光标指点、气旋预报、时间序列：2026-09-05 GitHub 10 个可试玩项目

先看到画面、声音和一条可交互结果

1. Clicky：让光标替你指出屏幕上的东西

• 热度快照：Swift daily 第 4 名；累计 7,472 stars，窗口新增 18 stars。1
• 它做什么：Clicky 把自己做成光标旁边的 AI 老师。它读取屏幕、接受语音，再用光标指向界面元素；代码库采用 MIT License。1
• 最快反馈：完成配置后，对着屏幕说一句话，观察光标是否跳到对应的界面位置，再听 Claude 的语音回答。Clicky 的数据链路是麦克风音频发往 AssemblyAI，转写文字和截图发往 Claude，回答再交给 ElevenLabs 播放。1
• 最短试玩：准备 Claude Code 后，让它克隆仓库并按 CLAUDE.md 配置；手动路线需要在 worker 目录执行 npm install，用 npx wrangler secret put 写入三个 API key，再运行 npx wrangler deploy，最后用 Xcode 打开项目。1
• 边界：项目要求 macOS 14.2+、Xcode 15+、Node.js 18+，还需要 Cloudflare 账户，以及 Anthropic、AssemblyAI、ElevenLabs 的 API key。App 需要麦克风、辅助功能、屏幕录制和屏幕内容权限；屏幕、音频与截图会经过这些云服务。1
• 为什么今天收录：18 个窗口新增 stars 规模不大，但它把“看屏幕”变成了光标动作，第一反馈比普通聊天窗口更直观。想研究屏幕交互 agent 的人，打开 README 就能看懂完整链路。

2. OpenSuperWhisper：在 Apple Silicon 上做本地听写

• 热度快照：Swift daily 第 10 名；累计 2,805 stars，窗口新增 17 stars。2
• 它做什么：OpenSuperWhisper 是 macOS 听写应用，支持 Whisper 和 Parakeet 两套引擎、全局快捷键、鼠标触发录音、拖放音频批量转写，以及多语言自动检测。模型文件可以放在 App 的模型目录中。2
• 最快反馈：安装模型后按快捷键录一段话，观察转写文字是否回填；也可以把音频文件拖进 App 批量转写。这个反馈直接落在本机界面上。
• 最短试玩：macOS 终端执行 brew install opensuperwhisper，或者从仓库的 Releases 页面 下载；模型可以从应用内下载，或手动放入模型目录。2
• 边界：README 只确认 macOS Apple Silicon / ARM64。README 没有列出具体权限清单，也没有说明完整的数据传输策略；模型文件的位置属于本地 App 模型目录。项目采用 MIT License。2
• 为什么今天收录：它的窗口新增只有 17，却把“语音输入”压缩成一个安装包和一个快捷键；手上有 Apple Silicon 的读者可以用很短的路径验证本地转写体验。

3. WeatherNext：把天气模型跑成一条气旋轨迹

• 热度快照：GitHub Trending daily 第 14 名；累计 7,625 stars，窗口新增 11 stars。3
• 它做什么：WeatherNext 仓库包含 WeatherNext 2 全球中期大气预报模型、WeatherNext Cyclones 气旋预报，以及 GraphCast、GenCast 的相关代码。它是气象预测研究代码，不是普通天气 App。3
• 最快反馈：打开 docs/weathernext2/wn2_demo.ipynb 对应的 Colab，运行 Notebook，查看温度、风速、位势高度的可视化结果，或观察气旋轨迹预测。3
• 最短试玩：研究代码的安装命令是 pip install git+https://github.com/google-deepmind/weathernext.git@v0.3.0；想先看结果，直接从 README 指向的 Colab Notebook 开始。3
• 边界：Cyclones Mini 推荐使用 v5e-1 免费运行时；其他模型需要更高规格加速器，非 Mini 模型需要 H100，GPU 运行还要切换 attention 实现。模型代码采用 Apache-2.0，其他材料采用 CC BY 4.0；仓库明确提醒它不是 Google 官方支持产品，也不能替代官方气象预警。3
• 为什么今天收录：它的窗口新增不高，却提供了这组项目里最特别的第一反馈：运行一次 Notebook，就能把模型输出变成天气场和气旋轨迹。这个入口适合想看“模型怎样生成结果”的读者，前提是接受 Colab 和加速器成本。

4. MathModelAgent：从题目一路生成代码和论文文件

• 热度快照：Python daily 第 19 名；累计 4,162 stars，窗口新增 53 stars。4
• 它做什么：MathModelAgent 面向数学建模，尝试让 agent 分析题目、建立模型、编写和纠正代码，再生成 Typst / PDF 论文。项目还提供多 agent、Web Search、RAG 知识库和人机协作开关。4
• 最快反馈：在 在线入口 填入模型 API key，提交一道题目，观察项目目录里的 notebook.ipynb、res.md 和论文输出。桌面版也把这些运行结果写入 backend/project/work_dir/xxx/*。4
• 最短试玩：想接入 Claude Code 或 Codex，可以执行 npx skills add jihe520/MathModelAgent --all，再按 README 的 claude --dangerously-skip-permissions 或 codex --yolo 示例启动；桌面版可从 Releases 页面 下载。4
• 边界：桌面版覆盖 macOS Apple Silicon、macOS Intel 和 Windows 64 位；使用模型 API key，Tavily、E2B、Daytona 等属于可选服务。README 给出的跳过权限参数会减少确认步骤，使用前要先看清 agent 将执行的动作。项目说明个人免费使用、禁止商业用途，并把自己定位为实验探索 demo；生成的论文需要人工核对。4
• 为什么今天收录：53 个窗口新增 stars 让它从教学型项目里冒出来；它的试玩结果不是一段聊天，而是一组可打开、可修改、可复跑的代码和论文文件，适合观察 agent 怎样把任务拆成工作流。

给 coding agent 加上工作台

5. Microsoft Power Platform Skills：让 agent 操作 Power Platform

• 热度快照：JavaScript daily 第 4 名；累计 824 stars，窗口新增 11 stars。5
• 它做什么：这是微软提供的 Power Platform agent skills / plugin marketplace，面向 Claude Code 和 GitHub Copilot CLI，覆盖 Power Pages、Model Apps、MCP Apps、Code Apps、Mobile Apps、Canvas Apps 和 Power Automate。5
• 最快反馈：安装插件后，在 Claude Code 或 Copilot CLI 中提出一个具体的 Power Platform 任务，观察对应 skill / plugin 是否被调用。它的反馈是 agent 进入真实开发流程，而不是单独弹出一个演示页面。
• 最短试玩：macOS、Linux 或 Windows cmd 可运行 curl -fsSL https://raw.githubusercontent.com/microsoft/power-platform-skills/main/scripts/install.js | node；安装器会检测 CLI、注册插件市场并安装插件。5
• 边界：相关操作需要 PAC CLI 登录 Power Platform / Dataverse；Power Automate 还可能需要 Azure CLI 登录。自动批准模式会让 agent 获得接近本机的权限，只适合可信或沙盒环境。Power Pages 遥测默认开启，事件可能包含 Dataverse organization GUID、Entra tenant GUID 和用户 object ID，可在插件内关闭传输。5
• 为什么今天收录：它的排名和窗口新增都不算夸张，但它把 agent 的“会写代码”推进到“会调用企业开发工具”；有 Power Platform 环境的读者能很快判断这条工作流是否对自己有用。

6. anthropics/skills：给 Claude 装专项技能

• 热度快照：GitHub Trending daily 第 5 名；累计 174,128 stars，窗口新增 511 stars。6
• 它做什么：这个仓库保存 Claude 动态加载的指令、脚本和资源文件，包含示例技能、文档技能、Agent Skills 规范与技能模板。每个技能通常是一个带 SKILL.md 的自包含文件夹。6
• 最快反馈：在 Claude Code 里安装 example-skills 或 document-skills，随后发起一个对应任务，观察 Claude 是否加载并执行技能中的指令、脚本或资源。Claude.ai 和 Claude API 也有对应入口。6
• 最短试玩：先执行 /plugin marketplace add anthropics/skills，再执行 /plugin install document-skills@anthropic-agent-skills 或 /plugin install example-skills@anthropic-agent-skills。6
• 边界：README 没有说明数据收集策略。多数技能采用 Apache-2.0；docx、pdf、pptx、xlsx 文档技能属于 source-available，源码可见但不属于开源。项目提醒技能是演示和教育材料，实际模型行为需要自行测试。6
• 为什么今天收录：511 个窗口新增 stars 是今天最强的关注度信号之一；这个仓库的试玩重点也很明确——看一套文件怎样改变 agent 的工作方式，而不是把它当成又一个独立聊天机器人。

7. GPUI Kit：运行一套 Rust 桌面组件画廊

• 热度快照：Rust daily 第 1 名；累计 13,971 stars，窗口新增 179 stars。7
• 它做什么：GPUI Kit 基于 Rust 和 GPUI，提供 60 多个桌面 UI 组件，以及表格、虚拟列表、代码编辑器、Dock 布局、Markdown / HTML 渲染和图表。7
• 最快反馈：运行组件画廊，直接看到编辑器、Dock、Markdown 或 HTML 组件。它还提供独立的 hello_world、system_monitor 和 window_title 示例。
• 最短试玩：在仓库目录执行 cargo run；也可以执行 cargo run --example editor、cargo run --example dock、cargo run --example markdown 或 cargo run --example html。7
• 边界：同一套 Rust 代码面向 macOS、Windows 和 Linux。gpui-shell 加载 JavaScript 扩展时，会逐项显式授予能力。项目采用 Apache-2.0；README 还说明源码提取自 Longbridge Pro，这个背景不等于读者已经获得商业产品支持。7
• 为什么今天收录：Rust daily 第 1 名配上 179 个窗口新增 stars，热度和第一反馈都够清楚；对想做原生桌面工具的人来说，运行组件画廊比先读完整 API 更容易判断它的手感。

把模型本身拿来玩

8. TimesFM：让时间序列先给出一条预测

• 热度快照：GitHub Trending daily 第 13 名；累计 31,055 stars，窗口新增 342 stars。8
• 它做什么：TimesFM 是 Google Research 的预训练时间序列基础模型，面向时间序列预测。TimesFM 3.0 支持多元时间序列和协变量输入；代码仓库采用 Apache-2.0。8
• 最快反馈：安装依赖并运行 Notebook 或示例，让模型接收一段历史序列，查看返回的预测序列。第一轮反馈是数值预测，不是聊天文本。
• 最短试玩：执行 pip install timesfm[torch]，再按 README 的 PyTorch 示例加载模型；模型权重通过 Hugging Face 的 google/timesfm-3.0-pytorch 等集合获取。8
• 边界：README 没有描述 API key 或账号要求，但 BigQuery ML、Vertex Model Garden 等云端入口可能涉及 Google Cloud 权限。TimesFM 3.0 预训练权重使用单独的非商业、非生产许可证；源代码和 2.5 及之前的权重采用 Apache-2.0。这个开源仓库也不是 Google 官方支持产品。8
• 为什么今天收录：342 个窗口新增 stars 说明它今天仍在升温；它把“玩模型”变成一条很具体的路径：喂入历史数据，拿到预测序列，再检查预测是否符合自己的数据。

9. ML-From-Scratch：用 NumPy 把机器学习拆开看

• 热度快照：Python daily 第 20 名；累计 32,616 stars，窗口新增 26 stars。9
• 它做什么：ML-From-Scratch 用 Python 和 NumPy 从头实现监督学习、无监督学习、强化学习和深度学习算法，让读者直接看到模型由哪些步骤组成。9
• 最快反馈：安装后运行多项式回归或卷积神经网络示例，观察训练和预测输出。两个入口分别是 python mlfromscratch/examples/polynomial_regression.py 与 python mlfromscratch/examples/convolutional_neural_network.py。9
• 最短试玩：执行 git clone https://github.com/eriklindernoren/ML-From-Scratch，进入目录后运行 python setup.py install，再执行上面的示例。9
• 边界：README 没有提出账号、API key 或额外系统权限要求；示例使用 MNIST、moons、CartPole-v1 等数据或环境。项目采用 MIT License。
• 为什么今天收录：窗口新增只有 26，但它提供的是最容易复跑的模型反馈；读者可以从一条示例脚本开始，把“模型在做什么”落到代码和输出上。

10. SGLang：把大模型变成可调用的服务

• 热度快照：Python daily 第 21 名；累计 35,481 stars，窗口新增 836 stars。10
• 它做什么：SGLang 是大语言模型和多模态模型的高性能服务框架，包含 RadixAttention 前缀缓存、连续批处理、结构化输出、量化和 OpenAI API 兼容等能力。它面向模型服务部署，不是面向普通用户的桌面 App。10
• 最快反馈：按官方 Quick Start 启动模型服务，再发一次请求，观察返回的文本或结构化结果；OpenAI API 后端教程是最短的验证路径。11
• 最短试玩：先读 Install SGLang，再读 Quick Start 和 OpenAI API completions 教程。README 把具体安装步骤放在官方文档中，没有在仓库首页给出一条通用命令。10
• 边界：README 列出 NVIDIA、AMD、Intel CPU、Google TPU 和 Ascend NPU 等硬件方向；实际选择要按模型和后端核对。读者至少要准备模型、驱动和服务端环境，GPU 方向门槛明显高于前面的本地小工具。项目采用 Apache-2.0。10
• 为什么今天收录：836 个窗口新增 stars 是本期最高的关注度信号；它适合已经有 GPU 或模型服务环境的读者，用一次 API 请求确认性能工程如何落到实际调用上。

最后按试玩成本挑入口

• 想立刻看结果：OpenSuperWhisper 可以从 Homebrew 安装；ML-From-Scratch 可以直接跑示例；anthropics/skills 可以在 Claude Code 里装一个技能。
• 手上有模型 API key：Clicky 和 MathModelAgent 的反馈更完整，但前者还要 Cloudflare、音频转写和语音合成服务，后者会把建模过程写成项目文件。
• 手上有 Apple Silicon 或 Colab / 加速器：OpenSuperWhisper 更适合本机听写；WeatherNext 适合观察气象模型输出；TimesFM 适合把自己的时间序列喂给预测模型。
• 已经在用 coding agent 或 GPU 服务：Microsoft Power Platform Skills、GPUI Kit 和 SGLang 分别对应企业开发工作流、原生桌面 UI 和模型服务。它们的共同点是入口明确，成本也需要提前看清。