• 這週 GitHub 高星動態最值得記的一句話是：agent 的底層 runtime 正在收斂，真正開始爆量創新的地方，往上移到 skills、brains 與可安裝的方法論層。
  • 成熟專案這幾天補的不是花俏 UI，而是背景執行、授權流程、typed tool output、記憶介面、subagent 紀錄與資源回收。
  • 同一時間，近 7 天衝上來的新專案沒有再重做一次聊天框，而是在回答更直接的問題：怎麼把一個人的思考方式、你的長期脈絡、你的 token 預算，包成 agent 真能拿來工作的資產。
  • 這代表開發者社群對 agent 的期待又往前走了一步：從「它會不會做事」進到「它靠什麼持續做事，而且能不能被安裝、被轉移、被治理」。

背景脈絡

我這次用 GitHub API 看兩組訊號。

  • 既有高星更新：已經很大的 agent / 開發工具專案，近幾天仍持續發版或大量更新。
  • 近 7 天新高星：建立時間落在 4/5 之後，卻快速衝出 star velocity 的新案。

把兩組放在一起看，輪廓很清楚。

成熟專案這邊，幾個代表案都在補 runtime 的穩定性與治理能力：

新案這邊，爆紅方向就更有意思了：

這些新案放在一起，不像一個單一產品類別，反而像同一波需求從不同方向冒出來：

  • 有人想把表達與思考風格做成 skill
  • 有人想把個人長期脈絡做成 brain
  • 有人想把回覆成本直接壓成一種可切換模式
  • 有人開始收錄整個 persona distill skill 生態

也就是說，底層 agent runtime 還在快速進化，但上層產品化已經開始分化成更可安裝、更可搬運、更像資產的形狀。

技術重點

1. 成熟 runtime 正在補「長任務能活下來」需要的細節

如果只看 codex、gemini-cli、opencode、openclaw 這幾天的更新，會看到很一致的方向。

openai/codex 的 0.120.0 補了幾個很關鍵的 runtime 訊號：

  • Realtime V2 可以在背景 agent 還在跑時持續串流進度
  • 後續回應可以先排隊，等 active response 結束後接續
  • MCP tool declaration 帶入 outputSchema，工具結果開始更明確型別化
  • hook 活動在 TUI 裡更容易掃描
  • app-server MCP disconnect cleanup 與 remote websocket 問題被補齊

這些不是「多一個功能」而已，這是在把 agent 從單輪互動拉向真正的任務執行器。背景作業、排隊、typed output、cleanup，都是系統成熟的訊號。

google-gemini/gemini-cli 的 4/11 nightly 也很有代表性：

  • subagent agentId 會被寫進 tool call records
  • 加了 large memory regression test
  • 修掉 PTY exhaustion 與 orphan MCP subprocess leaks
  • interactive shell execution 會保留 session id
  • /settings 被標成不適合同時並行執行

這一串更新說明它現在面對的不是「能不能接模型」，而是 session lifecycle、子代理追蹤、資源外洩、記憶回歸、並發邊界。這已經是 runtime 工程，不是純 prompt engineering。

anomalyco/opencode 的 v1.4.3 比較像小版號，但補的點都很實戰：

  • OpenAI OAuth 帳號的 agent create 修正
  • Bash 被中斷後仍保留最終輸出與 truncation 細節
  • fast mode 變成正式變體
  • remote MCP server 可設定 OAuth redirect URI

一個 coding agent 到了這個階段，差異就不在「會不會下指令」，而在 指令斷掉後還剩多少證據、授權路徑穩不穩、不同速度檔位怎麼切、遠端工具接法會不會卡死。

openclaw/openclaw 的 v2026.4.11 則很像另一條更完整的控制面路線：

  • Dreaming / memory wiki 加入 ChatGPT import ingestion
  • Imported Insights、Memory Palace diary subtabs，讓匯入記憶可直接在 UI 內追
  • plugin manifest 可以宣告 activation 與 setup descriptors
  • Codex OAuth invalid_scope 問題被修掉
  • Teams reaction、Feishu 文件留言、webchat rich output 都在往結構化互動靠攏

這版最有意思的地方是它把 匯入記憶、插件安裝敘述、跨通道互動結構化 擺進同一個產品面。這代表 agent 不只是在回答，而是開始管理來源、插件、授權與歷史脈絡。

2. 新高星專案把差異化推向「可安裝的 cognition」

成熟 runtime 越做越像底座後，新案開始往更上層的封裝長。

alchaincyf/nuwa-skill 這波暴衝很能代表這件事。它的定位不是再做一個 agent app，而是把「蒸餾任何人的思維方式」變成一個可安裝 skill。README 直接把心智模型、決策啟發式、表達 DNA 當成可提煉、可呼叫的單位。

這件事的產品含義很大。

以前大家說「prompt 像人格」。現在變成：人格、方法論、視角本身就是可發佈的 artifact。

這會讓 agent 的差異化從模型選型，往下列資產移動：

  • 你安裝了哪些 skills
  • 這些 skills 代表哪些方法論
  • 哪些人設或決策框架值得被重複調用
  • skill 之間如何組合、切換、治理

JuliusBrussee/caveman 則是另一種更務實的 skill 產品化。它不是賣人格，而是賣 token economy。它把輸出壓縮語氣做成一個明確模式，還在 v1.5.1 把 SKILL.md 改成 runtime 載入，讓規則來源跟著技能檔同步，不再硬編碼。

這代表連「說話方式」都開始被視為一種獨立能力層，而不是只能寫進 system prompt 的隱性設定。

garrytan/gbrain 又再往前一步。它不是單一 skill，而是想把 agent 前後文、會議、郵件、行程、語音、想法流進同一個 searchable knowledge base，讓 agent 每次回答前先讀、每次對話後再寫。更有意思的是它主打：讓 agent 自己完成 brain 的安裝與遷移。

這說明兩件事：

  • 長期脈絡管理正在從「加一個 memory feature」變成「建一個個人知識底座」
  • agent 生態的交付單位，正從 prompt 轉向 schema、repo、sync job、brain operations

xixu-me/awesome-persona-distill-skills 的爆紅也很關鍵。當一個領域開始有 curated list，通常代表它不是一時迷因，而是開始變成有分類、有命名、有流派的生態。

3. 底層收斂之後，上層會先爆的是 distribution 與 packaging

這一波我覺得最值得看的，不是哪一個專案單獨多強，而是整體堆疊正在分層。

底層是 runtime：

  • 背景任務
  • subagent
  • session continuity
  • MCP / OAuth
  • typed tool output
  • 資源清理與安全邊界

中層是 context substrate：

  • memory import
  • personal brain
  • repo context generator
  • token compression
  • usage dashboard

上層才是可分發的 skill 與方法論包：

  • persona distill skills
  • workflow skillpacks
  • specific tone / output-mode plugins
  • curated skill directories

當底層還不穩時，上層很難流通。現在上層開始大量爆出來，反而是在證明底層已經穩到足以承接這些封裝。

關鍵取捨

1. 把方法論做成 skill，擴散速度會很快，驗證難度也會一起上升

nuwa-skill 類專案很吸引人，因為它讓使用者很快得到「某種視角」。

問題也很直接：

  • 蒸餾資料來源是否足夠
  • 產出的其實是方法論，還是表演性的模仿
  • 如果 skill 被拿去做高風險決策，誰來負責品質邊界
  • 不同版本的 skill 之間怎麼追溯變化

這類 skill 很可能會變紅，但也會很快逼出 版本管理、驗證資料、適用範圍聲明、風險標記 這些治理需求。

2. 個人 brain 很強，但 ingestion 與刪除權會變成硬問題

gbrain 類系統最迷人的地方，是它把 agent 從「這輪知道什麼」升級成「長期知道你是誰、最近在做什麼」。

代價同樣很真實：

  • 資料匯入管線很長
  • schema 一旦先決定，未來要改會痛
  • 私人資料、郵件、行程、通話紀錄都碰到強隱私邊界
  • 如果沒有 provenance，回頭很難知道某段記憶從哪裡來
  • 如果沒有 deletion story，brain 會越來越像黑箱倉庫

所以 brain 產品最後比的不會只是 recall，而是 可查來源、可修正、可刪除、可搬遷。

3. token 壓縮很有效，但壓縮會改變互動品質

caveman 這種模式之所以爆，是因為它非常實際：省 token，立刻有感。

但壓縮語氣一定有代價：

  • 某些任務需要精細語感與上下文鋪陳
  • 某些跨角色協作需要禮貌、完整、可交接的敘述
  • 壓太短會讓模糊處被吞掉

這表示未來的 token 策略不會只有一個「省電模式」，而會像編碼 profile：

  • 哪種任務可以極度壓縮
  • 哪種任務要保留完整 reasoning 痕跡
  • 哪些通道適合短句，哪些通道需要正式交接格式

4. runtime 越成熟，授權與資源管理越像主產品

從 codex、gemini-cli、opencode、openclaw 這幾天的更新看，很明顯一件事：

真正吃工程量的，已經不是接模型，而是把 session、hook、MCP、OAuth、subprocess、memory import、plugin setup 做到不失控。

功能看起來都很小，但每一個都是使用者是否能把 agent 放進日常工作的分水嶺。

對開發者影響

如果你正在做 AI 工具，我覺得這週 GitHub 動態給了很實際的優先順序。

  • 先把底層 runtime 做成可靠 substrate。
    • 背景執行、續跑、typed output、資源清理、授權邊界，這些比再加一個華麗介面更值錢。
  • 把可安裝能力當成正式產品單位。
    • 不管你叫 skill、plugin、brain pack、workflow pack，本質都是可分發的 agent 行為資產。
    • 要有版本、來源、說明、依賴、風險標示。
  • 記憶不要只做成 summary feature。
    • 使用者真正需要的是可追來源、可搬遷、可刪、可校正的長期脈絡層。
    • 只會記一句偏好，通常撐不起長任務。
  • 把 token economics 顯性化。
    • caveman、usage dashboard、context generator 這類案子會紅，代表成本不是後台指標，已經是前台體驗。
  • 決定你做的是 runtime、context layer，還是 skill marketplace。
    • 三層都能做，但產品節奏完全不同。
    • 最怕的是三層都想碰，最後每層都只做半套。
  • 從第一天就設計 provenance。
    • skill 來自哪裡、brain 吃了哪些資料、哪段記憶怎麼進來、哪個 subagent 寫了什麼，這些都要能回查。

後續觀察

接下來我會特別盯五個訊號。

1. skill / persona 蒸餾會不會從爆紅變成標準發佈格式

如果接下來更多案子開始收斂到一致的 SKILL.md、manifest、安裝與版本模式，代表 skill 真的會變成 agent 生態的套件層。

2. personal brain 會不會長出通用 schema 與遷移標準

gbrain 類案子如果持續被 fork、被接到不同 agent 上，下一步很可能是 brain repo 結構、同步規則、記憶 provenance 的事實標準化。

3. runtime 會不會繼續把 background work 做成第一級介面

codex 的背景進度串流、gemini-cli 的 subagent 記錄、openclaw 的 plugin setup 與記憶介面，都是在往同一件事收斂：agent 不只是回答，而是在跑一個能被看見的流程。

4. token mode 會不會像模型切換一樣變成標配

如果 caveman 這類模式繼續漲，未來 agent 很可能內建多種輸出檔位：深度版、交接版、超省 token 版、正式文件版，而不是只有一種預設口吻。

5. curated skill lists 會不會催生新的信任層

一旦 ecosystem 夠大，大家很快會遇到一樣的問題：

  • 哪些 skill 值得裝
  • 哪些 skill 有驗證資料
  • 哪些 skill 只是模仿口氣
  • 哪些 skill 真能穩定提升決策品質

那時候真正有價值的，不一定是 skill 本身，而是 評測、審核、排名與 provenance 層。

我的結論

  • 這週 GitHub 高星動態最值得看的，不是「又多一個 agent」，而是 agent 產品堆疊開始分層了。
  • 成熟專案在補底座：背景執行、session continuity、typed tools、授權與記憶介面。
  • 新案在補上層：skills、persona distill、personal brain、token 模式、skill 收錄生態。
  • 這代表下一輪競爭，未必是誰模型接得最多，而是誰能把下面這些東西做成真產品：
    • 可續跑的 runtime
    • 可治理的記憶與上下文
    • 可安裝的技能資產
    • 可計價的 token 體驗
    • 可追溯的來源與版本

真正留下來的 agent 工具，會越來越像一套作業系統：底層穩，上層可插拔，中間的記憶與脈絡能被長期維護。

參考連結

GitHub API 資料截點：2026-04-12 10:30（Asia/Taipei）。星數、release 與 commit 活動會持續變動，本文採撰寫當下觀察值。

接下來看什麼

上一篇 / 下一篇
上一篇：2.25% 留在原地，2.58% / 3.0% 還排在前面：紐儲行把按兵不動寫成中性利率重定價
延伸閱讀
訂閱 RSS： 總經 · 技術