是什么：一个免费、开源、MIT 许可的本地 AWS 模拟器。今天 29,007 星、单日 +482。README 第一句就很硬气：No account. No auth token. No feature gates. Just docker compose up. 不用云账号、不用 token、没有付费功能门。把 AWS SDK、CLI、Terraform、CDK 的 endpoint 指到 http://localhost:4566，原来的工作流一行不用改。

解决什么问题：本地开发和 CI 里想跑 AWS 相关集成测试，通常要么连真云（要账号、要钱、要清理），要么上 LocalStack（社区版要 token，部分服务被挡在付费门后）。floci 明确把自己定位成 LocalStack Community 的 drop-in replacement：换镜像名就能迁移，连 /etc/localstack/init/ 初始化脚本和 /_localstack/health 端点都保留。

▪︎ 官方 README 对比数据（非本机实测）：启动约 24ms、空闲内存约 13MiB、镜像约 90MB，另有约 40MB 的独立原生二进制（Linux/macOS/Windows）

▪︎ 对照列的是 LocalStack Community 约 3.3s / 143MiB / 1.0GB

▪︎ Lambda、RDS、EKS、MSK、ElastiCache、Neptune 等高保真场景用真实 Docker 执行，不是浅层 mock

▪︎ 四种存储模式 memory / persistent / hybrid / wal：CI 用 memory、本地开发用 hybrid

▪︎ 支持 Java AWS SDK v2、boto3、Node.js、Go、Rust，以及 Testcontainers 的 Java/Node/Python/.NET 模块；README 称有 2,576 条自动化兼容性测试

▪︎ Web Console 在 http://localhost:4566/_floci/ui

服务数量说明：README 没有给出官方总数，只说 Broad AWS coverage. Free forever. 并指向外部服务总览页；按高层 Supported Services 表推算约 131 个条目——以仓库为准，别把我数的当官方口径。另外 README 并未声明运行所需的 JDK 版本（表里出现的 Java 17 是兼容性测试模块用的），也没给 brew 或 java -jar 的安装命令。

适合谁：写 AWS SDK / Terraform / CDK 的后端与测试工程师；尤其 Java 栈，可以直接把 Testcontainers 接进 Spring Boot 测试里。

03三、ai-goofish-monitor：让 AI 替你半夜刷闲鱼

是什么：一个中文项目，基于 Playwright + 多模态 AI 的闲鱼多任务实时/定时监控与智能分析系统，带完整 Web 管理后台。今天 16,724 星、单日 +228，MIT 许可。

解决什么问题：二手平台的好价往往几分钟就没，人工刷新纯属玄学。它把流程串成一条流水线：搜索 → 抓详情与卖家信息 → 下载图 → 交给支持图片输入的模型按你的自然语言标准判断 → 命中就推送 → 结果存 SQLite。还带多账号、代理池轮换、Cron 定时、以及 ntfy / 企业微信 / Bark / Telegram / Webhook 通知。

▪︎ 自然语言写需求，AI 生成分析标准（后端 job 异步跑，前端有进度弹窗）

▪︎ 高级筛选：包邮、新发布时间、省市区三级区域

▪︎ 结果页与导出走 SQLite（data/app.sqlite3），不是散落的 jsonl

▪︎ Docker 镜像内置 Chromium，宿主机不用另装浏览器

▪︎ 任务可按关键词规则跑，不强制调 AI

必须说清的两点：一是 AI 接口是硬门槛，OPENAI_API_KEY / OPENAI_BASE_URL / OPENAI_MODEL_NAME 三个环境变量 README 都标了必填，且模型需支持图片输入，没 key 只能看 UI 跑不了分析；二是 README 自己写明「请遵守闲鱼的用户协议和 robots.txt，不要过于频繁请求」「仅供学习和技术研究使用」——这是玩具和研究工具，不是批量薅羊毛的铲子，别拿去干违规的事。

04四、上手步骤（命令均从官方 README 提炼）

worktrunk（最轻）：

▪︎ brew install worktrunk && wt config shell install（macOS/Linux；shell 集成是为了让命令能切目录）

▪︎ 也可用 cargo install worktrunk && wt config shell install，Windows 用 winget install max-sixty.worktrunk

▪︎ wt switch --create feature-auth 建分支并切过去

▪︎ wt list 看所有 worktree 状态；wt --help 查全量命令

▪︎ 并行开工：wt switch -x claude -c feature-a -- 'Add user authentication'

floci（要 Docker）：

▪︎ 写个 compose.yaml，服务镜像填 floci/floci:latest，端口 4566:4566

▪︎ docker compose up

▪︎ export AWS_ENDPOINT_URL=http://localhost:4566 加 AWS_DEFAULT_REGION=us-east-1、AWS_ACCESS_KEY_ID=test、AWS_SECRET_ACCESS_KEY=test（凭证任意非空值即可）

▪︎ aws s3 mb s3://my-bucket 然后 aws dynamodb list-tables 验证

▪︎ 不想用 Docker，README 说每个 release 附带独立 floci-aws 原生二进制，Linux/macOS/Windows 都有

ai-goofish-monitor（要 AI key）：

▪︎ git clone https://github.com/Usagi-org/ai-goofish-monitor && cd ai-goofish-monitor

▪︎ cp .env.example .env，填好三个 OpenAI 兼容变量（建议顺手改掉默认口令）

▪︎ docker compose up -d，然后 docker compose logs -f app

▪︎ 浏览器开 http://127.0.0.1:8000（默认 admin/admin123，README 明确提醒生产环境务必修改）

▪︎ 在「闲鱼账号管理」导入登录态，再去「任务管理」建任务；本地开发也可 ./start.sh，或 python -m src.app 起后端

05五、本地实测笔记（Intel Mac 一手记录）

三个我都下了源码、按 README 试着装，结论有好有坏，如实记。

worktrunk：codeload 源码包完整解出 34 个文件，Cargo.toml 显示版本 0.81.0、edition 2024。但本机没有 rustc/cargo，源码编译这条路直接不通；改走 brew install worktrunk 时下载被本机代理卡住、命令超时被系统终止。所以这次只能确认源码与元数据，没能真跑起 wt——这是环境限制，不是项目缺陷（README 给的是预编译安装路径，正常网络下不该有这问题）。

floci：源码包只解出 17 个顶层文件、pom.xml 没下来（代理对大 tarball 的截断老毛病）。本机 Java 17.0.12 与 Maven 3.3.9 都在，但 README 主推的是 Docker 镜像路线，而本机 Docker 守护进程没启动，docker info 同样卡住超时；探 localhost:4566 拿到的也是代理返回的 502，不是服务响应。结论：Intel Mac 上想玩它，先把 Docker Desktop 跑起来，或者去 release 页拿原生二进制。

ai-goofish-monitor：main 分支的 tarball 只有 14 字节（README 链接指向 master，文档与默认分支有出入），换 master 后完整解出 28 个文件。依赖补进隔离 venv 后，compileall src 全过、import src.app 成功——它还自己弹出一句中文警告「未完整设置 OPENAI_BASE_URL 和 OPENAI_MODEL_NAME，AI 相关功能可能无法使用」，正好印证 AI 配置是硬门槛。用 uvicorn 真实拉起后端监听 8139：/docs 200、/openapi.json 200（标题「闲鱼智能监控机器人」v2.0.0）、/api/tasks 200；根路径 / 是 500，因为前端 dist/ 没构建，npm run build 是必需步骤。顺带踩到两个本机坑：curl 直连 localhost 会被代理劫持成 502，得加 --noproxy '*'；nohup & 起的后台服务在沙箱里留不住。三个项目里，它是唯一在本机把服务端真跑起来的。