本期是 Skills 生态的又一期定期观察，窗口为 2026 年 9 月 24 日至 9 月 30 日，数据取自当日 GitHub Search API 快照与 Hacker News 首页快照。看完本周的新面孔，结论只有一句话：没有一件在教 Agent 新本领，全在给 Agent 配家当——记忆、驾驶舱、进料口、风格库、教材，清一色是基建件。头名是 1799 星的 agent-memory：把 Agent 的长期记忆整个改存成纯 Markdown，本地检索。本文拆它，也顺带清点其余六件新货。需要说明：本期未能逐仓抓取 README 深读，拆解以门牌（仓库描述）、星数、语言等已核实事实为准，评分是基于定位的编辑判断，深拆后再校。
热榜上的 Skills 双雄还是那两张老面孔：mattpocock/skills 272,327 星，affaan-m/ECC 269,791 星，两者只差 2,536 星—— TS 名师的家底和那个「技能、本能、记忆、安全、研究」五件套的优化系统，继续贴身肉搏。再往上看，openclaw 以 390,815 星坐镇「真干活的 Agent 本体」位置，短期没人能撼。
新星区（近 7 天新建）前四名——AIHOT（3,611 星）、pdoom-video（2,019 星）、Strata（2,001 星）、disktree（1,935 星）——全是本栏拆过或点名过的老熟人，真正的生面孔藏在千星线附近：DiPlay（1,136 星）、lemo-opuscar（635 星）、BeefTV（574 星）、ai-system-design（470 星）。「新上架」栏里则冒出两件：ai-manager（1,015 星）和 WeChatBridge（919 星）。
两个细节值得一记。其一，本周门牌交白卷的仓库还有三户：Tiersense（445 星）、spiderbench（440 星）连一句描述都不肯写，星数再涨也没法进候选池。其二，HN 那边气温和技能层正好相反：GPT 6.1 Sol 以八分之一价格对标 Astra 的帖子拿下 887 分，《Opus 5.5 被削了吗》拿下 501 分——模型层吵翻天，技能层静悄悄，大家的注意力都去追模型了。另有一篇《staff 工程师发明工作指南》（247 分）意外应景：人类在发明工作，而 Skills 生态在给 Agent 发明家当。
| 件 | 功能完整度 25% | 设计质量 25% | 实战效果 20% | 上手难度 15% | 社区活跃度 15% | 加权 |
|---|---|---|---|---|---|---|
| agent-memory（1799★） | ★★★★ | ★★★★ | ★★★★ | ★★★★ | ★★★★ | 4.0 |
| lemo-opuscar（635★） | ★★★★ | ★★★★ | ★★★★ | ★★★ | ★★★★ | 3.9 |
| monocode（1739★） | ★★★★ | ★★★ | ★★★ | ★★★★ | ★★★★ | 3.6 |
| WeChatBridge（919★） | ★★★★ | ★★★ | ★★★★ | ★★★ | ★★★ | 3.5 |
| ai-manager（1015★） | ★★★ | ★★★ | ★★★ | ★★★★ | ★★★ | 3.2 |
| awesome-opus5-5-videos（966★） | ★★★ | ★★★ | ★★★ | ★★★★ | ★★★ | 3.2 |
| ai-system-design（470★） | ★★★ | ★★★ | ★★★ | ★★★★ | ★★★ | 3.2 |
| BeefTV（574★） | ★★★ | ★★★ | ★★★ | ★★★ | ★★★ | 3.0 |
说明：上手难度列 5 星代表最容易上手；评分依据为门牌定位、星数走势与语言栈等可核实信息，未经实机验证，深拆后可能修正。
tigerless-labs/agent-memory，Python，近 45 天新建仓，1,799 星，是「小而美区」里本栏尚未拆过、星数最高的 Agent 基建件。门牌全文一句：Long-term memory runtime for AI agents — plain Markdown as the source of truth, local ranked retrieval——给 Agent 的长期记忆运行时，纯 Markdown 是唯一事实源，检索排序在本地跑。
先说这句门牌里最值钱的三个词。「plain Markdown」：记忆不进数据库、不锁私有格式，就是一堆人能直接读的文本文件。这意味着记忆可 grep、可 diff、可进 git、可用任何编辑器手改，厂商跑路了记忆还在。「source of truth」：它把地位说死了——聊天记录、日志都是派生物，只有这堆 Markdown 是底账。「local ranked retrieval」：检索在本地完成，记忆不上云。前半句管可迁移，后半句管隐私，一句话把两类用户的顾虑都接住了。
放到生态里看，这件事的位置很妙。Claude 的 SKILL.md 教 Agent「会什么」，记忆件记 Agent「干过什么」，两者本质是同一件事：都是躺在文件系统里、等 Agent 在对的时刻读进上下文的文本。Skills 生态火了半年之后，有人回头把「记忆」这块也标准化成文件，算是对 SKILL.md 路线的一次自然延伸。另一个佐证来自热榜：ECC 的门牌里明确写着「Skills, instincts, memory, security, and research」——记忆已经是大型 Agent 优化系统的标配模块，而 agent-memory 干的就是把这块单独抽出来，做成独立件。对照上周拆过的 company-brain（Slack 里的云端团队大脑，记「团队说过什么」），agent-memory 走的是另一极：本地的个人 Agent 底账，记「它自己干过什么」。一个云一个本地，一个团队一个个人，正好把记忆赛道劈成两半。
照门牌描述还原，它的工作回路大抵是这样：
flowchart TD
S["新会话开始"] --> R["本地检索旧记忆"]
R --> W["Agent 带着记忆干活"]
W --> L["得出新结论"]
L --> M["写成 Markdown 存档"]
M --> F["本地记忆库"]
F --> R
短板也得说透。其一，检索到底用什么排——向量、关键词还是混合，门牌没讲，需翻仓库确认；本地 ranked retrieval 的排序质量直接决定这件是神器还是摆设。其二，它出现在「近 45 天」区间而非 7 天新星区，说明是慢热型选手，靠口碑爬到 1,799 星，而不是靠一周爆发。慢热的基建件通常活得久，但也说明它还没被大流量检验过。
monocode（1,739 星，TypeScript）——门牌短到只有六个词：A GUI for your coding agents。但方向扎得极准：这一代编码 Agent 全住在终端里，CLI 养出来的东西，迟早要有人给配驾驶舱。窗口切换、任务可视化、多会话并排看，都是终端做不好的活。它与 ai-manager 同赛道不同姿势：monocode 像驾驶舱，管「怎么开」；ai-manager 像人事处，管「有几个人」。槽点是门牌信息量太少，支持哪些 Agent、本地还是远程连接，全得进仓库才能确认。近 45 天冲到 1,739 星，说明「给终端 Agent 配壳」的需求已经攒够人头。
ai-manager（1,015 星，新上架）——AI Manager desktop application for AI coding tools，桌面端的 AI 编码工具管理器。当一个人同时养着 Claude Code、Codex、Gemini CLI 一窝 Agent，账号、配置、版本、会话各管一套，管理成本先于编码成本爆炸——这件就是冲着这个爆炸点去的。上架即破千星，痛点真实度不用怀疑。风险在于「管理器」类工具的天花板：上游各家客户端一改版，维护成本陡增，能不能跟得住决定了生死。
WeChatBridge（919 星，新上架）——本周生态里唯一的中文面孔：微信聊天记录一键转发到 AI Agent 与 Obsidian 的原生 macOS 工具。定位一句话就能懂：微信是中国人最大的进料口，聊天记录里躺着上下文、承诺和待办，以前它们进不了 Agent，现在一键过桥。直通 Obsidian 这一腿尤其聪明——笔记库本来就是 Agent 顺手的进料仓。短板也摆在门牌上：绑死 macOS、绑死微信客户端的本地实现，客户端一动它就得跟着修；聊天记录又是最敏感的个人数据，本地处理既是卖点也是雷区，用之前值得先读它的数据流向说明。
视频双件：lemo-opuscar（635 星）＋awesome-opus5-5-videos（966 星）——新星区继续进视频货。lemo-opuscar 的门牌是个具体承诺：43 种电影风格，每种风格是一段可复用的风格 prompt，外加一部完全用代码生成的短片做演示——把「风格」做成可安装的单元，还自带效果图，这是 prompt 包做成 Skills 的标准姿势。awesome-opus5-5-videos 走合集路线：收录用 Opus 5.5 做出的爆款视频，并把背后的 prompt 一并附上。两件都是「风格即技能」路线的延续：技能不一定要教流程，把审美打包成可复用参数，也是 Skill。
BeefTV（574 星）——Local-first, lightweight, AI-native video workspace，本地优先的轻量 AI 视频工作台。和上面两件 prompt 包不同，它不做内容，做「做内容的地方」：素材在本地，AI 能力长在工作台里。本地优先三个字在视频这个体积怪兽品类里是刚需，但「AI-native 工作台」是个拥挤赛道，门牌没说清差异点，先挂观望席。
ai-system-design（470 星）——严格说不是件，是教材：Learn how to design AI systems built on LLMs, RAG, and AI Agents step by step，一步一步学设计基于 LLM、RAG 和 Agent 的系统。在人人忙着给 Agent 配外设的一周，有人安静写了本系统设计教程，470 星说明需求确实存在。适合想从「用 Skill」进阶到「写 Skill、搭系统」的开发者打底用。
以下克隆命令均为真实仓库地址；各件的安装与运行步骤请以仓库内 README 为准（本期未逐仓验证装法）：
git clone https://github.com/tigerless-labs/agent-memory.git
git clone https://github.com/hardbeat920/monocode.git
git clone https://github.com/OnlistTeam/ai-manager.git
git clone https://github.com/freestylefly/WeChatBridge.git
git clone https://github.com/lemomo-ai/lemo-opuscar.git
git clone https://github.com/glanderness/BeefTV.git
git clone https://github.com/amitshekhariitbhu/ai-system-design.git
git clone https://github.com/yihui-dev/awesome-opus5-5-videos.git
把本周八件摆到一张图上，生态的分层结构一目了然：
flowchart TD
A["Agent 本体"] --> B["进料层"]
A --> C["记忆层"]
A --> D["操控层"]
A --> E["风格作品层"]
A --> F["自学教材层"]
B --> B1["WeChatBridge"]
C --> C1["agent-memory"]
D --> D1["monocode"]
D --> D2["ai-manager"]
E --> E1["lemo-opuscar"]
E --> E2["BeefTV"]
E --> E3["opus5-5视频包"]
F --> F1["ai-system-design"]
三个判断。第一，教本领的赛道已经饱和。SKILL.md 写法被官方模板、各路 skill-creator 反复教学之后，「再教 Agent 一门手艺」的边际价值在降，而「让 Agent 记得住、管得好、喂得上」的空位还很多——本周新货全部落在后者。第二，基建件在向文件靠拢。agent-memory 选 Markdown 做事实源，和 SKILL.md 是同一条哲学：能进 git 的才是自己的。记忆、技能、配置正在收敛成同一个形态——文件。第三，中文生态开始从使用侧转向供给侧。WeChatBridge 是本周唯一把「中国用户的真实进料口」当成产品前提的件，这类只有本地人才做得出的小工具，接下来会越来越多。
[!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。