数据时点：2026-11-14 · 样本：2409 个去重仓库 · 采集方式：GitHub Search API · 本文榜单与图表全部由脚本自动生成
摘要
"怎么把 AI 用好"已经在 GitHub 上长成了一个真正的工程生态。本文用 GitHub Search API 按 star 排序抓取了 6 大分类、2409 个去重仓库（目标 1000+，实际 2.4 倍完成），按 star 排名给出总榜与分类榜，并对各分类前 5 名做逐一解读。
三个最硬的发现：
- 这是一个几乎全新的生态：93.4% 的样本仓库创建于 2023 年之后，仅 2026 年前十个半月就新建了 1055 个（占 43.8%）。
- Claude skills 生态单位强度最高 ：claude-skills 分类的样本中位 star 达 4212，六个分类中最高------它不只是仓库多，而是单个项目普遍受关注；
topic:claude-skills标签下已有 15,938 个仓库。 - "技能框架"正在超越"代码框架" ：总榜第二名的
superpowers（317K star）自我定位是 "agentic skills framework & software development methodology"------方法论打包成技能，比又造一个 agent 框架更受欢迎。
方法与数据说明
- 采集 ：GitHub REST Search API，
sort=stars&order=desc，每分类 1-3 个查询词、每查询最多 200 条，共 14 个查询词。 - 分类 ：6 个分类（见下表）。归属规则：仓库归入首个命中它的查询词所在分类 ，因此个别跨类项目（如
n8n被归入 mcp-servers）保留首命中归属，不做人工改判------保证榜单可复现。 - 去重 ：按
full_name全局去重（2409 个），过滤 fork。 - 偏差声明：样本是"按 star 排序的头部"，不是全生态随机抽样；中位数反映的是头部样本的中位，不代表长尾。star 为 2026-11-14 时点值。
| 分类 | 查询词 | 样本数 | 样本中位 star |
|---|---|---|---|
| ai-coding-tools | ai coding assistant / cursor rules / ai cli agent |
533 | 278 |
| claude-skills | claude skills / topic:claude-skills / claude code agents |
459 | 4,212 |
| ai-agent-frameworks | topic:ai-agent-framework / ai agent framework |
375 | 468 |
| mcp-servers | topic:mcp-server / model context protocol server |
365 | 1,722 |
| prompt-engineering | topic:prompt-engineering / awesome chatgpt prompts |
353 | 296 |
| awesome-ai-lists | awesome ai tools / awesome llm |
324 | 712 |
总榜 Top 20
| Rank | Repo | Stars | 分类 | 一句话 |
|---|---|---|---|---|
| 1 | morluto/rea | 458,270 | ai-coding-tools | 用 agent 逆向任何东西：从 app 行为到原生二进制 |
| 2 | obra/superpowers | 317,343 | ai-agent-frameworks | agentic skills 框架 + 软件开发方法论 |
| 3 | affaan-m/ECC | 302,571 | claude-skills | agent harness 性能优化系统：skills/instincts/memory |
| 4 | multica-ai/andrej-karpathy-skills | 232,959 | claude-skills | 单文件 CLAUDE.md 改善 Claude Code 行为 |
| 5 | n8n-io/n8n | 210,439 | mcp-servers | 可视化工作流自动化 + 原生 AI 能力 |
| 6 | DietrichGebert/ponytail | 190,493 | claude-skills | 让 agent 像"最懒资深工程师"一样思考 |
| 7 | f/prompts.chat | 177,150 | prompt-engineering | Awesome ChatGPT Prompts 本体 |
| 8 | langgenius/dify | 161,131 | claude-skills | Agentic workflow + RAG 平台 |
| 9 | anthropics/claude-code | 155,605 | claude-skills | 官方终端 agentic coding 工具 |
| 10 | farion1231/cc-switch | 154,305 | claude-skills | Claude Code/Codex/OpenCode 跨平台切换器 |
| 11 | langchain-ai/langchain | 149,477 | ai-agent-frameworks | agent 工程平台（老牌） |
| 12 | nextlevelbuilder/ui-ux-pro-max-skill | 149,217 | claude-skills | 专业 UI/UX 设计智能 skill |
| 13 | Graphify-Labs/graphify | 147,402 | claude-skills | 代码库+文档+SQL+PDF 变成可查询知识图谱 |
| 14 | x1xhlol/system-prompts-and-models-of-ai-tools | 144,665 | claude-skills | 主流 AI 工具系统提示词全集 |
| 15 | Shubhamsaboo/awesome-llm-apps | 144,603 | awesome-ai-lists | 100+ 开源 AI agent/skill/RAG 应用 |
| 16 | stablyai/orca | 124,536 | claude-skills | Claude Code/Codex 编码 agent 舰队管理 |
| 17 | microsoft/generative-ai-for-beginners | 123,471 | prompt-engineering | 微软 21 课生成式 AI 入门 |
| 18 | earendil-works/pi | 121,919 | ai-coding-tools | 统一 LLM API + agent loop + TUI + coding CLI |
| 19 | JuliusBrussee/caveman | 119,748 | claude-skills | "why use many token when few token do trick"------省 token 的 skill + 代理 |
| 20 | thedotmack/claude-mem | 116,911 | claude-skills | 跨会话持久上下文记忆 |
总榜读法：前 20 里有 12 个属于 claude-skills 分类（按本文"首命中归类"规则；其中 dify、system-prompts-and-models-of-ai-tools 等 2-3 个跨类项目若人工严格归类约为 9-10 席------即便如此仍是六类之首）。Claude Code 的 skills 机制（一个文件夹 + 一个 SKILL.md，模型按需加载）已经从"官方功能"演化为"众创市场"。
各分类 Top 5 详解
claude-skills ------ 把"怎么用 AI"本身做成交付物
样本 459 个，中位 star 4212（六类最高）。这一类不是"用 AI 写的代码"，而是给 AI 用的代码与文档：技能包、行为配置、记忆系统、管理工具。
| Rank | Repo | Stars | 定位 |
|---|---|---|---|
| 1 | affaan-m/ECC | 302,571 | agent harness 性能优化：skills、instincts、memory、自进化 |
| 2 | multica-ai/andrej-karpathy-skills | 232,959 | 把 Karpathy 的工程品味浓缩进单个 CLAUDE.md |
| 3 | DietrichGebert/ponytail | 190,493 | "最懒资深工程师"行为模式：少写代码、多复用、先读后改 |
| 4 | langgenius/dify | 161,131 | Agentic workflow + RAG 低代码平台 |
| 5 | anthropics/claude-code | 155,605 | 官方本体，skills 生态的地基 |
怎么选 ：个人开发者先读 #2（单文件、零成本、立竿见影）；团队要管多个 agent 项目看 #1/#3 的 harness 与行为方法论；做 AI 应用产品选 #4。#2 的思路尤其值得借鉴------它证明了一个好 CLAUDE.md 抵得过一个框架。
mcp-servers ------ 给 agent 接上真实世界
样本 365 个，中位 star 1722。MCP（Model Context Protocol）把"工具调用"标准化成了 USB 式的即插即用层。
| Rank | Repo | Stars | 定位 |
|---|---|---|---|
| 1 | n8n-io/n8n | 210,439 | 工作流自动化平台，AI 原生 |
| 2 | google-gemini/gemini-cli | 108,820 | Google 官方终端 agent |
| 3 | D4Vinci/Scrapling | 102,583 | 高抗性网页抓取框架 |
| 4 | modelcontextprotocol/servers | 91,979 | MCP 官方参考服务器集 |
| 5 | koala73/worldmonitor | 90,614 | 实时全球情报仪表盘 |
紧随其后的 upstash/context7（64,773）和 ChromeDevTools/chrome-devtools-mcp（55,708）是日常最实用的两个：前者给 agent 喂最新版文档，后者让 agent 真正能"看见"浏览器。
ai-agent-frameworks ------ 从造轮子到定方法论
样本 375 个。老牌框架（langchain 149K、MetaGPT 71K、autogen 61K、crewAI 60K、langgraph 44K）依然坚挺，但榜首被 317K 的 superpowers 拿走------它卖的不是框架代码，是开发方法论。
| Rank | Repo | Stars | 定位 |
|---|---|---|---|
| 1 | obra/superpowers | 317,343 | agentic skills 框架 + 可落地的开发方法论 |
| 2 | langchain-ai/langchain | 149,477 | agent 工程平台 |
| 3 | heygen-com/hyperframes | 84,059 | Write HTML, Render Video------为 agent 设计 |
| 4 | FoundationAgents/MetaGPT | 71,277 | 多角色软件公司模拟 |
| 5 | microsoft/autogen | 61,810 | 微软 agentic AI 编程框架 |
prompt-engineering ------ 从玄学走向工程
样本 353 个。两个风向：系统提示词考古 （leaks 合集动辄 5 万+ star）和提示词工程化（优化器、压缩器、课程）。
| Rank | Repo | Stars | 定位 |
|---|---|---|---|
| 1 | f/prompts.chat | 177,150 | 最大提示词社区合集 |
| 2 | microsoft/generative-ai-for-beginners | 123,471 | 21 课官方教程 |
| 3 | dair-ai/Prompt-Engineering-Guide | 80,044 | 指南+论文+笔记本，最全知识库 |
| 4 | headroomlabs-ai/headroom | 79,616 | 进 LLM 前压缩 tool 输出/日志/文件，省 20%+ token |
| 5 | asgeirtj/system_prompts_leaks | 71,375 | ChatGPT/Claude/Gemini 系统提示词泄露合集 |
ai-coding-tools ------ 编码 agent 的周边在爆发
样本 533 个（数量最多、中位最低 278------长尾最长的红海）。真正的编辑器/agent 本体之外，**给编码 agent 配套的"器官"**最活跃：浏览器（agent-browser）、审计（iFixAi）、规范（OpenSpec）、运行时（herdr）。
| Rank | Repo | Stars | 定位 |
|---|---|---|---|
| 1 | morluto/rea | 458,270 | agent 驱动的全栈逆向工程 |
| 2 | earendil-works/pi | 121,919 | 统一 LLM API + agent loop + TUI + CLI 工具箱 |
| 3 | Panniantong/Agent-Reach | 111,646 | 给 agent 装上"读全互联网的眼睛" |
| 4 | OpenHands/OpenHands | 93,447 | 开源自主开发 agent 平台 |
| 5 | Fission-AI/OpenSpec | 74,823 | 面向 AI 编码助手的规格驱动开发（SDD） |
awesome-ai-lists ------ 用合集给自己装一个"AI 雷达"
样本 324 个。awesome 合集的价值不是收藏，是定期扫一遍 changelog。
| Rank | Repo | Stars | 定位 |
|---|---|---|---|
| 1 | Shubhamsaboo/awesome-llm-apps | 144,603 | 100+ 可直接跑的 agent/skill/RAG 应用 |
| 2 | fighting41love/funNLP | 84,576 | 中文 NLP 资源大全 |
| 3 | Hannibal046/Awesome-LLM | 27,497 | LLM 论文/模型全集 |
| 4 | mikeroyal/Self-Hosting-Guide | 23,554 | 自托管指南（私有化部署 LLM 必读） |
| 5 | AiHubCN/Awesome-Chinese-LLM | 22,783 | 中文开源大模型全集 |
趋势观察
生态年龄：这是一个"三年内的生态"
93.4% 的样本创建于 2023 年之后；2025 年新建 712 个，2026 年前十个月新建 1055 个------增速仍在陡峭段。对照 2022 年的 60 个：一年抵过去十年。
方法学提醒：本样本由 claude skills、cursor rules 等 2023 年后才出现的检索词圈定，天然偏向新仓库------"生态年轻"部分是检索词的年龄造成的，读这节时把 93.4% 当"样本属性"而非"生态全貌"。
star 分布：极头部 + 长尾
样本中位数 906 star、均值远高于此------典型的幂律。含义很实际：star 数在 1 万以上才算生态位确立，1 千以下是快速试错区。选型时低于中位数的项目要重点看维护活跃度而不是 star。
三个结构性判断
- Skills 正在成为新的"包管理单元" 。claude-skills 分类不但样本中位 star 最高（4212），且
topic:claude-skills已有 1.6 万仓库。方法论、领域知识、行为约束都能打包成一个技能文件夹分发------这是"提示词工程"的容器化。 - MCP 从协议变成基础设施。n8n（210K）、gemini-cli（108K）、context7（64K）、chrome-devtools-mcp（55K）------凡是要"连接真实世界"的项目都在向 MCP 收敛。写一个 MCP server 正在变成 2026 年的"写一个 REST API"。
- "研究 AI 工具的 AI 工具"自成品类 。系统提示词泄露合集（144K/71K/52K）、token 压缩（headroom 79K）、agent 审计（iFixAi 45K）------当 agent 变成生产力，给 agent 做观测、省钱、纠偏的生意同步起飞。
落地建议（写给重度 AI 工具使用者）
以我自己的工作流（FPGA/嵌入式 + Claude Code 重度用户）为例，这份榜单给出的行动清单：
- 先抄作业再谈框架 ：
andrej-karpathy-skills证明了单文件 CLAUDE.md 的性价比------先把"我是谁/环境铁律/协作契约"写清楚，比装十个框架有用。 - 给 agent 装"眼睛"，而不是换"大脑" ：context7（最新文档）、chrome-devtools-mcp（浏览器）、Agent-Reach（全网读取）------模型能力同质化的今天，信息获取质量才是差异点。
- 长工程一定要上记忆层：claude-mem、TencentDB-Agent-Memory 这类跨会话上下文项目，对动辄数月的硬件工程是刚需，不是可选项。
- 大代码库先建索引再问问题：graphify（147K）把代码+文档+PDF 变成可查询图谱------大型 RTL 工程的自一致问答，比逐文件读高效一个量级。
- 省 token 是真金白银：caveman（119K）和 headroom（79K）从两个方向做同一件事------同样的活儿，更少的 token。
- 读泄露合集学结构，别学内容：系统提示词泄露仓库是最好的一手教材，但照抄别家提示词里的密钥和内部 URL 是安全红线。
附录
- 完整数据：2409 行全量 CSV（UTF-8，含分类/star/语言/描述）
- 调研方法 ：GitHub Search API 按 star 排序抓取，
full_name全局去重，分类按首命中查询词归属（可复现） - 数据时点：2026-11-14；star 数为该日 API 快照，随时间漂移属正常
- 免责：分类按首命中查询词归属；样本为按 star 排序的头部结果，存在头部偏差；本文不构成任何投资/选型建议