本期共收录17个热门开源项目，合计新增 ⭐8,555stars，热门语言：Python、TypeScript、Shell。
数据来源：GitHub Trending | 统计周期：日榜 | 更新日期：2026-08-12
📝 本期综述
本期最显著的信号是AI代理生态的全面铺开。从代理人格集合（agency-agents）、工程技能库（agent-skills、anthropics/skills）到并行编排平台（orca、paperclip）和自改进代理（prime-agent），至少六个项目围绕「如何组织、赋能和协调AI代理」展开，恰好覆盖代理生态的上下游：技能层定义「代理能做什么」，编排层解决「如何并行调度」，自改进代理则触及「代理如何优化自身」。此外，知识图谱与RAG方向也有项目上榜，面向可问责AI基础设施和代码库检索。Python占据近六成语言份额，与本期AI工具密集的基调一致。
📋 本期概览
| 排名 | 项目 | 语言 | ⭐ 总星数 | 本期新增 |
|---|---|---|---|---|
| 1 | agency-agents | Shell | 143,224 | +958 |
| 2 | semantica | Python | 4,891 | +893 |
| 3 | nvm | Shell | 94,488 | +22 |
| 4 | agent-skills | JavaScript | 86,223 | +578 |
| 5 | daily_stock_analysis | Python | 62,131 | +243 |
| 6 | code-graph-rag | Python | 3,817 | +341 |
| 7 | skills | Python | 168,130 | +485 |
| 8 | manim | Python | 90,175 | +197 |
| 9 | DeepTutor | Python | 34,718 | +812 |
| 10 | orca | TypeScript | 42,779 | +875 |
| 11 | paperclip | TypeScript | 77,166 | +748 |
| 12 | transformers | Python | 163,808 | +80 |
| 13 | harvey-labs | Python | 1,080 | +28 |
| 14 | awesome-mac | Swift | 110,471 | +298 |
| 15 | OpenMontage | Python | 47,342 | +458 |
| 16 | project-based-learning | Python | 278,448 | +401 |
| 17 | prime-agent | TypeScript | 14,103 | +1,138 |
🔍 项目详情（TOP 10）
1.msitarzewski/agency-agents
一个触手可及的完整AI代理团队——从前端魔法师到Reddit社区忍者，从趣味注入者到现实检查者。每个代理都是具备个性、流程和成熟交付成果的专业专家。
该项目汇集了精心制作的AI代理人格集合，每个代理在特定领域深入专精，拥有独特的沟通方式、工作流程和可交付成果，而非通用提示模板。提供原生桌面应用（macOS/Linux/Windows）用于浏览整个代理花名册，并能将各代理一键安装到Claude Code、Cursor、Codex、Gemini、Osaurus等多种AI编码工具中，同时支持命令行脚本安装和直接阅读参考。覆盖工程、设计等多个部门，适合希望用专业AI工作流提升开发效率的团队和个人。
语言：Shell ·Stars：143,224 ·Forks：23,274 ·本期新增：+958
2.semantica-agi/semantica
面向上下文和可问责AI系统的图原生基础设施。
Semantica是一个图原生的基础设施层，用于构建上下文图谱和知识图谱，支持图分析与因果推理，并内置完整的决策出处记录，可解释、可追踪、值得信赖。其推理引擎、图谱构建和血缘层均为确定性实现，无需LLM即可使用；支持RDF和标签属性图等多种存储后端，可自托管、可审计、无供应商锁定。面向金融、医疗、法律、政府等高风险受监管行业，补充现有LLM、向量库和代理框架而非替换，适合需要可审计AI决策记录的平台与合规团队。
语言：Python ·Stars：4,891 ·Forks：529 ·本期新增：+893
3.nvm-sh/nvm
Node版本管理器——用于管理多个活动node.js版本的POSIX兼容bash脚本。
nvm是Node.js的版本管理器，按用户安装、按shell调用，可在符合POSIX的shell（sh、dash、ksh、zsh、bash）上运行，适用于Unix、macOS和Windows WSL。它通过命令行快速安装和使用不同版本的node，支持别名、.nvmrc文件、离线安装、全局包迁移、镜像源配置等功能，还可在Docker和CI/CD环境中使用。适合需要频繁切换Node.js版本的前后端开发者。
语言：Shell ·Stars：94,488 ·Forks：10,354 ·本期新增：+22
4.addyosmani/agent-skills
面向AI编码代理的生产级工程技能。
该项目提供一整套打包好的工程技能，将资深工程师的工作流、质量门禁和最佳实践编码为AI代理可一致遵循的流程。包含8个映射开发生命周期的斜杠命令（spec、plan、build、test、review、webperf、code-simplify、ship），以及共24个技能（23个生命周期技能加1个元技能），每个技能都包含步骤、验证门禁和反合理化表格。技能为纯Markdown格式，可安装到70多种AI编码代理（如Claude Code、Cursor、Codex、Copilot等），也可按需自动触发。适合希望AI编码代理遵循工程纪律的团队。
语言：JavaScript ·Stars：86,223 ·Forks：9,265 ·本期新增：+578
5.ZhuLinsen/daily_stock_analysis
LLM驱动的多市场股票智能分析系统：多源行情、实时新闻、决策看板与自动推送，支持零成本定时运行。
这是一个基于AI大模型的A股、港股、美股、日股、韩股、台股自选股智能分析系统，每日自动分析并推送“决策仪表盘”到企业微信、飞书、Telegram、Discord、Slack、邮箱等渠道。系统支持多源行情数据（如AkShare、Baostock、YFinance等免费源，也可配置Tushare、Longbridge等）、实时新闻、AI决策报告（核心结论、评分、趋势、买卖点位、风险警报等）、Web/桌面工作台，以及Agent策略问股（内置均线、缠论、波浪等15种策略）。可通过GitHub Actions零成本定时运行，也支持Docker和本地部署。适合需要自动跟踪股票并生成分析报告的个人投资者。需注意免费数据源稳定性不保证，长期定时运行建议配置付费数据源。
语言：Python ·Stars：62,131 ·Forks：52,426 ·本期新增：+243
6.vitali87/code-graph-rag
你的monorepo的终极RAG：借助AI和知识图谱查询、理解和编辑多语言代码库。
Code-Graph-RAG使用Tree-sitter解析多语言代码库，在Memgraph中构建其结构的知识图谱，并允许用自然语言查询、理解和编辑代码。支持Python、TypeScript、JavaScript、Rust、Go、Java、C、C++、C#、PHP、Lua、Dart等语言（Scala开发中，Ruby通过可插拔ast-grep层提供结构支持）。提供CLI和MCP服务器，可实现基于AST的精准编辑（带diff预览）、死代码检测、数据流追踪（FLOWS_TO边）、结构化搜索替换、代码优化等功能。适合需要维护和查询大型多语言仓库的开发者。
语言：Python ·Stars：3,817 ·Forks：561 ·本期新增：+341
7.anthropics/skills
Agent Skills的公开仓库。
这是Anthropic的Claude Agent Skills实现的公开仓库，用于展示Claude技能系统的能力。Skills是包含指令、脚本和资源的文件夹，Claude可动态加载以提升特定任务表现。仓库内包含演示和教育用技能示例，涵盖创意、技术、企业工作流等领域，每个技能自包含在文件夹中，含SKILL.md文件。还包含技能规范（spec）和模板，可用于创建自定义技能的参考。这些技能仅用于演示和教育目的，实际行为可能有所不同。
语言：Python ·Stars：168,130 ·Forks：20,033 ·本期新增：+485
8.3b1b/manim
用于解释性数学视频的动画引擎。
Manim是一个用于精确程序化动画的引擎，专为制作解释性数学视频而设计。这是3Blue1Brown作者的个人项目ManimGL版本（包名manimgl），2020年社区分支出更注重稳定性和易用性的社区版。需要Python 3.10+，以及FFmpeg、OpenGL和可选的LaTeX。用户可以通过编写Python代码创建数学场景和动画，支持命令行参数控制输出（如写入文件、跳过到指定动画帧等）。适合需要制作数学教育视频的创作者和开发者。注意ManimGL与社区版安装方式不同，需区分。
语言：Python ·Stars：90,175 ·Forks：7,479 ·本期新增：+197
9.HKUDS/DeepTutor
DeepTutor：终身个性化辅导。
DeepTutor是一个agent原生的学习工作区，将辅导、问题解决、测验生成、研究、可视化和掌握练习连接在一个可扩展系统中。所有模式（聊天、测验、研究、可视化、解决、掌握路径）都运行在同一agent循环上，并支持知识库、书籍、协作写作、笔记本、问卷库等连续上下文。提供子代理和伙伴（如Claude Code、Codex等），支持多引擎知识（LlamaIndex、PageIndex、GraphRAG、LightRAG等），并具备可检查的三层内存。提供CLI和Web应用，支持Docker部署，适合个性化学习和研究场景。该仓库公开信息较丰富，但部分功能仍在迭代中。
语言：Python ·Stars：34,718 ·Forks：4,420 ·本期新增：+812
10.stablyai/orca
Orca是用于处理并行代理群的ADE。使用您自己的订阅运行任何编码代理。可在桌面、移动端和VPS上使用。
Orca是一个AI协调器（代理开发环境），用于并行运行多个编码代理，如Codex、Claude Code、OpenCode或Pi，每个代理运行在独立git工作树中并统一跟踪。支持移动端伴侣（iOS/Android）监控和指挥，并行工作树（一次提示分发多个代理，比较结果再合并）、终端分屏、设计模式（点击UI元素发送到代理提示）、GitHub/Linear原生集成、SSH远程工作树、AI差异标注、Orca CLI等功能。可与任何CLI代理配合使用，支持在桌面（macOS/Windows/Linux）、移动端和VPS上运行。适合需要同时管理和协调多个编码代理的开发者。
语言：TypeScript ·Stars：42,779 ·Forks：2,982 ·本期新增：+875
完整榜单
查看完整榜单：https://gh.ai225.com/daily/2026-08-12
📌 总结与展望
从接入门槛看，多数代理类项目以纯Markdown或CLI形式发布，安装成本低，但技能质量参差——anthropics/skills明确标注仅作演示，agent-skills则内置验证门禁试图定义基线。编排层（orca、paperclip）门槛更高，需多代理实战才能检验。后续值得盯两点：一是代理技能库能否从「即装即用」走向「可评估」，目前除harvey-labs给出法律领域基准外，多数缺客观评测；二是并行编排能否产出公开的多代理协作案例，而非停留在单代理演示。
