趋势总览

2026年2月11日的GitHub趋势榜呈现出"AI原生工具主导、生产力优化凸显"的鲜明特征。上榜项目聚焦三大核心方向：一是LLM驱动的信息处理与结构化提取，以Google的langextract为代表，解决非结构化文本的价值挖掘难题；二是AI辅助的开发工作流与浏览器自动化，github-aw、chrome-devtools-mcp等项目构建起 agent 与开发工具的协同生态；三是普惠性AI资源与实践指南，ai-engineering-hub、free-llm-api-resources 降低了AI工程化的入门门槛。整体来看，趋势项目普遍具备"低代码接入、高场景适配、强工具协同"的特点，标志着AI技术正从理论验证走向产业级落地应用。

项目详细整理（按提升度降序排列）

项目1：langextract

• 核心应用场景：基于LLM的非结构化文本结构化提取，支持临床笔记、报告、文学作品等多场景，可实现实体识别、关系提取、情感分析等定制化任务，适配长文档处理与多模型部署需求。
• 项目地址：https://github.com/google/langextract
• 编程语言：Python（99.6%）、其他（0.4%）
• 项目热度：30k Stars，2k Forks，127 Commits，18+位贡献者，最新版本v1.1.1（2025年11月27日）
• 项目详情：Google开源的Python库，通过LLM将非结构化文本转化为结构化数据，核心优势包括精确源定位（每处提取可追溯至原文位置）、可靠结构化输出（基于少样本示例的一致 schema）、长文档优化（文本分块、并行处理、多轮提取策略）、交互式可视化（生成HTML文件呈现提取实体）。支持Gemini、OpenAI等云模型及Ollama本地模型，无需微调即可适配医疗、文学、办公等多领域，提供PyPI安装、源码编译、Docker部署三种方式，配套医疗提取、放射报告结构化等场景化示例。

项目2：PowerToys

• 核心应用场景：Windows系统生产力增强工具集，覆盖窗口管理、文件处理、快捷键定制、AI辅助粘贴等25+功能，适配Windows 10/11系统的个人与企业用户。
• 项目地址：https://github.com/microsoft/PowerToys
• 编程语言：C#（61.9%）、C++（35.6%）、PowerShell（1.4%）、其他（1.1%）
• 项目热度：129k Stars，7.7k Forks，8,831 Commits，599+位贡献者，最新版本v0.97.2（2026年2月10日）
• 项目详情：微软开源的Windows增强工具套件，核心功能包括FancyZones窗口布局管理、PowerRename批量重命名、Advanced Paste AI辅助粘贴、Color Picker取色工具等。2026年2月发布的v0.97.2版本修复了Advanced Paste设置页崩溃、Image Resizer兼容性等问题，v0.97系列新增多显示器光标_wrap、命令面板主题定制、中文拼音匹配等功能。支持EXE安装、微软商店、WinGet等多种部署方式，提供企业级GPO策略支持，是Windows power user的必备工具。

项目3：ai-engineering-hub

• 核心应用场景：AI工程化学习与实践平台，提供LLM、RAG、AI Agent等技术的入门教程与生产级项目示例，覆盖初学者到高级开发者的全技能提升路径。
• 项目地址：https://github.com/patchy631/ai-engineering-hub
• 编程语言：Jupyter Notebook（85.8%）、Python（7.4%）、TypeScript（6.4%）、其他（0.4%）
• 项目热度：28.4k Stars，4.7k Forks，497 Commits，15位贡献者
• 项目详情：包含93+个生产就绪型项目，按难度分为入门（22个）、中级（48个）、高级（23个）三类。入门项目涵盖OCR、简单RAG、本地ChatGPT等基础应用；中级项目聚焦Agentic RAG、多模态处理、MCP协议集成等进阶场景；高级项目涉及模型微调、生产级部署、复杂Agent系统构建。提供AI工程化学习路线图、模型对比评测、实战案例源码等资源，支持订阅新闻通讯获取150+数据科学核心课程。

项目4：chrome-devtools-mcp

• 核心应用场景：AI编码助手的Chrome浏览器控制与调试工具，支持浏览器自动化、性能分析、网络请求监控等功能，适配Gemini、Claude、Copilot等主流AI编码工具。
• 项目地址：https://github.com/ChromeDevTools/chrome-devtools-mcp
• 编程语言：TypeScript（96.9%）、JavaScript（3.1%）
• 项目热度：23.8k Stars，1.4k Forks，516 Commits，55+位贡献者，最新版本v0.17.0（2026年2月10日）
• 项目详情：基于Model-Context-Protocol（MCP）的服务器工具，让AI编码助手具备Chrome DevTools的完整能力，核心功能包括输入自动化（点击、表单填充等8种工具）、导航控制（页面跳转、等待等6种工具）、性能分析（痕迹录制、洞察提取等3种工具）、调试工具（脚本执行、截图等5种工具）。支持无头模式、自定义Chrome路径、WebSocket连接等配置，适配Amp、Claude Code、VS Code Copilot等20+种MCP客户端，可用于网页自动化测试、性能优化、前端开发辅助等场景。

项目5：free-llm-api-resources

• 核心应用场景：免费LLM API资源聚合清单，涵盖免费访问与试用学分两类资源，为开发者提供零成本的LLM调用方案。
• 项目地址：https://github.com/cheahjs/free-llm-api-resources
• 编程语言：Python（100%）
• 项目热度：9k Stars，871 Forks，395 Commits，5位贡献者
• 项目详情：收录13家免费LLM提供商与12家提供试用学分的服务商，详细列出各平台的模型支持、调用限制、验证要求等关键信息。免费提供商包括OpenRouter、Google AI Studio、NVIDIA NIM等，支持Gemma、Llama、Qwen等主流模型；试用学分提供商包括Fireworks、AI21、Upstage等，提供1-30美元不等的初始额度。明确排除非合法服务，强调资源合理使用原则，是AI开发者降低实验成本的实用参考。

项目6：compound-engineering-plugin

• 核心应用场景：Claude Code的工程化工作流插件，实现"规划-开发-评审-沉淀"的闭环管理，适配团队协作与个人开发场景。
• 项目地址：https://github.com/EveryInc/compound-engineering-plugin
• 编程语言：TypeScript（52.3%）、Python（31.4%）、Ruby（10.3%）、Shell（6.0%）
• 项目热度：8.3k Stars，652 Forks，174 Commits，24+位贡献者
• 项目详情：基于"复合工程"理念设计，核心工作流包括/workflows:plan（需求转实现方案）、/workflows:work（任务跟踪与分支管理）、/workflows:review（多Agent代码评审）、/workflows:compound（知识沉淀与复用）。支持Claude Code原生安装，可实验性转换为OpenCode、Codex格式，支持个人配置同步（技能、MCP服务器等），旨在通过知识复利降低技术债务，提升开发效率。

项目7：gh-aw

• 核心应用场景：GitHub Actions的AI智能工作流工具，支持自然语言编写工作流，实现仓库任务的自动化执行与安全管控。
• 项目地址：https://github.com/github/gh-aw
• 编程语言：Go（74.9%）、JavaScript（23.5%）、Shell（1.4%）、其他（0.2%）
• 项目热度：1.6k Stars，117 Forks，6,665 Commits，27+位贡献者，最新版本v0.43.5（2026年2月11日）
• 项目详情：GitHub官方开源的Agentic工作流工具，核心优势在于安全防护机制，默认提供只读权限，写操作需通过净化后的safe-outputs实现，支持沙箱执行、输入校验、依赖锁定等多层防护。支持团队权限管控与关键操作人工审批，配套Agent Workflow Firewall（网络访问控制）、MCP Gateway（统一接入管理）等辅助项目，可用于CI/CD自动化、仓库维护、代码质量管控等GitHub生态场景。

重点项目深度洞察

chrome-devtools-mcp——AI编码助手的"第三只眼"，构建人机协同开发新生态

“独学而无友，则孤陋而寡闻”，AI编码助手的发展同样遵循这一规律。此前，Gemini、Claude等AI编码工具虽具备强大的代码生成能力，但缺乏与浏览器的深度协同，无法直接验证代码效果、分析网页性能、调试前端应用，导致"生成-验证-修改"的闭环断裂。chrome-devtools-mcp的出现，恰好填补了这一空白，它如同为AI编码助手装上了"第三只眼"，使其能够直接操控Chrome浏览器，实现从代码生成到效果验证的全流程自动化。

该项目的核心创新在于对MCP协议的深度应用与Chrome DevTools能力的模块化封装。通过将浏览器操作拆解为输入自动化、导航控制、性能分析等24种原子工具，AI编码助手可根据任务需求灵活组合调用：开发前端页面时，能自动打开浏览器、执行代码、截取效果截图；优化网页性能时，可录制性能痕迹、分析网络请求、生成优化建议；测试交互功能时，可模拟用户点击、表单填充、对话框处理等操作。这种"AI决策+工具执行"的协同模式，不仅提升了开发效率，更拓展了AI编码助手的应用边界——从单纯的代码生成，延伸到调试、测试、优化等全生命周期环节。

从行业趋势来看，chrome-devtools-mcp正推动开发工具的"Agent化转型"。正如古人所言"君子生非异也，善假于物也"，AI编码助手的能力边界不再局限于自身的模型能力，而是取决于其调用外部工具的广度与深度。该项目支持20+种主流AI编码工具的接入，形成了开放协同的生态格局，未来有望进一步整合更多开发工具（如IDE调试器、API测试工具），构建起"AI Agent为核心、专业工具为外延"的开发新范式。对于开发者而言，这意味着开发流程将从"人操作工具"向"人指导AI操作工具"转变，开发者专注于需求分析与方案设计，而繁琐的执行与验证工作则由AI与工具协同完成，从而释放更多创造力。

思维导向图

## 🔍 GitHub趋势核心方向
- AI驱动的信息处理
  - langextract：非结构化文本结构化提取
  - free-llm-api-resources：免费LLM API聚合
- 开发工作流优化
  - gh-aw：GitHub Actions AI工作流
  - chrome-devtools-mcp：浏览器自动化调试
- 生产力工具与学习平台
  - PowerToys：Windows增强工具集
  - ai-engineering-hub：AI工程化实践指南
  - compound-engineering-plugin：工程化工作流插件
## 📊 趋势特征
- 低代码接入：少样本配置、自然语言指令
- 高场景适配：跨领域、多平台兼容
- 强工具协同：AI与专业工具深度融合
## 🎯 核心价值
- 效率提升：自动化重复工作、缩短流程闭环
- 门槛降低：普惠性资源、模块化工具
- 可靠性增强：精确溯源、安全防护

更多内容关注公众号"快乐王子AI说"