GitHub AI 热榜 TOP10 2026年第43周

CodeF.cc

174

2026-10-25

GitHub AI 热榜 TOP10 深度解析（2026 年第 43 周 · 10 月 19–25 日）：Agent 进入「审计季」

本周榜单最值得注意的不是谁拿了第一，而是拿第一的是个审计工具。

Cloudflare 的 security-audit-skill 以 +12,680 星登顶，比上周的 +6,474 几乎翻倍。同一个星期里，一个用 tree-sitter 做确定性 AST 解析、公开宣称"不用向量库"的代码知识图谱项目冲到第三，一个 22 万星的开源编码 agent 还在每周稳定吸 6,800 星，ComfyUI 这种 2023 年的老项目也重新回到周榜。

把这几件事放在一起看，信号很清楚：Agent 已经大规模产出代码、报告、记忆和配置了，于是第一波真正的刚需浮出水面——怎么证明它做的是对的。

下面是本周 TOP10 的逐个拆解。数据取自 GitHub Trending 周榜（采集于 2026 年 10 月 25 日），并与 gitstock 周榜、GitHub Explore、第三方日榜交叉核对；星标为动态值，发布当天建议刷新一次。

本周 TOP10 一览

cloudflare/security-audit-skill（JavaScript · 46,362 星 · 本周 +12,680）— 六阶段安全审计，发现者不许自己判定问题成立
stablyai/orca（TypeScript · 105,573 星 · 本周 +9,828）— 自带订阅跑 Agent 舰队，桌面/移动/远程三端
Graphify-Labs/graphify（Python · 134,966 星 · 本周 +6,868）— 把整个代码库变成可查询知识图谱，明确不用向量库
anomalyco/opencode（TypeScript · 221,469 星 · 本周 +6,857）— 22 万星的开源编码 agent，仍在高速增长
heygen-com/hyperframes（TypeScript · 71,986 星 · 本周 +5,633）— 写 HTML，渲染成 MP4
Comfy-Org/ComfyUI（Python · 142,870 星 · 本周 +4,648）— 老牌本地推理引擎回榜，v0.42.0 带本地 Agent
akitaonrails/ai-memory（Rust · 13,460 星 · 本周 +3,541）— 一份记忆，30+ 个 Agent 客户端通用
ruvnet/ruflo（TypeScript · 79,228 星 · 本周 +3,241）— 原 Claude Flow，多智能体 swarm 编排
anthropics/claude-plugins-official（Python · 44,506 星 · 本周 +3,232）— Anthropic 官方插件目录
multica-ai/andrej-karpathy-skills（223,696 星 · 本周 +2,981）— 一个 CLAUDE.md 文件，四条原则

1. cloudflare/security-audit-skill — 发现者不许当裁判
2. stablyai/orca — 自带订阅，指挥一支 Agent 舰队
3. Graphify-Labs/graphify — 用 AST 代替向量库
4. anomalyco/opencode — 开源编码 agent 的日常化
5. heygen-com/hyperframes — HTML 进，MP4 出
6. Comfy-Org/ComfyUI — 老牌引擎的 Agent 转身
7. akitaonrails/ai-memory — 换 Agent 不换记忆
8. ruvnet/ruflo — 会自我优化的 Agent Harness
9. anthropics/claude-plugins-official — 官方目录在写规则
10. multica-ai/andrej-karpathy-skills — 四个原则训住模型
本周五个趋势
榜外值得一看的四件事

1. cloudflare/security-audit-skill — 发现者不许当裁判

一句话定位：一个 Agent 技能，把你手里的编码 Agent 变成能出结构化审计报告的安全审计员。

为什么本周爆火

它上周才第一次进榜（+6,474），本周直接翻倍到 +12,680 并拿下第一。这种"二周连涨且加速"的曲线，在话题型项目里几乎见不到，通常只出现在真的被用起来的工具上。它背后是 Cloudflare 那篇《Build your own vulnerability harness》博客——这个仓库就是那套漏洞发现系统的单仓库起点版本。

核心设计：六个阶段 + 一条铁律

它把一次审计拆成六步，每一步都有明确产物：

侦察：画出架构、信任边界、输入面，产出 architecture.md 和 coverage-ledger.json；
覆盖度驱动的猎捕：按账本单元分派彼此隔离的 hunter，再用"覆盖度评论者"专门找漏掉的角落；
候选验证：每个候选交给一个全新的验证者，任务是想办法推翻它；
结构化输出：写入 confirmed / needs_validation / rejected 三类记录，并用 JSON Schema 校验；
独立复核：再来一批新 Agent 复核最终结论的源码依据；凡是被替换过的实质性内容，再走一次独立复核；
目标中立报告：从复核过的记录生成 REPORT.md、FINDINGS-DETAIL.md、NEEDS-VALIDATION.md。

它的五条设计原则里，有三条值得原样抄进任何"让 Agent 自查"的系统：

对抗式验证：检查某个发现的 Agent，永远不是找到它的那个 Agent。
严重度必须挂钩实际影响：是"可能性 × 影响"，不是"偏离了清单几条"。
纵深防御的缺口不算漏洞：如果 A 层已经挡住了攻击，B 层缺失只是加固建议。

还有一条更难得——它主动公布了自己的短板：单次运行只能找到多轮累计所能发现漏洞的大约一半。一个安全工具敢把这句话写进 README，本身就是可信度。

上手

npx skills add https://github.com/cloudflare/security-audit-skill \
  --skill security-audit
 
# 用户级安装
npx skills add https://github.com/cloudflare/security-audit-skill \
  --skill security-audit --global

装好后直接在 Agent 里说 "security audit this codebase" 即可自动触发。完整审计模式和轻量指导模式会自动区分：直接要求审计或渗透用完整模式，单纯问安全问题只走指导模式，不产出报告文件。

技术栈

JavaScript，MIT 许可证。主体是 SKILL.md 加十几个按攻击面拆分的提示词文件（内存安全与二进制、AI 与 LLM、Web 协议与鉴权、客户端、供应链与发布、云与部署、RPC 与消息、资源耗尽、数据隔离、桌面移动与本地 IPC），外加两个零依赖的 Node 校验脚本。

适合谁

有代码库要过安全评审的团队；想把安全审计接进 CI 的工程负责人；以及任何在设计"Agent 自查流程"的人——这个仓库的流程设计比它的安全能力更值得抄。

注意事项

必须有操作系统级强制沙箱。目标代码要构建、要跑测试、要开浏览器和模拟器、要跑 fuzzer，这些都必须断外网、白名单环境、限资源、只允许写指定的 scratch 路径。没有这些控制时，流程不会去执行目标代码，而是把结论停在 needs_validation——这个降级设计很关键。
需要支持工具调用和并行子 Agent 的模型，单线程小模型跑不动。
未指定输出目录时默认写到 ~/security-audit-skill/<repo-name>/run-<N>；只有在你显式指定了一个被版本控制忽略的目录时，它才会往目标仓库里写。

2. stablyai/orca — 自带订阅，指挥一支 Agent 舰队

一句话定位：一个"Agent 开发环境"（ADE），让你用自己已有的订阅同时驱动多个编码 Agent，桌面、手机、远程三端都能看。

为什么本周爆火

本周 +9,828，累计突破 10 万星。它的增长曲线非常稳：第 39 周 +6,503，本周 +9,828，属于典型的"用的人越来越多"而不是"被讨论了一波"。

本周最实质的更新是它给 Agent 补齐了代码智能：库存的 Agent TypeScript 插件依赖的编译器构建在 TS 7 里已经不再附带，导致 Agent 拿不到任何类型诊断。Orca 的做法是自己起一个 TS 7 语言服务器（Apple Silicon 和 Linux 用 tsrs，其他平台用 tsc），把"拉取式"诊断转成"推送式" publishDiagnostics，再通过 orca-typescript LSP 插件注册给 Agent。opencode.json 跑的是同一个服务。

核心亮点

自带订阅（BYOS）：Orca 不卖额度，你用谁的 Agent 就用谁的订阅，它只提供运行和管理环境。
舰队化：同时跑 Grok Bot、Claude Code、Codex、opencode 等多个 Agent，各自状态独立可追踪（本周还修了"终端被拖到新标签页时代理状态不跟随"的问题）。
三端统一：桌面是 Electron 原生客户端（macOS 有 Homebrew Cask、Windows/Linux 有安装包），移动端通过 relay + bridge 通信，远程走 SSH 和 cloud 运行时。
浏览器链接按来源打开：本周新增的能力——终端、聊天、文件、运行时里的链接会在来源旁边打开并复用已有页面，按 workspace、执行主机、浏览器 profile 隔离，打开前还会校验 SSH 浏览器归属，且不抢焦点。
插件市场：仓库本地市场 config/agent-plugins，可给不同 Agent 挂统一的语言服务。

技术栈

TypeScript / Electron，累计 16,408 次提交。许可证类型未能从本次抓取的页面确认，商用前建议核实。

适合谁

手上同时用两三个编码 Agent、又不想在每个工具里各配一套环境的开发者；需要在通勤路上用手机看 Agent 进度的人；以及需要把 Agent 跑在远程机器上的团队。

注意事项

许可证未确认，企业商用前务必核实。
移动端和远程仍在强化测试阶段（本周刚补强 relay、持久化与基准检查），生产环境建议先小范围验证。
历史上有 Windows 桌面端的坑（userData 写入 EPERM、.cmd/.bat spawn 失败、ssh2 原生依赖编译失败），已于 2026 年 4 月修复，老版本用户建议升级。

3. Graphify-Labs/graphify — 用 AST 代替向量库

一句话定位：一条命令把整个项目（代码、文档、SQL schema、配置、PDF、图片、视频）映射成一张可查询的知识图谱，让 Agent 查图而不是 grep 文件。

为什么本周爆火

新面孔直接冲到第三，+6,868。外因是 YC S26 批次曝光，内因是它的叙事精准扎在当下最痛的点上：声称能把 Agent 的 token 消耗砍掉 80%。

核心设计：三条"不要"

它的 README 里有三句话，基本就是它的全部方法论：

Code is parsed with tree-sitter AST: deterministic, no LLM, nothing leaves your machine.

Every edge carries a confidence tag (EXTRACTED = explicit in the source, INFERRED = derived by resolution), so you can tell what was read directly from what was inferred.

Not a vector index. No embeddings, no vector store: a real graph you traverse.

不要 LLM 参与建图：约 40 种语言用 tree-sitter 在本地做确定性 AST 抽取，同一份代码永远得到同一张图，建图消耗 0 LLM 额度。只有文档、PDF、图片、视频的语义抽取才需要模型。
不要黑盒分数：每条边都带 EXTRACTED（源码里明确存在）或 INFERRED（解析推导出来）标签，路径能打印成人能读的形式。
不要向量库：查询是确定性的图遍历——最短路径、按名字解释概念、返回限定范围的子图，而不是最近邻检索。

它长什么样

在 Agent 里输入 /graphify .（Codex 里是 $graphify），就会在 graphify-out/ 下产出三个文件：graph.html 可点击的力导向图、GRAPH_REPORT.md 摘要（含 god nodes、社区划分、关键路径、建议问题）、graph.json 完整图谱。

之后可以直接查：

graphify query "what connects auth to the database?"
graphify path "UserService" "DatabasePool"
graphify explain "RateLimiter"

explain 的真实输出长这样，可以看到每条边的来源标签：

Node: APIRouter
  Source:    routing.py L2210
  Community: 2
  Degree:    47
 
Connections (47):
  --> RequestValidationError [uses] [INFERRED]
  --> Dependant [uses] [INFERRED]
  --> .get() [method] [EXTRACTED]
  <-- __init__.py [imports] [EXTRACTED]

上手

注意 PyPI 包名是 graphifyy（两个 y），CLI 命令仍是 graphify，其他 graphify* 包都不是官方的。

# 需要 Python 3.10+
uv tool install graphifyy     # 推荐
# 或 pipx install graphifyy
 
graphify install              # 自动检测并注册技能
graphify install --project    # 装到当前仓库
 
# 之后在 Agent 里：
# /graphify .                 （Codex 用 $graphify）

graphify claude install 会装上 hook，让 Agent 在调用搜索类工具（Claude Code 还包括逐个 Read/Glob 源码）之前先被引导去走 graphify query，也就是"查图优先"。

技术栈与许可证

Python 3.10+，tree-sitter + Leiden 社区检测（回退 Louvain），支持 MCP server（stdio 和 Streamable HTTP）、Neo4j、FalkorDB、Docker。Apache-2.0，2026 年 7 月 22 日从 MIT 重新授权，原 MIT 文本保留在 LICENSE-MIT。支持 20+ 个 Agent 平台（Claude Code、Cursor、Codex、Gemini CLI、Copilot、Aider、OpenClaw、Kiro、Pi、Factory Droid、Trae、Amp 等）。

适合谁

用 Claude Code / Cursor / Codex 处理大型仓库、被反复读代码的 token 消耗搞疼的人；对代码隐私有硬要求的团队；以及受够了向量检索"搜出来一堆相关但没用"的工程师。

注意事项（坑不少，值得先读）

扩展名歧义会静默解析错：.inc（PHP/Pascal/SQL/汇编）、.h（C/C++）、.m（Objective-C/MATLAB）只取一个全局默认，选错不报错，图看起来有内容但符号是错的。必须在项目根目录 .graphifyrc 里声明。
没装 leiden extra 会静默回退 Louvain，之后再切换会重塑所有社区标签。
查询日志默认开启：所有 query/path/explain/MCP 调用会记到 ~/.cache/graphify-queries.log。可用 GRAPHIFY_QUERY_LOG_DISABLE=1 关掉。
长文件读取问题刚修完但平台有差异：Read 工具单次上限 2000 行且不报截断，历史上会导致长文件尾部节点被静默丢弃（#2225），2026 年 10 月 20 日已通过 chunk 行数限制 + coverage 比对修复；但 Codex 因为不落盘 chunk，只有 prompt 层修复，没有那道门控。
基准要客观看：LOCOMO recall@10 = 0.497 确实亮眼（mem0 0.048、supermemory 0.149），但 QA 准确率 45.3% 低于 supermemory 的 49.7%；LongMemEval-S 的 76% 只是与 dense RAG 持平。真正的优势是"建图零 LLM 成本 + recall@10 + 可解释"。
export html 默认 5000 节点上限，超出会渲染成聚合社区视图。

4. anomalyco/opencode — 开源编码 agent 的日常化

一句话定位：开源编码 Agent，22 万星，本周仍在稳定吸 6,857 星。

为什么值得单独看

这个体量还能保持周增近 7,000 星，说明它已经不是"话题"，而是变成了很多人的日常工具。本周它发布到 v2.1.4，10 月的提交密度极高：MCP SDK 升到 2.3.1、TypeScript 7.1 进 CI、新增 Figma 插件、session UI 的自动压缩分隔线改为静默、以及"部署到云端端点 + feature flag"。

核心亮点

内置两个 Agent，Tab 键切换：build 是默认的完整权限开发 Agent；plan 是只读的分析与探索 Agent——默认拒绝文件编辑，跑 bash 前要确认。这个"只读模式"本身就是一种确定性约束。
桌面应用进入 BETA：macOS（Apple Silicon / Intel）、Windows、Linux（deb/rpm/AppImage），brew install --cask opencode-desktop。
general 子代理：复杂搜索和多步任务用 @general 调用。
MIT 许可证，2,310 个分支、1,156 个 tag，工程化程度很高。

上手

# macOS 桌面版
brew install --cask opencode-desktop
 
# 命令行安装到 $HOME/.opencode/bin

适合谁

想完全掌控编码 Agent、不愿被单一厂商绑定的开发者；需要在 CI 或服务器上跑 Agent 的团队（MIT 许可，无供应商锁定）。

注意事项

官方明确要求：任何名字里带 "opencode" 的衍生项目都必须在 README 里声明与官方团队无关。生态里已经出现不少仿冒，安装时认准 anomalyco/opencode。

5. heygen-com/hyperframes — HTML 进，MP4 出

一句话定位：写 HTML，渲染成视频，为 Agent 而生。

为什么持续在榜

这是它近两个月里第四次回榜，本周 +5,633，累计 71,986 星。它已经从"新项目"变成了 Agent 视频生产链路里的固定一环——本周榜内还有 ComfyUI、榜外有各类视频工具，说明Agent 出片已经是一个稳定的需求品类。

核心亮点

它的卖点是确定性：同样的 HTML 输入，永远得到同样的 MP4 输出。这一点对 Agent 场景是决定性的——模型没法像挑 Prompt 那样反复"抽卡"，它需要一个可预测的结果。Agent 优先的 API 设计意味着调用方是模型而不是人。Apache-2.0 许可证。

适合谁

需要批量生成广告片、解说视频、社交媒体短片的团队；以及把视频生成接进自动化管线的开发者。

注意事项

许可证类型建议发布前以仓库实际 LICENSE 文件二次确认（本次抓取为 Apache-2.0 口径）。

6. Comfy-Org/ComfyUI — 老牌引擎的 Agent 转身

一句话定位：节点式的本地扩散模型引擎，14 万星，本周靠 v0.42.0 回榜。

为什么本周回榜

10 月 18 日发布 v0.42.0，紧接着一周内密集落地：

新模型：MOSS Image（10/20 进 README，10/25 就优化了峰值显存）、Fibo 2.0（10/21）、Ideogram 的 SVG 生成与图片转 SVG 合作节点（10/22）。
本地 Agent 支持（10/21）：新增 --enable-agent，通过 comfy-agent 的 v1 host 加载可选本地 Agent；Agent 加载失败不会阻止 ComfyUI 启动——这个降级设计很稳。
离线能力（10/1）：新增 --offline（强制核心离线，禁用付费 API 节点）和 --disable-partner-nodes（只禁用合作节点），弃用 --disable-api-nodes。
云端部署端点（10/25）与 Branch 节点（10/24）、EXR 资产预览（10/13）、ARM Linux 进 CI（10/17）。

技术栈与许可证

Python + PyTorch，GPL-3.0（LICENSE 自 2023 年初始提交后未变动）。覆盖 NVIDIA / AMD / Intel / Apple Silicon / Ascend / 寒武纪等硬件，靠异步权重流式加载做到低至 4GB VRAM + 8GB RAM 跑大模型。

上手

pip install comfy-cli
comfy install
 
# 或手动
pip install -r requirements.txt
python main.py

桌面版（Windows/macOS）推荐新手使用，Windows 便携版自带 Python 3.13 + PyTorch CUDA 13.0，老卡用 cu126 版。

适合谁

视觉创作者、需要把生成流程接进生产管线的团队；以及所有显存不够但想跑大模型的人。

注意事项

GPL-3.0 的传染性对商业闭源集成有影响，商用前请评估。Python 推荐 3.13（3.14 可用但部分自定义节点可能有问题）。

7. akitaonrails/ai-memory — 换 Agent 不换记忆

一句话定位：一份长期记忆，30+ 个编码 Agent 客户端通用。

它解决什么问题

README 第一句话就是最好的说明："Quit Claude Code mid-task, start OpenAI Codex in the same directory, continue without re-explaining the architecture, the failed approaches, or the open questions."

它不是第一次上榜（第 34 周 +2,575），本周 +3,541 比上次更高，说明"跨 Agent 记忆"这个需求在持续升温。

支持范围惊人

完整支持的客户端包括 Claude Code、Codex、Cursor、Gemini CLI、OpenCode（V1/V2 自动识别）、Devin CLI、Pi、Antigravity CLI、Grok Build CLI、Kimi Code、Kiro CLI、Factory Droid、Qwen Code（本周新增第一方支持）、IBM Bob、GrizzyBot、Hermes Agent 等；MCP-only 的有 Claude Desktop、VS Code Copilot、Zed、FreeBuff、Prime Agent；Hooks-only 的有 Pool、CodeBuddy Code；DeepSeek Harness 和 Cline CLI 走 Hooks + MCP。Crush 支持 Managed-only，Windows 原生是实验性，Windows 走 WSL2 是支持的。

核心设计

Markdown 页面是唯一真相来源，不是数据库的镜像。记忆会编译成你能读、能改的页面，而不是不透明的事实行。
检索融合 FTS + 实体 + 图（可选本地向量），不需要云 API key。
默认零 LLM：老化机制（双时间维度、分层衰减曲线、抽取式压缩、DBSCAN 冷簇去重、访问强化、矛盾标记）默认全部不调模型；"dream 重写"和"信念强度"是可选、默认关闭的。
覆盖而非删除（supersede-not-delete），配 restore-page 可恢复；冷簇重写永不删源。
本周发布 v3.2.3，还修了个很实际的坑：Claude Code 2.1.277+ 在工作目录或其任意上级目录存在 CLAUDE.md / .claude/CLAUDE.md / CLAUDE.local.md 时会跳过 AGENTS.md——安装脚本现在会明确提示并给出修复办法。

技术栈与许可证

Rust，MIT（2026 年 5 月从 MIT OR Apache-2.0 收敛为纯 MIT）。提供 NixOS 模块、Docker、AUR 等打包方式。

适合谁

同时用多个编码 Agent、反复被"重新解释一遍项目背景"折磨的人；对记忆可编辑性有要求的工程师（很多记忆方案把内容变成黑盒，这个是纯 Markdown）。

注意事项

Windows 原生仍是实验性，生产环境走 WSL2。
它公开对比了自己的位置：相比 Mem0/LangMem，它给的是可编辑页面而非事实行；相比 Zep/Graphiti，它不需要单独起图数据库；相比 Hindsight/OpenViking，它默认零 LLM 且 Markdown 是源头而非副本。选型时按这个对照表看很方便。
自动改进循环默认自动批准，需要人工审阅得手动开。

8. ruvnet/ruflo — 会自我优化的 Agent Harness

一句话定位：自称"The original agent harness"（即原 Claude Flow 更名而来），部署多智能体 swarm、协调自治工作流。

核心能力

多玩家 swarm：108 个 Agent 定义文件，覆盖 code-analyzer、backend-dev、pr-manager、python/typescript-specialist、tdd-london-swarm、production-validator 等；有 driver/navigator 角色切换的 pair programming 模式（ruflo pair --start --mode tdd），也有 ruflo swarm join <namespace>。
自适应记忆：AgentDB 承载，ONNX 嵌入 + HNSW 索引，MCP 工具共 285 个（工具描述的 "Use when…" 引导已 100% 覆盖，且有 CI 门禁防回归）。
自学习飞轮（ADR-176）：流程是 OBSERVE → QUALIFY → BENCHMARK（留出集）→ VERIFY（对抗式 redblue + 漂移检测）→ CANARY → ACCEPT。

最值得抄的是它的 accept() 门

它的采纳条件是合取门而不是单指标：

held_out > baseline
AND redblue == PASS
AND drift <= threshold
AND replay == deterministic
AND receipt_coverage == 100%
AND canary.rollback <= baseline

任何一条不满足就拒绝；没有 optimizer / verifier / canary 时fail-closed（不晋升，安全降级）。跨安装传播必须用 Ed25519 签名的 RVFA 包，且明确写着 "signed != suitable"——签名合法但平台/版本/层约束不满足时安全跳过。

它还用人类标注的 ADR-081 seed 作为 NEVER-REGRESS 锚点防止 Goodhart 效应，并留下证明账本形成单调链。首个真实 champion 把 neural_patterns 检索的 held-out nDCG@3 从 0.7262 提到 0.8000。

上手

npm install -g ruflo
# 或免安装运行
npx --prefer-offline @claude-flow/cli
 
# 技能安装（init 现在只装 canonical 技能，不再一次装 267 个）
npx skills add ruvnet/ruflo --skill ruflo --yes
# 要全部 267 个技能：加 --all

技术栈

TypeScript / Node.js（含 Rust crate ruflo-agntcy）。三个 npm 发布名：ruflo、claude-flow、@claude-flow/cli。本周发布 3.63.0，新增 managed workflows、统一 console runs 和 verified advisory learning。许可证类型未能从本次抓取确认，商用前需核实。

注意事项（官方自己写的，态度很诚实）

自学习目前只是单轮机制验证，README 原文写着："this is a SINGLE-ROUND PROOF-OF-MECHANISM. NOT flywheel proof, NOT compounding learning, NOT production learning."，多代复合学习尚未被证明。它甚至删掉了此前"live flywheel climbs to convergence"的过度声明。
108 个 Agent 定义里有 11 个名字在两条路径下重复定义（code-analyzer、backend-dev、pr-manager、tdd-london-swarm 等），按名加载时哪个生效存在歧义。
ONNX provider 需要下载 4.9GB 模型。
旧版 v2 已归档到 archive/v2/，不再构建、测试、发布，必须用 v3。
MCP 策略里 maxToolCallsPerTurn 实际是 60 秒滑动窗口限流，不是字面意义的"每轮"。

9. anthropics/claude-plugins-official — 官方目录在写规则

一句话定位：Anthropic 官方维护的 Claude Code 插件目录。

为什么重要

本周 +3,232，累计 44,506 星，二连榜。它的意义不在星数，而在它正在给 Skill 生态写宪法：

目录分内外双轨：plugins/ 是官方内部插件，external_plugins/ 是第三方，第三方必须过质量与安全审核。
插件名是不可变 slug：一旦发布就不能改，改名需要提供 renames 自动迁移映射。
Apache-2.0 许可证。

把它和上周的 Cursor plugins、本周榜外的 android/skills 放在一起看，一条线就出来了：两周之内，Anthropic、Cursor、Google 都把技能的分发权收进了自己手里。

适合谁

所有在用 Claude Code 的人；以及想给自家 Agent 生态设计插件治理机制的平台方——这套"内外双轨 + 不可变 slug + 审核"是最直接的参考样板。

10. multica-ai/andrej-karpathy-skills — 四个原则训住模型

一句话定位：一个 CLAUDE.md 文件，四条原则，22 万星。

它的四条原则

来自 Karpathy 那条著名的吐槽——"模型会替你做出错误假设然后一路跑下去，不管理自己的困惑、不寻求澄清、不暴露不一致、不提出权衡、该反驳时不反驳"。对应的四条原则：

Think Before Coding：明确说出假设；存在歧义时给出多种解读而不是默默选一个；该反驳就反驳；卡住了就停下来问。
Simplicity First：不做超出要求的功能；不为只用一次的代码做抽象；不为不可能的场景做错误处理；如果 200 行能写成 50 行，就重写。检验标准是"资深工程师会不会觉得这过度复杂"。
Surgical Changes：不顺手改旁边的代码、注释、格式；不重构没坏的东西；发现无关死代码就提出来但不删；只清理自己改动造成的孤儿。检验标准是"每一个改动行都能直接追溯到用户的要求"。
Goal-Driven Execution：把指令变成可验证的目标——"加校验"变成"先写非法输入的测试再让它通过"；多步任务写出"步骤 → 验证方式"的计划。

上手

# Claude Code 插件方式（推荐）
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
 
# 或直接下载 CLAUDE.md
curl -o CLAUDE.md \
  https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md

MIT 许可证，同时提供 Cursor 项目规则（.cursor/rules/karpathy-guidelines.mdc）和中文 README。

值得注意的两点

它是"derived from"而非 Karpathy 本人维护，作者是 forrestchang（Multica 项目作者）。仓库已从 forrestchang/andrej-karpathy-skills 迁到 multica-ai/ 组织下，README 里的安装命令还指向旧路径，实际使用时注意。
它自己写了权衡说明：这套准则偏向谨慎而非速度，改个错别字这种 trivial 任务不值得走全套流程。

本周五个趋势

一、确定性正在压过生成力

这是本周最硬的一条主线，而且横跨了完全不同的领域：

安全：security-audit-skill 要求每条结论有完整源码追踪和有界的观察结果，验证者必须是另一个全新 Agent；
代码理解：graphify 用 tree-sitter 做确定性 AST 解析，每条边标注 EXTRACTED/INFERRED，明确拒绝向量库的黑盒相似度；
编码 Agent：opencode 内置只读的 plan Agent，从权限层面做确定性约束；
图像生成：ComfyUI 上架 --offline 和 --disable-partner-nodes，把不确定性外调用开关隔离出去；
记忆：ai-memory 默认零 LLM，老化机制全部可复现，且用"覆盖而非删除"保证可逆；
Harness：ruflo 的 accept() 是六条合取门，任一不满足即拒绝，没有验证组件时 fail-closed。

它们的共同动作不是"让模型更强"，而是"凡是能用确定性方法确定的，就不交给概率"。三周前我说 Agent 的评价标准从"能做"转向"可验证"，本周这条线已经细化成了具体工程手段。

二、"不用向量库"成了一条独立路线

graphify 直接在 README 里写"Not a vector index. No embeddings, no vector store"。ai-memory 虽然用了本地向量，但主力是 FTS + 实体 + 图，且强调 Markdown 是源头而非副本。这两家加上此前上榜的 OpenViking（VFS 派）、hindsight（来源优先级派）、ai-memory（Markdown+Git 派），记忆与上下文赛道已经从"RAG 一统"分化出至少四条互相竞争的路线。

判断标准也从"召回率高不高"变成了"这条结论能不能追溯到源、能不能复现、能不能被推翻"。

三、分发权收拢完成：Google 也入场了

榜外的 android/skills（Kotlin，9,696 星，本周 +1,317）是 Google 官方的 Android Agent 技能仓库，Apache-2.0。它的定位很有意思——官方写明"只做评测显示 LLM 表现不佳的用例和工作流，不优先做 LLM 已经很熟的领域（比如基础 Jetpack Compose 最佳实践）"。

它同时提供三种安装路径：android skills add（Android CLI）、/plugin marketplace add android/skills（Claude Code）、codex plugin marketplace add android/skills（Codex）。技能覆盖 device-ai、jetpack-compose、performance、security、xr、wear、media3、navigation、profilers、play、build-system（含 AGP 9 升级）等。本周刚把插件版本升到 v1.0.17。

加上 Cursor plugins 和 Anthropic 的官方目录，SKILL.md 已经是事实标准，而分发渠道被三家平台各自收拢。下一步的看点是谁先提出互操作协议。

四、老牌项目回榜，说明"日常工具"战胜"话题项目"

本周 TOP10 里，ComfyUI（2023 年项目）、opencode、ai-memory、hyperframes 都是回榜或持续在榜，而唯一的新面孔 graphify 也带着 YC S26 背书和 2,539 次提交的工程积累。对比几周前那种"一个梗图技能一周涨 15,000 星"的景象，本周榜单明显更"实"。

一个佐证：本周没有出现纯粹的话题型爆款。上周现象级的 rea 在部分第三方追踪站仍显示大幅增长，但已从 GitHub 官方周榜首页回落，属于正常的单周脉冲后的消化期。这反而说明榜单的健康度在提升。

五、"少做"仍然是硬通货

Karpathy 四条原则里三条都是在做减法（不做超出要求的功能、不顺手改别人的代码、能 50 行就别 200 行），22 万星。graphify 的核心卖点是"少读文件、少吃 token"。ai-memory 是"少解释一遍背景"。加上仍在榜外的 ponytail（7 级懒惰阶梯，实测减码 54%），"少写代码 / 少读文件 / 少吃 token / 少解释"这四个"少"，已经成了 Agent 时代最稳定的卖点组合。

榜外值得一看的四件事

android/skills（+1,317，9,696 星）：Google 官方 Android Agent 技能，Apache-2.0，只做 LLM 做不好的领域。战略意义大于星数。
anthropics/knowledge-work-plugins（+2,631，32,920 星）：岗位级插件库持续稳定增长，Anthropic 的垂直下沉还在继续。
cursor/plugins（+1,946，13,901 星）：Cursor 官方插件规范与市场，与 Anthropic 形成对位。
vllm-project/vllm（+1,371，95,463 星）：推理引擎老大哥稳定在榜，本周榜单里唯一的纯基础设施项。

本文采用署名-非商业性使用-相同方式共享 4.0 国际许可协议[CC BY-NC-SA]进行授权 | 作者：CodeF.cc
文章固定链接：https://www.codef.cc/github-trending-weekly-2643.html
本站资源仅供个人学习交流，请于下载后 24 小时内删除，不允许用于商业用途，否则法律问题自行承担。
本站软件默认解压密码均为：CodeF.cc

THE END

Ollama 0.40.11 本地大模型服务

<<上一篇