GitHub 周刊第 46 期 | 5 个让 AI 闭嘴干活的开源神器
> 📅 本期时间范围：2026 年 9 月第 2 周（2026-09-07 ~ 2026-09-13）
📅 本期时间范围：2026 年 9 月第 2 周（2026-09-07 ~ 2026-09-13）
本周逛逛 GitHub，热榜的气氛有点微妙。
前几周大家还在卷"给 AI 加更多能力"，这周风向突然反过来了——榜首那个一周涨了一万三千星的项目，干的事情居然是让 AI 少说话。第二个热门项目，核心卖点是让 AI 少占地方。合着大家用了半年 AI 编程，最大的痛点不是它不够聪明，而是它太啰嗦。
这期挑了 5 个，两个"管住 AI 嘴"的，一个把 HTML 渲染成视频的，一个能在自己电脑上克隆声音的，还有一个腾讯开源的知识库平台。一起看看。
01 i-have-adhd
一个专治 AI 废话的 Agent 技能
先说本周的榜首，ayghri/i-have-adhd，42.9k Star，光这一周就涨了 1.3 万星，增速第一。
项目名字挺唬人，但作者在 README 里第一句就写了："ADHD-friendly outputs. No ADHD diagnosis needed!"（不需要确诊也能用）。它解决的是一个所有用过 AI 编程工具的人都懂的问题：你问它一个具体问题，它先夸你"这是个好问题"，然后铺开三段背景分析，最后把答案埋在第四段里。
上面那张图就是它的效果对比。左边"Before"是 AI 的原始回答：一段话讲完中间件、token 校验、cookie 处理，绕了一圈说"你可以考虑升级这个包然后重写那个函数"，最后以一句"Hope this helps!"收尾。右边"After"是装了这个技能之后：
Run npm install jsonwebtoken@latest, then edit src/auth.ts:42.
1. Open src/auth.ts
2. Replace verifyToken (lines 42-58) with the snippet below
3. Run npm test -- auth.spec.ts
第一行就是"你现在该干什么"，后面是编号步骤，结尾给一个明确的下一步。没有寒暄，没有铺垫。
它的实现方式不复杂，本质就是 10 条写死的规则，塞进 Agent 的 skill 里：动作打头、多步任务必须编号、结尾给一个具体的下一步、压制跑题、每轮重述当前状态、列表最多 5 项、不许说"希望有帮助"这类填充句。另外一条我觉得特别实在——要给具体的时间估计，不许说"很快就好"。
安装极简单，把这句话粘进你的 CLI 就行：
Install the i-have-adhd skill/plugin from https://github.com/ayghri/i-have-adhd
实用场景：
- 适合每天跟 Claude Code、Cursor、Codex、Gemini CLI 打交道的人
- 适合用 AI 排查线上问题时——这种时候你最不需要的就是"让我先梳理一下你的架构"
- 规则全在
SKILL.md里，觉得哪条太狠可以 fork 掉自己改
核心功能：
- 10 条强制输出规则，动作优先、步骤编号
- 支持 Claude、Cursor、Codex、Gemini CLI、OpenCode、Kimi、Qwen 等多家客户端，各自有独立的 plugin 配置
- 仓库里带
evals目录，作者做了可复现的技能质量评测 - MIT 协议，41 位贡献者，README 有中文等 7 种语言版本
02 VoiceStudio
能在自己电脑上跑的 ElevenLabs 替代品，支持 646 种语言
debpalash/VoiceStudio，22.8k Star，Python + TypeScript，本周热度很高。
一句话介绍：完全本地运行的 ElevenLabs 替代品。声音克隆、音色设计、视频配音、听写、转录、有声书制作，全都有，而且号称支持 646 种语言——ElevenLabs 官方是 32 种。
我觉得这个项目最值钱的地方不是功能多，而是"全本地"这三个字带来的几个结构性差别：没有按字符计费，没有额度上限，音频不出本机。 你给客户做配音、拿内部录音做转录，数据不用往外发。协议是 AGPL-3.0，没有付费版，没有隐藏额度。
具体能干什么：
- 声音克隆与设计：给一段参考音频就能 zero-shot 合成，也可以用文字描述参数直接"设计"一个音色
- 视频配音：自动转录 → 翻译 → 保留说话人身份 → 合成多语种配音，一条链路走完
- 有声书：支持导入 EPUB / PDF，多角色多音色脚本，直接导出
.m4b - 听写挂件：全系统范围的语音转文字，还能接本地 LLM 做二次润色
- 模型市场：上图那个界面，内置 16 个 TTS 引擎和 11 个 ASR 引擎，一键装
TTS 这边默认引擎是自家的 OmniVoice，另外可选 CosyVoice 3、GPT-SoVITS、VoxCPM2、IndexTTS、MLX-Audio、Sherpa-ONNX 等等，中文用户熟悉的几个主力都在。ASR 默认 WhisperX，也支持 Faster-Whisper、FunASR、Parakeet TDT、MLX Whisper。它还提供 OpenAI 兼容的 API 端点和 MCP Server，想接到自己的流水线里很方便。
实用场景：
- 适合做短视频、播客、有声书的内容创作者
- 适合需要多语种配音但不想让素材上云的团队
- 适合想本地跑 TTS/ASR 又懒得一个个配环境的人——模型市场帮你省了大半天
硬件门槛（作者给的建议）：
- 最低：8GB 内存 + 现代 CPU
- 推荐：16GB 内存 + 6GB 显存以上的 NVIDIA 显卡
- 最佳：32GB 内存 + 高端显卡
- macOS / Windows / Linux 都有安装包，也提供 Docker 镜像
03 HyperFrames
写 HTML，渲染出视频，专为 AI Agent 设计
heygen-com/hyperframes，49.1k Star，TypeScript，HeyGen 开源的。README 的 slogan 只有三句话："Write HTML. Render video. Built for agents."
它把 HTML、CSS、媒体资源和动画，渲染成确定性的 MP4。所谓确定性，意思是同样的输入必定产出完全一样的输出——这一点是它跟其他视频框架最大的区别，因为这意味着你可以把视频渲染放进 CI/CD，甚至给视频写回归测试。
另一个我觉得聪明的设计：不用 React。编排文件就是普通 HTML，动画信息靠 data 属性描述。这样一来，AI Agent 写起来毫无门槛——它本来就最擅长写 HTML。项目直接提供了 Agent 技能，Claude Code、Cursor、Gemini CLI 都能装：
# 给 AI Agent 装技能
npx skills add heygen-com/hyperframes
# 或者自己用 CLI
npx hyperframes init my-video
cd my-video
npx hyperframes preview # 浏览器实时预览
npx hyperframes render # 输出 MP4环境要求 Node.js 22+ 和 FFmpeg。
动画层它做了适配器，GSAP、CSS 动画、Lottie、Three.js、Anime.js、Web Animation API 都能用，想上 3D 也不用换框架。另外有个 catalog 系统，转场、字幕、图表、遮罩这些常用块都是现成的，拼起来就能用。渲染路径给了三条：本地、Docker、AWS Lambda，量大了可以直接上分布式。
上面那张图是官网的 frame.md 入口：你写一份 design.md 描述品牌调性，frame.md 描述画面编排，它帮你翻译成 16:9 的节奏、缩放和停留时长。官网还挂了几十套预制模板（Biennale Yellow、BlockFrame、Bold Poster 之类），风格挺编辑感的。
实用场景：
- 适合要批量产出短视频的内容团队——模板化 + 数据驱动最省事
- 适合想让 AI 自动做视频的人，这可能是目前 Agent 友好度最高的方案
- 适合前端出身的人做视频，你已有的 CSS 手艺能直接复用
核心功能：
- HTML 原生编排，无框架依赖
- 确定性渲染，可进 CI、可做回归测试
- 六种动画适配器，转场/字幕/图表有现成块
- 本地 / Docker / Lambda 三种渲染路径
- Apache 2.0 协议
04 Context Mode
把工具输出砍掉 98%，顺手治好 AI 的失忆
mksglu/context-mode，22.3k Star，TypeScript。README 的副标题写着："The other half of the context problem."（上下文问题的另一半）
它描述的问题我感同身受：每一次 MCP 工具调用，都是往你的上下文窗口里倒原始数据。 作者给了具体数字：一个 Playwright 快照 56 KB，20 条 GitHub issue 59 KB，一份访问日志 45 KB。半小时之后，40% 的上下文就没了。更糟的是，Agent 为了腾地方去压缩对话，压完就忘了自己在改哪个文件、哪些任务还没做完、你上一句问的是什么。
它是一个 MCP Server，从四个方向下手：
- 上下文节流：工具在沙箱里跑，原始数据不进上下文窗口。作者给的例子是 315 KB 压到 5.4 KB，约 98% 的削减
- 会话连续性：每一次文件编辑、git 操作、任务、报错、用户决策，全都记进 SQLite，用 FTS5 建索引、BM25 排序检索。对话被压缩时不是把数据一股脑倒回上下文，而是按需捞相关的那几条
- Think in Code：这条是它的核心理念——LLM 应该写分析脚本，而不是自己当计算器。要统计 50 个文件里的函数数量，不是把 50 个文件读进上下文，而是写个脚本数完
console.log结果。README 里的对比是：47 次 Read 调用 700 KB，换成 1 次ctx_execute只要 3.6 KB - 知识库索引：URL 和 markdown 可以索引进来，按需取片段，默认 24 小时 TTL 缓存
沙箱支持 12 种运行时（JS、Python、Go、Rust 等），平台适配了 17 家：Claude Code、Gemini CLI、VS Code Copilot、Cursor、OpenCode、OpenClaw、Codex CLI、Kimi Code、Qwen Code、Antigravity、Kiro、Zed、Pi 等等。
安装以 Claude Code 最省事：
/plugin marketplace add mksglu/context-mode也可以 npm install -g context-mode。
有个细节得说清楚：98% 这个数字是配上 hooks 之后的，不挂 hooks 大约 60%。 另外它的协议是 ELv2（Elastic License 2.0），不是标准开源协议，商用前记得看一眼条款。
实用场景：
- 适合上下文老是被工具输出撑爆的重度 Agent 用户
- 适合经常跑长任务、被"压缩后失忆"折磨过的人
- 适合按 token 付费、想省钱的团队
05 WeKnora
腾讯开源的知识库平台，能自己长出一个 Wiki
最后放一个国内项目。Tencent/WeKnora，22.5k Star，Go 写的后端 + Vue 前端，MIT 协议。
它是个 LLM 知识库平台，把散落的文档变成能问能答的系统。听起来像又一个 RAG 框架，但它有两个点跟常见的 RAG 项目不太一样。
第一是 Wiki 模式：它不只是检索完给你一段答案，而是能自动生成结构化的 markdown 页面，把知识整理成一个会自我维护的 Wiki，还带修订历史和回滚。团队文档最大的问题从来不是写不出来，而是写完就烂掉，这个思路算是对症。
第二是 技能沙箱：它带一个 skill sandbox runtime，支持 Docker、E2B、Cube 三种后端，Agent 可以在里面跑技能，而不只是做检索。配上 ReACT 编排，能走多步推理，不是一问一答就完事。
对国内团队比较友好的是数据源接入：飞书、GitLab、Notion、语雀、RSS 都支持，语雀和飞书这两个在国外项目里基本见不到。LLM 侧接了 20 多家厂商，国内模型不用自己写适配。
其他一些工程化的东西也齐：分块（chunk）可以手动编辑，带修订历史和回滚；工作区有 RBAC 权限，4 级角色；可以生成嵌入网站的 widget；观测接了 Langfuse，链路问题好排查。
部署就是 Docker Compose 三行：
git clone https://github.com/Tencent/WeKnora.git
cd WeKnora
cp .env.example .env
docker compose up -d起来之后访问 http://localhost 就行。
实用场景：
- 适合想自建企业知识库、又要求数据可控的团队
- 适合文档散在飞书和语雀、想统一检索的公司
- 适合需要权限分级的多团队场景
总结
这期 5 个项目，前两个和第四个凑在一起看挺有意思——i-have-adhd 管 AI 的嘴，context-mode 管 AI 的脑子，方向不同但本质是一回事：AI 的能力已经够用了，现在缺的是约束。 这大概是 2026 年下半年开源社区最明显的一个转向。
各自适合谁：
- i-have-adhd：受不了 AI 废话的人，装完立刻见效，成本最低的一个
- VoiceStudio：做配音、有声书、多语种内容，又不想让素材上云的创作者
- HyperFrames：前端出身想批量做视频的人，或者想让 Agent 自动产片的团队
- Context Mode：上下文天天被撑爆、token 账单肉疼的重度 Agent 用户
- WeKnora：要自建企业知识库、数据必须留在自己手里的国内团队
有需要的小伙伴赶紧去 Star ⭐ 收藏起来！