GitHub Trending 日榜 Top 10（2026/11/13）
今日 GitHub 热门项目深度解读，每个项目 500 字讲清楚核心价值。
🏆 第1名：meta/astryx
Astryx 是一个用 TypeScript 编写的开源设计系统，目标是让团队在保持一致性的同时，把界面组件完全按自己的品牌和需求改造。它要解决的痛点很直接：现成的设计系统往往要么过于封闭、改一处样式就得跟框架较劲，要么过于松散、缺少统一约束，导致产品越做越分裂；与此同时，AI 编程助手在生成界面时缺少可靠的设计约束，产出的代码风格和组件用法经常与项目规范脱节。Astryx 把组件、设计令牌和主题机制做成可配置的体系，开发者可以替换配色、字体、间距和圆角等基础变量，也能在组件层面做样式与行为扩展，而不必 fork 整个库。核心功能围绕可定制主题、可组合的 UI 组件以及面向智能体的接口约定展开，让设计规范既能被人读懂，也能被自动化工具消费。技术上的亮点在于全程使用 TypeScript，类型定义覆盖组件属性和主题配置，配合现代前端工具链提供良好的类型提示与按需引入能力；其“agent ready”的定位意味着设计系统的元信息与结构对 AI 辅助开发友好，便于在生成代码时遵循既定规范。它适合需要建立自有设计语言的前端团队、正在引入 AI 辅助编码并希望约束产出一致性的工程组织，以及希望从零搭建可维护组件库的产品研发者。
技术栈：TypeScript
今日增长：+1,830 Star
累计 Star：26,569
Fork 数：2,063
仓库地址：https://github.com/meta/astryx
🥈 第2名：we-promise/sure
Sure 是一款面向所有人、也由社区共同构建的个人财务应用，用 Ruby 编写，帮助用户集中管理账户、交易与预算，把“钱去哪儿了”这件事真正看清楚。它要解决的痛点很直接：市面上的记账工具要么绑定特定银行生态、要么把数据锁在云端、要么收费不菲，而个人财务数据恰恰是最私密、最需要自主掌控的一类信息。Sure 以开源、可自托管的方式回应这一点——你可以把它跑在自己的服务器上，数据留在自己手里，同时又不牺牲现代财务应用应有的体验。核心功能围绕日常理财闭环展开：多账户与多币种管理、交易记录与分类、预算与支出追踪、报表与趋势分析，并支持接入银行数据以自动同步流水，减少手工录入的负担。技术层面，它基于 Ruby on Rails 构建，遵循 Rails 的约定优于配置思路，代码结构清晰、易于二次开发和部署；社区驱动的开发模式让功能演进贴近真实用户需求，而不是被商业目标牵着走。对于关心数据主权、愿意动手部署、又想获得接近商业产品体验的用户，Sure 提供了一个务实的选择。适合注重隐私、具备一定自托管能力、希望长期掌控个人财务数据的个人用户与家庭，也适合想参与开源财务工具建设的 Ruby 开发者。
技术栈：Ruby
今日增长：+967 Star
累计 Star：13,931
Fork 数：1,043
仓库地址：https://github.com/we-promise/sure
🥉 第3名：addyosmani/agent-skills
agent-skills 是一套面向 AI 编程代理（AI coding agents）的生产级工程技能库，把资深工程师在真实项目中反复验证过的工作方法固化成代理可直接调用的技能模块。当前 AI 编程代理的普遍短板不在于写不出单段代码，而在于缺乏工程判断：面对需求时不会先做方案权衡，改代码时不做回归验证，提交前不检查边界条件与错误处理，结果往往产出“能跑但不可维护”的补丁，把评审和返工成本转嫁给人类开发者。这个项目针对的正是这一断层。它的核心是把工程实践拆解为可组合的技能单元，覆盖需求澄清、方案设计与取舍、代码实现规范、测试编写与回归验证、代码评审自查、调试与根因定位、提交与变更说明等环节，每个技能都带有明确的触发条件和执行步骤，代理可按任务阶段按需加载，而不是一次性塞进冗长的通用提示词。技术层面，项目以 JavaScript 实现，技能以结构化描述组织，便于被不同代理框架解析和调用，同时保持与具体模型解耦，方便扩展和定制。适用人群是正在构建或调优 AI 编程代理的开发者、希望提升代理产出代码质量的工程团队，以及想把团队工程规范沉淀为代理可执行知识库的技术负责人。
技术栈：JavaScript
今日增长：+816 Star
累计 Star：116,686
Fork 数：12,210
仓库地址：https://github.com/addyosmani/agent-skills
第4名：GoogleChrome/modern-web-guidance-src
modern-web-guidance-src 是一套面向编码智能体（coding agent）的现代 Web 最佳实践知识源，用来让 AI 编程助手跟上不断演进的 Web 平台规范。它解决的痛点很直接：大模型的知识存在截止日期，而前端生态里的 API 废弃、新特性落地、性能与可访问性建议更新极快，智能体很容易给出过时甚至已被移除的写法；同时，零散的最佳实践散落在 MDN、web.dev、Chrome 团队博客等各处，缺少一份结构化、可持续维护、能被工具直接消费的版本。核心功能是把这些分散的权威指导整理成条理清晰的规则与说明，围绕性能、可访问性、安全性、现代 API 使用等主题给出明确的正例、反例和迁移建议，并配套源码与构建流程，便于持续更新和二次加工。技术上的亮点在于用 TypeScript 组织内容与工具链，让指导条目具备类型约束和可校验的结构，从而既能以文档形式供人阅读，也能作为机器可读的输入被智能体检索、注入提示或做规则检查，形成“内容即数据”的维护方式；项目本身也借助自动化流程保证条目与最新 Web 标准同步，降低人工维护成本。适用人群是构建或调优前端编码智能体的开发者、需要给 AI 助手补充最新 Web 规范的平台团队，以及希望以结构化方式沉淀和复用前端最佳实践的技术负责人。
技术栈：TypeScript
今日增长：+739 Star
累计 Star：3,014
Fork 数：200
仓库地址：https://github.com/GoogleChrome/modern-web-guidance-src
第5名：openai/codex-security
OpenAI Codex Security 是一个用 TypeScript 编写的命令行工具与 SDK，用于在代码库中查找、验证并修复安全漏洞。传统安全扫描工具往往只抛出大量未经确认的告警，开发者需要在误报中逐一甄别，而修复环节又得手动完成，从发现问题到真正修好之间存在明显断层。这个项目针对的正是这一痛点：它把“发现—验证—修复”串成一条可编程的流水线，既提供开箱即用的 CLI，也提供 TypeScript SDK，方便把安全能力嵌入 CI/CD 或自有工具链。核心功能围绕漏洞的定位与确认展开，强调对告警进行验证，减少无效噪声，并支持对确认的问题给出修复动作，而不是停留在报告层面。技术上的亮点在于以 TypeScript 实现、通过 npm 包 @openai/codex-security 分发，安装与集成成本低，CLI 与 SDK 双形态让团队既能直接在终端或自动化流程中调用，也能按需二次开发；同时它承接 Codex 的代码理解能力，使安全分析更贴近真实代码语义，而非单纯依赖规则匹配。它适合需要在开发流程中尽早发现并处置安全问题的工程团队、安全工程师，以及希望把漏洞检测与修复能力集成进自有平台或自动化管线的开发者使用。
技术栈：TypeScript
今日增长：+643 Star
累计 Star：12,438
Fork 数：978
仓库地址：https://github.com/openai/codex-security
第6名：Alishahryar1/free-claude-code
free-claude-code 是一个让开发者在终端、应用、IDE、手机乃至浏览器中免费使用 Claude Code、Codex、Antigravity、VSCode、Pi、OpenCode 等十余种编程 harness 的工具，官方称可提供 13 亿以上的免费 token。它瞄准的核心痛点是：主流 AI 编程助手（尤其是 Claude Code 这类 harness）通常需要付费订阅或消耗昂贵的 API 额度，个人开发者和学生难以长期负担，而不同 harness、不同模型之间又彼此割裂，切换成本高。项目通过统一封装多种 harness 与多模型后端，把这些工具接到免费 token 来源上，让用户无需为每个工具单独配置和付费。功能上，它支持多 harness + 多模型的组合使用，覆盖终端、桌面应用、IDE 插件和手机等多种入口，并新增了原生浏览器会话能力（类似 OpenClaw 的浏览器交互方式），同时支持语音输入，且强调对服务条款友好（ToS friendly），避免因滥用接口而触发封禁风险。技术亮点在于用 Python 实现了一套跨 harness 的适配层，把不同工具对模型调用的差异抽象掉，用户只需一次配置即可在多个编程环境中复用同一套免费模型通道，并可在浏览器内直接开启会话，减少本地环境依赖。它适合预算有限但希望体验多种 AI 编程 harness 的个人开发者、学生和独立 hacker，也适合需要频繁在终端、IDE 与浏览器之间切换、想用统一方案管理多模型编程助手的效率型用户。
技术栈：Python
今日增长：+415 Star
累计 Star：69,311
Fork 数：10,764
仓库地址：https://github.com/Alishahryar1/free-claude-code
第7名：CopilotKit/OpenBot
OpenBot 是一套开源的 AI 同事框架，让每个 AI 智能体都拥有一台属于自己的“电脑”——浏览器、文件系统和工具一应俱全。它瞄准的是当前 AI 智能体落地时最让人头疼的痛点：智能体一旦开始自主操作，就容易失控、难以审计，出了问题也无从追溯。OpenBot 的解法是“事前决策、事后记录”：智能体执行的每一个动作都会在发生之前被明确决定，并在发生之后被完整记录，从而把自主性和可控性同时拉满。核心功能上，它为每个智能体提供独立的浏览器、文件与工具环境，意味着多个 AI 同事可以各干各的、互不干扰，同时又能像真实员工一样操作软件、读写文件。技术层面，OpenBot 基于 TypeScript 构建，并原生支持接入任意 AG-UI 智能体，开发者不必被绑定在某个特定模型或框架上，可以沿用现有 agent 直接上岗。这种“给 AI 配一台电脑”的设计，把智能体从只能对话的聊天框里解放出来，变成能真正动手干活的协作伙伴，而完整的动作决策与记录机制则让这种动手能力变得可信任、可审查。它适合需要把 AI 智能体投入真实工作流、又对过程可控性和可追溯性有要求的开发团队与产品团队。
技术栈：TypeScript
今日增长：+298 Star
累计 Star：11,633
Fork 数：1,439
仓库地址：https://github.com/CopilotKit/OpenBot
第8名：pookjw/HermesEnabler
HermesEnabler 是一款让任意 Apple Watch 机型都能启用爱马仕（Hermès）表盘的工具。Apple 长期将爱马仕联名表盘作为硬件绑定专属内容，只有购买对应联名款手表的用户才能在 watchOS 上看到并使用这些表盘，普通用户即便喜欢其设计也无从获取，这一限制成为不少表盘爱好者的痛点。该工具的核心功能正是绕过这一机型校验，把爱马仕表盘解锁到非联名设备上，让更多 Apple Watch 用户能够自由选用这些原本被硬件门槛锁定的表盘样式。技术实现上，项目使用 Objective-C 编写，针对 watchOS 的表盘资源与设备识别逻辑进行处理，通过修改或注入相关配置使系统将非联名设备识别为可加载爱马仕表盘的设备，从而在系统层面放行这些表盘资源；项目以开源形式发布，代码结构相对轻量，便于开发者阅读其实现思路并根据 watchOS 版本变化进行调整。需要注意的是，此类修改涉及系统内部机制，实际效果与兼容性会随 watchOS 版本和具体机型而有所不同，使用前应了解相关风险。它适合希望在自己的 Apple Watch 上体验爱马仕表盘、且具备一定动手能力与风险意识的 Apple Watch 用户和 iOS 越狱/系统定制爱好者。
技术栈：Objective-C
今日增长：+218 Star
累计 Star：1,542
Fork 数：140
仓库地址：https://github.com/pookjw/HermesEnabler
第9名：ggml-org/llama.cpp
llama.cpp 是一个用 C/C++ 实现的大语言模型推理引擎，能在从笔记本到服务器的各种硬件上本地运行 LLaMA 系列及众多兼容模型。它解决的痛点很直接：主流 LLM 推理往往依赖庞大的 Python 框架和 GPU 环境，部署门槛高、资源占用大，而 llama.cpp 通过纯 C/C++ 实现和极少的运行时依赖，让模型推理可以跑在 CPU、Apple Silicon、消费级显卡乃至手机等边缘设备上。核心功能包括支持 GGUF 格式的模型加载与量化，提供从 2 位到 8 位等多种量化方案，在显著压缩模型体积的同时尽量保持输出质量；内置命令行交互工具、兼容 OpenAI API 的本地服务端，以及可嵌入其他程序的库接口。技术亮点在于手写的 SIMD 优化内核，针对 x86 的 AVX/AVX2/AVX-512、ARM 的 NEON 以及 Metal、CUDA、Vulkan 等后端分别做了加速；同时采用内存映射加载模型、按需分配 KV cache，使大模型在内存有限的设备上也能运行。项目还附带模型转换、量化、评测等配套脚本，并持续跟进新模型架构的适配。它适合希望在本地或私有环境中低成本部署大模型、对数据隐私和离线运行有要求的开发者，也适合研究推理性能优化、需要在嵌入式或移动端集成 LLM 能力的工程师。
技术栈：C++
今日增长：+176 Star
累计 Star：134,568
Fork 数：25,509
仓库地址：https://github.com/ggml-org/llama.cpp
第10名：QwenLM/qwen-code
Qwen Code 是一个运行在终端里的开源 AI 编程智能体，让你无需离开命令行就能让大模型直接读写代码、执行任务。它瞄准的痛点是：很多 AI 编程工具依赖图形界面或特定 IDE 插件，切换上下文成本高，而开发者大量时间其实泡在终端里；同时，闭源方案在可定制性和数据可控性上受限。Qwen Code 把编码智能体直接嵌入终端工作流，用自然语言描述需求即可完成代码理解、修改、生成和命令执行等操作，减少在编辑器、浏览器和聊天窗口之间来回切换的摩擦。核心功能围绕“对话式编码”展开：它能读取和分析项目文件、按指令编辑代码、运行 shell 命令并根据输出继续推理，形成“理解—修改—验证”的闭环。技术亮点在于其基于 TypeScript 构建，便于在 Node.js 生态中安装和扩展；项目针对 Qwen 系列模型做了适配与优化，能较好地发挥该类模型在代码任务上的能力，同时保持开源可审计、可二次开发。适用人群是习惯命令行工作流、希望用 AI 加速日常编码与脚本任务的开发者，以及想基于开源智能体做定制集成的团队。
技术栈：TypeScript
今日增长：+151 Star
累计 Star：29,824
Fork 数：3,397
仓库地址：https://github.com/QwenLM/qwen-code
