GitHub AI 热门仓库 Top 5 2026.11.03-11.09：本周热度从"再造 Agent"转向"给 Agent 装齐外设"。桌面操作、企业语义层与网页数据采集各自长出专用工具。

项目简介#

一个 Rust 写的 CLI 加一个可链接的 C 库，把”看屏幕、点鼠标、敲键盘”拆成两步。snapshot 走操作系统的无障碍树（macOS Accessibility API、Windows UI Automation、Linux AT-SPI），返回一份压缩过的结构化界面描述，每个可交互元素带稳定引用；action 再按引用执行点击、输入、按键。它不内置任何模型，模型在外部指挥，中间用 JSON 信封传递，方便 agent 解析。

安装是一行 npm install -g agent-desktop；agent 侧还可以 agent-desktop skills get desktop 拉一份技能说明，让不擅长 CLI 的模型也照章办事。默认 headless 启动，需要真实屏幕的应用才切回有头会话。元素引用失效时它选择报错，而不是退回坐标硬点。许可 Apache-2.0。

为什么值得关注？#

computer use 的老问题不是模型不会点，而是”点”这件事不可寻址：分辨率、缩放、窗口位置一变，模型自己估的坐标就废了；更糟的是它不会知道废了，只会继续点下去。agent-desktop 把 UI 变成带 id 的对象，元素对不上就直接报错——从”概率控制”换成”确定性原语”，这是思路上的转向，不是功能上的堆叠。

本周 v1.2.0 补上 MCP，等于把这层能力直接接进现有的 MCP 客户端；一周 +13,712 基本踩在这条线上。相比把整屏截图丢给模型，它的 token 开销也小一个量级：传的是结构，不是像素。

项目观察#

它成立的前提是”目标软件支持无障碍树”。企业内部的表单系统、老 ERP、Electron 套壳工具通常没问题；canvas 自绘、游戏、部分专业软件就不一定，别指望它替代 RPA 全家桶。README 自己也提醒了隐私与误操作风险——它看到的就是你屏幕上的一切，包括不该给模型看的东西。

我的判断：这类”UI 原语层”的生命周期会比 agent 产品长得多，值得先挑一两个内部工具试水，而不是一上来就接管整台机器。

项目简介#

给数据库加一层显式的本体（ontology）：用自然语言提问后，系统先按本体把问题映射成 SQL，再在真实数据库上执行（Postgres + pgvector）；答案来自确定性查询，而不是从向量块里拼出来。它带一个 Web UI 可以人工编辑语义图，也提供 MCP 服务，把检索能力暴露给外部 agent。后端 FastAPI、前端 Next.js，模型走 NIM 微服务（默认 nemotron-3.5-lightning-30b-a3b），一条 Docker Compose 起全套。

为什么值得关注？#

Text-to-SQL 的失败大多不是模型不够强，而是模型不知道”这张表里 customer_status 的 3 到底是什么意思”。auto-ontology 把业务含义、表间关系、约束显式建成图，生成 SQL 时带着 schema 语义和规则走；出错时也能定位到”本体写错了”这个具体位置，而不是一句”模型抽风”。在 RAG 普遍撞上”取到了也答不准”的天花板之后，这条路线的价值被重新看见——这也是它一周涨 9,327 的原因。

接入 Ossie 本体转换器这个动作值得单独提一句：它在试图让本体可迁移，而不是锁死在自己的格式里。

项目观察#

先把局限说清楚。本体要人维护，前期投入不小，本质上是把数据治理的活儿提前做；默认模型是 NVIDIA 自家 NIM 栈，换模型得自己改配置；README 明确写着不接受外部贡献，所以只能当”可自托管的开源产品”来用，别指望 PR 被合。

它适合数据字典已经相对完整的团队，拿来给 BI 加一层”能问、能追溯”的入口。个人项目拿它跑 demo 也能跑通，但要记住它解决的是语义一致性，不是”开箱替代数据分析师”。

项目简介#

一个 Python 抓取框架，三件事做到位：自适应元素定位（站点改版后靠相似结构重新找到目标元素）、真浏览器抓取（带反检测与 Cloudflare 过盾）、以及把结果直接转成干净的 Markdown。AI 侧的入口是它今年的重点：MCP server 让 Claude、Cursor 这类客户端获得浏览、截图、点击、读取后台 API 的能力，并带 prompt-injection 防护；另有一个 Agent Skill，把当前 API 的正确用法作为文档下发给编码 agent。BSD-3-Clause。

为什么值得关注？#

Agent 的”眼睛”通常外包给搜索 API，但很多任务真正需要的是”去这个具体页面，把那张表拿下来”。Scrapling 的 MCP server 把这件事变成工具调用：抓取、去噪、截断在服务端完成，模型不用读整页 HTML。

另一个值得学的点是 Agent Skill 的做法——与其让模型猜 API，不如把库的正确用法打包让它读。一个 100k 星的老仓库这周还能涨 8,342，说明它靠的不是新鲜感，而是”agent 时代突然变成刚需”。

项目观察#

边界很清楚：反检测和过盾能力意味着合规责任全在使用者身上，别拿它做会让律师上门的事；作为框架它的抽象层不少，深度定制需要读源码。

我看重的是它的双入口设计：同一个能力，既给 MCP 客户端调用，又给编码 agent 当技能读。中型开源项目接下来大概率都会这么包一层。

项目简介#

一个 Rust 写的 git worktree 命令行工具，把”每个分支一个工作目录”变成和切分支一样顺手：wt switch feat 进入对应 worktree（不存在就建），wt merge 合并后顺手清理，hooks 可以在创建、合并前后自动跑安装依赖、数据库迁移、复制构建缓存。README 里写明设计目标就是”并行跑 AI agent”。

为什么值得关注？#

同时让几个 agent 改同一个仓库，最先出的事是互相覆盖和 git 索引打架。worktree 是标准解法，但原生命令的体验很差：分支名要敲三遍，路径得自己算。worktrunk 判断对了瓶颈在”人懒得用 worktree”，于是把常用路径压成一条命令。

它没有发明新概念，胜在克制：一个 CLI、十几条命令、一年多的稳定迭代，本周还在日更。在满屏”agent 框架”的榜单里，这种工具反而是最难被替代的那类。

项目观察#

风险在于它架在 git 之上、又高度依赖团队习惯：没有统一的 worktree 规范，收益会被打散成个人技巧。真正省时间的是 hook 和缓存那部分，配不好就只是个更短的 git 命令。

我的用法建议：先用它把”一个 issue 一个 worktree”固化下来，再考虑接多个 agent。顺序颠倒的话，你会得到五个同时跑测试的目录和一台风扇狂转的机器。

项目简介#

Scenario 官方放出的技能库，一条 npx skills add scenario-labs/skills 就能把 85 个技能装进 Claude Code、Codex 这类支持 skills 的编码 agent。技能覆盖图像、视频、音频与 3D：产品图、品牌套件、分镜、漫画、游戏素材、精灵动画、天空盒、视频转运动、音乐视频、字幕与剪辑都在列；另有本地 Blender 相关的 MCP 连接，让 agent 直接驱动 DCC 软件。许可 MIT。

为什么值得关注？#

过去半年 skills 生态长出了一堆通用技能，难写的始终是垂直产线：一次生成要串十几个模型、控住风格一致性、还要做质量门。Scenario 按工作流而不是按 API 来切技能，并且把取舍写进了文档——比如先用 480p 出草稿再定稿 1080p 的成本策略。

一个只有 3.5k 星的小仓库一周涨 2,118，本身说明了问题：真正有人用的不是”通用 agent 能力”，而是”这类活儿该怎么串”。

项目观察#

强绑定 Scenario 平台和账号体系，本质上是”官方最佳实践 + 付费入口”，不是中立工具；85 个技能也意味着质量参差，别一次全装。它的价值有一半在文本本身：把多模态生产的流程知识写成 agent 能读的文件，这部分即使你不用它的平台，也值得读一遍。