AI Coding 正在进化：本周 GitHub，藏着一套新玩法

📅 2026-03-09｜约4500字｜阅读约12分钟

这周打开 GitHub 热榜，我愣了一下。

不是因为某个新模型发布，也不是哪家公司又融了十亿。而是因为热榜上这些项目，隐约在讲同一件事——

AI 不再只是回答问题。它开始”干活”了。

从预测社会走向的群智引擎，到让 AI Coding 助手自动做”设计复查”的 Skill 框架，再到有人用 Bash 从零写出一个 Claude Code 克隆……

这些信号拼在一起，指向的是同一个方向：工具时代已经来了，下一场竞争，是谁能让 AI 更稳、更专、更有用。

以下是本周最值得关注的 5 个项目，逐一拆解。

总览：本周 GitHub 热榜精选

项目 今日新增⭐ 一句话描述
MiroFish +1104 盛大集团孵化，群体智能预测引擎
openai/skills +612 OpenAI 官方 Codex Skill 目录
learn-claude-code +566 从 0 手撸 Claude Code，12 章渐进教程
AFFiNE +533 开源 Notion+Miro 替代，65K⭐
impeccable +443 让 AI 做出好看 UI 的设计 Skill 框架

一、MiroFish：给 AI 一个”平行世界”做沙盘推演

盛大集团孵化 | 今日 +1104⭐，共 7164⭐

你有没有想过，如果一个政策颁布、一条大新闻爆出、一只股票暴跌——接下来会发生什么？

传统的预测靠模型、靠数据、靠专家经验。但 MiroFish 走了一条完全不同的路：构建一个平行的数字世界，让成千上万个 AI Agent 在里面自由演化，看看会发生什么。

它的运行逻辑是这样的：

你上传”种子材料”——可以是一篇新闻稿、一份分析报告、甚至一部小说的前几十章。MiroFish 会从中提取关键实体和关系，构建一个高保真的数字社会模型，并自动生成成千上万个具备独立人格、记忆和行为逻辑的 Agent。

接下来，这些 Agent 开始自由互动、演化。你可以用”上帝视角”注入变量（比如”假设这个政策明天实施”），观察整个社会系统如何响应，最终由 ReportAgent 汇总成一份预测报告。

技术底层：

  • 图谱构建：GraphRAG + 个体/群体记忆注入
  • 仿真引擎：基于 OASIS（CAMEL-AI 开源）
  • 双平台并行模拟，支持动态时序记忆更新

它能做什么？

  • 政策/公关效果预演（政府/企业决策辅助）
  • 金融市场舆情走向推演
  • 文学续写（项目 Demo 用《红楼梦》前 80 回预测了失传结局）
  • 突发事件影响分析

MiroFish 由盛大集团孵化（官方 README 明确注明），招募全职/实习，邮箱 mirofish@shanda.com。这是国内 AI 多 Agent 应用中少见的工业级尝试。

推荐理由： 群智涌现不是新概念，但能做到这个完成度并开源的，目前极少。量化、决策支持、内容创作等领域都有想象空间。

二、openai/skills：Codex 的”技能商店”，AI Coding 生态的基础设施

OpenAI 官方 | 今日 +612⭐，共 13263⭐

什么是 Skill？

一个 Skill 是一个文件夹，里面装着：指令文件（SKILL.md）、脚本、参考资料。AI 看到 Skill 就知道怎么完成某类任务。写一次，到处用。

OpenAI 这次做的，是为 Codex 建立一个官方 Skill 目录，同时推动一个跨平台开放标准——agentskills.io。

目录分三层：

  • .system：Codex 最新版自动安装的系统级 Skill
  • .curated：精选 Skill，通过 $skill-installer 按名安装
  • .experimental：实验性 Skill，需要指定路径或 GitHub URL 安装

安装方式极简：

1
2
$skill-installer gh-address-comments      # 安装精选 Skill
$skill-installer install the create-plan skill from the .experimental folder

为什么重要？

这不只是 OpenAI 的产品功能，而是一个信号：**AI Coding 助手正在从”会写代码”演进到”会干活”**。Skill 是这个演进的接口层——标准化、可发现、可组合。

Anthropic、Google（Gemini CLI 也支持 Skills）都在做类似的事。Skill 生态的竞争，可能是下一个 App Store 级别的战场。

推荐理由： 如果你在用 Claude Code / Cursor / Codex，理解 Skill 标准是刚需。这是官方目录，值得深读。

三、learn-claude-code：用 Bash，从零手撸一个 AI Coding Agent

shareAI-lab | 今日 +566⭐，共 23935⭐

很多人在用 Claude Code，但很少有人知道它底层是怎么转的。

这个项目的名字直接道破了答案：Bash is all you need。

learn-claude-code 是 shareAI-lab 出品的教学项目，用 12 个渐进式章节，从最小的 Agent Loop 开始，一步步加机制，最终实现一个功能完整的多智能体系统——所有代码都是纯 Python + Bash。

最核心的一段代码，整个项目的根基：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
def agent_loop(messages):
    while True:
        response = client.messages.create(
            model=MODEL, system=SYSTEM,
            messages=messages, tools=TOOLS,
        )
        messages.append({"role": "assistant", "content": response.content})

        if response.stop_reason != "tool_use":
            return

        results = []
        for block in response.content:
            if block.type == "tool_use":
                output = TOOL_HANDLERS[block.name](**block.input)
                results.append({"type": "tool_result", "tool_use_id": block.id, "content": output})
        messages.append({"role": "user", "content": results})

就这 20 行。这是所有 AI Coding Agent 的最小内核。

12 章逐步叠加的机制：

章节 核心机制 要义
s01 Agent Loop One loop & Bash is all you need
s02 Tool Use 新工具只需加一个 handler
s03 TodoWrite 先计划，再执行
s04 Subagents 子任务用独立上下文
s05 Skills 用 SKILL.md 按需注入知识
s06 Context Compact 三层压缩，无限会话
s07-s12 任务图/后台执行/多 Agent 协作 一路到完整的团队系统

附带交互式 Web 教学平台（Next.js），可以边读文档边看代码步骤图。支持中/英/日三语文档。

推荐理由： 想真正搞懂 AI Agent 底层的必读项目。不看源码，你永远不知道 Claude Code 有多简单。

四、impeccable：让 AI 做出”好看”的 UI，终于有救了

pbakaus（个人开发者）| 今日 +443⭐，共 1826⭐

用 Claude Code 或 Cursor 生成过 UI 的人，大概都有这个体验：AI 写出来的界面，永远那么……像 AI 写的。

Inter 字体，紫色渐变，卡套卡，灰色文字打在彩色背景上——不是功能有问题，就是看起来格外廉价。

这不是模型不够聪明，而是它接受训练的大量代码模板本来就长这样。

impeccable 是个人开发者 pbakaus 基于 Anthropic 的 frontend-design Skill 做的扩展，专门解决这个问题。

核心内容：

  • 7 个专项参考文件：字体系统、OKLCH 色彩、空间设计、动效、交互、响应式、UX 文案
  • 17 条设计命令：从审计到打磨，覆盖完整设计工作流
  • 明确的反模式清单：告诉 AI 什么 不能做（比 “做好看的” 更有效）

几个最实用的命令：

命令 作用
/audit 无障碍、性能、响应式全面审计
/polish 发布前最终打磨
/normalize 对齐设计系统规范
/bolder 让平淡的设计更有冲击力
/quieter 让过于张扬的设计低调下来
/animate 添加有目的感的动效

安装一行搞定（Claude Code 为例）：

1
cp -r dist/claude-code/.claude your-project/

也支持 Cursor、Gemini CLI、Codex CLI。

推荐理由： AI 生成 UI 的审美问题，终于有了系统性解法。一个个人开发者，用一套 Skill 框架把这个问题讲清楚了——这本身就说明 Skill 生态的潜力。

五、Qwen 3.5：本地跑，也能很强

阿里巴巴 | HN 447分，144条评论

本周 Hacker News 技术讨论热度最高的话题之一，是 Qwen 3.5 的本地运行指南。

Qwen 3.5 是阿里巴巴推出的新一代开源大模型家族，参数量从 0.8B 到 397B，覆盖从手机端到企业级的所有场景。

几个关键数字：

  • 256K 上下文，支持 201 种语言
  • 35B-A3B 版本：在 22GB 内存的 Mac 上可流畅运行（4bit 量化约需 22GB）
  • 支持思考/非思考双模式切换（类似 o1 的 extended thinking）
  • 同等规模下，编程/数学/代理任务性能均属第一梯队

本地部署要多少资源？

版本 4-bit 量化内存需求
9B 6.5 GB
27B 17 GB
35B-A3B 22 GB
122B-A10B 70 GB

M4 Max MacBook Pro（48GB）跑 27B，流畅无压力。

推荐理由： 本地大模型的天花板在快速抬升。Qwen 3.5 是目前综合性价比最高的选择之一，27B 接近 GPT-4 级别的推理能力，完全本地，数据不出门。

总结：这周热榜告诉我们什么？

本周没有什么爆炸性的新模型发布。但这些项目拼在一起，说明一个趋势在加速：

AI 正在从”回答问题的助手”变成”干活的队友”。

  • MiroFish 把 Agent 用于复杂社会预测，群智涌现开始走向应用
  • openai/skills 和 impeccable 在建立 AI 工具的”技能标准”
  • learn-claude-code 让更多人理解并构建自己的 Agent
  • Qwen 3.5 让”本地部署强大模型”从梦想变为现实

下一个大问题不是”AI 能不能做这件事”，而是**”谁来定义 AI 干活的标准方式”**。

Skill 生态的竞争，刚刚开始。

关注「鹏哥的技术笔记」，每周一第一手科技热点，不废话，只推荐真正值得看的东西。