今日 GitHub 热门项目 Top 4，已为你深度翻译整理。
1. tt-a1i/archify
- 作者： tt-a1i
- 语言： HTML
- ⭐ 星标： 17,865（今日 +1,035） ｜ 🍴 Fork： 1,239
- 许可证：MIT ｜ 主页：https://tt-a1i.github.io/archify/
- 标签：
agent-skills,architecture-as-code,architecture-diagram,claude-skill,code-visualization,codex,coding-agents,data-flow-diagram,deepseek-harness,developer-tools,diagram-as-code,diagrams,diagrams-as-code,dsh-plugin,mermaid-alternative,opencode,sequence-diagram,software-architecture,system-design,text-to-diagram
项目定位： Archify 是一个 AI Agent 技能，能将代码库或系统描述转化为精美、可验证的交互式架构图，输出自包含 HTML 文件。
为你而选： 适合开发者和团队。在 Cursor、Claude Code 等工具中直接生成、审查和分享系统架构图，提升技术沟通效率，避免手动画图的繁琐。
手动画架构图费时且容易与代码脱节，而 Archify 让 AI Agent 直接读取代码库或系统描述，生成可验证的交互式架构图。
它支持架构、工作流、时序、数据流和生命周期五种图表类型，输出单个 HTML 文件，支持暗黑/明亮主题，并能导出为 PNG、SVG 等格式。在实现思路上，Archify 采用类型化 JSON IR 作为中间表示，配合严格的校验规则，确保生成的图表准确无误。如果校验失败，会返回机器可读的修复建议，而不是直接抛出报错。它强调“真实交互”，不凭空捏造拓扑，节点和关系都有据可查，甚至可以关联到 Git 提交记录中的源代码。
快速上手非常简单，只需运行 npx skills add tt-a1i/archify -g 安装，然后在 Cursor 等工具中输入类似 Use archify to map this repository's runtime architecture. 的提示即可。你还可以在对话中持续微调，比如要求“将认证模块移到左侧”或“高亮回滚路径”。
需要注意的是，它不是通用的绘图编辑器或 Mermaid 主题，而是专注于将技术意图转化为可沟通、可信任的产物。
2. ConardLi/garden-skills
- 作者： ConardLi
- 语言： CSS
- ⭐ 星标： 10,909（今日 +113） ｜ 🍴 Fork： 1,388
- 许可证：MIT ｜ 主页：https://github.com/ConardLi/garden-skills
- 标签：
agent,claude,gpt-image-2,rag,skills,web-design
项目定位： 面向 Claude Code、Cursor 等 AI 编程代理的生产级 Agent Skills 集合，涵盖网页设计、视频演示、图像生成等场景，让 AI 生成更精美可控。
为你而选： 适合开发者和内容创作者。能大幅提升 AI 生成网页、演示文稿和图像的审美与质量，让非专业设计人员也能产出专业级视觉作品。
Garden Skills 是一个为 Claude Code、Cursor 等 AI 编程代理量身打造的“技能包”集合。它解决的核心痛点是：AI 生成的网页、演示文稿或图像往往缺乏专业设计感，显得千篇一律。通过引入这些预置的 Skills，AI 代理能像专业设计师一样工作，产出精致、有设计语言的作品。
项目目前包含几个亮点技能：
– web-video-presentation：将文章或脚本转化为 16:9 的网页演示，适合录屏。基于 Vite + React + TypeScript 构建，内置 23 种主题，支持可插拔的 TTS 语音合成。
– web-design-engineer：把 AI 变成设计工程师，内置 25 种风格配方（如 Linear、Aesop、Bloomberg 等），每种配方都包含具体的配色、排版和标志性设计动作，有效避免 AI 生成的“套路化”UI。
– gpt-image-2：专注于图像生成与编辑，提供 18 个视觉类别和 79 个结构化提示词模板，支持本地生成、宿主工具委派和纯提示词顾问三种运行模式。
快速上手非常简单，最推荐的方式是使用 skills CLI 工具：
npx skills install
或者直接在 Claude Code 的插件市场中搜索安装。项目也支持通过下载 .zip 压缩包或 Git submodule 的方式手动集成。
需要注意的是，这些 Skills 本质上是给 AI 编程代理提供的“说明书”，需要配合支持 Agent Skills 规范的工具（如 Claude Code）才能发挥最大效用。如果你经常用 AI 写前端或做内容，这个项目能让你的产出质量上一个台阶。
3. browser-use/browser-use
- 作者： browser-use
- 语言： Python
- ⭐ 星标： 110,956（今日 +149） ｜ 🍴 Fork： 12,184
- 许可证：MIT ｜ 主页：https://browser-use.com
- 标签：
ai-agents,ai-tools,browser-automation,browser-use,llm,playwright,python
项目定位： browser-use 是一个让 AI 代理像人一样操作浏览器的开源工具，支持自动填表、数据提取等网页任务，提升自动化效率。
为你而选： 适合开发者和需要自动化网页操作的用户。可通过 Python 库或 CLI 将 AI 接入浏览器，实现批量数据抓取、自动填表等重复性任务。
Browser Use 解决的核心问题是：让 AI 代理能够像人类一样使用浏览器——打开网页、点击按钮、填写表单、提取数据。你只需用自然语言描述任务，它就能替你完成繁琐的网页操作。
技术看点
项目支持多种主流大模型（如 OpenAI、Anthropic、Google），并提供了专门为浏览器自动化优化的 ChatBrowserUse 模型，在速度和准确率上表现更好。它提供了两种使用方式：如果你已经有自己的 AI 代理（如 Claude Code、Cursor），可以通过 CLI 让它具备浏览器控制能力；如果你在开发自己的软件，则可以通过 Python 库进行深度集成，甚至添加自定义工具。
快速上手
环境要求 Python 3.11+，安装非常简单：
pip install browser-use
配置好 LLM 的 API Key 后，只需几行代码即可运行你的第一个代理：
from browser_use import Agent, ChatBrowserUse
agent = Agent(
task="Find the number of stars of the browser-use repo",
llm=ChatBrowserUse(model='openai/gpt-5.5'),
)
history = await agent.run()
适用边界
开源版本免费且支持高度自定义，适合本地运行和代码级控制。但需要注意的是，如果遇到验证码挑战，或需要大规模并发执行任务，本地 Chrome 容易遇到内存瓶颈和反爬限制。对于这类生产级场景，官方推荐使用其云端服务来处理代理轮换和隐身浏览。
4. K-Dense-AI/scientific-agent-skills
- 作者： K-Dense-AI
- 语言： Python
- ⭐ 星标： 34,718（今日 +138） ｜ 🍴 Fork： 3,360
- 许可证：MIT ｜ 主页：https://k-dense.ai
- 标签：
agent-skills,ai-scientist,bioinformatics,chemoinformatics,claude,claude-skills,claudecode,clinical-research,computational-biology,data-analysis,drug-discovery,genomics,materials-science,metabolomics,proteomics,scientific-computing,scientific-visualization
项目定位： 将任意 AI Agent 变成 AI 科学家，提供 163 个即用型科研技能和 100+ 科学数据库，覆盖生物、化学、医学与药物发现等领域。
为你而选： 适合科研人员与开发者，能大幅提升文献检索、数据分析、实验设计等科研流程的效率，让 AI 稳定执行复杂多步科研任务。
如果你平时用 Cursor 或 Claude Code 写代码，但偶尔需要处理基因组数据、做分子对接或者查临床试验数据，通常得自己翻文档、调 API。Scientific Agent Skills 就是为了解决这个痛点：它把 163 个经过验证的科研技能打包成了标准的 Agent Skills，直接让 AI 编码助手变成能干活的“AI 科学家”。
它的核心亮点在于覆盖面极广，从生物信息学、药物发现、临床研究到材料科学、地理空间分析，几乎涵盖了主流科研领域。它还内置了 100 多个科学数据库的访问能力（如 PubChem、ChEMBL、ClinicalTrials.gov 等），以及针对 RDKit、Scanpy 等常用 Python 包的优化指引。这意味着 AI 在调用这些库时，不再是一通乱猜，而是有明确的文档和示例作为依据，大大降低了“幻觉”风险。
技术上，它遵循开放的 Agent Skills 标准，兼容 Cursor、Claude Code、Codex 等主流工具。每个技能都包含完整的 SKILL.md 文档、代码示例和测试套件，确保了可靠性。
上手很简单，由于它是一个标准的插件包，你只需在支持的客户端中加载即可。不过需要注意，项目明确声明这些技能主要用于研究目的，比如回顾性验证或证据整理，不能直接用于患者诊断、治疗或部署决策。对于需要频繁处理科学数据的开发者来说，这是一个能省下大量查文档时间的实用工具箱。