GitHub Trending 日榜 Top 10（2026/11/12）

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 是一套完全可定制、面向智能体（agent）场景设计的开源设计系统。它要解决的核心痛点是：通用组件库往往把样式和交互逻辑焊死，团队想改主题、换品牌或接入 AI 生成界面时，要么被 CSS 覆盖战拖垮，要么得大改源码；同时，越来越多的产品需要让 LLM 或自动化工具安全地生成、组合 UI，而传统设计系统缺乏机器可读的组件契约。Astryx 用 TypeScript 构建，把组件拆成可组合的原子单元，设计令牌（design tokens）与组件实现分离，主题、间距、色彩等都能通过配置整体替换，而不是逐条覆盖样式。它强调“agent ready”，意味着组件暴露清晰的类型定义和结构化元数据，便于智能体理解组件能力、约束和组合方式，从而在生成界面时减少臆造和错配。技术上，TypeScript 的类型系统贯穿组件 API 与主题配置，编译期就能捕获大量误用；组件采用 headless 或低耦合的样式策略，方便在不同渲染目标间复用。它适合需要统一设计语言、又不想被固定视觉绑死的前端团队，以及正在探索 AI 辅助界面生成、希望给智能体提供可靠组件底座的产品与平台开发者。

技术栈：TypeScript
今日增长：+2,776 Star
累计 Star：25,042
Fork 数：1,956
仓库地址：https://github.com/meta/astryx

🥈 第2名：we-promise/sure

Sure 是一款用 Ruby 编写的开源个人财务应用，帮助用户集中管理账户、交易与预算，让每个人都能清楚掌握自己的钱花在了哪里。它解决的痛点很直接：个人财务数据往往散落在银行 App、信用卡账单、记账表格和各类订阅服务里，想看清全貌就得手动拼接，而多数商业记账工具要么收费、要么把数据锁在云端。Sure 把这些能力收进一个自托管的应用中：你可以录入或导入账户与交易，按类别整理收支，设定预算并跟踪执行情况，还能查看资产、负债与净资产的走势，形成一份完整的财务视图。作为开源项目，它的代码完全公开，数据留在自己掌控的服务器上，不必担心被第三方平台绑定或分析。技术层面，Sure 基于 Ruby 生态构建，采用 Rails 风格的 Web 应用架构，自带数据库迁移与后台任务处理，部署方式贴近常见的 Ruby 服务端实践，便于熟悉 Ruby 的开发者阅读、修改和二次开发；项目由社区共同维护，功能演进也来自使用者的实际需求。它适合希望自己掌控财务数据、愿意自行部署的技术用户，也适合想找一个可读、可改的 Ruby 全栈项目来学习或贡献的开发者。

技术栈：Ruby
今日增长：+1,078 Star
累计 Star：12,986
Fork 数：958
仓库地址：https://github.com/we-promise/sure

🥉 第3名：addyosmani/agent-skills

agent-skills 是一套面向 AI 编程代理的生产级工程技能库，把资深工程师在真实项目里反复验证过的工作方法整理成 AI 可直接调用的技能单元。当前 AI 编程代理的普遍短板不在写代码本身，而在工程素养：它们能快速产出能跑的代码，却常忽略测试覆盖、边界条件、错误处理、可维护性和既有代码规范，导致生成结果看似完整、实际难以进入生产环境。这套技能库正是针对这一落差而设计。

核心功能围绕可复用的技能模块组织，每个技能封装一项明确的工程实践，例如编写测试、审查代码质量、处理错误与边界情况、遵循项目约定等，让代理在具体任务中按需加载对应技能，而不是依赖一段笼统的系统提示词。技能以结构化文件形式定义，包含触发条件、执行步骤和判定标准，便于代理理解何时使用、如何执行。项目采用 JavaScript 编写，可较自然地接入现有 JavaScript 生态与代理工具链；同时技能内容与具体模型解耦，更换底层模型时无需重写技能定义，便于团队统一维护和版本化管理。

技术亮点在于把工程规范从“提示词里的口头要求”变成“可组合、可审查的工程资产”：技能边界清晰、职责单一，既能单独调用，也能组合成完整工作流；内容以文本和配置为主，便于代码审查、迭代和团队共享，而不是黑盒式的模型微调。适用人群包括正在构建或定制 AI 编程代理的开发者与平台团队，以及希望让代理产出更贴近生产标准、减少人工返工的工程团队。

技术栈：JavaScript
今日增长：+787 Star
累计 Star：115,972
Fork 数：12,165
仓库地址：https://github.com/addyosmani/agent-skills

第4名：vercel-labs/agent-browser

agent-browser 是一个用 Rust 编写的浏览器自动化命令行工具，专为 AI 智能体（Agent）驱动网页操作而设计。它要解决的核心痛点是：现有浏览器自动化方案（如 Playwright、Puppeteer）面向的是人类编写的测试脚本，调用链偏重、依赖 Node 运行时，且返回给调用方的信息往往是原始 DOM 或截图，AI 难以直接理解和决策；而 agent-browser 把浏览器能力收敛成一组简洁、结构化的 CLI 命令，让智能体可以用最少的 token 完成“打开页面、点击、输入、读取内容”这类动作。核心功能围绕无头浏览器的生命周期控制展开：启动与关闭会话、导航到指定 URL、按选择器或语义定位元素并执行点击与文本输入、提取页面文本与结构化内容，以及等待页面状态变化。技术亮点在于语言与形态的选择——用 Rust 实现带来单二进制的分发方式和较低的启动开销，避免了为一次简单操作拉起完整 Node 生态的成本；以 CLI 为接口意味着任何能执行 shell 命令的智能体框架都可以直接接入，无需绑定特定 SDK 或语言客户端，同时命令的输入输出格式对机器友好，便于模型解析和串联多步操作。适用人群是正在构建或调试 AI 智能体、需要为其赋予可靠网页交互能力的研究者与工程师，以及希望用轻量命令行方式替代重型自动化框架的开发者。

技术栈：Rust
今日增长：+708 Star
累计 Star：49,886
Fork 数：3,491
仓库地址：https://github.com/vercel-labs/agent-browser

第5名：homeassistant-ai/ha-mcp

ha-mcp 是一个让 Claude、ChatGPT 等 AI 助手直接配置和自动化 Home Assistant 的 MCP 服务器。Home Assistant 的自动化与配置长期存在一道门槛：YAML 语法严格、实体 ID 与模板函数需要记忆、调试反馈滞后，普通用户往往只能照抄论坛片段，稍有改动就报错。ha-mcp 把 Home Assistant 的配置能力以工具形式暴露给支持 MCP 协议的 AI 助手，让用户用自然语言描述需求，由 AI 调用对应工具完成操作，而不是靠人工逐行编写和试错。

核心功能围绕配置与自动化展开：AI 可以查询和检索实体、设备与区域信息，读取并修改自动化、脚本、场景等配置，借助 Home Assistant 提供的 API 完成校验与重载，从而形成“生成—校验—生效”的闭环。由于 AI 在动手前能先读取真实环境状态，生成的配置基于实际存在的实体与属性，减少了凭空编造实体名这类常见错误。技术层面，项目以 Python 实现，遵循 Model Context Protocol 标准，因此可被任何兼容 MCP 的客户端接入，不绑定单一 AI 厂商；工具粒度设计使 AI 的每一步操作都可见、可控，便于用户审查后再确认执行。

它适合已经运行 Home Assistant、希望用自然语言快速搭建或调整自动化的家庭自动化爱好者，也适合需要批量维护配置、排查实体引用问题的进阶用户，以及想把 AI 助手接入自有智能家居工作流的技术人员。

技术栈：Python
今日增长：+645 Star
累计 Star：7,387
Fork 数：454
仓库地址：https://github.com/homeassistant-ai/ha-mcp

第6名：shadcn/improve

shadcn/improve 是一个把“高能力模型负责审计与规划、低成本模型负责执行”这一分工固化为工作流的开源工具。它针对的痛点是：在 AI 辅助编码中，直接让便宜模型改代码往往因为缺乏全局理解而改错、改漏，而让最强模型从头到尾执行又成本过高；开发者需要在代码质量与 token 开销之间反复权衡，却缺少一套可复用的流程把两者拆开。它的核心功能是先用你手上能力最强的模型通读代码库，做一次系统性审计，识别出问题、改进点和风险，并据此写出结构化的执行计划；随后这些计划被交给更便宜的模型逐条落地，由前者把关“做什么、为什么做”，后者只负责“按计划做”。技术亮点在于它把“审计—规划—执行”拆成显式的阶段产物，计划本身成为可检查、可复用的中间层，既让昂贵模型的推理集中在真正需要判断力的环节，也让廉价模型的输出有明确约束、便于验证，同时避免了一次性把整个代码库塞给执行模型带来的上下文浪费。适用人群是已经在日常开发中使用多个不同价位模型、希望在不牺牲代码质量的前提下压低 AI 编码成本的工程师与团队。

技术栈：N/A
今日增长：+361 Star
累计 Star：10,911
Fork 数：445
仓库地址：https://github.com/shadcn/improve

第7名：ZhuLinsen/daily_stock_analysis

daily_stock_analysis 是一个由 LLM 驱动的多市场股票智能分析系统，把行情数据、实时新闻、分析决策和消息推送串成一条自动化的流水线。散户做日常盯盘时往往要在多个行情软件、新闻网站和自选股表格之间来回切换，信息分散且难以形成判断；这个项目针对的正是这种“数据有了、结论没有”的痛点。核心功能上，它从多个数据源采集股票行情，聚合实时新闻资讯，交给大语言模型生成分析结论，再以决策看板的形式集中呈现，并通过自动推送把结果送到用户手上。技术亮点在于“零成本定时运行”：借助免费数据源与可定时触发的调度方式，让整套分析流程在无需持续付费的前提下按计划自动跑完，同时支持多市场覆盖和可配置的推送渠道。适合有一定 Python 基础、希望用较低成本搭建个人股票分析自动化流程的投资者和量化爱好者。

技术栈：Python
今日增长：+278 Star
累计 Star：70,289
Fork 数：56,854
仓库地址：https://github.com/ZhuLinsen/daily_stock_analysis

第8名：GoogleChrome/modern-web-guidance-src

这是一个为现代 Web 开发提供权威实践指引的开源内容库，通过结构化、可检索的文档告诉开发者“在什么场景下该用哪些 Web 平台能力”。它要解决的核心痛点是：Web 平台的能力（如新 API、CSS 特性、浏览器兼容策略）演进极快，而开发者获取可靠建议的渠道分散、质量参差，常常在“该不该用某个特性”“有没有更现代的替代方案”上反复试错。这个项目把零散的最佳实践沉淀为统一、可维护的指引源文件，让建议本身也能像代码一样被审阅和迭代。

核心功能围绕内容的组织与呈现展开：以主题化的指引条目覆盖渲染、性能、可访问性、渐进增强等常见决策点，每条建议都对应具体的平台特性和适用条件，而非泛泛而谈的原则。内容以结构化格式编写，便于被文档站点或工具链消费，从而在开发者查阅时以清晰的上下文呈现。技术亮点在于用 TypeScript 构建内容的数据模型与校验逻辑，让指引条目在类型层面保持一致，减少条目之间口径不一、字段缺失的问题；同时借助源码化的管理方式，使内容变更可以走代码评审流程，保证每条建议都有据可查、可追溯。整个仓库以“源”的形式存在，强调内容与展示分离，方便下游按需渲染成不同形态的文档。

它适合需要为团队制定 Web 技术选型规范的前端架构师、编写内部开发指南的技术负责人，以及希望了解 Web 平台现代用法边界的开发者参考使用。

技术栈：TypeScript
今日增长：+159 Star
累计 Star：1,785
Fork 数：142
仓库地址：https://github.com/GoogleChrome/modern-web-guidance-src

第9名：openai/codex-security

OpenAI Codex Security 是一个用 TypeScript 编写的命令行工具与 SDK，用于发现、验证并修复代码中的安全漏洞。传统安全扫描工具往往只给出可疑告警，开发者需要花大量时间手动甄别误报，修复环节又缺少上下文支撑；这个项目把「找漏洞—确认漏洞—改代码」串成一条流水线，针对的正是这一痛点。核心功能上，它提供 CLI 与可编程的 TypeScript SDK 两种入口：CLI 适合直接在终端或 CI 流程中调用，SDK 则方便把安全检测能力嵌入自有工具链和自动化流程。它强调「验证」这一环节，不只是静态地列出问题，而是对候选漏洞做进一步确认，减少无效告警对开发者的干扰，随后再落到修复建议上。技术亮点在于以 TypeScript 实现、通过 npm 包 @openai/codex-security 分发，接入成本低，能与现有 Node.js/TypeScript 工程和构建体系自然衔接，同时借助 Codex 的代码理解能力来处理跨文件、带语义的漏洞场景，而不局限于简单的模式匹配。它适合需要在开发阶段就把安全左移的工程团队、负责代码审计与漏洞修复的安全工程师，以及希望把自动化安全检测集成进自身平台或工作流的工具开发者。

技术栈：TypeScript
今日增长：+52 Star
累计 Star：11,764
Fork 数：939
仓库地址：https://github.com/openai/codex-security

第10名：TheAlgorithms/Java

TheAlgorithms/Java 是一个用 Java 语言实现各类经典算法与数据结构的学习型代码仓库。它解决的核心痛点是：算法学习资料往往散落在教材、博客和零散代码片段中，学习者很难找到一套结构统一、可直接运行、覆盖全面的 Java 参考实现，而这个仓库把排序、查找、图论、动态规划、字符串处理、数学运算、密码学、贪心与回溯等常见算法按主题分目录整理，每个算法都是独立可编译的 Java 文件，配有清晰的方法签名和必要注释，读者可以按目录快速定位并直接阅读或运行。核心功能包括：覆盖从基础到进阶的算法集合，如各类排序与搜索、链表栈队列树堆等数据结构操作、图的最短路径与遍历、动态规划与回溯范例、数论与位运算技巧等；每个实现都尽量保持单一职责，便于对照学习；仓库还包含测试用例，帮助验证实现的正确性。技术亮点在于纯 Java 实现、不依赖第三方框架，代码风格朴素直白，强调可读性而非工程封装，适合作为算法原理的“活教材”；同时项目采用开源协作模式，社区持续补充和修正实现，并配有贡献指南，鼓励学习者通过提交 PR 参与改进。最后，这个仓库适合正在学习数据结构与算法的 Java 初学者、准备技术面试的求职者，以及希望快速查阅某类算法标准写法的开发者。

技术栈：Java
今日增长：+51 Star
累计 Star：67,037
Fork 数：21,510
仓库地址：https://github.com/TheAlgorithms/Java