这周翻GitHub周趋势榜（8月最后一周），我发现一条国内几乎没有讨论的主线：**Agent开始“长记性”了、开始“替人找工作”了、开始“留案底”了**。三个方向各有一个爆火项目，全部开源免费，但国内社群里几乎看不到像样的中文拆解。这篇文章带你把4个工具一次看完：每个都有官网链接、实测数据、安装命令和国内对比，看完就能动手。
---
## 一、OpenViking：给Agent装一个“会自己长大”的记忆库
**仓库**：https://github.com/volcengine/OpenViking
**数据**：33,903 Star，本周新增 3,078 Star，Python，AGPLv3 开源
这是字节跳动旗下火山引擎开源的 **Agent 上下文数据库**，一句话定位：把 Agent 的记忆、知识库（RAG）和技能统一成一个虚拟文件系统，用 `viking://` 协议访问。Agent 找上下文不再查黑盒向量库，而是像开发者一样 `ls`、`tree`、`find` 自己的记忆。
它最值得学的设计是**三层按需加载**——每个条目写入时就处理成 L0/L1/L2 三级，任务需要多深就加载多深：
```mermaid
flowchart TD
A[Agent 写入新上下文
文档 / 记忆 / 技能] --> B[异步语义处理]
B --> C["L0 抽象层
约100 token，一句话判断相关性"]
B --> D["L1 概览层
约2k token，结构与要点"]
B --> E["L2 细节层
完整原始内容"]
F[Agent 发起检索] --> G[向量检索先定位
得分最高的目录]
G --> H{任务需要多深?}
H -->|快速过滤| C
H -->|规划方案| D
H -->|真正执行| E
C --> I[按需加载，大幅省 token]
D --> I
E --> I
I --> J[检索轨迹全程可回放
结果错了能看到是哪条路径产生]
```
**实测数据（官方 benchmark，底层方法来自其 VikingMem 论文，已被 VLDB 2026 接收）**：在长对话记忆测试 LoCoMo 上，Claude Code 原生记忆准确率 57.21%，接入 OpenViking 后到 80.32%；OpenClaw 从 24.20% 拉到 82.08%。同时输入 token 下降 34.3%–91.0%，查询延迟下降 58.45%–66.10%。在 tau2-bench 多轮 Agent 任务上，经验记忆让任务成功率提升 6.87（零售）到 11.87（航空）个百分点。数字是官方自测，但量级足够说明问题。
**上手三步**：
```bash
pip install openviking --upgrade
openviking-server init # 交互式向导：选模型、写配置
openviking-server # 启动，然后用 ov CLI / Claude Code 接入
```
值得注意：`init` 向导原生支持 **GLM、Kimi、Ollama 本地模型**，国内用户不愁接入。官方集成列表里明确有 Claude Code、Codex、Cursor、TRAE、OpenCode、MCP 客户端和 LangChain/LangGraph。
**价格**：开源版完全免费且功能无阉割（官方原话"not crippled"），模型费用走你自己的 key；火山引擎托管 SaaS 版个人免费试用 50 个文件以内。
**国内对比**：国内做知识库大多还是“向量库 + Top-K 召回”的老三样，召回为什么差、差在哪基本不可观测。OpenViking 的差异点恰好是可观测（检索轨迹可回放）和省钱（分层加载）。**适用人群**：在给 Claude Code/Cursor 做长期记忆、企业知识库、Agent 记账式经验沉淀的人。
---
## 二、career-ops：把你现成的 AI CLI 变成求职指挥中心
**仓库**：https://github.com/santifer/career-ops
**数据**：68,894 Star，本周新增 2,611 Star，MIT 开源，README 称获 WIRED 与 Business Insider 报道
这是本周我对信息差感受最强的一个。作者 Santiago（santifer）把自己求职的全流程做成了开源系统：**用你已经装好的 AI 编码 CLI（Claude Code / Codex / OpenCode / Antigravity 等）跑一套完整的求职流水线**。他本人用它评估了 740+ 个职位、生成 100+ 份定制简历，最终拿下 Head of Applied AI 的offer（作者自述，仓库里有可审计的"HIRED"故事墙）。
核心工作流：
```mermaid
flowchart LR
A[粘贴职位 URL 或 JD] --> B[Archetype 岗位分类
LLMOps/Agentic/PM/FDE...]
B --> C[A-H 结构化评估
拿 cv.md 与 JD 逐块推理匹配]
C --> D["Block G 合法性检查
识别诈骗岗/幽灵岗位"]
C --> E[生成 ATS 优化 PDF 简历]
C --> F[写入求职追踪器
单一事实源]
D --> G["全局 1-5 评分
低于 4.0 建议不投"]
H["scan 模式定时扫描
100+ 预配置公司门户]"] --> A
F --> I[contacto 模式找招聘负责人
起草≤300字触达消息]
```
几个国内同行没做到的细节：
- **Block G 反幽灵岗位检测**：专门评估招聘帖真实性，还能识别明确不提供签证sponsor的硬阻断项——投海外岗尤其值钱。
- **绝不自动投递**：所有邮件、申请都是草稿态，human-in-the-loop，规避了被封号/滥发风险。
- **免费能跑通**：官方文档给了 `FREE_TIER.md`（用 Antigravity CLI 免费额度零成本跑）和 `RUNNING_ON_A_BUDGET.md`（OpenRouter 免费模型 / Ollama 本地模型）。
**上手一条命令**：
```bash
npx @santifer/career-ops init
cd career-ops && claude # 或 codex / opencode / qwen
```
首次启动会像聊天一样引导你录入简历、画像和目标岗位。
**国内对比**：它的扫描器针对的是 Greenhouse、Ashby、Lever 这些海外 ATS 系统（预配置了 Anthropic、OpenAI、ElevenLabs、n8n 等 100+ 公司），国内招聘平台没有开放 API 所以用不上——**但这恰恰是重点：它天生适合想投海外远程岗的中国开发者**。国内同类“代投简历”服务按次收费，这个免费开源。**适用人群**：找远程工作、出海求职、或想研究“Agent 工作流产品化”范式的开发者。
---
## 三、Apache Maka：给 Agent 的每一次操作“留案底”
**仓库**：https://github.com/apache/maka
**数据**：3,769 Star，本周新增 1,978 Star，Apache 2.0，已进入 Apache 孵化器
注意它已经挂着 `apache/` 的前缀——能进 ASF 孵化器的 AI Agent 项目非常少见。定位是 **local-first 的 Agent 工作台**，但真正的杀手锏是架构理念："**Log is the Runtime**"——模型消息、工具调用、工具结果、权限决策、终止事件，全部以 append-only 日志形式记录为可恢复的执行事实，会话、UI、上下文都只是这份日志的投影。
说人话：**你的 AI 干过什么、看过什么文件、谁批准的，全部有据可查、可回放、可恢复**。它还内置了 Eval 评测框架，可以跨 Maka 和外部 Agent 跑可复现的对比实验。这在企业合规、金融、需要向老板/审计证明“AI 没乱来”的场景里是刚需——目前市面上大多数 Agent 产品并不给你完整的执行日志导出。
**限制要说清楚**：目前还没有正式 Apache release，需从源码构建（`npm ci && npm run dev`），要求 Node.js 22.19+，桌面端仅支持 Apple Silicon Mac；Windows/Linux 还没支持。**适用人群**：现在可以只 star 观察，等 release；做企业级 Agent 平台的人值得现在就研究它的架构文档。
---
## 四、顺手值得 star 的两个
- **openhuman**（https://github.com/tinyhumansai/openhuman）：Rust 写的"个人 AI 超级智能”，38,548 Star、本周 +2,178。主打本地优先的人生记忆库 + Agent 编队编排 + 深度研究，方向与 OpenViking 呼应——个人记忆基建正在成为新品类。
- **claude-plugins-community**（https://github.com/anthropics/claude-plugins-community）：Anthropic 官方的 Claude Cowork / Claude Code 社区插件市场，本周 +2,069 Star。插件生态从野路子走向官方目录化，做 Claude Code 插件的同学建议尽早上架（提交入口在 clau.de/plugin-directory-submission）。
另外周榜第二名是国人项目 **awesome-gpt-image-2**（23,013 Star，本周狂揽 11,300）：GPT-Image2 提示词逆向工程库，530+ 案例、20+ 工业级模板，做图像生成的可以直接抄模板。
---
## 信息差总结
| 你以为的 | 别人已经知道的 |
|---|---|
| Agent 记忆 = 向量库 + Top-K，效果黑盒 | OpenViking 把记忆做成 `viking://` 文件系统，L0/L1/L2 分层加载，token 省 34%–91%，检索可回放 |
| 求职只能人肉刷招聘网站 | career-ops 用现成的 Claude Code 扫描 100+ 海外公司 ATS 门户，作者 740+ 职位实测上岸 |
| Agent 干了什么无所谓，反正能用 | Apache Maka 把每次工具调用记成 append-only 日志，可审计可恢复，已进 Apache 孵化器 |
| Claude Code 插件还是社区自嗨 | Anthropic 已上线官方社区插件市场，插件分发正式平台化 |
| 好工具都要花钱 | 本周 4 个项目全部开源免费，模型费都能走免费额度或本地模型 |
## 行动指南
1. **今晚就能做**：`pip install openviking --upgrade` → `openviking-server init`（选 GLM 或 Kimi）→ 按官方文档把记忆召回接进你的 Claude Code。
2. **本周末做**：`npx @santifer/career-ops init`，用 Antigravity 免费额度跑通一次职位评估，把目标公司加进 `portals.yml`。
3. **只花 5 分钟**：star 并 watch `apache/maka`，等首个 Apache release 邮件通知。
4. **做插件生意的**：研究 `claude-plugins-community` 的目录结构，抢占早期目录位置。
## 参考来源
1. GitHub 本周趋势榜：https://github.com/trending?since=weekly
2. OpenViking 仓库与官方 benchmark：https://github.com/volcengine/OpenViking
3. career-ops 仓库与作者案例：https://github.com/santifer/career-ops
4. Apache Maka 仓库与架构文档：https://github.com/apache/maka
5. Anthropic 社区插件市场：https://github.com/anthropics/claude-plugins-community
---
> 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。
> 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
> [!tip] 51学通信知识星球
> **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。
> **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。
> **当前规模**：5200 篇主题 / 990 个回答，198 元/年。
> **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。
> **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。
