📌 本期说明：follow-builders 的 X（推文）/ Podcast 抓取源本期不可用；HuggingFace Daily Papers 周末停更（2026-06-27、06-28 日报均未发布，线上最新仍停留在已被昨日日报覆盖的 06-26 批次），故本期论文板块暂缺。日报以**公开可验证的 GitHub Trending daily（2026-06-28 UTC 榜）**为唯一主线 remix，所有仓库链接已逐条抽查 HTTP 200。
🔥 今日高光
「给 agent 喂记忆」从论文卷进工具榜——codebase-memory-mcp 单日 +2,162⭐ 直接登顶 这两天我们一直在讲「agent 记忆该被工程化」，今天榜单给了最直接的回答：DeusData/codebase-memory-mcp 以单日暴涨 +2,162⭐（⭐18,973）冲到趋势第一。它干的事一句话能说清——把整个代码库索引成一张「持久化知识图谱」，平均一个仓库毫秒级建好索引，支持 158 种语言、亚毫秒查询，号称让 agent 少烧 99% 的 token；而且是单个静态二进制、零依赖的 MCP server。对所有做 coding agent 的人，这条的信号极强：「让 agent 每次都把整个 repo 塞进上下文」这种暴力打法正在被淘汰，取而代之的是『先把代码库结构化成可检索的记忆，再按需喂』。这和上周「agent = 团队 × 技能库 × 工具链」、以及前几天 Cognee 把「agent 记忆」做成标准平台的主线，几乎是同一条河的不同支流——记忆与检索，正在成为 agent 工程的标配地基。 🔗 https://github.com/DeusData/codebase-memory-mcp
中文投研 agent 加速霸榜——ai-berkshire 一天又 +1,456⭐，星标 24 小时翻倍 昨天它还是「+686 的黑马」，今天 xbtlin/ai-berkshire 直接把油门踩到底：单日 +1,456⭐，星标从昨天的 3,802 冲到今天的 5,120——几乎一日翻倍。定位没变，但「范式感」更足了：*「AI 时代的伯克希尔——基于 Claude Code / Codex 的价值投资研究框架，把巴菲特 / 芒格 / 段永平 / 李录四大师方法论 + 多 Agent 对抗式分析」*串成一条可跑的投研流水线。配合常青的 HKUDS/Vibe-Trading（⭐14,115，+490，港大数据智能实验室的「个人交易 agent」），一个趋势越来越实：中文开发者正把 agent 往「投研 / 交易」这类高价值、强方法论的真实场景里塞，而且开始拿到全球榜单级别的关注度。 「把领域方法论沉淀成多 Agent 角色分工」正在成为中文圈最有辨识度的打法。 🔗 https://github.com/xbtlin/ai-berkshire 🔗 https://github.com/HKUDS/Vibe-Trading
「让 coding agent 干非代码的活」——video-use 用编码 agent 剪视频，strix 当你的白帽黑客 今天榜单里有一组很有意思的信号：coding agent 正在溢出『写代码』这件事本身。browser-use/video-use（⭐10,771，+186）的描述只有四个字却很炸——「Edit videos with coding agents（用编码 agent 剪视频）」，把「会调用工具、会按计划执行」的 agent 能力，迁移到了视频编辑这种传统上跟代码八竿子打不着的工作流；出自做浏览器自动化的 browser-use 团队，路线一脉相承。另一边 usestrix/strix（⭐26,502，+88）则是*「开源的 AI 黑客，帮你找出并修复 app 漏洞」*——把 agent 做成主动渗透 + 修复的安全角色。两条放一起看，今天最值得记的一点是：agent 的「执行通道」正在从代码编辑器，扩散到剪辑台、渗透测试台——谁先把某个垂直工作流的『工具 + 验证』通道接好，谁就先吃到这波红利。 🔗 https://github.com/browser-use/video-use 🔗 https://github.com/usestrix/strix
📄 论文速递
⚠️ 本期暂缺。HuggingFace Daily Papers 周末停更：2026-06-27、06-28 日报均未发布，线上最新仍停留在 2026-06-26 批次——而该批次已在昨日（06-28）日报中覆盖（DanceOPD、In-Context World Modeling、ViQ、JetSpec、GUI vs. CLI 等）。为避免重复，本期不再复述，待 HF 工作日恢复更新后回归。
📈 GitHub Trending（daily · 2026-06-28 UTC）
今日 AI 相关榜单三条主线：① 给 agent 配「记忆 / 代码智能 / 文档解析」的上下文地基（codebase-memory-mcp / MinerU）；② 中文投研 & 交易 agent 加速上量（ai-berkshire / Vibe-Trading）；③ coding agent 溢出到非代码工作流（video-use / strix），外加一个 feed-forward 3D 基础模型（lingbot-map）。
DeusData/codebase-memory-mcp — ⭐18,973（+2,162 today，今日榜首）· C 高性能代码智能 MCP server：把代码库索引成持久化知识图谱，平均仓库毫秒级建索引，158 种语言、亚毫秒查询、号称省 99% token。单文件静态二进制、零依赖。「agent 记忆该被工程化」的最强落地案例。 🔗 https://github.com/DeusData/codebase-memory-mcp
xbtlin/ai-berkshire — ⭐5,120（+1,456 today）· Python · 🇨🇳 「AI 时代的伯克希尔」：基于 Claude Code / Codex 的价值投资研究框架，巴菲特 / 芒格 / 段永平 / 李录方法论 + 多 Agent 对抗式分析。星标 24 小时翻倍，中文「方法论即 agent 角色」的旗帜。 🔗 https://github.com/xbtlin/ai-berkshire
opendatalab/MinerU — ⭐71,353（+749 today）· Python 把 PDF / Office 等复杂文档转成 LLM-ready 的 markdown / JSON，专为 agentic workflow 服务。和今天的「记忆 / 上下文」主线同源——喂给 agent 的数据，得先被结构化。 🔗 https://github.com/opendatalab/MinerU
HKUDS/Vibe-Trading — ⭐14,115（+490 today）· Python · 🇨🇳 「Vibe-Trading：你的个人交易 agent」，港大数据智能实验室出品。和 ai-berkshire 一起，把 agent 推进到个人投研 / 交易决策场景。 🔗 https://github.com/HKUDS/Vibe-Trading
Robbyant/lingbot-map — ⭐8,075（+372 today）· Python 「一个 feed-forward 的 3D 基础模型，从流式数据重建场景」。世界模型 / 具身方向今日唯一上榜的硬核研究型项目，承接前两天 ICWM 那条「让模型理解三维世界」的线。 🔗 https://github.com/Robbyant/lingbot-map
browser-use/video-use — ⭐10,771（+186 today）· Python 「用 coding agent 剪视频」。出自 browser-use 团队，把 agent 的执行能力迁到视频编辑工作流，是「coding agent 溢出到非代码场景」的代表。 🔗 https://github.com/browser-use/video-use
usestrix/strix — ⭐26,502（+88 today）· Python 「开源 AI 黑客，帮你找出并修复 app 漏洞」。把 agent 做成主动渗透 + 修复的安全角色，AppSec 方向的 agent 化样本。 🔗 https://github.com/usestrix/strix
旁注：今日榜单非 AI 的高热项目（simplex-chat 私密通讯 +1,183、free-for-dev、commaai/openpilot、cupy GPU 版 NumPy、ByteByteGo system-design-101 等）本期不展开，专注 AI / agent 主线。
🇨🇳 中文圈
今天中文 AI 开源的存在感主要体现在**趋势榜的「方法论型 agent」**上——已并入上方高光与 Trending：ai-berkshire（投研，+1,456⭐/日）、Vibe-Trading（交易） 双双在榜，加上文档智能基建 MinerU（上海 AI Lab/OpenDataLab） 持续放量。一句话：中文社区今天的关键词是「把专业领域的判断流程，做成多 Agent 能跑的产品」，而不只是又一个套壳。
🧭 一句话收尾
把今天连起来看：论文端因 HF 周末停更暂时安静，但工程端的信号反而更纯粹——所有热钱都在涌向同一个方向：给 agent 接『上下文』。 上游是记忆与代码智能（codebase-memory-mcp 一天 +2,162⭐ 登顶、MinerU 把文档喂成结构化数据），中游是把领域方法论做成多 Agent 角色（ai-berkshire 星标一日翻倍），下游是把 agent 的执行通道铺到代码之外（video-use 剪视频、strix 找漏洞）。主线还是那句老话：真正的护城河不在换更强的模型，而在你给 agent 沉淀了什么记忆、什么角色、什么执行通道。