本週的 GitHub 趨勢週報，幾乎就是 AI Agent 繼續進化的天下，及越來越可被驗證的工作技能系統。
備受矚目的 tinyhumansai/openhuman 主打個人 AI 超級助理，以 Rust 開發，CyberQ 查詢時累積 15,366 顆星，單日新增 1,690 顆星，是本期最強勁的爆發專案。另一個很得看的是 Imbad0202/academic-research-skills ，他是聚焦 Claude Code 的學術研究流程，從研究、寫作、審查、修訂到定稿，累積 10,194 顆星，單日新增 1,302 顆星。
再來是 HKUDS/CLI-Anything ，總星數已達 36,255 顆，它的訴求是將既有軟體變成 Agent 可操作介面，這種概念已經累積相當高的社群關注。
另一個值得注意的現象，是 Agent Skills 進化到可安裝、可管理、可跨平台複用的技能包。K-Dense-AI/scientific-agent-skills 以研究、科學、工程、分析、金融與寫作技能為核心，查詢時已有 24,127 顆星，單日新增 762 顆星，tech-leads-club/agent-skills 則主打安全、驗證過的 AI coding agent 技能登錄中心，雖然總星數 3,791 顆相對較低，但我們覺得它還不錯，有稍微解決了導入 Agent 時最在意的問題，技能來源是否可信、是否能被驗證、是否能降低供應鏈風險，可以再關注一下有沒有類似專案或該專案的未來發展。
CyberQ 這期推薦的 GitHub 專案清單包括這些 openhuman、academic-research-skills、CLI-Anything、scientific-agent-skills 到 supertonic、llama.cpp、RuView、CloakBrowser 等專案，以及 agent-skills、Shadowbroker、12-factor-agents、Sana、ai-agents-for-beginners、daily_stock_analysis 與 plausible/analytics。
| 排名 | 專案 | 主要語言 | 總星數 | 今日新增 | 重點定位 |
|---|---|---|---|---|---|
| 1 | tinyhumansai/openhuman | Rust | 15,366 | 1,690 | 個人 AI 助理、私有化工作流、記憶與整合 |
| 2 | Imbad0202/academic-research-skills | Python | 10,194 | 1,302 | Claude Code 學術研究與論文工作流 |
| 3 | HKUDS/CLI-Anything | Python | 36,255 | 238 | 讓既有軟體變成 Agent-native CLI |
| 4 | K-Dense-AI/scientific-agent-skills | Python | 24,127 | 762 | 研究、工程、金融與寫作 Agent Skills |
| 5 | supertone-inc/supertonic | Swift | 7,942 | 827 | 地端多語 TTS，ONNX 原生推論 |
| 6 | ggml-org/llama.cpp | C++ | 110,735 | 179 | 經典地端 LLM 推論引擎 |
| 7 | ruvnet/RuView | Rust | 59,502 | 963 | Wi-Fi 訊號空間感知與生命徵象偵測 |
| 8 | CloakHQ/CloakBrowser | Python | 14,473 | 1,391 | 反偵測 Chromium、Playwright 替代方案 |
| 9 | tech-leads-club/agent-skills | TypeScript | 3,791 | 225 | 安全驗證型 AI coding agent 技能登錄中心 |
| 10 | BigBodyCobain/Shadowbroker | Python | 7,441 | 333 | 開源情報聚合與 AI 分析介面 |
| 11 | humanlayer/12-factor-agents | TypeScript | 20,197 | 359 | 生產級 LLM Agent 架構原則 |
| 12 | NVlabs/Sana | Python | 6,288 | 472 | 高解析影像生成模型 SANA |
| 13 | microsoft/ai-agents-for-beginners | Jupyter Notebook | 63,070 | 485 | Microsoft AI Agent 入門課程 |
| 14 | ZhuLinsen/daily_stock_analysis | Python | 36,742 | 290 | LLM 驅動的 A/H/美股分析系統 |
| 15 | plausible/analytics | Elixir | 25,700 | 186 | 隱私優先的開源網站分析工具 |
OpenHuman：強大的個人 AI 助理做記憶、整合與私有化
CyberQ 指出，openhuman 的爆紅並不意外。它的 README 將自己描述為一套開源的 agentic assistant，目標是融入使用者日常工作流。專案特別強調 UI-first、桌面體驗、Google Meet 參與、跨週期記憶、在背景持續思考，以及 Gmail、Notion、GitHub、Slack、Stripe、Calendar、Drive、Linear、Jira 等 118+ 第三方整合。
這裡真正值得觀察的，不只是「又一個個人 AI 助理」喔，而是它把幾個近期熱門方向綁在一起，比方說本地知識庫、Obsidian 風格 Markdown vault、SQLite 儲存、工具調用、語音、網頁擷取、模型路由與 token 壓縮。openhuman 的 README 甚至提到 TokenJuice 會在工具回傳、郵件內容、搜尋結果等資料進入 LLM 前先做壓縮處理，目標是降低成本與延遲。
對企業與進階使用者來說，能否安全地接上工作資料、能否長期維持上下文、能否把多個 SaaS 與本機知識庫變成 Agent 可操作的工作記憶，是我們在意的點。
Academic Research Skills：論文工作流開始被 Agent 化
Imbad0202/academic-research-skills 很符合最近學術與知識工作者的需求。它主打 Claude Code 的學術研究技能套件，涵蓋 research、write、review、revise、finalize 等流程，並提供 Claude Code CLI、VS Code、JetBrains 等環境的一行式 plugin 安裝方式。
這個專案特別有意思的地方，是它強調 human-in-the-loop，也就是由人類研究者主導問題定義、方法選擇與論證判斷，AI 則負責文獻整理、格式、引用檢查、邏輯一致性與品質審查。該專案開發者也明確列出 deep research、academic paper、academic paper reviewer、academic pipeline 等多組技能，學術工作流正在被拆解為可呼叫、可審查、可插拔的 Agent 模組。
對正在做論文、技術白皮書或產業研究的人來說，這類工具未必會取代研究能力，但很可能會改變教授、碩博生、研究員、研究助理們的工作型態。
CLI-Anything：讓所有軟體變成 Agent 可以操作的介面
HKUDS/CLI-Anything 真的頗有意思，總星數達 36,255 顆，是本期最值得長期追蹤的基礎設施型專案之一。它的核心主張很直接，今天的軟體主要服務人類，明天的使用者可能是 Agent，因此，既有軟體需要被包裝成 Agent 能理解、能測試、能自動調用的 CLI 介面。
該專案開發者提到 CLI-Hub 可透過 pip install cli-anything-hub 安裝，並用 cli-hub install 管理社群建立的 CLI。專案也支援 Claude Code、Pi Coding Agent、OpenCode、Goose、Qodercli、OpenClaw、Codex、GitHub Copilot CLI 等多種 Agent 或 coding assistant 工作流，甚至列出 GIMP、Blender、LibreOffice、n8n、Zotero、ComfyUI、AdGuard Home、Ollama 等軟體或服務的 CLI harness 範例。
這對 AIOps、資安與內部自動化場景很關鍵。企業內部過去常有大量 GUI-only 或半自動工具，若能轉成具備 JSON 輸出、測試案例、明確命令結構與權限邊界的 CLI，就能更安全地納入 Agent 自動化流程。
Supertonic 與 llama.cpp：地端推論仍是開源世界的基本盤
supertone-inc/supertonic 已累積到 7,942 顆星，今日新增 827 顆星。它主打 lightning-fast、on-device、多語 TTS，並透過 ONNX Runtime 在本機執行，不依賴雲端 API。README 顯示 Supertonic 支援 31 種語言、99M 參數 open-weight 模型、44.1kHz 音訊輸出，並提供 Python、Node.js、Browser WebGPU、Java、C++、C#、Go、Swift、iOS、Rust、Flutter 等多平台範例。
這個專案的走紅，近期語音模型「小型化、地端化、API 相容化」。README 的更新紀錄也提到 2026 年 5 月 18 日新增 local HTTP server，支援原生 /v1/tts 與 OpenAI-compatible /v1/audio/speech endpoint，這代表它可以更容易被本地 Agent、瀏覽器外掛、Electron App 或工作流自動化工具調用。
至於 ggml-org/llama.cpp 則是老牌地端 LLM 推論核心，本期仍有 110,735 顆星，和每日新增一百多的數字，即使新一波 Agent 應用層工具快速爆發，底層推論引擎依然是整個開源 AI 生態的基礎設施被人繼續關注著。
RuView、CloakBrowser、Shadowbroker：AI Agent 正走向感知、瀏覽器與 OSINT
本期也出現幾個非典型但很有信號價值的專案。之前 CyberQ 報導過多次的 ruvnet/RuView 繼續受人關注，它利用一般 Wi-Fi 訊號進行即時空間智慧、生命徵象監測與存在偵測，而且不需要影像畫面，它查詢時已有 59,502 顆星，今日新增 963 顆星。畢竟，AI 感知不一定只侷限於攝影機與影像模型，RF、Wi-Fi、感測資料也可能成為未來 Agent 的資料來源。
CloakHQ/CloakBrowser 則更偏向自動化瀏覽器與反偵測場景，專案描述為能通過 bot detection test 的 stealth Chromium，可作為 Playwright 的 drop-in replacement。查詢時它累積 14,473 顆星，今日新增 1,391 顆星，是本期單日新增星數第二高的專案之一。這類工具在資安、爬蟲、測試、自動化與反濫用偵測領域都有明顯雙面性。
BigBodyCobain/Shadowbroker 則把開源情報資料聚合到單一介面，包含企業或私人飛機、間諜衛星、地震事件等資料，並強調可接上 AI agent 進行資料關聯分析。它本期累積 7,441 顆星，今日新增 333 顆星。OSINT 與 Agent 結合正在升溫，但同樣牽涉資料來源、隱私、合法用途與誤判風險。
12-factor-agents：可上線的 Agent 工程
humanlayer/12-factor-agents 本期累積 20,197 顆星，今日新增 359 顆星。它的 README 以 12 Factor Apps 為精神來源，討論如何建立足以放到 production customer 手上的 LLM-powered software。專案主軸不是提供單一工具，而是整理 Agent 工程化原則，包含 memory、orchestration、RAG、prompt engineering、context-window 等議題。
這代表 Agent 開發已經走過第一波 demo 階段，我們會繼續關注之後的任務是否可重試、上下文是否可控、工具調用是否可觀測、失敗是否可回復、資料權限是否可審計。這與企業級 AIOps、SOC 自動化、內部 IT 工單處理、知識庫查詢、DevOps Runbook Agent 都高度相關。
Microsoft、NVIDIA 與 Plausible：大廠教育資源、影像生成與隱私分析仍有長尾熱度
microsoft/ai-agents-for-beginners 以 63,070 顆星位居本期後段高星數專案，今日仍新增 485 顆星。這類課程型 repo 的持續熱門，說明 AI Agent 的學習需求已從 early adopter 擴散到更大規模的開發者族群。
NVlabs/Sana 則代表影像生成模型仍有穩定關注，專案主打 Efficient High-Resolution Image Synthesis with Linear Diffusion Transformer，查詢時累積 6,288 顆星，今日新增 472 顆星。雖然本期主戰場在 Agent，但高解析影像生成、低成本擴散模型與多模態工作流仍是開源 AI 的重要支線。
plausible/analytics 有25,700 顆星、今日新增 186 顆星，它不是 AI 專案，而是隱私優先、可自架的網站分析工具，在 AI 工具狂潮之外，開源社群對隱私、可自架、去中心化 SaaS 替代品仍有穩定需求。
CyberQ 觀點：Agent 工作流商品化
上一期 Vol.14 也有觀察本地算力與開源 Agent 生態的擴張，Vol.15 則繼續延伸 AI Agent 的價值，持續在進化與轉變，我們一位資深工程師就嘆息道，因為 AI 的導入，產品迭代和開發變快，很多專案的巧思和速度真的比以往要快，這個時代真的不一樣了。。
本期另一個值得關注的是多個熱門專案剛好拼出一條完整工作流鏈路：
個人 AI 助理需要長期記憶與私有化整合，openhuman 代表這條線。研究與寫作流程需要可審查的技能包，academic-research-skills 與 scientific-agent-skills 代表這條線。既有軟體需要轉成 Agent 可調用的 CLI，CLI-Anything 代表這條線。企業落地需要 production-grade 原則，12-factor-agents 代表這條線。地端語音、地端 LLM 與自架分析工具則構成整個私有化 AI 工作流的底層支撐。
這也是看完本期 GitHub 趨勢周報 Vol.15 最值得的未來想像，AI Agent 越來越能被企業放心交付工作技能，我們要怎樣面對才好呢 ?
