jevgrep：按意图找码的新星——Skills新星首发第6期速拆

概述

本期是本栏目的新星首发轮。观察口径：以 2026-09-24 至 09-28 五天连续快照的「新上架」榜单为底，从差集里挑出还没被拆过的 7 件新面孔。核心发现有三：其一，新星榜不再被 Jev 决策件垄断，检索、出片、文字、页面各赛道都有新件补位；其二，dzhng/jevgrep 把「按意图找代码」做成了独立 CLI，是 laya 决策引擎生态里第一件专攻「Agent 找文件」痛点的工具；其三，增长最稳的不是爆款，而是 page-mascot 这类每天稳定 +10 星的情绪小件。文中星标数均截至 2026-09-28 素材快照，增长数据来自逐日快照对账。

一、先对账：五天星轨里的位置

拆新星之前，先看本期快照里已拆件的轨迹，确认新面孔的坐标系：

两张图景很清楚：apk-reverse 在 09-26 到 09-28 两天翻了近一倍（1471→2727），是典型的「被拆后爆量」；而 page-mascot 五天每天稳定涨 10 星上下，一条几乎完美的直线——没有爆点，但也没有回撤，这是长线件的特征。jevgrep 则是 09-28 快照里首次进榜的新面孔，上架不超过两周（按检索窗口算），780 星起步，起点不低。

二、评测对比表

评分说明：新星件普遍缺实战佐证，实战效果按仓库描述的功能闭环程度与生态位刚性给分；上手难度星级越高越容易。

三、逐件拆解

1. jevgrep：把「找文件」从字面匹配升级成意图匹配（本期头牌）

仓库简介原话：「Find code by asking what it does. A CLI for coding agents that uses Jev to discover relevant files」。拆开看是三层设计：

第一层，动机。 Agent 写码最大的隐性损耗不在生成，在定位。现状是 grep 命中字面、agent 再读十个文件、再猜哪个才是要改的那处。jevgrep 把这个问题反向表述：你不告诉它关键词，你告诉它「这段代码是干什么的」，它去找。

第二层，引擎。 简介明说底层用 Jev——就是 laya 那套 System 1 非自回归决策模型。这是个很聪明的复用：判断「哪个文件和这句意图相关」本质是打分题（choice/score），正好落在 laya 的 typed choice 能力射程内，不需要大模型逐字推理。这也解释了为什么它敢做成独立 CLI 而不是 skill：检索要嵌进 agent 的工具循环里，低延迟比强对话更重要。

第三层，生态位。 放到 Jev 工具链全景里看：laya 是引擎，ollaya 是本地运行器，hermes-jev-skills 是路由记忆等基建件，jevgrep 则补上了「编码场景入口」这个位置。工具链在横向铺开，这是生态从爆款走向基建的典型信号。

短板也很实在：依赖 Jev 系模型意味着本地要么拉模型要么连推理服务，对纯 Claude Code 用户多了一层前置成本；检索质量目前只有仓库自述，无第三方基准。适合已跑通 Jev 生态、被大型仓库导航折磨的开发者尝鲜。

git clone https://github.com/dzhng/jevgrep
cd jevgrep && cat README.md   # CLI类仓库，以README安装说明为准

2. reelbench-skills：把领域知识库做成 skill 合集

eternityspring/reelbench-skills，快照 825 星，中英双语简介：「AI 视频相关的学习与工具 skills」。它的价值不在单件深度，而在形态示范：作者把 AI 视频这条赛道的踩坑笔记和工具调用经验，直接封装成一组 skill，而不是写成博客或 wiki。对 agent 来说，skill 形式的知识是可执行的；对后来者来说，这是「学一个领域 = 装一个 skill 包」的样板。短板是合集型仓库的通病：粒度靠作者个人手感，哪件好用要自己筛。适合正在做 AI 视频流水线、想少踩坑的人整包装进观察名单。

git clone https://github.com/eternityspring/reelbench-skills
# 挑选需要的子目录复制到 ~/.claude/skills/

3. onetake：出片件赛道的新分支——不切镜头

feitangyuan/onetake，551 星，简介关键句：「Motion films that never cut to the next slide: every beat grows out of the one before, one continuous shot」。出片件（演示变视频）此前横评过一批，共同范式是「分页 → 逐页渲染 → 拼接」，边界清晰但也生硬。onetake 换了个轴：全片一条连续镜头，每一拍的动效从上一拍长出来。这不只是审美偏好——转场处正是模板拼接件最容易穿帮的地方，把「转场」从拼接问题变成生长问题，是对赛道痛点的正面回应。551 星在新星里不算高，但概念差异度是本期最大的。

git clone https://github.com/feitangyuan/onetake

4. anidoodle：官方 algorithmic-art 的挑战者

alexgreensh/anidoodle，565 星，简介：「Art and animation, written as code. Illustrations, loops, interactive web art, stickers and scored…」。代码化生成美术不是新想法，官方 example-skills 里早有 algorithmic-art；anidoodle 的新意在覆盖面：静态插画、循环动画、可交互网页艺术、贴纸，一路到带配乐的动画，把「生成即代码」从一个演示型 skill 拉成一个小型创作套件。短板：社区活跃度评级最低（新星且无出圈事件），成熟度待观察。适合给 agent 加一条「随手出素材」的生产线。

git clone https://github.com/alexgreensh/anidoodle

5. text-humanizer：去 AI 味这件小事，有人免费做了

asokurasu/text-humanizer，739 星，自述完全免费开源、多语言、专门把 AI 生成文本「人味化」。赛道背景无须展开：AI 检测器与去 AI 味的军备赛打了一年多，商业化产品按字收费者众，免费开源件本身就是态度。需要提示的边界：这类工具的正途是改善译后编辑、辅助表达的私人化改写，拿去伪装原创投稿属于平台规则风险区，使用者自担。设计上值得留意的点：多语言支持意味着它不是简单同义词替换，至少做了语言层的句式重构。

git clone https://github.com/asokurasu/text-humanizer

6. shapeshift：一个文本框，边输入边变形

anishfn/shapeshift，709 星，简介：「An input that becomes what you mean: one text box that morphs into the right UI as you type」。表单设计的经典矛盾是：预设控件覆盖不了所有输入，开放文本框又把结构化成本全甩给用户。shapeshift 的方案是让输入控件本身变成动态的——你打「下周三下午3点」，它长成日期选择器；你粘一段 JSON，它长成编辑器。对 agent 生成 UI 的场景（web-artifacts 类工作流）这是个高价值的积木件。设计质量给到本期第二高，想法的通用性够。

git clone https://github.com/anishfn/shapeshift

7. page-mascot：每天涨10星的情绪小件

nilbuild/page-mascot，快照 815 星，简介只有一句：「A mascot that watches the cursor and blinks when you poke it」。功能一句话说完：一个盯着你光标看、戳它会眨眼的页面吉祥物。放进来不是因为功能重，是因为它的星轨值得单独一说：784→794→805→815，五天匀速，没有一条爆点推力。爆款件的生命周期是大起大落，而这类「无用但可爱」的情绪件走的是另一条曲线——被一代代个人站点安静地装进角落，长尾极长。上手段于 agent 工作流：它是「生成个人站点」类任务里成本一星、记忆点五星的装饰件。

git clone https://github.com/nilbuild/page-mascot

四、七件新星在Agent工具链里的落位

flowchart TD
  A["Agent工具链"] --> B["检索入口"]
  A --> C["内容出片"]
  A --> D["页面与UI"]
  A --> E["文字加工"]
  B --> B1["jevgrep<br/>按意图找码"]
  C --> C1["onetake<br/>一镜到底"]
  C --> C2["reelbench-skills<br/>视频知识包"]
  D --> D1["shapeshift<br/>输入框变形"]
  D --> D2["page-mascot<br/>页面吉祥物"]
  D --> D3["anidoodle<br/>代码化美术"]
  E --> E1["text-humanizer<br/>去AI味"]

七个新件恰好没有两件撞位——首发位清仓之后，新面孔是在补空位，不是在挤同一个位。

五、推荐排行榜

• 增长最稳奖：page-mascot —— 五天匀速 +31 星，零回撤
• 生态价值奖：jevgrep —— 第一个把 laya 决策引擎接进「找文件」场景的件
• 概念差异度奖：onetake —— 出片赛道唯一主打「不切镜头」的
• 新手最友好奖：reelbench-skills —— 装上即获得一整条 AI 视频赛道的踩坑笔记
• 最需要观望奖：anidoodle —— 覆盖面最广，但社区验证最少

六、安装建议

Skills 类仓库（reelbench-skills、anidoodle）通用的两种装法：

# 方式一：克隆后手动挑选
git clone https://github.com/eternityspring/reelbench-skills
cp -r reelbench-skills/<子目录> ~/.claude/skills/

# 方式二：用生态安装器
npx skills add eternityspring/reelbench-skills

CLI/组件类仓库（jevgrep、shapeshift、page-mascot、onetake、text-humanizer）安装路径各异，装前先读各自 README，以仓库说明为准。

结语

这期快照里真正的信号不是哪一颗星涨得快，而是新星位的分工：决策引擎件（laya 系）铺完基建之后，新上架开始沿着「Agent 干活的每个环节」纵向钻——找文件、出片子、改文字、画界面各来一件。对新星首发这个栏目来说，这是好迹象：值得拆的东西，暂时还挖不完。

参考来源

1. dzhng/jevgrep — 本期头牌，Agent 语义检索 CLI（简介及星标数取自 2026-09-28 快照）
2. eternityspring/reelbench-skills — AI 视频 skills 合集（2026-09-24 快照 825 星）
3. feitangyuan/onetake / alexgreensh/anidoodle / asokurasu/text-humanizer — 出片、代码化美术、去 AI 味三件新星
4. nilbuild/page-mascot / anishfn/shapeshift — 页面情绪件与自适应输入件
5. anthropics/skills — 官方 Skills 仓库，本系列对照基准

[!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。