发布日期：2026-09-07 | 数据口径：GitHub Trending 周榜与日榜、GitHub API 仓库元数据、各项目 Release 说明与 Hacker News 讨论，截至 2026-09-07 上午

GitHub 本周热榜是 GitHub Trending 按本周新增 Star 排序的全语言总榜，2026 年 9 月第一周共 21 个项目上榜，合计新增约 8.2 万星。飙星前五名是架构图 Skill 工具 archify（周增 17190 星）、少写代码提示 Skill ponytail（周增 12186 星）、清华多智能体课堂 OpenMAIC、本地语音工作站 VoiceStudio 和 Claude Code 工程化框架 ECC，其中四个属于给编程智能体装技能包的 Agent Skill 生态。另一条线是老牌项目回榜，Tailscale 出品的 tailcat 9 月 4 日发布 v0.6.0，本地推理服务 magnitude、教学项目 minimind、谷歌 TimesFM 也在列。本文按总榜和飙星两条线拆解本周项目，并给出一段用 GitHub API 自己跑飙星榜的脚本。

先看总榜：21 个项目、8.2 万星，Agent Skill 占了将近一半

把 9 月 6 日的周榜从头到尾翻一遍，最直观的感受是"技能包"取代了"模型"成为热榜主角。21 个项目里，archify、ponytail、ECC、scientific-agent-skills、academic-research-skills、patent-disclosure-skill、chrome-devtools-mcp、awesome-mcp-servers 这八个，本质上都是往 Claude Code、Codex CLI、Cursor、OpenCode 这类编程智能体里装能力，而不是自己训练模型。周增星数前五名里，只有 OpenMAIC 不属于这一类。

第二个观察是"行业化"。上一轮火的是通用编码 Skill，这一轮上榜的更多落在具体场景：scientific-agent-skills 面向科研，累计 43311 星，README 自称 165 个可用技能、19 万科研用户；academic-research-skills 面向论文写作流程，累计 46583 星；中文项目 patent-disclosure-skill 面向专利交底书，一周涨了 2093 星。CSDN 上一位榜单作者的概括很准："AgentSkills 类项目大多落在具体行业场景，而非通用的编码辅助。"

第三个观察是老项目回流。fmt 是 C++ 圈用了十几年的格式化库，本周仍有 1885 星进账；zod 累计 43863 星，周增只有 277 星，却依然在榜；minimind 这个"2 小时从零训练 64M 参数大模型"的教学项目，2024 年 7 月创建，本周又涨了 3816 星，累计 59173 星。

下表是本周飙星前八名，星数取自 9 月 7 日上午的 GitHub API，周增星数取自 Trending 页面。

项目

周增星

累计星

创建时间

一句话

tt-a1i/archify

17190

50924

2026-04

把代码库或系统描述编译成可交互架构图的 Skill

DietrichGebert/ponytail

12186

129488

2026-06

让智能体"像最懒的资深工程师"一样少写代码

THU-MAIC/OpenMAIC

9193

32451

2026-03

清华开源的多智能体交互课堂，一句提示生成整门课

debpalash/VoiceStudio

7513

19896

2026-04

本地运行的语音克隆、配音、听写工作站

affaan-m/ECC

6394

251435

2026-01

Claude Code 与 Codex 的技能、记忆、安全工程化体系

K-Dense-AI/scientific-agent-skills

4718

43313

2025-10

165 个科研场景 Agent Skill

jingyaogong/minimind

3816

59175

2024-07

2 小时从零训练 64M 参数语言模型

google-research/timesfm

3203

31657

2024-04

谷歌时间序列预测基座模型

飙星第一 archify：一周 1.7 万星的架构图 Skill

archify 是本周最抢眼的项目，4 月 15 日才创建，累计已经 50924 星，本周一周就涨了 17190 星，是榜单第二名的 1.4 倍。它做的事情说起来很窄：让智能体输出一段带类型的 JSON 中间表示，再由 Node.js 渲染器确定性地编译成 HTML 和 SVG，得到架构图、工作流图、时序图、数据流图、生命周期图五种图。安装只要一行 npx skills add tt-a1i/archify -g，不需要仓库，在任何智能体对话里描述系统就能出图。

它火起来的原因，我更倾向于归结为解决了一个所有人都遇到过的小痛点：让大模型画 Mermaid 图，十次有三次语法报错，剩下七次布局难看。archify 把"画图"拆成"智能体只负责写结构化事实、渲染器负责好看和可验证"两步，还能把两个版本的架构快照做成 Before / Delta / After 对比，标出新增、删除、移动、改路由的节点。8 月 30 日发布的 v2.16.0 合并了几十个社区 PR，包括中文贡献者提交的 Viewer 本地化、SVG 合法性测试和约束驱动的工作流编译器，README 里当前开发版本已经到 v2.17.0-dev.1。

ponytail 与"少写代码"派：129K 星的提示词工程

ponytail 是本周第二名，周增 12186 星，累计 129488 星，6 月 12 日创建。它不是工具，而是一份 Skill 提示词，主题只有一句话："他什么也不说，写了一行，就能跑。"README 的设定是公司里那位留长发、戴椭圆眼镜、比版本控制系统资历还老的工程师，你给他五十行代码，他看完替换成一行。

有意思的是它的数据口径。作者用无头 Claude Code 在一个真实的 FastAPI 加 React 仓库上跑了 12 个功能任务，用 Haiku 4.5、每个任务 4 次，对比装不装这份 Skill 的 git diff：代码行数平均少 54%，Token 少 22%，成本低 20%，耗时短 27%，安全检查全部保留。README 还专门更正了早期版本"减少 80% 到 94%"的说法，说明那是单次基准下的上限而不是均值，在日期选择器这种智能体容易过度设计的任务上能到 94%，在代码本来就精简的任务上接近零。这种自我修正反而让它在 Hacker News 上得到了正面评价，9 月 7 日的帖子标题就叫 "Lazy Senior Engineer Skill"。最近一次发布是 8 月 7 日的 v4.9.0，副标题"53 次提交，做得更少"。

OpenMAIC 与 VoiceStudio：国产课堂和本地语音

OpenMAIC 是清华大学 MAIC 团队开源的多智能体交互课堂，本周周增 9193 星，累计 32451 星。8 月 27 日发布的 v1.0.0 加了 Pro 工作台，用户可以和一个规划课程的智能体对话，上传文档、音频、视频，让它生成幻灯片、测验、交互组件和项目式学习环节，内置 20 个技能，模型、媒体、搜索和存储后端都可替换。9 月 6 日紧接着发了 v1.0.1，修补四个私下披露的安全问题，包括课堂持久化写路径的目录逃逸和幻灯片 HTML 未过滤渲染，同时把 Node 版本要求提到 22.19，开发环境默认拒绝指向本地模型服务的地址，需要显式设置 ALLOW_LOCAL_NETWORKS 才能继续用本地 Ollama。想升级的团队先读完发布说明再动手。

VoiceStudio 是另一条线，前身叫 OmniVoice-Studio，本周周增 7513 星，累计 19896 星。它把 16 个 TTS 引擎和 11 个 ASR 引擎装进一个桌面应用，覆盖 646 种语言的目录，支持 CUDA、Apple Silicon 的 MPS 和 MLX、Linux 上的 ROCm，声音、项目和输出默认都留在本机，还带 OpenAI 兼容的音频接口和 MCP Server。README 用 AGPL-3.0 协议，8 月 28 日的 v0.5.1 是最新稳定版，主分支仍标注为"活跃测试期"。它涨星的逻辑和上周的本地推理项目一样：不想把声音数据交给云端的人在变多。

老牌项目回榜：tailcat、magnitude 和几个熟面孔

tailcat 是 Tailscale 官方的新工具，一句话介绍是"像 netcat，但走 Tailscale 的数据面，不用 Tailscale 的控制面"。8 月 26 日登上 Hacker News 首页拿到 687 分、134 条评论，9 月 1 日 Tailscale 博客又发了一篇《Tailscale without Tailscale, by Tailscale》，本周周增 2467 星，累计 6558 星。它不需要 Tailscale 账号，也不改机器的路由表和 DNS，一端起监听得到一个短地址，另一端拿地址连上，中间是 WireGuard 端到端加密，先经 DERP 中继握手，再尝试 NAT 打洞升级为点对点 UDP。9 月 4 日的 v0.6.0 加了应用层 UDP 转发、SOCKS5 UDP ASSOCIATE、SSH 公钥认证，地址默认带 WireGuard 预共享密钥。

magnitude 6 月创建，累计只有 3703 星，但本周涨了 1961 星，日榜也在。它是一个本地推理服务，先分析你机器的芯片、内存和带宽，给出适合的本地模型和预估吞吐，再下载、调优、启动，直接接到 Pi、OpenCode、Hermes、Codex、Claude Code、Cline 等智能体上。当前版本还是 0.0.12 的 alpha，9 月 5 日和 6 日连发两个预发布，Windows 只能走 WSL。

其余熟面孔各有各的理由：TimesFM 本周涨 3203 星，时间序列预测在运维和金融场景持续有需求；chrome-devtools-mcp 累计 51165 星，是给编程智能体接 Chrome 调试器的官方 MCP；awesome-mcp-servers 累计 94487 星，仍然是 MCP 生态的入口清单；open-seo 定位为 Semrush 和 Ahrefs 的开源替代，周增 2503 星。

实操：用 GitHub API 自己跑一份飙星榜

Trending 页面只给排名，不给时间序列，也不能按创建时间筛选。下面三步可以在本机复现一份"本周新仓库飙星榜"，并把 21 个 README 批量翻译成中文摘要。

第一步，抓周榜并解析。 Trending 没有官方 API，直接解析页面即可。

# trending_week.sh
curl -sL -A "Mozilla/5.0" "https://github.com/trending?since=weekly" -o /tmp/trending.html
python3 - <<'PY'
import re, html
s = open('/tmp/trending.html', encoding='utf-8', errors='ignore').read()
for a in re.findall(r'<article class="Box-row">(.*?)</article>', s, re.S):
    repo = re.search(r'<h2[^>]*>.*?<a[^>]*href="/([^"]+)"', a, re.S).group(1)
    week = re.search(r'([\d,]+) stars this week', a)
    print(repo, week.group(1) if week else '?')
PY

第二步，用 GitHub Search API 找"本周新建且星数最高"的仓库。 这是 Trending 上看不到的另一种飙星：不是老项目突然爆，而是刚创建就起量。

gh api "search/repositories?q=created:>2026-08-31+stars:>200&sort=stars&order=desc&per_page=15" \
  --jq '.items[] | "\(.stargazers_count)\t\(.full_name)\t\(.language)\t\(.description[:60])"'

想看某个仓库每天的涨星曲线，可以带上 Accept: application/vnd.github.star+json 头分页拉 stargazers，每条记录都有 starred_at 时间戳，按天汇总即可。注意未认证请求每小时 60 次，认证后 5000 次。

第三步，把 README 批量做成中文摘要。 21 个 README 一个个读要一小时，交给大模型只要几分钟。下面用 OpenAI 兼容接口，模型换成国产的 DeepSeek-V4-Pro 或 GLM-5.3 都可以。

# summarize_readmes.py
import base64, subprocess
from openai import OpenAI

client = OpenAI(base_url="https://api.qnaigc.com/v1", api_key="你的密钥")
REPOS = ["tt-a1i/archify", "DietrichGebert/ponytail", "tailscale/tailcat"]

for repo in REPOS:
    raw = subprocess.run(["gh", "api", f"repos/{repo}/readme", "--jq", ".content"],
                         capture_output=True, text=True).stdout
    readme = base64.b64decode(raw).decode("utf-8", "ignore")[:12000]
    r = client.chat.completions.create(
        model="deepseek/deepseek-v4-pro-0813",
        messages=[{"role": "user",
                   "content": f"用 80 字中文概括这个项目解决什么问题、怎么安装、有什么限制：\n{readme}"}],
    )
    print(repo, "|", r.choices[0].message.content.strip(), "|", r.usage.total_tokens, "tokens")

每周跑一次这样的脚本，Token 消耗大约在几万量级，按量计费足够；如果团队把它扩展成每天抓日榜、周榜、语言榜并做多模型交叉总结，七牛云 Token Plan 这类按点数计的企业订阅会更好算账，DeepSeek、GLM、Kimi、MiniMax 用同一把密钥切换即可。

写在最后

这周热榜的关键词是"技能包"和"本地化"。archify 和 ponytail 证明一份写得好的 Skill 可以在两个月内拿到十几万星，门槛不在训练模型，而在准确抓住智能体使用中的某个具体痛点；VoiceStudio 和 magnitude 则说明把模型搬回本机的需求还在增长。下周值得盯的三件事：archify 的 v2.17 是否稳定发布，OpenMAIC v1.0.1 收紧默认配置后社区反馈如何，以及 tailcat 的 UDP 转发能不能撑起更多游戏和实时场景。

以上数据取自 2026 年 9 月 6 日的 GitHub Trending 周榜、9 月 7 日上午的 GitHub API 元数据、各项目 Release 说明与 Hacker News 帖子，星数随时变化，以当日页面为准。

延伸阅读