一週狂攬 3 萬星：GitHub 上這 5 個 Skill

1. Diagram Design —— 讓 AI 畫出「不像 AI 畫的」圖

• GitHub Stars：總星約 2.4 萬，單週新增約 1.56 萬（斷層第一，約爲第二名的兩倍）

• 一句話定位：讓 AI 吐出的架構圖，看起來像資深設計師手筆，而不是 Mermaid 套話。

做技術內容的人都有過這種痛苦：AI 生成的圖要麼醜，要麼滿屏默認配色和陰影，印進博客和 PPT 都拿不出手。Diagram Design 盯上的就是這個痛點。它內置 38 種圖表類型，從最常見的架構圖、流程圖、時序圖、狀態機、ER 圖，到甘特圖、桑基圖、沃德利地圖、用戶旅程圖、部署圖、依賴圖、UML 類圖，基本覆蓋了一線工程師畫圖的全場景。

它的實現思路很「反潮流」：所有圖都是純 HTML + SVG 自包含文件，沒有一行 JavaScript，沒有構建步驟，沒有陰影濾鏡，也不依賴 Mermaid 那套半吊子語法。作者甚至把 draw.io 和 Mermaid 的產物都能重繪成自己的風格。更貼心的是，它可以根據你的網站自動匹配品牌配色和字體，60 秒完成 onboarding，還會自動跑一遍 WCAG AA 對比度檢查，保證圖發在淺色或深色背景上都看得清。Claude Code、Codex、Factory Droid、Pi 都能直接調用。

適合誰用：寫技術博客要配圖、給客戶出方案架構圖、做產品 Demo 演示的人。一句話描述需求，拿到的就是能直接發佈的成品圖，再也不用截圖湊合。

2. Reverse Skill —— 給安全研究員配一個會自動路由的「逆向助手」

• GitHub Stars：總星約 2.3 萬，單週新增約 1 萬

• 一句話定位：把一套完整的安全逆向流程，封裝成 AI 能自動分發的技能路由包。

這是榜單裏最「硬核」的一個，也是國產開發者的作品。它用 PowerShell 編寫，本質是一個安全逆向與授權滲透的技能路由包。它的核心是一套五層架構：路由層用 41 條規則把用戶任務自動分發到 40 多個子技能，覆蓋 APK、iOS、二進制（exe/dll/so/elf）、.NET、前端 JS 加密、DSL 虛擬機、HTTP 抓包、惡意軟件、滲透測試、攻擊鏈、CTF、固件、補丁 diff、漏洞利用、EDR 繞過、API、供應鏈、SBOM、LLM 安全、OLLVM 去混淆等場景。

它的聰明之處在於「自舉」：接到任務後，它會按需拉起對應的工具鏈，對 Java/JDK、Node.js、Python 3.x 有依賴，能銜接 IDA Pro、radare2、Ghidra、Frida 這些專業利器；同時把每一步的 Timeline、證據鏈（Evidence→Finding→Path）和最終報告都沉澱進「經驗庫」，下次遇到類似目標直接複用。它深度集成了 Claude Code、Cursor、Cline、Kiro，客戶端首次讀取 README 即可上手，無需編譯。

適合誰用：授權範圍內的逆向分析、安全研究、CTF 訓練。哪怕是剛入行的新人，照着它的流程也能把一整套分析走完，而不是面對一個 APK 不知從何下手。

3. Book-to-Skill —— 把一本技術書 PDF，變成 AI 的「長期記憶」

• GitHub Stars：總星約 2 萬，單週新增約 4000

• 一句話定位：一鍵把技術書籍的 PDF，轉成 Claude Code 可以直接調用的 Skill。

買書如山倒，讀書如抽絲，這是很多技術人的真實寫照。書架上《Designing Data-Intensive Applications》《代碼整潔之道》落了灰，真到寫代碼時又想不起裏面的原則。Book-to-Skill 想做的，就是讓這些書「活」起來。它是一個 Python 工具，能把技術書籍的 PDF 解析、提煉，轉成結構化的 Skill 文件——相當於把一本書的精華，壓成一個 AI 隨時能翻的隨身筆記。

這件事的價值不在「省了讀書時間」，而在「知識可被複用」。當一本書變成 Skill，它就不只是你一個人的收藏，而可以成爲整個團隊的共享資產。

適合誰用：團隊把內部規範手冊、經典教材轉成 Skill，新人一接入項目就自帶「老員工經驗」；個人也能把常翻的參考書固化成可調用的知識包，寫代碼時隨時召之即來。

4. Agent Skills —— 給 AI 編程助手裝上「資深工程師的紀律」

• GitHub Stars：總星約 8.8 萬（全場最老牌，本週仍新增約 2882）

• 一句話定位：把 Google 級別的高級工程實踐，打包成 AI 編碼代理的生產級技能。

這是 5 個裏總星最高、也最有「方法論」味道的一個。作者 Addy Osmani 是 Google Chrome 的工程負責人，他把自己在 Google 打磨的工程紀律，整理成 24 個生產級技能，覆蓋從想法到上線的完整生命週期：/spec 先寫需求、/plan 拆任務、/build 增量實現、/test 跑測試、/review 做評審、/ship 安全發佈。

它最妙的設計叫「反合理化表」（anti-rationalization）。AI 很擅長找藉口偷懶——「這個功能太簡單不用寫測試」「安全審查先跳過，以後補」。Agent Skills 在每個技能裏都預先列好了這些藉口和對應的反駁，AI 一想要跳步就被當場駁回。配合「漸進式加載」，它不會一次性把所有規則塞進上下文，而是用到哪個階段才加載哪塊，既省 token 又保專注。它兼容 70 多種編碼助手，Claude Code、Cursor、Codex、Copilot、Gemini CLI 通喫。

適合誰用：被 AI「又快又爛」坑過的重度編碼用戶、想統一團隊 AI 規範的 Tech Lead。它的目標很明確——終結 Vibe Coding，讓 AI 按 TDD、代碼評審、安全加固的節奏穩穩交付。

5. Code-Graph-RAG —— 把 RAG 精確到「代碼符號」級別

• GitHub Stars：總星約 4400，單週新增約 1700（較月初增長約 7 倍）

• 一句話定位：爲 Claude Code 構建代碼知識圖譜，讓檢索細化到函數、類、模塊。

普通 RAG 往代碼庫裏一扔，大多按整文件切塊，問「這個改動會影響哪些調用方」時，常常召回一堆無關代碼。Code-Graph-RAG 的思路是先把代碼解析成知識圖譜，把檢索粒度壓到函數、類、模塊這些符號級別，再針對 monorepo 這種多包大倉做了專門優化。相比「整段文本匹配」，它能更精準地回答依賴關係和影響面。

它的增長曲線本身也是個故事：月初單週增量還只有兩百多，幾周內翻到一千七，說明「把 RAG 做細」這個方向正被越來越多人認可。

適合誰用：大型代碼庫答疑、改動影響面分析、重構前的依賴梳理。當你面對一個幾十萬行的 monorepo，它比全文搜索和整文件 RAG 都更懂「代碼之間的關係」。

趨勢：AI 編程的競賽，正在從「模型多強」轉向「經驗多準」

把這 5 個倉庫串起來，是一條清晰的主線。Diagram Design 解決「表達」，Reverse Skill 解決「專業縱深」，Book-to-Skill 解決「知識沉澱」，Agent Skills 解決「工程紀律」，Code-Graph-RAG 解決「代碼理解」。它們形態各異，卻共享同一個內核：把人類專家的經驗，封裝成機器可調用的標準單元。

SKILL.md 這種純 Markdown 格式，已經被 Anthropic 提出、被 Google 背書、被 Addy Osmani 這類一線工程師實踐，正成爲跨平臺的事實標準。對開發者來說，這意味着學一套格式就能在多個 AI 工具間複用積累；對團隊來說，這意味着「老員工的腦子」終於可以被版本化、被傳承。

下一波 AI 編程的入口，不在另一個更大的模型，而在誰先把領域 Know-How 沉澱成 Skill。這 5 個本週暴漲的倉庫，只是序幕。