GitHub 趋势洞察 2026-09-13，Agent 技能栈成型，skill 正在变成新的安装包

2026 年 9 月 13 日 · 本期共收录 25 个热门开源项目

今日焦点，王座稳住，技能栈到位

gods-eye-view 守擂成功，+2,265 的日增继续领跑，总星推到 29,004，两连庄。i-have-adhd 还是那个亚军，+1,438 居次，总星 43,051，连续第二天把第二名的位置坐穿。讲真，这两个项目的曲线已经稳到不需要每天解释，一个靠真实卫星数据的长跑，一个靠全人类对 AI 废话的积怨。

真正值得说的是今天的成色。把正经项目排一排你会发现一条完整的线，第 2 位的 i-have-adhd 是一个 skill，总星 57,795 排全榜第一的 OpenMontage 是 700 个 skill 文件组成的视频工厂，第 7 位的 artemis 是 Google 给 agent 修的 Android 通道，第 12 位的 webcmd 给 agent 造浏览器，第 17 位的 arcbox 给 agent 造沙箱，第 14 位的 colibri 让 744B 的模型住进 25 GB 的内存。分发、运行时、模型，三层一天全部到位。

技能栈不是比喻，是榜单现状。

灰色风暴这边回落到 7 席，比前天的 9 席少了两席，但前五名里 3、4、5 位连坐的全是它，Optimize 工具、Monero 矿机、Acrobat 破解件，名字都懒得换了。更值得记的是，前天刚被本专栏点名的 Acrobat 换了马甲，从 crestcoursechateau 换成 covetradesmanrivet，仓库重开，星数照涨。换壳的速度比点名还快。

榜单前五深度解读

1. ayghri/i-have-adhd · Python · +1,438 · 43,051

一个治 AI 废话的 skill，43,051 颗星，2,441 个 fork。它给 coding agent 立了十条规矩，答案开头就是下一步动作，多步任务必须编号，结尾给一个具体的下一步，砍掉所有跑题，每一轮重述当前状态，时间估计用分钟不许说「很快」，成果要可见，错误就事论事，列表最多五条，无开场白无总结无客套。改编自一本讲成人 ADHD 策略的书，作者把这个方法论从人搬到了模型身上。

工程细节比梗更扎实。仓库里有 evals、hooks、tests 三个目录，行为是被验证的，不是一句 prompt 祈祷。支持 Claude Code、Cursor、Codex、OpenCode 四个主力工具，外加 Gemini、Kimi、Qwen 的扩展清单，七种语言的 README。安装方式是把一句话粘给 CLI 就完事。你想想看，一个 Markdown 文件加一套行为规范，跨七个工具分发，四万三千人投票说 YES，这就是 skill 作为分发单元的成人礼。

2. debpalash/VoiceStudio · Python · +1,005 · 23,464

全本地的 ElevenLabs 平替，AGPL 协议，23,464 颗星。架构是 Tauri v2 的桌面壳包 React 前端，FastAPI 后端只绑 localhost，SQLite 存数据，GPU 可选，8 GB 内存就能最低限度跑起来。

真正的分量在引擎数量，16 个 TTS 引擎加 11 个 ASR 引擎做成可切换的目录。默认 TTS 是 k2-fsa 出品的 OmniVoice，600 多种语言，零样本克隆，官方宣传的 646 种语言其实是目录总数，具体覆盖看引擎。默认 ASR 是 WhisperX，带词级时间戳。克隆走零样本路线，5 到 15 秒干净人声当 prompt 用，不训练。配套还有 Demucs 人声分离、说话人分离、默认开启的 AudioSeal 隐形水印。坦白讲，这个项目把语音这个品类做成了乐高，唯一要留神的是默认引擎权重是 CC-BY-NC，商用前得看每个模型自己的许可。

3. google/artemis · Python · +840 · 3,256

Google 开源的 Android 自动化框架，自然语言进去，真机操作出来，两天内从榜单第 18 爬到第 7。它把执行分成两档，Flash 档每步 3 到 5 秒，单模型观察思考行动，跑确定性任务，Pro 档每步 15 到 40 秒，Planner 维护一份活的 Markdown 计划，Operator 执行并在被卡住时自己开事故单自己修，Checker 只读验证，出场前做终审。

感知层是无障碍树优先，OCR 和视觉模型兜底，Canvas、Compose、Flutter 的自绘 UI 也能点。AndroidWorld 基准成功率 99% 以上。接入方式是原生 MCP 服务器，一条命令装进 Claude Code、Codex、Cursor，暴露五个工具，更妙的是它会把自己的行为规则写进每个 IDE 的规则系统，比如「写代码前先主动探索」「定位元素动态优先坐标兜底」，防止 agent 幻觉点击。我一直觉得这才是官方项目该有的样子，不炫技，把工程缝做扎实。

4. calesthio/OpenMontage · Python · +518 · 57,795

全榜总星最高的项目，57,795 颗星，7,617 个 fork，自称第一个开源的 agentic 视频生产系统。核心设计一句话，没有代码编排器，你的 AI 编程助手就是编排器，Python 只提供工具和持久化，编排逻辑全部放在可读文件里。

知识分三层，100 多个注册 Python 工具管「有什么」，700 多个 skill 文件管「怎么用」，底层知识包管「为什么这样工作」。12 条生产线从动画解说、纪录片剪辑到本地配音全覆盖，每条线都走研究、提案、脚本、分镜、素材、剪辑、合成的固定流程，每个环节有专属的导演 skill。供应商选择用七维度加权打分，任务匹配占 30%，质量 20%，一路到延迟 5%，每次选择留审计轨迹。预算控制狠到什么程度，默认 10 美元总额上限，单个动作超过 50 美分就要人批。Showcase 里有一条皮克斯风格短片，总成本 1.33 美元。其实吧，它的野心不是做视频工具，是证明 skill 文件可以承载一整个行业的 know-how。

5. JustVugg/colibri · C · +603 · 28,247

纯 C 写的推理引擎，零依赖，不要 BLAS，运行时不要 Python，不要 GPU，让 GLM-5.2 这种 744B 参数的 MoE 模型在消费级内存里跑起来，16 GB 是底线，24 到 25 GB 舒服。思路是把「装不下」换成「放得巧」，模型每 token 只激活约 40B 参数，稠密部分 17B 参数以 int4 量化常驻内存只占 9.9 GB，19,456 个路由专家每个约 19 MB 全放盘上，推理时按路由热度流式加载。

这套方案自称「权重的 JIT」，路由可预测性 71.6%，于是有了逐层 LRU、学习式热区锁定、提前一层预取，双 SSD 条带能让解码再快 33%。KV 缓存用 MLA 压了 57 倍，576 个浮点数一个 token，对话重开免重填充。正确性上它留了硬约束，放置只许改速度，不许改语义，前向输出与 transformers 参考实现逐 token 对齐验证。基准也很诚实，6 张 RTX 5090 全常驻 5.8 到 6.8 tok/s，128 GB 纯 CPU 台式机 1.8 tok/s，作者自己那台 25 GB 开发机 0.05 到 0.1 tok/s。老实讲，这个速度日常聊天够呛，但它把一条路趟开了，边疆模型的本地化不止堆显卡一种解法。

趋势分析

skill 成了新的安装包

今天最硬的一条线。i-have-adhd 一个 Markdown 规范跨七个工具分发拿了 43,051 星，OpenMontage 用 700 个 skill 文件承载一整套视频生产 know-how 拿下全榜最高总星，artemis 干脆把自己的行为规则写进 IDE 的规则系统。三件事指向同一个判断，skill 正在完成从 Claude Code 私有格式到通用分发单元的跃迁，装的方式是一句 prompt，跨的工具七家起步，承载的内容从行为规范到行业知识包。这个阶段像极了 npm 出现前夜，包管理还没统一，但包已经开始流通。接下来的机会在 skill 的质量分层，谁能做出带 evals 的可信 skill，谁就占住生态位。

换壳比点名快

灰色仓库 7 席，数量回落，位置却在恶化，前五名 3、4、5 位连坐。前天点名的 Acrobat，昨天换了新马甲 covetradesmanrivet 重新上榜，星数照涨不误。这说明两点，第一，攻击者把封禁当成本，账号是耗材，第二，榜的过滤机制没跟上换壳速度。本专栏的三查原则继续有效，看有没有真源码，看安装是不是远程脚本，看要不要你关杀软。说真的，这三条能挡住绝大多数坑，平台不出手，读者只能自求多福。

本地优先是算术不是情怀

colibri 在 25 GB 内存里摆弄 744B 参数，VoiceStudio 全本地跑 16 个语音引擎，omniget 把 1800 个站的内容拉回本地磁盘，arcbox 的微虚机 200 毫秒内启动给 agent 当沙箱。这一批项目有个共同点，本地优先的承诺全靠一道道算出来的工程题兑现，路由热度的统计、显存层级的放置、环回端口的隔离。怎么说呢，云端 API 越贵，这批算术题就越值钱，本地优先的黄昏从来不是技术问题，是账目问题。

值得关注的潜力项目

arcboxlabs/arcbox · Rust · +487 · 5,560

给 AI agent 造的隔离微虚机，独立内核、独立文件系统、独立网络，启动 200 毫秒以内，OCI 兼容，纯 Rust。agent 跑真实任务总要碰系统层，容器共享内核的隔离在这种场景下不够硬，arcbox 补的就是这一层。连续第二天上榜，5,560 颗星，增速稳。

agentrhq/webcmd · JavaScript · +633 · 2,235

给 agent 用的浏览器基础设施，宣称能省 90% 的 token。思路是浏览器会话可复用、页面状态可学习，agent 不用每次都把整页 DOM 重新读一遍。2,235 颗星配 924 个 fork，fork 比星的三分之一还多，这个比值说明开发者是真的在改它自用。

asgeirtj/system_prompts_leaks · JavaScript · +357 · 65,204

各家模型的 system prompt 合集，Claude、GPT-6-Astra、Gemini 3.8 Flash、Grok、Cursor、Kimi 全在列，65,204 颗星，持续更新。做法在灰色边缘反复试探，但研究价值实打实，想做 prompt 工程的人这是最全的对照语料。

完整榜单

写在最后

三点收束。

第一，skill 的流通时刻到了。i-have-adhd 证明了行为规范可以被安装，OpenMontage 证明了行业 know-how 可以被装包，下一个值得做的是给你的领域写一个带 evals 的 skill，流通会奖励先行者。

第二，看榜先体检的纪律继续执行。灰色仓库学会换壳了，本专栏正文名单只给验过的项目，完整榜单如实收录但请读者自担风险，三查口诀再念一遍，真源码，本地装，不关杀软。

第三，本地优先的账要自己算。colibri 那 0.1 tok/s 拿来日常聊天确实费劲，但它把一件事摆上了台面，边疆模型离你的内存没有想象中远，等带宽和 SSD 再便宜一档，这道算术题的答案会自己变。

一个总判断。今天的榜单凑齐了 Agent 技能栈的三层，skill 是安装包，沙箱和浏览器是运行时，本地推理是发动机。栈成型之后，拼的不再是栈本身，是栈上跑的内容。给读者的行动指引，挑一个你比任何大厂都懂的领域，把 know-how 写成 skill 挂上去，生态早期的位置是先到先得。