夜雨聆风GitHub热榜｜AI编码助手开始跨工具续记忆
ai-memory 让 Claude Code 与 Codex 接力同一项任务；oMLX 把 Mac 本地推理缓存分到内存和 SSD。另有本地模型选型、自托管相册和视频生成工具。
今天排在前面的工具都很具体：ai-memory 负责在编码助手之间交接上下文，oMLX 管 Mac 上的模型和缓存，llmfit 先检查硬件再推荐本地模型。它们省下的是每天重复配置和重新解释的时间。
akitaonrails/ai-memory
2,053
193ai-memory 给 Claude Code、Codex 等编码助手补长期记忆。你可以在任务中途退出一个工具，再换另一个工具继续做，项目架构、失败过的方案和待办不必重新解释。它支持 Linux、macOS 和 Docker，适合同时试用多种编码 CLI 的开发者。记忆交接能省时间，但保存了什么、是否混入敏感代码，仍要自己检查。
AI 编码最烦人的地方之一，就是换工具后又要从头交代。这个项目把交接做成可复用记录；使用前要检查记忆质量和隐私边界。
项目地址：https://github.com/akitaonrails/ai-memory
jundot/omlx
18,987
1,644oMLX 是面向 Apple Silicon 的本地大模型推理服务，可以从 macOS 菜单栏管理模型。它支持连续批处理，并把 KV Cache 分成内存热层和 SSD 冷层；较大的模型按需切换，不必每次重算整段上下文。适合在 Mac 上同时跑多个本地模型、又不想一直手调服务参数的人。SSD 缓存能换容量，也会增加磁盘读写和配置复杂度。
Mac 本地推理通常卡在内存。oMLX 把一部分上下文缓存挪到 SSD，思路很实际；效果要看模型大小、硬盘速度和日常请求模式。
项目地址：https://github.com/jundot/omlx
harry0703/MoneyPrinterTurbo
106,017
16,114MoneyPrinterTurbo 输入主题或关键词后，会生成视频脚本、检索匹配素材、制作字幕和背景音乐，再合成短视频。它适合批量做知识类或口播类样片，也允许用户替换模型和修改流程。自动生成省的是剪辑前的重复劳动，素材授权、事实核对和成片同质化仍要人工负责。
十万星说明“一键出视频”一直有需求。它能把初稿做快，但公开发布前必须检查素材版权、事实和平台规则。
项目地址：https://github.com/harry0703/MoneyPrinterTurbo
nautechsystems/nautilus_trader
25,914
3,371NautilusTrader 是用 Rust 编写的事件驱动交易引擎，面向回测和实时交易共用一套策略代码。它强调确定性执行、低延迟和多市场接入，并提供 Python 接口，适合需要严格复现实验结果的量化开发者。生产交易系统牵涉行情质量、风险控制和券商接口，仓库本身不能替你完成这些工作。
回测和实盘代码分叉，往往会让结果失真。NautilusTrader 试图统一两边；是否适合生产使用，要拿自己的数据源和风控流程压测。
项目地址：https://github.com/nautechsystems/nautilus_trader
AlexsJones/llmfit
32,266
2,001llmfit 用一条命令扫描本机 CPU、内存和显卡，再从数百个模型与推理服务中筛出能跑的组合。它还能在本机测试真实 token/s，把测量结果保存下来，替换粗略估算。适合想跑本地模型、又不想逐个查显存需求的人。推荐结果只是起点，量化方式、上下文长度和并发数都会改变体验。
本地模型目录越来越长，硬件适配反而成了麻烦。llmfit 先告诉你“这台机器能跑什么”，比下载几十 GB 后再报错靠谱。
项目地址：https://github.com/AlexsJones/llmfit
immich-app/immich
111,155
6,574Immich 是自托管照片和视频管理服务，提供手机自动备份、时间线浏览、搜索、相册和多用户管理，常被拿来替代云相册。它适合有 NAS 或家庭服务器、愿意自己维护存储的人。项目明确提醒用户遵守 3-2-1 备份；自托管不等于数据自动安全，升级前也要看迁移说明。
Immich 已经是自托管相册里的老牌项目。它今天再上榜，说明用户仍想自己掌控照片；但服务器、备份和升级责任也一并回到自己手里。
项目地址：https://github.com/immich-app/immich
cordiverse/cordis
5,582
296Cordis 是一个 TypeScript 元框架，用上下文、作用域和生命周期管理可动态组合的插件。组件可以创建、销毁和重组，依赖关系也会跟着变化，适合聊天机器人、工具平台等长期运行且插件很多的应用。它的“时空可组合性”概念新，文档和案例仍决定开发者能否用在项目里。
插件注册容易，生命周期和副作用才麻烦。Cordis 正面解决这件事；生产采用前先验证调试体验和 API 稳定性。
项目地址：https://github.com/cordiverse/cordis
今天这些项目都在处理使用成本：换编码助手要重新交代，Mac 内存不够，本地模型不知道该下哪个，照片又不想交给云服务。项目能不能留下来，要看它在真实机器上是否稳定，也要看权限、备份和素材授权有没有说清楚。