统计窗口2026-11-01 00:00 ~ 2026-11-02 10:15（北京时间），对应 GitHub `committer-date >= 2026-10-31T16:00:00Z` 之后的默认分支提交。本期为当日第二版：凌晨版已发布，本版把窗口向后延展至上午 10:15 并合并新发现条目；凌晨版 47 个条目中 44 个在本窗口内仍有可核实提交，予以延续并更新提交数。
覆盖方向AI Coding / 编程智能体与技能生态 · 医学 / 临床研究 AI 与 Agent 技能库 · 健康管理 / 营养与食品 AI · 模型底座与 Agent 基础设施
去重说明已与 10-16 至 10-31 十五期推送记录逐条比对（累计 429 个历史仓库全集），本期 58 个新发现条目**全部为首次出现**，无一个与往期重复。本期延续的 44 个条目均为当日凌晨版已收录、本窗口内仍有真实提交的项目，不计为新增。凌晨版中的 `lucaswall/food-scanner`、`pranav122005/PACKs`、`allcolor/PawFlow-Agents` 三项在本窗口内已无任何提交，本期不再出现。`pacifio/atlas`（★9,561）与 `Gentleman-Programming/gentle-ai`（★8,177）虽 `pushed_at` 显示 11-02 更新，但两者默认分支的提交时间与 `pushed_at` 存在偏差，本期按 `committer-date` 口径重新核实后入榜。
核验口径所有"当日有动作"条目均以 `repos/{o}/{r}/commits` 默认分支的实际提交记录为准（`pushed_at` 仅供参考，可能来自非默认分支或 tag）；提交条数取自 `search/commits` 的 `committer-date` 限定计数（`per_page=1` 读 `total_count`），与 `commits` 端点逐条复核，两者不一致时以 `commits` 端点为准。Star 数与许可证取自 GitHub API 实时快照（截至 2026-11-02 10:15 北京时间）。许可证字段为 `None` 的仓库标注为"未声明"，为 `NOASSERTION` 的标注为"非标准授权"——两者均表示 GitHub 未能自动识别出标准 SPDX 许可证，**不代表无授权条款**；选型阶段必须回查仓库内 LICENSE 文件。延续条目中 `ilodezis/vitals` 的 README 徽章明确为 **PolyForm Noncommercial 1.0.0（不允许商业使用）**、`Beijing-Haola-Tech/haola-checkup-mcp` 为 **MIT**，均按 README / 文件事实为准。提交时间以 GitHub `committer date`（UTC）为准，本文换算为北京时间表述。
一、今日精选 5 条
1. Alice39s/agent-stash：给 DSH 装的"技能抽屉"——从已结束的会话里提炼可复用流程，审核后存成 Skill，这正是我专家包工作流缺的那一环
地址：https://github.com/Alice39s/agent-stash ｜ ★16 ｜ Apache-2.0 ｜ TypeScript ｜ 个人 Agent Skills 集合 + 给 DSH（DeepSeek Harness）/ Pi / Cline / Grok Build / goose / Aider 用的插件
事件内容
窗口内 3 次提交（11-02 01:13 ~ 01:19Z），量不大，但每一件都踩在"插件怎么被装、怎么被用"这个要害上。
- 今天的实质动作是把 DSH 依赖从硬依赖改成可选 peer：
feat(dsh): declare the DSH requirement as an optional peer——一个同时给 6 个 harness 做插件的仓库，DSH 只是其中之一，把它降级成可选 peer 之后，Pi / Cline / goose / Aider 的用户不必先装 DeepSeek Harness 才能用。 - 插件索引页做了分类与标注：
ci(pages): categorize and label the plugins in the index——6 个 DSH 插件不再是平铺列表，而是分了类、带了标签。 - 配套发了版本发布：
Version Packages（changesets 流程），说明这是一个有发版纪律的项目，不是随手丢上来的脚本。 - 插件清单本身就是产品路线图：README 列了 6 个 DSH 插件——
/init（用别的 Coding Agent 的/init预设分析项目、写出AGENTS.md）、消息编辑（改消息、重生成回复、重试回合，改动另存为可切换的版本）、经验提炼器（从已结束的会话里提炼可复用的流程，审核后存为 Skill）、Prompt 回溯（↑↓ 翻看当前会话发过的 Prompt）、Prompt 自动补全（用所有会话的历史 Prompt 补全输入内容）、提示词增强器（一键润色、结构化、提炼 Prompt 草稿的核心内容）。技能侧另有code-styleguide（每天从 Google / Angular / Android Kotlin 上游同步）与self-use-<model>-subagent（在 DSH 里把任务委托给指定模型的子代理）。
值得关注的原因
- "经验提炼器"这个插件，等于把我专家包质检流程里最薄的一环直接补上了。 我用 WorkBuddy 的 expert-manager skill 建标准化专家生成工作流，全程最花时间的就是"把一次成功的会话沉淀成可复用流程"。我目前的做法是人工复盘、手写 SKILL.md；这个插件做的是从已结束的会话里自动提炼候选流程，再由人审核后存为 Skill——"自动提炼 + 人工审核"这个分界线划得和我需要的一模一样。
- "改动另存为可切换的版本"这个细节值得抄。 消息编辑插件在改写 agent 回复时不是原地覆盖，而是存成可切换的版本。这正好治我自己的一个毛病：调 prompt 的时候覆盖掉了原稿，事后说不清"到底哪个版本跑出来的结论是对的"。把修改留痕成可回滚的版本链，成本很低，但事后追溯的价值极高。
- Apache-2.0 授权，可读可改可商用，对"要做成产品的一人公司"没有 copyleft 负担。技能用
npx -y skills add Alice39s/agent-stash安装，与 skills.sh 生态兼容。 - 而且这仍然是我本机就有的那个生态。 上一期精选的 DSH 插件证明了社区在 DSH 上盖房子，这一期又来一个——这已经是连续第二期出现 DSH 生态项目，可以判定 DSH 的插件机制不是自娱自乐，而是真的有人在用。
2. MarissaFamularo/Calibrate：把"医生该不该信 AI"做成可测量的 2×2 矩阵——过度依赖与反射性否定这两个词，精准命中了我做补剂方案时的真实风险
地址：https://github.com/MarissaFamularo/Calibrate ｜ ★0 ｜ 未声明 ｜ Python ｜ 外科住院医 AI 依赖度模拟器（Meta Global AI Developer Hackathon，2026-10-27 ~ 11-04，血管外科住院医项目总监个人作品）
事件内容
窗口内 10 次提交（11-01 19:28Z ~ 11-02 02:14Z），主线是"让这个模拟器经得起真人试玩"。
- 核心是一张 2×2 依赖度矩阵，把每一次 AI 辅助决策都归类：AI 对且医生跟随 = 恰当依赖；AI 错而医生跟随 = 过度依赖；AI 对而医生否决 = 反射性否定；AI 错而医生否决 = 恰当否决。报告里还单独统计"AI 给了但医生根本没看过的输出"、"开了但没看的提醒"、"看了但价值很低的提醒"。
- AI 助手是故意被设计成"大部分时候对、但在特定点错"的——有些错得很有信心，有些会把真实文献引到错误语境里。关键设计意图是：住院医不是在找 AI 的错，AI 是一个要好好共事的同事，最终决定责任在医生。
- 今天推的是"仿真化"和"细节对齐"：把练习脚本改成无脚本版本、让既往病历里的检查医嘱能带到检查步骤、把 ABI 提醒的评分限定在第 1 次就诊、修掉"给了 PVR 波形"这类与病例设定矛盾的输出。
- 报告口径也做了收紧：复盘总评只给计数与具体产出名目，不再对"为什么这么做"做推测；demo 脚本与直播彩排脚本成对提交；主诊医生全程不显示内部 ID、也不提示哪些是"埋好的"。
值得关注的原因
- "过度依赖"和"反射性否定"这两个词精准命中了我这个站的真实风险。 我做 4P 补剂平台的 AI 助手，本质上就是在用 LLM 替代一部分营养师判断。Calibrate 的整套评测框架可以直接搬过去：当 AI 给的补剂方案和化验指标冲突时，系统应该把这次决策归到哪一格？ 现在我的平台只记录"AI 说了什么"，没有"人信了 AI 还是推翻了 AI"这个维度——而这恰恰是决定方案是否安全的核心变量。
- "把提醒按价值分级"是 4P 平台该抄的一条。 报告里统计"开了但没看的提醒"和"看了但价值很低的提醒"——我的干预报告里也有这个问题：24 个风险维度如果全都以同样的权重、同样的视觉优先级呈现，医生用户会全部忽略，而这和"没有风险提示"在效果上没有区别。把低价值提醒显式统计出来，是让提醒体系真正可用的前提。
- "AI 是同事不是权威，责任在人"这个定位，比"AI 给建议"更接近医疗场景的实际。 对我做的补剂内容与课程，这个框架可以直接变成教学语言。
- 一个诚实的提醒：仓库没有 LICENSE 文件，且是个人作品。但它的评测设计方法论（2×2 矩阵 + 逐项对账）本身不受版权限制，可以放心借鉴思路。
3. richmondgoh8/macro-longevity：把"覆盖率回归"写进健康应用——140 项化验参考逐条映射到可用字段，这是 4P 补剂平台最该抄的一块
地址：https://github.com/richmondgoh8/macro-longevity ｜ ★0 ｜ MIT ｜ JavaScript ｜ 本地优先的新加坡健康筛查与长寿指南（语义 HTML + 共享 CSS + 浏览器原生 ES 模块，无框架 / 无后端 / 无构建步骤）
事件内容
窗口内 13 次提交（11-01 12:22Z ~ 11-02 02:01Z），连续动作都围绕同一件事：让化验参考这件事变得可信。
- 今天的核心是"诚实的覆盖率审计"：
Add sourced numerical laboratory intervals and honest range coverage audit、Record numerical interval deployment verification and remaining review scope。翻译过来就是：给每一项化验数值标注来源区间，然后如实说明"哪些还覆盖不到"，而不是给出一个看起来完整的清单。 - 发布闸门是版本化的：
Complete versioned protocol measurement coverage and release gates、Close versioned coverage checklist with verified live release evidence——每次发布都要有"覆盖率清单已核对 + 线上验证证据"的记录才放行。 - 数据口径是分层声明的：新加坡基线工作区含 13 项易得指标（明确点名 hs-CRP、ApoB、Lp(a)），另加 32 个可选追踪字段覆盖完整血脂、胰岛素、肝、肾、铁、甲状腺、生化、血常规与维生素 D；Blueprint 收录 140 项已发布基线测量 + 3 项男性补充 + 1 项女性补充 + 86 项匹配随访条目。
- 还有个容易被忽略但很聪明的设计："覆盖率回归把每一个现有核心检验项的参考映射到可用追踪字段"——参考区间和能录入的字段之间要做映射，映射断了这条参考就等于不存在。 另外还有"按风险分层的血脂目标"与"ApoB / Lp(a) / 尿 ACR 的报告单位选择"。
值得关注的原因
- "覆盖率回归"这个概念，正是我在 4P 补剂平台里最缺的一环。 我上一期在
claimseed那条上记过：化验 OCR 抽取管线需要"ground-truth 答案键 + manifest SHA-256 回归评测"。这条仓库给的是同一件事的另一种答案——不是用答案键对答案，而是用"每一项参考是否有对应的可录入字段"来做回归。两条路都成立，但这条对内容侧（我手上是 140 项参考区间，不是一批待抽取的 PDF）更直接可搬。 - "诚实标注覆盖不到的部分"这条，比"覆盖得多"重要得多。 我的干预报告里有 116 条带证据等级的规则，每条规则都有参考区间。但如果我从不检查"这份报告里哪些参考其实是缺的"，那 116 这个数字就是虚的。 这条仓库今天做的正是这件事——把"还差多少"显式写出来，而不是让数字看起来漂亮。
- 本地优先 + 无框架 + 无构建步骤，直接可用。 MIT 授权，商用无障碍。而且它已经在跑一个可访问的 HTTPS 站点、做了 PWA 安装、离线支持与 Apple touch icon——"我要一个人维护它"的约束在架构层面就被满足了，这和我"每周 8 小时"的硬约束完全同频。
- 它已经把 ApoB、Lp(a)、hs-CRP 写进了基础工作区。 这三个是我关心的动脉粥样硬化方向的硬指标，有别人已经把这套结构搭好并且开源了，比我从零设计参考区间列表省下的是我最稀缺的那种时间。
4. yantrikos/yantrikdb：记忆引擎开始管"矛盾"而不只是管"存储"——而且它把 SQLite 那个会静默损坏数据的坑写在了 README 第一屏
地址：https://github.com/yantrikos/yantrikdb ｜ ★71 ｜ Apache-2.0 ｜ Rust（带 Python 绑定）｜ AI agent 的认知记忆引擎：时间衰减 + 自主整合 + 矛盾检测 + 知识图谱
事件内容
窗口内 18 次提交（11-01 21:xx ~ 11-02 01:51Z），今天的主线是 CI、跨平台与可配置性。
- 今天的实际动作集中在工程侧：
ci: apply the CPU-only torch install to the lint and Linux test jobs、ci(benchmark): install CPU-only torch to stop filling the runner disk、ci: move macOS jobs from macos-14 to macos-15；同时把redundancy_sim_threshold从 Python 侧可达并默认在反序列化时开启，贡献者与 reviewer 也按规矩署名。 - 产品边界写得非常清楚：README 开头就是"你的 agent 每次会话都从陌生开始。给 agent 挂个向量库并不能解决这个问题——什么都没被遗忘，近乎重复的记忆不断堆积，两个互相矛盾的事实并列返回且没有任何提示说它们冲突"。它要做的是管理记忆，而不只是存储记忆。
- 能力清单：时间衰减、自主整合（consolidation）、矛盾检测、知识图谱，嵌在可嵌入的 Rust 库里并提供 Python 绑定。
- 部署形态两个：作为库
pip install yantrikdb直接调record_text()/recall_text()（不需要装 sentence-transformers、不需要 ONNX runtime），或作为服务pip install yantrikdb-mcp挂进 Claude / Cursor / Windsurf / Copilot 的 MCP 配置，agent 自动召回、自动记忆、自动检测矛盾，不用写 prompt。 - README 第一屏就写着一个会静默损坏数据的坑：同一进程里绝不能用第二个 SQLite 库打开同一个文件——POSIX 锁是按进程的，两边交错写 WAL 会无声地损坏存储；Linux 上引擎会检测到第二个实例并拒绝写入（
ForeignSqliteInstance），每个平台上未走引擎的提交会排队触发完整性检查，检查失败则以IntegrityCheckFailed拒绝写入。
值得关注的原因
- "矛盾检测"这个能力，对我的 4P 平台是刚需而不是锦上添花。 4P 补剂平台里，同一个客户的时间序列数据天然会冲突：3 月的 LDL 和 9 月的 LDL 不是一个值；用户补了三个月镁，血清镁没动；上一轮建议的剂量和这一轮的不一样。现在这些冲突是"取最新一条"糊过去的——但取最新一条不等于取最合理的那个。 一个能明确告诉我"这两条记录矛盾"的记忆层，直接决定干预报告要不要停下来问一句。
- "什么都不被遗忘"是我一直在踩的坑。 我给客户改方案、每轮都加新信息，从不清理旧信息——近重复的方案越堆越多，最后没人说得清当前生效的是哪一版。 "时间衰减 + 自主整合"正对着这个病：旧信息自动淡出，同时被合并成更高层的结论。
- 那个 SQLite 坑，是对我现有架构的直接警告。 我的 4P 精准营养平台就是 Flask + SQLite。README 描述的失效模式——同一进程内第二个 SQLite 连接交错写 WAL，导致数据静默损坏——在 Flask 应用里非常容易发生（一个请求线程直连、另一个走 ORM，典型的双写场景）。它给出的防护模式（引擎自带锁 + 完整性检查 + 失败拒绝写入）值得我回头审一遍自己的落库代码。
- Apache-2.0 + 不依赖 sentence-transformers / ONNX，意味着装它不需要拖一整套模型运行时。对一个"每周 8 小时"的一人公司，这个依赖账算得很清。
5. bhargavchintam/aureproof：给 AI 评测加一层"完整性"——先证明打分器本身是好的，再让它的分数算数
地址：https://github.com/bhargavchintam/aureproof ｜ ★0 ｜ Apache-2.0 ｜ Python ｜ AI-agent 评测的完整性层：逐任务健康记录 + 可离线重算的签名证据包 + 预注册闸门
事件内容
窗口内 12 次提交（11-01 23:29Z ~ 11-02 02:14Z），今天既有工程推进也有对外材料。
- 它要在现有评测跑手（Inspect AI 优先，其次 Harbor）之上认证三件事：① 仪器本身——逐任务的健康记录（task health record）证明打分器是好的（参考正例、修复负例、空操作与反作弊四类控制项全部通过之后，该任务才允许计分）；② 记录本身——内容寻址的产物 + 哈希链式日志 + in-toto 声明构成的可离线验证、可重算的签名证据包；③ 闸门——预注册的判定，返回 pass / fail / inconclusive。
- 今天的具体动作：把
agent-explore写成规范 JSON（fix(protocols): write agent-explore in canonical JSON so it can be signed）——因为不能被签名的协议就等于不能被验证；加了单发探针（feat(probe): single-shot probes on OpenAI-compatible endpoints）；发布了一个探索性的 agent 对比实验（feat(bundles): the exploratory agent comparison on AkashML）；还补了 speedrun 演示稿与其源文件。 - 它自己写明了状态是 pre-release（0.0.x）：完整性核心、Inspect 跑手、签名、比对闸门和一条活的签名证据链都已建成，但尚未断言任何基准结果或性能指标；v0.1.0 之前还差什么、卡在谁那里，写在 release acceptance matrix 里。
- 作者在 README 里先立了一条死规矩：
Every claim, backed by evidence。仓库带 SPDX 头、OpenSSF Scorecard 徽章与 REUSE 状态徽章。
值得关注的原因
- "先证明打分器是好的，再让它的分数算数"——这一句就值回我一期日报。 我正在做的两件事都踩在这个坑上：一是 GLPL 营养伴侣的化验指标趋势判断，二是 AI 病人补剂模拟 Agent 的题库引擎。我现在的评估方式是"看 agent 输出的报告对不对"，这跟"只看模型输出的评估会系统性高估可靠性"是同一个错误——如果打分的人（我）自己就是那个会犯错的人，那分数就没有意义。Aureproof 的做法是给打分器也做四组控制测试（参考正例 / 修复负例 / 空操作 / 反作弊），打分器先过体检，再去给别人打分。
- "哈希链式日志 + 可离线重算"这套，正好对着我 4P 平台落库那件事。 我上一期记下的工程结论是"干预报告落库 checklist"，需要的是"数字按精确值比较、None 匹配存储空值、拒绝字面量占位符"。Aureproof 补上的是更外面一层：证据包要能被第三方离线重算。 我做"AI 助手 + 循证报告"的可信度，缺的正是这一层——报告存下来之后，别人能不能自己验一遍。
- 预注册闸门返回三态（pass / fail / inconclusive）这个设计，比二元通过 / 失败诚实得多。 对我的场景直接可用：干预方案生成的评测里，"证据不足无法判定"必须是一个独立结论，而不是被塞进"通过"。 报告里混进"其实是 inconclusive"的项，比明确标注它更危险。
- Apache-2.0 可商用，且它明确标注自己处于 pre-release、尚未断言基准结果——这种"不吹"的状态声明，本身就是我选型时愿意信任的信号，比很多 README 上写满 benchmark 数字的项目更靠谱。
二、分类速览
① AI Coding / 编程智能体与技能生态
| 项目 | 星标 | 一句话 |
|---|---|---|
| hesreallyhim/awesome-claude-code | 57,053 | 非标准授权，Claude Code 生态资源精选集（★57K 级社区索引），窗口内 11 次提交 |
| backnotprop/plannotator | 9,812 | Apache-2.0，在浏览器里可视化标注与评审 agent 的计划、规格与代码 diff，再把反馈一键回传给 agent，窗口内 222 次提交 |
| pacifio/atlas | 9,561 | Apache-2.0，给 agent 用的"源码控制"：并行跑多个编码 agent、逐个追踪其改动并统一查询，窗口内 23 次提交 |
| Gentleman-Programming/gentle-ai | 8,177 | MIT，为 Claude Code / Cursor / OpenCode / Codex / Pi 等既有编码 agent 统一安装规则、Agent、命令与 skills，窗口内 4 次提交 |
| rlaope/oh-my-hermes | 5,012 | MIT，把 Hermes Agent 接进 IDE 的编码 harness，窗口内 65 次提交 |
| ginlix-ai/LangAlpha | 2,234 | Apache-2.0，面向金融市场的 Claude Code，窗口内 54 次提交 |
| LeoYeAI/agent-master-skills | 2,171 | MIT，2700+ 条精选 agent skills 合集（AI、编码、营销、设计、财务），harness 无关，窗口内 5 次提交 |
| zhnt/loushang | 1,945 | Apache-2.0，Python 编写的 AI 原生编码 agent harness（多模型编排、有状态会话、工具治理），窗口内 34 次提交 |
| awizemann/scarf | 903 | MIT，Hermes AI agent 的 macOS / iOS 原生客户端（多窗口、多服务器、SSH 远程），窗口内 29 次提交 |
| 23blocks-OS/ai-maestro | 842 | MIT，AI Agent 编排与管理平台：统一仪表盘管理 Claude Code / Codex / Grok Build，跨主机迁移与克隆 Agent，窗口内 45 次提交 |
| FeatherHunter/dsh-mattpocock-skills-deck | 274 | MIT，DeepSeek Harness 第三方插件（27 个工程与效率技能 + 任务板 + 胶囊状态栏），窗口内 294 次提交，主线是把缺陷分诊做成带对抗复核与维护者拍板留痕的流水线 |
| initializ/forge | 242 | Apache-2.0，面向 Anthropic Agent Skills 标准的开源运行时（SKILL.md → 可移植加固 agent），窗口内 Slack 越权回话与优化器 URL 误写回，并推 vnext 滚动预发布，窗口内 2 次提交 |
| orbi-build/orbi | 240 | AGPL-3.0，自托管"熄灯式软件工厂"（label 一个 GitHub issue 即派单），窗口内 50 次提交，里程碑推进到 v0.7.33 |
| AnastasiyaW/codex-claude-code-config | 213 | MIT，Claude Code / Codex / 多 agent 统一配置体系（原则、hooks、skills、工作流包），窗口内 20 次提交，含 merge gate 与字面路径修复 |
| dcc-mcp/dcc-mcp-core | 73 | MIT，让 agent 操作创意软件的 MCP + REST 控制平面（Rust / Python 共享运行时），窗口内 9 次提交 |
| Fmarzochi/EGC | 68 | Apache-2.0，让 Cursor / Claude Code / Copilot / Codex 等共用同一个"大脑"（共享记忆库 + Guardian 代码图 + 文件排序），窗口内 5 次提交 |
| dgalarza/agent-skills | 66 | MIT，个人 Claude Code 工作流技能集，窗口内 webhook-receiver 技能（带校验、幂等与异步处理），窗口内 3 次提交 |
| midasmatterhorn/artcraft-skills | 54 | MIT，ArtCraft Rust 创意套件专用的 SKILL.md 技能包（证据可验证、覆盖 MCP/CLI 接口），窗口内 4 次提交 |
| jkitchin/knowhow | 42 | MIT，一条命令从任意 git 仓库安装 agent skills / 命令 / 子 agent / hooks / MCP server，与 npx skills 兼容，窗口内 4 次提交 |
| transcendr/slopware-skills | 39 | 非标准授权，Codex / Claude Code / Agent Skills 通用可移植技能与插件包，窗口内 T3 watch 游标不随线程年龄越界，窗口内 9 次提交 |
| hussi9/skill-router | 31 | MIT，hook 驱动的 skill 路由器：按 use_when 建索引、约 80ms 排序后在工具调用前注入路线卡，并按风险分级强制，窗口内 4 次提交 |
| melodic-software/claude-code-plugins | 28 | MIT，Claude Code 插件市场（仓库无关的 skills / hooks / agents / MCP server），窗口内 438 次提交 |
| eugenelim/agent-ready-repo | 27 | Apache-2.0，面向软件团队的完整 AI 作业模型（发现—交付—复盘三条同伴监督回路），窗口内 6 次提交 |
| randommonicle/claude-skills | 27 | Apache-2.0，51 个工程护栏 skills + reviewer agents 与 hooks，多数写于真实缺陷之后，窗口内 17 次提交 |
| trustabl/agent-reliability-skills | 22 | Apache-2.0，用 Forge 方式生成更可靠 agent 的 Claude Code skills，窗口内 1 次提交 |
| bobmatnyc/trusty-tools | 22 | MIT，Rust 写的混合代码搜索 / 记忆宫 / 代码分析统一工作区（trusty-* 生态），窗口内 33 次提交 |
| paulnsorensen/easy-cheese | 19 | MIT，可移植、与 harness 无关的 Agent Skills 工具包，窗口内 7 次提交 |
| event4u-app/agent-config | 18 | MIT，把 skills / rules / slash 命令 / 子 agent 按意图路由后编译进其他编码 agent（支持 20 款工具），窗口内 208 次提交 |
| dotcommander/cclint | 18 | MIT，面向 Claude Code 的 agent / 命令 / skills 静态检查器（linter），窗口内 5 次提交 |
| Alice39s/agent-stash | 16 | Apache-2.0，个人 skills 集 + DSH（DeepSeek Harness）/ Pi / Cline / goose / Aider 插件，含会话经验提炼器，窗口内 3 次提交 |
| KyaniteLabs/tastecheck | 11 | MIT，前端品味与发布闸门工具包（v1.7.0 带实测 FP/FN 语料），窗口内 1 次提交 |
| ellmos-ai/bach | 8 | MIT，本地优先的 LLM agent 文本操作系统（SQLite 记忆、113+ 处理器、550+ 工具），窗口内 84 次提交 |
| fxylabs/spfn | 6 | MIT，把 AI 生成的原型推到生产的 TypeScript 全栈框架（Next.js 方向），窗口内 11 次提交，含采纳指标行记录 |
| cplieger/marotte | 2 | AGPL-3.0，"浏览器里的 Kiro"：自托管 agentic IDE（聊天 + 编辑器 + 终端 + git），窗口内 40 次提交，并把 kiro-cli 2.37.0 的修复记入已知上游问题 |
| Pigbibi/TelegramAgentBot | 1 | MIT，用 Telegram 遥控 Codex CLI / Claude Code / Cursor Agent（tmux 会话 + 持久路由），窗口内 6 次提交，Dependabot 自动合并排除受保护工作流 |
| LindsayRidgeway/llm-symposium | 1 | 未声明，四种 AI 架构共用一个仓库、一份议程，并彼此承担批评义务，窗口内 137 次提交 |
| game4837/island-terminal-console | 0 | 未声明，macOS 上给多路 AI 编码 agent 用的控制台（中文文档），窗口内 8 次提交 |
② 医学 / 临床研究 AI 与 Agent 技能库
| 项目 | 星标 | 一句话 |
|---|---|---|
| Builder106/med-core | 2 | MIT，面向非洲医疗提供方的集中式电子健康记录平台（PWA + Express + SQLite，兼容 FHIR），窗口内 3 次提交 |
| lyc0603/clinical_bench | 1 | MIT，临床基准测试仓库，窗口内 1 次提交 |
| petergraffy/CLIF-LungCx-Epi | 1 | Apache-2.0，评估呼吸临床轨迹在肺癌研究中的重要性（CLIF 项目），窗口内 6 次提交 |
| Beijing-Haola-Tech/haola-checkup-mcp | 0 | MIT，两个 Agent Skill（企业团检方案与报价 / 个人体检预约）共用一个 MCP 服务，窗口内 6 次提交全是安全整改（header 越权、同源跳转白名单、凭据绑定 origin）并新增 PowerShell 客户端 |
| claimseed/claimseed | 0 | Apache-2.0，全合成美国医疗账单 PDF + ground-truth 答案键，verify 按字段准确率 / 错误召回 / 精确率 / 误报给抽取器打分，窗口内 release-0.4.0，窗口内 1 次提交 |
| iqbal-rahmatullah/tapal-ai | 0 | Apache-2.0，印尼国家医保（JKN）理赔欺诈检测，窗口内 17 次提交并补双语 README 与真实截图 |
| MedYoussef-Abdelhedi/Medical-Agentic-GraphRAG | 0 | 未声明，来源可溯的生物医学问答研究原型（语义检索 + Neo4j 溯源图 + LangGraph + 4 个 MCP 工具 + PubMed 检索），窗口内 12 次提交并重构为模块化架构 |
| eschraufnagel/trial-prescreening-agent | 0 | MIT，本地 PoC：AI 主持临床试验首次资格对话并把结论交给协调员，窗口内 9 次提交 |
| not162/record-medical-development | 0 | BSD-3-Clause，用 UI agent + Next.js 承接 CSV / JSONL 数据集实现模型 AI，窗口内 3 次提交并拆分两套管理员角色 |
| bandlatejesh18-alt/medagent-ai | 0 | 未声明，多模态多 agent 医学学习平台，窗口内 4 次提交，实现 Medical Tutor 与首版 Streamlit 前端 |
| Sagark7825/Causal-Multimodal-Diagnostic-Agent-for-Medical-Imaging | 0 | 未声明，MedCausal AI：面向医学影像的多模态临床决策支持，窗口内 2 次提交 |
| ldelvillar/veritrust | 0 | AGPL-3.0，多 agent 驱动的医学错误信息检测系统，窗口内 3 次提交（后端注释与文档串译为英文） |
| raniyaaa/MedAgent-Radiology-Orchestrator | 0 | 未声明，从原始医学影像到"临床可验证报告"的端到端放射科编排器，窗口内 2 次提交 |
| datalife-ehealth/datalife-clinical-agents | 0 | MIT，"安全有界"的临床问诊与去标识化摘要研究脚手架，窗口内 1 次提交（Unicode 策略归一化与测试）；README 明写当前不是可运行 agent |
| anaslari23/Multi-Modal-Health-AI-Agent-Guide | 0 | 未声明，MM-HIE Agent：融合症状（NLP）、化验（OCR）、医学影像与体征的多模态临床 AI，窗口内 1 次提交（无密钥 RepoMark 封存流程） |
| southcul/international-business-for-medical-devices | 0 | MIT，医疗器械出海经营 + 全球注册双引擎 AI 技能包，窗口内 1 次提交（发 v1.0.1） |
| ichirio/tflplanner | 0 | Apache-2.0，用 rtfreporter 做的临床试验 TFL shiny 研究管理器，窗口内 12 次提交 |
| Cmy666688/medical-agent-workspace | 0 | 未声明，医知协作：Streamlit 多智能体问诊 + 原生 RAG（BGE + Milvus + 中文 BM25 + RRF）+ 用药资料核对与家庭关怀，窗口内 9 次提交 |
| senseiewok/cf-research | 0 | CC-BY-4.0，囊性纤维化开放研究笔记（285 条来源授权目录 + 3D CFTR 结构模型 + 声明核查），窗口内 6 次提交 |
| cmisaico/healoi-ai-clinical-simulator | 0 | 未声明，临床模拟问诊评分引擎：双评分离散 + 引用逐条核验 + 加权 kappa 校准 + 回归评测，窗口内 1 次提交 |
| midnightnow/vetnotes-me | 0 | 未声明，开源兽医病历工具（不锁定数据），窗口内 3 次提交 |
| bryanlandia/synthetic-medical-risk-agent | 0 | 未声明，假疾病与合成实验室/临床数据的风险评估 agent，窗口内 27 次提交 |
| ArjunaFransesco/clinical-ehr-mortality-risk-predictor | 0 | MIT，ICU 患者预后风险分层模型（LightGBM + SHAP 可解释），窗口内 2 次提交 |
| zhaochenggang2026/medical-ai-hub | 0 | 未声明，医疗 AI 前沿情报站（由 Hermes Agent 自动运营），窗口内 2 次提交 |
| yukiouma/aegis | 0 | 未声明，临床试验数据处理工作区，窗口内 2 次提交 |
| MarissaFamularo/Calibrate | 0 | 未声明，外科住院医 AI 依赖度模拟器：用 2×2 矩阵区分恰当依赖 / 过度依赖 / 恰当否决 / 反射性否定，窗口内 10 次提交 |
| drliuhao/mh-liver-pathways | 0 | 未声明，肝肿瘤（hCC / CRLM / iCCA / pCCA / NELM）诊疗路径交互控制台，窗口内 1 次提交 |
| abasuprab-png/MLR-Genie | 0 | 未声明，生物医药/医疗器械的医学-法务-法规审查与上市前准备 agent（MLR Genie v3），窗口内 4 次提交 |
| oloveluck/cql | 0 | MIT，Clinical Quality Language 的 Racket 实现（编译到 ELM 并对 FHIR 数据求值），窗口内 13 次提交 |
| NytelAI/nytel.ai | 0 | 未声明，面向临床试验运营的 AI Agent 套件，窗口内 6 次提交 |
| rgt47/zzedc | 0 | 非标准授权，临床试验电子数据采集系统（EDC），窗口内 10 次提交 |
③ 健康管理 / 营养与食品 AI
| 项目 | 星标 | 一句话 |
|---|---|---|
| ilodezis/vitals | 12 | PolyForm Noncommercial 1.0.0，自托管个人健康数据湖，103 个 MCP 工具覆盖 15 个领域（GLP-1 / 化验 OCR / VCF / 补剂目录 / BIA），带 116 条证据等级规则与可冻结的"医生报告"；窗口内 PostgreSQL 18 + 依赖安全更新（注意：不允许商业使用），窗口内 2 次提交 |
| dhyyan/AI-Health-Nutrition | 3 | 未声明，AI 驱动的健康与营养应用，窗口内 9 次提交 |
| PurnaJear06/Tracend | 0 | 非标准授权，给健康成年人出个性化训练与营养计划并观察真实执行情况，窗口内 13 次提交，主线是教练站立状态（coach standing state） |
| SachinVenugopalan30/cupful | 0 | AGPL-3.0，自托管健身与营养追踪器（AI 集成 + Google Health 接入），窗口内 7 次提交 |
| robinchristopherheering/stride_app | 0 | 未声明，数据驱动的健康驾驶舱（追踪营养、指标与运动，精确宏量分析），窗口内 5 次提交并同步 MFP 数据 |
| dexiadigi-cloud/trophe-api | 0 | 非标准授权，基于 USDA FoodData Central 的食品与营养 API（200 万种食物、2700 万行营养数据），窗口内 1 次提交 |
| hammad-masood26/AI-CareCompanion | 0 | 非标准授权，离线健康助手 React Native 应用（端侧 Gemma 4 4B 经 llama.rn），窗口内 1 次提交（首个 commit） |
| Devinshen123/forma-health | 0 | 未声明，双语营养 / 训练 / 睡眠 / 健康习惯网站，含经审校的 AI 饮食记录，窗口内 1 次提交 |
| maxgfr/calorie-ai-tracker | 0 | MIT，浏览器内运行的 AI 卡路里追踪器（文字 / 照片 / 语音三种记录方式），10-31 给教练加了联网搜索（放宽窗口），窗口内 1 次提交 |
| richmondgoh8/macro-longevity | 0 | MIT，本地优先的新加坡健康筛查与长寿指南：140 项化验参考 + 13 项基础指标 + hs-CRP/ApoB/Lp(a) + 覆盖率回归，窗口内 13 次提交 |
| iashahussain/rounds-dashboard | 0 | 未声明，查房营养看板 PWA：纯客户端、无后端、患者数据不出设备，窗口内 1 次提交 |
| pipeworx-io/mcp-fruityvice | 0 | MIT，经 Fruityvice API 提供水果营养数据的 MCP server，窗口内 1 次提交 |
| courtneymuscat/Prokol | 0 | 未声明，营养 + 训练 + 周期跟踪的教练应用，窗口内 27 次提交 |
| yehsohimself/health | 0 | MIT，跑在 Mac 上的健康团队（教练 / 耐力 / 营养 / 理疗 / 睡眠 / 长寿 / 身心），本地优先，窗口内 4 次提交 |
| Razzleberrytt/hippie-scientist-site | 0 | MIT，循证优先的补剂与植物参考站（Next.js 静态导出到 Cloudflare Pages），窗口内 10 次提交 |
| akuttruff/cairn | 0 | 未声明，食物与宏量营养追踪器（React + Vite + SQLite + USDA FoodData Central + LM Studio），窗口内 3 次提交 |
| davehrsh/SaarAI | 0 | 未声明，包装食品 AI 营养分析 API（FastAPI + Gemini，返回成分 / 过敏原 / 健康分 / 置信度），窗口内 9 次提交 |
④ 模型底座与 Agent 基础设施
| 项目 | 星标 | 一句话 |
|---|---|---|
| rocketride-org/rocketride-server | 19,439 | MIT，高性能 AI 流水线引擎（C++ 核心 + 50+ Python 可扩展节点），窗口内 5 次提交，补 Docker 启动命令文档 |
| yantrikos/yantrikdb | 71 | Apache-2.0，Rust 写的认知记忆引擎（时间衰减 + 自主整合 + 矛盾检测 + 知识图谱，带 Python 绑定），窗口内 18 次提交 |
| Amio242/mcp-memory-server | 58 | 未声明，经 MCP 提供的跨会话持久共享记忆服务，窗口内 7 次提交 |
| fjwood69/mori | 32 | AGPL-3.0，有治理的共享记忆层（按 provenance 划定知识适用范围），附 5000+ 次多模型压测白皮书，窗口内 17 次提交 |
| Astrix-Labs/papez | 31 | AGPL-3.0，agent 记忆的因果图引擎 + 打分 + 生命周期管理（记忆按 相关性×连通性×再激活 相乘打分并在失去意义时被主动遗忘），窗口内 28 次提交并发 0.7.0 与 0.8.0；LoCoMo 冻结协议下 85.55±0.37（对照 Zep 75.14、Mem0 66.9） |
| LindaHaviv/second-brain | 13 | MIT，基于 Oracle AI Database 26ai 的共享第二大脑（库内语义搜索 + 向量嵌入），窗口内 10 次提交 |
| kagura-ai/memory-cloud | 13 | Apache-2.0，自托管自适应记忆 MCP server（混合检索，每次检索都让记忆更聪明），窗口内 12 次提交 |
| axisvela/praxovela-open | 11 | Apache-2.0，可治理、本地优先的桌面 agent 运行时（PRAXOVELA，原 AxisVela Agent），窗口内 3 次提交 |
| MrPeppersDev/agent-infrastructure-landscape | 7 | 未声明，agent 记忆与基础设施全景对比目录（912 个系统 × 68 列），窗口内 39 次提交并持续合并 PR |
| cirwel/unitares | 6 | Apache-2.0，长时间运行 agent 的问责基础设施（自托管 MCP server：身份、凭据、审计），窗口内 15 次提交，修评测时丢失 canary 响应与失败证据的问题 |
| Pseudogiant-xr/Pseudolife-MCP | 6 | Apache-2.0，面向 Claude Code / Codex 的长期记忆 MCP server（联想记忆 + canonical fact 皮层 + 预注册消融），窗口内 98 次提交 |
| Cryremis/aether-core | 5 | Apache-2.0，可嵌入的 agent 运行时与工作台（沙箱化执行、宿主集成），10-31 修 agent 面对缺失 reasoning 与瞬时模型故障时的恢复（放宽窗口），窗口内 2 次提交 |
| joaoh82/flotta | 1 | AGPL-3.0，开源舰队运行时：让持久、自改进的 agent 自主编排机群，窗口内 16 次提交（含模型变更合并） |
| Heinsithukyaw/Agent-Harness | 1 | 非标准授权，agent-harness 生态的实时版本化注册表（运行时、编排、工具），窗口内 5 次提交 |
| jihua3445/multi-model-dual-brain-memory-system | 0 | MIT，多模型"双脑"记忆系统的概念笔记（关系式记忆与分层组织），窗口内 22 次提交 |
| go-llmflow/gateway | 0 | BSD-3-Clause，用 Go 写的高性能 LLM 推理与网关，窗口内 15 次提交 |
| bhargavchintam/aureproof | 0 | Apache-2.0，AI-agent 评测的完整性层：逐任务健康记录 + 可离线重算的签名证据包 + 预注册闸门，窗口内 11 次提交 |
三、今日趋势观察
今天的 102 个条目里，主线只有一条：agent 生态开始出现"分层的自我怀疑"——不是让模型更聪明，而是给模型配套的评测、记忆与安装链路补上验证层。这在四个方向上是同步发生的。
- 评测层在补"打分器也需要被验证"这一层。
bhargavchintam/aureproof要求打分器先过四组控制测试才允许给别的任务计分，cmisaico/healoi-ai-clinical-simulator做双评分离散（差异 ≥ 2 分进人工复核）、引用逐条核验（没有可核验引用的分数直接作废）、并用加权 kappa 对齐人类评分，MarissaFamularo/Calibrate把医生信不信 AI 拆成 2×2 矩阵。三个项目、不同语言、不同领域，指向同一件事：模型输出的可信度不能靠"看起来对"来保证。 - 记忆层从"存"转向"管"。
yantrikos/yantrikdb明确把问题定义成"什么都没被遗忘、近乎重复的记忆不断堆积、两个矛盾事实并列返回且没有提示"，Pseudogiant-xr/Pseudolife-MCP强调 canonical fact 皮层与"诚实的遗忘"，fjwood69/mori直接把矛盾来源定义为"策展决定留什么，provenance 决定它在哪儿有效"。这三家都不再把记忆当检索问题，而是当治理问题。 - 技能分发开始出现"安装即攻击面"这个话题。
hussi9/skill-router今天的三次提交全在加固：把 skills.sh 注册表字符串当作不可信输入（在校验之前不许它们到达命令或模型）、按 origin 文件与锚点标识符做 fullmatch 校验、审计看板不可用时选择 fail closed 而不是放行。一个技能生态一旦有了中心化注册表，"从注册表装东西"就等价于"执行第三方代码"——这个仓库是本窗口内唯一正面处理这件事的项目。 - 健康与营养线的项目普遍在做"覆盖不到的部分也写出来"这件事。
richmondgoh8/macro-longevity记录覆盖缺口与剩余复核范围，iashahussain/rounds-dashboard承诺 100% 客户端、患者数据不出设备且仓库里不含任何患者数据，Razzleberrytt/hippie-scientist-site用 Excel 主表作为唯一权威源、公开数据目录只当发布目标。这与我上一期记下的"把 116 条规则的覆盖率检查做出来"是同一个诉求。 - 医学线出现了一个新的形态：把不确定性做成可执行的分支，而不是一个分数。
MarissaFamularo/Calibrate的助手"大部分时候对，但在特定预设点错"；cmisaico/healoi-ai-clinical-simulator的测试里明确有一个"评分器 A 被注入后会编造引用"的攻击用例，用来演示代码层控制能抓住它；bhargavchintam/aureproof让闸门能返回 inconclusive。三者都拒绝把"不确定"压缩成一个数字。
四、GitHub 地址速查
精选
- Alice39s/agent-stash — https://github.com/Alice39s/agent-stash
- MarissaFamularo/Calibrate — https://github.com/MarissaFamularo/Calibrate
- richmondgoh8/macro-longevity — https://github.com/richmondgoh8/macro-longevity
- yantrikos/yantrikdb — https://github.com/yantrikos/yantrikdb
- bhargavchintam/aureproof — https://github.com/bhargavchintam/aureproof
AI Coding
- https://github.com/hesreallyhim/awesome-claude-code
- https://github.com/backnotprop/plannotator
- https://github.com/pacifio/atlas
- https://github.com/Gentleman-Programming/gentle-ai
- https://github.com/rlaope/oh-my-hermes
- https://github.com/ginlix-ai/LangAlpha
- https://github.com/LeoYeAI/agent-master-skills
- https://github.com/zhnt/loushang
- https://github.com/awizemann/scarf
- https://github.com/23blocks-OS/ai-maestro
- https://github.com/FeatherHunter/dsh-mattpocock-skills-deck
- https://github.com/initializ/forge
- https://github.com/orbi-build/orbi
- https://github.com/AnastasiyaW/codex-claude-code-config
- https://github.com/dcc-mcp/dcc-mcp-core
- https://github.com/Fmarzochi/EGC
- https://github.com/dgalarza/agent-skills
- https://github.com/midasmatterhorn/artcraft-skills
- https://github.com/jkitchin/knowhow
- https://github.com/transcendr/slopware-skills
- https://github.com/hussi9/skill-router
- https://github.com/melodic-software/claude-code-plugins
- https://github.com/eugenelim/agent-ready-repo
- https://github.com/randommonicle/claude-skills
- https://github.com/trustabl/agent-reliability-skills
- https://github.com/bobmatnyc/trusty-tools
- https://github.com/paulnsorensen/easy-cheese
- https://github.com/event4u-app/agent-config
- https://github.com/dotcommander/cclint
- https://github.com/Alice39s/agent-stash
- https://github.com/KyaniteLabs/tastecheck
- https://github.com/ellmos-ai/bach
- https://github.com/fxylabs/spfn
- https://github.com/cplieger/marotte
- https://github.com/Pigbibi/TelegramAgentBot
- https://github.com/LindsayRidgeway/llm-symposium
- https://github.com/game4837/island-terminal-console
医学 / 临床研究 AI
- https://github.com/Builder106/med-core
- https://github.com/lyc0603/clinical_bench
- https://github.com/petergraffy/CLIF-LungCx-Epi
- https://github.com/Beijing-Haola-Tech/haola-checkup-mcp
- https://github.com/claimseed/claimseed
- https://github.com/iqbal-rahmatullah/tapal-ai
- https://github.com/MedYoussef-Abdelhedi/Medical-Agentic-GraphRAG
- https://github.com/eschraufnagel/trial-prescreening-agent
- https://github.com/not162/record-medical-development
- https://github.com/bandlatejesh18-alt/medagent-ai
- https://github.com/Sagark7825/Causal-Multimodal-Diagnostic-Agent-for-Medical-Imaging
- https://github.com/ldelvillar/veritrust
- https://github.com/raniyaaa/MedAgent-Radiology-Orchestrator
- https://github.com/datalife-ehealth/datalife-clinical-agents
- https://github.com/anaslari23/Multi-Modal-Health-AI-Agent-Guide
- https://github.com/southcul/international-business-for-medical-devices
- https://github.com/ichirio/tflplanner
- https://github.com/Cmy666688/medical-agent-workspace
- https://github.com/senseiewok/cf-research
- https://github.com/cmisaico/healoi-ai-clinical-simulator
- https://github.com/midnightnow/vetnotes-me
- https://github.com/bryanlandia/synthetic-medical-risk-agent
- https://github.com/ArjunaFransesco/clinical-ehr-mortality-risk-predictor
- https://github.com/zhaochenggang2026/medical-ai-hub
- https://github.com/yukiouma/aegis
- https://github.com/MarissaFamularo/Calibrate
- https://github.com/drliuhao/mh-liver-pathways
- https://github.com/abasuprab-png/MLR-Genie
- https://github.com/oloveluck/cql
- https://github.com/NytelAI/nytel.ai
- https://github.com/rgt47/zzedc
健康 / 营养
- https://github.com/ilodezis/vitals
- https://github.com/dhyyan/AI-Health-Nutrition
- https://github.com/PurnaJear06/Tracend
- https://github.com/SachinVenugopalan30/cupful
- https://github.com/robinchristopherheering/stride_app
- https://github.com/dexiadigi-cloud/trophe-api
- https://github.com/hammad-masood26/AI-CareCompanion
- https://github.com/Devinshen123/forma-health
- https://github.com/maxgfr/calorie-ai-tracker
- https://github.com/richmondgoh8/macro-longevity
- https://github.com/iashahussain/rounds-dashboard
- https://github.com/pipeworx-io/mcp-fruityvice
- https://github.com/courtneymuscat/Prokol
- https://github.com/yehsohimself/health
- https://github.com/Razzleberrytt/hippie-scientist-site
- https://github.com/akuttruff/cairn
- https://github.com/davehrsh/SaarAI
模型底座 / Agent 基础设施
- https://github.com/rocketride-org/rocketride-server
- https://github.com/yantrikos/yantrikdb
- https://github.com/Amio242/mcp-memory-server
- https://github.com/fjwood69/mori
- https://github.com/Astrix-Labs/papez
- https://github.com/LindaHaviv/second-brain
- https://github.com/kagura-ai/memory-cloud
- https://github.com/axisvela/praxovela-open
- https://github.com/MrPeppersDev/agent-infrastructure-landscape
- https://github.com/cirwel/unitares
- https://github.com/Pseudogiant-xr/Pseudolife-MCP
- https://github.com/Cryremis/aether-core
- https://github.com/joaoh82/flotta
- https://github.com/Heinsithukyaw/Agent-Harness
- https://github.com/jihua3445/multi-model-dual-brain-memory-system
- https://github.com/go-llmflow/gateway
- https://github.com/bhargavchintam/aureproof