今日热点

今天 GitHub 榜单上最集中的信号是：agent 的”标准库”正在成型。

Meta 把内部用了八年的设计系统 Astryx 开源，README 第一句话就是”为人与身边的 agent 而建”；shadcn 的 improve 与 Addy Osmani 的 agent-skills，把”怎么审代码、怎么写规格、怎么交付”写成 agent 能直接执行的技能包；Vercel 补上”手”——一个常驻的浏览器；OpenAI 补上”体检”——一套能自动扫描并验证漏洞的安全工具链。同一天 Hacker News 上还有一篇：48 个 agent 指向 NASA 的 LiDAR 数据，72 小时找出一座未被测绘的玛雅金字塔。

生成能力早就不稀缺了。把工程规范装进 agent 的脑袋，才是今天真正在发生的事。

GitHub 热门 AI 项目

1. meta/astryx —— 为”人和 agent 一起写界面”准备的设计系统

24,307 stars · +2,842 today · TypeScript · MIT

Astryx 不是新项目，它是 Meta 内部长了八年的东西：公司里最大、用得最多的设计系统，支撑 13,000+ 个应用。今天它被完整开源，定位写得很直白——fully customizable and built for how we build now: by people and the agents working alongside them.

技术栈是 React 19 + StyleX（Meta 自家的编译期 CSS-in-JS），开箱提供 150+ 个无障碍组件、品牌级主题与设计 token，还带一个在线 Storybook 和沙盒。目前是 Beta。

值得单独说的是它为什么在这个时间点开源。设计系统过去服务两类人：设计师和前端工程师。现在多了第三类消费者——agent。agent 不会”看”设计稿，它需要的是结构化的组件清单、明确的 props 约束、可机器校验的用法示例。一个设计系统如果只有视觉规范，agent 用起来就会随机发挥；只有当组件 API、禁用组合、无障碍要求都被写成可检索的文本，agent 生成出来的界面才可能和团队既有风格对上。

**对前端团队的实际意义：**如果你的组件库还没有把”什么场景该用哪个组件、什么写法是错的”写成文档，那么它就只是给人看的库，agent 用不上。Astryx 真正开源的不是 150 个组件，而是一套”agent 可读”的设计系统组织方式。

2. shadcn/improve —— 把”最贵的模型”用在写计划上

10,488 stars · +333 today

这个项目的判断非常锋利：计划才是产品，代码不是。

它的分工是这样的：

flowchart LR
    A[昂贵模型<br/>理解代码库 / 判断价值] --> B[写出自包含计划<br/>plans/001-fix-n-plus-one.md]
    B --> C[便宜模型<br/>照着计划实现与测试]
    C --> D[提交 PR]
    A -.-> E[审计: 安全 / 性能 / 测试 / bug]
    E --> B

用起来是一组斜杠命令：/improve 做全量审计并排优先级，/improve quick 只扫热点，/improve deep 逐包逐类过一遍，/improve security 专注安全，/improve branch 只看当前分支的改动，/improve next 反过来给功能建议。装法是 npx skills add shadcn/improve，写出来的计划是纯 markdown，任何支持 Agent Skills 格式的 agent 都能接手，加 --issues 还能把计划直接发成 GitHub issue。

它的设计里有一条很克制的原则：这个 skill 自己从不改代码。因为一旦”判断”和”执行”混在同一个上下文里，模型就会倾向于证明自己刚才的判断是对的。拆开之后，昂贵的判断只做一次，剩下的是可重复、可并行、可回滚的体力活。

3. addyosmani/agent-skills —— 把资深工程师的肌肉记忆写成 9 条命令

115,614 stars · +788 today · JavaScript

Addy Osmani 这套东西的野心比名字大得多：它试图定义软件开发生命周期的 agent 版本。

DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP
/spec    /plan   /build   /test    /review   /ship

9 条命令对应六个阶段，每条命令会自动激活相关技能。/spec 强调”先写规格再写代码”，/plan 要求拆成原子的、可验证的小任务，/build 一次只推进一片，/test 的口号是”测试就是证据”，/constraints 把质量门槛一次性定死，/review 关注代码健康度而不是风格挑刺，/webperf 强调”先测量再优化”，/code-simplify 负责收尾。

它跟 shadcn/improve 是同一枚硬币的两面：一个管”这个仓库哪里值得改”，一个管”一个功能从想法到上线该经过哪些关口”。两者共同说明了一件事——技能包（skills）正在成为新的分发单位。以前我们分发 npm 包，现在我们分发”让 agent 表现得像个靠谱工程师”的行为规范。

4. vercel-labs/agent-browser —— 给 agent 一个常驻的浏览器

49,633 stars · +712 today · Rust · Apache-2.0

浏览器自动化这条路一直很挤，agent-browser 的取舍是把浏览器做成一个可以被 shell 一句话调用的常驻进程。

核心循环只有三步：

flowchart LR
    A[snapshot] -->|页面转成紧凑文本<br/>每个元素带 @e1 引用| B[agent 选一个引用执行动作]
    B --> C[浏览器执行<br/>并返回新快照]
    C -->|目标未达成| A
    C -->|达成| D[读取结果 / 结束]
    E[(常驻 Chrome 进程<br/>跨命令保持会话)] -.-> A

为什么用 Rust 写：启动开销和常驻内存是 agent 工具链里最容易被忽略的成本。一个任务要跑几十步，每步都拉起一次浏览器，光进程启动就够把延迟堆到不可用。常驻之后，每一步只是一次短命令调用。

它走的是无障碍树（accessibility tree）而不是截图或 DOM 选择器——这恰好是浏览器里最稳定、语义最清晰的一层：按钮就是按钮，输入框就是输入框，不随 CSS 类名和布局重构而失效。安装 npm i -g agent-browser 或 brew install agent-browser，首次跑 agent-browser install 下载 Chrome for Testing。

5. openai/codex-security —— 把安全审计做成可编排的流水线

11,444 stars · +20 today · TypeScript

OpenAI 放出的是一整套东西：Codex 里的安全工作流、@openai/codex-security CLI、TypeScript SDK，以及一个 GitHub Action。

能力覆盖得相当完整：扫描整个仓库、指定路径或仅 Git 改动；深度扫描会重复标准扫描并做去重；验证候选发现、生成补丁、验证已有修复；草拟 SECURITY.md、保存威胁模型；按你自己的评分标准判严重程度，并从源码和 Git 历史里推荐负责人；支持导入第三方扫描器结果，导出 SARIF / JSON / CSV；还能把发现同步到 Linear、Jira、GitHub。

这里最值得注意的不是功能清单，而是”验证“被放在了和”发现”同等的位置。绝大多数扫描器只负责报告问题，而误报率高的直接后果是团队逐渐无视告警。让 agent 先把候选漏洞跑一遍、能复现的才留下，再自动生成补丁并回归验证——这条链路一旦跑通，安全扫描才可能从”季度体检”变成 CI 里的常驻环节。

6. homeassistant-ai/ha-mcp —— 87 个工具，把智能家居交给对话模型

7,015 stars · +640 today · Python

基于 FastMCP 写的 Home Assistant MCP 服务器，暴露 87 个工具，覆盖设备控制、自动化编辑、配置查询等。装好之后，Claude、ChatGPT 或其他支持 MCP 的助手可以直接”看懂”你家里的实体和自动化规则，并按自然语言改动。

一个细节很能说明这类项目的成熟度：v7.3.0 把 ha_config_set_yaml 挪进了 beta 通道。也就是说，直接改写 YAML 配置被认定为高风险操作，需要显式开启。这种分级比”全部开放”要负责任得多——智能家居是少数几个 agent 出错会直接影响物理世界的场景。

其他值得一看

  • GoogleChrome/modern-web-guidance-src（1,475★，+133，TypeScript）：Modern Web Guidance 的源仓库。Chrome、Edge、Firefox 与 MDN 团队共同维护的一套技能包，把现代 Web 平台能力和兼容性数据直接塞进编码 agent，专门治”模型偏爱 2019 年的写法”。提供 npx modern-web-guidance install、search、retrieve，还有一个 legacy-scan 可以扫出代码库里的过时模式。
  • ZhuLinsen/daily_stock_analysis（69,853★，+960，Python）：LLM 驱动的多市场股票分析系统，多源行情 + 实时新闻 + 决策看板 + 自动推送，强调零成本定时运行。这类”个人投研助手”是今年增长最快的一类应用形态。
  • we-promise/sure（12,575★，+1,079，Ruby）：今日增量冠军，但不是 AI 项目，而是一个开源个人理财应用。它出现在榜单上本身就是个提醒：AI 热潮之外，扎实的产品依然能靠口碑冲榜。

新工具/产品速览

Claude 补齐办公三件套。 Anthropic 上线 Claude Whiteboards、Claude Sheets 与 Claude Data 三项能力，把协作画布、表格与数据处理并进对话式工作流。方向很清楚：模型不再只是”回答问题”，而是要在同一个界面里承接”讨论—整理—计算”的连续动作。HN 上 255 分。

Apple 要给 Mac 做一个跑本地模型的应用。 据 9to5Mac 报道，Apple 正在准备一款让普通用户也能在本机运行 AI 模型的 Mac 应用（HN 363 分）。如果落地，本地推理会从”极客的 Terminal”变成”双击就能用”，这对隐私敏感场景和离线场景意义不小。目前仍是报道阶段，具体能力与时间表未定。

行业动态

48 个 agent、72 小时、一座金字塔。 一位 Google 工程师在博客里记录了这件事：把 48 个 AI agent 指向 NASA 公开的 LiDAR 地形数据，让它们并行做异常检测与交叉验证，72 小时后定位到一处此前未被测绘的玛雅建筑结构（HN 244 分）。方法本身不神秘——大规模并行 + 互相验证——但它示范了 agent 的正确用法：不是让一个模型更聪明，而是让一群普通模型互相纠错。

AI 挖漏洞开始形成”窗口期”问题。 VulnCheck 发文通报 Anthropic 相关漏洞发现的跟踪情况（HN 429 分）。当模型能系统性地发现真实漏洞，从”被发现”到”被修复”之间的时间差就成了攻击面。这与今天开源的 codex-security 指向同一个结论：AI 安全工具的竞赛，重点不在谁先发现问题，而在谁能让修复跑得比利用快。

Val Town 宣布关停。 这个把函数即服务做成”社交化脚本”的平台在 HN 上拿到 404 分。它不算 AI 项目，但对做 agent 工具的人有直接参考价值：依赖第三方托管执行环境的自动化，会随平台生命周期一起消失。 把关键流程留在自己能控制的地方，是对冲这类风险最朴素的办法。

技术洞见

一、skills 正在成为新的分发单位

今天榜单上有四个项目在做同一件事：把某种”专家行为”打包成 agent 可加载的规范。

flowchart LR
    A[工程经验<br/>规范 / 检查清单 / 兼容性数据] --> B[写成 SKILL.md<br/>+ 参考资料 + 执行步骤]
    B --> C[npx skills add<br/>skills.sh / npm]
    C --> D[任意支持 Agent Skills 的 agent]
    D --> E[行为可预期<br/>换模型也不走样]
    E -->|发现缺口| A

Meta 打包的是设计系统用法，shadcn 打包的是审计与写计划的流程，Addy Osmani 打包的是整个开发生命周期，Chrome 团队打包的是 Web 平台知识。它们的共同点是：内容比代码重要，格式比实现重要。

这解释了一个看起来矛盾的现象——模型越来越强，技能包却越来越火。原因在于模型强的是”通用推理”，弱的是”你们团队的具体约定”。你没法在 prompt 里每次都交代”我们的组件库禁用哪个组合””这个仓库的测试怎么写””哪些 API 在 Safari 上有坑”，但你可以把它写成一份 skill，一次写好，所有 agent 长期复用。

于是分工变了：模型负责推理，skills 负责品味。前者靠厂商军备竞赛，后者只能靠团队自己积累——这也是为什么这一层不会被某一家模型厂商吞掉。

二、能力分层，正在替代”一个模型包打天下”

把 shadcn/improve 和 codex-security 放在一起看，会看到同一套编排逻辑：

flowchart TD
    subgraph 规划层[贵模型 · 判断与规格]
      A[读懂代码库] --> B[判断什么值得做]
      B --> C[写成自包含计划]
    end
    subgraph 执行层[便宜模型 · 照单执行]
      C --> D[改代码 / 写补丁]
      D --> E[跑测试 / 回归验证]
    end
    subgraph 判定层[模型无法谈判的检查]
      E --> F{lint · test · 类型检查 · 安全扫描}
    end
    F -->|失败，带着证据| D
    F -->|通过| G[合并 / 交付]
    style 规划层 fill:#f5f0fa,stroke:#8a6bb0
    style 判定层 fill:#eef4fb,stroke:#4a6fa5

三个层次的关键差异在于成本结构。规划层只跑一次，可以贵；执行层要跑几十上百次，必须便宜；判定层根本不消耗模型，是确定性的程序。把这三种东西混在一个上下文里，结果一定是”用最贵的价格做最便宜的判断”。

这条路的尽头，是 agent 系统不再以”用了哪个模型”来评价，而以”编排得好不好”来评价。同样是 GPT 级别的底座，有人做出来的东西一天烧掉几百美元还经常跑偏，有人用十分之一的成本稳定交付——差距不在模型，在分层、在缓存、在什么时候该把决定权交还给一段 if 语句。

写日报这些天，我越来越确信一件事：未来两年 AI 工程的护城河，既不在模型里，也不在 prompt 里，而在那些”模型碰不到”的地方——你写死的检查器、你积累的 skills、你设计的分层边界。这些东西没有一个能靠 API 调用买到。

一句话总结今天： 当所有人都在等下一个更强的模型时，真正拉开差距的是把工程规范、成本结构和验收标准一层层焊进 agent 的工作流里。