13
收录项目
7
覆盖板块
+135,086
本周星标增长(9 个有公开周增数据项目合计)
1.19M
收录项目总星标数
💡 本周洞察:三条主线。第一条是 「Skill 从提示词走向方法论」:mattpocock/skills(28.2万星,+7,448/周,全站星标最高的 skill 集合)靠「grill-me 需求面试、TDD 循环」这类工程方法固化持续吸星,同期 cursor/plugins(+1,109)把插件格式做成公开规范、andrej-karpathy-skills(21.9万星)证明「一个规则文件」也能封神——skill 生态的军备竞赛已经从「数量」转向「方法论深度 + 格式标准」。第二条是 「Agent 的组织与记忆」:claude-mem(+3,153,官方支持 Hermes)继续吃「跨会话记忆」红利,openrig(+2,693)把多 agent 推向「常驻团队 + 角色分工」——你和 mimocode 的双端分工协议、mem0 迁移火山引擎、记忆隔离三连坑,正踩在这条主线的痛点上。第三条是 本周现象级事件:rea ≈+94,100 单周爆发(Trendshift 周冠)——agent 吃掉「逆向工程」这种专家级老领域,验证了「老专业 + agent 编排」公式(CAD、视频、音乐之后又一例)。支线信号:MCP 两大合集(官方 servers 9.1万 + awesome-mcp-servers 9.6万)本周均未上榜,生态从圈地转入沉淀,增长引擎上移到用 MCP 的上层工具;Trendshift 侧 moli(Agent 专用无头浏览器,Rust,≈+8,900)与你 ext-monitor 的反爬痛点直接相关,ppt-master(原生 PPTX 生成,6万星)值得接进你的 PPT 工作流。
🤖

AI Agent 框架

核心领域
TypeScript
AI Agent 框架多智能体协作
↑ +2,693/周 ⭐ 6,280 🍴 456
「Build your own network of agents from Claude Code, Codex and Pi: persistent teams with roles, shared context and owned work.」——把多个编码 Agent 组成常驻团队:角色分工(roles)、共享上下文(shared context)、工作归属(owned work)。它不是又一个编排框架,而是让你已有的 CLI Agent(Claude Code、Codex、Pi)像同事一样组队——每个 agent 有自己的职责和名下的任务,团队状态持续存在,跨会话不丢。本周 +2,693,总星标 6,280,正处于快速爬坡期。信号很明确:多 Agent 的下一个竞争维度不是「更强的单体」,而是「组织化」。

🔍 同类对比

  • vs stablyai/orca(舰队式并行调度):orca 让一个人同时指挥一群 agent 干一批独立任务(流水线,管吞吐),openrig 让一群 agent 结成有角色的团队干同一件事(项目组,管协作);场景不同,不互为替代
  • vs paperclip(Agent 管理台,上期在榜):paperclip 管治理(预算/审批/目标对齐),openrig 管协作(角色/共享上下文/任务归属)——一个是 HR+财务系统,一个是项目协作空间,可叠用
  • vs 手工多会话(你现在 Hermes + MiMo Code 双开):双端全靠人肉同步上下文(「mimocode 上下文.md」就是人肉产物),openrig 的 shared context / owned work 正是把「我跟另一个 AI 说过什么、谁负责哪块」产品化

🎯 与你/mimocode 的关联

  • 你和 mimocode 刚明确的「协作分工规则」(本地开发项目 MiMo 主导部署、Hermes 协助;Hermes 自有项目 Hermes 主导)现在是纸面约定——openrig 的 roles + owned work 就是这条规则的运行时形态,值得对照设计
  • mimocode 在做的「整合 mimocode 到 hermesoffice 看板」「Mimocode 与 Hermes 看板数据同步」(Windows Flask API + Tailscale 暴露 stats 接口)本质是在自建 shared context 的数据层,openrig 的共享上下文机制可当架构参考
  • 注意风险:2026 年新项目、API 还在快速变动,先读它的团队/角色模型设计,不急着进生产
TypeScript
Agent 记忆层跨 Agent 注入
↑ +3,153/周 ⭐ 98,840 🍴 8,660
「Persistent Context Across Sessions for Every Agent」——捕获 agent 会话里发生的一切,用 AI 压缩成记忆,再把相关上下文注入未来会话。官方支持列表覆盖 Claude Code、OpenClaw、Codex、Gemini、Hermes、Copilot、OpenCode 等,是目前覆盖面最广的跨 agent 记忆层。本周 +3,153(Trendshift 周榜同步在榜),总星标 98,840,是「Agent 记忆」赛道体量最大的独立项目。它的赌注是:记忆的价值不在「存得多」,在「下次用的时候刚好被想起来」。

🔍 同类对比

  • vs hindsight(上期周增王 +15,537):hindsight 赌记忆算法(retain / recall / reflect + 心智模型,「会学习而不只是会回忆」),claude-mem 赌覆盖面(全会话捕获 + 跨 CLI 注入);一个卷深度一个卷广度
  • vs mem0(你正在迁的火山引擎版):mem0 是云服务 API、按 user_id 组织、要自己接线,claude-mem 是本地进程自动挂钩会话、自动注入——部署形态完全不同但解同一类问题(跨会话、跨工具的记忆连续性)
  • vs 自建记忆文件(Hermes 原生 memory):你现在记忆 91% 满、跨端靠 mem0 协议手工约定来源标记——claude-mem 的「自动捕获 + 自动压缩 + 自动注入」直接省掉整个同步协议层

🎯 与你/mimocode 的关联

  • 你最近的记忆三连坑「mem0 中文写入 UTF-8 编码错误」「Hermes Bot Mode 记忆隔离」「mem0 跨系统自动同步漏洞」正是这个项目的核心卖点(自动压缩、边界隔离、跨 agent 注入),读它的压缩/注入实现可以直接对照排错
  • 它明确支持 Hermes,可以在你的 Linux Hermes 实例上试装,和火山引擎 mem0 对比检索质量,为「记忆系统自动提炼」(Checkpoint Writer 子代理触发机制)的研究提供第三个参照系
  • 数据主权注意:它把全部会话内容压缩存储,药师帮业务数据敏感——先在个人项目试,业务项目继续用可控的 mem0 自托管/云方案
⚡

Skill/技能生态

核心领域
Shell
Skill/技能生态工程方法论
↑ +7,448/周 ⭐ 281,873 🍴 23,618
「Skills for Real Engineers. Straight from my .agents directory.」——Matt Pocock(TypeScript 圈知名教育者)把自己 .agents 目录里的工程技能全部开源:grill-me(agent 先面试你的需求再动手)、grill-with-docs(面试 + 产出共享语言文档)、tdd(红绿重构循环)、diagnose(调试)、improve-codebase-architecture(架构改良)等。本周 +7,448,总星标 281,873,是全站星标最高的 skill 集合(超过 GStack、Superpowers、google/skills)。它的核心主张:skill 不是提示词合集,而是「工作方法论的固化」——把高手的做事顺序写成 agent 可执行的流程。

🔍 同类对比

  • vs Superpowers(你评估并装进 Hermes 的那套):superpowers 是全流程编排(brainstorm → plan → execute → review 一条龙),mattpocock 是单点技法包(需求面试、TDD、调试各自独立)——更轻、更聚焦、可拆着用
  • vs google/skills、addyosmani/agent-skills(大厂合集):大厂合集求全(覆盖面广、按领域铺),mattpocock 求精(每个 skill 背后有明确工程观点、敢下判断);装 100 个泛 skill 不如吃透 5 个有观点的
  • vs 你自己的 ysbang-doc / pharma 系列 skill:你的 skill 是「业务流程固化」(文档站收录检查、品类周报生成),它的是「工程方法固化」——两层正好互补,你的体系目前缺的正是这层通用工程方法

🎯 与你/mimocode 的关联

  • Hermes 里已装 brainstorming、test-driven-development、systematic-debugging、verification-before-completion——mattpocock 的 grill-me / tdd / diagnose 是同类对照实现,拉下来 diff 一下哪边的写法触发更准、产出更稳
  • mimocode 的「需求梳理工具开发」(把固定清单重构成动态决策树的 HTML 工具)干的就是 grill-me 的事:它的「面试式提问 → 共享语言文档」流程可以直接抄进需求梳理工具的决策树设计
  • 安装注意:它按 .agents 目录约定组织(跨 agent 通用格式),拷进 Hermes skills/ 时 frontmatter 触发词要按 Hermes 规范改写,别直接丢目录
TypeScript
插件规范生态标准
↑ +1,109/周 ⭐ 10,487 🍴 988
Cursor 官方插件规范 + 官方插件库。把 Cursor 的扩展机制从「私有配置」变成「公开插件协议」:插件的打包格式、权限声明、分发方式都有正式 spec,并附官方实现样例。本周 +1,109,总星标 10,487。技术含量一般但信号意义很大——当最大的 AI IDE 之一开始把扩展机制标准化,「Agent 插件协议」就从各家私有格式进入竞争性标准阶段,接下来半年 skill/插件的跨工具搬运成本会显著下降。

🔍 同类对比

  • vs Anthropic Agent Skills(SKILL.md,你在用):skills 是「markdown 指令包」(轻、模型可读、无代码),cursor plugins 是「带代码的插件」(可执行、有权限声明)——前者像文档,后者像应用,会长期共存
  • vs MCP(工具协议):MCP 标准化「agent 调用外部工具」,cursor plugins 标准化「IDE 扩展 agent 能力」——一个管外面一个管里面,将来可能在插件里调 MCP
  • vs VS Code 插件生态:VS Code 插件是给人用的 UI 扩展,cursor plugins 是给 agent 用的能力扩展,目标用户不同,但打包/权限治理思路同源

🎯 与你/mimocode 的关联

  • 你现在 Hermes 有 skills/ + plugins/ 双目录、多 profile 各自维护(记忆隔离是老大难)——它 spec 里的「权限声明 + 分发格式」治理设计值得参考,解决的正是「哪个能力能干什么、装到哪层」的边界问题
  • mimocode 的「提取 opencode 项目 skill 和 Agent 到根目录」「superpowers 系统层级安装」暴露的痛点就是各家格式不统一、目录约定不同——这类规范成熟后,跨工具搬运 skill 的重复劳动会少很多
  • 短期动作:无。属于「盯规范」型项目,等 spec 稳定后把你们的 ysbang 系列 skill 对照它的打包格式做一次整理
Markdown/规则集
行为规则集工程规范
↑ 未上榜(实时榜在涨) ⭐ 218,858 🍴 22,048
一个 CLAUDE.md 文件,源自 Andrej Karpathy 对 LLM 编程陷阱的观察,用来改进 AI 编程 agent 的行为。总星标 218,858(skill 类全球第二高),Trendshift 实时榜仍在榜(实时涨幅约 +2,207/日口径)。它证明了「一个文件的规则集」也能成为现象级项目:不需要代码、不需要框架,把「LLM 编程时的坏习惯」写成 12 条硬规则,就能显著改变 agent 的输出质量。这是「规则层」的 npm 包——2026 年 agent 工程里被安装次数最多的单文件。

🔍 同类对比

  • vs mattpocock/skills(技法包):karpathy 是行为约束(禁止什么、必须什么),mattpocock 是工作方法(先做什么后做什么)——一个管底线一个管方法,叠加使用效果最好
  • vs 各项目私有 CLAUDE.md:大多数 CLAUDE.md 是项目私有配置,它把「通用编程规则」抽出来做成公共品,社区迭代验证过;私有配置里应该留项目特有约束,通用部分引用它
  • vs 你已沉淀的 Hermes 全局记忆规则:本质相同(持久化行为约束),区别是它的规则经过大规模社区验证;你那些「不自动 git 提交」「数据分析方法论」规则属于业务约束,与它互补不冲突

🎯 与你/mimocode 的关联

  • 你和 mimocode 已经实际在用:mimocode 有专门工作项「mimocode 中使用 karpathy 规则文件」「Karpathy 12条AI编程规则」「Karpathy规则存储位置」(把规则从临时内存迁到持久用户配置)——这个仓库就是你们那套规则的上游源
  • 建议动作:对照上游最新版 diff 你们已导入的 12 条,看有没有修订——规则文件被社区持续打磨,你们是 4 月前后导入的,半年没同步了
  • mimocode「设置全局规则禁止自动 Git 提交」这类自定义规则,可以参照它的组织方式(按陷阱分类、每条带反例)重写,让规则更可维护
🛠

AI 工具链

核心领域
Python
信息采集Agent 感知层
↑ +6,987/周 ⭐ 94,531 🍴 8,262
「Give your AI agent eyes to see the entire internet」——一个 CLI 让 AI agent 读取和搜索 Twitter、Reddit、YouTube、GitHub、B站、小红书,零 API 费用。本周 +6,987,连续多周稳定高增长,总星标 94,531,是「agent 的眼睛」赛道的事实标准。它的护城河不是抓取技术,而是各平台的内容流适配层——弹幕、评论区、动态、话题页这些「非网页」内容的解析。也是你日常情报流的底层工具。

🔍 同类对比

  • vs 各平台官方 API:官方 API 要申请、限流、收费,agent-reach 网页解析零费用——代价是稳定性依赖页面结构,平台改版就要跟
  • vs r.jina.ai 等通用抓取服务:抓取服务只解决「读网页」,agent-reach 解决「读特定平台的内容流 + 搜索」(B站弹幕、小红书话题),平台适配层是本质差异
  • vs Exa 等语义搜索:Exa 给语义检索结果,agent-reach 给平台原生内容,两者互补——你的「Exa 经 mcporter + agent-reach 各平台」正是这个组合

🎯 与你/mimocode 的关联

  • 你已深度集成(GitHub/YouTube/B站/RSS/小红书 MCP/Exa),本周无需动作,但要盯一件事:mimocode 刚做过「验证更新后 agent-reach 功能」(根治 Exa 失效)和「对比 GitHub 与本地 agent-reach 更新」——它更新频繁且有破坏性变更,盯 release notes 是成本最低的保险
  • 「药师帮监控运行确认」里医药网采集要 HW_CHECK cookie 绕反爬——agent-reach 的平台解析/会话维持思路可以借鉴到 ext-monitor 采集器的改造里
  • mimocode 的「爆款筛选自动化脚本」(内部使用/,抓药师帮爆款话题+活动信息)同样是内容流抓取,遇到反爬升级时优先看 agent-reach 新版本支持了什么
TypeScript
视频生成HTML 渲染
↑ +3,996/周 ⭐ 59,459 🍴 5,303
「Write HTML. Render video. Built for agents.」——用 HTML 写视频:你(或 agent)写 HTML/CSS,它渲染成视频,专为 agent 设计(结构化输入、可编程输出、可批量)。来自 HeyGen(数字人视频公司)开源。本周 +3,996,总星标 59,459。它把「视频制作」变成 agent 可以直接产出的格式——而 HTML 恰好是 LLM 最擅长写的格式,这个巧劲是它爆火的原因:不是教模型做视频,是把视频翻译成模型已经会的语言。

🔍 同类对比

  • vs Remotion(React 写视频):Remotion 面向开发者、组件是 React,hyperframes 面向 agent、直接吃 HTML/CSS——LLM 友好度完全不同
  • vs FFmpeg 脚本流:FFmpeg 全能但无视觉反馈、指令工程难度大,hyperframes 浏览器渲染保证「所写即所得」,调试靠看不靠猜
  • vs 数字人 SaaS(HeyGen 自家云端):SaaS 快但闭源收费、数据出域,hyperframes 开源免费、可进自动化流水线、素材不出服务器

🎯 与你/mimocode 的关联

  • 你有大量「HTML 报告 → 演示」场景:data-analysis-html-report、药师帮品类周报(ysbang-weekly-report)、稀缺品种 HTML 报告、找货复盘报告——这些现成 HTML 可以直接被 hyperframes 渲染成视频版,用于对外汇报/培训
  • mimocode 的「AI分享PPT-20260728」如果下次要出视频版(15 分钟分享的录播化),路径是现成的:guizang HTML PPT → hyperframes 渲染
  • 服务器没 GPU 不用担心:它是浏览器帧渲染(CPU 可跑),短视频/片头片段可行,长视频放 Windows 端跑(mimocode 那边机器更强)
Agent 工具链
逆向工程Agent 应用
↑ ≈+94,100/周(Trendshift 周榜 #1) ⭐ 101,204 🍴 22,226
「Reverse engineer anything with agents, from app behavior down to native binaries」——用 agent 做逆向工程:从应用行为分析一路到原生二进制。本周 Trendshift 周榜第一,周增约 +9.4 万,总星标 101,204——2026 年新项目里最猛的单周爆发之一。它验证了一个趋势:agent 正在吃掉「高度专业化、过去只属于人类专家」的领域,逆向工程(安全研究员、破解分析、协议还原)是最新一个。老领域 + agent 编排 = 重新爆发,这个公式今年已经出现多次(CAD、视频、音乐)。

🔍 同类对比

  • vs 传统逆向工具(IDA/Ghidra):传统工具是人机交互式精细分析,rea 是 agent 驱动的自动分析流——牺牲精细控制换吞吐和上手门槛
  • vs 让 Claude Code 直接读源码:读源码有源码就行,rea 面向「没有源码」的场景(混淆 JS、闭源应用、二进制)——蓝海不同
  • vs angr 等程序分析框架:angr 是符号执行引擎(精确但要专业背景),rea 是 agent 编排的分析流程(易用但结论需人工验证)

🎯 与你/mimocode 的关联

  • 跟你的工作流关联弱——药师帮业务是数据分析和运营自动化,不碰二进制逆向;放进看板因为它是本周全站现象级事件,代表「agent 吃掉垂直专业领域」的又一次验证
  • 唯一沾边场景:mimocode 的「yjj 账号登录风险提示触发条件分析」(分析两个 JS 文件找风控触发条件)属于轻量前端逆向,它的「行为观察→假设→验证」分析流可以借用
  • 对你的启示在方法论层面:「老专业领域 + agent 编排」的项目正在批量爆火——药师帮的药品品类/供应商分析其实就是「医药供应链 + agent」,这个叙事方向值得在对外分享里用
🔌

MCP 生态

核心领域
多语言
MCP 生态官方参考实现
↑ 未上榜(存量沉淀期) ⭐ 91,149 🍴 11,778
Anthropic 发起的 Model Context Protocol 官方服务器集合:文件系统、Git、数据库、浏览器等参考实现。MCP 已经是 agent 连接工具的事实标准协议,这个仓库是所有 MCP server 的「参考答案」。总星标 91,149。值得注意的趋势:官方已把部分实现转社区维护,仓库正从「活跃开发」转向「存量参考」——协议本身在进化(授权、传输、工具发现都在加),合集本身在沉淀。这不是衰落,是标准成熟的标志。

🔍 同类对比

  • vs punkpeye/awesome-mcp-servers(社区合集):官方仓库给「标准实现」(代码可跑、可 fork),awesome 给「发现索引」(找现成 server)——用的顺序是先索引后实现
  • vs fastmcp 等 MCP 框架:servers 是「做好的 server」,fastmcp 是「快速写 server 的框架」——前者消费后者生产,生态上下游
  • vs 各家私有工具协议:MCP 赢在跨 agent 通用(Claude/Cursor/mcporter 都能接),私有协议绑定单一工具——你的 mcporter 能统一管 Exa/小红书 MCP 就是通用协议的红利

🎯 与你/mimocode 的关联

  • 你踩过的 MCP 坑(lark-mcp 的 OAuth token vs tenant token 读个人文档权限、中文 UTF-8、服务掉线)在官方 servers 的数据库/文件系统实现里都有参考答案——连接管理、错误处理、权限分层可以对照抄
  • mimocode「查看 Mem0 最新记忆」把飞书操作从 lark-mcp 迁到 lark-cli 并封装成 Skill——这个「MCP → CLI → Skill」的退化路径正是轻量替代方向,官方 servers 里部分 server 也提供了 CLI 形态,印证了这个模式
  • 建议固化成排查清单:MCP 服务不稳时,先对照官方 server 的重连/超时实现,再决定要不要像 lark 那样降级成 CLI+Skill
索引合集
MCP 生态资源索引
↑ 未上榜(存量沉淀期) ⭐ 96,138 🍴 17,431
最大的 MCP 服务器索引:按类别整理的 MCP server 大合集,总星标 96,138(MCP 生态最高星),Forks 17,431 说明大量人在维护自己的 fork 清单。它不是工具而是「黄页」——「有没有现成的 X 平台 MCP」这个问题的第一站。两大 MCP 合集(官方 9.1 万 + 这个 9.6 万)合计近 19 万星但本周均未上榜,说明 MCP 生态已过「圈地期」进入「存量沉淀期」——增长引擎上移到了用 MCP 的上层工具(记忆、调度、浏览器)。

🔍 同类对比

  • vs modelcontextprotocol/servers:官方仓库是「实现」,这个是「索引」——先来这里确认有没有,再去官方/第三方拿实现
  • vs MCP 市场类网站(mcpmarket 等):网站搜索体验好但收录滞后,awesome 靠社区 PR 更新最快、最全
  • vs 自研 MCP/CLI 封装:合集里没有的(药师帮内部系统、企微 webhook)只能自己写——你们的 lark-cli Skill 化就是这个路径的产物

🎯 与你/mimocode 的关联

  • 实用价值最高的一条:每次接新平台(行业信息源、飞书、企微、内部系统)先查它有没有现成 server,能省掉自研采集器的功夫——ext-monitor 的四个信息源当初若先查一遍可能少写不少解析代码
  • mimocode 的「飞书云文档集成与管理模块」(OAuth 权限、APP_SECRET 环境兼容踩坑)如果开工前对照合集里的 feishu/lark server 实现,坑能少一半——建议把它加进项目开工清单
  • 把「查 awesome-mcp-servers → 有就用/参考,没有才自研」固化成你们 AI 工作流的标准动作,写进 Hermes 全局记忆或 skill 里
🌐

浏览器自动化/数据采集

个性化推荐
Rust
浏览器自动化数据采集
↑ ≈+8,900/周(Trendshift 周榜) ⭐ 16,368 🍴 401
「Best headless browser for AI agents. Lite, Fast, High-Compatibility. Built in Rust」——专为 AI agent 设计的无头浏览器:轻量、快、兼容性高,主打 agent 场景的网页操作与内容读取。Rust 实现,Trendshift 周榜在榜(周增约 +8,900),总星标 16,368。它和上周的「AI 专用浏览器」趋势连成一条线:agent 的瓶颈正在从「脑子(模型)」转移到「眼睛和手(浏览器/工具)」——怎么又快又稳地打开网页、绕过反爬、读到内容,成了新基建。

🔍 同类对比

  • vs Playwright/Puppeteer:Playwright 给人写自动化测试(API 全、重、吃内存),moli 给 agent 读网页(启动快、资源省)——你的 4GB 内存服务器上这个差异很实在
  • vs agent-chrome-relay(借用你登录态的真 Chrome):relay 走「复用真浏览器」路线(带登录态、重),moli 走「轻量专用浏览器」路线(干净环境、可控、可批量)
  • vs agent-reach(平台解析层):agent-reach 解决「读什么」(平台内容流适配),moli 解决「怎么打开网页」(浏览器层)——上下层关系,可组合

🎯 与你/mimocode 的关联

  • ext-monitor 采集最痛的点「医药网需 HW_CHECK cookie 绕反爬」正是它的主场:agent 友好浏览器统一管理 cookie/指纹/会话,比 requests 硬扛稳定,采集器的维护成本会降
  • mimocode 的「爆款筛选自动化抓取」「自动上架/爬虫」类脚本同理——浏览器自动化层升级能减少被反爬打断的返工(7 月那次「医药网采集修复」就是这类返工)
  • 落地注意:Rust 生态部署和调试成本要评估,先在 Windows 开发机(mimocode 端)验证采集效果,跑稳了再进 Linux 生产
🎨

办公/内容创作

个性化推荐
Python
办公/内容创作PPT 生成
↑ 未上榜(Trendshift 日/周榜均上过) ⭐ 60,337 🍴 4,759
「AI turns documents or topics into real, native PowerPoint decks」——把文档或主题变成真正的原生 PPT:原生形状、转场和动画、按需数据图表与表格、备注转音频旁白,支持你自己的 .pptx 模板。关键词是「原生」:不是把图片贴进 PPT,而是生成可继续编辑的 PPTX 文件。总星标 60,337,MIT 协议,Python 实现,Trendshift 日榜/周榜均上过榜。它是「AI 做 PPT」这个老需求里第一个把「交付物可编辑性」做对的开源方案。

🔍 同类对比

  • vs guizang-ppt-skill(你在用的横向翻页 HTML PPT):HTML PPT 视觉效果强、适合现场演讲和网页分享,ppt-master 产出原生 PPTX、适合交给别人继续编辑和走公司审批流——两种交付物不冲突,场景不同
  • vs python-pptx 等代码库:python-pptx 要写代码拼版式(费时且丑),ppt-master 从内容直达成品,把版式工程交给了模型+模板
  • vs Gamma / 美图 AI PPT 等 SaaS:SaaS 模板漂亮但闭源收费、内容出域,ppt-master 本地跑、能用你们公司自己的 .pptx 母版——对企业内用更可控

🎯 与你/mimocode 的关联

  • 你的 PPT 工作流「先 md 对齐内容 → 再做 PPT → 统一 dark 背景 → 署名黄振杰/三方运营中心」——ppt-master 支持自定义 .pptx 模板,把公司模板做成母版后,md 内容直接灌进去,后半段手工排版时间能省掉大半
  • mimocode 的「AI分享PPT-20260728」(15 分钟分享 PPT、多轮迭代对齐内容)是它的典型场景:内容 md 你把关,版式交给它
  • 和 guizang 组成「双交付」打法:现场讲用 HTML 版(翻页效果好),会后发 PPTX 版(同事能改能用)——下次分享可以直接试
📊

数据可视化/报告

个性化推荐
HTML/SVG Skill
数据可视化报告图表
↑ ≈+6,700/周(Trendshift 周榜) ⭐ 50,218 🍴 3,189
「Editorial diagram design for Claude Code, Codex, GitHub Copilot, Factory Droid, and Pi. 42+ diagram types. Self-contained HTML + SVG. No shadows. No Mermaid slop.」——给 agent 用的「编辑级」图表设计 skill:42 种图表类型,产出自包含 HTML + SVG,明确拒绝 Mermaid 默认审美。Trendshift 周榜在榜(周增约 +6,700),总星标 50,218。它的主张很直接:agent 画图不该止于「能看」,应该做到「能发出去」——把设计品味固化成 skill 约束,而不是每次靠运气。

🔍 同类对比

  • vs Mermaid/PlantUML:Mermaid 管「画对」(文本语法、自动布局),diagram-design 管「画好」(编辑级排版、风格约束)——内部草稿用前者,对外汇报用后者
  • vs excalidraw skill(你已装):excalidraw 是手绘风交互图(轻松、可协作编辑),diagram-design 是印刷级信息图(正式、严谨)——按场合选
  • vs 让 agent 裸写 SVG:裸写 SVG 质量随缘,它用 42 种图表模板 + 设计约束把「品味」固化下来,输出方差小得多

🎯 与你/mimocode 的关联

  • 你的 HTML 报告生产线(data-analysis-html-report、品类周报、稀缺品种报告、找货复盘报告)现在图表以 Chart.js 数据图为主——流程图/结构图部分可以让 agent 走这个 skill 出「能直接发给领导」的版本,替代现在的示意图
  • mimocode 的「药师帮知识库」(代码知识图谱交互页)和「代码逻辑梳理成业务文档」(code-to-business-doc 流程图输出)正是它的典型用法:业务流程图直接出编辑级 SVG
  • 与已装的 architecture-diagram skill(深色 SVG 架构图)分工明确:一个管架构图,一个管信息图/流程图——两个都留着,按内容类型选