二途序

GitHub 趋势周报：AI Agent 走向工程化，记忆、技能与可用性生态爆发

这周的 GitHub Trending，关键词只有一个：AI Agent 的工程化。

开发者不再满足于「跟 AI 聊两句」，而是想让 Agent 像真正的同事一样干活：有记忆、守规矩、能复用经验，还得省成本。围绕这些需求，记忆中枢、技能包、低成本推理方案集中爆发。同时，AI 入门课持续霸榜，Deno、Tailwind CSS v4 等工具也刷了一波存在感。

我把它梳理成六个方向，方便你了解新趋势。

1. Agent 记忆：从「一次性筷子」到「团队大脑」

AI Agent 最让人头疼的问题之一：每次新会话都像失忆，背景、文档、历史决策统统要重讲。

TencentDB-Agent-Memory 就是来干这个的。腾讯云开源的这个项目，把对话、文档、代码沉淀成四种可复用资产（对话记忆、技能、知识库、代码图谱），多个 Agent 可以共享，而不是绑死在某个客户端。它还支持团队级权限管控，可以跨不同的 Agent 框架迁移使用。

另一类是给 Agent 提供一个「电脑」环境来持久工作。cloudflare/computer 用 Durable Object + SQLite 做了一个虚拟文件系统，支持容器、shell、JS 三种执行后端。Agent 的读写操作都落在同一个权威 SQLite 里，不怕断线或切换工具。目前还是预览版，API 不稳定，但想法很实在。

如果你的痛点是审查大型代码仓库时 token 烧得太快，可以看看 code-review-graph。它用 Tree-sitter 把代码解析成结构化图存到 SQLite，再通过 MCP 让 AI 只读相关的文件。实际测试中，审查 Flask 仓库的上下文从 14 万 token 压到 2 千多，省了 71 倍。

2. Agent 技能包爆发：把工程师经验固化成「规矩」

AI 编程助手好用，但经常不听话、废话多、乱写代码。这周有三个重量级技能仓库上了榜，思路一致：把资深工程师的开发流程写成可组合的 Markdown 技能，让 Agent 按规矩来。

mattpocock/skills 由知名 TypeScript 开发者 Matt Pocock 维护，内置 /grill-me（盘问需求）、/tdd（测试驱动开发）等命令。技能文件是普通 Markdown，用户可随意修改，通过 npx skills 安装，不绑定模型，Claude Code、Codex 都能用。

obra/superpowers 更像一套完整的软件开发方法论，强制先设计后编码、TDD、子代理审查流程，已适配 11 种 AI 编程工具。它用钩子在会话启动时就注入规范，Agent 必须先澄清需求、写计划，再派子代理按任务执行并审查。

addyosmani/agent-skills 是 Google Chrome 团队的 Addy Osmani 推出的 24 个技能，按 DEFINE→PLAN→BUILD→VERIFY→REVIEW→SHIP 六阶段拆分，覆盖从需求到发布的完整流程。支持 /build auto 一次批准后自主执行所有任务，但每个任务仍坚持测试驱动。

另外，google/skills 也来了，不过是给 Agent 操作 Google Cloud 用的。涵盖 GKE、BigQuery 等 80+ 场景，Agent 能直接执行 gcloud 命令。

这些仓库的火爆说明：开发者受够了「vibe coding」，急需把工程最佳实践注入到 AI 编程流程里。

graph TD
    A[Agent 记忆中心<br/>TencentDB-Agent-Memory] --> B[Agent 可复用经验]
    C[技能包<br/>mattpocock/skills, superpowers,<br/>addyosmani/agent-skills] --> B
    D[虚拟文件系统<br/>cloudflare/computer] --> B
    B --> E[AI Agent 工程化]
    F[代码上下文压缩<br/>code-review-graph] --> E
    G[低成本推理<br/>AirLLM, DeepSeek-Reasonix] --> E

3. 算力不再卡脖子：4GB 显存跑 70B 模型

本地跑大模型，显存永远不够。AirLLM 用分层加载 + 稀疏专家流式传输，让 70B 模型在 4GB 显存上运行，最近还支持了 2.8T 参数的 Kimi K3。它的原理是按层从磁盘加载到 GPU，算完就释放，不用量化剪枝。虽然受磁盘 I / O 限制速度较慢，但已经能让个人开发者在消费级显卡上做私有化部署和模型评测。

DeepSeek-Reasonix 则瞄准了 DeepSeek 的前缀缓存特性，通过缓存感知的上下文修剪和压缩，让长会话的 token 成本大幅下降。单静态 Go 二进制，支持插件和多模型组合，是 DeepSeek 原生终端编码代理。

4. AI 入门课程持续霸榜

微软的两门免费课程几乎天天在榜。
AI-For-Beginners 是 12 周 24 课，覆盖神经网络、深度学习、遗传算法等，适合零基础。
generative-ai-for-beginners 是 21 节生成式 AI 课，教提示工程、RAG、微调，支持 Python 和 TypeScript 双语言。

经典学习资源 build-your-own-x 也因星标达到 53 万 + 而回归视野，想深入底层原理的开发者可以按它重建各种技术栈。

5. 基础设施与工具：Deno、Tailwind v4、自托管 IdP

denoland/deno 热度回升，这个基于 Rust 的 JS / TS 运行时主打原生 TypeScript 支持和安全权限模型，2.0 版本和 JSR 包注册表在发力。

tailwindlabs/tailwindcss v4 用 Rust 重写了核心引擎，构建速度提升数倍，并转向 CSS-first 配置，用原生变量和 @theme 指令替代 JS 配置。

goauthentik/authentik 作为开源身份认证服务器，支持 SAML、OAuth2、LDAP 等协议，可自托管替代 Okta。最近因企业版发布和去商业 IdP 趋势明显，星标激增。

denoland/celld 是 Deno 团队出的分布式 Durable Objects 运行时，用 S3 做协调层，每个对象一个独立 SQLite，可以脱离 Cloudflare 自托管。

6. 其他值得关注

  • PrimeIntellect-ai/prime-agent：开源的编码 / 科研 Agent，采用递归语言模型（RLM）和持续记忆机制，可自我改进，两天涨了近 5k 星。

  • TauricResearch/TradingAgents：多 LLM Agent 模拟真实交易公司决策流程，覆盖分析师、研究员、风控等角色，已发版 v0.3.1。

  • Panniantong/Agent-Reach：给 AI Agent 提供统一 CLI，零 API 费读取 Twitter、Reddit、B 站等平台，自动选型安装并维护接入通道。

  • firecrawl/pdf-inspector：用 Rust 写的 PDF 解析库，快速判别文本 / 扫描版并转 Markdown，适合 RAG 数据管道。

  • uber/ADR：Uber 开源的 AI 代理安全检测与响应系统，监控 Agent 行为、评测攻防，已在生产环境部署。

这周的项目几乎都在解决同一个问题：让 AI Agent 从「能用」变成「好用」。要记忆、要流程、要规范、要省钱。你准备把这些组件用在自己的 Agent 上吗？