数据统计时间：2026-02-20 07:19:23
1. sickn33/antigravity-awesome-skills
📊 数据指标：
⭐ stars : 13k | 🍴 forks : 2.4k
🔗 https://github.com/sickn33/antigravity-awesome-skills
🌌 Antigravity Awesome Skills
A comprehensive, production-ready library of 868+ universal agentic skills, designed to extend and standardize AI coding assistants across platforms including Claude Code, Gemini CLI, Cursor, GitHub Copilot, Antigravity IDE, OpenCode, and AdaL CLI.
🛠️ Universal Skill Architecture
All skills follow the interoperable SKILL.md format—featuring structured frontmatter (name, description, usage) and executable guidance. They’re path-agnostic, symlink-aware, and optimized for both CLI and IDE environments, with official support for .agent/skills, .cursor/skills, .claude/skills, and more.
🧩 Role-Based Bundles & Workflows
Instead of overwhelming users with 868 options, the project delivers curated role-specific bundles (e.g., Web Wizard, Security Engineer) and executable step-by-step workflows (e.g., Ship a SaaS MVP, Security Audit), bridging skill discovery with real-world engineering outcomes.
🌐 Community-Driven Ecosystem
Built on open collaboration, it aggregates and harmonizes official skills from Anthropic, Google, OpenAI, Microsoft, Vercel, Supabase—and integrates high-quality contributions from 40+ community maintainers, with rigorous validation and attribution.
📦 Lightweight, Future-Proof Installation
Install once via npx antigravity-awesome-skills (with tool-specific flags) or git clone. Auto-updates via git pull, Windows-safe symlink handling, and fallback package resolution ensure robust adoption across dev environments.
2. p-e-w/heretic
📊 数据指标：
⭐ stars : 8.5k | 🍴 forks : 847
🔗 https://github.com/p-e-w/heretic
Heretic：全自动大语言模型去审查工具
Heretic 是一款专为移除大语言模型（LLM）内置安全对齐机制（即“审查”）而设计的开源工具。它无需微调或昂贵的后训练，仅通过模型权重层面的定向干预即可实现高效去审查。
核心技术与自动化优势
Heretic 基于改进的方向性消融（abliteration）技术，结合Optuna 驱动的 TPE 超参优化器，全自动搜索最优消融参数。其目标函数联合最小化两类指标：对有害提示的拒绝率，以及对无害提示输出分布与原模型的 KL 散度。整个流程完全端到端自动化，用户只需一条命令即可完成模型解禁，无需理解 Transformer 内部结构。
研究友好型可解释功能
除核心去审查能力外，Heretic 还提供面向可解释性研究的高级功能：支持生成残差向量的 PaCMAP 二维投影动画，直观展现“有害/无害”提示在各层隐状态空间中的演化路径；并可通过 --print-residual-geometry 输出详尽的几何度量表，量化分析拒绝方向、向量范数、聚类分离度等关键语义属性。
广泛兼容性与社区生态
Heretic 支持主流密集型模型（含多模态与 MoE 架构），已在 Hugging Face 上催生超千个社区衍生模型。其产出在保持极低 KL 散度（如 Gemma-3-12B Heretic 仅 0.16）的同时，实现媲美人工调优的拒绝抑制效果（3/100），显著优于同类方案。
3. HKUDS/nanobot
📊 数据指标：
⭐ stars : 21.9k | 🍴 forks : 3.4k
🔗 https://github.com/HKUDS/nanobot
nanobot：超轻量级个人AI助手
nanobot是一款受OpenClaw启发的极简AI助理，核心代理逻辑仅约3,761行代码，体积比Clawdbot小99%，专为研究、快速迭代与低资源部署设计。
架构与特性
采用模块化架构，支持Telegram、Discord、WhatsApp、Feishu、QQ、Slack、Email等多平台接入；内置MCP（Model Context Protocol）工具协议，可无缝集成外部工具服务，并提供实时市场分析、代码开发、日程管理与知识记忆四大核心能力。
易用性与扩展性
支持一键安装（PyPI/uv/Git）、交互式配置（nanobot onboard）及跨平台CLI操作；提供清晰的Provider注册机制，新增LLM服务商仅需2步配置；默认启用安全沙箱（如workspace限制）、OAuth登录（Codex/Copilot）及多通道白名单控制。
4. google-research/timesfm
📊 数据指标：
⭐ stars : 8.6k | 🍴 forks : 724
🔗 https://github.com/google-research/timesfm
TimesFM 项目简介
TimesFM（Time Series Foundation Model）是 Google Research 开发的时序预测基础模型，采用纯解码器架构，专为多尺度、多领域时间序列 forecasting 任务设计。
核心特性
最新版本 TimesFM 2.5 仅含 2 亿参数（较 2.0 版减少 60%），支持长达 16k 的上下文长度与最高 1k 步的连续分位数预测；移除了频率标识符，新增 XReg 协变量支持及多项推理控制标志。模型已开源并集成至 BigQuery，提供 PyTorch 与 Flax 双后端实现。
应用生态
支持 Hugging Face 模型库一键加载，兼容本地训练与云服务部署；配套完善的 inference API、量化配置与标准化预处理流程，适用于金融、IoT、能源等场景的高精度、低延迟预测需求。
5. nextlevelbuilder/ui-ux-pro-max-skill
📊 数据指标：
⭐ stars : 32.8k | 🍴 forks : 3.2k
🔗 https://github.com/nextlevelbuilder/ui-ux-pro-max-skill
UI UX Pro Max
UI UX Pro Max 是一款面向专业设计师与开发者的 AI 设计智能技能，专注于跨平台、跨框架的 UI/UX 构建支持。它将设计系统工程与人工智能深度结合，提供从策略到代码的一站式解决方案。
智能设计系统生成
v2.0 版本核心是「设计系统生成器」——基于 100 条行业推理规则的 AI 引擎，可秒级输出完整设计系统，涵盖页面结构（如 Hero-Centric）、视觉风格（如 Soft UI Evolution）、配色方案（含 WCAG 合规性说明）、字体组合、动效规范及明确的反模式清单（如禁用“AI 紫粉渐变”于金融场景）。
多维设计知识库
内置 67 种 UI 风格（含 Glassmorphism、Claymorphism、Spatial UI 等）、96 套行业调色板、57 组 Google Fonts 排版方案、25 类图表推荐及 13 大技术栈适配指南（React、Next.js、SwiftUI、Flutter 等），覆盖 SaaS、医疗、金融科技、美容服务等 7 大垂直领域。
开发者友好集成
支持 Claude Code、Cursor、GitHub Copilot 等主流 AI 编程助手，提供 CLI 工具 uipro-cli 一键安装与更新，并支持本地化设计系统持久化（MASTER.md + 页面级覆盖文件），实现项目级设计资产沉淀与上下文感知生成。
6. volcengine/OpenViking
📊 数据指标：
⭐ stars : 3k | 🍴 forks : 215
🔗 https://github.com/volcengine/OpenViking
项目概述
OpenViking 是面向 AI Agent 的开源上下文数据库，旨在解决传统 RAG 中上下文碎片化、检索不可观测、记忆无法自迭代等核心痛点。
核心创新
采用“类文件系统范式”，以 viking:// 统一管理记忆、资源与技能；支持三级上下文分层（L0抽象/L1概览/L2细节），按需加载降低 token 消耗；首创目录递归检索机制，融合语义匹配与路径定位，提升全局理解能力。
可观测与可进化
提供可视化检索轨迹，清晰追溯上下文获取链路；内置自动会话管理，从交互中提取用户偏好与 Agent 经验，实现上下文的自我迭代与智能进化。
开放与易用
支持 VolcEngine、OpenAI、Anthropic 等十余种 VLM/Embedding 提供商，兼容本地 vLLM 模型；提供 Python SDK 与 Rust CLI，5 分钟即可完成本地部署与首个资源索引示例。
7. RichardAtCT/claude-code-telegram
📊 数据指标：
⭐ stars : 916 | 🍴 forks : 126
🔗 https://github.com/RichardAtCT/claude-code-telegram
项目概述
Claude Code Telegram Bot 是一款将 Anthropic 的 Claude Code 编程助手深度集成至 Telegram 的开源机器人，使开发者能通过自然语言在任意设备上远程分析、编辑和测试代码，无需命令行操作。
核心能力
支持双模式交互：默认的智能体模式（Agentic Mode）允许纯对话式编程（如“为 API 添加重试逻辑”），自动调用读取、编辑、测试等工具并实时反馈；备选的经典模式提供类终端命令（/cd, /ls, /git 等）与快捷操作面板，兼顾效率与可控性。
安全与扩展性
内置多层防护：Telegram 用户白名单、项目目录沙箱隔离、路径遍历过滤、GitHub Webhook HMAC 验证及细粒度速率限制。同时支持事件驱动自动化——通过 Webhook 接收 GitHub PR/推送事件交由 Claude 生成评审摘要，或通过 Cron 调度执行每日代码健康检查，并将结果主动推送至指定群组。
8. google/langextract
📊 数据指标：
⭐ stars : 33.3k | 🍴 forks : 2.2k
🔗 https://github.com/google/langextract
项目概述
LangExtract 是由 Google 开发的开源 Python 库，专注于利用大语言模型（LLM）从非结构化文本中精准提取结构化信息。它面向临床笔记、放射报告、文学文本等长文档场景，强调结果可追溯、输出可控、领域自适应。
核心特性
支持多源模型接入，包括 Gemini、OpenAI 及本地 Ollama 模型；通过源文本精确锚定（source grounding）实现每项提取结果与原文位置一一对应；采用分块并行+多轮抽取策略优化长文档召回率；内置交互式 HTML 可视化工具，支持千级实体上下文审查。
使用方式
用户仅需定义自然语言提示（prompt）、提供少量带标注的示例（few-shot），调用 lx.extract() 即可完成端到端抽取。结果可导出为 JSONL 格式，并一键生成可交互的可视化页面，大幅降低人工校验成本。
应用生态
已验证于医疗（用药提取、放射报告结构化 RadExtract）、文学分析（《罗密欧与朱丽叶》全本角色关系抽取）等多领域；支持社区插件机制，允许开发者无缝集成自定义模型提供商。
9. ComposioHQ/awesome-claude-skills
📊 数据指标：
⭐ stars : 36k | 🍴 forks : 3.5k
🔗 https://github.com/ComposioHQ/awesome-claude-skills
Awesome Claude Skills
项目简介
Awesome Claude Skills 是一个开源的、社区驱动的精选技能库，旨在显著提升 Anthropic Claude 系列模型（Claude.ai、Claude Code 及 Claude API）的生产力与实用性。它不仅支持文本生成，更通过深度集成 Composio 等工具平台，赋予 Claude 执行真实操作的能力——如发送邮件、创建 GitHub Issue、发布 Slack 消息、同步 Notion 数据等，覆盖 1000+ SaaS 应用。
核心能力
项目按场景结构化组织了逾百项高质量技能，涵盖文档处理（PDF/DOCX/XLSX）、开发提效（Git 工作流、Playwright 测试、LangSmith 调试）、数据分析（CSV 洞察、PostgreSQL 查询）、业务运营（CRM 自动化、竞品广告分析）、创意生成（D3 可视化、Canvas 设计）、安全合规（Sigma 威胁狩猎）等十大领域，并为 Asana、Jira、Slack、Gmail、GitHub 等主流工具提供开箱即用的自动化工作流。
使用与扩展
用户可通过插件方式快速接入 Composio 连接 500+ 应用；开发者可基于标准化 SKILL.md 模板轻松创建、测试并贡献新技能。所有技能跨平台兼容，一次编写，随处部署，真正实现“AI 即工作流”的智能协作范式。
10. ace-step/ACE-Step-1.5
📊 数据指标：
⭐ stars : 6k | 🍴 forks : 673
🔗 https://github.com/ace-step/ACE-Step-1.5
项目概述
ACE-Step 1.5 是一款高性能开源音乐生成基础模型，专为消费级硬件优化，可在低至4GB显存的设备上本地运行，单曲生成仅需2秒（A100）或10秒（RTX 3090）。
核心技术
采用创新的“语言模型+扩散变换器”混合架构：LM作为全能规划器，通过思维链（Chain-of-Thought）生成歌曲蓝图、歌词、元数据；DiT负责高质量音频合成。训练中引入纯内在强化学习机制，无需外部奖励模型，规避人为偏好偏差。
功能亮点
支持10秒至10分钟灵活时长生成，覆盖50+语言歌词；提供参考音频驱动、Cover生成、局部重绘、人声转伴奏等专业编辑能力；内置LoRA轻量化微调方案，仅需8首歌、1小时即可定制个人风格。
开源生态
提供Gradio交互界面、REST API、Python SDK及多平台启动脚本（CUDA/ROCm/MLX），全面支持Windows/Linux/macOS，并配备中、日、韩等多语言文档与教程。
点赞，关注，在看，分享就是对我最大的支持！我们下期见！ 😉
小武 - 软件开发爱好者
在代码世界里不断探索
