今天 GitHub 值得试玩的 10 个项目：从 Linux 桌面到本地模型调度 (2026)

如果今天只想先开三个标签页，我会选 llmfit、OpenCut 和 Munder Difflin：一个先替你判断本机能跑什么模型，一个把视频剪辑做成可以自己托管的工具，另一个把几个终端 agent 摆进一间会动的办公室。它们的共同点不是「已经成熟到可以闭眼部署」，而是都能让你很快碰到一个具体问题。

本期 10 个项目来自 GitHub Trending 的语言 daily 窗口。stars today 或窗口新增只代表这段时间里新增的关注，不是总 star 数，也不是成熟度评分；真正值得试玩的地方，要看 README 有没有清楚入口，以及限制有没有写在明面上。

1. Omarchy：把 Linux 桌面做成一套有脾气的发行版

热度快照：Shell daily，约 25,381 stars / 2,589 forks，本次窗口新增约 270 stars。1

它在做什么：Omarchy 是一套「漂亮、现代、观点鲜明」的 Linux 发行版。项目把桌面主题、快捷键、终端、Neovim、AI 工具、截图与录屏、系统更新、网络、双启动和故障排查都整理进自己的 manual。2

最短试玩：先打开 README 里的 The Basics 和 Getting Started，再按自己的硬件阅读 Mac support、Dual Boot Install 或 Unattended Installs。它更适合拿备用设备体验一整套工作环境，不适合为了看一眼主题就直接动主力系统。

为什么值得玩：很多 Linux 桌面项目只解决窗口怎么排，Omarchy 直接把「桌面应该长什么样、快捷键怎么用、终端和开发工具怎么配」一起交给你。它像一份已经替你做过取舍的电脑生活方式，喜欢折腾的人会很快知道自己能不能接受这套取舍。

注意：项目的卖点就是 opinionated，也就是它会替你做很多决定。先确认显卡、磁盘、启动方式和现有系统的恢复方案；「能安装」和「适合当日常主力环境」是两件事。

2. OpenCut：开源剪辑器正在重写，旧版反而更适合今天试玩

热度快照：TypeScript daily，约 83,892 stars / 8,283 forks，本次窗口新增约 150 stars。3

它在做什么：OpenCut 想做一个面向 Web、桌面和移动端的免费开源视频编辑器。README 把未来版本列得很清楚：编辑器 API、插件、统一代码库、MCP server、无头批量渲染和脚本标签页。4

最短试玩：今天想直接剪片，先用 opencut.app 的 classic 版本；想看新架构，则去 new.opencut.app 观察重写版。源码试玩需要先装 proto，再在仓库根目录运行 proto use，随后按需要执行 moon run web:dev、moon run api:dev 或 moon run desktop:dev。4

为什么值得玩：它把「开源 CapCut 替代品」从一个口号拆成了几个可观察的方向：浏览器剪辑、桌面运行、批量渲染，以及未来让 agent 直接操作时间线。你可以先用 classic 版完成一个短视频，再判断自己真正想要的是剪辑器，还是一套可编排的媒体基础设施。

注意：README 明确说项目正在从头重写，今天能用的入口是 classic 版；新架构还在设计，外部贡献也尚未完全开放。不要把新版本的路线图当成已经交付的功能。4

3. Munder Difflin：把一群终端 agent 摆进一间会工作的办公室

热度快照：TypeScript daily，约 1,233 stars / 155 forks，本次窗口新增约 181 stars。3

它在做什么：Munder Difflin 是一个本地优先的桌面应用。它把 Claude Code、Antigravity、OpenAI Codex、Grok、Kimi、Qwen、OpenCode、Crush、pi.dev 和 GitHub Copilot CLI 等终端程序包装成多个 agent，再用一个叫 Michael 的协调 agent 负责分派任务。每个 agent 都在真实的 pseudo-terminal 里运行，界面则用 Pixi.js 把它们显示成办公室里的头像。5

最短试玩：README 提供 macOS、Windows 和 Linux 的构建路径，源码侧需要 Node.js 与 npm；macOS 还要先装 Xcode Command Line Tools。至少准备一个它支持的终端 agent，再打开一个无敏感信息的测试仓库，观察多个 agent 如何通过本地 git 仓库、邮箱和共享黑板交接任务。5

为什么值得玩：它把多 agent 的抽象概念变成了一个很容易观察的场景：谁在工作、谁在等消息、任务怎样流转、什么时候需要人批准。对于想理解「并行 agent 到底多了什么」的人，这比再读一篇架构介绍更直观。

注意：它仍然会调用你配置的模型和终端 CLI。项目支持 BYOK，也支持 Ollama、LM Studio 和 vLLM 等本地模型地址；花费、破坏性操作和范围变化虽然有人工升级机制，真正把权限交出去之前仍要先用测试仓库验证。5

4. llmfit：先问硬件，再决定装哪个模型

热度快照：Rust daily，约 31,920 stars / 1,982 forks，本次窗口新增约 187 stars。6

它在做什么：llmfit 会检测电脑的 RAM、CPU、GPU/显存和运行时后端，再给模型按内存适配、速度、质量和上下文打分。它支持交互式 TUI，也能输出给脚本和 agent 使用的 JSON，并兼容 Ollama、llama.cpp、MLX、Docker Model Runner 和 LM Studio 等本地运行时。7

最短试玩：不想安装可以先试 uvx llmfit；进入 TUI 后看机器规格和模型排序。想接进自己的脚本，可以运行 llmfit recommend --json；想知道估算和现实差多少，再用 llmfit bench 对正在运行的 provider 测实际速度。7

为什么值得玩：它把「这个模型我能不能跑」从凭感觉猜，变成一份可以检查的清单。尤其是模型越来越多、量化版本越来越杂之后，先看自己的机器能承受什么，往往比先下载一个几十 GB 的模型更省时间。

注意：TUI 里的速度是估算，bench 才是你这台机器的实测；模型能装进显存，也不等于交互体验会好。项目默认不会把信息传到其他网络服务，只有下载模型、查询运行时或使用社区排行榜等明确动作才会联网。7

5. fff：给 coding agent 换一个更懂项目的文件搜索

热度快照：Rust daily，约 10,031 stars / 417 forks，本次窗口新增约 30 stars。6

它在做什么：fff 是给人和 AI agent 用的文件搜索工具包，做路径搜索、内容搜索、后台变更监听和轻量内存索引。它会把你实际打开过的文件记进 frecency，下一次搜索时提高相关文件的排序；没有精确命中时，还能退回模糊匹配。8

最短试玩：如果你用 Claude Code、Codex、OpenCode、Cursor 或其他 MCP 客户端，可以先按 README 的一行安装方式接入 fff-mcp，例如 Linux / macOS 使用对应的安装脚本。接好后，在一个 Git 仓库里让 agent 明确执行一次「use fff」，再比较它找定义、找文件名和找模糊路径时的结果。8

为什么值得玩：这不是又一个会聊天的 agent，而是在修补 agent 最常见的笨动作：反复 grep、反复扫目录、把无关文本塞进上下文。它的价值很小，却很具体；如果你每天都在项目里找文件，这种小摩擦会被放大很多次。

注意：fff 会建立本地搜索和历史数据，也会读取 Git 状态。先看清 MCP 客户端实际加载的路径与权限，不要把包含密钥、凭据或私有资料的目录随意暴露给不信任的 agent。8

6. Harper：离线检查英文，适合放进编辑器里

热度快照：Rust daily，约 14,508 stars / 567 forks，本次窗口新增约 40 stars。6

它在做什么：Harper 是一个离线、隐私优先的英文语法检查器，使用 Rust 编写，也可以通过 WebAssembly 加载。项目强调低延迟和较小的内存占用，并提供 VS Code、Neovim、Helix、Emacs、Zed、Obsidian 和 harper.js 等入口。9

最短试玩：先从 README 的 editor 文档里挑一个自己正在用的编辑器，装对应插件，再拿一段英文 README、提交信息或邮件草稿测试。它的反馈应该在本地很快出现，适合和需要联网的语法服务做一次并排比较。9

为什么值得玩：它解决的不是「AI 能不能替我写英文」，而是写完以后能不能在不上传全文的情况下做一轮基础检查。对经常写英文文档、代码注释和 issue 的开发者来说，这个边界比多一个花哨的改写按钮更实在。

注意：Harper 目前只支持英文。它的离线属性适用于检查器本身，不能替你保证编辑器插件、扩展商店或其他联动服务都完全不联网。9

7. res-downloader：用本地代理抓取常见网络资源

热度快照：Go daily，约 19,253 stars / 2,399 forks，本次窗口新增约 74 stars。10

它在做什么：res-downloader 是一个 Go + Wails 的跨平台资源下载工具，支持 Windows、macOS 和 Linux，目标包括视频、音频、图片、m3u8、直播流，以及微信视频号、小程序、抖音、快手、小红书、酷狗和 QQ 音乐等来源。11

最短试玩：安装软件后，按 README 的说明允许安装证书和网络访问；打开软件，点击「启动代理」，选择资源类型，再在外部打开目标页面，返回软件查看资源列表。README 给出的默认代理地址是 127.0.0.1:8899。11

为什么值得玩：它把「网页里明明在播放，文件却不知道在哪里」这件事变成了一个能观察的本地实验。对于想理解代理、m3u8 和资源嗅探关系的人，软件的抓取流程比单纯找一个下载按钮更有学习价值。

注意：安装证书会改变系统对网络的信任方式，关闭软件后如果系统代理没有恢复，也可能暂时影响上网。项目 README 明确写着仅供学习和研究，禁止商业或违法用途；下载内容的版权、平台规则和账号风险仍由使用者自己承担。11

8. llama-swap：让本地模型按需上下线

热度快照：Go daily，约 5,385 stars / 423 forks，本次窗口新增约 17 stars。10

它在做什么：llama-swap 用一个二进制和一份配置文件，把多个本地模型服务器放到同一个 OpenAI / Anthropic 兼容入口后面。请求不同模型时，它可以按需启动和切换，也支持自动卸载、多个模型并发、配置 profile、API key、Web UI、实时日志和 GPU 指标。12

最短试玩：如果你用 macOS 或 Linux，可以按 README 执行 brew tap mostlygeek/llama-swap 和 brew install llama-swap，再准备一个包含模型命令的 YAML 配置，用 llama-swap --config path/to/config.yaml --listen localhost:8080 启动。已有 Docker 和 Windows WinGet 路径的读者也能从对应入口开始。12

为什么值得玩：本地模型最烦人的地方经常不是推理，而是显存里一次只能塞下一个模型。llama-swap 把「换模型」从手动停服务、改参数、再启动，变成了一个可以接进现有 agent 或应用的路由层。

注意：它负责调度，不负责替你准备模型和运行时。配置里的命令、模型目录、CUDA / Vulkan 环境仍要自己维护；如果把监听地址暴露到局域网或公网，务必启用 API key，不要把一个没有认证的模型服务直接挂出去。12

9. Zero：把模型、权限和执行方式交还给终端用户

热度快照：Go daily，约 1,502 stars / 161 forks，本次窗口新增约 89 stars。10

它在做什么：Zero 是一个本地终端 coding agent，可以检查仓库、编辑文件、运行命令、使用浏览器和终端辅助工具，并把会话保存在本地。它支持 OpenAI、Anthropic、Gemini、Groq、OpenRouter、Ollama、LM Studio 等 provider；文件写入、shell、网络和工作区外写入都经过权限与 sandbox 策略。13

最短试玩：最简单的入口是 npm install -g @gitlawb/zero，然后运行 zero，在设置向导里选择 provider 和模型。想走本地模型，可以先启动 Ollama 或 LM Studio，再运行 zero setup 或 zero providers detect。Linux 用户若要使用原生沙箱，还需要单独构建 sandbox helper。13

为什么值得玩：它把 coding agent 的选择权拆开给你看：模型可以换，终端界面可以换，交互式 TUI 和 zero exec 脚本模式也可以换。更重要的是，权限模式会成为操作的一部分，而不是藏在一句「放心，它会帮你执行」后面。

注意：API provider 仍然需要自己的 key；源代码构建需要 Go 1.26.5 以上，Linux 原生沙箱还多一层编译工作。即使启用了权限策略，也要把首次测试放在可恢复的仓库里，先观察它会请求哪些文件、命令和网络访问。13

10. Unsloth：把本地模型、微调和 agent 接成一个桌面入口

热度快照：Python daily，约 72,578 stars / 6,546 forks，本次窗口新增约 572 stars。14

它在做什么：Unsloth 现在提供 Desktop、Studio 和 Core 三种使用方式，覆盖本地运行和训练 LLM、扩散、音频与 embedding 模型，也能给 Claude Code、Codex、OpenCode 等 agent 提供本地模型入口。README 写明 Desktop 是最省事的起点，Studio 则是仍在 beta 的 Web UI。15

最短试玩：先下载对应系统的 Unsloth Desktop，载入一个模型，打开测试项目，再运行 unsloth start claude、unsloth start codex 或 unsloth start opencode，观察 agent 是否真的改用本地模型。想进一步实验，再进入 Studio 的硬件选择和训练入口。15

为什么值得玩：它把「本地模型」从一个需要先配很多依赖的工程项目，变成了可以先打开、再决定要不要深入的桌面工具。对想比较云端 agent 和本地 agent 的人，这条路径比先搭完整训练环境更容易得到第一手感受。

注意：Studio 仍是 beta，不同 GPU、系统和后端支持的能力并不相同；例如 Vulkan 只加速 GGUF 推理，训练仍需要合适的 PyTorch 或 MLX 后端。README 还提供 Cloudflare HTTPS 远程访问，开启后模型和 API 会被带到公网，API key 不能随意分享。15

今天怎么选

想换一套完整桌面：先看 Omarchy，但把它当作系统级实验，不要从主力机器开始。
想马上看到画面变化：OpenCut 的 classic 版最直接；想玩 agent 与媒体自动化，再关注它的重写路线。
想弄清楚自己的机器能跑什么：先开 llmfit，再决定下载哪个模型；有多个本地模型时，再接 llama-swap。
想把 agent 变得更可控：Zero 适合单个终端工作流，Munder Difflin 适合观察多 agent 如何协作，fff 则专门修补文件搜索这一小块。
想做隐私和本地化实验：Harper、Unsloth 都有明确的本地入口，但前者只检查英文，后者对硬件和 beta 状态更敏感。

这 10 个仓库的共同价值，是把「开源工具」变成可验证的小实验：换一套桌面、剪一段视频、测一次模型、搜索一个仓库，或者让几个 agent 在隔离目录里协作。先用无敏感数据、可回滚的项目试一轮，通常比直接把它们接进真实账号和生产权限更容易看清边界。

References

1
Shell Trending dailygithub.com
2
basecamp/omarchygithub.com
3
TypeScript Trending dailygithub.com
4
OpenCut-app/OpenCutgithub.com
5
chaitanyagiri/munder-difflingithub.com
6
Rust Trending dailygithub.com
7
AlexsJones/llmfitgithub.com
8
dmtrKovalenko/fffgithub.com
9
Automattic/harpergithub.com
10
Go Trending dailygithub.com
11
putyy/res-downloadergithub.com
12
mostlygeek/llama-swapgithub.com
13
Gitlawb/zerogithub.com
14
Python Trending dailygithub.com
15
unslothai/unslothgithub.com