AI前沿速递｜Strix 50K星AI黑客自动渗透、taste-skill 74K星专治AI丑UI、百度Unlimited-OCR一口气拆完PDF、MiniMax-H3有声视频生成
今晚这波 GitHub 有点意思，四个项目四个方向：安全、设计、文档、视频，没有一个是重复前几期的老面孔。按惯例先说结论——最让我兴奋的是 Strix，最让我想吐槽的是 AI 审美这件事，最实用的是百度的 OCR，最「哇」的是 MiniMax 的 H3。一个个来。
1. usestrix/strix — ⭐50.3K，让AI黑客团队替你打工
Strix 是个开源的 AI 渗透测试工具，说白了就是一群「AI 黑客」自动跑你的代码、找漏洞、还真的把漏洞利用出来给你看。跟传统扫描器最大的区别是：它不是靠特征库猜，而是真的把 PoC（概念验证）跑通，所以基本没有传统扫描器那种满屏误报的毛病。
- 内置完整渗透工具箱：侦察、利用、验证一条龙，开箱即用
- 多 Agent 协同：一组 AI 渗透测试员并行干活，还能互相配合
- 真漏洞验证：给出能跑通的 PoC，而不是一堆假阳性
- 自动修复建议 + 合规报告：扫完直接生成 patch 和报告
- 能接 CI/CD：每次 PR 自动扫一遍，烂代码进不了生产
- Apache-2.0，Python 写的，pip 装就行
上手：装个 Docker、配一个 LLM API key（OpenAI/Anthropic/Google 都行），然后一条命令开扫，结果存到 strix_runs/。
实话： 我没拿它真去扫过什么目标——这玩意儿是主动攻击型的，只能扫你自己有书面授权的系统，乱扫违法，别作死。适合安全团队、想认真搞 bug bounty 的人，以及那些被安全测试排期拖了三个月的大厂开发者。想尝鲜的小白建议先拿 CTF 靶场练手。
2. Leonxlnx/taste-skill — ⭐74.6K，给AI装上「审美」
74K 星，这增长速度说明大家都被 AI 生成的丑界面恶心坏了。taste-skill 是一套 Agent Skills，专门治 AI 做前端时那股「模板味」——就是那种满屏圆角卡片、紫蓝渐变、千篇一律的垃圾 UI（英文叫 slop，翻译成「AI 味」很贴切）。
- 核心技能 v2 版：读需求→推断设计语言→调三个旋钮（VARIANCE 变化度 / MOTION 动效 / DENSITY 密度）
- 多种风格变体：极简（Notion 风）、粗野主义（Swiss 排版）、高级软设计、工业风，挑着用
- 硬性规则：禁止 em-dash 滥用、禁止占位符注释、强制完整输出
- 还能生成设计参考图，配合 ChatGPT 图片生成，再丢给 Codex/Cursor 落地
- MIT 协议，跟 Claude Code、Codex、Cursor 全兼容
上手：npx skills add https://github.com/Leonxlnx/taste-skill 一条命令装完。
实话： 我没实测（我自己写文章不写 UI），但 74K 星里应该有大量被 AI 丑图折磨过的冤种。适合 vibe coding 重度用户、被 AI 前端丑哭的独立开发者。说实话，这项目本身挺「meta」的——用 AI 教 AI 审美，人类在旁边看戏。
3. baidu/Unlimited-OCR — ⭐22.7K，一次性拆完整个文档
百度开源的 OCR 模型，主打「一次长程解析」：一张图、一个几十页 PDF，一次推理全拆完，不用分页切块。官方说是把 DeepSeek-OCR 再往前推一步，MIT 协议直接开源。
- 单图 / 多页 PDF 一次解析，最长 32K 上下文
- 支持 transformers、vLLM、SGLang 三种推理方式，还有官方 Docker 镜像
- 论文已发 arXiv，数据、模型 HuggingFace 和 ModelScope 都有
- 对中文文档、版面复杂的扫描件友好（这本来就是百度强项）
上手：transformers 加载 baidu/Unlimited-OCR 就行，GPU 跑；要上生产直接拉 vllm/vllm-openai:unlimited-ocr 镜像起服务，OpenAI 兼容接口。
实话： 没实测，家里没大显存 GPU（模型不小，得 24G 以上才舒服）。适合搞 RAG 的、做档案数字化的、以及被扫描版 PDF 折磨过的打工人。我那个「PDF 转 Markdown」的需求清单上，它已经排进前三了。
4. MiniMax-AI/MiniMax-H3 — ⭐1.1K，能听懂指令的视频生成
MiniMax 刚开源的第三代视频生成系统，星数不高但技术含量拉满：这是一个「全模态」生成系统——文本、图片、视频、音频统一理解，生成视频时自带原生立体声，最高 2K 分辨率、15 秒时长、24fps、32kHz 立体声，支持 11 种语言对话。
- 两种模式：FL2VA（首尾帧生成视频）和 Ref2VA（全参考模式：最多 9 张图 + 3 段视频 + 3 段音频混着当输入）
- H3-Context-IR 模块：先把复杂的多模态指令理解透彻再生成，输出质量关键
- 视频带原生音频，不用后期配音，对口型也稳
- 官方还送了 9 个风格化技能包（产品广告、3D 动画、纸艺定格、MV 字幕……），
npx skills add直接装
上手：仓库代码开源但模型走 API（platform.minimax.io），或者直接海螺网页版玩。
实话： 我就看了看示例视频，没跑本地推理——这玩意儿本地跑不现实，老老实实 API。适合做短视频、广告、游戏宣传片的人，跟之前的视频编辑开源项目刚好互补。
今晚的观察
四个项目放一起，能看出点名堂：AI 在从「能说」往「能干活、干得漂亮」走。Strix 让 AI 干安全测试的脏活，taste-skill 让 AI 输出有审美，OCR 让 AI 读懂长文档，H3 让 AI 直接产出带声音的视频——全是「落地干活」的方向，纯聊天吹水的项目越来越少了。
另外一个有意思的信号：Agent Skills 这个生态是真的起来了，这周两个项目（taste-skill 和 MiniMax-H3）都带技能包，npx skills add 都快成标配了。以后装 AI 能力可能就跟装 npm 包一样自然。
以上项目均未深度实测，信息来自各仓库 README 与官方文档，上手前请自行验证。
by 数码罗记·godsun.pro
