本周速览#

1. GordenSuperPPTSkills：AI PPT 开始卷“可编辑”#

AI PPT 工具已经多到数不过来，但真正高频的痛点还是那两个：生成得好看，但不好改；能改了，又不好看。

GordenSuperPPTSkills 的切入点很直接：先用 GPT 生成视觉效果更强的图片格式 PPT，再转换成完全可编辑的 PPTX 文件。这个思路抓住了办公场景里最现实的一环，AI 不是替你一次性做完，而是先把版式和视觉拉到可用水平，再交还给人继续细修。

它这几天快速涨到 700 多星，说明用户已经不满足于“AI 帮我出个大纲”。下一阶段的 AI 办公工具，核心竞争力会变成结果能不能接进真实的 Office 工作流。

2. baoyu-design：把 Claude Design 搬进本地开发环境#

baoyu-design 是一个面向 Claude Code、Cursor 等工具的 Agent Skill，用来在本地生成 UI mockup、原型、deck 和 wireframe。它有意思的地方不是“又一个设计稿生成器”，而是把设计能力塞进开发者已经在使用的 coding agent 环境里。

过去从想法到界面，经常要在聊天窗口、设计工具、代码编辑器之间来回切。现在这类 skill 的出现，让 agent 可以在同一个上下文里完成需求理解、界面草图和 HTML 原型输出。

这也是本周最值得关注的趋势之一：AI 设计不一定要成为一个独立产品，它更可能变成开发环境里的一个能力插件。

3. apple/coreai-models：Apple 端侧 AI 工具链露出水面#

Apple 这周开源的 coreai-models 热度很高，项目描述是面向 on-device AI 的模型导出 recipe、Python primitives 和 Swift runtime utilities。

如果说发布会上讲的是 Apple Intelligence 的用户体验，那么这个仓库更像是工程层的拼图：怎么导出模型，怎么在 Swift 侧运行，怎么让模型更自然地进入 Apple 生态。

端侧 AI 今年会继续升温，原因很简单：隐私、延迟、成本和系统级体验都绕不开本地运行。coreai-models 值得长期关注，不只是因为它来自 Apple，也因为它可能影响后续 Mac、iPhone、iPad 上 AI 应用的开发方式。

4. guard-skills：AI 写代码之后，谁来验收？#

Coding Agent 这半年进步很快，但一个老问题越来越明显：AI 能写很多代码，也能很自信地写错很多代码。

guard-skills 的定位是给 coding agents 加质量门，专门检查 AI 生成代码、测试和文档里的常见失败模式。这个方向很务实，因为真实项目里最贵的不是“让 AI 生成一次”，而是后面排查隐藏 bug、补测试、修文档偏差的时间。

这类项目的价值在于把 AI 编程从“生成式体验”推向“工程化流程”。未来一个成熟的 agent 工作流里，生成、审查、测试、回归、文档校验应该是一整套链路，而不是一个孤零零的聊天框。

5. xiaohu-video-translate：本地完成外语视频中文字幕#

xiaohu-video-translate 是本周中文社区里比较实用的项目。它主打对 AI 说一句话，就把外语视频自动配上中文字幕，流程包括下载、转写、翻译、润色和烧录，并强调全程本地、转写零 API 费。

这个项目踩中了几个真实需求：海外课程学习、YouTube 内容消化、短视频二创、资料归档。相比纯云端服务，本地流程的优势是成本可控，也更方便批量处理。

它的流行说明多模态应用正在变得“朴素”：用户未必关心背后用了什么模型，只关心能不能把一个麻烦流程变成一句话和一个输出文件。

6. Wayland：Agent 继续往“能行动”方向走#

Wayland 的描述很有野心：The AI Agent That Perceives. Reasons. Acts. Evolves. 从项目定位看，它想做的不只是聊天助手，而是能感知、推理、行动并迭代的 agent。

这类项目现在很多，但 Wayland 的热度说明开发者仍然在寻找更通用的 agent 框架。它的风险也很明显：目标越大，越需要看实际 demo、任务成功率和工具调用稳定性。

所以我会把它放进“值得观察”而不是“立刻采用”的名单。Agent 框架最终比拼的不是口号，而是复杂任务里的可控性。

7. xuefeng-agent：高考志愿也被 Agent 化#

xuefeng-agent 是一个 AI 高考志愿顾问，项目描述里写着“会追问、会分析、敢说真话”。它这周能冲到 200 多星，时间点也很关键：正好卡在高考结束后的志愿填报季。

它代表的是另一类 AI 应用机会：高度季节性、高焦虑、高信息密度的决策场景。用户需要的不是百科式回答，而是不断追问约束条件，然后给出可比较、可解释的建议。

不过这类项目也要谨慎看待。志愿填报属于高影响决策，AI 可以辅助整理信息和提出问题，但不应该替代权威招生数据、学校官方信息和人的最终判断。

8. Loom：把 Coding Agent 变成可重复交付系统#

Loom 的定位是 open delivery harness，目标是把 Claude Code、Codex、OpenCode 等 coding agents 变成可重复的软件交付系统。

这听起来没有生成 PPT、翻译视频那么直观，但对团队开发很重要。个人使用 agent 时，能跑起来就行；团队使用 agent 时，需要流程、约束、复现、审计和交付标准。

如果说 2025 年大家还在讨论“AI 能不能写代码”，那么 2026 年更关键的问题会是“AI 写出来的东西怎么稳定进入团队流程”。Loom 这类项目正好站在这个问题上。

本周结论#

第 24 周的 AI 开源热点，可以用一句话概括：Agent 正在从能力展示走向工作流接管。

这一周最热的项目并不是新的大模型，而是围绕实际场景补齐工具链：PPT 要可编辑，设计要进 IDE，端侧模型要有运行时，AI 写代码要有质量门，视频翻译要本地一条龙，Agent 要能被管理和复现。

接下来几周可以重点盯三类项目：

1. Agent Skills：把某个专业能力封装进现有 AI 工具。
2. 质量与评测工具：让 AI 输出更可控、更可验收。
3. 本地化工作流：降低 API 成本，同时保护数据和隐私。

AI 应用的竞争，正在从“谁的 demo 更惊艳”变成“谁更懂真实工作流”。这周的几个项目，就是这个变化的缩影。