AI 开源生态持续爆发，各类轻量化、高实用的项目层出不穷，覆盖办公提效、机器人研发、代码开发、桌面自动化等多个核心场景。本次为大家精选 4 款近期超受关注的 AI 开源项目，既有北理工打造的格式转换神器，也有小米的具身智能大模型，还有自研代码智能体和本地 AI 桌面助手，全部免费可用，开发者和办公人士可直接上手！
一、Edit Banana：北理工出品，图片 / PDF 图表秒变可编辑格式
由北京理工大学开发的Edit Banana（编辑香蕉），是一款专为科研、办公打造的通用内容重编辑器，核心解决图片、PDF 中统计图表、流程图无法编辑的痛点，由 SAM3 和多模态大模型驱动，实现静态内容到可操作资产的转化。
核心特性
-
高保真深度重建：区别于普通 OCR 工具，基于计算机视觉模型对图表的逻辑关系、形状组件和文本进行深度解析，保留原始细节和逻辑，生成的元素可独立选中、修改，而非简单的背景图；
-
多格式输出：支持将上传的图片、PDF 转换为 DrawIO（XML）、PPTX 等主流可编辑格式，科研流程图、技术架构图均可一键转换；
-
可视化操作：提供 Web 在线界面，上传文件后可在嵌入的编辑器中实时修改，无需额外安装软件；
-
商用友好：基于 Apache2.0 协议开源，支持商业使用和二次开发，仅需保留版权声明。
适用场景
科研论文图表重绘、办公 PPT 素材提取、技术文档流程图修改，尤其适合需要对现有图片 / PDF 图表进行二次编辑的场景，大幅节省重新绘制的时间。
开源地址：https://github.com/bit-datalab/edit-banana
在线体验：https://edit-banana.anxin6.cn/
二、Xiaomi-Robotics-0：小米开源 47 亿参数具身智能大模型，实现实时推理
小米机器人团队 2026 年 2 月正式开源的Xiaomi-Robotics-0，是一款先进的视觉 - 语言 - 动作（VLA）具身智能大模型，专为机器人高性能推理和实时执行设计，解决了传统大模型在机器人领域的推理延迟问题，为具身智能研发提供了强大的开源底座。
核心特性
-
47 亿参数，强泛化能力：在大规模跨体态机器人轨迹和视觉 - 语言数据上预训练，能应对复杂且未见过的任务，避免底层视觉语言模型的灾难性遗忘；
-
实时执行，低延迟：通过异步执行优化、连续动作块时间步对齐等技术，最大限度减少推理延迟，实现真实机器人上的流畅、无缝实时执行；
-
消费级 GPU 适配：针对消费级 GPU 做专门优化，无需高端算力即可部署，且与 Hugging Face transformers 生态完全兼容，开发门槛低；
-
全流程开源支持：已发布技术报告、LIBERO/CALVIN/SimplerEnv 数据集的预训练和微调权重，同时上线推理代码和评估脚本，开箱即用。
技术亮点
模型由预训练视觉语言模型（VLM）和扩散变换器组成，通过预训练 + 后训练两阶段方案，既保留视觉语言理解能力，又实现动作生成的实时性，在仿真基准测试中达到 SOTA 性能，真实机器人双足精细操作任务中成功率和吞吐量表现优异。
开源地址：https://github.com/XiaomiRobotics/Xiaomi-Robotics-0
三、MyCodeAgent：从 0 搭建 Claude Code 级代码智能体，吃透 Agent 工程化开发
MyCodeAgent是开发者基于 Datawhale《从零开始构建智能体》教程打造的代码智能体项目，目标是实现类似 Claude Code 的代码开发能力，核心价值在于通过系统化工程化改造，解决 Agent 开发中的工具失控、协议脆弱、上下文膨胀等核心问题，为开发者提供可落地的 Agent 开发参考。
核心特性
-
完整的代码 Agent 工作流：支持代码需求分析、同类竞品联网搜索、UI/UX 技能调用、代码生成与落地，可完成从需求到实际 HTML 文件的全流程开发；
-
多工具集成与子代理能力：集成 MCP 搜索、TodoWrite 任务规划、Skill 技能调用等工具，支持启动 subagent 子代理完成任务总结、数据分析等子工作；
-
工程化约束设计：通过工具原子化、协议结构化、上下文治理、状态可观测四大核心手段，将大模型的不确定自由行为约束在可控范围内，把不可靠的 “聪明” 转化为稳定的生产力；
-
基于 GLM-4.7 开发：适配智谱 GLM-4.7 大模型，可直接基于现有骨架进行二次开发，快速实现自定义代码 Agent。
开发价值
该项目并非单纯的成品工具，更像是一份 Agent 工程化开发的实战案例，清晰展示了从基础骨架搭建到问题修复、能力升级的全流程，让开发者理解 Agent 开发的核心并非追求模型无限自由，而是通过工程设计驾驭模型能力。
开源地址：https://github.com/YYHDBL/MyCodeAgent
四、Accomplish：本地部署的 AI 桌面助手，自动化办公 + 隐私保护双兼顾
Accomplish是一款主打本地运行、隐私优先的开源 AI 桌面助手，将 AI 能力深度集成到桌面环境，实现文件管理、文档处理、浏览器自动化等办公任务的全流程自动化，是 AI Agent 在桌面端落地的典型代表，目前在 GitHub 已收获 6.9k + 星标。
核心特性
-
本地运行，隐私可控：所有数据处理在本地机器完成，支持使用自有 API 密钥（OpenAI/Anthropic/Google/xAI）或通过 Ollama 运行本地大模型，避免私人数据上传云端；
-
多场景自动化
-
文件管理：按内容或自定义规则自动分类、重命名、移动、清理文件；
-
文档处理：撰写草稿、总结长文档、重写报告 / 会议记录，支持与 Notion/Google Drive/Dropbox 联动；
-
浏览器自动化：执行网页调研、表格填写、数据爬取等工作流，可保存重复流程为 Skill 随时调用；
-
-
办公提效专属功能：从散乱文件和笔记中提取信息，自动生成周报、会议准备资料，支持专业邮件撰写、文档翻译、批量处理等高频办公需求；
-
跨平台支持：基于 MIT 协议开源，支持 macOS 等主流系统，界面简洁，操作门槛低，非技术人员也能快速上手。
适用人群
需要处理大量重复办公任务的职场人士、希望实现桌面操作自动化的开发者、注重数据隐私且需要 AI 提效的个人用户，完美替代部分付费办公自动化工具。
开源地址：https://github.com/accomplish-ai/accomplish
总结：四款项目各有侧重，覆盖不同需求场景
本次盘点的 4 款 AI 开源项目覆盖办公提效、机器人研发、Agent 开发、桌面自动化四大核心领域，且各有明确的定位和价值：
-
Edit Banana：聚焦格式转换，解决科研 / 办公中的图表编辑痛点，工具属性强，零门槛使用；
-
Xiaomi-Robotics-0：深耕具身智能，为机器人研发提供高性能、低延迟的 VLA 大模型，技术门槛较高，适合机器人领域开发者；
-
MyCodeAgent：主打Agent 工程化开发，以实战案例展示代码智能体的搭建过程，适合想要学习 Agent 开发的开发者；
-
Accomplish：专注桌面端 AI 自动化，本地运行 + 多任务自动化，兼顾提效与隐私，适合所有办公人群。
以上项目均为开源且支持二次开发，开发者可根据自身需求下载使用、定制优化，普通用户可直接利用成品工具实现效率提升，充分享受 AI 开源生态的技术红利。