今日AI榜单速览（GitHub Trending AI Top3）

---

---

1 今日榜单速览（GitHub Trending AI Top3）

今天我把 GitHub Trending（AI 相关）里最热的 3 个仓库，按“它解决什么问题 / 适合谁 / 上手成本”做一次可直接落地的拆解🧠✨（方便我自己后续收藏和实践）。

排名	仓库	一句话定位	语言	Stars（约）
1	ruvnet / RuView	用 WiFi 信号做人体姿态 + 呼吸/心跳 + 存在检测（无摄像头）	Rust	~25k (GitHub)
2	K-Dense-AI / claude-scientific-skills	给 Agent “装技能包”：科研/工程/分析/写作可复用工具链	Python	~11.7k (GitHub)
3	moeru-ai / airi	自托管“语音聊天 + 游戏执行”的数字伙伴（Web/Win/macOS）	TypeScript	~22.1k (GitHub)

我今天的核心感受：这 3 个项目分别代表了 “感知智能（RuView）/ 工具智能（skills）/ 交互智能（airi）” 三条路径。

---

2 ruvnet / RuView：WiFi DensePose 的“无线透视”路线

我的一句话总结

**它想做的是：用 WiFi 的 CSI（信道状态信息）“看见”人的姿态与生命体征，而不是用摄像头。**这对隐私敏感场景很有冲击力。(GitHub)

为什么今天它能冲到第一？

我认为主要是这三点（也是我最关心的落地要素）：

• 隐私友好：核心能力不依赖视频像素，“No cameras” 是它的叙事抓手。(GitHub)
• 体验上手快：README 直接给了 Docker 一键跑起来的路径。(GitHub)
• 技术表达“像工程”：明确列出 breathing/heart rate 的频段与输出范围，并强调端侧/本地化。(GitHub)

图：它的可视化界面长这样（很直观）

我如何最快验证（不折腾工具链）

我会先用它给的 Docker 快速跑 UI，确认流程是否通：

docker pull ruvnet/wifi-densepose:latest
docker run -p 3000:3000 ruvnet/wifi-densepose:latest
# 浏览器打开 http://localhost:3000

(GitHub)

⚠️关键点：完整功能需要 CSI-capable 硬件（ESP32-S3 或研究网卡等）。普通电脑 WiFi 往往只能做更粗粒度的 RSSI 存在检测。(GitHub)

---

3 K-Dense-AI / claude-scientific-skills：给 Agent 的“科研技能库”

我的一句话总结

这是一个“可拷贝、可复用、可迁移”的 Agent Skills 工具集合：把科研/工程/分析任务拆成技能目录，让支持该标准的 Agent 自动发现并调用。(GitHub)

我最喜欢的三个点

• 目录化：不是“写一篇教程”，而是“交付一套技能资产”。(GitHub)
• 落地路径清晰：直接告诉你把 skills 拷到 ~/.claude/skills/、~/.cursor/skills/ 等目录。(GitHub)
• 依赖管理策略明确：推荐用 uv，并给出 macOS/Linux/Windows 安装方式。(GitHub)

我会怎么上手（最短路径）

git clone https://github.com/K-Dense-AI/claude-scientific-skills.git
# 以 Claude Code 为例（全局安装）
cp -r claude-scientific-skills/scientific-skills/* ~/.claude/skills/

(GitHub)

如果需要装 uv：

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows（PowerShell）
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

(GitHub)

---

4 moeru-ai / airi：自托管“语音 + 行为执行”的数字伙伴

我的一句话总结

airi 更像“可运行的交互体”：它强调实时语音聊天，同时还能去“玩游戏/执行动作”（Minecraft、Factorio 等），并提供 Web/桌面多端路线。(GitHub)

图：项目 Banner

我会怎么最小成本跑起来

它在 README 里给了两个非常“开发者友好”的入口（我会优先选你更熟的那条）：

方式 A：pnpm 本地开发

pnpm i
pnpm dev

(GitHub)

方式 B：Nix 一条命令运行

nix run github:moeru-ai/airi

(GitHub)

✅我对 airi 的定位：它不是“又一个聊天 UI”，而是更偏 实时交互 + 多模态执行 的工程实验场。

---

5 横向对比：我会怎么选（按“目的”而不是按“热度”）

我想要的结果	最推荐	原因（我的判断）
不用摄像头也能做人体感知/隐私友好监测	RuView	WiFi CSI 路线有差异化，且给了 Docker 快速验证链路 (GitHub)
让 AI Agent 在科研/分析任务里“更像专业助手”	claude-scientific-skills	技能资产化，可复制、可迁移、可团队共享 (GitHub)
做一个能说话、还能执行动作/玩游戏的数字伙伴	airi	交互 + 行为执行定位清晰，工程路线丰富 (GitHub)

---

6 我今天给自己的“实操计划”（30 分钟版本）

为了不让收藏夹变成“赛博墓地”🤣，我给自己设一个最短闭环：

1. 先跑 RuView Docker：只验证 UI/流程能否跑通（不先买硬件）。(GitHub)
2. 把 skills 装进我的 Agent 目录：至少跑通一个“论文检索 + 结构化摘要”的技能链。(GitHub)
3. airi 先不深配：我只验证 pnpm dev 是否能启动 stage web（确认依赖、性能、交互链路）。(GitHub)

---

7 总结：今天热榜给我的启发

今天这 3 个仓库让我更确信一件事：

• AI 的价值不只在“模型更大”，也在“感知更强、工具更全、交互更自然”。
• 我更愿意把它们当成三套不同的“产品路线”：
  RuView = 无线感知、skills = 工作流提效、airi = 实时交互体。

最后把链接放这里，方便我自己回访（也欢迎你收藏对照）👇

• RuView：https://github.com/ruvnet/RuView (GitHub)
• Claude Scientific Skills：https://github.com/K-Dense-AI/claude-scientific-skills (GitHub)
• airi：https://github.com/moeru-ai/airi (GitHub)

---

🔝返回顶部