GitHub 市场
GitHub 上值得关注的 AI 项目和 Skills
每天追踪 GitHub 上的 AI 开源项目和可直接安装的 Agent Skill,按类别、增长和更新时间整理,每周一出一期精选。
Skill install terminal example: run npx skills add vercel-labs/agent-skills, select Codex and install globally.
每周精选 · 11/9–11/15
GitHub 雷达周刊 · 2026 年第 47 周
本周(11/9–11/15)榜单由智能体基础设施与技能生态主导:DeepSeek Harness 相关项目持续升温,手机端客户端 dsh-Go 单周涨星 7716;Anthropic 的 skills 合集与社区技能集合同步走高,说明「给 Agent 装技能」正成为主流用法。安全方向也出现对照:rea 做逆向分析,bla 则做逆向防护。
精选推荐
先看一组高关注、可信的项目和 Skill,再进入下方分区浏览。
SkillEvaluator
Agent Skill 评测框架
folkbench
AI接口评测工具
PyRIT
AI红队测试工具包
ragas
大模型评测框架
lance
多模态数据格式
label-studio
数据标注工具
datasets
机器学习数据集库
X-AnyLabeling
多模态数据标注工具
tau2-bench
工具智能体评测基准
ClawBench
浏览器 Agent 评测基准
labelme
图像标注工具 Labelme
docetl
智能体数据处理框架
evalscope
大模型评测框架
fiftyone
视觉数据集管理工具
WebsiteBench
网站重建 Agent 基准
AssetOpsBench
工业运维智能体评测基准
opencompass
大模型评测平台
data-juicer
大模型数据处理工具
Claude-Skills-Governance-Risk-and-Compliance
GRC 合规技能包
VLMEvalKit
视觉语言模型评测工具
本周飙升
按热度排序:最近 7 天新增的 Star 和 Fork,越近权重越高,新项目加分;超大仓库要涨得够快才上榜。
benchflow-ai/ awesome-evalsawesome-evals
Agent 评测资源合集 · benchflow-ai
Agent 评测资源合集
★ 1.0K+10 本周数据与评测11月5日更新
收录构建与评测 AI Agent 的论文、博客、演讲、工具和基准,由 BenchFlow 维护,适合想系统了解 Agent 评测方法的开发者与研究者的精选清单。
agentscope-ai/ OpenJudgeOpenJudge
Python大模型评测框架 · agentscope-ai
大模型评测框架
★ 1.1K+25 本周数据与评测11月18日更新
提供统一框架,用于全面评估大语言模型与 Agent 的表现,并生成质量奖励,适合模型研究者和开发团队构建评测、评分及强化学习工作流。
LilMGenius/ paperthinpaperthin
JavaScript递归自我改进技能手册 · LilMGenius
递归自我改进技能手册
★ 1.5K数据与评测11月15日更新
面向递归自我改进(RSI)的 Skill 手册,从 OpenAI 工程实践与黑客松获奖方法中提炼设计模式、上下文工程和评测要点,适合研究编码 Agent 工作流的开发者。
Juneo-Lab/ decision-forgedecision-forge
Python组织决策数据编译器 · Juneo-Lab
组织决策数据编译器
★ 388数据与评测11月16日更新
把组织内部的制度与政策编译成可验证的决策训练数据,支持合成数据生成与数据溯源,适合为大模型微调准备高质量决策样本的团队。
yeyuxin777/ baoyan-agent-benchmarkbaoyan-agent-benchmark
Python保研咨询评测基准 · yeyuxin777
保研咨询评测基准
★ 701+2 本周数据与评测11月11日更新
面向保研咨询与申请规划场景的 AI Agent 开源评测基准,适合研究者和开发者衡量智能体在相关任务中的表现;由 Sprix AI 与保研岛共同推出。
Danielxu0208/ rsi_evalrsi_eval
Python递归自改进评测 SDK · Danielxu0208
递归自改进评测 SDK
★ 470数据与评测10月30日更新
轻量 Python SDK 与命令行工具,用于在各类 Agent 基准上评测递归自我改进方法,适合研究 Agent 能力演进与基准测试的开发者。
高 Star 仓库
按 GitHub Stars 优先展示更受开发者关注的项目和 Skill 仓库。
ConardLi/ easy-dataseteasy-dataset
JavaScript大模型数据集制作工具 · ConardLi
大模型数据集制作工具
★ 15K+21 本周数据与评测5月1日更新
用于构建大模型微调、RAG 和评测所需数据集的工具,适合需要准备或整理训练与评估数据的开发者,帮助集中完成数据集制作流程。
ShishirPatil/ gorillagorilla
Python大模型工具调用平台 · ShishirPatil
大模型工具调用平台
★ 13K+10 本周数据与评测10月17日更新
围绕大模型函数调用开展训练与评测,帮助开发者让模型更准确地选择并调用 API 工具,也适合研究工具调用能力与相关基准。
zalandoresearch/ fashion-mnistfashion-mnist
PythonFashion-MNIST 数据集 · zalandoresearch
Fashion-MNIST 数据集
★ 13K+9 本周数据与评测2022年6月更新
Zalando 发布的服饰图像数据集,格式与 MNIST 一致,常用于图像分类与生成模型的基准测试,适合机器学习入门与算法对比实验。
alex000kim/ nsfw_data_scrapernsfw_data_scraper
ShellNSFW 图像数据采集脚本 · alex000kim
NSFW 图像数据采集脚本
★ 13K+8 本周数据与评测2024年1月更新
一组用于批量抓取和整理 NSFW 图像数据的脚本,方便训练内容审核分类器。适合做内容安全与图像分类的研究者,按类别组织数据。
yzhao062/ pyodpyod
Python机器学习异常检测库 · yzhao062
机器学习异常检测库
★ 10K+9 本周数据与评测11月13日更新
面向 Python 的多领域异常检测工具,提供 60 多种检测器,覆盖表格、时序、图、文本、图像和音频数据,并支持基准评测与 Agent 工作流,适合数据科学和机器学习应用。
onnx/ modelsmodels
Jupyter NotebookONNX 预训练模型集 · onnx
ONNX 预训练模型集
★ 9.9K+4 本周数据与评测11月1日更新
收录多种以 ONNX 格式发布的预训练模型,供开发者下载、部署和集成到机器学习应用中,适合需要跨框架模型资源的工程与研究工作。
最近更新
最近有代码推送的项目和 Skill 仓库,适合关注变化较快的方向。
datachain-ai/ datachaindatachain
Python非结构化数据上下文层 · datachain-ai
非结构化数据上下文层
★ 2.8K+1 本周数据与评测11月19日更新
为 S3、GCS、Azure 上的非结构化数据构建带类型和版本的数据集,便于 AI Agent 与知识库做多模态数据处理,适合 MLOps 与数据工程团队。
NVIDIA/ raftraft
CudaRAFT 加速算法库 · NVIDIA
RAFT 加速算法库
★ 1.1K+3 本周数据与评测11月19日更新
NVIDIA 提供的 CUDA 加速机器学习与信息检索基础算法库,涵盖近邻搜索、聚类与线性代数,适合构建高性能检索与 LLM 应用的开发者。
NVIDIA-NeMo/ CuratorCurator
Python大模型数据整理工具 · NVIDIA-NeMo
大模型数据整理工具
★ 1.9K+7 本周数据与评测11月19日更新
面向大语言模型训练与应用的数据预处理和整理工具包,支持可扩展的数据处理流程、质量控制与去重,适合需要构建高质量模型数据集的研究团队和开发者。
Giskard-AI/ giskard-ossgiskard-oss
Python大模型智能体评测库 · Giskard-AI
大模型智能体评测库
★ 6.0K+8 本周数据与评测11月19日更新
用于评估和测试大模型智能体的开源 Python 工具,帮助开发者检查智能体表现与可靠性,也可用于 RAG 等相关场景的评测。
NVIDIA-NeMo/ DataDesignerDataDesigner
Python合成数据生成器 · NVIDIA-NeMo
合成数据生成器
★ 2.4K+11 本周数据与评测11月19日更新
NVIDIA NeMo 推出的合成数据生成工具,可从零或基于种子数据批量产出高质量训练数据,支持多模态与工具调用场景,适合需要扩充数据集做微调或评测的开发者。
EvolvingLMMs-Lab/ lmms-evallmms-eval
Python多模态模型评测工具 · EvolvingLMMs-Lab
多模态模型评测工具
★ 4.5K+11 本周数据与评测11月19日更新
用于跨文本、图像、视频和音频任务评估多模态大模型的开源工具包,适合研究者和开发团队统一运行基准测试并比较模型表现。
找不到你要的项目或 Skill?
告诉我们仓库地址和用途,帮助补充你希望收录的项目。
请求收录
接着逛逛 RZH.AI
模型和排行榜也按同样的方式整理好了,每个数字都能看到出处。