GitHub 每周精选｜2026 W25
GitHub 上每天都会冒出很多新项目。
大多数我都会看过就忘。
有些看起来很酷，但装完就吃灰。
还有一些，会让我真的想留下来继续折腾。
我想把这些项目记录下来。
不追求“最火”。
只记录那些：
让我真正想装下来试试的东西。
1. 人味 skill
项目名：renwei-writing
GitHub 仓库地址： https://github.com/orange2ai/renwei-writing
这是继 web-access 之后，我基本上天天会使用的 skill，目前还不到 1k 的 star，暂时算是不温不火的状态
从这个仓库名称也基本可以猜到这个仓库的作用到底是什么了，没错就是输出的时候更有人味
这里我没有单独去做一个用和不用这个 skill 输出的文本的实验了，因为自从用了这个 skill 之后，就基本没有在创作的时候不用这个 skill 了
如果你是一名创作者的话，这个 skill 大抵会让你爱不释手的
虽然这个 skill 的效果确实很不错，但对于输出的内容并不能做到真正的全部使用，还是需要人的创作指导的，要不人味依然不会很高
2. andrej-karpathy-skills
项目名：andrej-karpathy-skills
GitHub 仓库地址： https://github.com/multica-ai/andrej-karpathy-skills
Andrej Karpathy 在 26 年的 1 月发了一条推特，来聊了聊过去几周大量使用Claude编程的一些零散想法，有 770 万次浏览量，推特链接如下：
https://x.com/karpathy/status/2015883857489522876
这里也简单介绍一下 Andrej Karpathy 的背景
Andrej Karpathy 是 AI 研究者与工程实践者，OpenAI 创始团队成员之一，后担任 Tesla Autopilot 视觉方向负责人
在这条推特当中，Andrej Karpathy 聊到了现在 AI 智能体在编码时的一些问题，这里我还是觉得直接放原文会好一些，相信这也是大家在用 AI 智能体编码时多多少少会遇到的一个问题
为了解决上面的问题，就有这个仓库，ndrej-karpathy-skills 做的事情，就是把以上问题压缩成 4 条规则（以下不是完整的 skill 内容）：
- 编码前先思考：不要默默假设，有歧义就说出来
- 简洁优先：能 50 行解决，就不要写成 200 行
- 精准修改：只动和当前任务有关的地方，不顺手重构
- 目标驱动执行：不要只说“修一下”，而是定义可验证的成功标准
优先是很轻，可以直接将这个 skill 安装到 AI Agent 当中，或者直接写进 CLAUDE.md 或者 AGENTS.md 都是可以的，可以一定程度上解决上面的问题
缺点也是比较明显的，它不是强约束，它不会像类型系统、测试、lint 那样硬性拦住错误，能减少犯错的概率，但并不能杜绝错误的发生
比如关于 "编码前先思考" 这点，用 superpower 的效果会更好
至于使用人群的话，如果你打算用 AI 认真写代码，那么值得一试，它做了一件很朴素的事情：AI coding 的下一步，不只是让模型更会写代码，也要让模型少乱写代码
3. guizang-social-card-skill
项目名：guizang-social-card-skill
GitHub 仓库地址： https://github.com/op7418/guizang-social-card-skill
藏师傅的新作品，之前也有推荐过藏师傅的 PPT skill，感兴趣的话可以点击下面的链接去看一下
https://zhuanlan.zhihu.com/p/2040526006285509057
优点有如下几个：
第一：延续上次 guizang-ppt-skill 的两种风格，审美起点更高
不是让你从零调字体、颜色、间距，而是先给你一套有约束的视觉语言。这个约束反而是好事，因为大多数内容图做丑，不是因为自由不够，而是因为自由太多
第二：适合长文拆图
说成大白话就是为文章配图，将一片文章拆成 5 到 9 张小红书卡片，它能从结构、标题、重点句、截图排布这些地方一起处理，不只是做一张封面
第三：修改成本低
最初的产物是单文件 HTML，再用 Playwright 渲染成 PNG。HTML 和 CSS 都能继续改，出问题也能查，不像很多在线设计工具，最后只剩一个不可控的导出结果
当然我也需要说一说局限性，原配的 skill 主要是生成小红书和公众号内容的，这两个平台的图片比例为 3:4 和 21:9，对于 4:3 和 16:9 比例的支持稍微差一些，我第一次在生成 16:9 的配图时出现了配图模糊的情况，后续在原配的基础上进行一些改进，顺利的解决了这个问题，这一点有必要告诉大家
4. agent-skills
项目名：agent-skills
GitHub 仓库地址： https://github.com/addyosmani/agent-skills
区别于很多 "角色大全" 式的 skill 合集，产品、运营、设计、销售、法务、数据分析都来一点，看起来很全
agent-skills 的重心收得很窄，基本围绕软件开发这条线展开：从需求澄清、写规格、拆任务，到编码、测试、调试、代码审查、安全、性能、CI/CD、发布、监控和迁移废弃
所以它更像是把一个资深工程团队的日常习惯拆开，写成 AI coding agent 可以照着执行的工作流
里面不只是“你是一个前端工程师”这种角色设定，还会告诉agent：什么时候该写 spec，什么时候该停下来补测试，什么时候该做安全检查，什么时候该考虑回滚和可观测性等等
5. whisper
项目名：whisper
GitHub 仓库地址： https://github.com/openai/whisper
如果单说功能的话，这个仓库的功能是极其简单的：
将视频 / 音频转换成文字稿
而且这个文字稿也不是完美的。**它不会顺手帮你清理语气词，不会自动帮你删除重复表达，对一些专业名词、人名、品牌名的识别也不总是稳定。**你如果拿它的结果直接发出去，往往还是要自己再校对一遍
对于做字幕，没有剪映方便
对于视频会议的转写也没有腾讯会议、飞书会议方便
对于只是偶尔转一段采访或者播客，现在市面上也有很多现成工具能做，比如 TurboScribe、Riverside、VEED、Otter、Notta，中文场景里还有飞书妙记、通义听悟这类产品，很多都比它更省事
那我为什么还想要来推荐这个仓库呢？
第一点是，它足够便宜，准确点说，是几乎没有使用门槛上的持续成本
很多在线转写产品表面上能免费试，但真正想长期用，要么限制分钟数，要么限制文件大小，要么导出字幕和全文稿时开始收费
Whisper 不一样。环境装好、模型下载好之后，它就是一个可以一直放在你电脑上的本地工具。你不用反复算时长，也不用担心哪天平台把免费额度收紧
第二点是，它是本地可控的
你的视频、录音、采访、会议材料，不需要上传到第三方网站。这个差别平时不明显，但一旦素材涉及客户、内部沟通、未发布内容、个人隐私，你就会知道“本地处理”这四个字有多值钱。很多产品更方便，但方便的代价就是文件先出去；Whisper 不是。
第三点是，它虽然简单，但它简单得很像一个基座
很多成品工具解决的是“给你一个结果”，Whisper 解决的是“把音频转文字这一步，变成你自己手里的一项能力”
你可以拿它输出 .txt、.srt、.vtt、.json，然后继续接自己的工作流：字幕、归档、摘要、检索、内容拆条、AI 总结，后面怎么接都行
这也是它和剪映、飞书会议、腾讯会议这类工具最大的差异点。那些工具是成品，目标是让普通用户少折腾；Whisper 是底层能力，目标是让你自己决定后面怎么用
它的优点说白了就三个：免费、本地、通用
它的缺点也很明确：不够傻瓜、不够省心、结果不够干净、后处理要靠自己
所以它并不是一个适合所有人的仓库
如果你只是想偶尔给视频加字幕，剪映更合适
如果你主要是开会并且想自动生成纪要，腾讯会议、飞书会议更合适。
如果你不想碰命令行，也不想自己管模型和环境，那各种在线转写网站也更合适
但如果你属于下面这几类人，Whisper 就很值得看一眼：
你经常要处理录音、播客、口播、采访、课程、会议素材； 你在意隐私，不想把文件上传到第三方平台； 你想把“音频转文字”这一步沉淀成一个长期可用的本地能力； 或者你是开发者，后面还想接字幕、摘要、检索、自动化流程
对这些人来说，Whisper 的价值不在于它做得比所有产品都更好，而在于它把最基础、也最关键的一步，稳定地交回到了你自己手里。
如果要给它一句比较准确的定位，我会更愿意这么说：
Whisper 不是最好用的视频转文字产品，但它是很值得拥有的本地转写底座
最后：
后面肯定还会继续遇到：
让我真正想装下来试试的项目。
这个系列也会继续更新下去。
