先看成品。下面是脚本今天（2026-10-12）自动生成的日报节选：只保留了“今日看点”和第 2、7 两条，其余条目删掉了，第 2、7 条也只截取了部分字段（用 …… 标出）。保留下来的句子没有改动，完整原文见文末。
今日看点
今天的主线很明确：Agent 正从“帮你写代码”扩张到逆向分析、制图和视觉创作，工具形态也开始从聊天框转向 MCP、Skill 和专用 IDE。另一边，AnyPS5、AirLLM 都在绕开传统方案的资源开销，但“能跑”不等于“跑得轻松”，兼容性、磁盘和内存账单仍得仔细看。
2. boykopovar/AnyPS5（C++，今日 +3,952 star，GPL-2.0，创建于 2026-08-03）
- 到底干嘛的：把 PS5 可执行文件转换成 Linux 或 Windows 能运行的本地格式，并补上一套可动态链接的系统 PRX 库实现。
- ……
- 有意思的点：它走的是 relinker 路线，不做模拟器，也不启动独立运行时；着色器重编译器可生成 SPIR-V，并能用 SPIRV-Tools 验证。
- 要注意：项目创建才两个多月，兼容范围有限；README 只明确举出《Dreaming Sarah》可在 GTX 1050 Ti 和 i5-7500 上稳定运行 60 fps。……
7. lyogavin/airllm（Jupyter Notebook，今日 +548 star，Apache-2.0，创建于 2023-06-12）
- ……
- 要注意：省显存不等于省其他资源。README 给出的 Qwen3.8-Flash-Next 示例仍需要约 64GB 主机内存和约 360GB checkpoint 磁盘……
注意“要注意”这一栏：它会替你把 README 里的硬件门槛、协议和成熟度挖出来，这比单看 star 数有用得多。完整日报见文末。
每天早上醒来，这份点评就躺在你的文件夹里。这次 43 秒 就生成好了。不用 n8n，也不用服务器面板，一个 bash 脚本加一行 cron 就够了。
适合谁
- 想每天扫一眼 GitHub 热门，但懒得一个个点进去看英文描述的人；
- 想给团队群、公众号攒素材的人；
- 想学
codex exec怎么放进脚本里跑的人，这是最小、最实用的例子。
准备
- Node.js 16+，然后
npm i -g @openai/codex（我用的是 0.162.1） - 一个 AI Code With 的 API Key：注册/登录控制台 后创建
- Linux 或 macOS（要有 cron），再加上 curl 和 python3（系统自带的就行）
第一步：把 Codex 配置指向 AI Code With 中转站
打开 Codex 的全局配置 ~/.codex/config.toml（没有就新建），改成下面这样：
toml
model_provider = "aicodewith"
model = "gpt-5.6-sol"
[model_providers.aicodewith]
name = "aicodewith"
base_url = "https://api.aicodewith.ai/chatgpt/v1"
wire_api = "responses"
experimental_bearer_token = "sk-你的Key"
别保留env_key那一行，否则 Codex 会报Missing environment variable: AICW_API_KEY，文件里写的 Key 不会生效。
Key 写在这个配置文件里。日常交互用的配置方法见 Codex CLI 接入文档。
第二步：脚本（复制即用）
第二步标了「复制即用」，但脚本里的CODEX_BIN那一行上 cron 前必须改成which codex查到的完整路径，否则定时任务会找不到 codex。
建一个文件夹 ~/trending-daily，把脚本保存为里面的 trending-daily.sh，然后 chmod +x trending-daily.sh：
bash
#!/usr/bin/env bash
# 每天抓 GitHub Trending，用 codex exec 生成中文日报
set -euo pipefail
cd "$(dirname "$0")"
# 上 cron 前必须改这一行：换成 which codex 的完整路径
CODEX_BIN="${CODEX_BIN:-$(command -v codex || echo $HOME/.local/bin/codex)}"
DAY=$(date +%F); mkdir -p data reports logs
# 1) 联网抓取放在 codex 外面（codex 沙箱默认不能联网）
curl -sfL --retry 3 "https://github.com/trending?since=daily" -o "data/$DAY.html"
python3 - "$DAY" <<'PY'
import re, html, json, sys
day = sys.argv[1]
t = open(f"data/{day}.html", encoding="utf-8").read()
out = []
for a in t.split('<article class="Box-row')[1:11]:
m = re.search(r'<h2[^>]*>\s*<a[^>]*href="/([^"]+)"', a)
if not m: continue # GitHub 改版时跳过，别让整份日报挂掉
name = m.group(1)
desc = re.search(r'<p class="col-9[^"]*">(.*?)</p>', a, re.S)
lang = re.search(r'itemprop="programmingLanguage">([^<]+)<', a)
nums = re.findall(r'</svg>\s*([\d,]+)\s*</a>', a)
today = re.search(r'([\d,]+) stars? today', a)
out.append({
"repo": name, "url": f"https://github.com/{name}",
"desc": html.unescape(re.sub(r"\s+", " ", desc.group(1))).strip() if desc else "",
"lang": lang.group(1) if lang else "",
"stars": nums[0] if nums else "", "forks": nums[1] if len(nums) > 1 else "",
"stars_today": today.group(1) if today else "",
})
# 补充每个仓库的 README（截前 2500 字）和基本信息（创建时间、协议）
import urllib.request, re as _re
def get(url, accept):
req = urllib.request.Request(url, headers={"Accept": accept, "User-Agent": "trending-daily"})
try:
with urllib.request.urlopen(req, timeout=20) as r: return r.read().decode("utf-8", "ignore")
except Exception as e: return ""
for r in out:
meta = get(f"https://api.github.com/repos/{r['repo']}", "application/vnd.github+json")
try:
m = json.loads(meta); r["created_at"] = m.get("created_at", "")[:10]
r["license"] = (m.get("license") or {}).get("spdx_id") or "无"
except Exception: r["created_at"] = r["license"] = "未知"
md = get(f"https://api.github.com/repos/{r['repo']}/readme", "application/vnd.github.raw")
md = _re.sub(r"<[^>]+>|!\[[^\]]*\]\([^)]*\)", "", md) # 去掉 HTML 标签和图片
md = _re.sub(r"\n{3,}", "\n\n", md).strip()
r["readme"] = md[:2500] if md else "（README 获取失败）"
if not out: sys.exit("一个仓库都没解析到，可能 GitHub 改版了")
json.dump(out, open(f"data/{day}.json", "w"), ensure_ascii=False, indent=1)
print(f"抓到 {len(out)} 个仓库，README 成功 {sum(1 for r in out if not r['readme'].startswith('（'))} 个")
PY
# 2) 把数据交给 codex，只让它写字，不让它联网、不让它改文件
PROMPT="你是一个懂技术、说话直的中文科技编辑，给中国开发者写每日 GitHub Trending 点评。
下面是今天（$DAY）的榜单 JSON，每个仓库带了 README 前 2500 字、创建日期 created_at 和开源协议 license。
输出中文 Markdown，结构如下：
# GitHub Trending 中文日报 · $DAY
## 今日看点
2-3 句，点出今天榜单的共同趋势或反差，要有观点。
## 榜单
每个仓库：### 序号. owner/repo（语言，今日 +N star，协议，创建于 YYYY-MM-DD）
- **到底干嘛的**：根据 README 用大白话说清楚（1-2 句）
- **有意思的点**：README 里提到的具体技术做法或设计（写具体名词，别写“功能强大”）
- **能用来干嘛**：一个具体使用场景
- **要注意**：成熟度/限制/协议/硬件要求等，比如仓库很新、无协议、README 自称实验性
- 链接
## 编辑推荐
挑 1 个今天最值得动手试的，给出理由和第一步该怎么试（命令或操作要来自 README）。
硬性要求：只用给定数据里的事实，README 没写的不要编，片段里没提到的就写“所给 README 片段未提及”；README 获取失败的就只根据描述写并注明；语气可以活泼、可以吐槽，但不要夸张营销词（颠覆、炸裂、王炸）；直接输出 Markdown，不要代码块包裹全文。
数据：
$(cat "data/$DAY.json")"
"$CODEX_BIN" exec --sandbox read-only --skip-git-repo-check --json \
-o "reports/$DAY.md" "$PROMPT" < /dev/null > "logs/$DAY.jsonl"
grep -o '"usage":{[^}]*}' "logs/$DAY.jsonl" | tail -1
echo "日报已生成：reports/$DAY.md"
思路就四句话：
- curl 抓页面，python 抽成 JSON。 抓取放在 Codex 外面做，因为 Codex 沙箱默认不能联网。
- 再给每个仓库补上 README（截前 2500 字）、创建日期和协议，用的是 GitHub 公开 API，不需要 token。这一步是日报从“复述一句描述”变成“真点评”的关键：模型手里有了 README，才写得出具体技术做法和坑。
- 把 JSON 塞进提示词，让 Codex 只负责写。 用
--sandbox read-only，它既改不了文件也联不了网。但要记住，README 是外部内容，可能夹带“提示注入”，左右日报的措辞或塞进奇怪链接。自己看没关系，要自动推到群里的话，先人工过一眼。 -o把最终回答直接写成 Markdown 文件。--json的日志里留着 token 用量。
第三步：手动跑一次
text
./trending-daily.sh
我这里输出的是：
text
抓到 8 个仓库，README 成功 8 个
"usage":{"input_tokens":20626,"cached_input_tokens":12544,"cache_write_input_tokens":0,"output_tokens":2370,"reasoning_output_tokens":91}
日报已生成：reports/2026-10-12.md
（那天 Trending 页面上只有 8 个仓库，脚本最多取 10 个。）
第四步：codex exec 定时任务，交给 cron 每天 8 点跑
用 crontab -e，加一行：
text
0 8 * * * $HOME/trending-daily/trending-daily.sh >> $HOME/trending-daily/logs/cron.log 2>&1
注意：cron 用的是机器本地时区。服务器如果是 UTC，北京时间 8 点要写成0 0 * * *。macOS 上 cron 需要在系统设置里给cron开“完全磁盘访问”权限；苹果更推荐用 launchd，思路一样。
踩过的坑（1～4 是这次真遇到的，其中 1 是用 env -i 模拟 cron 环境时遇到的）
1. 在 cron 里报 codex: command not found。
我用 env -i 模拟 cron 那种几乎为空的环境，结果抓取成功了，到调用 Codex 时挂了。原因是 cron 的 PATH 只有 /usr/bin:/bin，npm 全局装的 codex 不在这里面。最开始我写的是 $(npm prefix -g)/bin，也不行：我的 shell 里设了 NPM_CONFIG_PREFIX，cron 里没有这个变量，算出来的路径就变了。最稳的办法是 which codex 查到绝对路径，写死在 CODEX_BIN 里。
2. 卡在 Reading additional input from stdin...。
在脚本里跑 codex exec，一定要加 < /dev/null，不然它会一直等标准输入。加了以后这行字照样会打印出来，但不会卡住。
3. 日志里有一行 ERROR codex_core::util: OutputTextDelta without active item。
第一版的两次运行都出现了（升级版那次没有），但退出码是 0，日报也完整，可以不管。
4. GitHub API 返回的协议是 NOASSERTION。
pytorch 明明有协议文件，API 却给了 NOASSERTION，因为 GitHub 没能自动识别出是哪种协议。模型老老实实写了“协议未明确”，没有乱猜，但读者可能会误会。想更准确，可以自己去看仓库的 LICENSE 文件。
5.（这次没撞上，提前防一手）不带 token 调 GitHub API 每小时只有 60 次。
每份日报大约调 16 次（每个仓库 2 次），一天跑一次完全够用。调试时连跑好几遍就可能撞上限额，那时 README 会显示“获取失败”，提示词里已经交代模型遇到这种情况只按描述写。
加 README 前后对比
第一版只给模型 Trending 页上那一行描述，写出来是这样（同一天、同一个仓库）：
- 一句话：自动把 PS5 可执行文件移植到电脑系统。
- 为什么火：从描述看，它瞄准 PS5 程序移植到 Linux 和 Windows 的自动化需求，题材也足够吸睛。
没错，但基本是在翻译描述，八条全是“从描述看……”。加上 README 之后，模型能写出 relinker、SPIR-V、能稳定运行的具体游戏和硬件、64GB 内存这些具体信息。我挑了 7 处具体说法回 README 原文里搜，都能找到出处。
代价是输入 token 翻倍，输出也翻倍。
实测耗时
两次实测耗时如下：
| 版本 | 耗时 |
|---|---|
| 第一版（只有描述） | 87 秒 |
| 第一版（第二次跑） | 153 秒 |
| 升级版（带 README） | 43 秒 |
耗时波动很大（43～153 秒），主要看接口当时的响应速度。
还能怎么玩
- 推到群里：脚本最后加一行
curl发到飞书、钉钉或 Telegram 的 webhook，早上群里就有了（这一步我没实际跑）； - 换数据源：把
since=daily换成since=weekly出周报，或者加上/trending/python只看 Python； - 只看你关心的：在提示词里加一句"只挑和 AI Agent 相关的"。
相关教程
附：2026-10-12 完整日报（升级版原样输出）
仓库信息来自各项目的 README 和 GitHub 公开数据，版权归原作者；点评由 AI 生成，经人工抽查。这份日报是在脚本加“片段未提及”约束之前生成的，当前脚本的提示词多了这一条。
今日看点
今天的主线很明确：Agent 正从“帮你写代码”扩张到逆向分析、制图和视觉创作，工具形态也开始从聊天框转向 MCP、Skill 和专用 IDE。另一边，AnyPS5、AirLLM 都在绕开传统方案的资源开销，但“能跑”不等于“跑得轻松”，兼容性、磁盘和内存账单仍得仔细看。
榜单
1. morluto/rea（TypeScript，今日 +25,599 star，MIT，创建于 2026-04-14）
- 到底干嘛的：给 Agent 接上一套逆向工程工具，让它检查原生二进制、JavaScript/Electron 应用、.NET 程序和网站，并拿出证据解释某个功能是怎么实现的。
- 有意思的点：通过一个 MCP 统一接入分析能力；原生分析可复用 Hopper、Ghidra 或 IDA，静态 JavaScript 分析则不需要原生分析引擎。分析在本地执行，结论会附带证据和局限。
- 能用来干嘛：看到某款 Electron 应用里不错的交互功能，让 Agent 分析其实现方式，再为自己的项目做一个版本。
- 要注意：仓库创建仅约半年；原生二进制分析仍依赖 Hopper、Ghidra 或 IDA 这类外部工具。
- 链接：https://github.com/morluto/rea
2. boykopovar/AnyPS5（C++，今日 +3,952 star，GPL-2.0，创建于 2026-08-03）
- 到底干嘛的：把 PS5 可执行文件转换成 Linux 或 Windows 能运行的本地格式，并补上一套可动态链接的系统 PRX 库实现。
- 有意思的点：它走的是 relinker 路线，不做模拟器，也不启动独立运行时；着色器重编译器可生成 SPIR-V，并能用 SPIRV-Tools 验证。
- 能用来干嘛：在 PC 上研究和验证自己合法取得的 PS5 游戏二进制兼容性。
- 要注意：项目创建才两个多月，兼容范围有限；README 只明确举出《Dreaming Sarah》可在 GTX 1050 Ti 和 i5-7500 上稳定运行 60 fps。遇到不支持或意外状态会直接抛出
std::runtime_error并终止进程。GPL-2.0 only 对分发衍生版本有明确约束。 - 链接：https://github.com/boykopovar/AnyPS5
3. storytold/artcraft（Rust，今日 +2,957 star，Apache-2.0，创建于 2022-03-31）
- 到底干嘛的：一套面向艺术家、设计师和影视创作者的 AI 图像与视频 IDE，可以先搭场景、定构图和机位，再选择模型生成内容。
- 有意思的点：同时提供 2D 图层合成、背景移除和绘图工具，以及 3D 合成、图片转网格、角色摆姿和 kitbashing 场景搭建，重点是让构图和镜头可以重复控制。
- 能用来干嘛：先在同一个虚拟房间里摆好角色和相机，再规划一组环境、人物位置保持一致的连续镜头。
- 要注意：给出的 README 片段主要介绍创作能力，没有说明支持哪些生成模型、运行硬件要求或当前功能完成度，选型前需要继续核对项目文档。
- 链接：https://github.com/storytold/artcraft
4. cathrynlavery/diagram-design（HTML，今日 +1,083 star，MIT，创建于 2026-04-16）
- 到底干嘛的：一个让编码 Agent 生成编辑型图表的 Skill。你用自然语言描述需求，它会挑选图表类型并产出可直接打开的单文件 HTML。
- 有意思的点：支持 44 种图表，输出为自包含的 HTML + SVG；还能从网站提取配色和字体，让后续图表贴合现有品牌，并支持从 draw.io、Mermaid 或 Excalidraw 导入。
- 能用来干嘛：让 Agent 为前端、后端、数据库和 Redis 缓存生成一张项目架构图，直接交付给文档或评审会议。
- 要注意：它依赖支持 Agent Skills 的宿主；README 特别提醒，官方构建只从这个仓库发布，其他名义的目录条目属于非官方副本。涉及联网数据时应先查看
PRIVACY.md。 - 链接：https://github.com/cathrynlavery/diagram-design
5. bilawalsidhu/gods-eye-view（JavaScript，今日 +886 star，协议未明确，创建于 2026-06-22）
- 到底干嘛的：把飞机、船舶、卫星、地震、交通和公共摄像头等公开信号叠到一个照片级 3D 地球上，还能通过实时 AI Agent 进行语音控制。
- 有意思的点：将飞行应答机、船舶信标、轨道要素和地震仪等不同来源统一成可探索图层；程序在本地浏览器运行，初次启动不要求 API Key。
- 能用来干嘛：在一个界面里从全球态势下钻到某架飞机、某艘船或某条街道，并继续接入自己的空间数据图层。
- 要注意：并非所有画面都是真实实时观测：交通是在真实道路上根据聚合位置数据模拟的，CCTV 相机姿态和火箭轨迹也只是粗略估算。给定数据未确认其开源协议。
- 链接：https://github.com/bilawalsidhu/gods-eye-view
6. pytorch/pytorch（Python，今日 +315 star，协议未明确，创建于 2016-08-13）
- 到底干嘛的：提供类似 NumPy 的张量计算和 GPU 加速，并用动态计算图的自动微分系统构建、训练神经网络。
- 有意思的点：核心组件包括张量库
torch、基于 tape 的torch.autograd和与张量深度集成的torch.nn；还能配合 NumPy、SciPy 与 Cython 扩展。 - 能用来干嘛：用 Python 编写需要动态控制流的神经网络训练代码，并把张量计算放到 GPU 上执行。
- 要注意：不同硬件涉及 NVIDIA CUDA、AMD ROCm、Intel GPU 或 Jetson 等不同安装路径，不能只看一句
pip install就收工。给定协议字段为NOASSERTION，README 片段虽列出 License 章节，但未提供具体协议内容。 - 链接：https://github.com/pytorch/pytorch
7. lyogavin/airllm（Jupyter Notebook，今日 +548 star，Apache-2.0，创建于 2023-06-12）
- 到底干嘛的：通过逐层流式装载模型权重，把超大模型推理乃至部分训练塞进小显存显卡，而不依赖量化、蒸馏或剪枝。
- 有意思的点：训练时逐层流入冻结权重、只把 adapter 留在 GPU；对 Kimi K3 采用按专家流式加载，只载入当前 token 实际路由到的专家。Qwen3.8-Flash-Next 的大型 n-gram 表则映射到主机文件。
- 能用来干嘛：在显存有限的单卡机器上实验 70B 模型推理，避免先做量化或裁剪。
- 要注意：省显存不等于省其他资源。README 给出的 Qwen3.8-Flash-Next 示例仍需要约 64GB 主机内存和约 360GB checkpoint 磁盘；部分模型还要求特定 Transformers 版本、
compressed-tensors、flash-attn等依赖。 - 链接：https://github.com/lyogavin/airllm
8. chrislgarry/Apollo-11（Assembly，今日 +466 star，协议未明确，创建于 2014-04-03）
- 到底干嘛的：保存阿波罗 11 号制导计算机的原始汇编源码，包括指令舱的 Comanche055 和登月舱的 Luminary099。
- 有意思的点：代码由 Virtual AGC 与 MIT Museum 数字化；项目接受对照原始扫描件修正转录差异的 PR，本质上既是源码仓库，也是数字档案校勘项目。
- 能用来干嘛：研究阿波罗制导计算机的软件组织方式，或对照 Luminary 099、Comanche 055 原始扫描件参与源码校勘。
- 要注意：这不是面向现代硬件的通用开发库；项目目标是忠实保存历史源码。给定数据未确认其开源协议。
- 链接：https://github.com/chrislgarry/Apollo-11
编辑推荐
今天最值得直接动手的是 cathrynlavery/diagram-design。理由很朴素：输入和产物都轻，安装后用自然语言描述需求，就能得到一个双击即可打开的自包含 HTML + SVG 文件，不需要先配置模型权重、逆向工具或特殊硬件。
第一步按 README 安装：
text
npx skills add cathrynlavery/diagram-design
然后直接对 Agent 说：Make me an architecture diagram of my app: frontend, backend, database, Redis cache.
