# Shopify掌门的磁盘手术刀：两千星前夜的一期 ## 本期发掘思路 本期走的是“两千星前夜”路线：7个仓库全部是9月新鲜出炉的新仓库——3个近7天新建、4个近45天新建，Star 数取自2026年9月30日晨间的 GitHub Search API 快照，最大的还没破两千，恰好卡在“爆发前夜”的窗口期。选题刻意跨层铺开：从 Rust 桌面工具，到 Agent 生态的四块地基（找代码、存记忆、配界面、搭组织），再到大厂开源的多模态模型和一部本地视频工作台。最抓眼的开场角色，是 Shopify 掌门人亲手写的磁盘树图——CEO 下场撸桌面工具，几天冲到近两千星。 --- ## 1. tobi/disktree | ⭐1935 | 近7天新建，9月30日快照在榜 **一句话定位：把“磁盘满了”从终端苦役，变成一次可视化扫荡。** 磁盘空间是所有人的老痛点：`du -sh` 逐层翻目录、ncdu 全键盘操作，普通用户面对红掉的磁盘只剩两条老路——命令行苦熬，或者装一个十年没更新的老 GUI。disktree 的思路一句话就能讲清：给磁盘画一张 treemap（矩形树图），谁占的格子大谁就是元凶，看图、定位、删除，一气呵成。 两个实现细节值得单独说： - **Rust + GPUI**。GPUI 正是当红编辑器 Zed 的自研界面框架，拿它写一个磁盘工具属于高射炮打蚊子——但换来的是瞬时渲染和原生质感，大目录扫起来不卡脸。 - **为 Omarchy 而生**。Omarchy 是 DHH 搭的那套 Arch 开箱即用环境，disktree 从定位到审美都延续这套极简哲学：一个工具只做一件事。 最大的彩蛋是作者：仓库 ID 是 `tobi`——Shopify 创始人 Tobias Lütke 用了十几年的老账号。掌门人下班不开会，回家写 Rust 删文件工具，这本身就是这个仓库最好的广告。 - **上手难度：★★☆☆☆** - **适用人群**：Linux 桌面用户、Omarchy 用户、所有被磁盘红条逼过的人。 - **变现思路**：二开成 macOS/Windows 的付费磁盘清理器，对标 CleanMyMac 的开源对照面；或作为 Omarchy 生态的组件随发行式分发。 ## 2. dzhng/jevgrep | ⭐1815 | 近7天新建，9月30日快照在榜 **一句话定位：让编码 Agent 用“问它是干嘛的”代替“猜关键词”来找代码。** grep 和 glob 是 Agent 找文件的老办法，全靠关键词命中：猜错一个词，就多烧一轮上下文。jevgrep 的自述只有一句——"Find code by asking what it does"（通过问它做什么来找代码）。它把检索从“字符匹配”拉回“语义提问”：忘了函数叫什么名字不要紧，说得出它在干嘛就行。这对人是日常刚需，对 Agent 则是实打实的 token 节流。 背景信息有两层：作者 ID `dzhng`，正是此前爆火的开源 deep-research 项目的作者，做“让 AI 自己找资料”这件事是二连击；更值得注意的是生态信号——同期另一个新仓库 yibie/awesome-jev（⭐1998）专门收录基于 Jev 的项目与集成，几天攒到近两千星，说明一个围绕 Jev 的小生态正在冒头（Jev 的完整架构仓库页尚未展开，感兴趣者建议直接深读源码）。 - **上手难度：★★★☆☆** - **适用人群**：Agent 工具链开发者、被大仓库导航折磨的工程师。 - **变现思路**：作为检索组件嵌进 MCP 服务或 Agent 平台按量收费；这个位置历来是 dev tools 的并购热区。 ## 3. tigerless-labs/agent-memory | ⭐1799 | 近45天新建，9月30日快照在榜 **一句话定位：把 Agent 的长期记忆做成一堆 Markdown 文件——文本即数据库。** 当前 Agent 记忆方案是两极分化：要么接云端向量库，黑盒、月费、数据出门；要么自己糊一个临时方案，跑三个月就散架。agent-memory 的赌注写在自述里：**plain Markdown 作为唯一事实源，加上本地排序检索**。 这个选择背后的产权逻辑比技术本身更值钱：记忆文件能 `git diff`、能人肉审计、能整体打包搬家，换模型不换记忆。所有“我的 Agent 到底记了我什么”的焦虑，都被一个 `ls` 解决。要划清一条界线：这不是“给 Agent 记笔记的提示词技巧”，而是一个可独立部署的运行时（runtime）——前者是方法论，这个是地基。 - **上手难度：★★★☆☆** - **适用人群**：自部署 Agent 玩家、需要私有化记忆层的企业内部工具组。 - **变现思路**：企业落地 Agent 产品绕不开记忆，且预算正往“数据不出域”倾斜——本地优先的记忆运行时是现成的私有化底座。 ## 4. hardbeat920/monocode | ⭐1739 | 近45天新建，9月30日快照在榜 **一句话定位：给散落在终端里的编码 Agent，配一块统一仪表盘。** 2026 年重度用户的日常是这样的：三个终端窗口，各跑一个 Claude Code 或 Codex，谁在改哪个文件、谁卡住了、谁跑完了，全靠人肉 alt-tab 巡场。monocode 的自述干脆只有一句："A GUI for your coding agents"——把终端里的 Agent 工作收进一个图形界面里看管。 赛道信号比单个仓库更重要：同期还有 OnlistTeam/ai-manager（⭐1015）在做 AI 编码工具的桌面管理器，两个新仓库一周内先后冒头，说明“多 Agent 管理界面”这个位置刚刚被发现，还没有霸主。这类工具的护城河不深，先发者拼的是覆盖的工具数量和看板的信息密度。 - **上手难度：★★☆☆☆** - **适用人群**：同时挂多个编码 Agent 的重度用户、想把 Agent 用况纳入管理视线的小团队。 - **变现思路**：标准付费剧本是团队版——任务看板、算力成本统计、审阅留痕；对管理岗是刚需。 ## 5. cbrock84/headcount | ⭐1715 | 近45天新建，9月30日快照在榜 **一句话定位：把“一家公司”的编制表写成代码，直接装进你的 Agent。** 自述信息量很大：**15+ 个部门、125+ 个技能、每个部件可独立安装**——这不是又一个单体提示词合集，而是把组织架构图本身做成了仓库：市场部、客服部、研发部各有编制，部门下的技能按需安装，一人公司主可以照着组织行为学给自己的 AI 员工发工牌。 需要和另一类项目划清界限：此前火过的“公司大脑”类项目（如 supermemory 的 company-brain）管的是团队记忆与知识沉淀，headcount 管的是**编制与分工**——一个是档案室，一个是组织架构。抽象层次不同，甚至可以叠着用。 上手门槛偏高：你得先理解多 Agent 编排的基本玩法，才知道怎么给“部门”派活。但一旦跑通，它可能是把“AI 员工”从玩具推向生产的最短路径之一。 - **上手难度：★★★★☆** - **适用人群**：一人公司主、超级个体、想标准化 Agent 分工的极客团队。 - **变现思路**：卖垂直行业“编制包”——电商运营公司包、律所包、自媒体工作室包，模板市场是这套抽象的天然终点。 ## 6. Tencent/WeMM-Embedding | ⭐1699 | 近45天新建，9月30日快照在榜 **一句话定位：微信视觉团队开源的通用多模态嵌入模型家族。** 先补一句科普：embedding（嵌入）是把文字或图片压成一串向量，语义越近的向量距离越近——它是搜索、推荐、去重、RAG 共同的地基。而“多模态”版本意味着文字和图片落在同一个向量空间里，“以文搜图、以图搜图、素材去重、相似内容推荐”可以共用同一个底座。 这个仓库的看点在于出身：自述定位是微信视觉团队（WeChat Vision Team）出品的**通用多模态嵌入模型家族**——不是论文复刻，而是在微信体量的图文场景里被实际使用过的工程产物。大厂把这类地基开源出来，等于把私有化图文搜索的门槛砍掉一大截。具体各型号的跑分与规格，以仓库评测页为准，本栏目不做背书。 - **上手难度：★★★★☆** - **适用人群**：搜索/推荐方向 ML 工程师、做素材管理产品的团队。 - **变现思路**：二开成私有化图文搜索、素材去重、内容审核预筛服务，对版权敏感的行业（图库、电商、媒体）是硬需求。 ## 7. glanderness/BeefTV | ⭐574 | 近7天新建，本期最低星 **一句话定位：本地优先、轻量、AI 原生的视频工作台。** 三个关键词就是全部产品哲学：**Local-first**（素材不出门——原始 footage 是创作者最私密的资产）、**lightweight**（不逼你换工作站）、**AI-native**（AI 是原生件，不是后装的插件）。具体功能清单与支持格式以仓库 README 为准，此处不展开脑补。 它进本期名单，靠的是标准的“早鸟票”逻辑：574 星、建仓不满一周、方向独特——视频赛道最近的叙事全被“AI 生成视频”和“云端剪辑”垄断，喊着“你的素材别上传”的本地工作台反而成了空位。风险也摆在明面上：星数低意味着文档薄、社区小、随时可能改方向，属于 watch-list 型仓库，适合蹲产不适合押注。 - **上手难度：★★☆☆☆** - **适用人群**：担心素材上云的独立创作者、本地素材囤积党。 - **变现思路**：创作者隐私是一条被验证过的付费赛道——“素材值钱所以别上传”这句话本身就是定价权。 --- ## 本期横向对比 | 仓库 | 类型 | Star（9/30快照） | 上手难度 | 一句话场景 | |---|---|---|---|---| | tobi/disktree | 桌面工具（Rust） | 1935 | ★★☆☆☆ | 一张树图揪出吃磁盘的元凶 | | dzhng/jevgrep | Agent 检索 CLI | 1815 | ★★★☆☆ | 按语义找代码，省 Agent 的上下文 | | tigerless-labs/agent-memory | Agent 基础设施 | 1799 | ★★★☆☆ | Markdown 即记忆，数据不出本机 | | hardbeat920/monocode | Agent GUI | 1739 | ★★☆☆☆ | 多个终端 Agent 收进一块仪表盘 | | cbrock84/headcount | Agent 组织框架 | 1715 | ★★★★☆ | 给 AI 员工发工牌的编制仓库 | | Tencent/WeMM-Embedding | 多模态模型 | 1699 | ★★★★☆ | 图文同空间的私有检索地基 | | glanderness/BeefTV | 视频工作台 | 574 | ★★☆☆☆ | 素材不出门的本地剪辑台 | ```mermaid mindmap root((两千星前夜七仓)) 桌面工具 disktree 磁盘树图 Agent地基 jevgrep 语义找码 agent-memory 本地记忆 Agent界面 monocode 统一仪表盘 headcount 公司制编制 模型与应用 WeMM 向量地基 BeefTV 本地视频台 ``` ## 本期之最 - **最值得立即尝试：tobi/disktree**——痛点人人都有，装了就能用，Rust + GPUI 的流畅度值得专门体验一次。顺手可以逛逛它的同门：为 Omarchy 生态写的小工具普遍有“一把刀只开一个刃”的克制。 - **最有商业潜力：tigerless-labs/agent-memory**——每个要落地的 Agent 产品都绕不开记忆，而企业预算正在从“云端全托管”转向“数据不出域”。Markdown 事实源 + 本地检索这套组合，是私有化记忆层现成的地基。 - **最被低估：cbrock84/headcount**——星数在三强之下，但“编制即代码”这个抽象一旦被验证，天花板不是工具，而是模板市场：每一个垂直行业都缺一张能直接跑的 AI 公司组织架构图。 ## 参考来源 1. [GitHub Search API：近7天新建仓库按 Star 排序](https://api.github.com/search/repositories?q=created%3A%3E2026-09-23&sort=stars) — 本刊系统每日预抓的快照（2026-09-30 07:14 UTC），本文全部 Star 数与“近7天/近45天新建”判定依据 2. [tobi/disktree](https://github.com/tobi/disktree) — 磁盘树图工具，Rust + GPUI 3. [dzhng/jevgrep](https://github.com/dzhng/jevgrep) — 按语义找代码的 Agent CLI；生态见 [yibie/awesome-jev](https://github.com/yibie/awesome-jev) 4. [tigerless-labs/agent-memory](https://github.com/tigerless-labs/agent-memory) — Markdown 事实源的 Agent 记忆运行时 5. [hardbeat920/monocode](https://github.com/hardbeat920/monocode) — 编码 Agent 的图形界面；同赛道见 [OnlistTeam/ai-manager](https://github.com/OnlistTeam/ai-manager) 6. [cbrock84/headcount](https://github.com/cbrock84/headcount) — 15+ 部门、125+ 技能的 Agent 公司制组织 7. [Tencent/WeMM-Embedding](https://github.com/Tencent/WeMM-Embedding) — 微信视觉团队的多模态嵌入模型家族 8. [glanderness/BeefTV](https://github.com/glanderness/BeefTV) — 本地优先的 AI 原生视频工作台 > [!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。