GitHub 開源週報 2026-07-22：工程 Skills 登頂，AI 工具開始對成品品質負責
資料期間：2026-07-15 ～ 2026-07-22（Rolling 7 天） 來源：GitHub Trending weekly + monthly、GitHub Search API、GitHub REST API、HN Algolia
TL;DR：本週增量冠軍 mattpocock/skills 新增 10,651 星，Skills 已不只是幾段提示詞，而是把診斷、規格、測試與交付拆成可組合方法。第二條線更貼近日常成果，Hallmark、OpenCut、img2threejs 與 Wardrobe 都在處理「做出來之後好不好用、好不好看」。但新 repo 榜也有金融與隱私風險高的工具，這份榜單是探索入口，不是安全背書。
📈 Fastest Growing，本週星星增量 Top 10
🔁 代表同時出現在月度趨勢，所有星數均取自 2026-07-22 本次抓取 JSON。
| # | 專案 | +Stars/週 | 總 Stars | 語言 | 建立 |
|---|---|---|---|---|---|
| 1 | mattpocock/skills | +10,651 | 181,017 | Shell | 2026-02-03 |
| 2 🔁 | Nutlope/hallmark | +8,948 | 15,132 | CSS | 2026-04-27 |
| 3 🔁 | OpenCut-app/OpenCut | +8,341 | 77,181 | TypeScript | 2025-06-22 |
| 4 🔁 | stablyai/orca | +5,733 | 25,319 | TypeScript | 2026-03-17 |
| 5 | Shubhamsaboo/awesome-llm-apps | +5,385 | 125,937 | Python | 2024-04-29 |
| 6 | tirth8205/code-review-graph | +4,791 | 24,827 | Python | 2026-02-26 |
| 7 🔁 | iOfficeAI/OfficeCLI | +4,047 | 20,755 | C# | 2026-03-15 |
| 8 | HKUDS/Vibe-Trading | +3,679 | 26,220 | Python | 2026-04-01 |
| 9 | earendil-works/pi | +3,569 | 74,980 | TypeScript | 2025-08-09 |
| 10 | HKUDS/DeepTutor | +2,908 | 28,925 | Python | 2025-12-28 |
🆕 Top New Repos，本週新誕生 Top 10
GitHub Search API 查詢
created:2026-07-15..2026-07-22，依抓取當下總星數排序。新專案歷史短，星數更不等於程式碼經過安全審查。
| # | 專案 | 總 Stars | 語言 | 建立日期 |
|---|---|---|---|---|
| 1 | Fei-Away/Codex-Dream-Skin | 11,637 | JavaScript | 2026-07-15 |
| 2 | lopopolo/harness-engineering | 1,839 | Python | 2026-07-18 |
| 3 | hoainho/img2threejs | 1,599 | Python | 2026-07-15 |
| 4 | tandpfun/wardrobe | 1,292 | JavaScript | 2026-07-16 |
| 5 | pablostanley/yoinks | 979 | TypeScript | 2026-07-16 |
| 6 | nethical6/conversation-steganography | 919 | Go | 2026-07-17 |
| 7 | v-modal/vmodal_sdk_flutter | 800 | Dart | 2026-07-16 |
| 8 | MIgHTy-alIeN/MEV-Arbitrage-Bot | 739 | Solidity | 2026-07-17 |
| 9 | Blueturboguy07/cue | 706 | JavaScript | 2026-07-15 |
| 10 | Blaizzy/nativ | 660 | Swift | 2026-07-20 |
本週焦點，Fastest Growing Top 10
📈 #1 mattpocock/skills，把資深工程方法裝進 Agent
Skills for Real Engineers. Straight from my .agents directory.
本週 +10,651 ★｜總 ★181,017｜Shell｜MIT
這個專案的價值不在「又一包 prompts」，而在刻意把工程決策拆小。README 明確反對讓單一流程全面接管開發，主張 skills 應該小、可修改、可組合，而且不綁模型。安裝後先跑 setup，讓 agent 知道團隊用哪種 issue tracker、label 詞彙和文件位置，再按任務選 triage、diagnose、TDD 等能力。
如果你已在 Claude Code、Codex 或其他 coding agent 裡工作，這類設計最值得借鏡的是「把組織習慣寫成可查、可執行的環境」。但不要整包照抄，先挑一個反覆出錯的流程，例如 bug 診斷或 PR 驗證，觀察它是否真的減少返工。
📈 #2 🔁 Nutlope/hallmark，先擋掉 AI 味，再交付 UI
Anti-AI-slop design skill for Claude Code, Cursor, and Codex.
本週 +8,948 ★｜總 ★15,132｜CSS｜MIT
Hallmark 把「看起來像 AI 做的網站」變成明確檢查。官方 README 描述 20 種 themes、57 個 slop-test gates，加上輸出前自我審查，並提供 build、audit、redesign、study 四種用法。它想解決的不是 CSS 寫不出來，而是不同 brief 最後都變成同一種漸層、卡片和字型組合。
對非設計師最實用的入口是 audit，先讓它列出既有頁面的反模式，不直接改程式。要注意的是，「不 AI 味」仍是設計主張，不等同無障礙、品牌一致或轉換率有保證，最後仍要用真實裝置與讀者測試。
📈 #3 🔁 OpenCut，開源影片剪輯器正處於重寫期
The open-source CapCut alternative.
本週 +8,341 ★｜總 ★77,181｜TypeScript｜MIT
OpenCut 想做跨 web、desktop、mobile 的自由開源剪輯器，長期方向包含 Rust core、plugin-first 架構、headless 批次渲染與 MCP server。這很適合不想把素材和工作流鎖在單一商業平台的人。
但官方 README 也寫得很清楚，目前主線正在從頭重寫，今天要穩定使用應選 classic 版本，線上站點也仍跑 classic。這是本週最重要的成熟度提醒，看到 77,181 星不要直接把新架構當成已完成產品。
📈 #4 🔁 stablyai/orca，平行 Agent 工作台
Run Codex, Claude Code, OpenCode or Pi side-by-side, each in its own worktree.
本週 +5,733 ★｜總 ★25,319｜TypeScript｜MIT
Orca 把多個 coding agents 放進同一個工作台，每個任務用獨立 git worktree，並可從手機監看與補充指令。它解決的是「我可以同時開很多 terminal，但不知道哪個 agent 在等我、哪個改了什麼」。
這對已有多 agent 工作習慣的人很直接。新手則應先從兩個 agent、兩個清楚邊界的任務開始，因為並行不會自動消除 merge conflict，也不會替你判斷哪份輸出正確。
📈 #5 awesome-llm-apps，範例庫成為 Agent 實驗入口
100+ open-source AI agents, agent skills, and RAG apps.
本週 +5,385 ★｜總 ★125,937｜Python｜Apache-2.0
這是一個可執行的應用範例集合，涵蓋 agents、skills、RAG、語音與多家模型。它適合拿來比較同一問題有哪些組裝方式，或快速做 proof of concept。
使用時要把每個子目錄當獨立專案重新審查，包含依賴、資料流、API 費用與授權。大型 awesome list 的星數代表發現性很強，不代表其中每個範例都具有同樣維護品質。
📈 #6 code-review-graph，先畫程式關係再請 AI review
Local-first code intelligence graph for MCP and CLI.
本週 +4,791 ★｜總 ★24,827｜Python｜MIT
code-review-graph 用 tree-sitter 建立持久化程式碼關係圖，讓 MCP 或 CLI 查詢相關檔案，而非把整個 repo 塞進模型。官方提供 usage、commands、benchmark 重現與 GitHub Action 文件，這比只寫「省 token」更容易自行驗證。
值得測試的指標不是宣傳百分比，而是你自己的大型 repo 中，review 漏報率、讀取檔案數與完成時間是否改善。對小專案來說，建立與維護索引可能反而多一層成本。
📈 #7 🔁 OfficeCLI，讓 Agent 看得到 Office 成品
Read, edit, and automate Word, Excel, and PowerPoint files.
本週 +4,047 ★｜總 ★20,755｜C#｜Apache-2.0
OfficeCLI 的核心不是只有寫 XML，而是內建 HTML rendering，把 docx、xlsx、pptx 轉成 HTML 或 PNG，讓 agent 可以「渲染、查看、修正」。它以單一 binary、免安裝 Microsoft Office 為主張，適合報告、簡報與試算表自動化。
HN 討論取得 215 點、62 則留言，核心疑問集中在複雜文件的相容性與渲染準確度。若要拿來做客戶文件，先用自己的模板建立 regression samples，不要只測一份簡單簡報。
📈 #8 Vibe-Trading，把研究、回測與 Agent 串起來
Your Personal Trading Agent.
本週 +3,679 ★｜總 ★26,220｜Python｜MIT
Vibe-Trading 以 Python、FastAPI、React 與 MCP 組成個人交易研究環境，官方定位包含資料分析、回測與 agent 能力。它適合研究「如何把多步驟金融工作流工具化」，不是保證獲利的投資產品。
真實使用前應隔離 API keys、從 paper trading 開始，並自行查清資料源授權、滑價與交易成本。模型輸出和回測結果都可能錯，不能把 repo 星數當成投資績效證明。
📈 #9 pi，可擴充的 Agent harness，也坦白揭露權限邊界
Unified LLM API, agent loop, TUI, coding agent CLI.
本週 +3,569 ★｜總 ★74,980｜TypeScript｜MIT
Pi 將統一模型 API、agent runtime、coding CLI 與 terminal UI 分成套件，方便只採用需要的層。它的 README 還有一段很重要的安全聲明，Pi 本身不提供限制 filesystem、process、network 或 credentials 的內建權限系統，預設沿用啟動它的使用者權限。
這種透明揭露比「完全安全」更有價值。若你要在工作機跑，應用 OS 帳號、容器或 sandbox 做真正隔離，而不是把確認提示當安全邊界。
📈 #10 DeepTutor，從一次問答走向長期學習
Lifelong Personalized Tutoring.
本週 +2,908 ★｜總 ★28,925｜Python｜Apache-2.0
DeepTutor 的官方 repo 提供多語文件、論文與 release 入口，定位是可持續追蹤學習狀態的個人 tutor，而不只是一次性解題聊天。對讀者最實際的判斷是：你需要的是某題解法，還是會保留進度、調整難度的長期系統。
若用於正式課程，仍要由教師或可靠教材核對答案，尤其是數學推導與引用。個人化不等於正確，也不應取代專業教學判斷。
本週焦點，Top New Repos Top 10
🆕 #1 Codex-Dream-Skin，替 Codex Desktop 換主題
這個工具透過本機 CDP 注入替 Codex 桌面版換膚，README 強調不修改官方安裝包，且明確標示非 OpenAI 官方產品。★11,637｜JavaScript｜無可辨識授權｜建立 2026-07-15。因為它會接觸桌面 app 的偵錯介面，安裝前要先讀腳本；沒有授權也表示再散布與改作權利不清楚。
🆕 #2 harness-engineering，讓 repo 自己教 Agent 怎麼工作
Ryan Lopopolo 把文章、演講、領域建模與 agent context 整成 field guide，核心是固定模型與 coding agent，把改善集中在 context、tools、constraints 與可執行驗證。★1,839｜Python｜CC-BY-4.0｜建立 2026-07-18。HN 取得 78 點、33 則留言，這是新榜中少數有明確相關討論的專案。
🆕 #3 img2threejs，參考圖重建為可編輯 Three.js 程式
它不是 photogrammetry，而是把單張參考圖重建為 primitives、procedural shaders 與 generated geometry，輸出可旋轉、可讀原始碼的 Three.js 模型。★1,599｜Python｜MIT｜建立 2026-07-15。適合低多邊形物件、產品示意與互動網頁原型，不適合要求照片級還原的掃描工作。
🆕 #4 wardrobe，用自己的衣服生成可搜尋衣櫥
Wardrobe 讓你匯入衣服照片，再透過 gpt-image 生成整理後的單品照與穿搭 lookbook；需自行提供 OpenAI API key 與人物參考 PNG。★1,292｜JavaScript｜MIT｜建立 2026-07-16。這是很生活化的 Agent 用例，但服裝和人物照片屬敏感個人資料，應先確認檔案放哪裡、哪些內容會送到 API。
🆕 #5 yoinks，terminal 裡的影片下載介面
yoinks 包裝 yt-dlp 與 ffmpeg，支援 README 所稱的 1,800 多個站點，提供解析度和音訊格式選擇。★979｜TypeScript｜MIT｜建立 2026-07-16。工具能下載不代表你取得內容權利，請只處理自己擁有、獲授權或平台條款允許下載的素材。
🆕 #6 conversation-steganography，研究型隱寫 PoC
這個 Go 專案用本機模型把加密訊息包裝成一般對話，作者也在 README 明確說它是 proof of concept，存在多個問題，且已有偵測隱寫內容的研究。★919｜Go｜GPL-3.0｜建立 2026-07-17。它適合安全研究，不應被描述為不可偵測或「完全私密」。
🆕 #7 vmodal_sdk_flutter，Flutter 多模態影片搜尋 SDK
SDK 封裝語意、語音文字、OCR、上傳進度與取消操作，UI 和登入流程留給 app 自己處理。★800｜Dart｜MIT｜建立 2026-07-16。它是遠端 gateway 的 client SDK，不是完全本機搜尋，採用前應查明服務端價格、資料保存與索引位置。
🆕 #8 MEV-Arbitrage-Bot，高財務風險，榜上有名不等於可部署
README 要求把 Solidity contract 部署並存入資產，還連到第三方頁面。★739｜Solidity｜未確認授權｜建立 2026-07-17。這類 repo 涉及不可逆鏈上交易、合約權限與資金損失，本週報不推薦執行或匯入錢包。若做安全研究，也應先離線審計原始碼與部署地址。
🆕 #9 cue，會議 Copilot 的便利與同意風險
cue 擷取螢幕、麥克風與會議音訊來即時回答，README 明確承認「避開 screen share」只是 best effort，也警告考試、面試、錄影會議可能違反規則或同意法。★706｜JavaScript｜GPL-3.0｜建立 2026-07-15。它較合理的用途是自己的筆記、練習與無障礙輔助，錄音前必須取得參與者同意。
🆕 #10 nativ，Apple silicon 上的本機模型工作台
nativ 用 SwiftUI 整合 MLX 模型管理、聊天、效能監控，以及 OpenAI、Anthropic 相容的本機 API，並可讓 Codex、Claude Code、Pi 等工具連到本機模型。★660｜Swift｜MIT｜建立 2026-07-20。官方要求 Apple silicon 與 macOS 26+；推論可在本機，但下載模型與首次建置仍需網路。
月度趨勢對照
本週有四個 Fastest Growing 專案也在月榜：Hallmark、OpenCut、Orca、OfficeCLI。共同點是它們都有可看見的使用介面或成品，使用者不只讀 README，而能立刻判斷「這有沒有讓我的網站、影片、Agent 工作台或文件變好」。
相較之下，單週冠軍 mattpocock/skills 沒有月榜標記。這不否定它的熱度，只表示依本次 weekly/monthly 快照，它是更集中於本週的增量訊號。週榜適合發現，月榜適合觀察持續性，兩者都不能替代實測。
本週趨勢洞察
Skills 正從提示詞收藏，變成可驗證的工作方法。 mattpocock/skills、Hallmark、code-review-graph 與 harness-engineering 分別處理流程、設計品質、程式關係與組織約束。下一輪競爭不只是哪個模型更強，而是哪套環境能讓同一模型穩定交付。
AI 工具開始對最後一哩負責。 OfficeCLI 強調 render-look-fix，OpenCut 規劃 headless 與 plugins，img2threejs 輸出可執行幾何，Wardrobe 直接生成可用 lookbook。對一般使用者而言，這比模型 benchmark 更有感，因為你能看到、修改並帶走成品。
新 repo 排名需要風險標籤。 本週同時出現 MEV bot、隱寫訊息與隱藏式會議助理。它們可能有研究價值，但財務、隱私、同意與平台條款風險遠高於一般開發工具。最實用的習慣是先看 license、權限、資料流與官方 caveat，再決定要不要 clone。
我會先試哪三個？
如果是工作，我會先用 Hallmark 的 audit 模式檢查一個既有頁面，再用 code-review-graph 在大型 repo 做一次有對照組的 review。生活應用則是 Wardrobe，但只會拿非敏感測試照，先看 API 實際上傳什麼。至於金融 bot 或「不會被發現」的會議工具，我不會因為上榜就安裝，因為那類錯誤的代價遠大於省下的時間。
這篇文章對你有幫助嗎？
