数据统计时间：2026-02-24 08:29:36
1. huggingface/skills
📊 数据指标：
⭐ stars : 3.9k | 🍴 forks : 269
🔗 https://github.com/huggingface/skills
Hugging Face Skills 概述
Hugging Face Skills 是面向 AI/ML 工作流的标准化任务定义包，涵盖数据集构建、模型训练、评估、论文发布等核心场景。每个 Skill 以独立文件夹形式组织，内含 SKILL.md（含 YAML 元信息与执行指南）、脚本及资源，确保可复用、可移植。
跨平台兼容性
Skills 采用统一结构，原生适配主流编码智能体：Claude Code（通过插件市场）、OpenAI Codex（读取 AGENTS.md）、Gemini CLI（支持 gemini-extension.json）及 Cursor（集成 .cursor-plugin/ 和 MCP 协议）。不支持 Skills 的工具亦可直接加载通用指令文件作为降级方案。
开箱即用的能力集
当前提供 8 个预置 Skill，如 hugging-face-model-trainer（支持 SFT/DPO/GRPO 等训练范式与 GGUF 转换）、hugging-face-evaluation（集成 vLLM/lighteval 与人工分析 API）、hugging-face-paper-publisher（arXiv 论文一键上架并关联模型/数据集）等，覆盖从研发到发布的全生命周期。
可扩展与协作生态
开发者可通过复制模板、修改元信息与脚本、运行 ./scripts/publish.sh 自动化生成插件清单，快速贡献新 Skill；所有技能均经 CI 校验路径与命名一致性，保障 Marketplace 上的可靠分发与发现。
2. shanraisshan/claude-code-best-practice
📊 数据指标：
⭐ stars : 4.4k | 🍴 forks : 365
🔗 https://github.com/shanraisshan/claude-code-best-practice
项目概述
这是一个面向 Claude Code 用户的实践指南型开源项目，系统梳理了当前最前沿的 AI 编程代理工程方法论。
核心价值
项目以“实践出真知”为理念，整合 Boris Cherny 等核心贡献者的实战经验，覆盖技能（Skills）、智能体（Agents）、记忆（Memory）、规则（Rules）、钩子（Hooks）、MCP 服务器等 12 类关键扩展机制，并提供可复用的架构范式（如 Command-Skill-Agent 流程）。
实践特色
包含大量一线验证的硬核技巧：如 CLAUDE.md 长度控制、沙盒化权限管理、渐进式上下文压缩、语音+终端协同工作流，以及精选的 4 个高频 MCP 服务组合（Context7 + Playwright + Claude in Chrome + Excalidraw），形成“研究→调试→文档”闭环。
生态定位
不仅是配置手册，更是 Claude Code 的“最佳实践知识图谱”，持续通过 Live Reports 同步官方更新，支撑开发者从入门到高阶定制的全周期成长。
3. D4Vinci/Scrapling
📊 数据指标：
⭐ stars : 10.9k | 🍴 forks : 703
🔗 https://github.com/D4Vinci/Scrapling
Scrapling 概览
Scrapling 是一个面向现代网页的自适应网络爬虫框架，专为应对动态网站、反爬机制与频繁的页面结构变更而设计。它融合了高性能解析、智能元素追踪与多模式抓取能力，兼顾开发者效率与生产环境可靠性。
核心能力
支持 HTTP 请求、无头浏览器自动化（Playwright/Chrome）及高级反爬绕过（如 Cloudflare Turnstile），内置会话管理、代理轮换与域名拦截功能。其解析器具备自适应选择能力，可基于相似性算法自动定位因网站改版而迁移的元素。
开发体验
提供类 Scrapy 的 Spider 框架（支持并发、暂停/恢复、流式输出）、交互式 Shell、CLI 工具及完整类型提示。同时集成 MCP 服务器，赋能 AI 辅助数据提取，显著降低大模型 token 消耗。
性能与生态
解析速度领先主流库（比 BeautifulSoup 快约 780 倍），内存占用低，测试覆盖率 92%，并提供 Docker 镜像与多语言文档支持。
4. HKUDS/nanobot
📊 数据指标：
⭐ stars : 23.8k | 🍴 forks : 3.7k
🔗 https://github.com/HKUDS/nanobot
nanobot：超轻量级个人AI助手
nanobot是一款受OpenClaw启发的极简个人AI助手，核心代理逻辑仅约3,897行代码，体积比同类项目小99%，兼顾高性能与高可读性，专为研究、快速迭代与本地部署优化。
极致轻量与开箱即用
项目采用模块化设计，支持Python ≥3.11，通过pip install nanobot-ai或uv tool install一键安装；nanobot onboard即可初始化配置，2分钟内启动交互式AI助理，无需复杂依赖或云服务。
多平台接入与智能能力
原生支持Telegram、Discord、Feishu、WhatsApp、Slack、Email等十余种通信渠道，并提供MCP（Model Context Protocol）工具协议集成能力。内置市场分析、代码工程、日程管理与知识记忆四大核心场景，支持多模态文件处理与子代理协同。
开源友好与可扩展架构
基于MIT许可，代码结构清晰（如agent/、channels/、providers/分层明确），新增LLM提供商仅需2步注册；社区活跃，提供Feishu、微信与Discord中文支持群，持续推动多模态、长期记忆与自主进化方向演进。
5. VectifyAI/PageIndex
📊 数据指标：
⭐ stars : 16.8k | 🍴 forks : 1.2k
🔗 https://github.com/VectifyAI/PageIndex
PageIndex：向量无关、推理驱动的RAG新范式
PageIndex是一种突破传统限制的检索增强生成（RAG）框架，摒弃向量数据库与文本分块，转而构建文档层级化树状索引，并依托大语言模型（LLM）进行端到端推理式检索。其核心思想源于人类专家阅读长文档的行为——通过目录结构导航、逐层聚焦、多步推理定位关键信息。
技术原理与核心优势
系统首先将PDF或Markdown文档解析为语义清晰的“树形目录”（如章节→子节→段落），每个节点包含标题、页码范围、摘要及嵌套子节点；随后在检索阶段，LLM以该树为搜索空间，执行类似AlphaGo的启发式树搜索，动态裁剪与回溯，精准定位最相关节点。相比依赖语义相似度的向量检索，“推理即检索”显著提升专业文档（如财报、法律文书）中的准确率与可解释性——98.7% FinanceBench基准成绩印证其行业领先性。
6. sickn33/antigravity-awesome-skills
📊 数据指标：
⭐ stars : 14.5k | 🍴 forks : 2.7k
🔗 https://github.com/sickn33/antigravity-awesome-skills
🌌 Antigravity Awesome Skills
A comprehensive, production-ready library of 927+ universal agentic skills, meticulously curated and battle-tested across 10+ AI coding assistants—including Claude Code, Gemini CLI, Cursor, GitHub Copilot, Antigravity IDE, OpenCode, and AdaL CLI.
🛠️ Universal Skill Architecture
All skills follow the standardized SKILL.md format with structured frontmatter (name, description, risk, source), enabling seamless cross-platform compatibility. They’re designed as modular, self-contained capabilities—ranging from architecture planning and security auditing to RAG engineering and CI/CD automation—transforming generic LLMs into domain-specialized digital agents.
🧩 Ecosystem Integration & Workflow Orchestration
The project goes beyond isolated skills: it includes role-based Curated Bundles (e.g., Web Wizard, Security Engineer) and executable Antigravity Workflows, offering end-to-end playbooks like “Ship a SaaS MVP” or “Conduct a Web App Security Audit”. Installation is tool-agnostic via npx, Git clone, or GUI import—and supports workspace-specific, global, or custom paths.
🌍 Community-Driven & Source-Aware
Built on official repositories from Anthropic, Google, OpenAI, Microsoft, Vercel, Supabase, and OWASP—and enriched by 45+ community contributors—the collection emphasizes attribution, quality validation (npm run validate), and maintainability. It’s MIT-licensed, open, and actively evolving—with documentation, audits, and contribution guides fully embedded.
7. ZhuLinsen/daily_stock_analysis
📊 数据指标：
⭐ stars : 12.7k | 🍴 forks : 13.6k
🔗 https://github.com/ZhuLinsen/daily_stock_analysis
📈 项目概述
股票智能分析系统是一款基于AI大模型的自动化投研工具，面向A股、港股及美股投资者，每日定时生成结构化「决策仪表盘」，覆盖技术面、筹码分布、舆情情报与实时行情等多维度分析。
🤖 核心能力
系统集成Vision LLM实现截图识股、Agent策略问股支持11种交易理论（如缠论、波浪理论），并内置AI回测验证模块，可评估历史分析准确率。通过多源数据融合（AkShare/YFinance/Tavily/SerpAPI），保障分析时效性与全面性。
🚀 部署与推送
支持零服务器GitHub Actions一键部署，同时兼容本地/Docker运行；分析结果可自动推送至企业微信、飞书、Telegram、邮件等8+渠道，并提供Web管理界面，支持密码保护与可视化配置。
8. ShinMegamiBoson/OpenPlanter
📊 数据指标：
⭐ stars : 1.2k | 🍴 forks : 179
🔗 https://github.com/ShinMegamiBoson/OpenPlanter
项目概述
OpenPlanter 是一款面向深度调查分析的递归式语言模型智能体，专为揭露复杂实体关系而设计。它通过终端交互界面（TUI）运行，支持全自动、多阶段推理流程。
核心能力
系统可统一处理企业注册、竞选资金、游说披露、政府采购等异构数据源，自动执行跨数据集的实体消歧与关系对齐，并基于可验证证据链生成非显性关联洞察。
技术架构
采用递归代理架构：主智能体动态分解任务，调用19类内置工具（含文件操作、Shell执行、Web搜索及子任务委派），并按需启动轻量级子智能体并行处理。支持 OpenAI、Anthropic、Ollama 等7种模型后端，本地与云端无缝切换。
使用方式
提供交互式TUI、单任务命令行模式及Docker容器化部署三种入口，配置灵活——API密钥可通过CLI、环境变量、.env或加密凭证库分层管理，适配研究、审计与合规等专业场景。
9. ComposioHQ/awesome-claude-skills
📊 数据指标：
⭐ stars : 37k | 🍴 forks : 3.6k
🔗 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，旨在扩展 Anthropic Claude 系列模型（Claude.ai、Claude Code 和 Claude API）的实际行动能力。它不仅支持文本生成，更通过深度集成 Composio 等工具平台，使 Claude 能够跨 1000+ 应用执行真实操作——如发送邮件、创建工单、发布 Slack 消息、操作数据库、自动化测试等。
核心能力
项目按场景结构化组织了 12 大类技能：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）、业务营销（竞品广告提取、领英线索挖掘）、创意媒体（Canvas 设计、Slack GIF 生成）及安全系统（Sigma 威胁狩猎）等。特别突出的是“App Automation via Composio”模块，已预置对 Asana、GitHub、Notion、Slack、Salesforce 等 78 类主流 SaaS 的开箱即用自动化技能。
使用与扩展
用户可通过插件命令快速接入 Composio 生态，开发者可基于标准化 SKILL.md 模板创建可复用、跨平台兼容的自定义技能。项目采用 Apache-2.0 许可，鼓励 PR 贡献，并提供详尽的创建指南、最佳实践与社区支持渠道。
10. HKUDS/ClawWork
📊 数据指标：
⭐ stars : 5.3k | 🍴 forks : 648
🔗 https://github.com/HKUDS/ClawWork
🚀 AI Coworker Evolution
ClawWork redefines AI agents as economically accountable coworkers—not just assistants. By completing real professional tasks from the GDPVal dataset, agents earn actual income, pay for token usage, and must maintain solvency—mirroring human career dynamics.
💰 Real-World Economic Benchmark
Built on 220 GDP validation tasks across 44 occupations (e.g., Financial Analysts, Healthcare Administrators), ClawWork introduces extreme economic pressure: agents start with only $10, incur precise per-token costs, and generate revenue only through high-quality work—measured via GPT-5.2–powered rubric-based evaluation.
📊 Production-Ready Validation
It shifts focus from synthetic accuracy to operational viability—tracking work quality, cost efficiency, and long-term survival. Top agents achieve $1,500+/hr equivalent earnings, surpassing typical white-collar productivity benchmarks.
🤖 Open & Extensible Architecture
Lightweight, Nanobot-native, and modular—ClawWork integrates seamlessly via ClawMode, supports multi-model competition (GPT-4o, Claude Sonnet, Qwen, Gemini), and ships with a live React dashboard, economic tracker, and 8 purpose-built tools (e.g., submit_work, learn, execute_code).
11. nextlevelbuilder/ui-ux-pro-max-skill
📊 数据指标：
⭐ stars : 33.8k | 🍴 forks : 3.3k
🔗 https://github.com/nextlevelbuilder/ui-ux-pro-max-skill
项目概述
UI UX Pro Max 是一款面向专业 UI/UX 设计的 AI 技能工具，专注于为多平台、多框架项目提供智能化设计决策支持。它通过内嵌的推理引擎，将用户需求实时转化为结构化、可落地的设计系统。
核心能力
v2.0 版本引入「智能设计系统生成器」，基于 100 条行业专属推理规则，自动匹配最适配的页面模式（如 Hero-Centric）、UI 风格（67 种）、色彩方案（96 套）、字体组合（57 对）及动效规范，并同步输出需规避的反模式与交付前检查清单。
技术实现
底层采用 Python 3.x 构建多域并行搜索与规则引擎，支持 CLI 快速集成至 Claude、Cursor、Copilot 等 14+ 主流 AI 编程助手；同时提供命令行直接调用设计系统生成、持久化存储（MASTER + 页面级覆盖）及跨栈适配（React、Vue、SwiftUI、Flutter 等 13 种技术栈）能力。
开源生态
项目以 MIT 协议开源，配套 npm CLI 工具 uipro-cli，具备版本管理、离线安装、模板动态生成等工程化能力，鼓励社区共建数据规则与平台适配模板。
12. p-e-w/heretic
📊 数据指标：
⭐ stars : 9.4k | 🍴 forks : 930
🔗 https://github.com/p-e-w/heretic
项目概述
Heretic 是一款面向大语言模型的全自动去审查（去安全对齐）工具，无需微调或人工干预即可高效移除模型内置的响应拒绝机制。
技术原理
基于方向性消融（abliteration）技术，Heretic 通过计算“有害”与“无害”提示在各层残差空间中的均值差作为拒绝方向，并对注意力输出和MLP下投影矩阵实施正交化消融。其创新在于引入可学习的浮点方向索引、分组件独立优化的权重核函数，以及基于 Optuna 的自动超参搜索。
核心优势
完全自动化：仅需一条命令即可完成整个流程；零KL损伤：实测在Gemma-3-12B上将KL散度降至0.16，显著优于人工调优版本；开箱即用：支持主流密集模型与MoE架构，兼容量化推理，适配消费级显卡。
研究扩展
提供残差向量可视化（PaCMAP降维动画）与几何分析（余弦相似度、范数、轮廓系数等），助力模型可解释性研究，所有功能均集成于统一CLI界面。
13. KittenML/KittenTTS
📊 数据指标：
⭐ stars : 10.8k | 🍴 forks : 591
🔗 https://github.com/KittenML/KittenTTS
项目概述
Kitten TTS 是一款开源、轻量级的高质量文本转语音（TTS）模型，仅含1500万参数，专为低资源设备优化，支持纯CPU实时推理，模型体积最小仅25MB（int8量化版），兼顾便携性与自然度。
核心特性
模型高度精简且跨平台兼容，无需GPU即可在笔记本、树莓派甚至边缘设备上流畅运行；提供多风格高保真语音（如Jasper、Bella等8种可选音色），推理速度快，适合嵌入式应用与实时交互场景。
技术生态
已开放kitten-tts-nano/micro/mini三档模型，均托管于Hugging Face；配套Python SDK开箱即用，支持一行代码加载、生成并保存24kHz音频；持续迭代中，已发布开发者预览版，移动端SDK与网页版正在规划。
14. volcengine/OpenViking
📊 数据指标：
⭐ stars : 3.5k | 🍴 forks : 260
🔗 https://github.com/volcengine/OpenViking
项目概述
OpenViking 是面向 AI Agent 的开源上下文数据库，旨在解决当前智能体开发中上下文碎片化、检索低效、不可观测及缺乏自进化能力等核心痛点。
核心创新
项目首创“类文件系统范式”，将记忆、资源与技能统一映射为 viking:// 协议下的虚拟目录结构；通过 L0/L1/L2 三级上下文分层加载，显著降低 token 消耗；结合目录递归检索与语义搜索，提升全局理解能力；支持可视化检索路径追踪，并内置会话驱动的自动记忆迭代机制。
技术生态
兼容 VolcEngine、OpenAI、Anthropic 等十余家 VLM 与嵌入模型提供商，提供 Python SDK 与 Rust CLI 双接口，支持本地 vLLM 部署，具备生产级 HTTP 服务能力，已深度集成于火山引擎智能体技术栈。
15. QuipNetwork/quip-protocol
📊 数据指标：
⭐ stars : 3.6k | 🍴 forks : 80
🔗 https://github.com/QuipNetwork/quip-protocol
项目概述
Quip Network Experimental Node 是一个实验性量子区块链原型，核心创新在于采用量子退火（Quantum Annealing）实现工作量证明（PoW）共识机制。它不依赖传统哈希计算，而是将挖矿难题建模为伊辛（Ising）模型优化问题，由量子处理器（QPU）或经典模拟退火（SA）算法求解。
技术特性
系统支持多类型矿工并行竞争：CPU（SA）、GPU（CUDA/Metal/Modal云）及D-Wave QPU，并通过逆向动态难度调整机制防止算力垄断——连续获胜者难度自动降低，新胜者则立即提升难度。同时引入解集多样性（Hamming距离约束）、连胜奖励（最高5倍区块奖励）与个体性能追踪等机制，确保公平性与可观察性。
当前定位与演进路径
当前版本聚焦于量子PoW核心验证，暂无交易、账户或智能合约功能；签名系统（ECDSA+WOTS+）处于演示阶段。后续将基于成熟区块链代码库分阶段扩展：集成混合签名、构建以客观指标验证的计算型子网（Subnet），最终支持EVM/WASM智能合约并打通链上合约与子网算力的交互。
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
