3 个超火的开源项目「GitHub 热点速览」

说到 MP4，你首先会想到什么？可能不少人首先想到的都是“小电影”，但最近横空出世的 Memvid 项目却刷新了大家的认知——它巧妙地将 MP4 文件变成了 AI 记忆库，让视频文件不仅仅是用来观看，更能为 AI 提供持久、高效的记忆能力。Google 不仅在大模型方面持续发力，同时也在端侧小模型领域不断探索。他们最近开源的 gallery 是用 Kotlin 写的手机应用，能让用户在手机端离线体验各种 Edge AI 模型，一经开源便迅速登上 GitHub 热榜。

最后，必须得说一下这个开源项目 ChinaTextbook，它是一个完全免费的国内教材资源集合，涵盖了从小学、中学到大学，各学科的 PDF 教材。这个项目默默维护了整整 5 年，最近才终于被更多人所发现，一个月内增长了近 3 万 Star。作者的初衷是想让更多人能为兴趣而读书，而非仅仅是为了应试。

1. 热门开源项目

1.1 让 MP4 成为你的 AI 记忆库：Memvid

主语言：Python，Star：7.1k，周增长：3.7k

这是一个基于视频文件的 AI 记忆库，能够将数百万条文本片段存储在 MP4 文件中。它将大规模文本（知识内容、上下文信息等）压缩嵌入到 MP4 文件中，并支持毫秒级语义搜索、PDF 文件导入和聊天功能。相比传统数据库，这种创新方案不仅上手简单（3 行代码），且无需复杂部署，更易于集成至各种 AI 应用中。




    
from memvid import MemvidEncoder
import os

# Load documents
encoder = MemvidEncoder(chunk_size=512, overlap=50)

# Add text files
for file in os.listdir("documents"):
    with open(f"documents/{file}", "r") as f:
        encoder.add_text(f.read(), metadata={"source": file})

# Build optimized video
encoder.build_video(
    "knowledge_base.mp4",
    "knowledge_index.json",
    fps=30,  # Higher FPS = more chunks per second
    frame_size=512# Larger frames = more data per frame
)

GitHub 地址→github.com/Olow304/memvid

1.2 一键生成软件物料清单的工具：syft

主语言：Go，Star：7.1k

该项目是用于从容器镜像和文件系统中生成软件物料清单（SBOM）的命令行工具，能够详细展示软件中的包和依赖关系，支持 SPDX、CycloneDX 等主流标准格式，适用于漏洞检测、许可证合规和软件供应链安全等场景。

GitHub 地址→github.com/anchore/syft

1.3 极简的项目管理工具：PLANKA

主语言：JavaScript，Star：9.7k，周增长：500

这是一款看板（Kanban）风格的项目管理工具。它通过直观界面和高效协作设计，简化项目管理流程，支持创建项目、看板、列表、卡片，可灵活拖拽管理任务。多人协作时，所有内容实时同步，无需手动刷新，适合个人或小团队跟踪任务进度。

GitHub 地址→github.com/plankanban/planka

1.4 手机上离线体验 AI 模型：gallery

主语言：Kotlin，Star：10k， 周增长：3.5k

该项目由 Google AI Edge 团队开源，旨在让用户能够在手机设备上轻松运行和测试 Edge AI 模型。它开箱即用、轻松切换模型，模型加载后可离线体验 AI 能力，支持多轮对话、图像问答、实时显示模型性能和提示词实验室等功能。目前已支持 Android 客户端，iOS 版本即将推出。

GitHub 地址→github.com/google-ai-edge/gallery

1.5 开箱即用的智能体记忆引擎：cognee

主语言：Python，Star：4.8k，周增长：2.7k

这是一个专为 AI 智能体（Agents）提供记忆功能的 Python 项目，集成了图数据库、知识图谱及向量数据库等技术。它仅需 5 行代码，即可轻松为 AI 智能体提供持久化、多模态记忆，支持连接和检索过去的对话、文档、图像和音频转录等内容。

import cognee
import asyncio


asyncdef main():
    # Add text to cognee
    await cognee.add("Natural language processing (NLP) is an interdisciplinary subfield of computer science and information retrieval.")

    # Generate the knowledge graph
    await cognee.cognify()

    # Query the knowledge graph
    results = await cognee.search("Tell me about NLP"


    
)

    # Display the results
    for result in results:
        print(result)


if __name__ == '__main__':
    asyncio.run(main())