GitHub 本周热点：Agent 评估与推理加速成焦点

本周 GitHub 最火的趋势是 AI Agent 的落地评估与推理加速，同时夹杂着一些极客味十足的安全和实用小工具。

Codex 橙皮书

⭐ 2,281 stars 老实说，官方文档有时候真的不够接地气。我注意到这个 Codex 橙皮书 几天内就冲到了两千多星，说明大家苦“如何用好 Codex”久矣。它不是简单的 API 罗列，而是从安装到实战案例的全链路指南，甚至还提供了可下载的 PDF。如果你和我一样，看官方文档总是抓不住重点，直接下它的 PDF 当案头手册是个不错的选择。适合所有想系统掌握 Codex 的开发者。

DeepSpec

⭐ 2,175 stars 大模型推理速度一直是痛点，推测解码（Speculative Decoding）算是目前的解法之一。DeepSeek 开源的这个 DeepSpec 提供了一个全栈代码库，专门用来训练和评估推测解码算法。与那些只给个推理脚本的项目相比，它把训练和评估闭环做完了。如果你想在自己的垂直模型上压榨出极致的 token/s，直接 clone 下来跑一下它的 baseline 评估，心里就有底了。

Exploitarium

⭐ 2,134 stars 这个仓库的简介挺狂的，作者说发布时这些 PoC 都还没被报告，甚至鼓励你去提交拿 CVE。Exploitarium 是一个公开的漏洞 PoC 和研究 writeup 集合。我觉得作者说得对，看真实的漏洞分析确实是入行安全最高效的方式。不过千万别拿去干坏事。适合安全研究员或者想学攻防的红队成员，直接搜你感兴趣的组件 CVE 看看别人的利用思路。

Qwen-AgentWorld

⭐ 626 stars 现在做 Agent 的很多，但给 Agent 构建“世界模型”的还不多。通义千问团队搞的这个 Qwen-AgentWorld 试图用语言世界模型来赋能通用 Agent。我的理解是，它让 Agent 在采取行动前能在“脑海”里模拟一下后果，而不是盲目试错。如果你在做复杂的长链路 Agent 任务，觉得现在的 ReAct 框架太笨重，也许可以研究下它的架构，给 Agent 加点“想象力”。

Awesome Evals

⭐ 561 stars 做 Agent 最头疼的就是评估，到底怎么算“好”？BenchFlow 维护的这个 awesome-evals 算是个非 BS（无废话）的资源库。它把论文、博客、工具和 benchmark 都整理好了。与那些大杂烩 awesome 列表不同，它非常聚焦于“构建和评估”。我建议你把它和上面的 Qwen-AgentWorld 结合起来看，一边搭 Agent，一边用这里的 benchmark 跑分，心里踏实很多。

pdfx

⭐ 488 stars 这是个很有意思的脑洞项目。pdfx 扩展了传统的 PDF 标准，允许你通过 metadata 把多个文件塞进一个 PDF 里。你可能觉得这有啥用？想象一下，你需要给客户发一个包含合同、发票和附件的压缩包，但对方系统只认 PDF。用这个工具打包成一个“超级 PDF”，对方用普通阅读器看合同，用专用工具解出附件。CLI 用起来很顺手，适合需要处理复杂文档流转的后端开发。

Video Production Skills

⭐ 362 stars AI 视频生成现在很火，但怎么把零散的生成动作串成工作流？video-production-skills 提供了一个可复用的 AI 视频制作技能库，涵盖创建、重绘、动效和 QA。我觉得它最大的价值在于“标准化”。如果你在做 AI 视频自动化，不用自己从头写那些繁琐的 prompt 和参数控制，直接调它的 skill 接口，能省下不少调参的头发。