夜雨聆风大家好，我是雷达君。
这一周的开源 AI 圈子很有意思——六个项目，表面上各自为战，但合在一起看，你会发现它们在拼同一张拼图：
Codex 把编程搬进终端，RTK 帮你省下一大半 API 费用，Shannon 在你写完代码后自动找漏洞，OpenHands 直接替你修 Bug 提 PR，CLI-Anything 让 AI 能操控任何软件，而 ai-engineering-from-scratch 在培养能驾驭这一切的人。
从"怎么写"到"怎么省钱"到"怎么守安全"到"怎么让它自己干"——这张图拼完，你会发现：软件工程正在从"人写代码"变成"人定目标"。
1. OpenAI Codex：终端里的 AI 编程瑞士军刀
🔗 https://github.com/openai/codex
📌 Apache-2.0 开源 | npm / Homebrew 一键安装
OpenAI 用"Codex"这个名字复活了一个传奇——但不是模型，而是一整套开源产品线。核心是 Codex CLI：npm install -g @openai/codex，你在终端里说需求，它在本地读文件、写代码、跑测试、告诉你结果。
它跟 Cursor/Copilot 走的是两条路：后者增强编辑器，Codex 直接替代你敲命令。对于常年在终端里泡着的开发者，这体验比切来切去快太多了。
一句话总结：如果你还没试过终端里的 AI 编程助手，Codex 是最好的入坑选择。
2. RTK（Rust Token Killer）：把 AI 编程账单砍掉 80%
🔗 https://github.com/rtk-ai/rtk
📌 Rust 原生 |
brew install rtk| 支持 12+ 款 AI 编程工具
用 Claude Code 重构了一下午，回头一看——一个会话烧了 6000 多万 token。翻记录才发现，凶不是写代码本身，而是那些命令输出：npm install 的依赖树、cargo test 的通过用例、git status 的无用信息……95% 是噪声，但全部按 token 计费。
RTK 做的事很朴素：在命令输出到达 LLM 之前，做一轮智能压缩。过滤、聚合、截断、去重，把原始的几千 token 压到几百。官方数据：一个 30 分钟会话，原始 11.8 万 token → 压缩后 2.4 万，降幅 ~80%。
最适合：每天用 Claude Code / Cursor / Codex 且账单越来越贵的重度用户。
3. Shannon：全自动白盒 AI 黑客
🔗 https://github.com/KeygraphHQ/shannon
📌 42K Star |
pip install shannon-lite| 支持 OpenAI / Claude
AI 写代码越来越快，但你跑完部署之后呢？有漏洞吗？Shannon 的回答很硬核——它读你的源码，找到攻击入口，然后直接发起真实的 exploit。
不是模拟，不是扫描报告，是真打。它理解你的代码逻辑（白盒），所以找出的不是纸上谈兵的"潜在风险"，而是实实在在能被利用的漏洞。覆盖 OWASP Top 10（SQL 注入、XSS、SSRF、认证绕过……），用浏览器自动化验证。
最适合：用 AI 写代码的小团队——写得快，漏得也快，Shannon 就是你的"对冲工具"。
4. OpenHands：会自己修 Bug 提 PR 的 AI 程序员
🔗 https://github.com/OpenHands/OpenHands
📌 MIT 开源 | SWE-bench Verified 77.6% | Docker 沙箱隔离
Cursor 是你的副驾驶，OpenHands 是你的AI 工程师。
给它一个任务描述，它自己拆解步骤、读代码、写代码、跑测试、发现报错还能自己修，最后给你提一个 Merge Request。核心安全靠 Docker 沙箱——Agent 的所有操作都在容器里，哪怕犯错跑 rm -rf / 也不影响你主机。
SWE-bench Verified 77.6% 的得分，说明约八成真实软件工程问题，它已经能独立解决。不想部署的话，直接访问 app.all-hands.dev 用免费 Minimax 模型就能体验。
5. CLI-Anything：让 AI 能操控地球上任何软件
🔗 https://github.com/HKUDS/CLI-Anything
📌
npx skills add HKUDS/CLI-Anything -g -y
一个被忽略的结构性矛盾：我们给人类造了几十年的图形界面，但 AI 根本看不懂。每次让 AI 跟一个软件交互，你都得给它搭桥——写集成、接 SDK、搞适配。
CLI-Anything 的思路简单得让人拍大腿：既然 AI 擅长命令行，那就把所有软件都披上 CLI 外衣。它维护了一个 CLI 注册中心，收录了各种软件和服务的命令行封装。开发者一行 npx 命令安装，Agent 就能直接操作——从 AWS 部署到飞书发消息，只要有人贡献了 CLI 封装。
6. ai-engineering-from-scratch：435 节课，从零手写 AI 工程师
🔗 https://github.com/rohitg00/ai-engineering-from-scratch
📌 MIT 开源 | 20 个阶段 | 4 种语言 | ~320 小时
84% 的学生已经在用 AI 工具，但只有 18% 准备好了用它干活。剩下 66% 在用 ChatGPT 写代码，却说不上来损失函数在干什么。
这个项目就是来填坑的。它不是速成教程，而是一条从线性代数到自主 Agent 的完整路径：435 节课，从数学推导 attention 机制，到手写 LLM，再到多智能体 Swarm。每节课产出不是笔记，是一个可复用的 artifact——prompt 模版、一个函数、一个 agent。MIT 协议，完全免费。
总结
六个项目，三个关键词：
省时（Codex → 终端编程；RTK → 省 token 费）安全（Shannon → 白盒渗透；OpenHands → Docker 沙箱）进化（CLI-Anything → AI 操控万物；ai-engineering → 系统学习）
如果这周只选一个试试，我的推荐是 RTK——装三分钟，省下的钱远超你想象。如果想体验"AI 替你干活"，试 OpenHands 的 Cloud 版，免部署。
本文由 AI 开源雷达整理，每周精选最值得关注的 AI 开源项目。
