本周Github热门项目分析

采集时间：2026-07-11
数据来源：GitHub Trending weekly
文章范围：按本周新增 Star 排序，选出 12 个最值得写的仓库

这一周的 GitHub 榜单有一个很明显的特点：大家不再只追某个单一模型的能力，而是大量集中在"怎么把 AI agents 真正用好"这个命题上。技能包、Token 优化、系统提示词泄露、并行 agent IDE、AI 安全测试、智能办公 CLI。几乎每一个项目都在回答同一个问题：当你的 coding agent 已经能写代码之后，下一步是什么？

如果要给这一周的市场信号压成一句话，我会写成这样：技能体系正在变成 agents 时代的基础设施，而不是锦上添花的配菜。

本周涨得最快的 12 个项目

这一周为什么值得看

榜单前十里，超过一半的项目直接围绕 AI coding agents 的基础设施展开。技能包（agent-skills、caveman）、系统提示词（system_prompts_leaks）、并行协作环境（orca）、多路复用器（herdr）和网关（OmniRoute）同时出现在榜单上。这不再是一个"某个 agent 应用突然爆火"的局面，而是一个完整的工具生态正在成型。

另一个现象是，非纯粹的 AI 项目也在回归。RuView 做的是 WiFi 信号感知，astryx 做的是设计系统，strix 做的是安全测试。它们能挤上来，不是因为名字带 AI，而是因为它们刚好能嵌入到 agent 的工作流里。

项目逐个看

strix

strix 已经连续三周出现在榜单上，本周依然拿下第一。它是一个开源的 AI 渗透测试工具，定位很直接：帮开发者用自然语言指令完成安全测试，不需要手动配置扫描器。

它连续霸榜的原因不难理解。安全测试的门槛通常很高：工具复杂、配置繁琐、报告难读。strix 把整个流程封装成 AI 可理解的对话式操作，降低了安全测试的入门成本。它的 topics 列表有 20 个标签，从 AI hacking 到 red teaming 到 bug bounty 全覆盖。它瞄准的不是某一个细分场景，而是整个安全测试工作流。

agent-skills

addyosmani/agent-skills 做的事情听起来很简单：收集和整理面向 AI coding agents 的生产级工程技能包。但它的走红指向一个趋势：单靠 agent 本身的能力已经不够了，开发者需要的是可复用、可组合的技能模块。

这个仓库一个月前的 Star 数远没有现在这么夸张。这周的暴涨一方面跟作者 Addy Osmani 本人的影响力有关，另一方面也说明"技能"这个品类在 agent 生态里正在变成刚需。代码审查、性能调优、重构策略、文档生成、测试编写。这些技能被打包成 agent 能直接理解和执行的标准模块，本质上是在定义 agent 时代的最佳实践格式。

caveman

caveman 的标题本身就带着很强的 meme 属性：why use many token when few token do trick。它的思路很直接：用"原始人语"写提示词来大幅节省 token 消耗，号称能砍掉 65% 的 token。

这个项目的爆发（87,639 Star，7,184 本周新增）说明了一件事：token 成本仍然是 coding agents 落地的真实痛点。你可以选择优化模型、压缩上下文、或者像 caveman 这样从 prompt 语言层面动手。它的走红也侧面反映了用户对"怎么让 agent 更省钱"这件事有多焦虑。技术含量不一定最高，但需求确实在。

system_prompts_leaks

system_prompts_leaks 收集并持续更新各大 AI 产品的 system prompts：Anthropic 的 Claude Fable 5、Opus 4.8、OpenAI 的 ChatGPT 5.5 Thinking、Gemini 3.5 Flash。几乎覆盖了你能想到的所有主流模型。

这个仓库能冲到 55,696 Star 并且本周依然新增 7,149，说明开发者对"其他公司怎么调教自己的模型"这件事有持续的好奇心。不一定是在抄作业。很多时候 system prompts 能透露产品设计思路、安全边界的设置方式，以及对模型行为预期的管理。它在功能上接近一个研究资料库，而不是一个日用工具。

OfficeCLI

OfficeCLI 是这周榜单上的一匹黑马。它做的事情很朴实：让 AI agents 通过命令行读写 Word、Excel、PowerPoint 文件。不需要安装 Office，单个二进制文件就能跑。14,244 Star 且本周新增 4,872，对于 C# 项目来说是不错的数据。

吸引人的地方在于它解决了一个很现实的摩擦点。目前大多数 coding agents 擅长处理纯文本和代码，但一到办公文档就束手无策。OfficeCLI 把 docx、xlsx、pptx 这些格式从"AI 盲区"变成了可编程的接口。再往前想一步，它其实是在帮 agent 打通生产和交付之间的最后一公里。

codex-plugin-cc

OpenAI 的这个插件做的事情很直白：让 Codex 可以嵌入到 Claude Code 的流程中，用于代码审查或任务委托。它能火起来，本身就在说明一个现实：开发者不会只用一个 agent 工具，而是希望在不同的 agent 生态之间自由切换。

跨平台、跨工具的工作流串联正在成为刚需。这个项目虽然由 OpenAI 维护，但它不是排他性的产品。它的存在反而在暗示：未来的开发环境不会是单一 agent 的天下，而是多个 agent 协作的战场。

herdr

herdr 是一个以 terminal 为前端的 agent 多路复用器，用 Rust 写的。它的价值主张很清晰：在终端里管理多个并行的 agent，让它们各司其职，互不干扰。

Rust 写工具的好处是性能和资源占用都很低，这很符合终端用户对"轻量"的预期。4,756 的周增量不算惊人，但考虑到它只是一个很新的项目（15,124 Star），切入的点也很明确：多 agent 之间的协调和复用正在变成一个需要专门工具来解决的问题。

page-agent

阿里的 page-agent 定位是一个"JavaScript 版 GUI agent"，可以让你用自然语言直接操作网页界面。它在浏览器内部跑一个 agent，通过 JavaScript 与页面交互，而不是像传统网页抓取那样解析 DOM。

25,752 Star 且本周新增 4,459，"用自然语言操控网页"这个需求正在快速增长。它和 Puppeteer/Playwright 这种传统无头浏览器工具的区别在于：page-agent 的交互层是 AI 驱动的，可以理解页面内容的语义，而不只是机械地执行选择器。对于需要大量网页操作的工作流，这比写 XPath 和 CSS 选择器要直观得多。

OmniRoute

OmniRoute 给自己的定位是"Never stop coding"：一个免费的 AI 网关。它提供一个统一的 API 端点，对接 231+ 个 AI 提供商（其中 50+ 免费），并且支持将 Claude Code、Codex、Cursor、Cline 等工具连接到免费的 Claude/GPT/Gemini 模型。

另一个有意思的点是它集成了 token 压缩功能："RTK+Caveman stacked compression saves 15-95% tokens"。也就是说，它把 agent 工具链中"省钱"这件事做到了网关层面。14,858 Star 和 4,119 的周增量说明免费加省钱这个组合在开发者群体里很有吸引力。

orca

stablyai/orca 把自己定义为"the ADE for working with a fleet of parallel agents"。ADE 是 Agent Development Environment 的缩写。你可以把它理解成一个专门为并行 agent 协作场景设计的 IDE。

它的核心区别在于：不是单个 agent 在干活，而是你可以同时跑多个 coding agents，每个 agent 完成自己的子任务，然后在 orca 的界面里监控和管理它们。这个思路对应的是真实团队规模下的工作模式：没有人只开一个终端，也没有人只用一个 agent 做一件事。15,822 Star 和 4,111 的周增量，这个信号是清楚的。

astryx

Facebook（Meta）的 astryx 是一个"fully customizable and agent ready"的开源设计系统。它的走红暗示着设计系统正在被重新定义：之前设计系统主要服务于人类设计师和开发者，现在它还需要服务 AI coding agents。

"Agent ready"意味着什么？意味着组件的命名、结构、文档、属性都需要能被 agent 稳定地理解和生成。7,666 Star 和 4,087 的周增量对于一个新的设计系统来说算是相当好的开局了。

RuView

RuView 是这个榜单里最不像"AI 项目"的一个。它做的事情是把普通的 WiFi 信号变成实时的空间感知数据，可以感知人体位置、动作甚至生命体征，完全不需要摄像头。

79,824 Star 和 3,537 的周增量。物联网、智能家居、安防监控这些场景里，用 WiFi 信号替代视觉传感器是一个很吸引人的思路，因为它规避了摄像头带来的隐私问题。空间智能这个方向，RuView 是目前最完整的开源实现之一。

榜单里最明显的三个信号

第一，AI coding agents 的工具生态正在全面爆发。不再是某个单点工具在涨，而是技能包、提示词、网关、IDE、多路复用器全线上涨。开发者对 agent 的使用已经从"试试看"进入了"认真搭环境"的阶段。

第二，Token 优化正在成为一门显学。caveman 和 OmniRoute 都从不同角度切入这个痛点：一个从 prompt 语言层面，一个从网关代理层面。Token 成本仍然是 agent 规模化落地的关键瓶颈。

第三，Agent 友好的基础设施正在重新定义传统品类。OfficeCLI 重新定义了办公文档工具，astryx 重新定义了设计系统，strix 重新定义了安全测试工具。这些变化都有一个共同点：它们都是在把原有的工具能力按照"agent 能理解、能操作"的方式重构。

如果只挑三个项目继续观察，我会选 agent-skills、orca 和 OmniRoute。一个代表技能生态，一个代表并行协作环境，一个代表接入层基础设施。这三条线拼在一起，基本就能看出接下来几个月 agent 工具链会往哪个方向走。

标签建议

GitHub Trending, 开源项目, AI Agent, Agent Skills, Token 优化, Office CLI, 渗透测试, 系统提示词, 设计系统, 并行 Agent, 空间感知

资料来源

• GitHub Trending weekly: https://github.com/trending?since=weekly
• strix: https://github.com/usestrix/strix
• agent-skills: https://github.com/addyosmani/agent-skills
• caveman: https://github.com/JuliusBrussee/caveman
• system_prompts_leaks: https://github.com/asgeirtj/system_prompts_leaks
• OfficeCLI: https://github.com/iOfficeAI/OfficeCLI
• codex-plugin-cc: https://github.com/openai/codex-plugin-cc
• herdr: https://github.com/ogulcancelik/herdr
• page-agent: https://github.com/alibaba/page-agent
• OmniRoute: https://github.com/diegosouzapw/OmniRoute
• orca: https://github.com/stablyai/orca
• astryx: https://github.com/facebook/astryx
• RuView: https://github.com/ruvnet/RuView