夜雨聆风上周 GitHub 周榜，AI 应用层和项目基础设施两条线同时爆发。榜首 MoneyPrinterTurbo 一周涨超 1.1 万 Star，把「输入关键词、输出成品短视频」做到了开箱即用；火山引擎的 OpenViking 把 Agent 的记忆、知识和技能统一进一个上下文数据库；basecamp 带着自己的 Linux 发行版 omarchy 杀入榜单；Apple Silicon 本地推理服务器 omlx 和罗技鼠标开源替代 OpenLogi 也各自破圈。
五个项目，五个方向，但指向同一个信号：开发者不再只想「用 AI」，而是开始认真搭建 AI 能跑起来的基础设施。
MoneyPrinterTurbo +11,167 Star 总 115,317
它是什么：开源 AI 短视频自动生成工具。输入主题或关键词，自动完成文案撰写、配音、素材搜集、字幕生成和视频合成，输出一条可直接发布的成品短视频。
亮点：全流程自动化，一条命令从关键词到成品视频；支持多种大模型后端，内置去重和素材管理。
为什么火：短视频创作门槛被拉到最低——不需要剪辑、不需要配音、不需要找素材，输入文字就能出片。对自媒体批量生产内容的人来说，这就是印钞机。
适合谁：自媒体创作者、内容运营、想做短视频但不会剪辑的人
槽点/风险：生成内容同质化风险高，平台可能对 AI 批量内容限流
一句话结论：AI 短视频批量生产的标杆项目，涨星速度说明需求真实且巨大
OpenViking +3,799 Star
它是什么：火山引擎开源的「上下文数据库」，专为 AI Agent 设计。把 Agent 的长期记忆、知识库检索（RAG）和技能调用统一到一个数据库，让 Agent 能自我进化。
亮点：不是简单的向量数据库，而是 Memory + RAG + Skills 三层合一；Agent 可以在使用中自动积累和优化上下文。
为什么火：Agent 最大的痛点不是模型不够强，而是记不住东西、学不到经验。OpenViking 直接解决这个问题——给 Agent 一个能自我进化的「大脑」。
适合谁：做 AI Agent 开发的团队、需要长期记忆和知识管理的应用场景
槽点/风险：火山引擎生态绑定较深，迁移成本需要评估
一句话结论：Agent 基础设施的关键拼图，解决了「Agent 记不住」这个核心问题
github.com/volcengine/OpenViking
OpenLogi +6,078 Star
它是什么：用 Rust 写的罗技鼠标/键盘管理工具，替代官方 Logi Options+。通过 HID++ 协议直接与硬件通信，重映射按键、调节 DPI、控制 SmartShift。
亮点：纯本地运行，不需要登录罗技账号，没有遥测和数据上传；Rust 写的，启动快、资源占用低。
为什么火：罗技用户苦 Options+ 久矣——臃肿、要登录、后台吃资源。OpenLogi 用几百行 Rust 解决了同样的问题，干净利落。开源社区对「去臃肿化」的热情永远不减。
适合谁：用罗技外设但讨厌官方软件的开发者
槽点/风险：硬件兼容性还在扩展中，部分型号可能不支持
一句话结论：典型的「官方软件太烂所以开源替代」项目，Rust + 无遥测 = 开发者最爱
github.com/AprilNEA/OpenLogi
omarchy +3,660 Star
它是什么：Basecamp（Ruby on Rails 背后的公司）出品的 Linux 发行版，主打「美观、现代、有主见」。不是最小化发行版，而是开箱即用、审美在线的桌面 Linux。
亮点：Basecamp 团队背书；预配置好开发环境和桌面体验，不需要自己从零搭建。
为什么火：Linux 桌面一直是「能装但不好用」的代名词。omarchy 的野心是做一个有审美、有态度、开箱就能用的 Linux——Basecamp 的工程品味给了社区信心。
适合谁：想用 Linux 桌面但被配置劝退的开发者
槽点/风险：发行版维护是长期工程，社区能否持续跟进是关键
一句话结论：Basecamp 用做产品的思路做 Linux，「有主见」三个字就是最大的卖点
github.com/basecamp/omarchy
omlx +1,671 Star
它是什么：专为 Apple Silicon 优化的大模型本地推理服务器。支持连续批处理（continuous batching）和 SSD 缓存，从 macOS 菜单栏直接管理。
亮点：连续批处理让多请求并发更高效；SSD 缓存解决大模型加载慢的问题；菜单栏管理，不用开终端。
为什么火：Mac 用户本地跑大模型的需求越来越强，但现有工具要么太底层、要么不够快。omlx 把性能和易用性同时做到了——菜单栏一键管理，M 芯片跑模型终于像模像样。
适合谁：用 Mac 做 AI 开发、想在本地跑大模型的人
槽点/风险：仅限 Apple Silicon，Intel Mac 不支持
一句话结论：Mac 本地推理的最优解之一，性能和体验都在线
github.com/jundot/omlx
本周榜单最值得注意的不是某个项目，而是一个转向：AI 正在从「模型层」下沉到「工程层」。OpenViking 给 Agent 做数据库，omlx 给本地推理做服务器，maka 给 Agent 工作流做日志——这些都不是模型，而是模型跑起来之后需要的管道和脚手架。当社区开始认真给 AI 搭基础设施，说明它正在从玩具变成生产力。
上周的榜单说了一件事：AI 的热度没有退，但焦点在变。大家不再只盯着模型跑分，而是开始关心模型怎么跑起来、怎么记住东西、怎么在本地跑、怎么批量产出内容。
从玩具到工具，从工具到基础设施——这才是 AI 真正落地的样子。
今天你用过哪个、最想深挖哪个？留言区聊聊。觉得有用，点个「在看」让更多朋友看到 👇 关注「橘字当头」，每周热榜重点准时送到。