首页 › new-tools › AI自动搞科研:GitHub今日4个新工具

凌晨刷GitHub新星榜,一个数据把我看清醒了:一个叫 PRAXIST 的项目,7天内冲到 4810 Star,简介只有一句话——“让研究可度量、可机器执行”。什么意思?AI不再只帮你读论文、写综述,而是自己立项、自己跑实验、自己交结果。今天这篇,我把同一批榜单里另外3个同样“路子很野”的新工具一起拆给你:一个要革剪映命的Concat、一个“不写AGENTS.md、直接用梯度下降训它”的backpass、还有一个把VS Code塞进终端的terminal-code。全部开源免费,Star数均为2026年8月31日早间(UTC)素材快照,链接全部附在文末。


一、PRAXIST:它不是科研助手,它是“科研员工”

仓库:sapientinc/PRAXIST | ⭐4810(近7天新建仓库榜第一)

官方一句话描述:Autonomous research system for measurable, computer-executable research——面向“可度量、计算机可执行研究”的自主研究系统。

拆开讲,这句话里有三个关键词,每个都踩在当下Agent圈的痛点上:

  1. 自主(Autonomous):不是你问它答,而是给它一个研究目标,它自己拆解问题、设计方案、执行验证。它同时也是一个Claude Code Skill(出现在官方Skills生态新上架列表里),也就是说你可以直接在Claude Code里挂载它当“科研部门”。
  2. 可度量(measurable):这是它和市面上99%的“AI科研”项目的分水岭。大量AI科研工具的产出是“一篇像论文的东西”,看着唬人,没法验证。PRAXIST强调结果必须可度量——有指标、能复现。
  3. 可机器执行(computer-executable):产出不是PDF,是能在计算机上跑起来的东西——代码、实验、数据。这直接绕开了“AI写论文灌水”这个已经被海外社区骂烂的赛道。

为什么值得关注:海外现在有个明显的趋势——从“AI帮你查资料”转向“AI替你做验证”。上几期我们聊过的“AI无人值守8小时”、“84天反编译N64”都是这个方向的极端案例,而PRAXIST试图把它做成标准化的基础设施。它目前是这波趋势里Star涨得最猛的一个。

与国内的对比:国内AI+科研的玩法大多集中在文献摘要、论文润色、查重降重这一层——本质还是“读写分离”,AI管读,人管想。端到端“给目标、交结果”的公开项目,国内还很少见到对标物。做学术工程、算法验证、论文复现的朋友,这个仓库值得放到watch列表里。

适用人群:科研工程师、算法岗、需要做技术选型验证的后端/架构师、以及所有“想验证一个想法但没人力跑实验”的独立开发者。

提醒一句:项目很新,具体能力边界、License条款请以仓库README为准,别拿它直接当生产工具赌重要结论。

二、Concat:海外程序员受不了CapCut,自己写了个开源替身

仓库:jub0t/Concat | ⭐767

简介简单粗暴:Free & Open-Source CapCut replacement——免费开源的CapCut(海外版剪映)替代品。

这个项目火得很有情绪基础。CapCut出海这几年在海外插得很深,但海外用户对它的怨气也攒了很久:闭源、功能往订阅里塞、商用条款一变再变。于是有开发者直接动手做了个开源替身——注意,做“剪映平替”的不是中国团队,而是一批海外开发者,这本身就很有信息量:剪映验证过的产品形态,正在被开源社区反向复刻,就像当年VS Code之于Eclipse。

为什么值得关注:

与国内对比:国内剪映依然是绝大多数人的默认选择,专业版免费额度也很能打。Concat对你的价值不是“立刻迁移”,而是三个场景:① 做海外业务,担心条款与合规;② 服务器/脚本环境批量出片;③ 想二改一个自己的剪辑管线。这三条剪映一条都满足不了。

三、backpass:AGENTS.md不写了,直接“训练”它

仓库:kunchenguid/backpass | ⭐611

这是我今天看到最有“认知冲击”的一句话简介:You don't write AGENTS.md. You train it with gradient descent.——你不用手写AGENTS.md,你用梯度下降去训练它。

背景快速补一下:AGENTS.md是这两年Coding Agent生态的“事实标准”——你在仓库根目录放一个说明文件,告诉Agent这个项目的规矩:目录结构、构建命令、代码风格、禁区。问题在于,写它和维护它的成本极高:项目一变它就过期,而大多数人的AGENTS.md是AI自己生成后再没更新过的“一次性文件”。

backpass的思路是把这件事从“写文档”变成“训练”:把Agent跑任务时的失败与纠正当作反馈信号,反过来迭代优化这份指令文件——本质上是把提示词工程,往“基于反馈的自动优化”推了一步。据仓库描述,这就是它的核心机制;具体实现细节(用的是真梯度、还是进化式搜索式的“伪梯度”),建议直接读源码确认,作者没有在简介里展开。

为什么值得关注:它指向一个正在成形的共识——2026年Agent效果的分水岭,不在模型,在“喂给模型的上下文质量”。此前我们聊过“提示词缓存让账单降四成”、“一个插件让AI少写54%代码”,都是同一个母题:上下文工程(Context Engineering)。backpass是把这件事自动化的一次认真尝试。

与国内对比:国内团队普遍还在“人工维护提示词+CLAUDE.md/AGENTS.md”的阶段,好一点的配了评审流程。自动从执行反馈里回收信号的玩法,国内公开项目里几乎空白。做AI编程工具、内部Agent平台的朋友,这个仓库的思路本身值一次精读。

四、terminal-code:把VS Code整个塞回终端

仓库:zenbu-labs/terminal-code | ⭐1786

简介只有五个词:VS Code in the terminal。

听起来像逆向操作——行业花了十年把编辑器搬进GUI,现在又搬回去?其实逻辑是顺的:AI编程的主战场正在从“IDE里的补全”转移到“终端里的Agent”。Claude Code、Codex CLI这批工具证明了:当Agent替你写大部分代码时,你需要的不是花哨的编辑区,而是一个能同时盯多个Agent会话、看diff、批审批的强终端环境。GUI反而成了累赘。

terminal-code的赌注就在这:保留VS Code的交互心智(命令面板、快捷键、扩展生态的那套手感),但运行在终端里,SSH进服务器也能用、tmux里也能跑、低配VPS上也不卡。1786 Star说明这个赌注有不少人买账。

与国内对比:国内开发者两个极端——一端重度依赖JetBrains全家桶,一端深耕vim/neovim。terminal-code卡在中间的生态位:“要VS Code的熟悉感,但只要终端的部署成本”。如果你经常SSH到公司跳板机或云开发机上干活,这个工具几乎是为你定制的。

加映一个:同榜还有个 chrisgreg/boop(⭐638),给开发者做的自托管通知收件箱——“你的应用里发生了什么事,Boop统一推给你”。当你真的让多个Agent同时跑任务,“事件去哪了”会成为新痛点,boop就是冲这个缝隙去的。篇幅原因不展开,先占个位。

五、把4个工具串成一条工作流

单看都是好工具,串起来才见威力。下面是我基于各仓库官方描述构想的组合玩法:

flowchart LR
    subgraph Research["研究层"]
        A["PRAXIST<br/>自主跑研究/实验"] --> B["可执行结论+代码"]
    end
    subgraph Dev["开发层"]
        C["terminal-code<br/>终端里的VS Code"] --> D["Coding Agent干活"]
        E["backpass<br/>反馈回传训练AGENTS.md"] --> C
    end
    subgraph Ops["运营层"]
        F["Concat<br/>开源剪辑出演示视频"]
        G["boop<br/>自托管通知收件箱"]
    end
    B --> C
    D --> E
    D --> G
    F --> G

一个独立开发者的闭环就齐了:PRAXIST验证想法 → terminal-code里指挥Agent实现 → backpass持续优化项目规程 → Concat出宣传视频 → boop兜底所有事件通知。全程零订阅费。

信息差总结

维度 你以为的 实际情况
AI做科研 只能帮我读论文、写摘要 PRAXIST类系统已能“给目标、交可执行结果”(⭐4810)
视频剪辑 剪映无可替代 海外开源社区已在反向复刻CapCut(Concat)
AGENTS.md 手写+手动维护 已出现“用梯度下降训练它”的方案(backpass)
编程工具 GUI编辑器是终点 Agent时代主战场回流终端(terminal-code ⭐1786)
成本 好工具都要订阅 以上全部开源免费、可自托管

行动指南

  1. 今天就做(5分钟):打开文末4个仓库链接,逐个点Star+Watch,新工具前30天迭代最快,Watch通知就是免费情报源。
  2. 本周做(1小时):挑一个最痛的场景试用——经常SSH的装terminal-code;维护着CLAUDE.md/AGENTS.md的精读backpass源码;有剪辑需求的跑一遍Concat。
  3. 本月做:如果你在做内部AI平台,把backpass的“执行反馈→指令文件回写”思路做成内部分享,这个方向6个月内大概率会卷起来,先知先觉就是优势。
  4. 谨慎项:4个项目全部是新仓库,API和功能随时会破坏性变更,不要直接进生产关键路径。

参考来源

  1. PRAXIST仓库:https://github.com/sapientinc/PRAXIST
  2. Concat仓库:https://github.com/jub0t/Concat
  3. backpass仓库:https://github.com/kunchenguid/backpass
  4. terminal-code仓库:https://github.com/zenbu-labs/terminal-code
  5. boop仓库:https://github.com/chrisgreg/boop

(Star数与项目描述来自2026-08-31 07:18 UTC的GitHub Search API快照,后续以仓库实时数据为准;各工具功能细节以官方README为准。)


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。

51学通信知识星球海报-扫码加入