9 月 28 日 GitHub Trending 当日榜共 9 个项目，逐个核对后与 Agent Skill 生态直接相关的为 0 个，skill 生态延续偏冷态势，本期 10 个上榜项目全部由 GitHub 技能主题搜索按近期活跃与高星补位。这些项目均为首次进入本栏目，从当日扫描的 107 个 skill 相关仓库中剔除历史已收录项与非技能类的应用、平台及记忆基础设施后选出：既有 2 万星的中文原创技能合集，也有 Supabase 与 Apify 的官方技能库，以及视频拉片、咨询级 PPT 制作、产品上线部署等垂直场景技能包。以下逐个说明它是什么、解决什么问题、适合谁用。
数据来源：GitHub Trending（当日榜）+ GitHub Search API | 当日从 107 个 skill 相关项目中筛选去重，选出 10 个首次上榜的项目 | 统计时间：2026年9月28日
★ 20,961 · 活跃于 09-25
是什么数字生命卡兹克开源的 AI Skills 合集，每个 skill 都是 agent 能直接加载的结构化指令集，遵循 Agent Skills 开放标准，Claude Code、Codex、Qoder、Kimi Code、iFlow、CodeBuddy、Cursor 等 40 多个支持该标准的 agent 都能装。
有什么用主打技能 leader（领导）只解决一件事：把你脑子里那句还没想清楚的需求，变成一份目标任务书，粘进目标模式（Claude Code 的 /goal、Codex 的目标模式）就能让 AI 独立跑几个小时到完成，全程只做一次复制粘贴。README 认为当 AI 真能跑一整夜，致命的问题变成「你的目标写得对不对」——短任务跑偏你看一眼就能纠正，长程任务跑偏，睡醒时它已经朝错误方向狂奔了八小时。为此它提炼出「目标七问」：目的、完成态、证据、反作弊、地界、取舍、未知，外加第零问「这张海图是你自己测的还是听来的」，因此动笔前一定先钻进代码库亲手跑一遍，因为文档里写的命令实际可能根本不存在。用法是你说一句想法，它先实测调研，再问你最多 5 个必须拍板的问题，然后写出任务书，全程约 12 分钟，产出是纯 Markdown。合集里另有 storage-analyzer：按绿、黄、红三色分级扫描磁盘，每一项给出具体路径、类型说明、删了的影响与推荐处置，例如它会指出某个 97 GB 的 UUID Container 其实是 B 站离线视频缓存、建议在客户端里清而不是手删；此外还有 neat-freak、hv-analysis、khazix-writer 等技能。
适用场景想让 agent 自己跑长程任务，又担心目标没写清楚、让它朝错误方向狂奔一整晚的人。
中文原创目标定义40+ 宿主
★ 5,753 · 活跃于 09-22
是什么面向 Nous Research 开源 agent「Hermes Agent」的第三方独立目录，收录其周边可选的 skill、插件、记忆提供方、交互界面与桥接工具，README 明确声明这不是 Nous Research 官方项目。
有什么用每个条目都带成熟度标签，分 production（稳定、有文档、活跃维护，可以在此基础上构建）、beta（能用但仍在演进，会有毛边）、experimental（概念验证或早期阶段，先学会再依赖）三档，并说明这些标签是基于文档、安装证据、维护情况和采用信号作出的编辑快照，依赖前要重新核对。目录开头专门用一节讲「信任边界」：生态清单是发现工具、不是安全背书，启用社区 skill、插件、MCP server 或无人值守任务前，要确认谁能触发它、它能拿到哪些工具、命令在哪里执行、能读到什么凭据、以及你怎么把它停下来，并建议给不受信任的工作用最小工具集加隔离后端。Featured 位置也明确标注是付费广告位、而非安全推荐。README 另指向 Hermes 官方的安全指南与 cron 文档，以及一份会话管理指南，覆盖 /new、/resume、/compress、/branch、导出与清理这些日常操作。
适用场景在用 Hermes Agent、需要先弄清社区技能有哪些、各自成熟到什么程度、风险边界在哪的人。
技能名录成熟度分级信任边界
★ 2,884 · 活跃于 09-26
是什么Claude Code 的增强工作流插件，把自我纠错记忆、FTS5 全文索引的持久 wiki 和自动研究循环放在同一个 SQLite 存储上；README 标注 41 个 skill、8 个 agent、23 条命令、覆盖 22 类事件的 33 个 hook 脚本，除 Claude Code 原生插件市场外也支持 Cursor 以及 32 个以上 agent（走 skills add 安装）。
有什么用它要治的是每个 Claude Code 用户都会撞上的那面墙：同一个地方纠正 Claude 50 次、每个新会话重新解释一遍约定，上下文一压缩学习成果就没了。做法是每条纠正变成一条规则，存进 SQLite 可用 FTS5 检索，会话启动时自动加载；研究 wiki 存在磁盘上并建影子索引，任何会话都能查，可选由自动研究循环在夜里自己长大；另配 LLM 驱动的质量 hook、确定性的 git 与密钥守卫、能感知上下文压缩的状态和成本追踪。README 给了一张三段式对照：第 1 个会话你说「测试里别 mock 数据库」，Claude 提出规则、你点头、存进 SQLite；第 2 个会话启动时加载全部 learnings 并列出你的 wiki，提交提示时自动注入相关 wiki 片段，Claude 写出集成测试并引用对的那一页；到第 50 个会话，纠正率接近零，wiki 已积累 200 条带出处的论断。安装两条命令：先 /plugin marketplace add rohitg00/pro-workflow，再 /plugin install pro-workflow@pro-workflow。
适用场景长期用 Claude Code 或 Cursor 做项目、受够每次新会话都要重复解释同一套工程约定的人。
自我纠错41 个 SkillSQLite 存储
★ 2,657 · 活跃于 09-24
是什么Supabase 官方开源的 Agent Skills，帮使用 AI agent 的开发者处理 Supabase 相关开发；技能包本身就是 agent 能自动发现和调用的指令、脚本与资源目录，兼容 Claude Code、GitHub Copilot、Cursor、Cline 等 18 个以上 agent，遵循 Agent Skills 格式。
有什么用目前提供两个技能。supabase 覆盖全部 Supabase 产品与集成：Database、Auth、Edge Functions、Realtime、Storage、Vectors、Cron、Queues，以及 supabase-js 与 @supabase/ssr 在 Next.js、React、SvelteKit、Astro、Remix 中的用法，还包括登录登出、会话、JWT、cookie、getSession/getUser/getClaims、RLS 的排查，以及 CLI、MCP server、schema 变更、迁移、安全审计和 pg_graphql、pg_cron、pg_vector 等扩展。supabase-postgres-best-practices 是官方的 Postgres 性能优化指南，按影响程度分成 8 类：查询性能、连接管理、Schema 设计、并发与锁、安全与 RLS、数据访问模式、监控与诊断、高级特性，再按 Critical、High、Medium-High、Low-Medium、Low 分档，适合写 SQL、设计 schema、建索引、调连接池或配 RLS 时对照。安装一条命令 npx skills add supabase/agent-skills，也可作为 Claude Code 插件安装，例如 claude plugin install supabase@supabase-agent-skills。
适用场景用 AI 写 Supabase 项目，希望 agent 按官方推荐实践而不是过时写法生成 SQL、RLS 策略和迁移的开发者。
官方出品数据库与 RLS18+ 宿主
★ 2,397 · 活跃于 09-25
是什么Apify 官方的 agent 技能合集，装进 Claude Code、Cursor、Windsurf、Codex 或 Gemini CLI 之后，agent 就掌握了 Apify 这个网页数据与 AI 工具市场该怎么用。
有什么用主技能 apify-ultimate-scraper 覆盖 Instagram、Facebook、TikTok、YouTube、X、LinkedIn、Google Maps、Reddit、Yelp、Airbnb、Booking.com、TripAdvisor、Telegram、Snapchat、Amazon、Walmart、eBay、Google 搜索、Google Trends、GitHub 等平台，内置 130 多个精选 Actor，遇到没有专门覆盖的平台会自动回退到 Apify Store 里全部 30000 多个 Actor 中检索，Actor 选型、输入构造、run 管理和结果格式化都由它承担。配套的 apify-actor-development 用来用 JavaScript、TypeScript 或 Python 从零创建、调试与部署 serverless Actor，附 actor.json、input、output、dataset、key-value schema 的参考资料；此外还能把已有的脚本、库或 CLI 工具包装成可运行的 Actor，或从现有源码自动推导出 dataset_schema.json、output_schema.json、key_value_store_schema.json。README 提到社区维护的垂直技能（线索获取、品牌监测、竞品情报等）另见 apify/awesome-skills。安装示例：npx skills add https://github.com/apify/agent-skills –skill apify-ultimate-scraper。
适用场景要批量抓取社交平台、地图或电商数据做线索获取和竞品情报，但不想自己维护爬虫的人。
官方出品网页数据抓取130+ Actor
06jtydhr88/screenwriting-skills
★ 1,433 · 活跃于 09-22
是什么面向编剧、电视剧写作与戏剧构作的 agent 技能包，SKILL.md 遵循 agentskills.io 开放标准，同一套文件 Claude Code 与 Codex 共用，装一次两边都能用。
有什么用共 26 个 SKILL.md，通过插件市场分发：Claude Code 走 /plugin marketplace add jtydhr88/screenwriting-skills，之后按 /screenwriting:
适用场景在写剧集或做小说改编，想让 agent 按专业剧作工序逐环节过稿的编剧与内容团队。
编剧工序26 个 Skill一次装两边用
★ 1,422 · 活跃于 09-25
是什么一个本地 FFmpeg 的 Agent Skill，不联网、不要 API key、只用 Python 标准库，适配 Claude Code、Cursor、Codex 与 MCP，npx ffmpeg-skill 即可启动。
有什么用README 说它教 agent 一套固定工作流：探测（probe）、尽量无损地剪（edit）、检查（check）、验证（verify），并附带 42 个真正干活、直接驱动 ffmpeg 与 ffprobe 的工具，覆盖剪辑、拼接、去静音、适配时长与画幅、字幕与卡拉 OK、叠加与动态图形、HDR 转 SDR 与 LUT、音频清理与带类型的动态处理、带漂移校正的对轨、多机位、响度、交付检查、整条剪辑工程渲染、批量目录处理。每个工具同时可作为 MCP 工具调用：tools/list 默认只广告核心 12 个以压小客户端上下文，设 FFMPEG_SKILL_MCP_FULL=1 可列出全部 42 个，任何工具都能按名字经 tools/call 调到。仓库给出 53 组前后对比 demo，全部由合成素材经 python3 demos/build.py 生成、可自行重建每一帧。README 还提到一套自动生成的 SPEC：每个工具的 input_schema 直接派生自定义 CLI 的同一个 argparse 解析器，一旦发生漂移，CI 会让构建失败。
适用场景手里有不便上传云端处理的素材，要在本地批量做音视频剪辑、对轨与交付检查的人。
本地音视频42 个工具可选 MCP
★ 1,014 · 活跃于 09-27
是什么把 agent 做出来的产品真正推到线上的开源 Agent Skill。README 给它定义的任务是：托管、数据库、鉴权、域名、邮箱、支付，全部跑在用户自己的账号上，之后可以整体交接，也可以全部拆掉；配套一个零依赖的 Node CLI，官方不做账号、不提供托管后端、也不埋产品遥测。当前版本标注为 Early alpha 0.1.0-alpha.5。
有什么用它的流程是：侦测应用需要什么、规划出确切改动、请你批准、用你自己的登录去执行、验证哪些真的能用，然后把它创建的东西记录下来、按需复查是否漂移、也能再删掉。已经用小额真实测试覆盖六条路径：托管（Vercel、Netlify）、数据库（Supabase、Neon）、自定义域名 DNS（Porkbun、GoDaddy）、事务性邮件（Resend）、测试模式支付（Stripe）与 Supabase 鉴权，另有 teardown 卸载路径。安全设计写得很直白：任何写操作都必须先看到计划并批准，apply 缺少计划 id 和 –yes 就拒绝执行，写之前还会复核计划身份，改了版本或配置就让旧审批失效；DNS 写入要 –confirm-dns，删除要 –confirm-destroy，上生产要 –confirm-live，且首次生产部署也算在其内。凭据只在进程内读取，绝不打印、不进参数、计划、状态或报告。README 也主动交代了局限：存凭据的文件是 0600 权限的明文，不在钥匙串里。
适用场景用 AI 把应用做完，却卡在域名、数据库、邮件和支付这些上线杂事上的独立开发者。
上线部署自己的账号审批后再写
09eternityspring/reelbench-skills
★ 844 · 活跃于 09-21
是什么视频侧的 Claude Code 与 Codex 技能包，三个 skill 分别负责拉片、合成与清元数据。安装靠 scripts/install.sh 软链到 ~/.claude/skills/ 或 ~/.codex/skills/，git pull 之后立刻生效；依赖只有 node 18 以上和 ffmpeg/ffprobe，零 npm 依赖、零 API key。
有什么用video-shots 做拉片，把一条成片拆成逐镜头的分析表，含时长、景别、类别、运镜、画面与节奏，切点和时长由 ffmpeg 实测，模型只判断该判断的那几件事，再用 15 道质量门逐条对账；video-sync 把分镜信息合到画面上，镜头切了信息跟着切、镜头表自动滚动高亮，横版上下叠、竖版左右并，改布局只需改一份 CSS；video-scrub 清元数据，把片子重建成只有画面和声音的干净文件，GPS、设备、账号 ID 与遥测轨一概不搬。README 指出难的是 ffprobe 看不见的三层：SEI、AAC 的 DSE 和 compressorname，默认画面逐字节照搬，用 12 道门做字节级验收。仓库附有真跑产物：demo-report 来自一段 202.9 秒的 AI 短片，53 个镜头、平均镜长 3.83 秒、每分钟 15.7 切、15 道门全绿；demo-scrub/half.txt 则显示，用网上教的标准做法清完之后 ffprobe 一片干净，而码流里 x264 写在 SEI 的编码参数还剩 4 处、AAC 的 DSE 里还有 8 处。报告是单文件交互页，内嵌播放器加可搜索、可筛选、可排序的镜头表，零外部依赖、离线双击能开。
适用场景做 AI 视频内容，需要量化拆解参考片、或在交付前把元数据清干净的人。
AI 视频拉片 15 道门清元数据
10carnot-tech/consulting-pptx-skill
★ 820 · 活跃于 09-27
是什么让 AI 做出「像样」PowerPoint 的 Claude Code 技能，由 AI 工作流平台 Jinba 的成员整理成公开版：一套幻灯片设计规约、一个机械检查器、62 型 HTML 部件集（基本 27 型加追加 35 型）和一份型录 PDF。资料用 HTML（16:9）拼装，再由 Chrome 导出 PDF，每页一个 section。
有什么用README 直言这份仓库里最值钱的不是模板也不是脚本，而是 references/slide-rules.md 里约 110 项幻灯片规约——是把实际资料评审中挨到的批评一条条攒下来的：结论写进标题、禁止圆角、有填充的盒子不要再加边框、一份资料一个术语、前提与定义在左而结论在右。上手只有三步：每次让 AI 做资料前先读这份文件；产出后用 scripts/check_deck.py 机械检出违规；最后用 references/content-review-prompt.md 的指令，让另一个不知道制作过程的 agent 读这份 deck，接收它对日语、逻辑和矛盾的指摘，只改采纳的部分。理由写在 README 里：AI 每次会话记忆都会重置，口头提醒留不住，把规则变成文件每次喂给它才能沉淀。把部件拼成一份 deck 可用 scripts/new_deck.py –parts b01,m05 这样按编号抽取。62 型并不是能做的全部，实际做的时候会在规约范围内自由组合或打破，型录只当布局思路本用。README 建议企业用户把自家的规约和评审意见继续追加进 slide-rules.md 养起来。
适用场景每周都要出提案书和汇报资料、被 AI 生成的「一眼假」版式折磨的咨询与业务团队。
咨询级 PPT110 条规约机器检查
本文由「GitHub Skill 雷达」自动生成——每个工作日扫描 GitHub 当日热度最高的 10 个 Agent Skill 开源项目，同一项目不重复收录。
