
昨天翻 GitHub 趋势榜,本来只是想找两个能用的小工具。
结果翻到一半发现一个挺反常的结构:榜单前列几乎看不到模型和应用,全都在解决同一个问题------怎么让写代码的 AI 代理把活干得更好。
20 个项目里,按"自身不产出业务价值、只为提升代理能力而存在"这条标准,我筛出 8 个 。它们的 Star 加起来 约 135 万 ,且全部诞生于最近 14 个月。
这篇文章我想做三件事:把数据摆清楚、把 8 个项目归成三层抽象、说清楚为什么是现在,以及它带来的新风险。
一、方法与数据
不引用任何二手榜单。Star 数直接从 GitHub REST API 拉的,脚本如下:
bash
for r in obra/superpowers affaan-m/ECC morluto/rea stablyai/orca; do
printf "%-40s " "$r"
curl -s "https://api.github.com/repos/$r" \
| python3 -c "import sys,json;d=json.load(sys.stdin);print(d['stargazers_count'], d['language'], d['created_at'][:10])"
done
无 token 的匿名调用限速 60 次/小时,批量查询需要加
Authorization: Bearer $GITHUB_TOKEN。
查询时点:2026-11-19。 Star 是时点快照,会随平台清理和项目沉寂变动,本文数字不宜作为长期结论引用。
结果如下(只列我实际调通接口的 8 个):
| 项目 | Star | 语言 | 创建时间 | 定位 |
|---|---|---|---|---|
| morluto/rea | 468,335 | TypeScript | 2026-04-14 | 用代理做逆向工程,从应用行为到底层原生实现 |
| obra/superpowers | 321,338 | Shell | 2025-10-09 | 面向代理的软件开发方法论框架 |
| affaan-m/ECC | 306,531 | JavaScript | 2026-01-18 | 代理 harness 的性能优化系统,67 agent / 284 skills |
| stablyai/orca | 128,924 | TypeScript | 2026-03-17 | 并行运行代理舰队,独立 worktree 隔离 |
| pingdotgg/t3code | 65,269 | TypeScript | 2026-02-08 | 跨设备远程控制本机 Claude Code / Codex |
| ccch1mneyyy/dsh-Go | 27,234 | Dart | 2026-10-25 | DeepSeek Harness 的移动端 |
| GoogleChrome/modern-web-guidance | 22,874 | --- | 2026-03-23 | 给编码代理注入最新 Web 规范与兼容性数据 |
| elementalsouls/Claude-BugHunter | 11,394 | Python | 2026-05-05 | Claude Code 漏洞挖掘技能包 |

一个值得注意的时间分布:最早的 superpowers 建于 2025 年 10 月,最新的 dsh-Go 建于 2026 年 10 月 25 日。整个品类的生命周期不超过 14 个月。
其中 rea 的 46.8 万 Star 是最反直觉的一个------一个 2026 年 4 月才创建的仓库,Star 数超过了绝大多数成名框架。这本身就该被当成一个信号:Star 在这个阶段衡量的不是成熟度,而是话题热度。
二、三个层次,而不是八个并列
把这 8 个摊开对齐,它们不是平级的。按抽象位置分,正好是三层:
css
┌─────────────────────────────────────────┐
│ L1 Skills / Methodology │ 告诉代理怎么做
│ superpowers · ECC · BugHunter · MWG │
├─────────────────────────────────────────┤
│ L2 Orchestration │ 同时跑几个代理
│ orca · t3code │
├─────────────────────────────────────────┤
│ L3 Harness / Runtime / Transport │ 代理跑在哪、怎么接工具
│ dsh-Go · rea │
└─────────────────────────────────────────┘
↓ 都建立在同一个底座上 ↓
Claude Code / Codex / Cursor CLI

L1 · Skills:把工程师的流程写成代理能读的文件
superpowers 做的是软件开发方法论:需求澄清 → 设计评审 → 实施计划 → TDD → 代码审查。
ECC 更激进,67 个 agent、284 项技能,还带上下文管理机制。
Claude-BugHunter 把渗透测试流程固化成 83 个技能、15 条斜杠命令、681 条漏洞模式。
modern-web-guidance 则是把浏览器兼容性这类"每年都在变的知识"变成代理可查询的技能。
它们的共同点是:内容不是代码,是规范。 把团队里那个资深工程师脑子里的流程,翻译成机器能读的结构化文本。
L2 · Orchestration:从"用一个代理"到"管一支代理"
orca 的核心设计是给每个代理分配独立的 git worktree------这样多个代理并行改同一个仓库时不会互相覆盖。这是个很务实的选择:它绕开了"多代理如何合并冲突"这个难题,直接把隔离做在文件系统层。
t3code 解决的是另一个问题:代理跑在你家那台机器上,但你在外面。它把控制面抽出来,做成跨设备。
L3 · Harness:运行时和工具接入
dsh-Go 把 DeepSeek Harness 塞进 Android,本机能跑,也能遥控桌面端。rea 提供统一的 MCP 框架,让代理挂载各种逆向工具模块。
这一层最晚成熟,也最依赖协议标准化。
三、拆开看,一个 skill 到底长什么样
这 8 个项目里最有参考价值的,其实是 L1 的目录组织方式。下面是我按这类项目的通用做法整理的示意结构(不是某个具体仓库的真实文件,仅用于说明形态):
bash
.claude/skills/
├── code-review/
│ ├── SKILL.md # 元信息:name / description / 触发条件
│ ├── checklist.md # 具体检查项
│ └── examples/
│ ├── bad.md
│ └── good.md
└── tdd/
├── SKILL.md
└── templates/
└── test-skeleton.ts
SKILL.md 的元信息通常长这样:
markdown
---
name: code-review
description: 对改动做结构化审查。当用户要求 review、检查 diff、
或提交前自检时使用。
---
## 流程
1. 先读 diff,不读全文
2. 按 checklist.md 逐项过
3. 每个问题标注:[阻断] / [建议] / [疑问]
4. 输出前自查:有没有给出可执行的修改
关键点是 description 那一行。它决定了代理什么时候会主动加载这个技能,本质上是给模型写的一条路由规则。写得含糊,技能就永远不会被触发;写得过宽,就会污染上下文。
这就是为什么我说 L1 这一层的真正技术含量不在代码,而在提示工程的工程化。
四、为什么偏偏是现在
三层能同时长出来,是三个前提刚好凑齐。

1. 命令行代理的交互面收敛了。
Claude Code、Codex CLI、Cursor 的命令行版本,本质上吃的都是同一套原语:读文件、写文件、跑 shell、读说明文件。接口一旦统一,"通用技能包"才有意义------否则每个平台都要重写一遍。
2. MCP 统一了工具协议。
在这之前,接一个数据库、接一个浏览器,每个平台各写一套。MCP 出来后写一次到处能用,于是"工具箱"型项目(如 rea)才成立。
MCP 的配置形态大致是:
json
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/project"]
}
}
}
3. 瓶颈从"模型够不够聪明"转移到"上下文喂得好不好"。
这是最关键的一条。当头部模型在常规编码任务上的差距缩到几个百分点,决定产出质量的就变成了:你给它什么约束、什么流程、什么边界。
于是"写文档"这件事的读者变了------以前写给新人看,现在写给代理看。这是 L1 类项目能爆发的根本原因。
五、风险清单
Star 高不等于可用。这一节可能是全文最该读的部分。

① Star ≠ 使用量。
点 Star 的成本是零。榜单爆发期,Star 和真实周活的关系会变得非常松。一个 46 万 Star 的仓库,真实使用量可能远低于直觉。评估这类项目请看 Issues 活跃度、Release 频率、最近一次 commit,而不是 Star。
② 技能包是新的供应链入口。
这是我觉得最被低估的风险。传统依赖的风险模型是"库里的代码被执行",而现在多了一条:技能包里的指令会被代理当成命令执行,用的是你的权限。
一个能自动找漏洞、自动构建攻击链的技能包(如 Claude-BugHunter),装上很好用。但同一套机制也能被用来做别的事。审查一个技能包的严格程度,应该等同于审查一段会在你机器上跑的脚本------至少要看它要求哪些工具权限、是否外发数据。
③ 技能冲突与上下文膨胀。
装 20 个技能包进一个项目,代理会先被自己的说明书淹没。上下文预算是有限的,而每个 description 都要占位。我的经验是:一个项目保留 3--5 个技能是合理上限,超出就要开始合并。
④ 项目生命周期短。
这 8 个里大部分是单人或小团队维护,最早的也才一年。押注之前先看:有没有 CI、有没有 issue 模板、最近三个月有没有合并外部 PR。
六、给团队的三步落地
如果只是想试试,直接 clone 最热的那几个就行。如果要进团队项目,我建议按这个顺序:
第一步:抄结构,不抄内容。
花 20 分钟看一遍 superpowers 和 ECC 的目录组织,理解一个技能文件由哪几部分组成。然后把你们团队自己的 review checklist 改写成同样格式。这一步产出的是"你们自己的技能",价值远高于直接安装别人的。
第二步:确认权限边界。
对每个要装的技能包问三个问题:
- 它需要读哪些文件?
- 它会不会执行任意 shell 命令?
- 它是否向外发网络请求?
三个答案里只要有一个说不清,就不要装进有生产凭证的环境。
第三步:做一次对照实验。
在你熟悉的仓库上,同一批任务跑两组:一组带技能,一组不带。对比 token 消耗、返工次数、代码审查发现的问题数。没有对照就不算验证。
七、结论与前提
我的判断:这一轮真正的竞争不在模型层,而在"谁能把代理的上下文和流程标准化"。
这个判断成立依赖三个前提,写在这里方便日后打脸:
- 头部模型在常规编码任务上的能力差距继续缩小;
- 命令行代理的文件系统 / shell / 说明文件接口继续保持兼容;
- MCP 不出现生态分裂(即不出现两三个互不兼容的主流协议)。
任何一条被推翻,上面 8 个项目里会有一半立刻失去存在意义。

八、写在最后
上一轮 AI 热潮里,卖铲子的是算力和模型。
这一轮,卖铲子的人还没赚到多少,给铲子写说明书的先火了。
14 个月,135 万颗星。这个数字里有多少是真实价值,要等这批项目撑过两年才知道。但至少它说明了一件事:开发者已经普遍意识到,决定 AI 产出质量的不再只是模型本身,而是你如何组织交给它的上下文。
如果你也在做类似的事,欢迎在评论区聊聊你踩过的坑------尤其是技能冲突和权限边界这两块,公开的经验还很少。