发布日期：2026-11-09 ｜ 话题：GitHub Trending、Agent Skills、AI Agent、claude-mem ｜ 约 2,500 字

GitHub 本周热榜是 GitHub Trending 周榜在 2026-11-09 的公开快照。17 个上榜项目中，至少 6 个与 Agent Skills 直接相关，占约 35%；本周新增 Star 最高的是 t3code（+15,379）。Agent 的竞争，正在从模型能力转向技能、记忆和运行时。

一、先看全貌：页面顺序不等于涨星排名

GitHub Trending 周榜按仓库页面顺序展示，不是按本周新增 Star 排序。直接照抄页面顺序，会把 t3code 这样的高增长项目放到第七位。

下面是 2026-11-09 周榜前 10 个项目的页面顺序与关键数据：

页面顺序

仓库

本周 +Star

总 Star

关键词

1

NVIDIA/auto-ontology

9,327

10,450

语义层、本体

2

thedotmack/claude-mem

6,443

114,937

跨会话记忆

3

max-sixty/worktrunk

2,313

12,134

Git worktree

4

anthropics/skills

3,169

189,715

官方 Skills

5

Donchitos/Claude-Code-Game-Studios

5,235

37,041

49 Agents + 72 Skills

6

milind-soni/OpenMausBot

7,621

18,365

Agent 虚拟机

7

pingdotgg/t3code

15,379

52,568

Agent 控制面

8

Nutlope/hallmark

6,356

51,010

设计 Skill

9

Renhuai123/ziwei-doushu

4,191

16,997

紫微斗数排盘

10

D4Vinci/Scrapling

8,342

99,916

抓取、MCP

按本周新增 Star 重排，前五名会变成另一张表：

排名

仓库

本周 +Star

总 Star

1

t3code

15,379

52,568

2

mattpocock/skills

9,635

318,598

3

NVIDIA/auto-ontology

9,327

10,450

4

D4Vinci/Scrapling

8,342

99,916

5

OpenMausBot

7,621

18,365

总 Star 最高的是 mattpocock/skills（318,598），但这是累计值，不代表本周增速。榜上还有紫微斗数排盘引擎、Hyprland 等非 Agent 项目，说明热榜是关注度快照，不是技术趋势普查。

二、Skills 为什么集中出现：把“怎么做”变成可分发资产

Agent Skills 是一种把指令、脚本和资源组织成文件夹的扩展方式。Anthropic 的 anthropics/skills 仓库给出的定义很直接：Skills 是 instructions、scripts 和 resources 的文件夹，由 Claude 在需要时动态加载。

这解释了本周榜单的第一个结构性变化：17 个项目里，至少 6 个与 Skills 直接相关。

六个项目，三种写法

  • anthropics/skills：官方参考实现，本周 +3,169，总 Star 189,715；包含文档、设计、测试、MCP 等示例，也包含 docx、pdf、pptx、xlsx 等生产级技能。

  • mattpocock/skills：面向真实工程流程的技能集，本周 +9,635，总 Star 318,598；README 强调 small、composable、work with any model。

  • Claude-Code-Game-Studios：把 49 个 Agent 和 72 个工作流 Skills 组合成游戏工作室，本周 +5,235。

  • hallmark：设计 Skill，除提示词外还带 50 个主题、sloplint 脚本和真实浏览器检查，本周 +6,356。

  • humanizer：写作 Skill，把 Wikipedia 的“AI 写作迹象”整理成 26 个可执行检查，本周 +3,118。

  • jakubkrehel/skills：面向界面构建的 Agent Skills 集合，本周 +1,857。

后三个项目不在上表前 10 行，但在完整 17 个项目中；只看前 10 行，会低估 Skills 的密度。

Skills、Prompt 模板、MCP 的区别

形态

解决什么

加载方式

适合场景

Prompt 模板

表达方式与一次性指令

手动粘贴或拼接

一次性任务、对话开场

Agent Skill

可重复的流程、脚本和检查点

Agent 按任务匹配后加载

团队规范、垂直工作流、质量门禁

MCP

工具与数据的连接协议

Agent 调用 MCP Server

数据库、浏览器、SaaS、内部系统

一句话结论：MCP 让 Agent 能碰到工具，Skills 让 Agent 知道怎么用工具；两者不是替代关系。

Skills 集中爆发的另一个原因，是它把“经验”变成了可版本化的资产。一个 SKILL.md 可以进 Git、做 code review、回滚和复用；这比散落在聊天记录里的提示词更容易维护。

三、记忆层升温：claude-mem 与 auto-ontology 解决的不是同一个问题

如果说 Skills 解决“怎么做”，记忆层解决“之前做过什么、这些数据是什么意思”。本周两个高增长项目正好代表两条路线。

项目

本周 +Star

解决什么

关键机制

主要风险

claude-mem

6,443

跨会话记忆

捕获会话、AI 压缩、向后续会话注入相关上下文

摘要误差、隐私与删除

auto-ontology

9,327

业务语义与数据口径

从企业元数据生成本体，校验查询与血缘，通过 MCP/CLI/API 暴露

本体维护成本、权限边界

claude-mem 更像情节记忆：它记住“上次做到哪、做过哪些决定”，支持 Claude Code、OpenClaw、Codex、Gemini、Copilot、OpenCode 等多个 Agent。auto-ontology 更像语义层：它保证“收入到底怎么算、这个指标来自哪张表”，并让每个答案带上来路。

一个常见误区是把两者都叫 RAG。RAG 是检索增强生成的模式，不是产品边界；claude-mem 的重点是跨会话压缩与注入，auto-ontology 的重点是定义、血缘和可验证查询。

四、运行时与控制台：Agent 需要一台怎样的“电脑”

本周新增 Star 第一的 t3code，是一个 agent harness control surface。它把本机已有的 Claude Code、Codex、Cursor、Grok Build、OpenCode 等 Agent 统一到手机、Web 和 Electron 桌面端控制。

这释放了一个信号：Agent 不再只是一个聊天窗口，而是需要被编排、被观察、被审批的执行单元。

控制面、隔离运行时与工具层

  • t3code：MIT 许可，支持多 provider，强调 remote-ready；README 明确说项目仍很早、可能有 bug，且暂不接受大型外部贡献。

  • OpenMausBot：每个 bot 有自己的模型、云电脑和已连接应用；优先本地运行，也提供隔离的 Local VM 与审批卡，本周 +7,621。

  • agent-browser：面向 AI Agent 的浏览器自动化 CLI，Rust 编写，本周 +2,190；浏览器正在成为 Agent 的“手”。

  • worktrunk：管理 Git worktree，为并行 Agent 提供隔离工作目录，本周 +2,313。

当 Agent 从本机走向云端，运行时隔离会成为第一道门槛：网络、文件系统、凭据、审批都要与个人电脑分开。例如七牛云 QVM 提供云服务器、云硬盘、数据库、高防和负载均衡的组合，可以作为把 Agent 运行时放进独立云主机的底层选择。

不是所有 Agent 都需要云主机。本地 VM 或容器足够时，先用本地隔离；只有当任务需要长期在线、团队共享或多环境并行时，再考虑云端运行时。

五、把三层放在一起：Skills、记忆、运行时

层

回答的问题

代表项目

先看什么

Skills

怎么做

anthropics/skills、mattpocock/skills、hallmark

SKILL.md 是否清晰、脚本是否可审计

记忆/语义

之前做过什么、数据什么意思

claude-mem、auto-ontology

写入范围、压缩误差、删除机制、权限

运行时

在哪里做、能碰什么

t3code、OpenMausBot、agent-browser

隔离、审批、凭据、日志

一句话：Skills 决定 Agent 的上限，记忆决定 Agent 的连续性，运行时决定 Agent 的风险边界。

三者不是替代关系。只装 Skills 不管理记忆，Agent 每次从零开始；只做记忆不做运行时隔离，记忆越多，泄露面越大；只买机器不写 Skills，得到的只是一个更贵的聊天框。

六、热榜项目怎么筛：五个检查点

热榜是发现入口，不是采用建议。一个项目从 +Star 到可用，要过五道检查。

  1. 看最近提交和 release：本周是否活跃；t3code 的 README 明确说项目仍处于早期，这类项目要预期 bug。

  2. 看 License 和贡献政策：MIT、Apache-2.0 通常可商用；auto-ontology 明确暂不接受外部贡献，说明它更适合作为参考实现而非共同开发基地。

  3. 看文档和安装路径：能否在 30 分钟内跑通；是否依赖特定 provider、API Key 或本地 CLI。

  4. 看安全边界：Agent 是否能读文件、跑 shell、访问浏览器、持有凭据；优先在隔离 VM、容器或临时目录试。

  5. 看可观测性：是否有日志、审批、回滚和成本统计；没有这些，不要接入生产。

一个简单的试用顺序是：先在临时目录读 README 和 SECURITY，再在本地 VM 跑一个最小任务，最后才考虑接入真实仓库或云主机。

七、常见问题

Q：GitHub 本周热榜的排名依据是什么？

不是单一涨星排名。GitHub Trending 周榜展示近期活跃且受关注的项目，页面顺序由 GitHub 的算法决定；本文另按“本周 +Star”重排，避免把页面顺序误当排名。数据快照时间为 2026-11-09。

Q：Agent Skills 和 Prompt 模板有什么区别？

Prompt 模板主要是一段文本；Skill 是一个文件夹，核心是带 YAML frontmatter 的 SKILL.md，还可以带脚本、模板和参考资料，由 Agent 按需加载。Prompt 适合一次性表达，Skill 适合可重复、可版本化的流程。

Q：Skills 会取代 MCP 吗？

不会。Skills 是 instruction layer，告诉 Agent 怎么做；MCP 是 connectivity layer，把工具和数据接进来。一个完整的 Agent 通常两者都需要。

Q：claude-mem 这类记忆工具安全吗？

取决于写入范围、存储位置和权限。跨会话记忆会保存代码、决策甚至凭据片段；启用前要确认哪些目录被采集、数据存在哪里、能否删除、是否上传云端。敏感仓库建议先在隔离环境试用。

Q：t3code 值得关注吗？

如果你同时使用 Claude Code、Codex、Cursor、OpenCode 等多个 Agent，t3code 的控制面思路值得看；但项目 README 明确说仍处于早期，可能有 bug，且暂不接受大型外部贡献。先看 release 和 issue，再决定是否接入日常工作流。

结论： 本周热榜真正值得记住的，不是某一个仓库的涨星数字，而是 Agent 工程的分层已经清晰：Skills 把方法变成资产，记忆层把经验变成上下文，运行时把能力关进边界。据 GitHub 官方 Trending 页面 2026-11-09 的数据，17 个上榜项目中 6 个与 Skills 直接相关；这个密度还会变化，但“技能可分发、记忆可管理、运行时隔离”这三个方向，已经比单个项目更值得跟踪。

本文内容基于 2026-11-09 的 GitHub Trending 周榜与各仓库公开 README，建议定期更新以反映最新动态。

参考链接