云雀 · 轻技术笔记

GitHub Trending AI 热点 · 2026-11-03

GitHubTrendingGitHub热点AI开源

今天的榜单有一个很清晰的主线：Agent 正在从「聊天框里的助手」变成「有组织结构、有质量门禁、有预算账本」的工程团队。翻完 34 个入选项目你会发现，大部分上榜理由都不是「我又造了个更聪明的模型」，而是「我造了个让 Agent 别犯蠢、别乱花钱、别干到一半失忆的脚手架」。

最热闹的一支是反 AI 味设计工具。hallmark、impeccable、taste-skill、ECC、anthropics/skills 五个人挤在日榜和周榜上，共同点不是「帮你做得更好看」，而是先承认模型有固定失败模式，再给确定性规则去兜底。hallmark 把 AI 味拆成机器可查的清单（标题上方的小字、字距拉开的大写标签、标题里单独着色的那个词、整页空框），impeccable 干脆写了 62 条不用 LLM、不用 API key 的确定性检测规则，taste-skill 干脆研究 247 个精选站点反推成流程。路线之争在于层级：taste-skill 从上游的「好设计长什么样」切入，impeccable 从下游的「这页哪里假」切入，hallmark 则把两者叠起来还加了门禁分级。

第二支是本地推理下沉。colibri 用纯 C 把 744B MoE 塞进 8GB 内存（活跃专家常驻、其余从磁盘流式读），FreeToken 主打 290B+ 前沿 MoE 跑在游戏 PC 上，ollama 则从运行时长成了编码 Agent 的模型后端——ollama launch claude 直接把 Claude Code 接到本地模型。这三件事指向同一个判断：云端 API 贵，所以本地推理引擎在重新变得有经济性。

第三支是Agent 的组织层。paperclip 自称是「公司」而不是「员工」，管组织架构、预算和治理；nasiko 做 Agent 的 OpenRuntime，管成本口径和模型路由；beads 用 Dolt 存依赖图当长期记忆；openrig 用 YAML 定义一个 Claude Code 和 Codex 混编的常驻小组。共同诉求是同一句话——你已经同时开着二十个 Agent 终端，然后忘了每个人在干什么。

还有一支值得单独说：Agent 技能的分发层成型了。vercel-labs/skills 只有一条 npx skills 命令，却是上面五个设计技能、heygen 的视频技能、mattpocock 和 addyosmani 的工程技能全部赖以安装的地基。Skills 赛道的热度已经不在「谁的技能写得好」，而在「协议和分发谁说了算」。

值得关注的项目

  1. pingdotgg/t3code 仓库：https://github.com/pingdotgg/t3code stars：★ 41,047（TypeScript）｜今日新增：+3,806 简介：Agent harness 控制面板，用手机 App / 网页 / Electron 桌面端远程操控本机跑着的编码 Agent。 为什么火：上榜理由很具体：它解决的是「Agent 跑在你自己的机器上，但你在外面」这个断层。项目同时提供 iOS、Android、网页和 Electron 四个客户端，服务端直接复用你本机已登录的 Claude Code、Codex、Cursor、Grok Build、OpenCode、Antigravity 七家 harness 凭证，一个都不用重新授权。这个组合今天同时出现在日榜和周榜，star 从昨天的 37,241 涨到 41,047，一天 +3,806，是今天全部候选里单日涨幅最高的。它唯一没有现成答案的地方是——控制面板本身也得先有一台常开的机器，这正是它要做的事。

  2. Donchitos/Claude-Code-Game-Studios 仓库：https://github.com/Donchitos/Claude-Code-Game-Studios stars：★ 33,295（Shell）｜今日新增：+1,317 简介：把一次 Claude Code 会话变成完整游戏开发工作室：49 个 Agent、74 个技能、15 个钩子、62 套模板。 为什么火：它把「一个人用 AI 做游戏」这件事的所有缺口列了出来：单次会话没有结构，没人拦你硬编码魔法数字、跳过设计文档、写面条代码，没有 QA 环节，没有设计评审，没有人在问「这真的符合游戏愿景吗」。解法是把 49 个专职 Agent 组织成制片厂层级——导演守愿景、部门主管管自己的领域、专家做执行，每个 Agent 都有明确职责、升级路径和质量门禁。配置项的量能看出认真程度：15 个钩子挂在提交、推送、素材变更、设计文档读写和会话生命周期上，14 条按路径生效的编码标准分别管 gameplay、引擎、AI、UI、网络、场景和素材文件，62 套文档模板覆盖 GDD、UX 规范、ADR、sprint 计划和 HUD 设计。今天 +1,317，是今天日榜涨得第二快的项目。

  3. Nutlope/hallmark 仓库：https://github.com/Nutlope/hallmark stars：★ 45,767（CSS）｜今日新增：+1,150 简介：Together AI 出品的反 AI 味设计 Skill：50 套主题 + 真实照片素材 + 分层质量门禁，Claude Code/Codex/Cursor 通吃。 为什么火：火的原因不是「又一个设计 Skill」，而是它把「反 AI 味」当成了一条工程规范在执行。README 里明确列了它要抓的机器味信号：每个标题上方的小字、字距拉开的大写标签、标题里单独着色的那个词、整页空框架或者只有照片、首屏没对齐主视觉、每个页面结尾都塞一个邮件订阅框、以及「表单说谢谢但什么都没发出去」。50 套主题每套都是一种材质（纸、字体、颜色、表面、组件、纹理），还配 755 张开放授权照片按主题挑。更狠的是它把门禁分了层：Floor 层（对比度、焦点、减弱动效、编造事实、手机布局崩了）永不放行，Reflex 层是模型惯性做法、有理由可以逐条推翻，Finish 层只查工艺细节不拦发布。这个「门禁分级 + 记录在案可推翻」的设计，是它比同类多一个身位的原因。

  4. pbakaus/impeccable 仓库：https://github.com/pbakaus/impeccable stars：★ 100,257（Rust）｜今日新增：+1,142 简介：给编码 Agent 用的设计词汇表：polish / bolder 指挥审美，critique / audit 做评审，62 条确定性规则专抓 AI 味。 为什么火：它抓的是 AI 生成界面里那套一眼假的固定动作：紫蓝渐变、卡片套卡片、彩色底上的灰字、每个标题上面挂一个圆角方形图标块。作者把这套症状原样列了出来，然后给出的解法是三件事——给 Agent 词汇（bolder the pricing cards 会加载一份专门为这一招写的 playbook 并指向具体目标）、给 Agent 评审器（critique 按可用性启发式打分排序，audit 从 P0 阻塞到 P3 打磨分级列问题）、给 Agent 检测器（62 条确定性规则，不用 LLM、不用 API key）。关键细节是它明确说自己最强的地方是改已有界面而不是从零造页面——这和「让模型从空白生成一张好看的图」是完全不同的工程问题，所以它切的是一个真痛点。

  5. cloudflare/security-audit-skill 仓库：https://github.com/cloudflare/security-audit-skill stars：★ 57,174（JavaScript）｜今日新增：+1,039 简介：Cloudflare 官方下场做的安全审计 Skill，六阶段编排多个隔离 Agent，把你的编码 Agent 变成漏洞挖掘员。 为什么火：它是 Cloudflare 自己漏洞挖掘体系的单仓库起点，README 里直接承认「这个 skill 催生了我们的漏洞发现 harness，harness 后来长成了多阶段全舰队系统，skill 是它演化出来的起点」。六阶段分别是：侦察（架构、信任边界、输入面、已有证据、确定性覆盖率）、覆盖率驱动狩猎（从账本单元派隔离 hunter，再用覆盖率 critic 找漏）、候选验证（每个候选交给全新验证者去试图推翻它）、结构化输出（confirmed / needs_validation / rejected 三态记录并按 schema 校验）、独立记录复核（最终源码断言由新 Agent 复核，材料替换还要再加一个独立验证者）、目标中立报告。同一仓库多次运行是可叠加的，会拿旧账本定向补漏。今天单日 +1,039，它这个量级靠的不是话题度，是「这是官方内部体系的外流」这件事本身。

  6. Leonxlnx/taste-skill 仓库：https://github.com/Leonxlnx/taste-skill stars：★ 108,512（JavaScript）｜今日新增：+924 简介：研究 247 个精选站点后提炼出的前端品味 Skill：给 Agent 派艺术方向、找真实照片、再在真浏览器里自查。 为什么火：它的方法论是「研究 247 个精选站点」之后把结论反推成流程：六步走，先读需求并列出这个客户独有的东西，脚本从 20 条调研过的方向里发 3 条给 Agent 选，找到「这个想法」——一句话把客户自己的东西和这个方向连起来，再去开放图库里找真实照片并署名，最后在真浏览器里检查自己的作品。它跑脚本要 Node 22+ 和真实 Chrome/Edge/Chromium，不装东西也不要 API key。今天 +924。这个项目的价值恰恰在于它不装 AI 味检测器——它是从「好设计长什么样」这个上游问题切入的，比在成品上打补丁高一层。

  7. affaan-m/ECC 仓库：https://github.com/affaan-m/ECC stars：★ 295,428（JavaScript）｜今日新增：+816 简介：Agent harness 性能优化系统：skills + instincts + memory + security + research 一整套，plan→test→review 全链路。 为什么火：它把 Agent 的工程流程写成了一条闭环：plan → test → implement → review → verify → remember → improve。核心主张是「把流程装一次，而不是每次在 prompt 里重建一遍」，配套的口号是「优化上下文窗口，别的一律持久化」。它同时提供 skills、instincts、memory、security、research 五个模块。值得注意的是它自己写清楚了商业边界：仓库永远 MIT，收费的 Pro 是给私有仓库用的托管 GitHub App，赞助商和订阅者养着这条线，所以「一个维护者一周横跨 7 个 harness 出活」不是奇迹而是有人付账的结果。今天 +816，在这一堆同质化的 Skills 仓库里，它胜在把「记忆」和「安全」也算进了 Agent 的性能指标。

  8. shiyu-coder/Kronos 仓库：https://github.com/shiyu-coder/Kronos stars：★ 45,886（Python）｜今日新增：+710 简介：首个开源金融 K 线基础模型，45 家交易所数据训练，两阶段框架把 OHLCV 量化成分层离散 token。 为什么火：它是第一个针对金融 K 线做的开源基础模型，训练数据覆盖 45 家全球交易所，已被 AAAI 2026 接收。技术上有意思的是它没有走通用时序模型那条路，而是先用一个专用 tokenizer 把连续多维 OHLCV 量化成层级离散 token，再用自回归 Transformer 在这些 token 上预训练——理由是金融数据噪声极大，通用时序模型处理不了。开源了 mini（4.1M 参数）、small（24.7M）、base（102.3M）三档，上下文 512/2048。今天 +710，star 45,886。它已经快一年没 push（最后一次是 4 月），star 还在涨说明这波是模型本身的传播而不是更新带动的。

  9. TauricResearch/TradingAgents 仓库：https://github.com/TauricResearch/TradingAgents stars：★ 119,889（Python）｜今日新增：+469 简介：多 Agent LLM 金融交易框架，v0.7 起强调 point-in-time 完整性和只按收盘价结算的回测严谨性。 为什么火：它近三个月密集迭代了 v0.4 到 v0.7，每一版都在修同一类问题：回测的时点完整性。v0.4 修掉 FRED 宏观、社交情绪和决策日志记忆里的前视偏差；v0.5 加了按分析日期做网格回测、组合层面的运行隔离、SEC EDGAR 按申报原文服务；v0.6 把报告存成一个 HTML 页、允许每个模型档位配不同供应商；v0.7.1 明确决策只按最终收盘价打分、跨长假结算，并修掉了模型日期可能读到运行日之后申报文件的问题。能主动把「自己的回测会不会骗自己」当主线写进 release note 的量化框架不多。今天 +468。

  10. FlashML-org/FreeToken 仓库：https://github.com/FlashML-org/FreeToken stars：★ 15,909（Python）｜今日新增：+666 简介：边缘原生 MoE 推理引擎，在游戏 PC 上跑 290B+ 前沿 MoE 模型，CPU-GPU 协同 + 专家磁盘流式读取。 为什么火：它打的是「用游戏 PC 当数据中心」这个场景，宣称在消费级硬件上跑 290B+ 前沿 MoE 模型还能保持交互级速度。工程上有几处真东西：CPU-GPU 协同用带宽自适应的 q* 策略调度、全层双缓冲 prefill 流式、全局 LRU 专家缓存、FTW 快速权重格式；还做了语义锚点检查点，让 Agent 的工具调用和思考块改动不必重算上下文；显存能在专家缓存和 KV 之间运行时动态重分配而不用重启引擎重载权重。支持 DeepSeek-V4-Flash、Qwen3.6-35B-A3B、GLM-5.2 以及 MXFP4/NVFP4/FP8/BF16 多种量化，RTX 30/40/50 系列原生支持，兼容 Anthropic/OpenAI 接口。今天 +666。

  11. obra/superpowers 仓库：https://github.com/obra/superpowers stars：★ 311,092（Shell）｜今日新增：+593 简介：Agent 驱动的完整软件开发方法论：先问清需求再动手，出规格、出计划，再派子 Agent 走 TDD 红绿循环。 为什么火：它最狠的一句设计是：Agent 一上来不直接写代码，而是先退一步问你到底想干什么。等它从对话里把规格问出来，会切成你真能读完的短块给你确认；你点头之后，它出的实现计划是「给一个品味差、不写测试、没项目背景、还没耐心听解释的初级工程师，照着也能做出来」的级别，强调真正的红绿 TDD、YAGNI 和 DRY。然后才是 subagent-driven-development 派子 Agent 逐个任务做、互相检查、往前推——README 说 Agent 自主跑两三个小时不跑偏是常事。它支持 Claude Code、Codex、Cursor、Gemini CLI、Copilot CLI、Kimi Code、Qwen Code、Hermes Agent 等十几个 harness。今天 +593。

  12. anthropics/skills 仓库：https://github.com/anthropics/skills stars：★ 186,692（Python）｜今日新增：+459 简介：Anthropic 官方 Agent Skills 公共仓库，Skills 协议的样板间，含 docx/pdf/pptx/xlsx 文档能力源码。 为什么火：它是 Skills 协议的源头仓库，README 里明确指向 agentskills.io 这个标准。仓库里每个 skill 都是一个独立文件夹加一份 SKILL.md，覆盖创意设计、开发测试、MCP server 生成到企业级的品牌沟通。有意思的是它把 docx、pdf、pptx、xlsx 四个文档 skill 一起放了出来，但注明这些是 source-available 不是 open source——Claude 文档能力底下的真东西，作者愿意拿出来当参考但保留权利。这份保留反而说明仓库的价值。今天 +459，18.6 万 star 是 Skills 赛道里官方背书最强的一个。

  13. vercel-labs/agent-browser 仓库：https://github.com/vercel-labs/agent-browser stars：★ 45,257（Rust）｜今日新增：+140 简介：Vercel Labs 的浏览器自动化 CLI，Rust 原生二进制，专为 AI Agent 设计的快照—动作循环。 为什么火：它和市面上一堆 Playwright 封装的最大区别是「不要求你装 Playwright 也不要求 Node.js」——daemon 是 Rust 原生二进制，Chrome 从 Chrome for Testing 官方通道下载，机器上已有的 Chrome、Brave、Playwright、Puppeteer 会被自动识别。安装路径覆盖 npm 全局、项目本地依赖、Homebrew、Cargo 和源码编译，Linux 上一条 agent-browser install --with-deps 连浏览器依赖一起装。它是专门为 Agent 设计的快照—动作循环，而不是给人用的录制回放工具。今天 +140——在 4.5 万 star 的体量上属于稳态，不是爆发。

  14. AgriciDaniel/claude-seo 仓库：https://github.com/AgriciDaniel/claude-seo stars：★ 25,899（Python）｜今日新增：+504 简介：Claude Code 的免费 SEO 插件：26 个子技能 + 19 个专职 Agent，覆盖技术 SEO、E-E-A-T、结构化数据和 GEO/AEO。 为什么火：它的切入点不是「教模型写什么关键词」，而是「让 17 个 Agent 同时爬你的站」——26 个子技能加 19 个专职 Agent，最多 17 个并行工作，这是人力做 SEO 咨询的形态。它的覆盖面也说明了 SEO 这个词的含义在 2026 年已经变了：除了传统的可抓取性、索引、sitemap、robots、重定向、Core Web Vitals，还有 GEO（Google AI Overviews、AI Mode、ChatGPT、Perplexity、Gemini 会不会引用你的页面）、以及 agent readiness（Lighthouse Agentic Browsing、WebMCP、llms.txt）这类新战场。它给的结果承诺也很具体：10 到 15 分钟跑完完整审计，输出按重要性排序的行动清单，每条建议都解释为什么重要以及怎么验证有效。它自己的站就是从第一天起拿这个工具审的，声称 12 周拿到 1.08 万次 Search Console 点击、99 分移动端 PageSpeed。今天 +504。

  15. max-sixty/worktrunk 仓库：https://github.com/max-sixty/worktrunk stars：★ 9,927（Rust）｜今日新增：+167 简介：为并行 AI Agent 设计的 git worktree 管理 CLI，三个核心命令把 worktree 用得像分支一样顺手。 为什么火：它解决的是一个被 Agent 普及放大的老问题：git 原生 worktree 很难用，开一个新 worktree 要把分支名敲三遍——git worktree add -b feat ../repo.feat，然后再 cd ../repo.feat。作者指出 Claude Code 和 Codex 这类 Agent 能跑长任务不改方向，于是并行管理 5 到 10 个 Agent 已经现实，而每个 Agent 都需要独立工作目录才不会互相踩改动。Worktrunk 的三个核心命令就是把 worktree 变得跟分支一样容易，附带钩子自动化本地流程和写时复制构建缓存。它自己写得很谦逊：「年初发布，很快成了最流行的 git worktree 管理器，是用爱造的（没有 slop）」。今天 +167，在 9,927 star 的体量上属于安静增长——但对同时开着十个 Agent 的人来说，它是刚需而非玩具。

  16. kornia/kornia 仓库：https://github.com/kornia/kornia stars：★ 12,066（Python）｜今日新增：+373 简介：PyTorch 生态的可微分计算机视觉库，1200+ 可微分算子，官方定位是空间 AI 的参考实现与可执行规范。 为什么火：它是 PyTorch 生态里少见的「老项目还在认真做」的例子——2018 年创建，8 年后仍在 11 月 2 日有 push。今天它公开了方向：要做 PyTorch 生态中可微分计算机视觉与几何的参考实现和可执行规范，而不是继续堆 API，对应的是显式约定、一致性测试和诚实基准。它的护城河是广度：1200+ 公开算子，大部分 torchvision 没有对应实现——相机模型和对极几何、最小求解器和 RANSAC、特征检测描述匹配、边缘检测、形态学、Lab 与 Bayer 颜色、图像损失与指标，torchvision 主要重叠的是缩放裁剪翻转和颜色抖动。工程上有个细节值得注意：批量最小求解器把零矩阵放在未用槽位，让批量内所有真实解同时存在，而不是靠筛选过滤。它明确说自己「在手写版本变得冗长脆弱、或者替代方案把用户赶出 GPU 的地方才划算」。今天 +373。

  17. paperclipai/paperclip 仓库：https://github.com/paperclipai/paperclip stars：★ 110,246（TypeScript）｜今日新增：NEW（30 天累计 +13,598） 简介：开源的 Agent 公司编排层：自带组织架构、预算、治理和目标对齐，把一堆 Agent 终端变成一个团队。 为什么火：README 有一句话把定位说透了：「如果 OpenClaw 是员工，Paperclip 就是公司。」它不是任务管理器，底下跑的是组织架构、预算、治理、目标对齐和 Agent 协同这五件事。你可以定义「把 AI 笔记应用做到 100 万 MRR」这种目标，然后招 CEO、CTO、工程师、设计师、市场部——任何 bot、任何供应商都行，选模型和 harness 也可以按 Agent 分别指定，而任务、技能、权限、历史都放在一个地方。它的验收标准写得很直白：「你有 20 个 Claude Code 终端同时开着，然后忘了每个人在干什么」。今天是近 30 天累计涨 13,598，属于回榜型增长。

  18. mattpocock/skills 仓库：https://github.com/mattpocock/skills stars：★ 309,999（Shell）｜今日新增：NEW（12 天累计 +10,370） 简介：TypeScript 工程师 Matt Pocock 的私人技能集公开，明确反对 GSD/BMAD/Spec-Kit 那种流程接管，强调小而可组合。 为什么火：它最锋利的一句批评是冲着自家赛道来的：GSD、BMAD、Spec-Kit 这类流程工具「试图通过接管流程来帮忙，结果是把你的控制权拿走了，流程里的 bug 还很难解决」。所以他把技能做得很小、容易改、能组合，并且强调与模型无关、基于几十年工程经验。它的定位是「我每天真在用的技能，不是 vibe coding」。装法覆盖 Claude Code 插件、Codex 插件市场、Copilot CLI 与 VS Code、Gemini CLI 手动安装，以及一条 npx skills 通吃 50+ 宿主。已有约 6 万开发者订阅他的newsletter。12 天累计涨 10,370。

  19. JustVugg/colibri 仓库：https://github.com/JustVugg/colibri stars：★ 46,386（C）｜今日新增：NEW（46 天累计 +10,784） 简介：纯 C 单文件实现的 MoE 推理引擎，常驻内存只放活跃专家，其余专家按需从磁盘读，8GB 内存起步。 为什么火：它的核心机制很聪明：MoE 模型每生成一个 token 只会用到少数专家，那就只把这部分专家常驻内存，其余从磁盘按需读——这等于把「显卡放不下」变成了「磁盘放得下」。实现是纯 C，一个模型家族一个文件，零依赖，不要 GPU。README 里直接给了运行示例：GLM-5.2、744B MoE、int4、CPU 流式，32 秒就绪，常驻内存 9.9GB。门槛写得很清楚：最低 8GB 内存（16GB 更好）、最小模型要 22GB 磁盘、显卡可选。13 个引擎覆盖 GLM-5.2/5.3、Kimi K3、DeepSeek V4 Flash、Qwen3.8-Flash-Next、OLMoE，还有 Qwen-Image-2.1 画图和三个决策模型。46 天累计涨 10,784。

  20. mvanhorn/last30days-skill 仓库：https://github.com/mvanhorn/last30days-skill stars：★ 66,346（Python）｜今日新增：NEW（90 天累计 +9,123） 简介：Agent 驱动的跨平台搜索：Reddit 点赞、X 转发、YouTube 字幕、Polymarket 赔率并行搜，按真实热度排序。 为什么火：它要解决的是一个信息源问题：没有哪个 AI 原生能同时摸到 Reddit 评论和 X 帖子——ChatGPT 跟 Reddit 有协议但搜不了 X，Gemini 有 YouTube 但没 Reddit，Claude 一个都没有。每家都是带围墙的花园，各自的 API、token、认证。但你可以自带 key 和浏览器会话，于是一个 Agent 能同时搜全部平台、互相打分、然后告诉你什么真的重要。它的排序依据不用编辑推荐，而是真实投票：Reddit 的点赞、X 的转发、YouTube 字幕、TikTok 互动、Polymarket 的真实金钱赔率。零配置起步，Reddit、HN、Polymarket、GitHub 开箱即用，装完 30 秒解锁 X、YouTube、TikTok、arXiv、Techmeme。90 天累计涨 9,123。

  21. addyosmani/agent-skills 仓库：https://github.com/addyosmani/agent-skills stars：★ 112,750（JavaScript）｜今日新增：NEW（24 天累计 +8,954） 简介：Google Chrome 团队工程师 addyosmani 的生产级工程技能集，DEFINE→PLAN→BUILD→TEST→REVIEW→SHIP 九个斜杠命令。 为什么火：它是 Chrome 团队工程师 addyosmani 把自己的工程实践公开成一套技能集，六阶段流水线画得很清楚：Idea→Spec→Code→Test→QA→Go，对应 /spec /plan /build /test /review /ship 九个斜杠命令，每个命令自动激活相关技能。其中 /constraints 值得单独说——「一次决定，处处强制」，在 spec 阶段就把质量标准定死。/build auto 是一次批准后自动跑完整份计划，但它强调「去掉的是任务之间的人工介入，不是验证」，每个任务仍然测试先行、单独提交，失败或有风险时暂停。它还做了一件老道的事：设计和 API 建造会触发 api-and-interface-design 这类技能，前端触发 frontend-ui-engineering。24 天累计涨 8,954。

  22. p-e-w/heretic 仓库：https://github.com/p-e-w/heretic stars：★ 37,924（Python）｜今日新增：NEW（63 天累计 +8,398） 简介：免训练的大模型改造工具：用对比样本加打分器做行为引导，去审查、去 AI 味、降低谄媚度，一个下午跑完。 为什么火：它做的事按官方说法是「只有掌握海量算力的公司才做得了的事」——但它不做训练，它用对比样本加匹配打分器这套数学方法直接引导模型行为。配置项就是行为开关：默认去审查去 refusals，config.noslop.toml 去 AI 味，config.nohumor.toml 降幽默，config.nosyco.toml 降谄媚，config.emotions.toml 调情绪对齐。它强调不需要理解模型内部就能用，几秒钟完成第一个模型，支持稠密模型、多模态模型、多种 MoE 架构和现代混合架构，还支持 bitsandbytes 4bit 量化把显存降到普通量化版的水准。社区已经用它发布了成千上万个模型，并且做过 MMLU 和 GSM8K 基准对比，说效果不输同类 abliteration 工具。63 天累计涨 8,398。

  23. vercel-labs/skills 仓库：https://github.com/vercel-labs/skills stars：★ 37,775（TypeScript）｜今日新增：NEW（20 天累计 +3,459） 简介：开放 Agent Skills 的命令行工具，一条 npx skills 就能把技能装进任意 Agent 宿主，是这个赛道的分发层。 为什么火：它的功能一句话说完：开放 Agent Skills 的命令行工具，npx skills。它不生产技能，它是分发层——你把技能装进任意 Agent 宿主，它来做这件事。放在这个榜上看着不起眼，但它是整个 Skills 赛道的地基：上面那些仓库（mattpocock/skills、addyosmani/agent-skills、Leonxlnx/taste-skill、heygen-com/hyperframes）全靠它一条命令装进 Claude Code 或 Codex。这个工具自己也会用它的方式来分发——Heygen 的 README 专门提醒，skills add 走 skills.sh 注册表 blob 可能比 main 落后几小时，想要最新版要用 npx hyperframes skills update 从 main 直接装。20 天累计涨 3,459。

  24. mksglu/context-mode 仓库：https://github.com/mksglu/context-mode stars：★ 33,259（TypeScript）｜今日新增：NEW（14 天累计 +2,247） 简介：上下文窗口优化 MCP 服务：工具原始输出沙箱化，315KB 压到 5.4KB，会话状态存 SQLite + FTS5 检索。 为什么火：它把上下文窗口问题量化了：一次 Playwright 快照 56KB，20 个 GitHub issue 59KB，一条访问日志 45KB，半小时后 40% 上下文就没了；而且 Agent 一旦压缩对话，就会忘掉自己在改哪些文件、有哪些任务在跑、你最后问了什么。它的解法有四层：工具输出沙箱化把 315KB 变成 5.4KB（98% 缩减）；会话连续性靠 SQLite 记录每次文件编辑、git 操作、任务、报错和你的决定，压缩时不回灌数据而是建成 FTS5 索引按 BM25 只取相关部分；「Think in Code」——别让 LLM 当数据处理器，让它写脚本去算，一个 ctx_execute 顶十次工具调用，省 100 倍上下文；以及不干预输出风格。README 里那个对比很直白：47 次 Read 是 700KB，改成 1 次 ctx_execute 是 3.6KB。14 天累计涨 2,247。

  25. mvschwarz/openrig 仓库：https://github.com/mvschwarz/openrig stars：★ 8,555（TypeScript）｜今日新增：NEW（24 天累计 +2,199） 简介：多 Agent 持久化网络：YAML 定义团队，一条命令拉起 Claude Code 和 Codex 混编的常驻小组。 为什么火：它给了一个准确的区分：「harness 包模型，rig 包你的 harness。」所以 Claude Code 和 Codex 可以装在同一个 rig 里当一个系统管。团队用 YAML 定义，一条命令拉起，你只跟一个 lead agent 说你想要什么结果，它去协调各组的专家并把需要你决策的东西递上来。关键设计是所有工作的位置固定——「从仓库和一个有用的改动开始，然后保持团队的工作和上下文待在同样的地址上」，这解决了多 Agent 并行最头疼的隔离问题。装法是往 Claude Code 或 Codex 里加一个 rigs skill，让 Agent 自己装自己。依赖 Node 22/24、tmux、macOS 或 Linux（Windows 走 WSL2），一个供应商登录就够跑起来。24 天累计涨 2,199。

  26. cheaper-inference/OmniRoute 仓库：https://github.com/cheaper-inference/OmniRoute stars：★ 83,902（TypeScript）｜今日新增：NEW 简介：MIT 协议的免费 AI 网关：一个端点接 375 个供应商、1400+ 模型，把各家免费额度拼起来用。 为什么火：它干的是一件很脏但很实在的事：把各家第三方免费额度拼起来用。README 里那行大数字是「每月约 16.2 亿 token」，但作者主动拆了口径——这是分别符合条件的第三方免费层聚合估算，不是 OmniRoute 自己送的 token；目录里 467 个免费层条目横跨 34 个循环池，token 标题数字只从 17 个有公开月度预算的池加 5 个 Groq 单模型上限算出来，按共享池去重，需要地域身份验证才能开的额度（比如今天的 ModelScope）单独列、约 600 万 token，绝不并进标题数字。这个「把免费额度目录每两周对着活的目录重新审计、而且明说数字会双向变动」的做法，比吹一个大数字可信。模型侧目前 375 个供应商、1475 个模型 ID，还有配额感知调度和配额遥测。

  27. ollama/ollama 仓库：https://github.com/ollama/ollama stars：★ 185,685（Go）｜今日新增：NEW 简介：本地跑开源模型的事实标准，现在还能一键把 Claude Code、Codex、Copilot 这些编码 Agent 接到本地模型上。 为什么火：它是本地跑开源模型的事实标准，18.6 万 star。今天上榜的新变化是它从「本地推理运行时」往「编码 Agent 的模型后端」长：README 里明确写了可以把 Ollama 接到你已有的 Agent 和应用上，包括 Claude Code、OpenClaw、OpenCode、Codex、Copilot；ollama launch claude 就能启动指定集成，官方支持的集成列了 Claude Code、Codex、Copilot CLI、DeepSeek Harness、Droid 和 OpenCode；ollama launch openclaw 则把 Ollama 变成跑在 WhatsApp、Telegram、Slack、Discord 上的个人助手。模型侧现在覆盖 Gemma 4 以及 Kimi、GLM、MiniMax、DeepSeek、gpt-oss、Qwen 等一票国产和开源权重。它推了三年，还在 11 月 2 日有 push。

  28. karpathy/nanochat 仓库：https://github.com/karpathy/nanochat stars：★ 59,747（Python）｜今日新增：NEW 简介：最简 LLM 训练实验台：单卡节点跑通分词、预训练、微调、评测、推理全流程，GPT-2 速度赛跑榜常驻。 为什么火：它的卖点是「最简实验台」——代码少到可以随便 hack，一个 GPU 节点跑通 LLM 全部主要环节：分词、预训练、微调、评测、推理。它给的具体数字很有说服力：2019 年训练一个 GPT-2 水平的模型要 4.3 万美元，现在 8×H100 节点两小时 48 美元，spot 实例上能压到 15 美元左右。它还把整套配置收敛成一个复杂度旋钮——--depth 决定 transformer 层数（GPT-2 水平大约是 26 层），宽度、头数、学习率调整、训练轮数、权重衰减全部自动按最优算。它维护一个「GPT-2 速度赛跑」排行榜，按 DCLM CORE 分评训练到 GPT-2 水平的挂钟时间，榜首是 OpenAI 2019 年原始 checkpoint 的 168 小时，最近的记录是 2.76 小时。

  29. github/spec-kit 仓库：https://github.com/github/spec-kit stars：★ 145,373（Python）｜今日新增：NEW 简介：GitHub 官方的 AI 编码流程工具箱：规格驱动开发、缺陷修复、创意评估三个独立入口，加可组合的扩展机制。 为什么火：它把 AI 编码流程做成了三个互相独立的入口，而不是强制的阶段序列：规格驱动开发（一份规格贯穿规划、实现和收敛）、缺陷修复（给出评估出的成因、有边界的修复和记录下来的验证）、创意评估（给出有证据支撑的做/澄清/停三个决定之一）。它叫 Spec Kit，核心是一堆可组合的机制——集成、扩展、扩展运行时事件、扩展钩子、预设、工作流、工作流覆盖、工作流步骤、bundle、私有目录、目录发现，每个项目还能做本地覆盖。它明确列了「没有强制流程」这件事，因为很多流程工具失败就失败在这里。145,373 star，GitHub 官方出品。

  30. heygen-com/hyperframes 仓库：https://github.com/heygen-com/hyperframes stars：★ 77,592（TypeScript）｜今日新增：NEW（9 天累计 +6,259） 简介：Heygen 开源的确定性视频渲染框架：写 HTML 和 CSS，渲染成可 seek 的 MP4，专为编码 Agent 批量做视频设计。 为什么火：它的技术主张很清晰：把 HTML、CSS、媒体和可 seek 的动画变成确定性的 MP4 视频。确定性这四个字是关键——同样的输入渲染出同样的输出，这对 Agent 批量化做视频是刚需，否则没法做回归测试。它本地 CLI 用，也给 AI 编码 Agent 提供 skills，还能当托管创作工作流背后的渲染核心；Heygen 提供了 macOS/Windows/Linux 桌面版。技能装法分两档：npx skills add 会在 skills.sh 注册表解析，可能落后 main 几小时，npx hyperframes skills update 直接从当前 main 装核心技能集。发布 8 个技能里只有核心那组是必需的，slideshow、remotion-to-hyperframes、reverse-any-video、figma 都是按需装。

  31. Nasiko-Labs/nasiko 仓库：https://github.com/Nasiko-Labs/nasiko stars：★ 11,524（Rust）｜今日新增：NEW 简介：Agent 的 OpenRuntime：无侵入发现你已经跑着的编码 Agent，统一成本口径，并把模型路由权还给你。 为什么火：它瞄准的是团队月底看账单时那个具体问题：你的开发者同时跑着 Claude Code、Codex、Cursor、OpenCode，各自一个 dashboard、各自一个计费单位，月底账单来了，没人说得清谁花的、花在哪个模型上、产出了什么。它的两个性质定义得很清楚：非侵入发现是架构层面的——不改你已有 harness 的配置就能检测到它们，报表和路由是显式 opt-in，会加 hook 或改 harness 设置，但不需要在你代码里塞 wrapper 或 SDK；非侵入操作是日常层面的——装好之后开发者照常用原来的命令和界面。它还强调 OpenRuntime 不属于里面任何一家供应商，成本历史、策略和模型选择权都留在你这边，同时提供仪表盘、部署 Agent、路由流量和看 trace。

  32. gastownhall/beads 仓库：https://github.com/gastownhall/beads stars：★ 28,423（Go）｜今日新增：NEW 简介：基于 Dolt 的分布式图式 issue tracker，给编码 Agent 当长期记忆，依赖图管住长周期任务。 为什么火：它做的是给 Agent 当长期记忆的 issue tracker，但选择了一条不一样的路：不是把任务写成 markdown 计划，而是换成有依赖关系的图。它的工作流是 bd create 建任务 → bd ready 列出可认领的 → bd update --claim 认领 → bd close 关闭，阻塞项一释放就重新变成可领，这样 Agent 处理长周期任务时不会丢上下文。存储底座是 Dolt，所以天然支持跨机器和跨 Agent 的 push/pull 协作——这对「多台机器上的多个 Agent」这个场景是刚需，不是加分项。安装是全局 CLI（明确提醒不要克隆到项目里），进项目跑 bd init 会生成或更新 AGENTS.md，并自动装上 Claude Code、Codex、Cursor 的集成；bd setup codex / claude / factory / mux / cursor 各有对应配置。

  33. vercel-labs/agent-desktop 仓库：https://github.com/vercel-labs/agent-desktop stars：★ 8,873（Rust）｜今日新增：NEW 简介：读操作系统辅助功能树而非像素的桌面操控库，CLI + C 库，跨 macOS/Windows/Linux，ref 稳定且动作可安全重试。 为什么火：它跟屏幕识别那套路线的区别在技术选型上：读操作系统的辅助功能树而不是看像素。这带来两个别的方案给不了的东西——ref 稳定（应用真实 UI 结构变化时引用不会乱指）和动作可安全重试（它甚至在 macOS 上用私有 command host 保留原生辅助功能对象，防止被删掉的行静默解析到同标识的幸存行）。每次快照返回带 ref 的 JSON，Agent 对 ref 动作后再快照校验，整个循环留在 Agent 侧。支持 macOS、Windows、Linux，提供 CLI 和 C 库，npm/Bun/Yarn/pnpm 安装，自动带原生二进制和平台 helper，支持 x64 与 ARM64。隐私声明也写得体面：快照、剪贴板、截图、命令输出都可能含桌面私密内容，不要进公开日志。

  34. xpzouying/xiaohongshu-mcp 仓库：https://github.com/xpzouying/xiaohongshu-mcp stars：★ 16,755（Go）｜今日新增：NEW 简介：小红书官方域名的 MCP Server：让 AI 助手直接登录、发帖、搜笔记、读评论，把小红书变成 Agent 可调用的数据源。 为什么火：它的稀缺性在于小红书没有开放的正经 API，所有第三方接入都是逆向或半逆向，所以这个仓库早就是这条链路上被抄作业最多的目标。今天 +37（体量 1.6 万 star）说明它已经是这个生态的既成事实，而不是靠新鲜感上榜。它自己也承认部署是主要摩擦点——README 里直接挂着 Issues #56「各种疑难杂症」，并且明确建议非技术用户改用浏览器插件版 xiaohongshu-mcp-x-mcp，理由写得很实在：零配置、不用 Docker、不暴露服务器 IP，能挡掉 90% 的部署报错。这种「主力版 + 轻量插件版」双轨设计，加上它同时提供 OpenClaw 深度集成和开箱即用技能两条路，是它能长期占住 MCP 中文生态头部的关键。