# 从 26M 小模型到单文件图数据库：本期 7 个值得 star 的开源宝藏 ## 本期发掘思路 这一轮我把探照灯从「AI 应用层」往下打：一层打向**模型与系统底层**——能塞进手机手表的 26M 参数函数调用模型、用 Zig 手写的单文件图数据库、纯浏览器里跑的 pdfTeX 编译器；另一层打向**开发者与创作者的日常痛点**—— monorepo 代码问答、免费 LLM 聚合、本地 3D 生成、邮箱足迹侦查。7 个项目横跨模型、数据库、编译器、创意工具与安全，全部为近一周真实抓取的 GitHub 周榜与 Show HN 数据（2026-08-28），其中两个是刚冒头的新仓库，Star 还没起飞，正是上车的好时机。 --- ## 1. cactus-compute/needle — 塞进手表的 26M 参数「函数调用」专用模型 **[cactus-compute/needle](https://github.com/cactus-compute/needle)** | ⭐ 7,821（本周 +3,838） | Python，活跃更新中 当大家都在把模型越做越大时，needle 反其道而行：官方定位是一个仅 **14MB、约 2600 万参数**的基础模型，专为手机、手表、智能家居和机器人等微型设备设计。它只干一件事——**函数调用**：输入一句自然语言和一组 JSON Schema 工具定义，输出结构化的工具调用 JSON，没有对话、没有多轮推理。 实现亮点在架构层面：它采用名为 Simple Attention Network 的实验性编码器-解码器结构，**完全砍掉了 Transformer 中的 FFN 层**（通常吃掉约 2/3 参数），把参数重新分配给更深的注意力堆栈——因为团队认识到工具调用本质是「检索与组装」任务。据 zread.ai 的深度解析，该模型从 Gemini 3.1 蒸馏而来，部署在 Cactus 运行时上可达预填充 6000 tokens/秒、解码 1200 tokens/秒；预训练仅用 16 块 TPU v6e 跑了 27 小时，权重与合成训练数据全部开源在 HuggingFace。 - **上手难度**：⭐⭐⭐（自带 playground，`needle playground` 一条命令起 Web UI，微调需懂 Python） - **适用人群**：边缘 AI / IoT 开发者、想做端侧 Agent 的团队 - **变现思路**：以极低占用做「设备端意图路由」——智能硬件厂商的语音指令分发、可穿戴设备的离线工具调用 SDK，授权版或托管微调服务都是方向 ## 2. jeffhajewski/latticedb — Zig 手写的「图数据库版 SQLite」 **[jeffhajewski/latticedb](https://github.com/jeffhajewski/latticedb)** | 新晋仓库（本周凭 Show HN 冲上 181 分、49 条讨论） | Zig，MIT HN 上一句介绍精准概括它：「Like SQLite, but for graph databases」。LatticeDB 是一个**嵌入式单文件属性图数据库**：整个数据库就是一个可移植文件，零配置、无服务端，却在同一套 Cypher 风格查询语言里同时提供**图遍历、HNSW 向量检索和 BM25 全文搜索**三件套——这正是 Graph RAG、Agent 记忆这类负载最需要的组合。 性能数据是它敢叫板 SQLite 的底气（作者基准，Apple M1 单线程）：节点查询 0.13μs；100 万向量上 10-NN 检索平均 0.83ms、召回率 100%；深度 50 的图遍历比 SQLite 递归 CTE 快 **2,819 倍**；BM25 搜索约 19μs。更难得的是 README 里专门写了「什么时候不该用它」：单写者模型、不支持跨机扩展、Cypher 未实现 OPTIONAL MATCH——这种诚实在新项目里相当罕见。提供 Python / TypeScript / Go 三种绑定。 - **上手难度**：⭐⭐（装好即用，Python API 十几行就能跑通「向量+图+全文」混合查询） - **适用人群**：做本地知识库、Agent 记忆、RAG 原型圈的独立开发者 - **变现思路**：嵌入式数据库的经典路线——开放核心 + 云端/商业授权，或围绕 Agent 记忆做上层托管服务 ## 3. swimmingbrain/texbrain — 整个 LaTeX 工作流搬进浏览器标签页 **[swimmingbrain/texbrain](https://github.com/swimmingbrain/texbrain)** | 新晋仓库（Show HN 117 分、27 条讨论） | Svelte/TypeScript，MIT 作者写毕业论文时受够了「在线工具把 git 同步锁在付费墙里、本地环境换台机器就崩」，于是做了这个：**无账号、无后端、打开网页就能写 LaTeX 并编译出 PDF** 的纯前端编辑器，在线体验地址 tex.swimmingbrain.dev。 技术上相当硬核：编译用的是 SwiftLaTeX 的 **pdfTeX WebAssembly 移植**，编译在内存文件系统里完成，缺什么宏包就按需从 TeX Live 镜像（jsDelivr）拉取并缓存，重编译仅 1-5 秒；Git 全套操作（clone/branch/commit/push）由 isomorphic-git 在浏览器内实现；配合 File System Access API 直接读写本地项目文件夹。编辑器是 CodeMirror 6，带 70+ 命令自动补全、命令面板和代码片段库，加载后可完全离线。唯一限制：直接读写本地文件夹需要 Chromium 系浏览器。代码、写作、预览、版本管理一个标签页全包，还免费。 - **上手难度**：⭐（会写 LaTeX 即零门槛，打开即用） - **适用人群**：学生、论文党、偶尔写 LaTeX 的工程师；Overleaf 付费墙的逃逸路线 - **变现思路**：本体坚持 FOSS，可做协作功能托管版、高校/实验室私有化部署支持 ## 4. vitali87/code-graph-rag — 把 monorepo 变成可自然语言问答的知识图谱 **[vitali87/code-graph-rag](https://github.com/vitali87/code-graph-rag)** | ⭐ 4,681（本周 +675） | Python，活跃更新中 grep 只能找字符串，回答不了「哪些类继承了 UserService」「谁调用了鉴权函数」这种**结构性问题**。code-graph-rag 的解法：用 Tree-sitter 把 12 种语言（Python/TS/Rust/Java/C++ 等 8 种完全支持）的代码解析成 AST，抽取函数、类、调用、导入关系，全部灌进 Memgraph 图数据库，再用双模型架构做问答——**小而快的本地模型（如 Ollama）负责把自然语言翻译成 Cypher 查询，强模型负责编排工具和解读结果**，成本可以压得很低。 工程细节很成熟：内容哈希缓存让增量索引只重析改动的文件，大仓库日常使用无压力；它既能当独立 CLI 用，也能以 **MCP 服务器**身份接入 Claude Code 等 AI 编程助手，让 Agent 直接「看懂」代码结构而不是靠模糊检索猜。还可选接 Qdrant 做语义检索与图查询互补。 - **上手难度**：⭐⭐⭐（需 Docker 跑 Memgraph，配好 LLM key 后体验流畅） - **适用人群**：接手大型遗留代码库的工程师、想给内部 AI 助手装「代码结构之眼」的团队 - **变现思路**：封装成企业代码资产盘点/架构审计工具，或作为 AI 编程平台的结构化检索后端 ## 5. tashfeenahmed/freellmapi — 34 家免费 LLM 聚合成一个 /v1 端点 **[tashfeenahmed/freellmapi](https://github.com/tashfeenahmed/freellmapi)** | ⭐ 21,072（本周 +2,014） | TypeScript，活跃更新中 各厂商的免费额度散落在 34 个不同的平台里，注册、找 key、改 SDK 太折腾。freellmapi 把它们统一成**一个 OpenAI 兼容的 /v1 端点**：官方描述覆盖每月 74 亿 token 额度、635 个免费模型端点，内置智能路由与自动故障转移（一个 provider 挂了自动切下一个），API key 加密存储。你的现有代码只要改个 base_url 就能白嫖跑起来。 必须强调仓库自带的定位声明：**「Personal experimentation only」**——免费层各有服务条款，拿去商用或高强度滥用既有封号风险也有合规风险。所以正确的打开方式是：个人实验、原型验证、评估哪个模型适合自己的场景，再决定付费方案。 - **上手难度**：⭐⭐（Docker 自部署 + 配置各家 key，半小时内可通） - **适用人群**：独立开发者、学生、想零成本横向对比模型的人 - **变现思路**：反向思路更有价值——它验证了「LLM 网关/路由」需求，可参考其路由与故障转移设计，做面向企业的多 provider 成本优化网关 ## 6. lightningpixel/modly — 你的显卡上跑文生 3D **[lightningpixel/modly](https://github.com/lightningpixel/modly)** | ⭐ 5,998（本周 +958） | TypeScript，活跃更新中 3D 内容创作长期是专业软件的高门槛领域，而云端生成服务按张收费。modly 的定位一句话讲清：**桌面应用，用本地 AI 从一张图片或一句提示词生成 3D 模型，全程跑在你自己的 GPU 上**——不上传、不订阅、不按次付费。 对独立游戏开发者、3D 打印玩家、做概念设计的创作者来说，这意味着白嫖一个「草稿级 3D 素材生成器」：快速出原型再进 Blender 手工精修，工作流立刻不一样。项目本周还在 GitHub 周榜 TypeScript 分类上稳步爬升，社区活跃度在线（贡献者与依赖机器人持续更新）。想入坑前先确认自己的显卡够格——本地生 3D 对显存有一定要求。 - **上手难度**：⭐⭐（装桌面应用即可，门槛主要在 GPU 硬件） - **适用人群**：独立游戏人、3D 打印爱好者、需要快速 3D 原型的设计师 - **变现思路**：开源内核 + 面向工作室的批量生成/格式转换 Pro 版；或接入游戏引擎资产商店生态 ## 7. megadose/holehe — 一条邮箱地址查出它在哪些平台注册过 **[megadose/holehe](https://github.com/megadose/holehe)** | ⭐ 13,739（本周 +1,704） | Python，维护中 OSINT 圈的老牌利器近期重新翻红、单周涨 1700+ star。原理很巧：它不登录任何网站，而是利用各站**「忘记密码」功能**的响应差异——输入邮箱后，根据「已发送重置邮件」和「该邮箱不存在」两类返回，判断这个邮箱是否注册过 Twitter、Instagram 等站点，纯被动侦察、不触发告警日志里的异常登录。 用法是标准 pip 安装后 `holehe target@email.com` 一条命令。合法用途很明确：渗透测试前的账号资产测绘、安全团队排查员工邮箱暴露面、以及检查**你自己的**邮箱在互联网上留下了多少注册痕迹。请注意：对他人邮箱使用需确保有合法授权，工具本身不代表许可。 - **上手难度**：⭐（一条命令，五分钟上手） - **适用人群**：红队/渗透测试者、安全研究员、想给自己做「数字足迹体检」的普通人 - **变现思路**：适合集成进企业攻击面管理（ASM）产品作为账号暴露检测模块，而非直接售卖 --- ## 本期横向对比 | 仓库 | 类型 | Star | 本周增量 | 上手难度 | 适用场景 | |---|---|---|---|---|---| | cactus-compute/needle | 边缘 AI 模型 | 7,821 | +3,838 | ⭐⭐⭐ | 设备端函数调用/意图路由 | | jeffhajewski/latticedb | 嵌入式图数据库 | 新仓库* | Show HN 181 分 | ⭐⭐ | 本地 Graph RAG / Agent 记忆 | | swimmingbrain/texbrain | 浏览器 LaTeX | 新仓库* | Show HN 117 分 | ⭐ | 论文写作、免安装 LaTeX | | vitali87/code-graph-rag | 代码知识图谱 | 4,681 | +675 | ⭐⭐⭐ | monorepo 理解、AI 编程助手增强 | | tashfeenahmed/freellmapi | LLM 聚合网关 | 21,072 | +2,014 | ⭐⭐ | 免费 LLM 实验与模型横评 | | lightningpixel/modly | 本地文生 3D | 5,998 | +958 | ⭐⭐ | 游戏/打印/设计素材快速原型 | | megadose/holehe | OSINT 安全 | 13,739 | +1,704 | ⭐ | 账号足迹测绘、攻击面侦察 | \* 两个新仓库截至发稿 Star 尚在起步阶段，最新数据以仓库主页为准。 ```text quadrantChart title 本期仓库四象限（x=上手难度，y=当前热度） x-axis 低上手难度 --> 高上手难度 y-axis 低热度 --> 高热度 quadrant-1 明星硬货 quadrant-2 轻松即用 quadrant-3 观望区 quadrant-4 极客自留地 needle: [0.6, 0.85] latticedb: [0.35, 0.55] texbrain: [0.1, 0.5] code-graph-rag: [0.5, 0.35] freellmapi: [0.3, 0.7] modly: [0.35, 0.4] holehe: [0.15, 0.6] ``` ## 本期之最 - **最值得立即尝试**：**texbrain** — 零安装零账号，打开浏览器就能写论文出 PDF，五分钟后你就想收藏。 - **最有商业潜力**：**needle** — 26M 参数专攻函数调用，把「设备端 Agent」的成本打到 14MB，智能硬件厂商的刚需原料。 - **最被低估**：**code-graph-rag** — 4,681 star 相对它的完成度明显偏低，双模型架构 + MCP 接入的设计让每个 AI 编程工作流都值得加一个。 ## 参考来源 1. [GitHub Trending - Weekly](https://github.com/trending?since=weekly) — 本期主要候选池，Star 数与周增量数据抓取于 2026-08-28 2. [GitHub Trending - Python Weekly](https://github.com/trending/python?since=weekly) — needle、code-graph-rag、holehe 等项目数据来源 3. [GitHub Trending - TypeScript Weekly](https://github.com/trending/typescript?since=weekly) — freellmapi、modly 等项目数据来源 4. [Hacker News - Show HN](https://news.ycombinator.com/show) — LatticeDB（181 分）与 TeXbrain（117 分）的社区热度来源 5. [zread.ai：cactus-compute/needle 深度解析](https://zread.ai/cactus-compute/needle) — needle 架构与训练细节 6. [zread.ai：vitali87/code-graph-rag 深度解析](https://zread.ai/vitali87/code-graph-rag) — 代码图谱 RAG 的架构与工具系统 7. [jeffhajewski/latticedb 仓库主页](https://github.com/jeffhajewski/latticedb) — 基准测试数据与功能清单 8. [swimmingbrain/texbrain 仓库主页](https://github.com/swimmingbrain/texbrain) — WASM 编译与 Git 集成实现细节 > [!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。