统计窗口：2026-10-16 ~ 10-18（周末上游供给偏薄，沿用近 3 日窗口）。
已与 10-16、10-17 两期推送黑名单去重；仍在榜首的旧项目（rea、ECC、orca、OpenShell、moli、iFixAi 等）本期不再展开。
① AI Coding / 编程智能体与技能生态
- mattpocock/skills — TypeScript 教育者 Matt Pocock 把自己日常
.claude目录的 Skills 开源，纯 Shell、无框架，约 15.6 万 Star、每日仍 +1000。覆盖 TDD、bug 诊断、代码审查、架构拆分、交接等"工程判断力"技能包。
https://github.com/mattpocock/skills
- deepseek-ai/deepseek-harness — DeepSeek 官方开源 Agent Harness，口号"Everything is a Plugin"（Cordis/DSH 插件架构），24 万+ Star、当日 +1.1K。大模型厂首次亲自下场做插件化 Agent 运行时。
https://github.com/deepseek-ai/deepseek-harness
- DietrichGebert/ponytail — "让你的 AI Agent 像房间里最懒的资深工程师一样思考"：好代码是不写的代码。一个反直觉的极简主义 Agent 技能集，15 万 Star。
https://github.com/DietrichGebert/ponytail
- msitarzewski/agency-agents — "一家完整的 AI 公司装进终端"：从前端、测试到 Reddit 社区运营，每个 Agent 都是带人格、流程和交付物的专家角色，16 万 Star。
https://github.com/msitarzewski/agency-agents
- latent-spaces/brag — 一条命令把刚写完的项目变成可分享的发布短视频，基于 Claude Skills + hyperframes，1.6 万 Star。技能链从"写代码"延伸到"做传播"。
https://github.com/latent-spaces/brag
- heygen-com/hyperframes — "写 HTML，渲染视频，为 Agent 而生"：把视频输出变成 Agent 的原生能力（内置 ffmpeg 流水线），6.4 万 Star，是多个爆款 Agent 项目的底层依赖。
https://github.com/heygen-com/hyperframes
- 备注：Warp 终端改造为 Agent 开发环境（单日 +1.28 万 Star）、GitNexus（浏览器端代码知识图谱）持续在榜，属旧项目二次发酵，不重复展开。
② 医学 / 临床研究 AI 与 Agent 技能库
- actava-ai/chi-bench（Χ-Bench） — 新基准：AI Agent 能否端到端自动化"长周期、强政策约束"的医疗工作流（以 prior authorization 为主战场），10-16 更新。补上了上期 ReviewPilot 之后"医疗流程自动化到底行不行"的量化标尺。
https://github.com/actava-ai/chi-bench
- REAL-Lab-NU/MedicalHarness — 论文 MedicalHarness（arXiv:2610.05778）代码与数据：控制变量比较 5 个开源模型 × 5 种 Agent Harness 在 107 项医疗任务上的表现，发现 harness 及其与模型的交互贡献约 1/4 的结果方差。
https://github.com/REAL-Lab-NU/MedicalHarness
- thetahealth/mirobody-env（HAEnv） — 用代码生成带"金标准"的合成纵向病人数据，专门评测健康 Agent 的时间维度能力（10-15 更新）。医疗评测从"单轮问答"走向"长期随访轨迹"。
https://github.com/thetahealth/mirobody-env
- ajhcs/healthcare-agents — 51 个美国医疗行政场景专科 Agent 的提示词 + SKILL.md 便携包（编码、保险、日程、合规等），10-12 更新。医疗 Agent 技能库从"临床科研"下沉到"行政事务"。
https://github.com/ajhcs/healthcare-agents
- HealthRex/PhysicianBench — 斯坦福 HealthRex 组的真实 EHR 环境中评测 LLM Agent 的基准与评测框架，为"EHR Agent"提供了可复现的任务场。
https://github.com/HealthRex/PhysicianBench
- nickzren/biomed-agent — 面向 Claude Code / Codex 的生物医学研究工作台：统一注册 OpenTargets、Monarch、MyGene/MyChem/MyDisease 五个 MCP 服务器，带诊断 CLI 与"有源可查"的研究工作流技能。
https://github.com/nickzren/biomed-agent
③ 健康管理 / 营养与食品 AI
- akutishevsky/nutrition-mcp — 对话式个人营养追踪 MCP 服务器：拍照/文本记餐、条码查询（Open Food Facts）、水/体重/围度记录、目标管理，并可直接导入 MyFitnessPal、Cronometer、Lose It!、MacroFactor 的 CSV 导出。作者的口号是"用一个 MCP Server 干掉 MyFitnessPal"。
https://github.com/akutishevsky/nutrition-mcp
- the-momentum/open-wearables — 自托管可穿戴健康数据统一平台（2.7k Star，10-15 更新）：把 Apple Watch、Garmin、Polar、Whoop、Suunto 等多品牌数据收进一个"AI-ready API"，由原 Apple Health MCP Server 演化而来。
https://github.com/the-momentum/open-wearables
- health-export-mcp（MetricBridge） — 零依赖 Node.js 的 Apple Health MCP：iOS 伴侣 App 自动同步 190 项 HealthKit 指标为 JSON，
npx -y health-export-mcp两分钟接入，对比 Docker+DuckDB+手动导出 XML 的传统方案，把接入成本从 15 分钟压到 2 分钟（npm 包，仓库同名）。 - cphoskins/cronometer-mcp — 拉取 Cronometer 营养日志（宏量营养素 + 微量营养素）的 MCP 服务器，10-07 上架。专业营养数据库开始接进 Agent 生态。
https://github.com/cphoskins/cronometer-mcp
- neiltron/apple-health-mcp — 本地优先（local-first）的 Apple Health MCP 服务器，DuckDB 做查询引擎，AI 直接回答睡眠、运动、心率问题，570+ Star。
https://github.com/neiltron/apple-health-mcp
- vitalvie/vital — "和你的身体对话"：Alan × Mistral AI 健康 Hackathon 的语音优先健康助手（Apple Watch + 语音），10-09 更新，代表健康交互从"看面板"转向"开口问"。
https://github.com/vitalvie/vital
④ 模型底座与 Agent 基础设施
- vllm-project/semantic-router（Decision 3.0） — 六个开放多模态"决策模型"（d3 26B ~ d3-edge 0.6B，Apache-2.0，基于 Qwen3.5/3.8）悄悄登上 Hugging Face：不生成文本，而是对选择题/是否题/评分题直接输出各选项概率分布，五/六个支持图像视频输入。
https://github.com/vllm-project/semantic-router
- strands-labs/strands-decider — Amazon Strands Decider 2B：把语言头换成约 100 万参数"指针头"，只做"从候选里选一个 + 置信度打分"，毫秒级返回，Apache-2.0，可跑在笔记本 CPU 上。与上条同属"非生成式决策模型"新物种。
https://github.com/strands-labs/strands-decider
- Niko1221/Strata — 在消费级硬件上一键跑 Qwen3.8-Flash-Next 的推理引擎（Windows/Linux 一键安装、本地 OpenAI/Anthropic 兼容 API、可选图像输入），22.7k Star、当日 +2.6K。本地大模型部署正在"傻瓜化"。
https://github.com/Niko1221/Strata
- debpalash/VoiceStudio — 完全本地的 ElevenLabs 替代品：声音克隆、配音、转写、有声书制作，支持 646 种语言，单日 +3.5k Star。语音 AI 的开源平替也进入"全本地"阶段。
https://github.com/debpalash/VoiceStudio
- Index-Translate-35B-A3B-preview（Bilibili Index 团队） — 35B 总参/3B 激活的稀疏翻译 MoE，覆盖 150 种语言、262K 上下文，Apache-2.0 预览权重已在 Hugging Face 放出（评测数字均为自报，未经第三方复现；GitHub 仓库以 HF 模型卡链接为准）。
本期精选（4 条，说明为什么值得关注）
1. deepseek-ai/deepseek-harness：模型厂亲自下场做"插件化 Agent 运行时"
https://github.com/deepseek-ai/deepseek-harness
DeepSeek 官方开源的 Agent Harness 提出核心理念 "Everything is a Plugin"（Cordis/DSH 插件体系），24 万 Star 的体量说明这不是实验品。值得关注的原因：前两期观察到"Skill/MCP 成为分发单位"是社区自发的生态演化，而这次是头部开源模型厂把插件化直接做成官方架构承诺——意味着 Agent 工具链正从"拼装玩具"进入"平台级基础设施"阶段。对你的 AI Coding 工作流而言，插件优先的 harness 意味着医疗/营养类技能（如医学技能库）未来可以更平滑地挂载到不同底座上。
2. mattpocock/skills：156k Star 证明"方法论 > 模型"
https://github.com/mattpocock/skills
一个纯 Shell 写的 .claude 目录技能包冲到 15.6 万 Star、还在以每天 +1000 的速度增长，没有框架、没有公司、没有融资。值得关注的原因：它瞄准编码 Agent 真正翻车的四个点——理解偏差、输出啰嗦、代码跑不起来、架构腐烂，分别对应 grill-with-docs、tdd、diagnosing-bugs、improve-codebase-architecture 等命令。瓶颈早已不在模型，而在工程判断力的封装。这套技能可直接 npx skills add mattpocock/skills 安装，是普通人"白嫖资深工程师工作流"成本最低的方式。
3. MedicalHarness：医疗 Agent 的分数，四分之一是 Harness 的功劳
https://github.com/REAL-Lab-NU/MedicalHarness
西北大学团队的受控实验（arXiv:2610.05778）：固定模型只换 Harness，发现 harness 及其与模型的交互解释了约 25% 的医疗任务结果方差，且没有任何一个 Harness 在所有模型和任务上通吃。值得关注的原因：这给前两期的观察（"医学 AI 焦点从答得对转向说得清"）补上了量化证据——今后看到任何"医疗 Agent 达到 XX 分"的宣传，都要先问一句"用的什么 Harness"。如果你在评估医疗/健康类 Agent 产品，这是最该读的一篇方法论文；同时也暗示医疗 Agent 优化的最大低成本杠杆可能在脚手架而非换模型。
4. 营养/健康数据层进入"统一平台 + 对话即 UI"第二阶段
https://github.com/akutishevsky/nutrition-mcp 、 https://github.com/the-momentum/open-wearables
上期观察到"健康数据 MCP 化集群"（十几个单点 MCP 服务器），本期出现两个标志性进化：① nutrition-mcp 用一个对话式 MCP 服务器替代整个 MyFitnessPal——记餐（支持拍照/条码）、目标、趋势全靠聊天完成，还能无缝导入四大主流饮食 App 的历史数据，迁移成本几乎归零；② open-wearables 从 Apple-Health-only 的脚本进化为自托管多品牌（Garmin/Polar/Whoop/Suunto）统一 API 平台。值得关注的原因：营养追踪类应用的用户粘性壁垒正在被"数据可携带性 + 对话式交互"瓦解，个人健康数据的主权（self-host、local-first）成为默认架构选择。这与你的营养/健康管理业务方向直接相关：值得评估把 nutrition-mcp 的导入器设计思路和数据模型作为自建系统的参考。
观察与趋势
- 技能库的"人格化"：mattpocock/skills、agency-agents、ponytail 共同说明——Agent 技能正在从"工具说明书"演化为"可安装的工程人格/方法论"，个人
.claude目录成为新的技术资产形态。 - 决策模型成为新物种：vllm-sr Decision 3.0 与 Amazon Strands Decider 同期出现，"不生成 token、只输出选择+置信度"的模型层正在独立成型，Agent 的每一步路由可能由一个 2B 小模型完成，成本曲线将被重写。
- 医疗评测进入"三维时代"：模型 × Harness（MedicalHarness）× 时间（HAEnv 纵向合成病人）——单轮问答基准正在过时。
- 健康数据层收敛：十几个单点健康 MCP 正在合并为少数统一平台（open-wearables、mirobody）， nutrition-mcp 的"App 代替"叙事预示下一战场是迁移与数据主权。