AI 开源项目 · 2026年9月1日

无涯2026-09-012026-09-01

AI 开源项目 · 2026年9月1日

每周精选优质 AI 开源项目。

1. openclaw/openclaw ⭐ 388.3k

简介： OpenClaw 是一个可运行在你自己的设备上的开源 AI 个人助理（”龙虾路线”🦞）。它通过一个统一的 Gateway 把模型、工具、消息渠道与可选伴侣应用连接起来，既能在单台笔记本上作为个人助理运行，也能作为互信团队的共享部署——配置是唯一的区别。支持 WhatsApp、Telegram、Slack、Discord、Signal、iMessage 等渠道，兼容本地与云端各类模型提供商，并内置语音、Canvas、摄像头、屏幕与设备本地操作等能力。架构上采用”可信网关 + 不可信执行 + 确定性策略”的安全模型，MIT 许可。

核心特性：

任意操作系统、任意平台，一条命令安装
统一 Gateway 连接模型、工具与消息渠道
支持本地与云端模型提供商，扩展技能与插件体系
从个人笔记本到互信团队共享部署的无缝切换

GitHub： https://github.com/openclaw/openclaw

2. github/spec-kit ⭐ 132.6k

简介： Spec Kit 是 GitHub 官方推出的「规范驱动开发」（Spec-Driven Development）开源工具包，主张「先定义要构建什么，再让任何 AI 编码智能体去构建它」——把规范变成可执行的流程，直接生成工作实现而非仅作指引。发布满一周年之际，Spec Kit 已发布 1.0.0，支持 GitHub Copilot、Claude Code、Codex 等主流 AI 编码智能体，内置可选的 bug 修复扩展（assess → fix → test）与创意评估扩展，并提供面向团队与组织的可扩展预置。

核心特性：

规范即可执行：specify → plan → tasks → implement → converge 全流程
兼容任意主流 AI 编码智能体（Copilot / Claude Code / Codex 等）
可选内置扩展：Bug 修复、创意评估
组织级可扩展、社区驱动、MIT 许可

GitHub： https://github.com/github/spec-kit

3. huggingface/lerobot + Microduck ⭐ 27.1k

简介： LeRobot 是 Hugging Face 开源的「让 AI 机器人更普惠」的端到端学习框架（模仿学习 + 强化学习策略栈）。上周 Hugging Face 与 Pollen Robotics 联手推出售价 399 美元的开源双足机器人 Microduck（25cm，可行走、用喙拾取、跌倒自起、可溜冰），其 SDK、仿真器与完整强化学习训练栈全部基于 LeRobot 开源发布——行为可在仿真中训练后直接部署到真机。Microduck 与 LeRobot 共同构成「开源 + 平价硬件」的物理 AI 平民化路径。

核心特性：

端到端机器人学习：模仿学习 + RL 训练栈
仿真训练 → 真机部署的无缝迁移
平价开源硬件（Microduck $399 / LeRobot SO-101 约 $250）
社区驱动的物理 AI 生态

GitHub： https://github.com/huggingface/lerobot

4. THU-MAIC/OpenMAIC ⭐ 26.9k

简介： OpenMAIC（Open Multi-Agent Interactive Classroom）是清华团队开源的「多智能体互动课堂」项目，一键获得沉浸式、多智能体参与的学习体验。它支持课程内容自动生成、Quiz/互动/PBL 场景渲染、白板、PPT 导入（PPTX → 幻灯片 DSL）等功能，并集成 OpenClaw 与本地 AI（Lemonade），兼容 OpenAI/Anthropic 等多种模型提供商。项目提供论文（JCST’26）、在线 Demo 与中文/英文双语文档，MIT 许可。

核心特性：

多智能体沉浸式课堂体验
课程/课件自动生成 + 互动测验与 PBL 场景
PPTX 导入与幻灯片 DSL 编辑
OpenClaw / 本地 AI 集成，多模型提供商

GitHub： https://github.com/THU-MAIC/OpenMAIC

5. NVIDIA-NeMo/labs-OO-Agents（NOOA）⭐ 2.0k

简介： NOOA（NVIDIA Object-Oriented Agents）是英伟达 7 月底开源（Apache 2.0，pip install nooa）的模型无关 Python 智能体框架：核心思想是「一个 Python 类 = 一个智能体」——方法即动作、字段即状态、docstring 即提示词。它通过 LiteLLM 支持任意模型（托管 API、Ollama、vLLM），在 SWE-bench Verified 上取得 82.2%、CyberGym L1 86.8%、ARC-AGI-3 85.1%，token 效率约为同类开源框架的一半。注意：README 明确警告 AST 校验「不是隔离边界」，运行生成代码务必放入容器或虚拟机。

核心特性：