数据统计时间：2026-02-25 12:17:18
1. D4Vinci/Scrapling
📊 数据指标：
⭐ stars : 12.9k | 🍴 forks : 870
🔗 https://github.com/D4Vinci/Scrapling
项目概述
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、反爬机制和频繁的页面结构变更而设计。它集成了智能解析、反反爬绕过、并发爬取与AI协同能力于一体。
核心能力
支持多种请求方式：轻量级 HTTP 请求（Fetcher）、高隐蔽性浏览器自动化（StealthyFetcher）及全功能动态渲染（DynamicFetcher），原生绕过 Cloudflare Turnstile 等主流验证系统。其解析器具备“自适应定位”能力，能基于语义相似性自动追踪元素位置变化。
高级特性
提供类 Scrapy 的蜘蛛（Spider）框架，支持多会话调度、暂停/断点续爬、实时流式输出与内置代理轮换；集成 MCP 服务，可将结构化数据预处理后交由 AI 模型（如 Claude）高效提取，显著降低 token 开销。
开发体验
配备交互式爬虫 Shell、命令行工具（scrapling extract）、自动生成选择器、完整类型提示与 Docker 一键部署，兼顾生产力与工程严谨性。
2. huggingface/skills
📊 数据指标：
⭐ stars : 5.6k | 🍴 forks : 346
🔗 https://github.com/huggingface/skills
Hugging Face Skills 项目介绍
项目定位与核心价值
Hugging Face Skills 是一套标准化、可互操作的 AI/ML 任务能力包，覆盖数据集构建、模型训练、评估、论文发布等全流程。它采用统一的 Agent Skill 规范，原生兼容 Claude Code、OpenAI Codex、Gemini CLI、Cursor 等主流编程智能体工具， bridging 工具生态差异。
技术实现与结构设计
每个 Skill 是一个自包含文件夹，含 SKILL.md（含 YAML 元信息与执行指引）、脚本、模板及配置文件。项目同时提供多格式适配层：AGENTS.md（Codex）、gemini-extension.json（Gemini）、.cursor-plugin/（Cursor），确保跨平台开箱即用。
实用技能与扩展能力
当前提供 8 个开箱即用技能，如 hugging-face-model-trainer（支持 SFT/DPO/GGUF 等全链路微调）、hugging-face-evaluation（集成 vLLM/lighteval 评测）、hugging-face-paper-publisher（arXiv 论文自动发布）等，全部面向 Hugging Face Hub 生态深度优化，并支持社区贡献与本地定制。
3. HKUDS/nanobot
📊 数据指标：
⭐ stars : 24.7k | 🍴 forks : 3.9k
🔗 https://github.com/HKUDS/nanobot
项目概述
nanobot 是一款超轻量级个人 AI 助理，核心代理逻辑仅约 4,000 行代码，体积较同类项目缩小 99%，专为研究、快速迭代与本地部署优化。
核心特性
支持多模态输入（文本、文件、语音转写）、跨平台消息通道（Telegram、Discord、Feishu、WhatsApp 等 10+ 种）、MCP 工具协议集成，以及基于心跳机制的主动任务调度（如定时摘要、邮件扫描）。
技术架构
采用模块化设计：agent/ 负责推理循环与记忆管理，channels/ 实现各聊天平台 WebSocket/HTTP 长连接适配，providers/ 统一接入 OpenRouter、Anthropic、本地 vLLM 等 15+ LLM 服务商，全部配置通过 ~/.nanobot/config.json 声明式管理。
快速上手
三步启用：nanobot onboard 初始化 → 编辑配置填入 API 密钥与模型 → nanobot gateway 启动服务。CLI 模式亦支持单命令交互（nanobot agent -m "Hello"），2 分钟即可运行。
4. muratcankoylan/Agent-Skills-for-Context-Engineering
📊 数据指标：
⭐ stars : 10.1k | 🍴 forks : 788
🔗 https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering
项目概述
Agent Skills for Context Engineering 是一个面向生产级AI代理系统的开源技能库，聚焦于“上下文工程”这一核心范式。它系统性地定义了如何科学管理大模型有限的上下文窗口，超越传统提示工程，涵盖系统指令、检索内容、对话历史、工具输出等全要素的协同编排。
核心理念
项目提出上下文工程的本质是“高信噪比信息压缩”：在注意力机制约束下，识别并缓解“中间丢失”“上下文污染”“注意力稀释”等典型退化现象。所有技能均围绕“用最少的有效token，激发最可靠的模型行为”这一目标展开设计。
技能体系
技能分五类递进演进：基础类（理解上下文本质与失效模式）、架构类（多智能体、记忆系统、工具与文件系统集成）、运维类（上下文优化与多维度评估）、方法论类（LLM项目全周期开发）及认知类（基于BDI本体的理性心智建模），覆盖从原理到落地的完整链条。
实践特色
采用平台无关的渐进式披露设计，支持Claude Code插件市场一键集成，同时兼容Cursor、VS Code等IDE及自研框架。每个技能附带可运行示例与真实案例（如数字大脑OS、X-to-Book多智能体系统），强调原理复用而非框架绑定。
5. VectifyAI/PageIndex
📊 数据指标：
⭐ stars : 17.3k | 🍴 forks : 1.2k
🔗 https://github.com/VectifyAI/PageIndex
PageIndex：向量无关、推理驱动的RAG新范式
PageIndex是一种突破性的检索增强生成（RAG）框架，摒弃传统向量数据库与文本分块，转而构建文档层级化的“树状索引”（类似智能目录），并依托大语言模型进行可解释、可追溯的推理式检索。
核心创新与能力
它模拟人类专家阅读长文档的行为——先理解整体结构，再通过多步推理定位关键章节。系统自动将PDF或Markdown解析为带语义摘要、页码范围与父子关系的JSON树，支持精准跳转与上下文感知检索。已在FinanceBench金融问答基准测试中达成98.7%准确率，显著超越向量相似性搜索方案。
开箱即用与灵活集成
提供开源CLI工具（支持本地部署）、云端聊天平台（chat.pageindex.ai）、MCP协议插件及API接口，兼顾开发者实验与企业级应用。配套Colab笔记本与视觉优先RAG示例，实现OCR-free、端到端图像直输的推理检索流程。
6. shanraisshan/claude-code-best-practice
📊 数据指标：
⭐ stars : 4.7k | 🍴 forks : 399
🔗 https://github.com/shanraisshan/claude-code-best-practice
项目概述
《Claude Code 最佳实践》是一个面向高级开发者的开源知识库，系统沉淀了 Claude Code（Anthropic 官方编程代理工具）在真实工程场景中的深度用法与避坑经验。
核心内容架构
项目围绕 Claude Code 的十大核心机制展开：Skills（可复用技能）、Agents（子代理）、Memory（持久化上下文）、Rules（模块化规则）、Hooks（事件脚本）、MCP Servers（外部工具协议）、Plugins（可分发插件）等，并通过架构图、对比表格与实战案例阐明各能力的适用边界与组合逻辑。
实践方法论
融合创作者 Boris Cherny 的官方建议与一线开发者经验，提炼出“命令+技能+子代理”三层工作流范式，强调小粒度任务拆解、渐进式上下文加载、沙盒安全隔离及高频 Git 提交等关键习惯，并配套 iTerm、Wispr Flow、Claude-in-Chrome 等高效工具链。
持续演进生态
项目包含实时更新的命令/设置/前端元数据参考文档，覆盖 CLI 启动参数、MCP 服务器选型指南（如 Context7、Playwright、Claude in Chrome），以及大量可复用的工作流模板（RPI、GSD、Superpower 等），助力团队快速构建定制化 AI 编程环境。
7. NevaMind-AI/memU
📊 数据指标：
⭐ stars : 10.5k | 🍴 forks : 784
🔗 https://github.com/NevaMind-AI/memU
项目概述
memU 是一个专为 7×24 小时持续在线 AI 智能体设计的主动式记忆框架，核心目标是让智能体真正“永不休眠、永不忘事”。
核心创新
它首创性地将记忆建模为类文件系统结构：以目录（Categories）组织主题、以文件（Memory Items）存储事实与偏好、以软链接（Cross-references）构建知识图谱，实现记忆的可导航、可挂载、可联动。
关键价值
显著降低长期运行的 LLM Token 成本——通过缓存语义洞察、避免重复推理，并在无用户指令时主动理解意图、预判需求、自主执行任务（如邮件草拟、资讯推荐、交易预警），使“有记忆、懂预期、会行动”的生产级智能体成为现实。
8. ZhuLinsen/daily_stock_analysis
📊 数据指标：
⭐ stars : 13k | 🍴 forks : 14k
🔗 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，每日自动完成多维度股票分析，并生成结构化「决策仪表盘」。
🤖 核心能力
系统集成技术面、筹码分布、实时行情与全网舆情分析，支持图片识别自选股、AI回测验证及多轮策略对话（如缠论、波浪理论等11种内置策略），实现从数据输入到操作建议的端到端闭环。
🌐 部署与推送
采用GitHub Actions零服务器部署，支持企业微信、飞书、Telegram、邮件等多渠道即时推送；同时提供Docker与本地运行方案，并配备可视化Web管理界面，含密码保护与API服务。
🧠 技术架构
兼容Gemini、Claude、DeepSeek、通义千问等主流大模型，融合AkShare、YFinance等多源行情数据及Tavily、SerpAPI等新闻搜索能力，内置交易纪律引擎，确保分析结果兼顾专业性与实操性。
9. ComposioHQ/awesome-claude-skills
📊 数据指标：
⭐ stars : 37.4k | 🍴 forks : 3.7k
🔗 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）的生产力与自动化能力。它不仅涵盖文档处理、代码开发、数据分析等传统AI任务，更通过深度集成 Composio 平台，赋予 Claude 跨越 1000+ SaaS 应用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 数据库等。
核心能力
项目提供结构化、开箱即用的“技能”（Skill），每个技能均为独立可复用的工作流，包含清晰的 YAML 元数据、执行指令、使用场景与示例。技能按领域精细分类，覆盖开发运维、市场营销、创意设计、项目管理、安全分析等十余大类，并特别强化了 App 自动化支持，已预置对 Salesforce、Jira、Slack、GitHub、Google Workspace 等 78 个主流工具的完整操作封装。
技术价值
区别于纯提示词工程，本项目强调“可执行性”与“平台一致性”：所有技能均经过多端验证（Web/IDE/API），支持本地部署与企业级扩展；其底层依托 Composio 的 MCP（Model Context Protocol）标准，实现安全认证、工具发现与参数编排，为构建可靠 AI Agent 提供坚实基础。项目采用 Apache-2.0 许可，鼓励开发者贡献、复用与二次开发。
10. sickn33/antigravity-awesome-skills
📊 数据指标：
⭐ stars : 15.2k | 🍴 forks : 2.8k
🔗 https://github.com/sickn33/antigravity-awesome-skills
🌌 Antigravity Awesome Skills
A comprehensive, cross-platform agentic skills library with 930+ battle-tested, production-ready skills, designed to extend AI coding assistants beyond generic reasoning into domain-specific, executable expertise.
🔧 Universal Integration & Tool Agnosticism
Built on the standardized SKILL.md format, it natively supports Claude Code, Gemini CLI, Cursor, GitHub Copilot, Antigravity IDE, OpenCode, AdaL, Kiro, and Codex—each with documented invocation syntax and tool-specific installation paths (e.g., .cursor/skills, ~/.gemini/antigravity/skills). Symlinks and workspace-aware installs ensure flexibility across global and project-local contexts.
📚 Structured by Domain & Role
Skills are rigorously categorized—Architecture, Security, Data & AI, Infrastructure, Testing, Workflow, and more—and grouped into role-based Bundles (e.g., Web Wizard, Security Engineer) and step-by-step Workflows (e.g., “Ship a SaaS MVP”), enabling both rapid onboarding and orchestrated execution.
🌐 Community-Driven & Source-Aware
Aggregates and extends official skills from Anthropic, Google, OpenAI, Microsoft, Vercel, Supabase, and OWASP—while crediting 50+ community contributors. All skills undergo validation (npm run validate) and adhere to documented quality standards, ensuring reliability and maintainability.
11. nextlevelbuilder/ui-ux-pro-max-skill
📊 数据指标：
⭐ stars : 34.3k | 🍴 forks : 3.4k
🔗 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、多框架项目提供可落地的设计智能。它将设计决策系统化、工程化，通过 AI 驱动的推理引擎，将模糊需求（如“为美容水疗中心建官网”）转化为结构完整、行业适配的设计系统。
核心能力
v2.0 版本推出「智能设计系统生成器」，集成 100 条行业专属推理规则，覆盖科技、金融、医疗、电商等七大领域。支持 67 种 UI 风格、96 套色彩方案、57 组字体组合及 25 类图表推荐，并自动规避行业反模式（如银行禁用霓虹渐变）。
技术实现
基于 Python 构建多域并行搜索与 BM25 排序推理引擎，输出含页面结构、视觉风格、配色规范、动效建议及交付前检查清单的完整设计系统。CLI 工具（uipro-cli）支持 15+ 主流 AI 编程助手一键集成，同时兼容 HTML/Tailwind、React、Vue、SwiftUI 等 13 大技术栈。
开源与生态
MIT 协议开源，提供 CLI 安装、本地脚本调用、分层设计系统持久化（MASTER + 页面级 override）等高级功能，兼顾设计师效率与开发者工程实践。
12. p-e-w/heretic
📊 数据指标：
⭐ stars : 9.6k | 🍴 forks : 942
🔗 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（decensoring）工具，无需微调或昂贵的后训练流程，即可高效移除模型内置的安全对齐机制。
技术原理
其核心基于方向性消融（directional ablation），即“消融式抹除”（abliteration）：通过计算有害与无害提示在各层残差空间中的均值差向量作为“拒绝方向”，并对注意力输出和MLP下投影矩阵进行正交化干预。参数（如消融强度、方向索引、权重分布）由Optuna驱动的TPE算法自动优化，兼顾拒绝率降低与KL散度最小化。
易用性与效果
用户仅需一条命令即可完成全流程——从系统自适应批处理大小检测、自动参数搜索，到模型保存、Hugging Face上传或本地对话测试。实测表明，Heretic生成的去审查模型在拒绝率（3/100）媲美人工调优版本的同时，KL散度显著更低（0.16 vs. 0.45–1.04），更完好地保留原始模型能力。
研究支持功能
启用research扩展后，可生成残差向量PaCMAP二维投影动画，或输出逐层残差几何分析表（含余弦相似度、范数、轮廓系数等），为模型可解释性研究提供量化工具。
13. QuipNetwork/quip-protocol
📊 数据指标：
⭐ stars : 3.8k | 🍴 forks : 85
🔗 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。它并非传统交易型链，而是聚焦于“计算即共识”的范式验证。
技术架构与核心特性
系统支持量子处理器（QPU）、模拟退火（SA）及GPU/CPU多类型矿工并行竞争挖矿，通过动态反向难度调整机制——初始高难度倾向QPU，随连胜自动降低、新赢家出现则即时提升——有效防止算力垄断。同时引入解集多样性（Hamming距离约束）、连续胜场奖励（最高5倍）等机制，保障量子与经典算力间的公平博弈与生态平衡。
当前定位与演进路径
当前为纯PoW演示层，暂无账户、交易或智能合约功能，签名系统亦属概念验证。后续将基于成熟区块链代码库分阶段扩展：集成混合ECDSA+WOTS+抗量子签名、构建以可验证科学计算为目标的子网架构，并最终支持EVM/WASM智能合约，使链上逻辑能调用子网产出的可信计算结果。
14. HKUDS/ClawWork
📊 数据指标：
⭐ stars : 5.4k | 🍴 forks : 666
🔗 https://github.com/HKUDS/ClawWork
🌟 项目概述
ClawWork 是一个开创性的开源项目，致力于将AI助手升级为具备经济自主能力的“AI同事”。它基于 OpenClaw 与 Nanobot 架构，构建了首个面向真实职业场景的AI经济验证系统。
💼 核心定位
项目以 GDPVal 数据集中的 220 项跨行业专业任务（覆盖制造、金融、医疗、法律等44类职业）为基准，要求AI代理在严格预算约束下（起始资金仅10美元）完成工作、支付token成本、持续盈利并长期生存。
⚙️ 技术亮点
集成多模型竞争机制（GPT-4o、Claude、Qwen、GLM等），通过LLM驱动的质量评估（GPT-5.2+领域定制量规）、实时经济追踪与React可视化看板，全面衡量工作质量、成本效率与经济可持续性三大生产级指标。
🌐 生态融合
支持无缝嵌入 Nanobot 多通道（Telegram/Feishu/微信等），提供 ClawMode 经济协议插件，使任意AI助手即刻转型为可计费、可考核、可进化的AI同事。
15. 0xSero/ai-data-extraction
📊 数据指标：
⭐ stars : 403 | 🍴 forks : 34
🔗 https://github.com/0xSero/ai-data-extraction
AI Coding Assistant Training Data Extraction Toolkit
This toolkit is a comprehensive, cross-platform solution for extracting rich, structured training data from local AI coding assistants. It targets developers and ML researchers who need high-fidelity conversational and code-editing traces—including full chat history, multi-file context, line-level code snippets, diffs, tool executions, and reasoning steps.
Core Capabilities
It supports eight major tools (Cursor, Claude Code, Codex, Trae, Windsurf, Continue, Gemini CLI, and OpenCode) with deep, version-aware extraction logic—handling evolving storage formats like SQLite databases (state.vscdb, cursorDiskKV), JSONL session logs, and Tauri .dat files. Each script auto-discovers installations across macOS, Linux, and Windows using platform-specific config paths and parses metadata such as timestamps, model names, project paths, and session hierarchies.
Output & Usability
All scripts output standardized JSONL files in extracted_data/, where each line represents a complete conversation with role-annotated messages, embedded code_context, suggested_diffs, and tool_results. The toolkit requires only Python 3.6+ and zero external dependencies, enabling immediate use for fine-tuning code LMs, building agent simulators, or auditing assistant behavior.
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
10个月宝宝每天需要喝多少奶粉？
