# 新星首发：创作件扎堆与记忆双雄 ## 概述 ## 本期新星池与评测说明 需要事先声明评测口径：本轮未能逐行读取各仓库 SKILL.md 原文，评分依据是仓库公开描述、命名与社区星数信号，属于编辑判断而非实测结论。凡描述在索引中被截断处，正文均已注明；描述为空的仓库，只给社区活跃度评分，其余维度标「？」。这与往期深拆有所不同，读者把本期当作「寻雷雷达」而非「验货报告」更合适。 ## 评测对比表 | Skill | 功能完整度 | 设计质量 | 实战效果 | 上手难度（易得高分） | 社区活跃度 | 加权总分 | |-------|-----------|---------|---------|---------------------|-----------|---------| | EverettFish/holo-card-studio ⭐1440 | 4 | 4 | 3.5 | 2.5 | 5 | 3.8 | | tigerless-labs/agent-memory ⭐998 | 4 | 5 | 3.5 | 3 | 4 | 4.0 | | kajisho5/ffmpeg-skill ⭐965 | ？ | ？ | ？ | ？ | 4 | — | | achimala/dream-loop ⭐842 | 3.5 | 4 | 3.5 | 2.5 | 4 | 3.6 | | gazijarin/itsgiving ⭐713 | 2.5 | 3.5 | 2.5 | 4 | 4 | 3.2 | | codejunkie99/fable-orchestrator ⭐599 | 3.5 | 3 | 3 | 2.5 | 3.5 | 3.1 | | okf-memory/okf-agent-memory ⭐576 | 3.5 | 4.5 | 3 | 3 | 3.5 | 3.6 | ## 记忆双雄对垒：本周最值得盯的一组对手 ### tigerless-labs/agent-memory：Markdown 即事实源 仓库描述一句话：「Long-term memory runtime for AI agents — plain Markdown as the source of truth」（索引截断，逗号后内容缺失）。星数 998，是本期非官方新星里第二高。定位很清晰：它不是「让 Agent 学会新技能」的自学件——那条线此前已拆过八件——而是给 Agent 挂一块跨会话的长期记忆盘，且明确规定记忆的唯一事实源是纯 Markdown。 这个设计的聪明之处在于把「记忆」从黑盒变成了文本文件：可读、可 grep、可 diff、可人工修订。Agent 记错了什么，你直接改文件就行，不用调试向量库。对个人用户，记忆文件能进自己的笔记库；对团队，记忆能走 code review。短板同样明显：它自称 runtime，意味着大概率不是拷一个 SKILL.md 就完事的轻量技能，接入成本取决于其 README 给出的运行方式（本期未读到原文，接入细节未经证实），实战表现只能等社区用出反馈。 ### okf-memory/okf-agent-memory：Git 原生、按规范办事 描述同样只有两句：「Git-native persistent memory for AI coding agents. Implements Google OKF v0.2」。星数 576，比对手少四百多，但理念更硬：不发明私有格式，直接实现一套公开规范（Google OKF v0.2），并把 Git 当存储底座——记忆的每次变更都是一次提交，天然带回滚、溯源和分支实验能力。 两件摆在一起，是本周最有味道的路线之争：agent-memory 赢在「人可读」，把门槛压到最低；okf-agent-memory 赢在「可审计」，Git 历史就是记忆的病历本。前者像随手记的笔记本，后者像盖章归档的台账。如果你是一个人用，前者顺手；如果是团队里多 Agent 共享记忆、需要追责哪次「记错」改坏的配置，规范化的后者更稳。给 okf 设计质量 4.5 分，是本期单维度最高分——规范先行的克制，在新星里少见。 ## 创作引擎三件：从出图卷到出资产 ### EverettFish/holo-card-studio：描述变卡片，关键是「可编辑」 本期星数冠军（⭐1440，近 7 天新建仓库第三名），描述：「Turn the user's description or uploaded reference into a finished, editable Blender card and an inte—」（截断）。核心卖点就一个词：editable。市面上「文生图」技能一抓一大把，产出的是像素，改一个字重都要重新生成；这件产出的是 Blender 工程，是一份还能继续编辑的三维卡片资产。从「生成结果」到「生成工程文件」，这一步跨越让 AI 产出真正接进了设计工作流。短板也直白：Blender 本体加渲染环境是重依赖，上手难度只给 2.5 分；另外描述在「inte—」处截断，其集成能力（推测是场景集成一类）未经证实。 ### achimala/dream-loop：给创作装一个批评家 描述：「Agent skill for impressive 3D visuals using Blender + image gen + subagent critic」。三个关键词排得很讲究：Blender 出三维、图像生成出材质氛围、subagent critic 收尾。亮点在第三项——它把「批评家子代理」写进了工作流，生成之后先过一道独立评审再交货，等于把质检环节内置化了。这与此前横评过的官方视觉四件套不是一路：官方那组解决「风格规范」，dream-loop 解决「成品率」，用多一轮生成-批评循环去换「 impressive 」这个形容词。风险与 holo-card 同源：Blender 加图像生成的双重依赖，环境搭不起来就全盘停摆。 ### gazijarin/itsgiving：会议梗图，娱乐件的自留地 描述只有一句：「Express yourself in meetings (with memes, of course).」——在会议里用梗图表达自己。功能完整度我只给 2.5 分，它确实不解决生产力问题；但设计质量给到 3.5 分，因为场景切得极窄极准：开会这件事里的情绪表达，是一个从未被 Skill 化过的缝隙。新星生态需要这种「无用之用」——它不提升 KPI，但证明 Skill 的适用面可以细到「会议氛围」这个颗粒度。上手难度 4 分，娱乐件的天然优势：没有环境依赖，装了就能玩。 ## 底层件与编排件：一冷一热 ### kajisho5/ffmpeg-skill：965 颗星，一个字都不说 这是本期最反常的样本：上架即 965 星，仓库描述为空。从命名推测是封装 ffmpeg 音视频操作的技能（剪辑、转码、抽帧一类），但此推测未经证实。它入选本期不为评测——评测表上它一片「？」——而是为了引出下面的现象观察。低调查高星，往往意味着传播发生在 Star 按钮之外（社群转发、榜单直链），这类仓库值得放进观察名单等它补文档。 ### codejunkie99/fable-orchestrator：模型分工，版本号写死是硬伤 描述：「Fable 5.1 orchestrates. GPT-5.6 Luna and DeepSeek V4 Flash implement.」翻译过来：Fable 5.1 当指挥，GPT-5.6 Luna 与 DeepSeek V4 Flash 干活。定位是多模型编排——指挥模型负责拆解与验收，执行模型按成本梯度分工。需要与此前「多 Agent 横评：组织隐喻之争」那期区分：那期拆的是 Agent 角色组织（PM、工人、评审），fable 编排的是底层模型本身，是成本工程而非组织工程。短板在描述里就露了出来：把具体模型版本号写进定位语，模型一换代宣传语就过期，设计质量因此只给 3 分。 ## 现象观察：高星无描述仓库成批出现 把镜头拉远看本期新星榜，无描述不是 ffmpeg-skill 一家的怪癖：Edge0-AI/Edge0 ⭐1341 无描述、inclusionAI/Choruz ⭐654 无描述（大厂 inclusionAI 名下的新仓库，是什么暂无公开信息、未经证实）。近 7 天新建的高星仓库里，「不写一句话简介」的比例高得反常。可能的解释有二：其一，热点期抢注仓库先占坑、后补文档；其二，作者默认流量来自 Skill 目录站的直链而非 GitHub 搜索，描述不再承担导流职能。无论哪种，对新星挖掘者的启示一致：新星榜的「描述」字段正在失真，选件时星数与仓库内容本身的权重需要上调。 ## 生态分类图 ```mermaid mindmap root((2026-09-12新星池)) 创作引擎簇 holo-card-studio 3D卡片可编辑 dream-loop 生成加批评闭环 itsgiving 会议梗图 记忆基建簇 agent-memory Markdown事实源 okf-agent-memory Git原生规范 底层与编排簇 ffmpeg-skill 媒体处理待验 fable-orchestrator 模型分工 ``` 记忆双雄的写入路径差异，用一张概念图表达（依据两仓库公开描述绘制，非内部实现图）： ```mermaid flowchart LR subgraph MA[agent-memory路线] M1[会话与任务过程] -->|沉淀| M2[Markdown记忆文件] M2 -->|作为事实源注入| M3[下一次会话] end subgraph OK[okf-agent-memory路线] K1[Agent工作记录] -->|提交| K2[Git记忆仓库] K2 -->|历史与回滚| K3[可审计记忆] end ``` ## 安装命令汇总 以下为通用安装方式（克隆进个人技能目录，或用 skills CLI）；agent-memory 与 okf-agent-memory 自称 runtime，未必是单文件 SKILL.md 形态，克隆后请以各自仓库 README 为准： ```bash # 3D 卡片工坊 git clone https://github.com/EverettFish/holo-card-studio ~/.claude/skills/holo-card-studio npx skills add EverettFish/holo-card-studio # 3D 视觉闭环 git clone https://github.com/achimala/dream-loop ~/.claude/skills/dream-loop npx skills add achimala/dream-loop # 会议梗图 git clone https://github.com/gazijarin/itsgiving ~/.claude/skills/itsgiving npx skills add gazijarin/itsgiving # 多模型编排 git clone https://github.com/codejunkie99/fable-orchestrator ~/.claude/skills/fable-orchestrator npx skills add codejunkie99/fable-orchestrator # 记忆双雄（runtime，接见 README） git clone https://github.com/tigerless-labs/agent-memory git clone https://github.com/okf-memory/okf-agent-memory ``` ## 推荐排行榜 - **设计理念榜**：agent-memory（Markdown 事实源）＞ okf-agent-memory（规范先行）＞ dream-loop（内置批评家） - **社区热度榜**：holo-card-studio（1440）＞ agent-memory（998）＞ ffmpeg-skill（965） - **新手友好榜**：itsgiving ＞ agent-memory ＝ okf-agent-memory ＞ fable-orchestrator ＞ holo-card-studio ＝ dream-loop（Blender 双重件压轴） - **综合榜**：agent-memory 4.0 ＞ holo-card-studio 3.8 ＞ dream-loop 3.6 ＝ okf-agent-memory 3.6 ＞ itsgiving 3.2 ＞ fable-orchestrator 3.1 ## 结语 本期新星池给出一个信号：Skill 生态的增量正在从「会不会做」转向「做完的东西算不算资产」。可编辑的 Blender 工程、可审计的 Git 记忆、可批评的生成闭环，三个「可」字是本周新件与上一代生成件的分水岭。下一期值得回访的观察对象：ffmpeg-skill 会不会补上描述与文档，以及记忆双雄里谁能先跑出团队级案例。 ## 参考来源 1. [EverettFish/holo-card-studio](https://github.com/EverettFish/holo-card-studio) — 本期星数冠军，描述转可编辑 Blender 卡片 2. [tigerless-labs/agent-memory](https://github.com/tigerless-labs/agent-memory) — Markdown 事实源的 Agent 长期记忆运行时 3. [okf-memory/okf-agent-memory](https://github.com/okf-memory/okf-agent-memory) — Git 原生记忆，实现 Google OKF v0.2 4. [achimala/dream-loop](https://github.com/achimala/dream-loop) — Blender + 图像生成 + 批评家子代理 5. [codejunkie99/fable-orchestrator](https://github.com/codejunkie99/fable-orchestrator) — 多模型分工编排 6. [kajisho5/ffmpeg-skill](https://github.com/kajisho5/ffmpeg-skill) — 高星无描述样本，待补文档 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。