今日热点

今天的 GitHub 榜单可以说是被 Agent Skills 一个词统治的:12 个上榜项目里,有 6 个直接是”技能包”或”技能基础设施”。但真正值得看的地方不在数量,而在形态的变化——skills 正在从”我复制粘贴的一段 prompt”,分裂成四种东西:打包格式(stitch-skills 对齐 Agent Skills 开放标准)、领域垂类(Claude-BugHunter 的 82 个安全技能、claude-trading-skills 的量化技能)、时效知识(modern-web-guidance-src 给 agent 喂”这个平台现在该怎么写”)、以及最关键的——质检(NVIDIA 的 SkillEvaluator)。当一个东西开始需要”质量门禁、语义重叠检测、合成评测集”,它就正式从玩具变成了供应链。

另一半的戏在”Agent 怎么被人用”这一层:plannotator 做人机共审的工作台(+860 星),ag-ui 定义了 Agent 与前端之间的交互协议,univer 把自己的文档引擎重新包装成”AI 办公 SDK”(+1,041 星)。加上阿里开源的混合式代码审查、腾讯的 coding agent SOP 编排器——今天的主线是 agent 落地的三个卡点:技能从哪来、人怎么插手、企业怎么审。

GitHub 热门 AI 项目

1. NVIDIA/SkillEvaluator —— 技能终于有质检了

Python · 1,329 stars · +133 today

这是今天最”不性感”但对生态最重要的一项。它的存在本身就是一份诊断书:skill 已经多到没人能判断哪个该装了。

NVIDIA 给的方案是多层评估框架,四个能力点值得逐条拆:

  • Quality Gates(质量门禁)。技能不是”能跑就行”,得有硬性门槛——描述是否能让模型正确路由到它、参数是否自洽、依赖是否可满足、触发条件是否与真实意图对得上。这是把软件工程的 CI 思维搬进 prompt 目录。
  • 语义重叠检测。这条最实用。装了 20 个 skill 之后最大的问题不是坏技能,而是两个技能都能接同一个请求,模型随机选一个,行为不可复现。重叠检测相当于给技能集做”去重与冲突分析”。
  • 合成评测数据集生成。没有测试集就谈不上评估,但没人愿意为每个 skill 手写用例。合成生成是唯一现实的路径——代价是评估本身的可靠性也要打折。
  • Live agent evaluation。最终还是要看”装了它之后 agent 的行为变了多少”。这一层最难,因为它要求有一个可重复的任务环境和行为度量,而不是看输出像不像。
flowchart LR
S[候选 Skill] --> G1{质量门禁}
G1 -->|描述/参数/依赖不合格| X[拒收]
G1 -->|通过| G2[语义重叠检测]
G2 -->|与已有 skill 冲突| X2[人工裁决<br/>合并或拆分]
G2 -->|独有意图| G3[合成评测集生成]
G3 --> G4[离线打分<br/>路由准确率/完成率]
G4 --> G5[Live Agent 评估<br/>行为差异度量]
G5 -->|达标| P[进入技能库]
G5 -->|不达标| X3[回炉重写]

我的判断:这类框架短期内不会好用,但方向绝对是它。 因为 skill 生态的核心风险不是”没有好技能”,是”技能库变成了一个没人敢动的黑箱”。你装了 50 个技能,其中 3 个在偷偷改你的构建脚本——这种事只要发生一次,团队就会把整套东西删掉。质检层是让这个生态能长大的前提。

2. google-labs-code/stitch-skills —— 技能要走开放标准

TypeScript · 9,065 stars · +248 today · 1,076 forks

Google Labs 出的技能库,配套 Stitch MCP server。它真正的卖点在描述里那句”每个 skill 都遵循 Agent Skills 开放标准,兼容 Antigravity、Gemini CLI、Claude Code、Cursor”。

这句话翻译一下:Google 在自己最不占优势的那一层选择了不竞争。 它没有搞一套自己的私有技能格式绑定自己的 CLI,而是对齐了一个跨厂商标准。对一个拥有 Gemini CLI、Antigravity 两条产品线的公司来说,这个选择挺有意思——它赌的是”技能的可移植性”比”技能格式的所有权”更值钱。

从工程角度看,stitch-skills 里最值得抄的是技能与 MCP server 的耦合方式。技能不直接调 API,而是声明”我需要哪个 MCP 工具、什么参数形状”,由宿主注入。这样同一份技能在 Claude Code 和 Gemini CLI 里跑,只是 MCP 连接不同,技能本体不用动。这是把”能力声明”和”能力实现”分开——和十多年前接口/实现分离是同一个道理,只不过这次的对象是工具调用。

3. GoogleChrome/modern-web-guidance-src —— 给 agent 补时效性

TypeScript · 6,728 stars · +1,220 today

今天涨幅第一。名字很朴素,做的事也不复杂:维护一份”当前 Web 最佳实践”的知识源,让你的 coding agent 别再用 2021 年的写法。

这个项目的存在揭示了一个很少被认真讨论的问题:模型的知识截止日期,是所有 agent 产品的隐形负债。 训练数据里 position: sticky 的兼容性坑、已被废弃的 document.write、React 18 到 19 之间那些破坏性变更——这些不是”模型不够聪明”,是它没见过。

所以”给 agent 喂最新最佳实践”这件事,本质上是把知识更新从模型侧挪到上下文侧。不改权重、不微调,直接在每个会话里注入一份可版本化的现状描述。代价是 token,收益是修 bug 的速度从”等下一代模型”缩短到”改一行 markdown”。

+1,220 这个数字说明很多人已经踩过这个坑了。

4. ChromeDevTools/chrome-devtools-mcp —— 56K 星的隐形基础设施

TypeScript · 56,646 stars · +718 today

榜单上星数最高的项目。一句话:把 Chrome DevTools 暴露成 MCP 工具,让 coding agent 能真正”看”浏览器。

为什么它重要?因为绝大多数 agent 的浏览器能力停留在”截图 + 点击坐标”这种脆弱的层面。而 DevTools 提供的是结构化的真相:控制台错误、网络请求瀑布、DOM 树、Performance trace、内存快照。有了这些,agent 修前端 bug 的路径就从”猜—改—再看截图”变成了”读错误栈—定位文件—改—验证请求成功”。

它的星数增长曲线也说明一件事:在 agent 时代,”能被程序调用的调试器”比”更聪明的模型”更稀缺。

5. dream-num/univer —— 把文档引擎重新包装成 AI 办公 SDK

TypeScript · 25,264 stars · +1,041 today

Univer 原本是一个开源的在线表格/文档套件(对标 Google Sheets 那类)。今天的定位变了,一句话写得很清楚:“Build your own AI office with Univer Office SDK … for people and AI agents.”

这个转向值得注意。传统 office 套件的 API 是给人用的:菜单、快捷键、选区。而 agent 需要的是另一套东西——把”表格”抽象成可寻址的数据结构,让模型能读单元格范围、写公式、做批量格式化,并且每一步可回滚。这中间的差距不是加个聊天框能填平的。

Univer 的做法是把编辑、计算、协作、文件处理四件事拆成独立能力,通过 SDK 暴露。对想做”垂直行业 AI 办公”的团队来说,这比自己从零写一个电子表格引擎现实得多——公式引擎和协同 OT/CRDT 这两块,是那种”看起来简单、做起来两年”的东西。

6. ag-ui-protocol/ag-ui —— Agent 与前端的交互协议

TypeScript · 17,590 stars · +393 today

AG-UI 想解决的是个很具体的问题:agent 在后台跑,前端怎么把过程演出来?

今天的常态是每个团队自己造一套 SSE 事件格式——thinking、tool_call、tool_result、message_delta ……各写各的,换个前端框架就得重写一遍。AG-UI 把这件事标准化:把 agent 生命周期定义成一组事件流,前端按事件渲染,后端按事件发。

sequenceDiagram
participant U as 用户
participant F as 前端
participant A as Agent 运行时
participant T as 工具/MCP

U->>F: 发起请求
F->>A: RunAgentInput(含 thread/messages/state)
A-->>F: RUN_STARTED
A-->>F: TEXT_MESSAGE_START
A-->>F: TEXT_MESSAGE_CONTENT (delta)
A->>T: TOOL_CALL_START + 参数
T-->>A: 结果
A-->>F: TOOL_CALL_RESULT
A-->>F: STATE_SNAPSHOT / STATE_DELTA
A-->>F: TEXT_MESSAGE_END
A-->>F: RUN_FINISHED
F-->>U: 逐步渲染 + 可中断

和 MCP(agent 调工具)、A2A(agent 调 agent)放在一起看,这张拼图就完整了:MCP 是向下接工具,A2A 是横向接同类,AG-UI 是向上接人。 三个协议各管一个方向,缺一个 agent 系统就不闭环。

7. backnotprop/plannotator —— 人机共审的工作台

TypeScript · 11,613 stars · +860 today

昨天它就在榜上,今天继续涨 860。定位是一句话:”stay in the loop and on top of agents”。具体形态是一个工作台:shaping(先谈清楚要什么)、decide(拍板)、plan(看它的计划)、annotate(在代码/文档上批注)、review(审 diff)、share(发给同事)、一键把反馈送回 agent。

这类产品的价值不在功能列表,在于它承认了一个事实:agent 不需要”更多自主”,它需要”更好的中断点”。

一个能跑 40 分钟的 agent,如果只在最后给你一个 diff,中间 39 分钟就是黑箱。而如果它每 5 分钟停下来问一次”这里我理解得对吗”,体验就变成了电话会议——更烦。真正好用的是异步的、结构化的、不打断执行的旁路:agent 继续跑,你在旁边把意见攒着,攒够了在关键节点一次性回灌。plannotator 做的就是这个旁路。

8. alibaba/open-code-review —— 确定性与概率性的混合

阿里开源 · 支持 OpenAI / Anthropic 兼容接口

阿里的代码审查工具,技术上最有意思的是它明确宣传自己是混合架构:

  • 确定性流水线:规则引擎先跑一遍,覆盖 NPE、线程安全、XSS、SQL 注入这类有明确正确答案的问题,多语言规则集内置。这部分不能交给模型——漏报一次 SQL 注入,代价是事故。
  • LLM Agent:负责语义层的东西——命名是否误导、逻辑分支是否漏了边界、这段改动是否与 PR 描述对不上。这部分规则写不出来,只能靠模型。
  • 行级精确注释:把两类结果对齐到同一套行号坐标系里,输出到 PR。

这个架构值得单独抽出来讲,因为它回答了一个企业落地时最常问的问题:“AI 审代码靠不靠谱?” 正确答案是”看你让它审什么”。

flowchart TD
PR[Pull Request] --> D[确定性流水线]
D --> R1[规则引擎<br/>NPE/线程安全/XSS/SQLi]
R1 --> N1[高置信 · 可阻断]
PR --> L[LLM Agent]
L --> R2[语义审查<br/>命名/边界/意图一致性]
R2 --> N2[中置信 · 需人确认]
N1 --> M[行级对齐与去重]
N2 --> M
M --> O[PR 行内评论]
O --> H{人工裁决}
H -->|采纳| FIX[自动修复建议]
H -->|驳回| FB[回流为规则或评测样本]

注意最后那条虚线:驳回的结果应该回流。如果被驳回的意见不进入评测集,这套系统三个月后还是会在同一种误报上反复打扰人——然后被关掉。

9. Tencent/LoopForge —— 继续把 agent 关进 SOP

Go · 1,206 stars · +484 today

昨天分析过,今天继续涨 484,说明需求是真的。补充一个观察:这类”agent 编排 + 人工审批门”的项目,核心竞争点从来不是编排能力(画个 DAG 谁都会),而是状态与可恢复性——从任意节点重跑、把工作打回指定步骤、暂停/恢复/接管。一个不能回退的流水线,出问题时唯一的选择是全部重来,而这在生产环境里等于不可用。

10. 其余速览

  • elementalsouls/Claude-BugHunter(Python · 5,929 · +124):82 个 skill + 15 个 slash command + 681 条已披露报告的模式,覆盖 24 类核心漏洞,外加企业身份与基础设施攻击矩阵。这是”垂类技能包”最完整的样本——它的护城河不是代码,是那 681 条从真实报告里提炼出来的模式。⚠️ 用途是授权红队与漏洞赏金,别乱用。
  • tradermonty/claude-trading-skills(Python · 5,206 · +707):给股票投资者和交易员的 Claude Code 技能集——市场分析、技术图表、经济日历、筛选器、策略开发。涨幅 707 说明金融从业者的 agent 采用速度比想象中快。同样提醒:这类技能输出的是分析而非投资建议,真金白银的决策别外包给模型。
  • ggml-org/ggml:llama.cpp 背后的张量库,本地推理的地基。上榜本身说明本地推理这条线依然有大量关注。

新工具/产品速览

  • Meta 的 Muse 能替你打电话了。在获得处理转发邮件的能力之后,这个 AI agent 现在可以代打外呼电话——订餐、跟保险公司和有线电视公司扯皮这类你不想打的电话。目前仅限美国付费订阅用户。
  • Gemini 应用登陆 Apple CarPlay。此前已经在”Google built-in”车机和 Android Auto 上可用,现在补上了 CarPlay 这一块。
  • Nothing 预告无屏 AI 设备,下个月发布,放出了更清晰的外观。

行业动态

  • NVIDIA CEO 风波持续发酵。Jensen Huang 已辞去 CEO 职务,起因是与一名疑似间谍(Megaspeed 高管)的关系;路透后续报道称还存在第二段与 Nvidia 员工的恋情。Nvidia 股价当日收跌 4.3%。Elon Musk 公开表示”很荣幸”能雇用他,但也觉得让他复职更好。The Verge 的评论角度更值得记:如果一个 AI 安全方案的前提是”某个人值得被信任”,那这个方案本身就有问题(CSET 的 Helen Toner 语)。
  • Yahoo 成为”付费抓取”集体授权模式的首个被授权方。去年多家公司支持的 RSL 标准,现在叫 Internet Licensing Collective(ILC),思路是把 AI 抓取内容变成类似音乐版权的集体许可,而不是一家一家单独谈。对内容方来说这是打包议价,对 AI 公司来说这是成本结构的可预期化。
  • FAA 全国停飞事件中”AI 是否参与”成为追问焦点。DHS 部长的回应被吐槽的重点是:把”超级智能”这种品牌词和一次大规模航空混乱绑在一起,公关上很不智。

技术洞见

洞见一:Skill 正在形成一条完整的供应链

把今天六个技能相关项目按”环节”排一下,会发现它们各自站在链条的不同位置:

flowchart LR
subgraph 生产
A1[垂类技能包<br/>BugHunter / trading-skills]
A2[官方技能库<br/>stitch-skills]
end
subgraph 时效
B1[知识源<br/>modern-web-guidance-src]
end
subgraph 分发
C1[开放标准<br/>Agent Skills spec]
C2[宿主兼容<br/>Claude Code / Gemini CLI / Cursor]
end
subgraph 治理
D1[质检门禁<br/>SkillEvaluator]
D2[重叠检测]
D3[Live 行为评估]
end
A1 --> C1
A2 --> C1
B1 --> C1
C1 --> C2
C2 --> D1
D1 --> D2 --> D3
D3 -->|不达标| A1

这条链上,生产和分发已经很热闹,治理几乎空白。而历史经验是:任何一个生态,在治理缺位时都会经历一次”信任崩塌”,然后才长出规范(npm 的 left-pad、WordPress 插件市场、VS Code 扩展商店都走过这条路)。

所以给正在搭企业 agent 平台的团队一个具体建议:现在就该建自己的技能准入清单,哪怕只是一张表——技能名、来源、依赖、最后验证日期、谁负责。等到技能数过百再补,成本会高一个数量级。

洞见二:Agent 产品的竞争,正在从”能力”转向”接口密度”

今天榜上的 univer(办公 SDK)、ag-ui(前端协议)、plannotator(审阅工作台)、chrome-devtools-mcp(调试接口)、open-code-review(行级注释输出)——放在一起看,它们和”模型更强”没有半点关系,全都在解决同一件事:agent 的能力怎么进入已有的工作流。

一个能力再强的 agent,如果只能待在终端里,它的用户就是那批本来就在终端里的人。而要进入设计评审、客服工单、代码审查、办公文档这些场景,需要的是结构化的事件、可寻址的对象、可中断的流程——也就是接口。

这也解释了为什么 chrome-devtools-mcp 能拿 56K 星,而很多”更聪明的 agent 框架”只有几千星:能被程序调用的能力,比聪明本身更容易被集成。

对个人开发者的启示更直接一点:如果你在挑技术方向,“给 agent 做接口”的确定性高于”给 agent 做大脑”。大脑那一层只有少数几家能玩,接口那一层每一行代码都在产生复利。


数据来源:GitHub Trending(2026-11-15)、The Verge。新闻板块为标题级摘要,细节以原始报道为准。