オープンソースプロジェクト on KnightLiブログ

GitHub AIオープンソースプロジェクト分類：Coding AgentからRAGナレッジベースまで

Thu, 21 May 2026 08:53:13 +0800

このページでは、GitHub上のAIプロジェクトを用途別に整理します。AIコーディングとCoding Agent、Agentスキルとワークフロー、RAGとナレッジベース、マルチモーダル制作、ローカルモデルと推論、垂直アプリケーションと自動化、AIアプリ開発基盤などの方向を扱います。新しいプロジェクトが増えた場合も、同じ構造で追加できます。

カテゴリ概要

カテゴリ	プロジェクト数	まず見るべき人
AIコーディングとCoding Agent	19	Claude Code、Codex、Cursor、ターミナルAgent、リポジトリ自動化をよく使う人
Agentスキルとワークフロー	7	AIコーディング、研究、制作フローを標準化したい人
RAG、ナレッジベース、メモリ	7	文書検索、ナレッジベース、長期メモリ、Webクロール、構造化抽出が必要な人
垂直アプリケーションと自動化	7	金融、取引、Xianyu監視、デスクトップ操作、ブラウザ自動化などを見たい人
マルチモーダルとコンテンツ制作	5	画像、動画、文字起こし、プロンプト集、コンテンツ配信を扱う人
AIアプリ開発基盤	3	AIアプリ、ブラウザ自動化、Prompt/MCPツールチェーンを構築する開発者
ローカルモデルと推論	1	ローカルDeepSeek、推論エンジン、ハードウェア適配に関心がある人

この分布から、現在のAIオープンソースプロジェクトではAIコーディングツールが最も多く、その次にAgentワークフロー、RAGナレッジベース、具体的な応用シナリオが続くことがわかります。純粋なモデル推論プロジェクトは少なめです。ローカルデプロイの多くは、単一のGitHubプロジェクトではなく、モデル、GPU、デプロイ方案を中心に整理されるためです。

AIコーディングとCoding Agent

このカテゴリは、コード理解、コード修正、エンジニアリングフロー、ターミナルAgentに焦点を当てます。最も大きいグループで、19 件のプロジェクトがあります。

プロジェクト	記事	GitHub	主な用途	向いている人
Ralph	Ralph：Claude CodeとAmpを自律開発ループにする	snarktank/ralph	PRD、計画、実行、レビューの流れでClaude Code / Ampを進める	Agentコーディングの流れを整えたい人
Claude-Mem	Claude-Mem：Claude Codeにセッション横断の長期メモリを追加する	thedotmack/claude-mem	Claude Codeにセッション横断メモリを追加	Claude Codeを頻繁に使う開発者
Claude Code Hooks Mastery	Claude Code Hooks Mastery：13個のHooksライフサイクル入門	disler/claude-code-hooks-mastery	Claude Code Hooksのライフサイクルと自動化制御を学ぶ	Claude Codeをカスタマイズしたい人
Compound Engineering Plugin	Compound Engineering Plugin：AIコーディングを計画、実行、レビューの循環にする	EveryInc/compound-engineering-plugin	AIコーディングを計画、実行、レビューに分ける	工学的なAIコーディングを重視する人
free-claude-code	free-claude-code：Claude CodeをOpenRouter、DeepSeek、ローカルモデルにつなぐ	Alishahryar1/free-claude-code	proxy経由でClaude Codeを複数モデルバックエンドに接続	Claude Codeのコストを下げたい人
Hermes Agent	Hermes Agentとは：概要、利点、クイックスタート、OpenClaw比較	NousResearch/hermes-agent	ツール呼び出しとタスク実行に対応するローカルAgentフレームワーク	ローカルAgentを動かしたい人
OpenHarness	OpenHarnessとは：オープンソースAgent Harnessでできること	HKUDS/OpenHarness	Agent HarnessとマルチAgent実行フレームワーク	Agent編成を研究する人
CodexBridge	Codexを中国系大模型に接続する：OpenAI互換APIとCodexBridge	begonia599/CodexBridge	CodexをOpenAI互換モデルAPIに接続	Codexを国内モデルにつなぎたい人
ccx	CCXでCodex向けOpenAI互換APIを一元管理する	BenedictKing/ccx	Claude、Codex、GeminiなどのAPI proxy管理	複数モデルを切り替える人
cc-haha	cc-haha：Claude Codeをデスクトップワークスペースにする	NanmiCoder/cc-haha	Claude Codeのデスクトップ作業台とComputer Use入口	GUIが好きなClaude Codeユーザー
DeepSeek-TUI	DeepSeek-TUI：DeepSeek V4をターミナルのコーディングAgentにする	Hmbown/DeepSeek-TUI	ターミナルでDeepSeekコーディングAgentを動かす	DeepSeekとCLIユーザー
Open Design	Open Design：Claude CodeとCodexをAIデザインツールにする	nexu-io/open-design	Claude Code / Codexをデザイン生成に参加させる	Agentでデザインプロトタイプを作りたい人
agentmemory	agentmemory：Claude Code、Codex、Cursorに永続メモリを追加する	rohitg00/agentmemory	Coding Agentに永続メモリを追加	長期プロジェクトを保守する開発者
Graphify	Graphify：コードベースをAIが問い合わせできる知識グラフにする	safishamsi/graphify	コードベースを知識グラフ化し、重複したファイル読込を減らす	大規模コードベースのユーザー
CC Switch	CC Switch：Claude Code、Codex、Gemini CLI、OpenClawをまとめて管理する	farion1231/cc-switch	複数AI CLIとアカウント/設定の切替管理	複数CLIを併用する人
Warp	Warpオープンソース化：ターミナルからAgentic Development Environmentへ	warpdotdev/warp	Agenticターミナルと開発環境	ターミナルをよく使う人
opencode	opencode、Claude Code、Codexの違い：オープンソースAIコーディングツールガイド	anomalyco/opencode	オープンソースAIコーディングAgent	Claude Code / Codex代替を探す人
9Router	9Router：Claude Code、Codex、Cursorを一つのAIルーターにつなぐ	decolua/9router	AIコーディングモデルのルーティングとtokenコスト制御	複数ツール、複数モデルのユーザー
goose	goose：デスクトップ、CLI、API一体のオープンソースAI Agent	aaif-goose/goose	デスクトップ、CLI、API対応のオープンソースAgent	汎用Agentワークスペースが欲しい人

Agentスキルとワークフロー

このカテゴリは、AI能力を再利用可能なスキル、プロセス、仕様に固定することに焦点を当てます。7 件のプロジェクトがあります。

プロジェクト	記事	GitHub	主な用途	向いている人
mattpocock/skills	Vibe Codingを拒否する：Matt PocockのskillsリポジトリがAIコーディングに工程制約を加える	mattpocock/skills	SkillsでAIコーディングの流れを制約する	Agentに工程規律を加えたい人
Superpowers	Superpowers：Coding Agentを工程フローに戻すスキルフレームワーク	obra/superpowers	Agentic skills frameworkと開発方法論	Coding Agentを体系的に使いたい人
Prompt-Vault	Prompt-Vault：AIコーディング能力を試すPrompt仕様ライブラリ	w512/Prompt-Vault	AIコーディング評価用prompt仕様を集める	モデル/ツール評価者
web-video-presentation	web-video-presentation：記事を録画可能なWeb動画にするAgent Skill	ConardLi/garden-skills	記事を録画可能なWeb動画へ変換	コンテンツ制作者と自動化ユーザー
nuwa-skill	nuwa-skill：「人を蒸留する」を実行可能フローにする	alchaincyf/nuwa-skill	人物の表現と思考フローをSkillで再現	スタイル型Agentを作る人
Scientific Agent Skills	Scientific Agent Skills：研究ワークフローをAI Agentに渡すスキル集	K-Dense-AI/scientific-agent-skills	科研ワークフロー向けSkill集	研究者、データ分析者、技術ライター
easy-vibe	easy-vibe：Vibe Coding初心者向け学習マップ	datawhalechina/easy-vibe	Vibe Coding入門マップ	AIコーディング初心者

RAG、ナレッジベース、メモリ

このカテゴリは、文書検索、ナレッジベース構築、長期メモリ、構造化抽出を扱います。7 件のプロジェクトがあります。

プロジェクト	記事	GitHub	主な用途	向いている人
LangExtract	Google LangExtract：LLMで長文から構造化データを抽出する	google/langextract	長文から構造化情報を抽出	情報抽出とデータ処理のユーザー
qmd	qmd：AI Agent向けローカルMarkdown文書検索	tobi/qmd	ローカルMarkdown文書検索	Markdownで知識管理する人
Firecrawl	Firecrawl：AI Agent向けWeb検索、クロール、操作API	firecrawl/firecrawl	Webクロール、検索、構造化データ入口	RAGとAgentデータ入口を作る人
RAGFlow	RAGFlow：オープンソースRAGエンジンの機能と使い方	infiniflow/ragflow	オープンソースRAGエンジン	企業ナレッジベースと文書Q&Aユーザー
OpenHuman	OpenHuman：オープンソース個人AI Agentのデスクトップ路線	tinyhumansai/openhuman	ローカル優先の個人AI Agentとメモリ層	個人データを統合したい人
OpenKB	OpenKB：文書を継続更新可能なLLMナレッジベースに編成する	VectifyAI/OpenKB	文書を更新可能なナレッジベースにする	文書ナレッジベースの保守者
PageIndex	PageIndex：ベクトルDBなしの推論型RAG文書索引	VectifyAI/PageIndex	ベクトルDBなしの推論型文書索引	新しいRAG手法に関心がある人

マルチモーダルとコンテンツ制作

このカテゴリは、画像、動画、文字起こし、コンテンツ配信を扱います。5 件のプロジェクトがあります。

プロジェクト	記事	GitHub	主な用途	向いている人
rembg	rembg：ローカル画像背景除去ツール	danielgatis/rembg	ローカル画像背景除去	EC、デザイン、画像処理ユーザー
awesome-gpt-image-2-prompts	GPT-Image 2プロンプト集：EC、ポスター、ポートレート、UI	EvoLinkAI/awesome-gpt-image-2-prompts	GPT-Image 2のプロンプトと事例集	AI画像生成とプロンプトユーザー
faster-whisper	faster-whisper：より速いWhisper文字起こしエンジン	SYSTRAN/faster-whisper	高性能speech-to-text	字幕、文字起こし、音声処理ユーザー
Pixelle-Video	Pixelle-Video：一つのテーマから短動画を生成するオープンソースAIエンジン	AIDC-AI/Pixelle-Video	テーマから短動画を生成するワークフロー	短動画とAIGC制作者
AiToEarn	投稿先が多すぎる？AiToEarnはAI Agentで制作者を助ける	yikart/AiToEarn	複数平台への配信と制作者自動化	コンテンツ運営者と制作者

ローカルモデルと推論

このカテゴリは、ローカルモデル実行と推論実験を扱います。現在は少なめで、1 件のプロジェクトがあります。

プロジェクト	記事	GitHub	主な用途	向いている人
ds4	DeepSeek 4をローカル実行：Apple Silicon MacでのAntirez ds4の試み	antirez/ds4	Apple SiliconでDeepSeek 4を試す	ローカルモデルと推論実験ユーザー

垂直アプリケーションと自動化

このカテゴリは、AgentやAI能力を金融、取引、ブラウザ、デスクトップ、EC監視などの具体的な場面に適用します。7 件のプロジェクトがあります。

プロジェクト	記事	GitHub	主な用途	向いている人
TradingAgents-CN	TradingAgents-CN：中国語ユーザー向けマルチAgent金融取引研究フレームワーク	hsliuping/TradingAgents-CN	マルチAgent金融取引研究フレームワーク	クオンツ、金融、Agent研究者
FinceptTerminal	FinceptTerminal：オープンソース金融端末、量化研究、AI Agentワークスペース	Fincept-Corporation/FinceptTerminal	金融端末、量化研究、AI Agent作業台	金融分析と量化ユーザー
Anthropic financial-services	Anthropic financial-services：金融Agentシナリオを再利用可能テンプレートにする	anthropics/financial-services	金融サービスAgentテンプレート	金融AI方案を作る人
ai-goofish-monitor	ai-goofish-monitor：AIでXianyu商品を自動監視するシステム	Usagi-org/ai-goofish-monitor	AI商品監視とXianyu自動化	中古取引監視ユーザー
CloakBrowser	CloakBrowser：PlaywrightとPuppeteer向けのより人間らしいブラウザ	CloakHQ/CloakBrowser	より人間らしいブラウザ自動化環境	ブラウザ自動化とAgent操作
UI-TARS-desktop	AIにPCを操作させる？UI-TARS-desktopがデスクトップ、ブラウザ、ツールを接続	bytedance/UI-TARS-desktop	デスクトップ、ブラウザ、ツール操作Agent	AIにPC操作を任せたい人
AI-Trader	AI-Traderとは：AI Agentが取引シグナルを出し、模擬取引する平台	HKUDS/AI-Trader	AI Agentの取引シグナルと模擬取引	金融Agentと取引研究者

AIアプリ開発基盤

このカテゴリは、AIアプリとAgentツールチェーン構築に必要な基盤コンポーネントを提供します。3 件のプロジェクトがあります。

プロジェクト	記事	GitHub	主な用途	向いている人
Prompt Optimizer	Prompt Optimizer：オープンソースのプロンプト最適化、テスト、MCPツール	linshenkx/prompt-optimizer	プロンプト最適化、テスト、MCPツール	Prompt engineeringとアプリ調整のユーザー
Playwright CLI	Playwright CLI入門：インストール、Skills、セッション、よく使うコマンド	microsoft/playwright-cli	coding agent向けブラウザ自動化CLI	ブラウザ操作が必要なAgentユーザー
Vercel AI SDK	Vercel AI SDKとは：TypeScript開発者向けAIアプリ統一ツールキット	vercel/ai	TypeScript AIアプリ開発SDK	フロントエンドとフルスタック開発者

OpenHuman 速読：オープンソース個人 AI Agent のデスクトップ路線

Fri, 15 May 2026 14:52:31 +0800

OpenHuman は tinyhumansai が公開しているオープンソースの個人向け AI Agent プロジェクトだ。目的は単なるチャットウィンドウをもう一つ作ることではない。デスクトップアプリ、個人の記憶、サードパーティ連携、音声、コーディングツール、ローカルナレッジベースを同じ agent harness に入れ、AI が日常の作業コンテキストをより速く理解できるようにすることにある。

プロジェクト README では “Personal AI super intelligence” と位置づけられ、公式サイトでも private、simple、extremely powerful が強調されている。この表現はかなり野心的だが、分解して見る方がわかりやすい。OpenHuman で本当に注目すべきなのは、「個人のコンテキスト」を製品の中心に置こうとしている点であり、モデル呼び出し、プラグイン設定、ドキュメント検索をユーザー自身の組み合わせ作業に任せないところだ。

この記事を確認した時点で、GitHub リポジトリは約 7.8k stars、629 forks だった。最新 release は OpenHuman v0.53.43 で、日付は 2026 年 5 月 13 日。プロジェクトはまだ Early Beta で、README でも活発に開発中だと明記されているため、粗い部分がある前提で見るべきだ。

何を解決しようとしているのか

多くの AI アシスタントの問題は、モデルが弱いことではなく、コンテキストが冷たいことにある。毎回、プロジェクト背景、最近のメール、予定、コードリポジトリ、文書、タスク、好みを説明し直さなければならない。Gmail、Notion、GitHub、Slack、Calendar、Drive、Linear、Jira などをまたぐと、情報はさらに別々のツールへ散らばってしまう。

OpenHuman の考え方は、まずこれらのデータを接続し、その後で自動取得、圧縮、要約、ローカルナレッジベースを通じて、継続的に更新できる個人記憶レイヤーを作ることだ。これにより agent は現在の会話だけを覚えるのではなく、ユーザーのワークフローを中心に長期コンテキストを形成できる。

これが通常のチャットボットとの最大の違いでもある。チャットボットは多くの場合 prompt を中心に動く。OpenHuman はむしろ、デスクトップ上の個人向け OS 入口に近く、コネクター、記憶、ツール、モデルルーティングをあらかじめまとめて提供しようとしている。

主な機能

OpenHuman README に挙げられている中核機能は次の通り。

デスクトップ優先の UI と短いオンボーディング経路。ユーザーが最初からターミナル設定を始める必要はない。
「顔」を持つデスクトップ mascot。話したり、環境に反応したり、Google Meet に参加したりできる。
Gmail、Notion、GitHub、Slack、Stripe、Calendar、Drive、Linear、Jira などを含む 118+ のサードパーティ連携。
自動取得機構。プロジェクト説明では、20 分ごとにアクティブな接続を巡回し、新しいデータを memory tree に取り込むとされている。
Memory Tree：接続データと活動情報を Markdown ブロックへ圧縮し、ローカル SQLite に保存する。
Obsidian-compatible vault：知識ブロックを .md ファイルとして書き出し、ユーザーが Obsidian で開いて閲覧、編集できる。
内蔵検索、Web 取得、コーディングツール、ファイルシステム、git、lint、test、grep、音声入出力などの機能。
Model routing：タスクに応じてリクエストを異なるモデルタイプへルーティングする。
TokenJuice：ツール結果、Web 取得、メール本文、検索結果が LLM に入る前に token 圧縮を行う。
ローカル AI ワークロード向けの Ollama を任意で利用できる。

機能は多く見えるが、実際の焦点は二つにまとめられる。一つは設定やプラグインの組み合わせ作業を減らすこと。もう一つは、個人データを agent が検索でき、圧縮でき、継続的に更新できる記憶へ変えることだ。

インストール方法

プロジェクトは Web サイト上のダウンロード入口に加え、ターミナル用のインストールコマンドも提供している。

macOS または Linux x64：

`1`	`curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh \| bash`

Windows：

`1`	`irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 \| iex`

日常的に使うメインマシンなら、まず公式サイトからインストーラーをダウンロードするか、少なくともインストールスクリプトを開いて内容を確認してから、リモートスクリプトを直接実行するか決めたい。OpenHuman はメール、文書、コードリポジトリ、カレンダー、ローカルファイル権限に関わるため、インストールと認可は普通の小さなツールより慎重に扱うべきだ。

オープンソースと技術スタック

OpenHuman リポジトリは GPL-3.0 license を採用している。言語構成では Rust が中心で、次に TypeScript が多く、JavaScript、Shell、CSS、PowerShell も含まれる。README のコントリビューション説明では、Node.js 24+、pnpm 10.10.0、Rust 1.93.0、CMake、さらに各プラットフォームのデスクトップビルド依存関係が求められている。

ローカル開発のおおまかな流れは次の通り。

git submodule update --init --recursive
pnpm install
pnpm dev
pnpm --filter openhuman-app dev:app

提出前には focused checks の実行が推奨されている。例えば次のようなものだ。

1
2
3

pnpm typecheck
pnpm format:check
cargo check -p openhuman --lib

ディレクトリ構造を見る限り、これは軽量なスクリプトプロジェクトではない。デスクトップアプリ、フロントエンド、Rust バックエンド、ドキュメント、テスト、サンプル、ビルドスクリプトを含む、製品型のリポジトリだ。

Memory Tree と Obsidian vault が重要な理由

OpenHuman で単独で見る価値が高い概念は Memory Tree だ。README によると、接続されたデータは約 3k token 以下の Markdown chunks に標準化され、スコアリングされた後、階層的な要約ツリーへ折り込まれ、ローカル SQLite に保存される。同じ内容は Obsidian 互換 vault にも入る。

この路線にはいくつか利点がある。

ユーザーは agent の知識ベースを直接見られ、ブラックボックスな記憶を信じるだけで済まない。
Markdown ファイルは検索、バックアップ、バージョン管理、手動修正がしやすい。
SQLite はローカルインデックスと高速検索に向いている。
階層的な要約は、平坦な文書の山より長期コンテキスト圧縮に向いている。

ただし現実的な課題もある。データ同期が安定するか、要約が重要な細部を落とさないか、権限境界が十分明確か、削除と取り消しが完全か、異なるコネクターの意味を一貫して扱えるか。これらは README の “remembers everything” という一文だけで解決できるものではなく、長期利用と監査が必要になる。

TokenJuice：コストとレイテンシの中間層

OpenHuman は TokenJuice も強調している。役割は、Web ページ、メール、検索結果、ツール呼び出し結果がモデルへ入る前に圧縮することだ。例えば HTML を Markdown に変換する、長い URL を短縮する、一部の不要な文字を取り除く、といった処理が含まれる。README では、これによりコストとレイテンシを減らし、最大 80% の token 使用量削減が可能だと説明されている。

この方向性は妥当だ。Agent システムで本当に費用がかかる部分は、一回のチャットではなく、バックグラウンド取得、ツール呼び出し、検索、Web 解析、長いコンテキスト注入であることが多い。データを先に整理してからモデルへ渡す方が、元データをそのまま詰め込むより安定しやすい。

ただし圧縮層は新しい問題も生む。どの情報を残し、どの情報を捨てるかを決めるからだ。契約書、請求書、医療記録、コンプライアンス資料、本番障害ログを扱うなら、token 節約だけを見るわけにはいかない。追跡可能性、原文確認、圧縮誤差も見る必要がある。

プライバシー：売りでもあり監査ポイントでもある

OpenHuman の売りの一つは private であることだ。公式サイトではローカル AI モデルが低レベルのタスクを処理できると説明され、README でも workflow data stays on device、encrypted locally、treated as yours が強調されている。

この設計方向は魅力的だ。個人 AI Agent が Gmail、Drive、Calendar、Slack、GitHub に接続した瞬間、もっとも機密性の高い仕事データに触れることになる。完全なクラウド型アシスタントと比べると、ローカル優先の記憶レイヤーと見える Markdown vault は、少なくともユーザーにより強い制御感を与える。

ただし全体像も見る必要がある。OpenHuman は同時に one subscription、30+ providers、model routing、ElevenLabs TTS、OAuth integrations などの機能にも触れている。つまり、純粋なオフラインツールではない。プライバシーを本当に評価するには、各コネクター、各種モデル呼び出し、音声や検索機能がそれぞれ何のデータをどこへ送るのかを確認しなければならない。

誰が注目すべきか

現時点の OpenHuman は、次の三種類の人に向いている。

単機能のチャットボットではなく、個人 AI の操作台がほしいユーザー。
Early Beta を試す意欲があり、機能変化や粗い部分を受け入れられる開発者。
ローカル記憶、Obsidian ワークフロー、agent connector、コンテキスト圧縮に関心がある人。

安定して軽量で、プライバシー境界が非常に単純なオフラインアシスタントだけを探しているなら、現時点では重すぎるかもしれない。次世代の個人 AI Agent がデスクトップ、コネクター、記憶、ツールをどう統合するかを研究したいなら、OpenHuman は追いかける価値のあるオープンソースサンプルだ。

私の提案は、まずこれを「製品型オープンソース実験」として観察することだ。release のリズム、issue の品質、コネクター権限、データエクスポート機能、削除機構、ローカル vault の可読性を見る。個人 AI の鍵は、質問に答えられるかだけではない。長期的に、透明で、制御可能な形で自分のコンテキストを背負えるかどうかだ。