今天的 GitHub Trending，没人再造新 Agent 了

晚上抓了一把今天的 GitHub Trending，想看看周末有没有什么新动静。25 个仓库看下来，我盯着屏幕停了一会儿。

一件很反常的事：今天的榜单里，没有一个是「新 Agent」。

听起来挺离谱的。过去一年 GitHub Trending 几乎就是 Agent Trending，每天冒出来的都是各种新 Agent 框架、新 Agent 平台、新 Agent 运行时。今天 25 个仓库，Python 8 个、TypeScript 6 个、Rust 2 个，Agent / ai / mcp 这几个标签塞满话题榜——但没有一个仓库的定位是「我是新 Agent」。

所有人都在给 Agent 修路、接水管、装监控、写教科书。

这事让我觉得挺值得停下来想一想的。

AI Agent 工程学，正式成为一门学科

最让我意外的是榜首。

bojieli/ai-agent-book，单日 +1,162 stars，今天的冠军。这是前华为天才少年李博杰写的《深入理解 AI Agent：设计原理与工程实践》，开源主仓库，全书正文、编译版 PDF、按章配套代码全部开放。

一本讲 Agent 的书冲到 GitHub Trending 第一，这个信号比看上去重。

去年这个时候，开发者关心的是「哪个 Agent 好用」。今年关心的已经是「Agent 怎么设计才对」。这意味着 Agent 这件事，从「能用就行的工具」变成了「值得系统学习的工程学科」。当一门技术开始有人为它写系统性教科书，它就跨过了从热潮到成熟的那条线。

更有意思的是，这本书不是孤例。今天的榜单里，跟「Agent 教学/方法论」相关的仓库有三个：

再加上 rohitg00/ai-engineering-from-scratch（+507），教学类项目占了今天榜单的相当大一块。

我自己的判断是，AI Agent 已经到了「理论沉淀期」。半年前大家都在抢首发、抢跑马圈地，今天有人愿意停下来，把零散的实践经验整理成体系化的知识。这是任何一门技术成熟后都会经历的阶段，前端有 React 教程生态，AI 有动手学深度学习，Agent 现在也开始有自己的教科书了。

Harness 这个词，突然满天飞

如果说教学是「知识层」的变化，那「Harness」这个词的集中出现，是「工程层」的变化。

今天的榜单里，明确以「coding agent harness」作为核心定位的项目：

• xai-org/grok-build，+1,015，xAI 开源的「coding agent harness and TUI」，Rust 写的，全屏鼠标交互，可扩展。
• lopopolo/harness-engineering，+382，Ryan Lopopolo 的 anthology 和 Agent context bundle，定位就是「harness engineering」。
• msitarzewski/agency-agents，+740，一个完整的 AI agency，从 frontend 到 reality checker，每个 Agent 都是「specialized expert」。

一个月前「harness」还只是少数圈内人在用，今天它已经在 GitHub Trending 上成建制成军了。

Harness 是什么？说白了，就是 Agent 的运行时外壳。Agent 本身是大脑，harness 是身体——它负责把模型的输出接到真实的世界里，管 sandbox、管工具调用、管上下文、管错误恢复、管用户交互。

这件事为什么重要？

因为大家发现，光有一个聪明的模型根本不够。Claude 4.5 再强、GPT-5 再猛，如果它没有一个稳定的运行时把它包起来，它在真实工程里就是个会打字但不会干活的人。harness 决定了 Agent 能不能在 12 小时长任务里不掉链子，能不能在工具调用失败时优雅恢复，能不能在人机协作时给用户清晰的反馈。

xAI 这次开源 grok-build，选了 Rust，这个细节也值得停一下。Rust 在 Agent harness 这件事上正在悄悄吃下市场——tokio-rs/topcoat（+285）今天也上榜了，同样是 Rust 写的 web app 框架。性能、内存安全、长任务稳定性，这些在 Agent 长上下文场景下是硬需求，Rust 正好长在这个点子上。

一个 endpoint 连所有模型

另一个今天非常显眼的趋势：模型聚合层。

最具代表性的是 diegosouzapw/OmniRoute，+923，第三名。它的 slogan 是「Never stop coding」，定位是「Free AI gateway: one endpoint, 231+ providers (50+ free), connect Claude Code, Codex, Cursor, Cline & Copilot to FREE Claude/GPT/Gemini」。

翻译成人话：你不用在 Claude Code、Codex、Cursor、Cline、Copilot 之间选一个，也不用纠结要不要为每个工具分别付订阅费。OmniRoute 给你一个 API endpoint，背后接 231+ 家模型供应商（其中 50+ 免费可用），你想用哪家用哪家，还支持自动 fallback 和 token 压缩（号称节省 15-95%）。

这个定位戳中了一个真实的痛点。

Agent 工具现在是真多，但每家都要单独订阅、单独配 key、单独管额度。Claude Code 要 Claude 订阅，Cursor 要 Cursor 订阅，Codex 要 ChatGPT Plus。一个重度用户一个月光在 AI 订阅上的开销，轻松几百美金。OmniRoute 这种聚合层，本质上是把模型这一层从「to C 收订阅费」拉回到了「to D 提供 API」的传统模式。

但更值得注意的，不是 OmniRoute 自己，是这个方向上今天同时有好几个项目在抢。

KnockOutEZ/wigolo，+605，定位「The go-to web for your AI coding agent — local-first search, fetch, crawl & research over MCP」。nullclaw/nullhub，+583，定位是「Management console for the Null ecosystem — install, configure, and monitor AI agents, orchestration workflows, task pipelines」。

一个是「给 Agent 用的搜索/抓取/研究前端」，一个是「Agent 生态的管理控制台」。它们解决的问题不一样，但底层逻辑是一样的：Agent 已经多到需要一个独立的管理层了。

这事让我想起来云计算早期。一开始大家都是直接用 AWS 的某个服务，后来出现了 Kubernetes、Terraform、Datadog，分别解决「编排、配置、监控」的问题。Agent 生态现在到了这个拐点——大家已经不缺 Agent 本身，缺的是怎么把一堆 Agent 管起来。

MCP 不再是卖点，是默认配置

另一个今天榜单的细节：MCP 这个词已经不怎么被强调了。

tirth8205/code-review-graph，+551，定位「Local-first code intelligence graph for MCP and CLI」。它做的事是给代码库建一张持久化的知识图谱，让 AI coding tools「read only what matters」——官方号称在代码 review 和大仓库工作流里能显著降低上下文消耗。

这个定位其实挺有意思的。现在 Agent 最大的工程瓶颈不是模型不够聪明，是上下文太贵。一个稍微大点的代码库，动不动就几十万 token 的 context，跑一次 review 几块钱就没了。code-review-graph 解决的就是这个问题，它先帮你把代码库压缩成一张图谱，Agent 查询的时候只取它真正需要的那一块。

wigolo 也是同样思路——local-first，无 API key，$0/query。这些项目都在强调一件事：Agent 的上下文不能无脑塞。

为什么 MCP 在这个场景下变成了默认配置？因为 MCP 提供了一个标准化的「Agent 调外部工具」的协议。过去每个 Agent 自己写一套集成，现在是「你只要实现 MCP server，所有支持 MCP 的 Agent 都能用」。code-review-graph、wigolo、deepsec、甚至 PostHog 都默默加上了 MCP 支持。

半年前 MCP 还是项目 highlight 里要专门列出来的一条卖点，今天它已经变成了像 REST API 一样的基础设施，默认就有。这个变化背后是整个 Agent 生态在快速标准化。

安全这件事，开始有人认真做了

最后我想单独说一下 vercel-labs/deepsec，+487，今天第 13 名。

它的定位是「a security harness for finding vulnerabilities in your codebase powered by coding agents」。翻译一下：用 coding Agent 来给你的代码库找安全漏洞。

这事本身不稀奇，稀奇的是它是 Vercel Labs 出的。Vercel 是 Next.js 的母公司，他们做这个项目，说明两件事：

第一，coding Agent 已经强到可以独立做安全审计了。半年前 Agent 还只能写 Hello World，今天它已经能看懂一个完整代码库并指出安全漏洞。模型能力的边界在快速外扩。

第二，「Agent 安全」开始被正经对待了。一个多月前我在四维 Trending 那篇文章里提过，NVIDIA 的 SkillSpector 是 Agent 供应链安全方向的早期信号。今天 deepsec 从另一个角度切入——不是扫 Skill 安不安全，而是用 Agent 主动给你的代码库做安全体检。

一个方向出现两个完全不同切入点的项目，说明这个方向被认真对待了。

我的判断

把今天 25 个仓库的信号叠在一起看，我想说一个可能违反直觉的判断：

Agent 这个赛道，造轮子的窗口期已经过了。

榜单上今天所有的热门项目，都不是「做一个新 Agent」，而是「让 Agent 更好用、更稳、更便宜、更安全、更好学」。这不是赛道降温，恰恰相反，这是赛道进入深水区的标志。

当一门技术从「有没有」走向「好不好」，它就开始真正改变行业了。个人电脑是 70 年代发明的，但真正改变世界的是 80 年代开始围绕 PC 长出来的操作系统、外设、软件生态、培训体系。智能手机是 2007 年发布的，但真正让移动互联网普及的是 2010 年之后的 App Store、开发者生态、4G 网络。

Agent 现在正在经历这个阶段。造 Agent 的人还在，但最热闹的位置已经让给了「围绕 Agent 做配套」的人。

具体到今天榜单的信号，我会这么排序：

第一梯队，Agent 教学和方法论。ai-agent-book、harness-engineering、build-your-own-x。这是知识沉淀，决定这个生态能不能把经验传下去。

第二梯队，Harness 和运行时。grok-build、agency-agents。这是工程基础，决定 Agent 能不能在真实生产环境里稳定跑。

第三梯队，聚合层和管理工具。OmniRoute、wigolo、nullhub。这是基础设施，决定 Agent 能不能被普通用户用得起、管得起。

第四梯队，上下文优化和模型层。code-review-graph、airllm、ktransformers。这是成本优化，决定 Agent 能不能规模化。

今天榜单上没有的，是「又一个新 Agent」。我觉得这不是偶然。当所有人都开始在 Agent 周围修路、接水管、装监控、写教科书的时候，这个赛道才真正从一个热潮，变成一个产业。

至于下一个新机会在哪，我的直觉是——不在「做 Agent」，也不在「给 Agent 做工具」，而在「用 Agent 重新做一遍某个垂直行业」。Agent 本身是通用的，但每个行业的工作流是具体的。谁能把 Agent 塞进一个具体的行业工作流里、把它跑通、跑出 ROI，谁就拿到下一波最大的红利。

今天的榜单没看到这种项目。但我觉得，下一波 Trending 的主角，很可能就是它们。