GitHub 热榜今天挤进 19 个仓库创月内新高,日增冠军是个累计 4,360 star 的新仓

0 阅读6分钟

  今天的热榜是这个月最长的一天:11 月 19 日上午的快照里,19 个仓库同时上榜,比此前 28 天的任何一天都多,之前最多 17 个。可排在第一位的仓库,当天只涨了 1,524 个 star——11 月 6 日到 12 日那一周,每天的冠军平均要涨 2,833 个。

  位置多了,重量轻了。多出来的位置一半给了老仓库,一半给了刚冒头的新仓;今天日增第一名 google-research/paper-orchestra,三天前才第一次上榜,累计 star 只有 4,360 个。

位置从每天 11 个涨到 14 个,冠军的增量却掉回 1,524

  按整周数,榜单的容量在悄悄变多。10 月 23 日到 29 日那周,平均每天 11 个仓库能上榜;10 月 30 日到 11 月 5 日 14 个,11 月 6 日到 12 日 13 个,最近这一周(11 月 13 日到 19 日)14 个。涨上去之后就没退回 11。

  冠军的增量走的是反方向。四个整周里,每天日增第一名平均分别涨 2,619、2,782、2,833、1,639 个 star,连续三周守在 2,600 以上,这一周直接掉到 1,639。今天榜首 1,524,连前十的门槛也压到 314 个——11 月 5 日那天,第十名还有 531 个。

  这两个数放一起就清楚了:位置涨了三成,冠军的重量掉了四成。榜还是那张榜,能分到的注意力薄了一层。

老仓库回来占位,新仓库负责冲线

  今天的 19 个位置里,有 11 个属于累计 star 超过 5 万的老仓库,是这 28 天里最多的一天,和 11 月 7 日并列。svelte、jQuery、nvm、uv、n8n、appwrite、OpenVINO、solid 全挤了进来,可它们的当天增量只有 24 到 692 个——老仓库回来靠存量,不靠速度。

  另一头是四个累计不到 1 万 star 的新仓:paper-orchestra、管 Docker 面板的 arcane、给技能打分的 SkillEvaluator、做中国历史地图的 jiangshan-map。中间的 1 万到 5 万 star 那一层,今天只剩 4 个位置。今天还有 11 个仓库是昨天不在榜的新面孔,这 28 天里只有 11 月 7 日的 14 个比它多。

今天的榜:19 个位置,按当天新增 star 从多到少排

shot1.jpg

11 月 19 日 10:54 的快照:19 个仓库当天合计新增 8,785 个 star,表中列出日增最多的 10 个,按当天新增从多到少排

项目当天新增 star累计 star一句话
google-research/paper-orchestra+1,5244,360今日主角:Google 研究团队的多 agent 论文写作框架,连榜 3 天
affaan-m/ECC+1,108306,580三十万 star 的编程助手配置集,昨天不在榜
mvanhorn/last30days-skill+1,05970,084跨社交平台做近三十天选题检索的技能包
obra/superpowers+822321,373给编程助手装纪律的技能框架,昨天的冠军
sveltejs/svelte+69289,641前端框架,连续两天回榜
getarcaneapp/arcane+5479,844自托管的 Docker 管理面板
HKUDS/CLI-Anything+38959,831把命令行工具包装成 agent 能直接调用的接口
google-labs-code/stitch-skills+36510,427Google 给设计工具配的技能库
n8n-io/n8n+325211,131工作流自动化平台,这次带着 AI 节点回榜
cursor/plugins+31417,249Cursor 的插件规范和官方插件集

一个 4,360 star 的新仓,凭什么连涨三天

shot2.jpg

深挖卡:累计 star 曲线取 11-17 到 11-19 的每日快照,日增为两次快照之间的差分

  它这三天的轨迹很干净:11 月 17 日第一次上榜,当天 313 个 star;18 日 1,072 个;19 日 1,524 个,累计从 1,581 涨到 4,360。三天涨的 2,779 个,占它现在全部 star 的六成多。

  框架本身把写论文拆成五个岗位:列大纲、查文献、写章节、改稿、画图,其中查文献和画图两段可以并行跑。输入是三样东西——研究想法和实验记录、目标会议的 LaTeX 模板、一个输出目录;画图默认关着,要显式打开。

python paper_writing_cli.py \
  --raw_materials_dir ./materials \
  --latex_template_dir templates/cvpr2025 \
  --output_dir ./out \
  --use_plotting true

  跑之前得自己备钥匙:查文献要 Semantic Scholar 的 key,写作模型接 Gemini 或 OpenAI,写稿和审稿用的是两个模型,命令行里分开指定。它只有 8 次提交,6 个月前就建了仓,真正的修复集中在 11 月 15 日——一位外部贡献者连提三个补丁,补依赖、改 LaTeX 提示词里失效的转义、让 API key 只在用到的模型上才要求。数据集还没放出来,README 末尾写得很直白:这不是 Google 官方支持的产品。

  代价也有据可查。作者团队计时十次,去掉最快和最慢两次,生成一篇论文平均四十分钟;11 位研究者拿 40 篇论文做了 180 次两两盲评,它赢过另外两种自动写作系统,整体仍然输给人类原稿。更麻烦的是那份公开的 CVPR 样稿:有人把稿子和原论文的表并排核对,每一行的数字都对得上,可原表里有一整列没进稿子——只核数字是发现不了的。

  这几天突然起量也不是凭空。论文挂在 arXiv 上,进了 COLM 2026,11 月中旬开始几家媒体连着写;同时已经有人把论文里的提示词改写成编程助手能直接装的技能包。研究和工作流两条线一起推,热度才叠起来。

  该不该装,三条:

  • 手上一堆实验记录,缺一份能投出去的初稿:它正好卡在这个环节,文献综述是它比单模型强最多的一项。
  • 指望它替你做完研究:不行。它只处理已有的想法和结果,最后一列数字对不对,还得自己核。
  • 想拿来改:可以,Apache-2.0,模板目录能加自己的会议格式;但它只有 8 次提交,接口和目录结构都可能变。

门槛低了,敢被人照着做的才留得住

  今天这张榜其实在说一件事:进场变便宜了,留下变难了。19 个位置里,老仓库靠存量占着,新仓库靠一天的爆发冲进来,能把连榜撑过三天的只有少数。

  paper-orchestra 走的是 Google 这几个月一贯的路子——不做一个从头包到尾的产品,把一件事拆成五个能分别验收的岗位,哪一段不满意就换哪一段。这种做法不惊艳,但它经得起别人照着做,也经得起别人挑错。

  热榜奖励的从来不是涨得快,是能被复制。你手上那摊活,拆成五个岗位交给模型,你愿意自己审哪一段?