夜雨聆风今天 GitHub 热榜，有点杀疯了。
6 个 AI 项目同时爆了。
表面上看，它们分别在做代码、PPT、视频生成、插件生态、知识图谱。
但如果把它们放在一起看，你会发现它们其实指向同一件事。
AI 工具正在从「回答问题」，
走向「接管工作流」。
这句话可能比单个项目本身更重要。
因为过去一年，我们讨论 AI 工具，很多时候还停留在几个问题上。
哪个模型更强。
哪个回答更准。
哪个 Prompt 更好用。
但今天 GitHub 热榜上的这些项目，已经不只是让 AI 更聪明了。
它们在解决一个更现实的问题。以下几个项目则是
让 AI 真正进入工作现场，操作你的电脑，帮你干活。
1、andrej-karpathy-skills
它的思路非常简单。
一个 MD 文件，就能给 AI 编程助手写一份工作说明书。
不用插件，不用复杂配置。
你只需要把规则写清楚。
比如这个项目怎么写代码，怎么跑测试，怎么处理文件，哪些约定必须遵守，哪些地方不能乱碰。
然后 AI 就知道该按你的方式做事。
这个项目已经拿到 17.3k 星。
开发者这次是真的用脚投票了。
为什么？
因为现在的 Claude Code、Codex，其实已经很会写代码了。
真正麻烦的，不是它不会写。
而是它不知道你的项目习惯。
它不知道你们团队怎么组织目录，不知道测试命令是什么，不知道哪些代码是历史包袱，也不知道哪些文件千万别动。
所以你每次都要重新解释。
而 andrej-karpathy-skills 这种东西，本质上就是把这些解释沉淀下来。
AI 进来之后，不再像一个刚入职、什么都不知道的实习生。
它至少先看过员工手册。
这一步看起来很小。
但非常关键。
2、CodeGraph，让 AI 先拿到项目地图
第二个项目，是 CodeGraph。
它做的是代码知识图谱。
简单讲，就是先把整个项目整理成一张地图。
模块和模块怎么依赖。
函数和函数怎么调用。
项目结构怎么组织。
它先帮你梳理出来。
这样 AI 不用一行行读完整个代码库，也能快速理解项目结构。
而且本地运行，还能省 token。
这个项目已经拿到 4.7 万星。
我觉得它解决的是 AI 编程里一个特别核心的问题。
上下文太贵了。
项目一大，你不可能每次都把所有代码塞给 AI。
塞不下，也不划算。
更关键的是，就算塞进去了，AI 也未必真的能抓住重点。
人类程序员接手一个新项目的时候，也不是从第一行代码看到最后一行。
我们会先看目录，看入口，看调用链，看核心模块。
CodeGraph 做的，就是把这套理解项目的过程，变成 AI 也能用的结构。
有了这张地图，AI 才不是在黑屋子里摸门。
3、Understand Anything，让代码库变成导航图
第三个项目，是 Understand Anything。
它更像一个代码库导航仪。
你把项目导进去，就能看到项目地图。
哪里调用哪里。
哪个模块负责什么。
整个结构一眼能看懂。
它还支持 Claude Code、Codex 等 20 多个平台，现在已经拿到 5.7 万星。
这个点很有意思。
它不是绑定某一个模型，也不是只服务某一个编辑器。
它更像是在说，不管你用哪个 AI 编程助手，我都先把代码库这张地图给你铺好。
这其实也是未来 AI 编程很重要的方向。
模型能力会继续变强，但项目不会因此变简单。
现实里的项目永远有历史包袱，有奇怪依赖，有没人敢动的老代码。
AI 要想真的进入开发流程，就不能只会补全代码。
它得先看懂现场。
4、Presenton，把 PPT 生成接进自动化流程
第四个项目，是 Presenton。
一句话生成专业 PPT。
你可以把它理解成 Gamma 的开源替代，品质对标专业级别。
但我觉得它最值得关注的地方，不只是「能生成 PPT」。
而是它提供 API。
这个点非常关键。
如果只是一个网页工具，那它主要还是给人用。
你打开网页，输入一句话，生成 PPT，然后下载。
但一旦有了 API，它就可以被接进自动化工作流。
比如会议纪要自动变成汇报材料。
日报自动变成周报 PPT。
销售资料自动生成客户版本。
这时候，人不一定要打开 Presenton。
它可以在流程里自己跑。
这才是 AI 工具真正有想象力的地方。
不是你去点它。
而是它被装进你的系统里，默默替你完成一段活。
5、NVlabs/LongLive，让长视频生成走向生产力
第五个项目，是 NVlabs/LongLive。
这个项目看起来更技术一些。
它用 FP4 量化做实时长视频生成。
如果只看标题，很多人可能会觉得，这是 Nvidia 又在秀肌肉。
但我觉得它的核心价值，不是炫技。
而是在压缩、并行推理、生成质量之间找到平衡。
长视频生成这件事，难点从来不只是生成一个几秒钟的 demo。
真正难的是稳定、连续、可控，还要足够快。
短视频 demo 可以靠惊艳取胜。
但一旦要进入生产流程，就必须考虑成本、速度、稳定性和可控性。
LongLive 这类项目往前走一步，AI 视频才有机会从「看起来很酷」变成「真的能用」。
这背后还是工作流。
当视频生成只能偶尔出片，它是玩具。
当它能稳定接入内容生产、游戏、虚拟人、广告制作，它才是生产力。
6、claude-plugins-official，让 Claude 接入真实工具
第六个项目，是 claude-plugins-official。
这个项目连续两天霸榜，现在已经拿到 3 万星。
插件这个方向，本身就很能说明问题。
因为大家要的不是单个回答。
大家要的是能嵌进工作流的能力。
你希望 Claude 不只是聊天。
而是能调用工具，连接服务，处理文件，完成任务。
这就像从「一个很聪明的人坐在你旁边给建议」，变成「一个人直接接入了你的工作台」。
差别非常大。
真正火的，不是单点工具
所以你会发现，这 6 个项目表面上各做各的。
andrej-karpathy-skills 在解决规则沉淀。
CodeGraph 和 Understand Anything 在解决项目理解。
Presenton 在解决内容交付自动化。
LongLive 在解决长视频生成进入生产流程的性能问题。
claude-plugins-official 在解决工具连接和能力扩展。
看起来很散。
但其实都在往一个方向走。
让 AI 从一个「回答问题的东西」，
变成一个「接管流程的东西」。
我有时候觉得，AI 工具的竞争正在从「谁更聪明」，变成「谁更懂你的工作现场」。
如何使用
如果你也想把 AI 接进自己的真实工作流，但是又用不了codex和Claude code？
我推荐你试试 okclaw。
https://dafoai.com/register?code=TYWAQYDUKN
它不是让你单纯多一个聊天窗口。
而是帮你把 AI Agent 接到真实工具和真实场景里。
比如网页操作、文件处理、定时任务、消息通知、跨设备协作，这些都可以变成 AI 能参与的工作流。
你可以把它理解成一个更偏「工作流入口」的 AI Agent 框架。
当你不想只停留在问答，而是想让 AI 真的替你跑流程、做任务、连工具，okclaw 会是一个很适合上手的选择。
这也正好对应今天这 6 个项目共同指向的趋势。
适合先低成本跑起来，看看 AI 编码工具到底能不能帮你提效。
用得爽，记得回来告诉我🤣。
以上，如果觉得不错，随手点个赞、在看、转发三连吧
AI 的下一步，不是更会聊天。
而是更会干活。
关注科新纪，继续带你看懂 AI 工具的新机会。
