🌟 2025-12-25 GitHub Python 熱點項目精選(15個)

每日同步 GitHub Trending 趨勢，篩選優質 Python 項目，助力開發者快速把握技術風向標～

📋 項目列表（按 Star 數排序）

1. rendercv/rendercv

RenderCV 是一個基於 Typst 的學術和工程師簡歷生成器。它允許用户以 YAML 格式編寫簡歷內容，然後通過運行 RenderCV 生成具有完美排版的 PDF 文件。RenderCV 的特點包括：版本控制友好（因為它是基於文本的）、專注於內容（無需擔心格式問題）、提供完美排版（像素級對齊和間距處理）。

2. google/langextract

LangExtract 是一個 Python 庫，用於從非結構化文本中提取結構化信息。它利用大型語言模型（LLM），根據用户定義的指令從文本文檔中提取關鍵信息，並確保提取的數據與源文本對應。LangExtract 的優勢包括精確的源文本定位、可靠的結構化輸出、優化的長文檔處理能力、交互式可視化以及靈活的 LLM 支持。

3. vllm-project/vllm-omni

vLLM-Omni 是一個用於高效模型推理的框架，支持全模態（omni-modality）模型。它擴展了 vLLM 對文本自迴歸生成任務的支持，增加了對圖像、視頻和音頻數據處理的能力，以及非自迴歸架構（如 Diffusion Transformers）的支持。vLLM-Omni 以快速、靈活和易於使用的特點，支持多種流行的開源模型，包括 Qwen-Omni 和 Qwen-Image 等。

4. davila7/claude-code-templates

Claude Code Templates 是一個用於配置和監控 Claude Code 的命令行工具。它提供了一系列現成的配置，包括 AI 代理、自定義命令、設置、鈎子、外部集成（MCPs）和項目模板，以增強開發工作流程。用户可以通過簡單的命令安裝和管理這些組件，提高開發效率。

5. safety-research/bloom

bloom 是一個開源工具，用於自動評估大型語言模型（LLM）的行為。它接受一個評估配置（“種子”），指定目標行為（如奉承、政治偏見或自我保護）、示例對話和用户感興趣的交互類型，然後生成一個評估套件，嘗試揭示目標模型的選定行為。bloom 的特點是能夠根據不同的“種子”生成不同的評估套件，支持多種模型和靈活的配置。

6. yichuan-w/LEANN

LEANN 是一個創新的向量數據庫，旨在將個人設備轉變為強大的 RAG 系統。它通過圖基選擇性重計算和高階保持剪枝技術，實現了在存儲空間減少 97% 的情況下，仍然保持與傳統解決方案相同的搜索質量。LEANN 支持對個人數據（如文件系統、電子郵件、瀏覽器歷史等）進行語義搜索，完全在本地運行，無需雲服務，保護用户隱私。

7. apurvsinghgautam/robin

Robin 是一個 AI 驅動的暗網 OSINT（開源情報）工具，利用大型語言模型（LLM）來優化查詢、過濾暗網搜索引擎的結果，並提供調查總結。它具有模塊化架構、多模型支持、CLI 首選設計、Docker 部署支持、自定義報告功能以及可擴展性，適用於終端用户和自動化任務。

8. anthropics/skills

Anthropic 的技能庫是一個公共倉庫，包含為 Claude 設計的技能實現。這些技能是包含指令、腳本和資源的文件夾，Claude 可以動態加載它們，以提高在特定任務上的表現。技能庫展示了 Claude 技能系統的可能性，涵蓋了從創意應用（藝術、音樂、設計）到技術任務（測試 Web 應用、MCP 服務器生成）以及企業工作流程（通信、品牌等）的各種技能。

9. xerrors/Yuxi-Know

Yuxi-Know 是一個結合了 LightRAG 知識庫和知識圖譜技術的智能體開發平台，基於 LangChain v1 + Vue + FastAPI 架構構建。它集成了主流大模型、LightRAG、MinerU、PP-Structure、Neo4j、聯網檢索和工具調用等功能，提供了一套完整的智能體開發工具，適合基於此項目構建自己的智能體平台。

10. LMCache/LMCache

LMCache 是一個用於加速 LLM（大型語言模型）推理的緩存層，可以顯著減少首次響應時間（TTFT）並提高吞吐量，特別是在處理長文本上下文時。它通過在 GPU、CPU DRAM 和本地磁盤等不同位置存儲可重用文本的鍵值緩存，實現了在不同服務引擎實例中重用任何文本的緩存，從而節省 GPU 資源並減少用户響應延遲。

11. swisskyrepo/PayloadsAllTheThings

Payloads All The Things 是一個收集了大量有用負載和繞過技術的倉庫，用於 Web 應用安全、滲透測試（Pentest）和 CTF（Capture The Flag）競賽。它涵蓋了各種漏洞的利用方法和示例負載，包括 SQL 注入、XSS、SSRF 等，旨在幫助安全研究人員和滲透測試人員更好地理解和利用這些漏洞。

12. vwxyzjn/cleanrl

CleanRL 是一個深度強化學習庫，提供高質量的單文件算法實現，並具有研究友好的特性。它支持多種算法（如 PPO、DQN、C51、DDPG、TD3、SAC、PPG 等），並提供了詳細的實現細節和易於理解的代碼結構。CleanRL 還支持 Tensorboard 日誌記錄、本地可復現性、遊戲視頻捕獲、實驗管理等功能，適合研究人員和開發者進行算法研究和實驗。

13. hesreallyhim/awesome-claude-code

Awesome Claude Code 是一個精選的 Claude Code 命令、文件和工作流的集合。它提供了一系列高質量的資源，包括用於軟件工程核心能力的命令、子代理、技能和鈎子，以及針對特定項目的工作流。這些資源旨在幫助用户更好地利用 Claude Code 進行開發工作，提高工作效率和代碼質量。

14. home-assistant/core

Home Assistant 是一個開源的家庭自動化平台，強調本地控制和隱私保護。它支持多種設備和集成，允許用户通過簡單的配置和自動化腳本控制家中的各種設備。Home Assistant 提供了豐富的文檔、社區支持和大量的集成選項，適合運行在 Raspberry Pi 或本地服務器上。

15. zai-org/GLM-4.5

GLM-4.5 是一個為智能代理設計的基礎模型，具有 3550 億總參數和 320 億活躍參數。它統一了推理、編碼和智能代理的能力，以滿足智能代理應用的複雜需求。GLM-4.5 提供了兩種模式：思考模式（用於複雜推理和工具使用）和非思考模式（用於即時響應）。該模型在多個行業標準基準測試中表現出色，具有開源的基模型、混合推理模型和 FP8 版本，適用於商業和二次開發。

📝 説明

• 數據來源：GitHub Trending（2025-12-25 每日榜單）
• 篩選條件：Python 語言 + 當日熱門項目
• 自動更新：每日同步最新趨勢，建議收藏本文持續關注～

⭐ 推薦理由

1. 熱門項目代表當前技術趨勢，學習價值高
2. 優質項目代碼規範，可作為學習參考
3. 部分項目可直接用於實際開發，提高效率