让 AI 编程助手自动走完规划测试与审查流程（GitHub Trending）

今日 GitHub 热门项目 Top 4，已为你深度翻译整理。

1. mattpocock/skills

作者： mattpocock
语言： Shell
⭐ 星标： 223,758（今日 +1,894）　｜　🍴 Fork： 19,253
许可证：MIT　｜　主页：https://aihero.dev/skills

项目定位： Matt Pocock 为真实工程实践打造的 AI 代理技能集，小而精、易组合，适用于任何模型，旨在解决 AI 编程中的对齐、啰嗦、代码质量和架构腐化等常见痛点。

为你而选： 适合使用 AI 编程代理（如 Claude Code、Codex）的开发者。它能帮你把 AI 编程从随意的’氛围编程’拉回严谨的工程实践，提升代码质量和架构可控性。

如果你用 AI 代理写代码，大概率遇到过这些情况：AI 没懂你的需求就开写、废话连篇、代码跑不通，或者项目迅速变成一团乱麻。Matt Pocock 的这套 Skills 就是为了把这些“氛围编程”拉回真正的工程实践。

它的核心思路是把几十年的软件工程经验浓缩成一系列小而精、可组合的技能，适用于任何大模型。亮点在于：
– 对齐与沟通：通过 /grill-with-docs 技能，在动手前让 AI 像个严谨的架构师一样拷问你的需求，并建立项目专属的共享语言（CONTEXT.md），大幅减少 AI 的啰嗦。
– 质量与反馈：内置 /tdd 和 /diagnosing-bugs 技能，强制 AI 走红绿重构循环，告别盲飞。
– 架构守护：/improve-codebase-architecture 会定期扫描代码库，找出可以深化设计的模块，防止代码库加速腐化。

快速上手：
有两种安装方式，但千万别同时装，否则技能会重复。如果你用 Claude Code，可以直接运行 claude plugins install mattpocock-skills；其他代理或想自己魔改的话，用 npx skills@latest add mattpocock/skills。装完后，在每个仓库运行一次 /setup-matt-pocock-skills 配置好问题追踪器和文档路径，就可以开始享受严谨的 AI 编程了。

2. obra/superpowers

作者： obra
语言： Shell
⭐ 星标： 274,255（今日 +557）　｜　🍴 Fork： 24,556
许可证：MIT
标签： ai, brainstorming, coding, obra, sdlc, skills, subagent-driven-development, superpowers

项目定位： 一套面向编码智能体的软件开发方法论与可组合技能框架，让 AI 编码助手自动遵循头脑风暴→规划→TDD→代码审查的规范流程，而非随手写代码。

为你而选： 适合使用 Claude Code、Cursor、Codex 等编码智能体的开发者；能显著提升 AI 生成代码的质量与可控性，减少返工，让智能体真正按工程规范自主工作数小时。

Superpowers：给你的 AI 编码助手装上”工程纪律”

大多数 AI 编码助手的问题不在于不会写代码，而在于太急着写代码——你刚说一句需求，它已经开始往文件里塞实现了。Superpowers 要解决的就是这个：它不是又一个编码工具，而是一套自动触发的技能框架和开发方法论，让智能体在动手前先想清楚、动手时守规矩、动手后能验收。

核心工作流

安装后，技能会在对话中自动激活，无需手动调用。完整流程是：

头脑风暴——智能体不急着写代码，而是通过提问帮你把模糊想法变成明确的设计文档，分段展示供你确认。
Git worktree 隔离——设计通过后，自动创建独立分支和工作空间，确保干净基线。
编写计划——把工作拆成 2-5 分钟的小任务，每个任务有精确文件路径、完整代码和验证步骤。
子智能体驱动开发——为每个任务派发独立子智能体，执行后做两阶段审查（规范符合性 + 代码质量）。智能体可自主工作数小时不偏离计划。
TDD 红绿重构——强制先写失败测试，再写最小实现，测试通过后提交；先写代码后补测试的会被删掉。
代码审查与收尾——任务间自动审查，关键问题阻断推进；完成后验证测试、提供合并/PR/丢弃选项。

技术看点

技能可组合：每个技能（brainstorming、systematic-debugging、writing-plans 等）独立定义，按上下文自动触发，构成强制工作流而非建议。
跨平台插件：支持 Claude Code、Cursor、Codex CLI/App、Gemini CLI、GitHub Copilot CLI、Devin、Grok Build 等十余种编码智能体，各自有独立安装方式。
理念清晰：TDD 优先、系统化优于即兴、复杂度削减、证据优于声明。

快速上手

以 Claude Code 为例，官方市场安装一行命令：

/plugin install superpowers@claude-plugins-official

Cursor 中则在 Agent 聊天里执行 /add-plugin superpowers。其他智能体的安装方式 README 中均有对应说明，注意每个平台需单独安装。

注意事项

项目不接受新技能贡献，技能更新必须兼容所有支持的编码智能体。
遥测默认开启（仅上报版本号，不含项目或提示信息），可通过设置环境变量 SUPERPOWERS_DISABLE_TELEMETRY 关闭。
部分平台（如 Hermes）缺少压缩后钩子，超长会话压缩后技能可能停止触发，需重启会话。

总的来说，如果你已经在用 AI 编码助手但苦于输出质量不稳定、缺乏工程规范，Superpowers 值得一试——它本质上是在给智能体”立规矩”。

3. amadeusprotocol/node

作者： amadeusprotocol
语言： Rust
⭐ 星标： 4,525（今日 +1,397）　｜　🍴 Fork： 85

项目定位： Amadeus 协议的区块链节点实现，基于 Erlang 构建，支持本地测试网、WASM 智能合约部署及验证者节点配置。

为你而选： 适合区块链开发者与研究者。可用于在本地运行测试网、部署 WebAssembly 智能合约，或配置为验证节点进行实验。

Amadeus Node 是一个基于 Erlang 构建的实验性区块链节点项目。从 README 来看，它不仅提供了基础的节点运行程序，还涵盖了从本地测试网搭建到生产环境 systemd 部署的完整流程。

核心特性与看点
项目最大的亮点在于其技术栈的选择与智能合约的支持。底层采用以高并发著称的 Erlang 语言，而智能合约则支持通过 WebAssembly（WASM）运行，README 中直接展示了部署 AssemblyScript 编写的 counter.wasm 合约的示例。此外，项目对网络性能有深入的考量，在 systemd 部署部分提供了针对 1Gbps UDP 协议栈的内核参数调优指南，显示出其对高吞吐量场景的追求。

快速上手
构建过程依赖 Podman 或 Docker：

podman build --tag erlang_builder -f build.Dockerfile
./build.sh

启动本地测试网前，需要修改 /etc/hosts 将 nodes.amadeus.bot 指向本地，并调整系统参数允许非特权端口监听 80 和 443。随后即可运行：

TESTNET=true WORKFOLDER=/tmp/testnet HTTP_IPV4=127.0.0.1 HTTP_PORT=80 ./amadeusd

启动后，可以在内置的 REPL 中直接调用 AMA 代币转账或部署 WASM 合约。

适用边界与注意事项
该项目明确声明这是一个用于教育和信息共享的开源研究项目，处于实验阶段，不提供任何保证。目前仅在 Ubuntu 24.04 和 Linux Kernel 6.8 环境下测试过。由于涉及网络参数和系统配置的修改，建议在隔离的测试环境中运行，使用者需自行承担相关风险。

4. marceloprates/prettymaps

作者： marceloprates
语言： Python
⭐ 星标： 13,096（今日 +63）　｜　🍴 Fork： 654
许可证：AGPL-3.0　｜　主页：https://prettymaps.streamlit.app/
标签： cartography, generative-art, jupyter-notebook, maps, matplotlib, openstreetmap, python

项目定位： prettymaps 是一个基于 OpenStreetMap 数据的 Python 库，能让你用几行代码绘制出极具艺术感的定制化地图。

为你而选： 适合地图爱好者、数据可视化开发者及设计师。普通人能轻松生成个性化城市地图用于装饰，开发者则可借此快速实现地理数据的艺术化呈现。

prettymaps 解决了一个很具体的问题：把原本枯燥的地理数据变成赏心悦目的艺术作品。它直接从 OpenStreetMap 获取数据，结合 osmnx、matplotlib、shapely 和 vsketch 等库，让用户无需复杂的 GIS 知识，就能通过调整图层和样式参数，绘制出风格独特的城市地图。

核心看点
– 极简调用：只需一行 prettymaps.plot('地名') 就能生成默认样式的地图。
– 高度定制：通过 layers、style、preset 等参数，可以精细控制水域、建筑等图层的颜色与形状，甚至支持圆形边界和山体阴影。
– 多端支持：除了本地运行，还提供了 Google Colab 和 Streamlit 前端，方便不想折腾环境的用户直接在浏览器里体验。

快速上手
本地安装只需执行 pip install prettymaps。如果想用交互式前端，可以在克隆仓库后运行 streamlit run app.py。对于初学者，官方还提供了详细的 markdown 教程和 marimo notebook。

注意事项
项目采用 AGPL v3.0 许可证，允许商用和修改，但必须保留来源声明。特别值得一提的是，作者在 README 中明确且强烈地反对将生成的地图用于铸造或销售 NFT，并呼吁尊重开源创作者的劳动成果。如果你想用它做点好看的城市海报，这绝对是个完美的起点。