本期共收录 13 个热门开源项目，合计新增 ⭐ 9,805 stars，热门语言：Python、TypeScript、Rust。
数据来源：GitHub Trending | 统计周期：日榜 | 更新日期：2026-08-20
📝 本期综述
本期榜单的一个明显特点，是面向 AI 编码智能体的技能库和开发方法论项目集中上榜。mattpocock/skills 与 obra/superpowers 分别覆盖工程实践和完整开发流程，把需求澄清、测试驱动开发、代码审查等环节整理成可复用的技能；Anthropic-Cybersecurity-Skills 收录 817 项安全技能，并映射到 MITRE ATT&CK、NIST 等六大框架，应用范围已从通用编程扩展到网络安全。OpenViking 提供 Agent 上下文管理能力，munder-difflin 则探索本地多智能体协作。榜首 MoneyPrinterTurbo 当日新增 2,221 星，说明自动化内容生产依然受到关注。综合这些项目可以看到，开发者正在更多讨论如何让 Agent 按规范完成具体任务，而不只是如何接入模型。
📋 本期概览
| 排名 | 项目 | 语言 | ⭐ 总星数 | 本期新增 |
|---|---|---|---|---|
| 1 | MoneyPrinterTurbo | Python | 110,668 | +2,221 |
| 2 | OpenViking | Python | 30,190 | +804 |
| 3 | munder-difflin | TypeScript | 2,693 | +795 |
| 4 | Anthropic-Cybersecurity-Skills | Python | 29,841 | +766 |
| 5 | nautilus_trader | Rust | 26,444 | +80 |
| 6 | skills | Shell | 223,811 | +1,894 |
| 7 | superpowers | Shell | 274,272 | +557 |
| 8 | omlx | Python | 19,839 | +472 |
| 9 | career-ops | JavaScript | 65,794 | +198 |
| 10 | immich | TypeScript | 111,876 | +128 |
| 11 | node | Rust | 4,550 | +1,397 |
| 12 | prettymaps | Python | 13,121 | +63 |
| 13 | genlayer-project-boilerplate | TypeScript | 16,225 | +430 |
🔍 项目详情（TOP 10）
1. harry0703/MoneyPrinterTurbo
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。
一款一站式 AI 短视频生成工具，支持根据主题或关键词自动生成脚本、匹配视频素材、生成字幕与背景音乐，并合成高清短视频。项目提供 WebUI、API、CLI 和 AI Agent 四种使用方式，支持接入主流大模型及多种语音合成服务，并具备跨平台自动发布功能。
语言：Python · Stars：110,668 · Forks：16,787 · 本期新增：+2,221
2. volcengine/OpenViking
面向 AI Agent 的自进化上下文数据库，统一 Agent 记忆、知识 RAG 和技能。
面向 AI Agent 的开源上下文数据库系统。它通过虚拟文件系统协议统一管理 Agent 的记忆、资源与技能，采用三层（摘要、概览、详情）按需加载架构以降低 Token 消耗，支持目录递归检索与可视化轨迹调试，并能从多轮会话中异步沉淀长期记忆。
语言：Python · Stars：30,190 · Forks：2,335 · 本期新增：+804
3. chaitanyagiri/munder-difflin
本地多智能体运行框架（multi-agent harness）
一个基于 Electron 构建的本地多智能体协作框架桌面应用。它将 Claude Code、Codex 等终端命令行工具封装为具备长期记忆的 Agent，并在 2D 像素办公室中以角色形式可视化呈现，通过本地 Git 仓库与文件邮箱实现智能体之间的消息路由与自动化分工协作。
语言：TypeScript · Stars：2,693 · Forks：321 · 本期新增：+795
4. mukul975/Anthropic-Cybersecurity-Skills
为 AI Agent 打造的 817 个结构化网络安全技能 · 映射至 6 大框架：MITRE ATT&CK、NIST CSF 2.0、MITRE ATLAS、D3FEND、NIST AI RMF 与 MITRE F3 (Fight Fraud) · 基于 agentskills.io 标准 · 兼容 Claude Code、GitHub Copilot、Codex CLI、Cursor、Gemini CLI 等 20 多个平台 · 涵盖 29 个安全领域 · Apache 2.0 协议
一个遵循 agentskills.io 标准的开源网络安全技能库，包含 29 个安全领域的 817 项结构化技能，并映射到 ATT&CK、NIST CSF 等六大安全框架。
语言：Python · Stars：29,841 · Forks：3,537 · 本期新增：+766
5. nautechsystems/nautilus_trader
采用确定性事件驱动架构的生产级 Rust 原生交易引擎
面向量化交易的生产级交易引擎，采用 Rust 原生核心提供确定性的事件驱动运行时，并支持以 Python 作为控制平面。它统一了策略回测与实盘执行语义，提供 Binance、Bybit、Coinbase、Interactive Brokers 等交易所和数据源适配器，支持高精度数据类型，便于从研究无缝迁移到实盘环境。
语言：Rust · Stars：26,444 · Forks：3,420 · 本期新增：+80
6. mattpocock/skills
面向真正工程师的技能库，直接源自我的 .agents 目录。
一组面向实际工程开发流程的 Agent 技能集合，兼容 Claude Code、Codex 等常见 AI 编程工具。技能模块涵盖前期需求对齐与深度提问、代码库架构梳理、测试驱动开发（TDD）、严谨的 Debug 循环以及多维度代码审查等，旨在提升智能体辅助编程的准确性与工程质量。
语言：Shell · Stars：223,811 · Forks：19,253 · 本期新增：+1,894
7. obra/superpowers
一套实用的智能体技能框架与软件开发方法论。
一套面向 AI 编码智能体的全流程软件开发技能框架与方法论。它规范了从头脑风暴交互、设计规格确认、Git 工作区分离，到测试驱动开发（TDD）、子智能体任务派发与分阶段代码审查的完整开发闭环，支持 Claude Code、Cursor、Codex 等多种客户端与 CLI 环境。
语言：Shell · Stars：274,272 · Forks：24,555 · 本期新增：+557
8. jundot/omlx
专为 Apple Silicon 打造的 LLM 推理服务器，具备连续批处理与 SSD 缓存功能，可直接在 macOS 菜单栏进行管理
针对 Apple Silicon 芯片深度优化的本地大模型推理服务工具。基于 MLX 开发，支持文本 LLM、视觉多模态及 OCR 模型，提供连续批处理和分层 KV 缓存（内存热层与 SSD 冷层），兼容 OpenAI 与 Anthropic API 接口，并配备原生 macOS 菜单栏应用与 Web 管理控制台。
语言：Python · Stars：19,839 · Forks：1,691 · 本期新增：+472
9. santifer/career-ops
开源 AI 求职工具：扫描招聘门户、通过结构化 A-F 评分规则对职位进行 1.0-5.0 打分、定制简历并跟踪求职申请——可在本地 AI 编码 CLI 中运行（如 Claude Code、Codex、OpenCode、Antigravity 等）
一个在本地 AI 编码 CLI 中运行的自动化求职管理管道。它能够自动扫描主流招聘网站职位，基于候选人背景进行多维度结构化评分与虚假职位甄别，利用 Playwright 生成针对 ATS 优化的定制简历与求职信，并提供终端 TUI 仪表板以跟踪求职申请进度。
语言：JavaScript · Stars：65,794 · Forks：12,741 · 本期新增：+198
10. immich-app/immich
高性能的自托管照片与视频管理解决方案。
一个用于私有部署的高性能照片与视频管理系统。提供 Web 端与移动端应用，支持多用户与相册共享、原图及动态照片备份、去重存储和 EXIF/地图元数据浏览，并集成了基于人脸识别、物体检测与 CLIP 语义模型的高级媒体检索功能。
语言：TypeScript · Stars：111,876 · Forks：6,628 · 本期新增：+128
完整榜单
查看完整榜单：gh.ai225.com/daily/2026-…
📌 总结与展望
这批技能库的共同方向，是把领域知识和开发规范整理成 Agent 可以调用的步骤与检查项，以减少执行过程中的偏差。它们通常遵循 agentskills.io，或能直接接入现有 CLI 工具，开发者可以先在熟悉的技术栈中试用。局限也很明确：效果仍取决于模型的指令遵循能力，复杂上下文下的稳定性和跨任务表现需要更多实测。后续可以重点看两点：技能能否组合并在不同工具之间互通；项目是否提供基准测试或真实案例，说明它们究竟节省了多少时间、减少了多少错误。如果法律、金融等领域也出现类似的结构化技能，Agent 的应用范围还会继续扩大。
