GitHub 周趋势看板 2026-10-26
第43周(10.20—10.26)· 本周洞察:cloudflare 安全审计 Skill +12,680 登顶(信任基建提速)· 「Harness 控制面」开打:t3code 手机远程控各家 Agent + orca +9,828 + 微软 skill-recorder 录屏生成 Skill · Skill 生态大厂目录化(Anthropic 双目录 + Android 官方入场)· graphify +6,868 代码知识图谱 · ai-memory +3,541 跨厂商记忆交接 · MCP 进入存量沉淀期
💡 本周洞察:三条主线。第一条是 「安全审计 Skill 登顶」:cloudflare/security-audit-skill 单周 +12,680 全站第一——大厂把「agent 产出要可信、要机器可验证」当卖点,与上周 iFixAi(审计 agent 行为)连成一条「信任基建」主线:生态从「让 agent 更强」转向「让 agent 可信」。第二条是 「Harness 控制面开打」:t3code(+1,778,手机远程控制各家 agent,全开源)、orca(+9,828,agent 舰队 + 远程 runtime)、微软 skill-recorder(录屏 → 意图+步骤 → 可复用 Skill)、failproofai(agent 观测 + 策略拦截)集体上榜——竞争从「造 agent」转向「管 agent」,这正是你 Hermes + mimocode 双端协作正在手工解决的问题(Tailscale 呼叫部署、work 看板同步),本周一下给了四个产品化答案。第三条是 「Skill 大厂目录化」:anthropics 双目录(claude-plugins-official +3,232 官方治理、knowledge-work-plugins +2,631 知识工作流)、android/skills +1,317(平台厂商入场)、karpathy-skills +2,981(mimocode 在用的规则源仓库)——Skill 从野生合集进入官方治理期。跟你的连接点本周格外密:t3code/skill-recorder 直解「双端协作」和「流程固化」两大痛点;security-audit-skill 给公网服务(biz-up 8507、zh_backend 8000)免费上保险;graphify 可给 mimocode 端 2 万行药师帮代码库(内部使用/、品种研究/、百万商业/、云服务器/)建可查询图谱;ai-memory 正对「双端记忆不相通 + mimocode_context.md 手工同步 + mem0 跨端约定」三连痛点。MCP 板块本周安静:进入存量沉淀期,唯一新秀 mcd-cn-assistant(麦当劳 MCP 业务流编排)仅 390 星被过滤规则挡下,但其「35 个原子工具编排成 4 条业务流」的设计思路值得留观。
🚫 本周未收录(热门但不在关注范围/被过滤规则挡下):junxchan54-maker/mcd-cn-assistant(麦当劳中国 MCP 智能助手,390 星 <500,业务流编排思路好,留观)· Gathin23/cleanyourtv(安卓电视去广告,Trendshift 周冠、3.5 万星,消费工具低关联)· deepseek-ai/DeepInfer(DeepSeek 推理框架 2.2 万星,vllm 同赛道已在工具链板块点评)· peach-mitao/peach(个人媒体系统)· ai-job-search-dev/ai-job-search(AI 求职框架)· Zagitta/gpu-unlock(GPU 解锁,灰色地带)· YuJunZhiXue/dsh-purge(模型破甲 jailbreak,合规风险不收)· AhmadHassan-BTed/Turnitout-Humanizer(论文抄袭规避工具,不收)。过滤规则:星标 <500、纯前端框架、纯教程仓库不收录。
🤖
AI Agent 框架
核心领域「Orca is the place for working with a fleet of agents. Run any coding agent with your own subscription.」——Agent 舰队工作台:用你自己的订阅跑 Claude Code、Grok Bot 等任意 coding agent,桌面、移动、远程 runtime 三种形态,多 agent 并行编排、统一查看。本周 +9,828(周榜第二),总星 10.5 万。它卖的不是 agent 本身,而是「同时管一群 agent」的战场视角——单 agent 时代结束后的第一波基础设施。
🔍 同类对比
- vs pingdotgg/t3code(本周同榜 +1,778):同为「agent 控制面」赛道。orca 起步早、支持面广、自带远程 runtime;t3code 主打控制面体验(iOS/Android/Web/Electron 全家桶)+ 完全开源可 fork。两者都在赌「多 agent 日常化」
- vs 各家官方桌面应用(Codex desktop / Claude Desktop):官方 app 只管自家 agent,orca 跨厂商统一入口——但深度集成上官方永远领先一步
- vs 直接开多个终端窗口:核心增量是远程访问、状态汇总、并行编排;单 agent 轻度用户用不出差别
🎯 与你/mimocode 的关联
- 你就是「多 agent 舰队」用户:Hermes(云端 Linux)+ mimocode(Windows 端),靠 Tailscale 呼叫部署(「通过 Tailscale 呼叫 Hermes 部署项目至云服务器」)——orca 的远程 runtime 模式就是这个手工工作流的产品化版本,值得体验后决定「用它」还是「把 work 看板往这个方向演进」
- AI工作集成看板(Mimocode 与 Hermes 看板数据同步、整合 mimocode 到 hermesoffice 看板)目前是数据汇总层;orca 的移动端「从手机触发本机 agent 跑任务」交互是下一步的自然延伸
- 注意资源账:这类控制面常驻进程吃内存,你服务器 4GB 常年紧张(pyright 都要手动 kill),装在 Windows 端更合适
「The open source coding agent.」——开源编码 Agent 的头部项目(原 SST 团队打造,现归 anomalyco)。终端/TUI 原生,支持多模型 provider 切换、LSP 集成、client-server 架构(可远程连接控制)、完整的 skill/插件体系。本周 +6,857,总星 22.1 万。在「订阅制闭源编码 agent」包围圈里,它是开源阵营的代表作之一。
🔍 同类对比
- vs Claude Code / Codex(订阅制闭源):opencode 开源免费、模型随意换(能直接接 mimo/Kimi 等国产模型);代价是没有官方托管云 runtime、企业级支持弱
- vs Cursor(IDE 形态):opencode 终端原生、可脚本化、可远程,适合做自动化流水线和服务器端任务;Cursor 胜在图形化编辑体验
- vs Gemini CLI:opencode 的 skill/插件生态沉淀更久、社区更大;模型中立是共同点
🎯 与你/mimocode 的关联
- 你已经在用它的产出:mimocode 端做过「提取 opencode 项目 skill 和 Agent 到根目录」——opencode 的 skill/agent 定义格式实际已是双端技能体系的参考实现,值得对比上游是否有新格式演进
- 它的 client-server 架构跟你「Windows 端 Flask API + Tailscale 暴露给云端 Hermes 看板」(AI工作集成看板)是同一模式,协议设计可借鉴
- 它对多模型 provider 的抽象方式,可参考进你 mimo/Kimi/多模型混用的定时任务体系(biz-up 周报 mimo-v2.6-pro 等)
「The original agent harness.」——多玩家 Agent 集群(swarm)编排框架:自主工作流协调、自适应记忆、自学习、联邦化、向量 RAG 集成,宣称原生集成 Claude Code / Codex / Hermes 等。本周 +3,241,7.9 万星。定位是「harness 层」:不管你是哪家 agent,它都要做上面那层调度和记忆。
🔍 同类对比
- vs LangGraph 等主流编排框架:ruflo 走「swarm + 自适应记忆」激进路线,功能清单华丽;但 ruvnet 系项目历来高星高争议(营销声量大),工程成熟度需自行验证
- vs orca / t3code(控制面):控制面管「看和指挥」,ruflo 管「调度和记忆」,理论上互补、实际功能面有重叠
- vs Hermes 自带的 kanban-orchestrator / delegate_task:你的多 agent 工作流是内建能力;ruflo 提供更重的自学习/联邦特性,但也引入独立运维成本
🎯 与你/mimocode 的关联
- 你已有 kanban-orchestrator + subagent 委派的多 agent 体系,ruflo 的「自适应记忆」思路值得关注,但建议先小范围验证再决定是否纳入工作流
- 它宣称集成 Hermes——对 Hermes 用户是个兼容性信号,可留意其 Hermes 适配层质量
- 风险提示:这类高营销项目的星标增速与实际工程质量不一定匹配,评估时以「能不能替代你现有的 flock 防重入 + watchdog 稳定机制」为准
⚡
Skill/技能生态
核心领域Cloudflare 官方出品的 coding-agent 安全审计 Skill:把安全审计固化成多阶段流程,产出「独立验证过、机器可读」的 findings——不是让 agent 拍脑袋列漏洞,而是每一项发现都要经过交叉验证、以结构化格式输出,可进入 CI 流水线。本周 +12,680,全站周增第一,4.6 万星。大厂下场定义「agent 安全审计怎么做」,信号意义拉满。
🔍 同类对比
- vs 直接用 prompt「帮我看看安全」:skill 把审计固化成多阶段流程 + 独立验证 + 机器可读输出,杜绝幻觉漏洞列表,结果可追溯
- vs Snyk / CodeQL 等专业扫描器:覆盖面和深度不如专业工具,但能读懂业务上下文、零成本、发现的是「逻辑层」问题——互补而非替代
- vs 上周在榜的 iFixAi(审计 agent 行为):一个审计代码、一个审计 agent,共同构成「信任基建」双支柱
🎯 与你/mimocode 的关联
- 直接可用:药师帮 Python 项目都碰真实业务数据和提交接口——定价 API(云服务器/)、包销绿通活动提交(品种研究/)、十万商业自动补贴(百万商业/)、爆款筛选(内部使用/),上线前跑一遍审计成本极低
- 你的服务器有公网暴露面(biz-up 8507、zh_backend 8000,有被扫描器骚扰前科),脚本里的 SQL 拼接、提交接口鉴权是典型审计目标
- 建议装进 mimocode 端脚本仓库,配合「自动上架/爬虫」类高危脚本的变更流程做常规体检
Anthropic 官方维护的高质量 Claude Code 插件目录:把插件从野生合集升级为官方治理的目录——质量审核、统一安装入口、持续维护。本周 +3,232,4.4 万星。上周 claude-plugins-official +2,217、cursor/plugins +1,717 插件规范公开化,本周继续加码:插件生态的「供给侧治理」正在成形。
🔍 同类对比
- vs VoltAgent/awesome-agent-skills(社区 1000+ skill 合集):官方目录量少但质控强、有背书;社区合集广而杂,需自担审计成本
- vs cursor/plugins(规范公开化):一个是「目录」(发现层)、一个是「规范」(标准层),两者合围构成插件生态的基建
- vs 自建 skill 仓库:官方目录解决「发现」问题,自建解决「私有业务」问题,长期并存互不替代
🎯 与你/mimocode 的关联
- 你 Hermes 端有 30+ 自建 skills(ysbang 系列、数据分析系列、devops 系列)——官方目录的组织方式(分类、质量标注、维护状态)值得在 skill 治理里借鉴,尤其是 skill 越来越多之后的「发现难」问题
- mimocode 端「提取 opencode skill 到根目录」的多来源 skill 汇聚问题,本质上缺的就是这样一个目录层
- 关注其插件清单里的办公/文档类插件,跟你周报产线(pharma-ops-weekly-report、ysbang-weekly-report)可能有现成轮子
一个 CLAUDE.md 文件改善 Claude Code 行为,源自 Andrej Karpathy 对 LLM 编程陷阱的观察——把「最小必要代码、YAGNI、别过度设计」等 12 条原则固化成 agent 规则文件。本周 +2,981,22.3 万星(全站星数最高的 Skill 类仓库)。极简主义的胜利:不卖工具、不卖平台,就一份规则文件。
🔍 同类对比
- vs obra/superpowers(30.3 万星技能集):karpathy-skills 是「单一规则文件」极简派,superpowers 是「多技能流程」全家桶——一个改约束、一个给流程
- vs mattpocock/skills(30 万星、54 个方法论 skill):mattpocock 覆盖面广但需挑选配置;karpathy 胜在单文件零维护、即贴即用
- vs addyosmani/agent-skills(10.9 万星工程向):addyosmani 给工程实践(测试、重构),karpathy 给思维约束(少写代码)——可叠加
🎯 与你/mimocode 的关联
- 直接命中:mimocode 端已经在用这套规则(「Karpathy 12条AI编程规则」一次性导入、「mimocode 中使用 karpathy 规则文件」做了加载持久化、「Karpathy规则存储位置」迁移到持久用户配置)——本仓库是这套规则的源头/衍生,建议对比你导入的版本是否落后于上游
- 你 Hermes 端的 skills 体系同样适用这 12 条约束,尤其是「不做没让你做的事」这类防自作主张规则(你的三条纠正里就有「不自作主张跳步骤返工」)
- 注意它 22 万星的构成——很多是「跟风星」,内容本身很薄,别期望过高
Anthropic 开源的「知识工作者」插件集,面向 Claude Cowork 办公协作场景:文档、表格、演示、数据整理等知识工作流的插件化封装。本周 +2,631,3.3 万星。这是 Anthropic 把 agent 能力推向非程序员人群的主力载体——编程插件之外的第二条腿。
🔍 同类对比
- vs claude-plugins-official(开发者目录):这组面向非编程知识工作(写报告、整理数据、办公文档),受众更广、抽象层次更高
- vs 你自建的报告类 skill(pharma-ops-weekly-report、data-analysis-html-report):官方插件覆盖通用办公场景,业务定制(医药行业口径、LLM 研判、术语解释)仍需自建——可拿官方插件补通用层
- vs OfficeCLI(7 月在榜):OfficeCLI 连接本地 Office 软件实操,knowledge-work-plugins 走工作流抽象,一实一虚
🎯 与你/mimocode 的关联
- 你的知识工作流密集:药师帮品类运营周报、biz-up AI 周报、mimocode 端「爆款汰换汇报」「找货项目数据复盘」「四川优势品种复盘(自动复盘/)」——里面的文档处理插件可对照现有 skill 找缺口
- 「总部中台托管总览一键导出 Excel(3 个 Sheet、原始浮点数)」这类需求正是知识工作插件的典型场景,可对照其表格处理思路
- 如果你要把 AI 能力推广给品类运营同事,这类「面向知识工作者」的插件比编程 skill 更适合做入门包
Android 官方出品的 Agent Skills 集合(Kotlin / Android 开发技能)。继 Anthropic、Google(google/skills)、Microsoft 之后,又一家平台厂商正式下场做官方 Skill 目录。本周 +1,317,9,649 星。这个项目的意义在「厂商入场」本身:Skill 正在从社区玩法变成平台标配。
🔍 同类对比
- vs anthropics/skills(18.3 万星):Android 版垂直于安卓开发生态,深度绑定 SDK 文档;anthropics 版覆盖通用场景
- vs addyosmani/agent-skills(工程向):官方厂商版权威性高、与 SDK 同步更新;社区版胜在跨平台和风格多样
- 趋势意义 > 使用价值:对不做安卓开发的人,这是「平台厂商 Skill 目录化」加速的又一证据
🎯 与你/mimocode 的关联
- 直接关联低(不做安卓开发)。但观察点明确:如果药师帮有 App 端/商家端小程序需求,这类官方 skill 会显著降低 mimocode 介入移动端开发的门槛
- 对你写给技术团队的观察材料:「Skill 目录化」已是 Anthropic + Google + Microsoft + Android 四方共识,可作为推广 Hermes skills 体系的外部论据
🛠
AI 工具链
核心领域把任意代码库(含文档、SQL schema、配置、PDF)变成可查询的知识图谱。提供 /graphify skill 适配 Claude Code、Cursor、Codex、Gemini CLI:本地确定性 AST 解析、每条边可解释、不需要向量库。本周 +6,868,13.5 万星。它回答的是 agent 面对大代码库的老问题:「改这一行,会影响到谁?」——用图查询代替向量检索的模糊匹配。
🔍 同类对比
- vs Egonex-AI/Understand-Anything(8.7 万星,你在用的 understand 系列 skill 同族):Understand-Anything 重交互式可视化和 dashboard;graphify 重查询能力和边的可解释性。一图一查,看需求选
- vs codebase-memory-mcp(MCP 形态代码记忆):graphify 是 skill 形态、无常驻服务依赖;codebase-memory-mcp 走 MCP 需要服务常驻——对你 4GB 内存的服务器,skill 形态更友好
- vs RAG 问答式代码理解:确定性 AST 解析杜绝幻觉、关系精确;代价是只覆盖结构化关系(调用、依赖),业务语义仍需人补
🎯 与你/mimocode 的关联
- 强关联:mimocode 端药师帮代码库已 2 万+ 行(内部使用/ 1.9 万行爆款筛选、品种研究/ 包销绿通、百万商业/ 十万商业补贴、云服务器/ 定价 API、自动复盘/ 四川复盘),跨模块的表和调用关系(ts_zhdrug_info、SCARCE_ITEM、potential_provider_drugs)现在靠人脑记
- 「品种数据.py 两用法逻辑重构」「filter_set_price.py 优化」这类任务正是图谱查询的用武之地——先问「这个函数谁在调」再动手,避免改一处崩三处
- 注意其解析含 SQL schema 的能力,对你「解析 SQL 查询涉及的表和字段」(找货项目)那个自研工具是现成替代/参照
最强大的模块化 diffusion 模型 GUI / API / 后端,节点图界面,自称全球最快的本地推理引擎。图像/视频生成工作流的事实标准,本周 +4,648(Trendshift 周榜同样在列),14.3 万星。近期因视频生成模型(Wan 系)持续走热,节点式工作流的可复现性优势进一步凸显。
🔍 同类对比
- vs WebUI 系(A1111/Forge):ComfyUI 节点式工作流可复现、可批量、API 原生;WebUI 界面简单易上手但难自动化
- vs 云端生成服务(即梦/可灵):本地免费、可控性强、吃显卡;云端省事、按量付费
- vs heygen-com/hyperframes(本周同榜):一个出图/出视频素材,一个 HTML 渲染视频,管线可串联(ComfyUI 出素材 → hyperframes 做叙事)
🎯 与你/mimocode 的关联
- 直接关联低(服务器无 GPU、4GB 内存跑不动本地推理)。可借力点:药师帮知识库的 Vue 海报功能(连锁拼团模板)如果需要 AI 生成配图素材,可在 Windows 端跑 ComfyUI 出图回传
- 对品类运营的对外物料(活动页、推广图)是潜在产能工具,但优先级低——先把周报/看板链路跑稳
高吞吐、内存高效的 LLM 推理与服务引擎,开源推理框架的事实标准(PagedAttention、连续批处理、广泛的模型支持)。本周 +1,371,9.5 万星——增速平稳,属于「基础设施成熟期」项目。本周 Trendshift 上的 DeepInfer(DeepSeek 官方推理框架,2.2 万星)是同赛道新面孔。
🔍 同类对比
- vs SGLang / TensorRT-LLM:vllm 生态最广、模型覆盖最全;SGLang 在特定负载吞吐更高;TensorRT-LLM 绑定 NVIDIA 栈
- vs Ollama(个人本地推理):vllm 面向服务化高吞吐,Ollama 面向个人开箱即用——个人用户选 Ollama,服务化选 vllm
- vs 云 API(mimo/Kimi/DeepSeek):自建推理适合数据不出域、调用量大的场景;量小用云 API 无论成本还是维护都更优
🎯 与你/mimocode 的关联
- 关联低:当前 LLM 全走云 API(mimo-v2.6-pro 等),服务器无 GPU。只有当出现「药品数据不出域」的模型需求(如敏感经营数据分析)才值得引入,且应部署在内网 GPU 机器而非本服务器
- 留意 DeepInfer 这个新变量:DeepSeek 官方下场做推理框架,若后续国产模型私有化需求出现,vllm vs DeepInfer 的选型可以提前关注
🔌
MCP 生态
核心领域
📌 本周 MCP 板块观察:GitHub 周榜与 Trendshift 榜均无 500+ 星纯 MCP 新面孔——MCP 进入存量沉淀期:能力正被吸收进插件目录(knowledge-work-plugins、claude-plugins-official 均内置 MCP 支持)、控制面(t3code 统一管理各家 agent 的 MCP 配置)。唯一新秀 mcd-cn-assistant(390 星)未达收录线但思路好,移入未收录区留观。这与上周「产品出厂带 MCP」(solidcraft / Concat / DesktopCommanderMCP)连起来看:MCP 从「独立爆款」变成「默认配置」,是标准成熟的标志。
GitHub 官方 MCP Server:把仓库、Issue、PR、Actions 全套上下文以 MCP 协议暴露给 AI 工具,支持托管 HTTP 端点 + OAuth/PAT 两种鉴权,适配 VS Code、Claude、Codex、Cursor、Windsurf、Zed 等主流 host。Glama 10 月《最佳 GitHub MCP 服务器》盘点把它列为 GitHub 场景首选。本周无公开周增数据(+654/30 天,稳定存量期),3.4 万星。作为「MCP 板块进入沉淀期」的锚点项目收录。
🔍 同类对比
- vs 用 gh CLI 拼命令:gh 走命令行封装、输出靠解析;MCP 走结构化工具调用,agent 出错率低、权限可收敛
- vs 第三方 GitHub 工具(mcp-github-project-manager 等):第三方在细分场景(Projects V2 看板规划)更专;官方版覆盖核心场景最稳、与 GitHub 行为同步
- vs 直接调 REST API:MCP 形态让 agent 原生理解 GitHub 语义(issue/PR/review 的关系),减少胶水代码
🎯 与你/mimocode 的关联
- 你有真实 GitHub 工作负载:Hermes 每周六自动备份到 GitHub 私有仓库、github-issue-to-pr 流程、github-repo-management skill——接入官方 MCP 后 agent 可直接管 issue/PR/release,不用靠 gh CLI 拼命令
- 你在 GitHub 连接上有已知坑(github-api-workarounds 记录过小 API 调用问题),MCP 的托管端点模式可绕开部分本地网络问题
- 跟 Agent Reach 的 GitHub 通道分工:Reach 管「看」(趋势/搜索),github-mcp-server 管「操作」(issue/PR),互补
⚙️
自动化/Agent 调度
个性化推荐Theo(t3dotgg)出品的「agent harness 控制面」:用最好的移动端 app(iOS/Android)、Web 端和 Electron 桌面端,控制你机器上的各家 agent——Claude Code、Codex、Cursor、Grok Build、OpenCode、Google Antigravity,全部用你已有的订阅。定位是「harness 的 harness」,完全开源(作者原话:如果哪天走歪了,你有 fork 自建所需的一切)。本周 +1,778,3 万星,v0.1.2 已发版、迭代极快(CLI、命令面板、线程管理持续加)。
🔍 同类对比
- vs stablyai/orca(本周同榜 +9,828):同赛道最强对手。orca 带远程 runtime、起步早、体量大;t3code 打法是「控制面体验做到极致」+ 全开源无锁定。短期二选一都合理,长期看谁的跨厂商适配层更稳
- vs 各家官方桌面 app(Codex desktop / Claude Desktop / Cursor Glass):t3code 跨厂商统一入口、移动优先;官方 app 单厂商深度更好
- vs 自建 dashboard(work.ysbang.top):t3code 通用但不含你的业务语义;你的看板含工作项归类、token 统计、项目维度——两者解决的问题不同,可共存
🎯 与你/mimocode 的关联
- 本周与你工作流最贴的项目之一:你的现状是 Hermes(云端)+ mimocode(Windows 端)双 agent,靠 Tailscale 呼叫部署(「通过 Tailscale 使用 Hermes 工具将指定项目部署到云服务器」)、「从手机远程指挥本机 agent」正是 t3code 解决的问题
- AI工作集成看板(Mimocode 与 Hermes 看板数据同步、整合 mimocode 到 hermesoffice 看板)目前是「看」;t3code 的线程/会话协议设计可借鉴来补「控」——手机触发 mimocode 跑任务、查看进度
- 其 Electron + Web + 移动端的架构取舍,对你 work 看板「公共端/管理端布局一致、卡片选择器、弹窗交互」这些偏好也是好参照
微软开源的桌面应用:录制你的屏幕工作会话,用 GitHub Copilot SDK 把它重构成「意图 + 有序步骤」,自动生成可复用的 Skill 或 Automation——面向 Microsoft Autopilots(Scout、Copilot Cowork、Copilot Studio)。Trendshift 周榜新上榜,5,047 星。它把「教 agent 做事」从写文档变成录屏:你做一遍,agent 学会。
🔍 同类对比
- vs 手写 SKILL.md(你的现状):skill-recorder 把技能冷启动成本从「写文档小时级」压到「录屏分钟级」;手写的优势是精确可控、含业务语义,录屏产物仍需人工校对
- vs RPA 录制(影刀/UiPath):RPA 录像素级操作、UI 一改就废;skill-recorder 录「意图+步骤」,更耐 UI 改版——这是本质差异
- vs anthropics 的 skill 规范:输出目标不同(微软系 Autopilots),但「意图 + 有序步骤」的中间表示是通用的,可导出后改造成 Hermes/mimocode skill
🎯 与你/mimocode 的关联
- mimocode 端大量重复操作型工作——爆款筛选自动化脚本(内部使用/ 1.9 万行)、十万商业自动补贴(百万商业/)、包销绿通活动提交(品种研究/),本质是把运营流程写死成代码。skill-recorder 的「录一次→可复用技能」思路能把新流程固化周期从天级压到小时级
- 你有「定时任务必须说明模式差异」的告知要求——录屏生成的 Skill 天然带「操作演示」,比纯文字 skill 更容易让业务同事验收
- 建议在 Windows 端(mimocode 环境)试用,录制药师帮后台操作流程,评估生成质量
Agent harness 的可观测性与策略执行层:捕获每一次 agent 运行、度量 runtime 可靠性、用策略(policy)拦截越界操作。Trendshift 在榜,6,629 星。定位是「给 agent 上保险」:不阻止 agent 干活,但保证它干的事都在你划的线内,且全程留痕。
🔍 同类对比
- vs cloudflare/security-audit-skill(本周登顶):一个审计代码产物、一个审计 agent 行为——「信任基建」的两个入口,互补
- vs LangSmith 等 tracing 平台:tracing 平台重观测和回放;failproofai 主打「策略拦截」(执行时阻断),而不只是事后看
- vs 你自建的 watchdog(bizup_watchdog.sh、HTTP 探活自动重启):看门狗解决「服务死了」,failproofai 解决「agent 跑飞了」——层次不同
🎯 与你/mimocode 的关联
- 你的「定时任务必须说明模式差异」原则(纯脚本静默吞错 vs AI Agent 智能判断)本质是 agent 可信度治理——failproofai 的 policy enforcement 能把口头约定变成机器强制
- 服务器跑着 30+ cron(ext-monitor、周报、备份、签到、watchdog),部分失败静默(这是你明确要求告知的差异点)——策略层能把「静默失败」变「留痕告警」
- 优先级中等:现有 flock 防重入 + 看门狗已覆盖大部分稳定性需求,先观察项目成熟度
🧠
Agent 记忆/上下文管理
个性化推荐面向编码 agent CLI 的长期记忆方案 + 跨厂商 agent 交接(handoff):让 Claude Code、Codex 等不同 agent 共享记忆、换工具不丢上下文。Rust 实现。上周首发 +1,110,本周 +3,541 明显加速,1.3 万星。它赌的是「用户不会只用一家 agent」——记忆不该被厂商锁定。
🔍 同类对比
- vs mem0(你在用火山引擎托管版):mem0 是 API 化云记忆层、生态集成广、按量计费(11-02 起);ai-memory 是本地/CLI 原生、跨厂商交接是主打、零服务费
- vs claude-mem(上周在榜 +3,153):claude-mem 偏 Claude 系单厂商深挖;ai-memory 强调 vendor 中立的「交接」
- vs Hindsight(你的主记忆通道):Hindsight 走 recall/retain 服务化接口、带 tags 体系;ai-memory 走文件/CLI 导出导入——轻量但需要约定格式
🎯 与你/mimocode 的关联
- 正对你的三连痛点:Hermes 与 mimocode 记忆不相通、mimocode_context.md(48KB)靠脚本手工同步、mem0 跨端要靠「来源标记协议」约定——ai-memory 的 handoff 设计若成立,双端上下文同步可以自动化
- 比「每周跑 mimocode_context.py 再读」更进一步:交接的是结构化记忆而不是摘要快照,信息损耗更小
- 建议 mimocode 端先行试用(Windows 端环境独立、风险低),验证其 handoff 格式后再考虑接入 Hermes 端
🎨
办公/内容创作
个性化推荐「Write HTML. Render video. Built for agents.」——写 HTML 渲染成视频,为 agent 设计。上周 +5,883、本周 +5,633 连续高位,7.2 万星。它把视频制作门槛降到「会写网页」:数据动画、产品演示、趋势叙事,agent 全程可产出,无需拍摄和剪辑。
🔍 同类对比
- vs Remotion(React 写视频):Remotion 面向开发者、定制深度高;hyperframes 面向 agent 直出 HTML、更简单,HeyGen 背书带来更好的 AI 集成预期
- vs 传统剪辑(Concat/剪映):无素材生成动画/演示场景效率碾压;实拍素材、真人口播类无解——选型看内容形态
- vs PPT 转视频:静态汇报 PPT 仍是舒适区;hyperframes 适合需要动效叙事的场景(数据变化、流程演进)
🎯 与你/mimocode 的关联
- 延续上周判断:你的周趋势看板、药品自动复盘(自动复盘/ 四川优势品种复盘脚本)、爆款汰换汇报、找货项目数据复盘都是 HTML 报告——转 1 分钟动态视频发飞书/视频号是低摩擦升级
- AI 分享对外输出(ppt-ai-share)可以试一条「HTML 报告→视频」样片,评估业务方接受度
- 资源提醒:视频渲染吃 CPU/内存(服务器 4GB 常年紧张、磁盘 9 月刚清理过),渲染任务放 Windows 端跑
🖥
Web 开发/UI
个性化推荐给编码 agent 注入「品味」的前端 Skill:艺术指导(art direction)、参考图、浏览器实测三件套,替代千篇一律的 AI 生成 UI(generic AI slop);可调设计方差、动效强度、视觉密度。10.2 万星,Linkly Agent Skill 榜第 16、Trendshift 生态常客。它解决的问题很具体:AI 写的页面「能用但丑得没有记忆点」。
🔍 同类对比
- vs hallmark / impeccable / archify(设计 Skill 三件套,7-9 月在榜):archify 主攻架构图、hallmark 主攻品牌一致性、impeccable 主攻界面质感;taste-skill 主打「反 generic」的可调参审美下限
- vs 直接 Tailwind + AI 生成:加了参考图输入和浏览器实测检查环节,产出稳定性显著提升
- vs 手写 UI:agent 产出仍需人审,但审美下限被抬高,返工次数减少
🎯 与你/mimocode 的关联
- 你的前端项目密集:work.ysbang.top(React+Tailwind)、稀缺品种/潜力商业看板(Vue+ElementPlus)、总部中台找货/托管看板(Vue+Django,刚做完登录页/头像/权限页适配汉化)、biz-up 前端
- 你的 UI 偏好清单(卡片选择器、截断+弹窗编辑、点击背景只关最上层弹窗、布局一致)是交互层约束,taste-skill 补的是视觉层——两者叠加正好
- 建议装到 mimocode 端配合前端任务使用,先在稀缺品种合作管理页面这类新页面上验证效果
🧰
DevOps/部署
个性化推荐开源自托管 PaaS(Vercel/Heroku/Netlify 的自建替代):一键部署静态站、数据库、全栈应用和 280+ 一键服务到自己的服务器,自带构建流水线、健康检查、自动重启、域名/证书管理。Trendshift 在榜,6.4 万星。口号是「部署到你自己的服务器,数据留在你手里」。
🔍 同类对比
- vs 宝塔面板(你的现状):宝塔偏运维面板(站点/Nginx/证书/监控),coolify 偏应用交付流水线(git push → build → deploy);两者可共存——宝塔管底层、coolify 管应用发布
- vs 手动部署(你的 gunicorn 脚本 + watchdog):coolify 的应用级健康检查/自动重启正是 bizup_watchdog.sh 手写逻辑的产品化版本
- vs Dokploy 等竞品:coolify 社区最大、一键服务最多;Dokploy 更轻量
🎯 与你/mimocode 的关联
- 服务器上跑着 biz-up(8507)、zh_backend(8000)、稀缺/潜力 API(8503/8506) 一堆 Python 项目,靠宝塔 + 自写 watchdog(bizup_watchdog.sh、API 假死 HTTP 探活方案)维持——coolify 能把这套自愈逻辑标准化
- ⚠️ 资源账要先算:coolify 基于 Docker,你 4GB 内存的机器(LSP 进程都要 kill 释放、Gateway 内存占用分析过)跑它会很紧——建议只在有独立部署机或内存升级后再考虑
- 「通过 Tailscale 部署项目至云服务器」的协作分工(本地开发 MiMo 主导部署、Hermes 协助)如果引入 coolify,部署环节可收敛到一个统一入口