---
title: "GitHub 今日值得关注的 10 个 AI 项目｜2026-09-06"
description: "结合 GitHub Trending 与仓库检索，整理 2026 年 9 月 6 日值得关注的 10 个 AI 项目：AI Agent 工具链集中分化（桌面工作区、编排层、专用浏览器、语音运行时）、同步音视频生成模型、RAG 与合成数据工程化，以及现象级的 LLM 股票分析系统。"
pubDate: 2026-09-06T10:30:00+08:00
tags: ["GitHub AI 日报", "GitHub", "AI", "Agent", "开源", "大模型", "语音"]
---

## 导语

过去 24 小时，GitHub 上最集中的信号是「AI Agent 的平行工作环境」：Agent 不再只停留在终端里回答问题，而是开始拥有专属浏览器、桌面工作区、跨模型编排层，甚至能一边干活一边与用户实时对话。与此同时，生成模型继续向「同步音视频」与「可控影视工作流」延伸，RAG 与合成数据正在被工程化成低代码框架。本文从 GitHub Trending（daily/weekly）与 Repository Search 的组合结果中筛选出 10 个值得关注的开源项目，覆盖 LLM 金融分析、本地 AI 应用构建、Agent 浏览器、多 Agent 桌面工作区、AI 影视创作、音频-视频生成模型、Agent 编排层、RAG 框架、实时语音运行时与合成数据框架等方向，供开发者和技术决策者参考。

## 数据范围与方法

- 数据快照时间：2026-09-06 02:30 UTC（Asia/Shanghai 2026-09-06 10:30 UTC+8）。
- 候选来源：GitHub Trending daily/weekly，以及 Repository Search（topics：ai-agent、llm、generative-ai、artificial-intelligence、multimodal、rag、ai-coding），合并去重后形成候选池，经筛选后对 22 个重点候选逐一核实。
- 筛选标准：优先 stars > 1000、archived: false、fork: false、最近 90 天内有 push 或 release；AI 必须是项目核心能力。
- 排除项：Awesome List、课程/论文/数据集清单、纯概念仓库、镜像、fork、停止维护及明显异常项目；历史日报已重点介绍过的项目除非有显著新进展，否则不重复入选。
- 所有字段均通过 GitHub 官方仓库与 API 逐一核实（full_name、简介、Star、Fork、archived/fork 状态、更新时间、最新 release、README、License）。未获得可靠来源的增星数据一律标注「未公开」，不做推算。
- Star 数据采集日期：2026-09-06。

## Top 10 总览

| # | 项目 | Star（2026-09-06） | 分类 | 最近更新 |
|---|------|-------------------|------|---------|
| 1 | [ZhuLinsen/daily_stock_analysis](https://github.com/ZhuLinsen/daily_stock_analysis) | 64,667 | LLM 金融分析系统 | 2026-09-05 |
| 2 | [dyad-sh/dyad](https://github.com/dyad-sh/dyad) | 21,387 | 本地 AI 应用构建器 | 2026-09-05 |
| 3 | [citrolabs/ego-lite](https://github.com/citrolabs/ego-lite) | 15,095 | Agent 专用浏览器 | 2026-09-05 |
| 4 | [NanmiCoder/cc-haha](https://github.com/NanmiCoder/cc-haha) | 14,286 | 多 Agent 桌面工作区 | 2026-09-06 |
| 5 | [waooAI/waoowaoo](https://github.com/waooAI/waoowaoo) | 13,978 | AI 影视/视频创作平台 | 2026-09-05 |
| 6 | [omnigent-ai/omnigent](https://github.com/omnigent-ai/omnigent) | 9,726 | 多 Agent 编排框架 | 2026-09-06 |
| 7 | [Lightricks/LTX-2](https://github.com/Lightricks/LTX-2) | 9,359 | 音频-视频生成模型 | 2026-08-26 |
| 8 | [OpenBMB/UltraRAG](https://github.com/OpenBMB/UltraRAG) | 5,681 | RAG / MCP 框架 | 2026-09-05 |
| 9 | [QwenAudio/qwen-audio-agent](https://github.com/QwenAudio/qwen-audio-agent) | 2,352 | 实时语音 Agent 运行时 | 2026-09-06 |
| 10 | [NVIDIA-NeMo/DataDesigner](https://github.com/NVIDIA-NeMo/DataDesigner) | 2,198 | 合成数据生成框架 | 2026-09-05 |

## 项目介绍

### 1. ZhuLinsen/daily_stock_analysis —— 现象级的 LLM 多市场股票分析系统

- GitHub：https://github.com/ZhuLinsen/daily_stock_analysis
- Star：64,667（2026-09-06）｜ Fork：54,200
- 分类：LLM 金融分析 / Agent 应用
- 最近更新：2026-09-05（最新 release v3.31.0，2026-08-23）
- License：MIT
- 简介：基于大模型的 A 股/港股/美股/日股/韩股/台股自选股智能分析系统，覆盖行情、K 线、技术指标、新闻、公告、基本面等多源数据（AkShare、Tushare、Pytdx、Baostock、YFinance 等）。每日自动生成含核心结论、评分、趋势、买卖点位、风险警报与催化因素的「决策仪表盘」，并推送到企业微信、飞书、Telegram、Discord、Slack 或邮箱；支持 GitHub Actions、Docker、本地定时任务三种运行方式，README 主打「零成本定时运行」。Web/桌面工作台提供历史报告、回测与持仓管理，内置 15 种 Agent 策略（均线、缠论、波浪、趋势、热点、事件、成长等）支持多轮追问。项目创建于 2026 年 1 月，附带 arXiv 论文链接。
- 入选理由：64.7k Star 与 5.4 万 Fork 在当日候选池中体量最大，且 09-05 仍有提交；把「LLM 决策报告 + 多市场数据 + 多端推送」串成了一条个人可零成本运行的完整链路，是目前中文开源社区里完成度较高的量化辅助项目之一。
- 个人见解：它解决的不是「自动交易」，而是「把每天看盘要翻的信息变成一份结构化简报」。真正的风险在数据质量与模型判断的可靠性——README 也把大量篇幅放在数据源边界与免责说明上。另需留意：该仓库 README 顶部包含合作方赞助/推广入口，使用任何第三方行情与搜索服务前应自行评估；本文不构成任何投资建议。

### 2. dyad-sh/dyad —— 跑在本地的开源 AI 应用构建器

- GitHub：https://github.com/dyad-sh/dyad
- Star：21,387（2026-09-06）｜ Fork：2,610
- 分类：AI 应用构建器 / Agent 开发工具
- 最近更新：2026-09-05（最新 release v1.13.0，2026-08-31）
- License：Apache-2.0（核心代码）+ FSL（src/pro 目录）
- 简介：面向进阶用户的本地开源 AI App Builder，官方定位为 v0 / Lovable / Replit / Bolt 的本地替代：自带 API Key（BYOK），模型可自由切换，项目文件与数据默认留在本机，可增量生成并交付完整工程代码。仓库采用「开源核心 + pro 目录」结构，核心代码为 Apache-2.0，src/pro 使用 Functional Source License（fair-source 模式），桌面端支持 macOS 等主流平台。
- 入选理由：21.4k Star、09-05 仍保持提交，v1.13.0 于 08-31 发布；在「云端生成 App」赛道拥挤的当下，「本地优先 + 自带密钥 + 混合许可」的路线具备明显差异化。
- 个人见解：云端 App 构建器的痛点很直接——代码托管在别人服务器、模型密钥绕不开平台、后续开发自由度受限。dyad 把这三点一次性本地化，对在意隐私和代码主权的开发者很有吸引力。它的 fair-source 式 pro 目录边界值得关注：个人与开源用途几乎不受影响，但把生成能力二次封装成商业产品前需要先核对许可条款。

### 3. citrolabs/ego-lite —— 让 Agent 和用户「并行」使用浏览器

- GitHub：https://github.com/citrolabs/ego-lite
- Star：15,095（2026-09-06）｜ Fork：783
- 分类：浏览器 Agent / Agent 基础设施
- 最近更新：2026-09-05（最新 release v1.2.3，2026-08-11）
- License：MIT
- 简介：定位是「你和你的 AI Agent 平行工作的浏览器」：Agent 在独立的 Space 中并行执行多个浏览器任务，用户自己的标签页不被干扰；通过安装 ego-browser skill，Codex、Claude Code 等 Agent 可以复用用户已登录的浏览器状态完成自动化，零成本、零配置。项目认为 browser-use、agent-browser 等既有框架需要单独驱动浏览器且登录态难以干净迁移，因此选择「让 Agent 直接共享一个真浏览器」。目前官方支持 macOS，Windows 与 Linux 在路线图中。
- 入选理由：15.1k Star、09-05 仍在更新，属于近期浏览器 Agent 工具链中增长较快的玩家；把「登录态复用」与「并行隔离」作为产品核心，切中了真实自动化场景里最麻烦的两个问题。
- 个人见解：浏览器自动化的长期痛点从来不是「能点按钮」，而是登录态、验证码与用户正在使用的浏览器冲突。ego-lite 用「真浏览器 + 独立 Space + skill 接入」回应了这些问题。现阶段仅 macOS 可用会限制一部分用户，但它代表的方向——Agent 拥有自己的浏览器工作区——很可能是未来桌面 Agent 的标配形态之一。

### 4. NanmiCoder/cc-haha —— 本地优先的跨平台多 Agent 桌面工作区

- GitHub：https://github.com/NanmiCoder/cc-haha
- Star：14,286（2026-09-06）｜ Fork：8,540
- 分类：多 Agent 桌面应用 / AI 编码
- 最近更新：2026-09-06（最新 release Claude Code Haha v0.5.5，2026-08-22）
- License：MIT
- 简介：为 Claude Code / 各类 Agent 打造的本地优先桌面工作区，支持 macOS、Windows、Linux：多会话工作区、全局搜索、分支/Worktree 启动、diff 审查与内置浏览器预览；支持多模型（Claude、ChatGPT、Grok、预设及本地端点）、可视化 MCP 与 SubAgent 管理、Agent Teams 工作台、Computer Use、技能市场与桌面宠物等。远程场景可通过微信、飞书、钉钉、Telegram、WhatsApp 或 H5 页面访问，也能执行定时任务。项目由作者业余维护，9 月 5 日晚间仍有提交。
- 入选理由：14.3k Star、Fork 高达 8.5k，跨平台桌面形态 + 中文社区活跃度高；在多 Agent 协作、本地优先与「把编码 Agent 装进带 GUI 的工作台」这件事上，是目前功能覆盖较全的开源实现之一。
- 个人见解：Claude Code 这类终端 Agent 很强，但对非重度终端用户并不友好。cc-haha 的价值在于把「多会话、diff 审查、权限审批、模型切换」搬进可视化界面，还补上了 IM/H5 远程接入这种中国开发者熟悉的使用方式。Fork 数远高于常规比例，可能反映大量用户 fork 后自用改造；项目迭代依赖个人维护，团队采用前建议先验证其更新节奏与稳定性。

### 5. waooAI/waoowaoo —— 面向图像/视频创作的全流程 AI 影视平台

- GitHub：https://github.com/waooAI/waoowaoo
- Star：13,978（2026-09-06）｜ Fork：3,071
- 分类：AI 创作平台 / 视频生成
- 最近更新：2026-09-05（最新 release v0.4.1，2026-04-03，main 持续迭代）
- License：仓库未声明标准 SPDX 许可（GitHub API 返回 NOASSERTION），采用前请核对仓库
- 简介：官方在仓库简介中定位为「面向可控影视与视频制作的 AI Agent 平台」，覆盖从短剧到真人影视的工作流；当前 README 以 preview 形态重点描述其 AI 创作工作空间：右侧 Assistant 协助发展创意脚本并持续产出素材，画布上可组织参考文件、检查生成结果；支持按模型感知的长宽比、时长、分辨率生成，支持首帧/首尾帧/参考图模式，并能基于既有结果迭代出新版本。Preview 阶段开放 OpenRouter 配置，可用模型包括 GPT Image 2、Nano Banana 系列、Seedance 系列与 MiniMax H3 / H3 Max 等，可自托管 Docker 部署。
- 入选理由：14k Star、09-05 深夜仍有提交，是「Agent 编排 + 图像/视频生成」结合较紧密的开源尝试；把创意简报、素材管理、模型调度与画布迭代放进同一个工作流，方向契合影视级可控生成的趋势。
- 个人见解：这个项目值得关注的原因不是「多了一个生图界面」，而是它试图把 AI 生成放进「项目制、可迭代、可复用角色设定」的生产管线。需要提醒的是：仓库简介与 README 的定位仍在快速迭代，正式 release 停留在 4 月而 main 更新频繁，说明产品处于 preview 活跃期；模型可用性依赖 OpenRouter 等第三方渠道，实际体验请以官方最新文档与自托管版本为准。

### 6. omnigent-ai/omnigent —— 统一编排多家编码 Agent 的 meta-harness

- GitHub：https://github.com/omnigent-ai/omnigent
- Star：9,726（2026-09-06）｜ Fork：1,514
- 分类：Agent 编排框架 / Agent Governance
- 最近更新：2026-09-06（最新 release v0.12.0，2026-09-01）
- License：Apache-2.0
- 简介：开源 AI Agent 框架与「meta-harness」：可统一编排 Claude Code、Codex、Cursor、OpenCode、Hermes 与自定义 Agent，切换 harness 无需重写；支持策略约束与沙箱化执行，可对接 Modal、Daytona、E2B、Kubernetes 等远程沙箱；支持跨设备实时协作（终端、浏览器、手机、桌面），并持续迭代治理（governance）能力。项目创建于 2026 年 6 月，目前处于 alpha/快速迭代期，09-06 凌晨仍有提交，v0.12.0 于 09-01 发布。
- 入选理由：9.7k Star、半年内快速成长且保持每日级提交节奏；「不要被某一家 harness 锁定」是编码 Agent 爆发期的自然诉求，omnigent 把这种诉求做成了框架级方案。
- 个人见解：随着 Claude Code、Codex、Gemini CLI 等工具各占山头，团队真正缺的是「统一策略、统一沙箱、可切换后端」的中间层。omnigent 站的位置很聪明，但也正因为要兼容多家 harness，其稳定性与适配成本会随上游变化而波动。处于 alpha 阶段的项目适合先做概念验证，生产接入需谨慎。

### 7. Lightricks/LTX-2 —— 输出同步音频与视频的 DiT 基础模型

- GitHub：https://github.com/Lightricks/LTX-2
- Star：9,359（2026-09-06）｜ Fork：1,477
- 分类：生成模型 / 音视频生成
- 最近更新：2026-08-26（最新 release v1.3.0，2026-08-26）
- License：仓库未声明标准 SPDX 许可（GitHub API 返回 NOASSERTION），权重通过 Hugging Face 门控发布
- 简介：Lightricks 官方开源的 LTX-2 推理与 LoRA 训练包。项目方将其描述为「首个基于 DiT 的音频-视频基础模型」：在同一模型中同时建模并输出同步的音频与视频，覆盖现代视频生成的核心能力（同步音画、高保真、多性能模式、生产级输出、API 与开放权重）。当前权重指向 LTX-2.5：22B distilled transformer + Gemma-4 12B 文本编码器 + 视频/音频 VAE + 空间超分模块，完整下载约 66 GiB；权重经 Hugging Face 发布，需登录并同意模型条款后下载。论文见 arXiv 2601.03233。
- 入选理由：9.4k Star，v1.3.0 于 08-26 发布；「音频与视频联合生成」是目前生成模型领域少见的模型级能力，官方同时开放推理包、训练包与 LoRA 支持，工程完整度较高。
- 个人见解：多数视频模型走「先生成画面、再单独配音」的管线，LTX-2 选择在扩散主干内联合建模音频与视频，理论上能获得更好的口型、节奏与音画同步。22B 模型 + 约 66 GiB 权重意味着它面向有 GPU 资源的团队而非个人玩具；实际效果与许可边界（权重门控条款）建议以官方 Hugging Face 页面为准。

### 8. OpenBMB/UltraRAG —— 低代码的 MCP 化 RAG 构建框架

- GitHub：https://github.com/OpenBMB/UltraRAG
- Star：5,681（2026-09-06）｜ Fork：445
- 分类：RAG 框架 / MCP
- 最近更新：2026-09-05（最新 release v0.3.0.2，2026-04-09，main 持续迭代）
- License：Apache-2.0
- 简介：清华大学 OpenBMB 团队开源的 RAG 框架，官方定位为「用低代码方式构建复杂与创新型 RAG 管线的 MCP 框架」：把检索、重排、生成等 RAG 能力以组件/服务方式暴露，支持接入 OpenAI、Qwen、DeepSeek、vLLM 等模型后端与本地 embedding，覆盖从简单问答到复杂多跳检索的构建需求；3.0 版本重点强调推理过程可见与评测对齐，配套提供评估数据集等资源。
- 入选理由：5.7k Star、09-05 仍有提交；RAG 正在从「调库拼装」走向「组件化、协议化」，UltraRAG 把 MCP 作为统一接口是值得跟踪的方向；背靠高校团队，迭代与文档相对成体系。
- 个人见解：RAG 项目的通病是「demo 好看、生产难调」，而工程团队真正缺的是可观测、可替换组件的管线框架。UltraRAG 用 MCP 统一检索与工具调用，思路清晰；它的实用价值取决于社区贡献的组件质量与评测口径是否贴近真实业务。适合作为企业内部 RAG 平台的选型候选之一，先跑通一个业务场景再决定是否全量迁移。

### 9. QwenAudio/qwen-audio-agent —— 让 Agent「边干活边说话」的实时语音运行时

- GitHub：https://github.com/QwenAudio/qwen-audio-agent
- Star：2,352（2026-09-06）｜ Fork：206
- 分类：语音 Agent / Agent 运行时
- 最近更新：2026-09-06（最新 release v1.11.0，2026-08-20）
- License：Apache-2.0
- 简介：通义音频（QwenAudio）团队开源的实时语音运行时，目标是在对话与后台任务并行时保持 Agent「在场」：全双工实时语音、支持自然打断与持续多轮对话；前端（WebUI / TUI / 桌面悬浮球 orb，覆盖 macOS/Windows/Linux）与后台任务并行执行，任务完成会把结果自然带回当前对话；可一键接入偏好的 Agent（统一在 ACP 架构下接入 Claude Code、Codex、OpenCode 等），复用其模型配置、工具、MCP、Skills 与认证。v1.11.0 新增可嵌入 Gateway 与 Realtime Provider 扩展、Agent Skills 安装管理，并为 TUI 加入多模态输入；v1.9.0 起支持 Qwen3.5-Omni Realtime 前端集成。项目 2026-07-27 开源，约 6 周内迭代到 v1.11。
- 入选理由：2.4k Star 体量不大，但它是阿里官方团队出品、本周仍在高频更新的语音 Agent 运行时；「语音交互 + Agent 后台任务并行」正在成为新的体验范式，而大多数项目还只停留在「语音聊天」层面。
- 个人见解：语音助手的旧体验是「你说一句、它答一句」；qwen-audio-agent 想做到的是「你随时插话，Agent 手上的活不中断」。这种设计对家务场景、驾驶场景与多任务办公都更有价值。它还很年轻（开源约 6 周），架构变动可能较快，建议关注其 v2.0 的 Agent 架构与记忆能力演进，再决定是否深度集成。

### 10. NVIDIA-NeMo/DataDesigner —— 面向生产的合成数据生成框架

- GitHub：https://github.com/NVIDIA-NeMo/DataDesigner
- Star：2,198（2026-09-06）｜ Fork：208
- 分类：合成数据 / 数据工程
- 最近更新：2026-09-05（最新 release v0.9.2，2026-09-03）
- License：Apache-2.0
- 简介：NVIDIA NeMo 团队开源的合成数据生成框架：可从零开始或用种子数据生成多样化的文本、结构化数据与图像；支持多模态工作流、字段间依赖感知生成、通过本地/远程 MCP 服务器连接外部工具并捕获交互轨迹；输出可用 Python、SQL、自定义校验器与 LLM judge 打分验证；支持插件扩展与「小实验 → 大批量」的断点续跑与监控。README 展示的官方徽标提到 NVIDIA 内部已处理 20T+ tokens（该项目方自述数据，未独立验证）。支持 Python 3.10+ 与 NVIDIA Build、OpenAI、OpenRouter 等模型提供方。
- 入选理由：2.2k Star 但在 09-03 刚发布 v0.9.2 且 09-05 持续提交，属于 NVIDIA 官方在数据层的重点投入；当模型训练数据进入瓶颈，「合成数据 + 自动校验」会成为数据工程的新标配。
- 个人见解：合成数据的难点从来不是「让 LLM 多写几段」，而是分布可控、字段关系正确、可自动验收。DataDesigner 把依赖感知生成、MCP 工具调用与校验打分做成框架能力，方向非常务实。20T+ tokens 是 NVIDIA 官方自述的徽标数据，我未做独立验证；实际效果依赖所接模型质量，建议从一个小型但分布敏感的评测集开始试用。

## 趋势观察

1. Agent 工具链进入「平行工作环境」分化期。本期多个席位分别对应 Agent 的桌面工作区（cc-haha）、专用浏览器（ego-lite）、跨模型编排层（omnigent）与语音运行时（qwen-audio-agent）——Agent 正在从「对话工具」变成「拥有自己工作区、可随时被打断和追问的同事」。
2. 语音重新成为 Agent 前端的关键入口。实时全双工、自然打断与「后台任务 + 前台对话并行」成为新一代语音 Agent 的产品分水岭，通义、NVIDIA 语音系项目与社区开源语音库同期活跃，说明语音 Agent 生态正在从「单点 TTS/ASR」走向「完整运行时」。
3. 生成模型向「同步多模态」演进。LTX-2 把音频与视频放进同一个 DiT 模型联合生成，waoowaoo 则把多模型调度包装成可控影视工作流——「画面 + 声音 + 可迭代创作流程」是下一阶段的竞争焦点。
4. 数据与知识层被工程化。RAG 框架走向 MCP 协议化（UltraRAG），合成数据走向「生成 + 校验 + 断点续跑」的生产框架（DataDesigner），说明行业对数据质量与管线可维护性的投入在明显加大。
5. 中文社区「LLM + 个人投资自动化」热度极高。daily_stock_analysis 的 Star/Fork 体量说明需求真实且旺盛；同时这类高星项目往往伴随赞助推广位与仿冒风险，使用前建议核对官方渠道、谨慎对待任何涉及资金与密钥的配置。

## 选型建议

- 想做「个人零成本」的 LLM 投资分析/推送：可研究 daily_stock_analysis 的多源行情与定时推送架构，但先以模拟/观察方式验证数据与结论可靠性，切勿直接用于实盘决策。
- 想要本地化、可自带密钥的 AI 应用构建器：dyad 是值得优先评估的候选；注意 src/pro 的 fair-source 许可边界。
- 需要 Agent 做带登录态的浏览器自动化：ego-lite 的「共享登录态 + 独立 Space」思路体验较顺，但当前仅官方支持 macOS。
- 想把 Claude Code 等多 Agent 装进可视化桌面、并让团队通过 IM/H5 远程使用：cc-haha 覆盖面广，先在小团队验证迭代稳定性。
- 做短视频/影视级可控 AI 创作管线：可关注 waoowaoo 的 preview 自托管版本，把「模型调度 + 画布迭代」跑通后再评估是否依赖。
- 团队已同时使用多种编码 Agent、需要统一策略与沙箱：omnigent 值得做概念验证，alpha 阶段不建议直接上生产。
- 研究「音画同步生成」或有 GPU 算力做视频生成：LTX-2 是当前少有的模型级选项，先核对 Hugging Face 权重条款与硬件需求。
- 搭建企业内部 RAG/知识平台：UltraRAG 的 MCP 组件化值得评估，先跑真实业务场景再决定。
- 给 Agent 加「能随时插话」的语音交互：qwen-audio-agent 方向领先但年轻，适合尝鲜与跟踪，不建议立即做核心依赖。
- 数据团队面临训练/评测数据不足：DataDesigner 的「生成 + 校验 + 依赖控制」框架可以直接试用，模型成本与质量需自行评估。

## 数据时效与免责声明

- 数据快照时间：2026-09-06 02:30 UTC（Asia/Shanghai 2026-09-06 10:30 UTC+8）。Star、Fork、更新时间与 release 均为该时刻 GitHub API 返回结果；增星数据未获得可靠来源时标注「未公开」，不做推算。
- 项目简介基于 GitHub 官方 README 与仓库信息归纳，入选理由与个人见解为本文作者观点。部分项目方自述数据（如 NVIDIA 20T+ tokens、LTX-2 权重体积与模型特性）引用自官方 README/徽标，未做独立复测，请以官方发布为准。两个仓库（LTX-2、waoowaoo）在 GitHub API 中未返回标准 SPDX 许可，使用前请务必核对仓库实际许可声明。
- 本文不构成投资建议、安全背书或采购推荐；涉及资金、隐私与自动化操作的项目请自行评估风险并核验官方渠道。