GitHub开源项目日报 · 2026年7月6日 · AI代理技能集受追捧

本期GitHub热门项目以AI编码代理技能和工具为主，涵盖前端设计、多代理协作、社交媒体搜索等方向。星数过万的项目超过十个，而每日增长破百星的包括agent-skills、taste-skill、last30days-skill等。agent-skills为编码代理注入Google工程实践，taste-skill提升前端设计品位，两者增速均突破400星/天。Firecrawl凭145k星和日增近180星成数据抓取热门；wifi-densepose用WiFi实现无摄像头感知。Awesome精选列表以48万星居首，但整体热度集中在AI代理生态，从代码审查到视频理解，工具链日趋丰富。

根据Github Trendings的统计，共有以下项目上榜：

Rank 1 - 主流AI聊天机器人系统提示指令集

• 项目路径：asgeirtj/system_prompts_leaks
• 创建时间：创建于1年前
• 项目成长：平均每天获得118.8个星星
• 开发语言：JavaScript, Python
• 协议类型：Creative Commons Zero v1.0 Universal
• Star数量：50958 个
• Fork数量：8308 次
• 贡献人数：20 人
• Open Issues数量：33 个
• Github地址：https://github.com/asgeirtj/system_prompts_leaks.git

关键词: 系统提示, AI聊天机器人, 透明度, Claude, ChatGPT, Gemini, Grok, Copilot, 模型对齐, 安全审核, 行为指令

趋势变化

上一次上榜时间：2026-07-05，Star 增长：+1407 (+2.8%)

项目简介

该项目持续收集并公开各大AI模型（如Claude、ChatGPT、Gemini、Grok等）的系统提示，记录其背后的行为规则、限制和默认指令。这些提示原本是厂商隐藏的内部设定，通过提取与整理，项目为研究人员、开发者和公众提供了一个了解AI行为逻辑的透明窗口，有助于揭示不同模型的设计偏好与安全策略差异。

AI聊天机器人的系统提示决定了其回答的语气、约束和可用工具，但多数厂商并不公开这些内容，导致用户无法理解模型为何会以特定方式响应或拒绝某些请求。这种不透明阻碍了针对AI行为的学术研究、安全审计和跨模型对比。该项目通过收集并标准化这些隐藏指令，降低了获取门槛，为透明度研究和模型行为分析提供了基础素材，同时也帮助普通用户意识到AI并非中立，而是内置了具体的规则和限制。

应用场景

• 安全研究人员可横向对比不同厂商对暴力、色情、政治等敏感内容的处理策略，发现潜在的审核漏洞或不一致之处。例如，通过对比Claude和ChatGPT在同样请求下的拒绝理由，评估其安全护栏的有效性，并将发现反馈给厂商以改进模型安全性。
• 学术团队在研究大语言模型的对齐（alignment）技术时，可以将这些系统提示作为真实案例，分析各家如何通过提示工程实现内容过滤、角色扮演或工具调用。这些提示也能作为教学材料，帮助学生理解在实际产品中如何平衡有用性与安全性。
• 开发者在构建基于这些模型的应用时，需要清楚模型的默认行为边界，以便设计合适的用户引导或补偿机制。例如，在集成Copilot或Cursor的编程助手时，了解其内置的系统指令有助于避免与自身应用的提示模板冲突，并最大化模型能力。
• 普通用户或记者在调查AI聊天机器人的偏见或审查机制时，可以利用该数据集快速定位关键约束语句，无需自行提取。这降低了非技术用户理解AI运作的门槛，有助于公众监督和推动AI透明度的讨论。

Rank 2 - 面向AI编码代理的生产级工程技能集

• 项目路径：addyosmani/agent-skills
• 创建时间：创建于140天前
• 项目成长：平均每天获得503.2个星星
• 开发语言：Shell, JavaScript
• 协议类型：MIT License
• Star数量：70443 个
• Fork数量：7632 次
• 贡献人数：41 人
• Open Issues数量：135 个
• Github地址：https://github.com/addyosmani/agent-skills.git

关键词: AI编码代理, 软件工程技能, 工作流自动化, 规范驱动开发, 测试驱动开发, 代码审查, CI/CD, 性能优化, 安全加固, Google工程实践

趋势变化

上一次上榜时间：2026-06-21，Star 增长：+5852 (+9.1%)

项目简介

该项目为AI编码代理提供了一套结构化的技能集合，覆盖从需求定义、规划、构建、验证、审查到发布的完整软件开发生命周期。每个技能都是一个有步骤、验证关卡和反合理化检查的工作流程，内嵌来自Google工程实践的最佳原则，如规范先行、测试驱动、代码审查、安全加固等。通过将这些技能注入AI代理的上下文中，确保代理在编码时遵循资深工程师的纪律，产出符合生产质量标准的软件，避免代理因追求捷径而跳过关键质量环节。

AI编码代理倾向于选择阻力最小的路径，经常省略编写规格、测试、安全审查等保障软件可靠性的关键步骤，产生的代码往往只是原型质量，难以直接用于生产环境。该项目直接针对这一痛点，将资深工程师在真实项目中积累的流程与审查判断编码为标准化的工作流，强制代理在合适的时机执行正确的实践，例如在编码前先定义规格、在修改行为时编写测试、合并前执行多维度代码审查等。从而使得AI辅助编程不再停留在“快速但脆弱”的阶段，而是能够产出符合团队规范、经过验证、可维护且安全的生产级代码。

应用场景

• 在企业级软件团队中，成员使用AI编码助手（如Claude Code、Cursor等）加速功能开发。团队成员通过调用‘/spec’命令启动需求澄清与PRD编写技能，确保需求明确；随后‘/plan’将规格分解为可验证的小任务；‘/build’执行增量实施，每步都经过测试驱动；‘/review’进行代码审查与质量把关；最后‘/ship’阶段处理CI/CD、发布清单与监控。整个过程自动化且遵循团队既有标准，显著减少人工把关成本，同时保证交付质量。
• 个人开发者或开源贡献者使用AI编码代理开发个人项目时，往往缺乏严格的流程意识。借助该技能集，他们可以在初始阶段使用‘/idea-refine’和‘/interview-me’澄清模糊想法；开发过程中通过‘/build auto’自动生成计划并实施任务，但仍维持测试驱动与逐提交的验证，避免一次性生成大量未经测试的代码；代码简化与安全检查技能帮助优化早期版本。这样即使单人开发，也能产出结构清晰、测试完备的项目，降低后期维护成本。
• 在技术教学场景中，导师可以引导学员使用该技能集来模拟企业级开发流程。学员借助代理执行‘/plan’学习任务分解，通过‘/test’理解测试金字塔与TDD，利用‘/code-review’实践代码审查规范。技能文档中嵌入的反合理化表（如“我稍后再加测试”的反驳）有助于培养正确的工程思维，让学员在AI辅助下快速掌握生产级实践。
• 特定行业如金融、医疗或基础设施类应用对代码可靠性与安全性要求极高。开发团队在引入AI辅助时，利用‘security-and-hardening’技能强制执行OWASP Top 10防护、依赖审计等；‘doubt-driven-development’技能在高风险决策时引入对抗性审查；‘observability-and-instrumentation’确保有充分的监控与告警。这套组合使得在严格合规环境下也能安全地使用AI代理加速开发，而不会因为自动生成代码引入漏洞。

Rank 3 - 隐私优先的本地AI会议助手Meetily

• 项目路径：Zackriya-Solutions/meetily
• 创建时间：创建于1年前
• 项目成长：平均每天获得33.6个星星
• 开发语言：Rust, TypeScript
• 协议类型：MIT License
• Star数量：18697 个
• Fork数量：1905 次
• 贡献人数：11 人
• Open Issues数量：250 个
• Github地址：https://github.com/Zackriya-Solutions/meetily.git
• 项目首页: https://meetily.ai

关键词: Rust, Tauri, Whisper, Parakeet, Ollama, 本地AI, 实时转写, 说话人分离, 会议摘要, 隐私优先, 开源, 自托管, macOS, Windows, Linux, CUDA, Metal, ONNX

趋势变化

上一次上榜时间：2026-07-05，St