Appearance
GitHub AI Trending Top 10（2026-05-05 至 2026-05-11）
数据口径：基于 OSSInsight GitHub Trending past_week 与 past_month 数据，筛选 AI / LLM / Agent / AI Coding 相关项目，并按最近一周新增 stars 与综合热度排序。星标为近期新增热度参考，不等于项目总 stars。
| 排名 | 项目 | 近周热度 | 一句话看点 |
|---|---|---|---|
| 1 | forrestchang/andrej-karpathy-skills | 1,587 stars/week | 把 Karpathy 对 LLM 编程陷阱的观察整理成 CLAUDE.md，用于改善 Claude Code 行为 |
| 2 | anthropics/financial-services-plugins | 1,321 | 面向金融服务场景的 Anthropic 插件，代表垂直行业 Agent 工具化 |
| 3 | mattpocock/skills | 1,347 | 面向真实工程师的 Claude / Codex skills 集合，强化编码 Agent 的工程实践能力 |
| 4 | addyosmani/agent-skills | 1,221 | 生产级 AI coding agent 技能库，偏工程质量、架构、前端与交付实践 |
| 5 | farion1231/cc-switch | 941 | 跨 Claude Code、Codex、OpenCode、OpenClaw、Gemini CLI 的桌面切换与管理工具 |
| 6 | ruvnet/ruflo | 934 | 面向 Claude 的多智能体编排平台，支持 swarm、RAG 与工作流协调 |
| 7 | TauricResearch/TradingAgents | 804 | 多智能体金融交易框架，用 LLM 模拟分析师、交易员、风控等角色协作决策 |
| 8 | datawhalechina/hello-agents | 624 | 中文 Agent 原理与实践教程，《从零开始构建智能体》 |
| 9 | decolua/9router | 525 | 给 Claude Code、Codex、Cursor、Cline、Copilot 等接入多模型与免费/低成本模型源 |
| 10 | AIDC-AI/Pixelle-Video | 524 | AI 全自动短视频引擎，从主题生成脚本、画面、音乐与最终视频 |
观察
- 本周最强主线是 AI Coding Agent 的技能层：
andrej-karpathy-skills、mattpocock/skills、agent-skills都不是底层模型，而是给编码 Agent 提供工作方法、上下文、审查标准和工程习惯。 - Claude Code 生态继续外溢：skills、插件、router、memory、best practice、harness 管理工具集中出现，说明开发者正在把 Claude Code / Codex / OpenCode 当作可配置的工程执行环境，而不只是聊天式编程助手。
- 多 Agent 编排进入具体场景：
ruflo偏通用编排，TradingAgents偏金融交易，hello-agents偏教育与教程，代表 agent orchestration 从概念层走向可复用项目。 - 垂直行业 Agent 开始升温：金融插件、交易 Agent、短视频生成、PPT/设计 skills 等都说明开源社区正在把 Agent 能力嵌入具体工作流。
值得重点关注
- addyosmani/agent-skills：适合拆解生产级 Agent Skill 应该如何组织工程规范、质量标准和交付流程。
- TauricResearch/TradingAgents：多智能体分工协作的典型案例，适合研究 role-based agents 的架构设计。
- AIDC-AI/Pixelle-Video：代表多模态内容生成从单点模型调用走向端到端工作流编排。
- farion1231/cc-switch / decolua/9router：反映 AI coding 工具链正在出现“模型路由 + 多客户端管理”的基础设施层。
- datawhalechina/hello-agents：中文 Agent 学习资料中热度较高，适合作为入门与课程化内容参考。
结构性判断
最近两周 GitHub AI 项目的热度，已经明显从“谁发布了更强模型”转向“谁能让 Agent 更稳定地工作”。具体表现为三层：
text
技能层：skills / CLAUDE.md / best practices / design rules
编排层：multi-agent orchestration / workflow / memory / router
场景层：金融、视频、PPT、设计、代码理解、研究写作这意味着 AI 开源生态的竞争焦点正在从模型能力本身，迁移到 Agent Interface、Agent Skill、Agent Workflow。对开发者来说，值得关注的不是单个工具能不能完成 demo，而是它是否能沉淀为可复用、可审查、可组合的 Agent 工作单元。