一周狂揽 3 万星：GitHub 上这 5 个 Skill

1. Diagram Design —— 让 AI 画出「不像 AI 画的」图

• GitHub Stars：总星约 2.4 万，单周新增约 1.56 万（断层第一，约为第二名的两倍）

• 一句话定位：让 AI 吐出的架构图，看起来像资深设计师手笔，而不是 Mermaid 套话。

做技术内容的人都有过这种痛苦：AI 生成的图要么丑，要么满屏默认配色和阴影，印进博客和 PPT 都拿不出手。Diagram Design 盯上的就是这个痛点。它内置 38 种图表类型，从最常见的架构图、流程图、时序图、状态机、ER 图，到甘特图、桑基图、沃德利地图、用户旅程图、部署图、依赖图、UML 类图，基本覆盖了一线工程师画图的全场景。

它的实现思路很「反潮流」：所有图都是纯 HTML + SVG 自包含文件，没有一行 JavaScript，没有构建步骤，没有阴影滤镜，也不依赖 Mermaid 那套半吊子语法。作者甚至把 draw.io 和 Mermaid 的产物都能重绘成自己的风格。更贴心的是，它可以根据你的网站自动匹配品牌配色和字体，60 秒完成 onboarding，还会自动跑一遍 WCAG AA 对比度检查，保证图发在浅色或深色背景上都看得清。Claude Code、Codex、Factory Droid、Pi 都能直接调用。

适合谁用：写技术博客要配图、给客户出方案架构图、做产品 Demo 演示的人。一句话描述需求，拿到的就是能直接发布的成品图，再也不用截图凑合。

2. Reverse Skill —— 给安全研究员配一个会自动路由的「逆向助手」

• GitHub Stars：总星约 2.3 万，单周新增约 1 万

• 一句话定位：把一套完整的安全逆向流程，封装成 AI 能自动分发的技能路由包。

这是榜单里最「硬核」的一个，也是国产开发者的作品。它用 PowerShell 编写，本质是一个安全逆向与授权渗透的技能路由包。它的核心是一套五层架构：路由层用 41 条规则把用户任务自动分发到 40 多个子技能，覆盖 APK、iOS、二进制（exe/dll/so/elf）、.NET、前端 JS 加密、DSL 虚拟机、HTTP 抓包、恶意软件、渗透测试、攻击链、CTF、固件、补丁 diff、漏洞利用、EDR 绕过、API、供应链、SBOM、LLM 安全、OLLVM 去混淆等场景。

它的聪明之处在于「自举」：接到任务后，它会按需拉起对应的工具链，对 Java/JDK、Node.js、Python 3.x 有依赖，能衔接 IDA Pro、radare2、Ghidra、Frida 这些专业利器；同时把每一步的 Timeline、证据链（Evidence→Finding→Path）和最终报告都沉淀进「经验库」，下次遇到类似目标直接复用。它深度集成了 Claude Code、Cursor、Cline、Kiro，客户端首次读取 README 即可上手，无需编译。

适合谁用：授权范围内的逆向分析、安全研究、CTF 训练。哪怕是刚入行的新人，照着它的流程也能把一整套分析走完，而不是面对一个 APK 不知从何下手。

3. Book-to-Skill —— 把一本技术书 PDF，变成 AI 的「长期记忆」

• GitHub Stars：总星约 2 万，单周新增约 4000

• 一句话定位：一键把技术书籍的 PDF，转成 Claude Code 可以直接调用的 Skill。

买书如山倒，读书如抽丝，这是很多技术人的真实写照。书架上《Designing Data-Intensive Applications》《代码整洁之道》落了灰，真到写代码时又想不起里面的原则。Book-to-Skill 想做的，就是让这些书「活」起来。它是一个 Python 工具，能把技术书籍的 PDF 解析、提炼，转成结构化的 Skill 文件——相当于把一本书的精华，压成一个 AI 随时能翻的随身笔记。

这件事的价值不在「省了读书时间」，而在「知识可被复用」。当一本书变成 Skill，它就不只是你一个人的收藏，而可以成为整个团队的共享资产。

适合谁用：团队把内部规范手册、经典教材转成 Skill，新人一接入项目就自带「老员工经验」；个人也能把常翻的参考书固化成可调用的知识包，写代码时随时召之即来。

4. Agent Skills —— 给 AI 编程助手装上「资深工程师的纪律」

• GitHub Stars：总星约 8.8 万（全场最老牌，本周仍新增约 2882）

• 一句话定位：把 Google 级别的高级工程实践，打包成 AI 编码代理的生产级技能。

这是 5 个里总星最高、也最有「方法论」味道的一个。作者 Addy Osmani 是 Google Chrome 的工程负责人，他把自己在 Google 打磨的工程纪律，整理成 24 个生产级技能，覆盖从想法到上线的完整生命周期：/spec 先写需求、/plan 拆任务、/build 增量实现、/test 跑测试、/review 做评审、/ship 安全发布。

它最妙的设计叫「反合理化表」（anti-rationalization）。AI 很擅长找借口偷懒——「这个功能太简单不用写测试」「安全审查先跳过，以后补」。Agent Skills 在每个技能里都预先列好了这些借口和对应的反驳，AI 一想要跳步就被当场驳回。配合「渐进式加载」，它不会一次性把所有规则塞进上下文，而是用到哪个阶段才加载哪块，既省 token 又保专注。它兼容 70 多种编码助手，Claude Code、Cursor、Codex、Copilot、Gemini CLI 通吃。

适合谁用：被 AI「又快又烂」坑过的重度编码用户、想统一团队 AI 规范的 Tech Lead。它的目标很明确——终结 Vibe Coding，让 AI 按 TDD、代码评审、安全加固的节奏稳稳交付。

5. Code-Graph-RAG —— 把 RAG 精确到「代码符号」级别

• GitHub Stars：总星约 4400，单周新增约 1700（较月初增长约 7 倍）

• 一句话定位：为 Claude Code 构建代码知识图谱，让检索细化到函数、类、模块。

普通 RAG 往代码库里一扔，大多按整文件切块，问「这个改动会影响哪些调用方」时，常常召回一堆无关代码。Code-Graph-RAG 的思路是先把代码解析成知识图谱，把检索粒度压到函数、类、模块这些符号级别，再针对 monorepo 这种多包大仓做了专门优化。相比「整段文本匹配」，它能更精准地回答依赖关系和影响面。

它的增长曲线本身也是个故事：月初单周增量还只有两百多，几周内翻到一千七，说明「把 RAG 做细」这个方向正被越来越多人认可。

适合谁用：大型代码库答疑、改动影响面分析、重构前的依赖梳理。当你面对一个几十万行的 monorepo，它比全文搜索和整文件 RAG 都更懂「代码之间的关系」。

趋势：AI 编程的竞赛，正在从「模型多强」转向「经验多准」

把这 5 个仓库串起来，是一条清晰的主线。Diagram Design 解决「表达」，Reverse Skill 解决「专业纵深」，Book-to-Skill 解决「知识沉淀」，Agent Skills 解决「工程纪律」，Code-Graph-RAG 解决「代码理解」。它们形态各异，却共享同一个内核：把人类专家的经验，封装成机器可调用的标准单元。

SKILL.md 这种纯 Markdown 格式，已经被 Anthropic 提出、被 Google 背书、被 Addy Osmani 这类一线工程师实践，正成为跨平台的事实标准。对开发者来说，这意味着学一套格式就能在多个 AI 工具间复用积累；对团队来说，这意味着「老员工的脑子」终于可以被版本化、被传承。

下一波 AI 编程的入口，不在另一个更大的模型，而在谁先把领域 Know-How 沉淀成 Skill。这 5 个本周暴涨的仓库，只是序幕。