企业官网建设流程全解析

每天带你发现 GitHub 上最有意思的项目。
今日看点：Anthropic 官方插件目录上线、一个让 AI 编程便宜 35% 的代码知识图谱、用 WiFi 信号穿墙检测人体的 Rust 项目。

🥇 项目一：Claude Plugins Official

仓库：anthropics/claude-plugins-official
语言：Python |Stars：24,966 |今日新增：+2,549

这个项目解决什么问题？

Claude Code 的插件生态之前一直是"民间自发型"——开发者在各个角落散装发布 MCP Server、Skill 和 Agent，质量参差不齐，安装方式五花八门。你找一个插件得翻 GitHub、翻论坛、翻 Discord，装上了还不确定是不是最新版、安不安全。

Anthropic 这次自己下场，搞了一个官方插件目录。Claude Code 终于有了自己的"App Store"。

核心亮点

整个目录分为两块：/plugins是 Anthropic 自己维护的内部插件，/external_plugins是第三方和社区贡献的插件。每个插件有统一的目录结构，plugin.json声明元数据，commands/放斜杠命令，agents/放 Agent 定义，skills/放技能定义。

安装方式也统一了：在 Claude Code 里直接跑/plugin install {plugin-name}@claude-plugins-official，或者去/plugin > Discover浏览，不用再手动配.mcp.json。

第三方插件要提交的话，需要通过质量审查。Anthropic 搞了一个 submission form，有安全和质量标准门槛，用户不用太担心装到恶意插件。

快速上手

# 在 Claude Code 中安装一个插件/plugininstallsome-plugin@claude-plugins-official# 或者浏览市场/plugin>Discover

我的评价

Claude Code 的插件生态增长很快，但一直缺一个统一的分发入口。这个项目本质上是把"去中心化发布"变成了"中心化目录"，插件源码还是散落在各个仓库，但用户有了一个可信的发现和安装入口。

和 VS Code Marketplace、npm 相比，Claude 的插件生态还很年轻，但 Anthropic 愿意自己下场做目录，说明在认真对待这件事。Claude Code 用户值得关注。

🥈 项目二：CodeGraph

仓库：colbymchenry/codegraph
语言：TypeScript |Stars：16,601 |今日新增：+3,684

这个项目解决什么问题？

用 AI 编程助手（Claude Code、Cursor、Codex 等）做大项目时，最大的痛点之一是token 浪费。AI 不了解你的代码结构，每接一个任务都要从头探索，grep、glob、Read 一套下来，工具调用几十次，token 烧得飞快。

CodeGraph 的思路很直接：提前建好代码的知识图谱，AI 拿着地图干活，而不是摸黑乱撞。

核心亮点

CodeGraph 会为你的项目建立一个预索引的代码知识图谱，符号关系、调用链、代码结构全部提前分析好。AI 助手拿到这个图谱后，能直接定位到相关代码，不用再逐文件扫描。

官方数据：工具调用减少约 70%，费用降低约 35%。对每天重度使用 AI 编程的人来说，这个数字很实在。

技术上有几个亮点：

• 零依赖安装，bundled runtime，不用装 Node.js，curl 一行搞定
• 跨平台，Windows、macOS、Linux 全支持
• 多 Agent 兼容，不只是 Claude Code，还支持 Cursor、Codex CLI、OpenCode、Hermes Agent
• 100% 本地，所有索引和分析都在本地完成，代码不上传

交互式安装器会自动配置你用的所有 AI 助手，一键搞定。

快速上手

# 安装curl-fsSLhttps://raw.githubusercontent.com/colbymchenry/codegraph/main/install.sh|sh# 初始化项目cdyour-project codegraph init-i

我的评价

一天涨 3684 star，说明击中了真实痛点。AI 编程的 token 成本是所有开发者都在抱怨的事，CodeGraph 的解法很务实，提前算好，直接用。

和 GitHub Copilot 的代码索引、Cursor 的 codebase indexing 相比，CodeGraph 的优势是跨工具通用。不管你用哪个 AI 助手，一套图谱全搞定，这对混用多个工具的开发者很有吸引力。

代码图谱的准确性直接决定 AI 的理解效果，大项目初始化可能需要一些时间，但一旦建好，后续收益是持续的。推荐重度 AI 编程用户都试试。

🥉 项目三：RuView (π)

仓库：ruvnet/RuView
语言：Rust |Stars：64,045 |今日新增：+978

这个项目解决什么问题？

你有没有想过，不用摄像头、不用手环、什么都不用穿戴，WiFi 信号就能知道房间里有没有人、在干什么、呼吸心跳多少？

这听起来像科幻片里的情节，但 RuView 用物理原理把它变成了现实。WiFi 路由器发出的无线电波在空间中传播，人体会对这些波产生扰动——RuView 就是捕捉这些扰动，把它转化成可用的空间感知数据。

核心亮点

RuView 用 ESP32（9 美元一块的小开发板）组成 WiFi mesh 网络，通过读取 Channel State Information (CSI) 来感知环境。它能做这些事：

• 穿墙存在检测——知道哪个房间有人，人数多少，进出记录
• 生命体征监测——非接触式呼吸率和心率检测，睡觉时也能测
• 活动识别——走路、坐下、手势、跌倒，从时序 CSI 模式中识别
• 环境测绘——RF 指纹识别房间，检测家具移动、新增物体
• 睡眠质量——整夜监测，睡眠分期和呼吸暂停筛查

技术上很硬核：用脉冲神经网络做本地学习，30 秒内自适应环境；6 个 WiFi 频道同时扫描，连邻居路由器都能当免费的"雷达照射源"；所有数据用 Ed25519 签名链做密码学认证。不需要云端，不需要摄像头，不需要互联网。

单个节点 9 美元，2 个以上节点 + Cognitum Seed（一个边缘计算模块）效果最好。

快速上手

这个项目需要硬件（ESP32-S3 开发板），不太适合"一行命令跑起来"。建议先看 README 了解硬件需求，再到 docs 目录看部署指南。

我的评价

64000 star 的项目不常见，RuView 的热度说明"无摄像头人体感知"这个方向有大量人关注。和毫米波雷达方案（比如 Google Pixel 的 Soli）相比，RuView 的卖点是成本低，ESP32 只要 9 美元，专业雷达模组动辄上百。

目前的局限也很明显：还是 beta 阶段，准确率有限（PCK@20 约 2.5%，目标 35%+），需要 2 个以上节点才能有合理的空间分辨率。方向是对的，如果 WiFi 感知的精度能提上去，老人跌倒检测、智能家居联动、安防监控、医疗看护，应用场景非常广。

短期更适合技术探索，还不到生产使用的阶段。

📊 今日对比一览

💡 今天的趋势

三个项目方向完全不同，但都在降低某种门槛。

Claude Plugins Official 降低了插件发现和安装的门槛，CodeGraph 降低了 AI 理解代码和成本的门槛，RuView 降低了空间感知的硬件门槛。

AI 编程工具链正在快速成熟。Anthropic 官方下场做插件市场，社区用知识图谱解决 token 浪费，这些信号都指向一个方向：AI 编程从"能用"进入了"好用"的阶段。RuView 则提醒我们，AI 不只在屏幕里，物理世界同样有巨大的智能化空间。

今天最推荐试试 CodeGraph，装一行命令，立省 35% token 费用，投入产出比最高。