我做过的，被面试官夸爆的那些Ai项目(二)
如果说我做过的，被面试官夸爆的那些Ai项目(一)是对现有规则提出了完全不同的解题思路的话，那么今天的项目则可以说是开创了全新的产品形态。换言之，我们不仅应该探索全新的思路，更应该站在开发者的角度去思考，有哪些全新的产品形态可以给用户带来完全不一样的体验模式。
1. Superset — AI Agent 多路复用终端2026.03.01 | 全新品类，两天前刚上线
一个终端同时运行 10+ 个 AI 编码 Agent，git-worktree 隔离互不干扰。会话 fork、智能状态感知、零遥测。这个品类刚出现，做一个带 Web 可视化的"AI 编程指挥台"，目前几乎没有竞品。
推荐理由：git-worktree 工程化运用和分布式状态管理——这两个能力放在传统后端面试里已经是加分项，迁移到 AI Agent 编排这个全新领域，展现的是技术能力的横向迁移意识。面试官看重的不只是你做了什么，而是你能把已有经验创造性地应用到新问题上。
2. OpenFang — 32MB 的 Rust Agent 操作系统MIT 协议 | V1.0 前，需评估稳定性
Rust 编写，32MB 单文件部署，Agent 7x24 自主运行。内置 7 个能力包、40 个渠道适配器、16 个安全子系统。最直接场景是无人值守的竞品监控和商机捕捉。
推荐理由：在 AI 领域，能写 Rust 的人和只写 Python 的人是两个竞争层级。"32MB 二进制、低内存占用"传递的是系统编程能力和对资源效率的敏感度。对于 AI 基础设施方向的岗位来说，这类候选人天然具备做高性能推理引擎、部署优化的潜力。
3. OpenSandbox — 给 AI Agent 一个安全的执行环境2026.03.01 | 阿里巴巴开源 | Apache 2.0
任何让 AI 执行代码的场景都绕不开一个问题：Agent 跑了恶意代码怎么办？OpenSandbox 是阿里开源的统一沙箱方案，底层支持 Docker 和 Kubernetes，为 Coding Agent、GUI Agent、RL 训练提供隔离执行环境。多租户隔离、CPU/内存/网络/磁盘的精细配额、执行行为审计，企业级该有的都有。对于想在内部部署 AI Agent 但担心安全风险的企业来说，这基本上是必须的基础设施。
推荐理由：AI 安全是口头上人人在说、实际动手的人极少的领域。做过 Agent 沙箱部署和定制的人，面试官看到的是容器化、资源隔离、安全审计这些后端硬功夫。在任何想落地 AI Agent 的企业里，"安全执行环境"都是第一个要解决的问题——做过这件事的人，会被认为是能独当一面处理生产环境安全的工程师。
4. EdgeQuake — 第一个 Rust GraphRAG 引擎Rust 编写 | 实现 LightRAG 算法 | 支持多模态 PDF
GraphRAG 此前全是 Python 实现，大规模文档性能差。EdgeQuake 用 Rust 重写，速度快 10-100 倍。适合百万级文档的企业知识图谱和风险传导分析。开发周期长是现实成本。
推荐理由：知识图谱 + 图算法 + 系统级编程，三个能力的交集构成了很高的辨识度。面试中"快 100 倍"这个数字一定会引发追问——瓶颈在哪、优化了什么、Rust 的具体优势体现在哪些环节。能把性能数字和背后的工程决策一一对应的人，在基础设施团队的面试中非常抢手。
5. GitNexus — 浏览器端零后端知识图谱本周增长最快的前端 AI 项目之一
拖入 GitHub 仓库，浏览器用 WebGPU 直接在本地生成代码知识图谱并问答，全程零服务器，代码不出浏览器。对安全敏感企业（金融、军工）几乎是唯一选择。可迁移到文档领域。WebGPU 兼容性和大文档性能是现实约束。
推荐理由：WebGPU 目前在前端领域还属于少数人的领地，简历上出现这个关键词本身就会让面试官多看一眼。而"零后端、数据不出浏览器"不是一个简单的技术选择，背后是安全性和性能上限之间的架构权衡——能把这个 trade-off 讲透的人，展现的是超越编码层面的架构判断力。
这两篇文章旨在通过我个人在预研中看到的部分项目同大家进行简单的分享，抛砖引玉，也希望可以借此激发大家一些新的灵感火花，能为大家带来一些帮助。
高产
