GitHub 趋势周报:Agent 开始补工程化短板,技能包、审批门、协议层一起冒头
这一周的 GitHub 热榜看下来,关键词只有一个:给 AI Agent 上规矩。
上周大家还在比谁的模型写代码快,这周上榜的项目几乎都在解决另一个问题 ——Agent 写出来的东西靠不靠谱、能不能审计、要不要花钱。
三个方向特别密集。一是把工程规范做成可安装的技能包。二是给 Agent 的动作加审批和留痕。三是把上下文和 token 成本压下来。
先看整体结构。
graph TD
A["模型层:Claude / GPT / 本地模型"] --> B["协议层:MCP 工具 · A2A 互联 · AG-UI 界面事件"]
B --> C["技能层:SKILL.md 技能包 · 工程规范"]
B --> D["工具层:浏览器 · 智能家居 · 代码审查"]
C --> E["编排层:SOP 流程 · 人工审批门 · 审计日志"]
D --> E
E --> F["执行层:隔离沙箱 / 虚拟机 / 本地机器"]图里这几层,这周每一层都有项目上榜。说明生态在从单点神器,转向能拼起来的流水线。
一、Agent Skills:把工程规范做成可安装的文件
先解释一下这个概念。Agent Skills 就是一批带说明文件的文件夹,里面写清楚 "做这件事要按什么步骤"。Agent 按需加载,不用把所有规矩塞进 prompt。
addyosmani/agent-skills 是本周最典型的。作者是 Addy Osmani,他把资深工程师那套研发流程拆成 25 个技能,覆盖写规格、拆任务、TDD、评审、上线。
它做的不是知识,是流程。/build auto 模式下人只批一次计划,之后每个任务强制先写测试再写代码、单独提交、失败即停。
这种 "只砍人工点击,不砍验证" 的取舍很关键。Agent 最坑人的地方,就是改完不跑测试就说完成了。
shadcn/improve 走的是另一条路:分工模型。贵模型负责读代码、写实施计划,便宜模型照着执行。
它的计划里塞了机器可验证的验收门 —— 命令加期望输出。执行的小模型不用理解全貌,跑通就算完事。这招比堆更强模型更贴近真实账单。
GoogleChrome/modern-web-guidance-src 治的是另一个毛病:AI 爱写十年前的旧前端代码。
Chrome、Edge、Firefox、MDN 四个团队一起维护这份指南。它按需检索注入上下文,还带一个 legacy-scan 命令,扫你代码库里的老写法并给原生替代。
有个细节值得学:他们用评测仪表盘反向裁剪内容,模型本来就会的知识直接删掉。用数据控制 token 预算,而不是把整本手册灌进 prompt。
二、给 Agent 加关卡:审批、审查、留痕
企业不敢让 Agent 碰生产环境,核心不是能力不够,是出了事查不到、拦不住。
Tencent/LoopForge 是腾讯开源的私有化编排平台。它不自己造 Agent,而是把 CodeBuddy、Codex、Claude Code 等 10 种 CLI 串成带人工审批节点的 SOP。
重点是它把 "Agent 输出不完全可信" 当成设计前提。人工审批是一等节点,每个节点跑在独立 Docker 沙箱里,失败可以回退到任意节点重跑。
CopilotKit/OpenBot 思路类似,但面向办公场景。每个 Bot 分到一台隔离虚拟电脑,工具执行前弹审批,执行后写审计日志。
它明确不绑定 Agent 框架,靠 AG - UI 协议把 LangGraph、CrewAI 这些接进来当同事。代价是能力上限取决于你接的 Agent。
代码层面,alibaba/open-code-review 和 openai/codex-security 撞到了一起。
阿里的做法是把 "必须正确" 的部分从模型手里拿回来:选文件、配规则、定位评论全走确定性流水线,LLM 只做动态判断。
官方数据是同模型下精确率高于 Claude Code,token 只要约 1 / 9,代价是漏报更多。精度优先,不是召回优先。
Codex Security 反过来,用 LLM 替代规则引擎。慢、贵、结果不完全确定,但能读懂业务语义,还能直接出补丁、导出 SARIF 接进 CI。
SARIF 是一种漏洞报告的标准格式,各家安全平台都能读。这意味着它可以和 Semgrep、CodeQL 这些老工具串起来用。
backnotprop/plannotator 补的是人的位置。多个 Agent 并行跑的时候,瓶颈变成了人怎么审。
它把 Agent 产出的计划、diff 直接渲染到本地浏览器,你在页面上标注评论,一键回灌成 Agent 下一轮输入。省掉了复制粘贴这个最容易出错的环节。
三、工具与上下文:能干活,也要省 token
Agent 得能操作真实世界,但每次操作都烧钱。
vercel-labs/agent-browser 把浏览器压成一条 shell 命令。页面以无障碍树文本返回,元素带 @e1 这样的引用。
无障碍树是浏览器给屏幕阅读器用的语义结构,比整页 HTML 小得多。Agent 读文本、点引用,不用截图做视觉定位。
一个设计细节值得注意:点击失败会真报错。被遮罩、在视口外、被 cookie 弹窗盖住,全都会失败,逼 Agent 先处理遮挡再重来。
homeassistant-ai/ha-mcp 把智能家居包成 87 个 MCP 工具。MCP 可以理解成给 Agent 调工具的统一插头。
v9 开始它变成装进 HA 进程内的集成,一次 HACS 安装就能用。但工具多、权限大,误操作代价比只读方案高,作者把 YAML 编辑默认关掉了。
更底层的是 garrytan/gbrain,YC 掌门人开源的 Agent 记忆层。
它把持久事实和临时任务状态分开存,前者跨 Agent 共享,换客户端不用重灌记忆。合成层还会告诉你 "数据截止到哪天、哪些渠道没覆盖"。
这个 "还缺什么信息" 的提示,比多召回几条内容实用得多。
[沙盒内继续]
控制成本方面,JuliusBrussee/caveman 有点意思。它只压 Agent 自己的输出和它读的工具输出,不动用户的提问。
作者引用了 Adobe 的结论:把用户问题也 "穴居人化" 反而让答案变差。这个边界划得挺清楚,不是无脑压缩。
Alishahryar1/free-claude-code 更激进,直接聚合各家免费额度绕开订阅费。
它的价值建立在供应商政策上,随时可能被限流。适合个人学习,别往生产上放。
四、协议层:MCP、A2A 之后补上 AG - UI
ag-ui-protocol/ag-ui 是这周最 "基础设施" 的项目。
它定义了约 16 种标准事件:文本增量、工具调用开始结束、状态快照、状态增量补丁。前端只解析这一套,不用给每个 Agent 框架各写一遍渲染逻辑。
定位很清楚 ——MCP 管 Agent 调工具,A2A 管 Agent 之间对话,AG - UI 管 Agent 和界面之间。三层拼完整。
它只规定事件语义,不管传输、UI 库和模型。灵活性换来的代价是事件匹配逻辑要容忍格式差异。
五、前端与 UI:给人和 AI 同一套组件
meta/astryx 连涨一周,是 Meta 内部用了八年、支撑 13000+ 应用的设计系统。
150+ 组件基于 React 19,样式走 StyleX 编译,但使用者完全无感知。换主题只覆盖 CSS 变量,不用包一层 ThemeProvider。
真正的新东西是 CLI。astryx docs 专门给 AI 编程助手查组件用法。README 里还建议写进 package.json script,避免 AI 直接调 CLI 时路径报错。
这是按 Agent 在终端里的实际行为倒推设计的,不是事后补个 MCP 接口。
Rust 这边,tokio-rs/topcoat 走 "不要 wasm" 路线。服务端渲染 HTML,交互逻辑用 $() 表达式自动编译成 JS,没有前端构建步骤。
适合内部管理后台、CRUD 页面这类不需要复杂 SPA 的场景。目前是早期实验阶段,README 明说会有破坏性变更。
dream-num/univer 把定位改成了 "AI office SDK"。人和 Agent 走同一套命令 API,所以 Agent 的每一步修改天然支持撤销和审计。
开源的是编辑器核心和公式引擎,实时协同、Office 导入导出这些在商业版。典型的开放核心模式。
六、底座与自托管:能本地跑、能自己管
ggml-org/llama.cpp 是老面孔,但最近把入口统一成了 llama cli 和 llama serve,加一行脚本安装。
它的价值一直在硬件包容性:一个二进制,CPU、Mac、各种显卡都能跑,连手机和树莓派都行。Ollama、LM Studio 底层其实都是它。
tailscale/tailcat 是官方把自家数据面拆出来做的 netcat。连接信息编码成一个短地址,你复制粘贴给对方就行。
不用账号、不用 root、不用协调服务器。打洞成功就是端到端直连,打不通自动退回中继。临时给同事开个内网端口很好用。
we-promise/sure 是社区接盘的记账应用。Maybe Finance 停运后一直没人管,这个 fork 把它改成了自托管版。
Rails 单体,一条 docker 命令起。不想把账单数据发给 OpenAI 的人,可以选不带 AI 的部署模板,连 pgvector 都不需要。
七、其他值得一看
sherlock-project/sherlock 一周涨了上万星。输入用户名,批量查它在 400+ 个网站有没有注册。
技术上很朴素:每个站点的判定规则写在 JSON 里,不登录、不抓正文,只看状态码和错误文案。加站点只改配置不改代码。
milind-soni/OpenMausBot 是 Grok Bot 那批闭源个人 Agent 的开源替代。通讯录里每个 bot 是一个本机真跑的 Agent,各有模型和电脑。
数据留在本地,直接调用你机器上已登录的 CLI,不用把 API key 交给第三方。
martin-olivier/airgorah 是 Rust + GTK4 写的 WiFi 审计工具,把 aircrack-ng 那堆命令收进一个界面。
它做了件同类工具常做错的事:GUI 以普通用户跑,特权操作收进一个小进程,靠 polkit 拉起。只用于你自己网络的授权测试。
TheAlgorithms/Java 属于长期爬坡的教育仓库。每个算法配 JUnit 测试,CI 跑全量,贡献门槛低。面试季和 Hacktoberfest 会周期性涨星。
这周看下来,几个判断
第一,技能包正在变成事实标准。SKILL.md 这种格式谁都能写,但难的是验证 —— 计划写完能不能落地,工具接上会不会出错。
第二,大厂抢的不是模型,是工作流入口。Chrome 发技能包、腾讯发编排平台、阿里发审查流水线,落点都在别人每天的开发流程里。
第三,token 成本仍是硬约束。压缩输出、分层用模型、按需注入上下文,这周上榜的项目有一半在干这个。
第四,协议层还在拼。MCP 管工具,A2A 管协作,AG - UI 管界面,三块凑齐之前,跨框架复用还是会有摩擦。
对小团队来说,机会在垂直场景和体验层。再造一个通用 Agent 意义不大,把某一类活儿做扎实才有人用。