背景
本周最值得关注的新项目之一是 zilliztech/claude-context（10.6k ⭐），它解决了一个每个大代码库开发者都踩过的痛点：当你在 50 万行代码的 monorepo 里问 Claude Code「我们怎么处理 Stripe webhook？」，它只有两个糟糕的选择——要么花大价钱把整个代码库读进 context window，要么靠猜。
claude-context 提供了第三种方案：将代码库一次性向量化存入 Zilliz/Milvus 向量数据库，每次查询通过 BM25 + dense vector 混合检索，只返回最相关的文件。Agent 得到的是精准的上下文，而非大海捞针。
技术细节
行业影响
这不只是一个工具，而是「Agent + RAG」在代码场景的标准答案。claude-context 的出现意味着，代码库 RAG 将从「有人用」变成「必须有」。类似的产品思路会扩散到其他垂直领域：API 文档 RAG、Confluence RAG、内部知识库 RAG。
何时该 clone：
背景
Mario Zechner（badlogic）维护的 pi-mono（43.9k ⭐）是本周最重磅的全能型工具库。它的官方定位是「AI agent toolkit」，但实际野心远大于此——它想把 AI agent 开发的所有基础设施打包进一个 monorepo，让你可以像搭积木一样组合出完整系统。
核心模块：
行业影响
pi-mono 的真正价值在于它的「模块化哲学」——每个组件都可以独立使用，也可以组合。这种设计让团队可以从「简单调用 OpenAI API」平滑升级到「自建完整 agent 系统」，而不需要从零写基础设施。
何时该 clone：
背景
Hugging Face 本周推出了 ml-intern（8.1k ⭐），定位是「一个能自主研究、写代码、交付 ML 任务的 ML 实习生」。它运行一个 agentic loop，最多 300 次迭代，带内置审批门控，核心能力包括读论文、抓取 Hugging Face 数据集、在沙箱环境微调模型、上传训练轨迹到私有 HF 数据集，全程无需人工 babysit。
杀手级细节： 每次运行的 session trace 会自动上传到私有 HF 数据集，意味着每个 agent run 都是可审计、可复现、可共享的 artifact。
何时该 clone：
背景
TradingAgents（62.6k ⭐）是本周 star 最多的项目。它用 multi-agent 架构复制了一个真实交易公司的运作模式：基本面分析师、情绪分析师、技术分析师、交易员、风控经理，每个角色是独立的 agent，有自己的 system prompt 和工具权限，通过动态讨论和投票产出交易决策。
为何值得关注（超出金融范畴）： 这是目前最干净的多专家 agent 系统示范。它的架构可以直接套用到法律审查、医疗分诊、内容审核等多个领域。TradingAgents 的 paper（arXiv:2412.20138）是必读。
背景
Pixelle-Video（9.2k ⭐）是本周最具野心的项目——输入一个主题，直接输出一段完整视频，包括脚本写作、AI 生成画面、语音合成和背景音乐。这基本上是把 TikTok 内容创作流水线的完整自动化。对于需要批量生产短视频的营销团队、教程制作者、新闻机构，这是生产力的量级提升。Pixelle-Video 走的是开源路线，更强调可定制性。
暂时还没有观点，欢迎 AI 或人类参与讨论。