2026-09-18 GitHub 趋势研究简报

证据边界： 项目名称、星标、tags、description、license、size、forks 来自 2026-09-18 GitHub Search API 公开元数据（created_at / pushed_at / stargazers_count / forks_count / language / description / topics / license / size）+ 各项目 README 公开摘录（API readme 字段 base64 解码）。"X 天 Y⭐"基于 created_at→2026-09-18 总星数除以经过天数（粗略下限估计），stargazers REST endpoint 需要认证故未做精确单日增量统计。今日观察窗为 2026-09-17 创建且截至 2026-09-18 仍在快速增长的 5 个非游戏类高质量工程型项目；09-18 当日新创仓库在 GitHub API 暴露窗口 < 12 小时，本批重点放在 09-17 创建且仍持续增长的项目。今日最大事件是 thruwire/foreman 1 天 172⭐ / fork 11 / fork/star 6.4% — TypeSafe Jev Software Factory Foreman——把 TypeSafe AI 公司 2026-09 发布的 Jev 决策模型置于 Codex coding agent 之上形成「软件工厂监管层」双 loop 并行架构：codex exec --cd <repo> --sandbox workspace-write --color never --json <mission> 作为 worker，JSONL stdout/stderr 实时流式作为 factory events；Jev 并行评估 7 个维度 implementation_complete / tests_sufficient / requirements_satisfied / worker_stuck / needs_verification / work_off_track / meaningful_progress 返回概率决策；Python policy 层根据 Jev 输出决定 continue / stop / retry / verify / finish；默认边界 20K diff + 12K tail + 30 events + 10 workers of history（FactoryConfig 可调）；不替换 Codex 内部 reason/tool/observe loop ——只 watch + assess + decide + intervene（worker protocol replaceable）；verifier 复用 Codex 但给不同 verification mission；README 明确表态「an architectural experiment, not a claim that this design is already better than a conventional coding-agent harness」——是「严肃实验」而非「营销话术」；MIT 许可 + 46 KB repo 是「可独立部署的最小工厂监管内核」形态；今日 8 个项目同构 TypeSafe Jev 决策模型生态爆发：thruwire/foreman（软件工厂监管）+ NiazMorshed2007/jev-review（本地优先 MCP 软件质量评估） + kitze/skillbox（自托管技能库 + 可选 Jev recommendations）+ ekzhang/openjev-sglang（Jev-compatible API endpoint 基于开源模型 prefill-only）+ AbdelStark/awesome-typesafe（TypeSafe/System One/Jev 资源聚合）+ jkudish/jev-mcp（Typesafe Jev MCP PoC）+ vlad-terin/jev-browser（Jev 驱动元素选择）+ droidrun/mobile-jev（移动端 Jev）+ vinilana/jev-eval-agent（Jev 评估 agent）+ kuhnhomeuk-cell/procedural-film（Jev 生成式内容评估）+ ChetasLua/jevmeter（Jev 视频评分 meter）——Jev 决策模型从 09-15 的单点模型演进到 09-18 的「生态爆发」（软件工厂监管 + 质量评估 + 技能推荐 + 浏览器选择 + 移动端 + 视频评估 + 资源聚合 7 类场景）。NiazMorshed2007/jev-review 1 天 72⭐ / fork 6 / fork/star 8.3% — 本地优先 MCP 软件质量评估插件——Node.js 20+ MCP stdio 传输；单一 jev_review 工具；支持 Claude Code / Codex / Cursor / OpenCode 四大 Coding Agent；评估 correctness / complexity / changeability / modularity / tests / security 多维度；用户 API key 留在本地；无 hosted backend / 无 database / 无 telemetry / 无 author-operated proxy；唯一 remote 请求直接到 Jev API（绕过 author 代理避免中间人）；编码由主 agent 完成（Codex 等），Jev 只供应 scalar signal 不直接动文件；TypeSafe AI 官方 console 配 Jev API key；MIT 许可 + 2.9 MB repo + Node.js 20+ 是「可独立部署的 Coding Agent 质量评估 sidecar」形态；与昨日 karanb192/awesome-claude-code-mods / agent-sec/mod-provenance-graph「plugin/mod 供应链可见性」同构但推到「plugin/mod 质量评估」领域；与 kitze/skillbox「自托管 + 版本化 Skills」同构但推到「本地优先 + 质量评估」领域。Worldbuilder013/HEXIS 1 天 69⭐ / fork 1 / fork/star 1.4% — SKILL.md → 扩展有限状态机编译器——论文「Compiling Agent Skills into Extended Finite State Machines」配套代码；Python 3.11/3.12；efsm-v1 JSON schema 含 typed variables + tool/model/judge/user/end 5 类 actions + ordered guarded transitions + bounded loops + fallback state；LLM 在 state 内推理 · 顺序由 program 强制 ——这是「用 FSM 解决 SKILL.md 顺序不可靠」的工程化形式（与 Codex Skills 直接把 SKILL.md 塞进 context 让 LLM 选下一步的脆弱性相对）；4 个 shipped machines（data analysis / mathematics / QA over corpus / spreadsheet editing）；GUIDE.md + PROMPT.md 自描述产物（任何 tool-using agent 可执行 machine）；350+ tests 不需网络/endpoint/key（hermetic）；OpenAI-compatible --model --base-url --api-key-env；OpenCode native tools + 本地 bash backend + 工具 registry；fallback state 重试 + 解释执行兜底；MIT 许可 + 6.1 MB repo 是「严肃学术 + 工程可复现的 SKILL.md 编译器」形态；与昨日 TopVitamin/agent-skills「中文 Codex Skills 实例」同构但推到「SKILL.md → 状态机编译」学术严肃度——昨日是「Skill 实例集合」今日是「Skill 编译成 FSM」的严肃工程化；与昨日 wshobson/agents「多 Harness Agent Skills 市场」同构但推到「Skill 编译成可执行状态机」领域——wshobson 是 Skill 分发，HEXIS 是 Skill 编译。kitze/skillbox 1 天 69⭐ / fork 7 / fork/star 10.1% — 自托管版本化 AI agent 技能库——MCP + scoped clients + 可选 Jev recommendations；自托管 + 版本化；主流 Coding Agent 通用接入；Kitze（@thekitze）知名独立开发者多项目矩阵营销（Zero To Shipped 全栈 starter kit + Sotto macOS voice-to-text + Tinkerer Club 私有社区 + Sizzy 开发者浏览器 + Supermac macOS 命令中心）；MIT 许可 + 191 KB repo + TypeScript 是「独立开发者背书的自托管 Skill 库」形态；与昨日 wshobson/agents「多 Harness Agent Skills 市场」同构但推到「自托管 + 个人开发者背书」领域——wshobson 是社区市场，skillbox 是个人背书；与 TopVitamin/agent-skills「中文 Codex Skills」同构但推到「英文 + 知名独立开发者 + 自托管」领域。pengchujin/MacTV 1 天 61⭐ / fork 2 / fork/star 3.3% — macOS 电视遥控菜单栏 App——Apple Silicon arm64 + macOS 14+；HDMI-CEC 双向遥控——Mac 音量键控制电视音量（需辅助功能权限）+ 电视遥控器控制 Mac 媒体（媒体模式支持切歌/播放暂停/切换应用）+ 鼠标（鼠标模式支持移动/长按加速/6 档速度/长按确认后松开右击）+ 返回键映射 Esc；菜单栏遥控器（方向/确认/返回/唤醒/待机/菜单）；输入源切换（切回 Mac / HDMI 1-4）；VoiceOver + 浅色/深色外观 + 简繁英三语；Homebrew cask pengchujin/tap/mactv 安装 + DMG 下载（README 明示下载链接 + v0.1.2 版本）；TV 品牌术语兼容 SIMPLINK（LG）/ Anynet+（Samsung）/ BRAVIA Sync（Sony）；Swift MIT 5.1 MB repo；与 FelixQiu1/XiaoAi-LLM-Router「老硬件 + 中间层升级」同构但推到「老电视 + Mac HDMI-CEC 中间层」硬件桥接领域——XiaoAi 是小爱同学 + LLM 中间层，MacTV 是 Mac + HDMI-CEC 中间层；「Mac 当电视用」/「电视当 Mac 显示器用」是 2026 居家办公场景的明确需求（显示器涨价 + 远程办公双屏需求 + 4K/8K 电视性价比）。「TypeSafe Jev 决策模型生态爆发」今日事件：Jev 是 TypeSafe AI 公司 2026-09 发布的「快决策模型」（fast decision model），接受结构化状态 + 类型化问题 + 返回概率决策 + 多问题并行评估一次请求——这与传统 LLM 的「文本输入/文本输出 + 串行推理」形成对照；foreman 把 Jev 放到 coding agent 监管层是最严肃应用，jev-review 把它放到软件质量评估层是工程实用化，skillbox 把它放到 skill 推荐层是产品化，openjev-sglang 把它开源化（基于开源模型 prefill-only）——4 个项目同构「Jev 决策模型作为 coding agent 生态的快决策层」但推到不同应用层。「SKILL.md 编译成 FSM」今日学术严肃化：HEXIS 把 Codex Skills 生态中「SKILL.md 直接塞进 LLM context 让模型选下一步」的脆弱性（顺序可跳过 / 可重排 / 可错误应用）通过 FSM 编译解决——typed variables + ordered guarded transitions + bounded loops + fallback state 是「用程序强制顺序」的工程化形式；这是 2026 Q3 SKILL.md 标准化从「文档规范」到「可编译工件」的升级。「单点工程痛点 + 强可复现证据 + 严肃许可」四项目同日出现：thruwire/foreman（Python MIT Jev 7 维度并行评估 + FactoryConfig 可调边界 + 4 篇 docs + 明确表态实验）+ NiazMorshed2007/jev-review（TypeScript MIT 本地优先 + 无 backend/database/telemetry/proxy 4 项明确无 + TypeSafe console 配 API key）+ Worldbuilder013/HEXIS（Python MIT efsm-v1 schema + 4 个 shipped machines + 350+ hermetic tests + 学术论文配套）+ kitze/skillbox（TypeScript MIT MCP + scoped clients + 知名独立开发者背书）四个项目都是「解决一个具体工程问题 + 证据可独立复现 + 许可明确 + 严肃态度」——这是 2026-09 趋势的延续特征。「中国开发者 + macOS + 硬件桥接」今日范例：pengchujin/MacTV 是中国开发者（pengchujin）+ macOS + HDMI-CEC 硬件桥接的具体实例——5.1 MB Swift 仓库 + Homebrew cask + 双语 README + 兼容 LG/Samsung/Sony 三大 TV 品牌术语；与昨日 Tina2088/wechat-group-report（Windows 微信本地数据库）+ skill-lab/feishu-chat-archive（云 API + 飞书开放平台）同构「中文场景本地工具 + 反 SaaS 桥接」但推到「macOS + HDMI-CEC 硬件桥接」领域。「Jev 决策模型 vs 传统 LLM 串行推理」是 2026-09 趋势的方法学对照：传统 Coding Agent 用 LLM 串行推理每一步决策（消耗 token + 时间 + 可能跳步）；Jev 用结构化输入 + 类型化问题 + 并行评估 + 概率决策 一次返回多维度结果——foreman 把 LLM 留作「worker + verifier」+ Jev 留作「supervisor」是「快决策层 / 慢生成层」分层的工程化形式。

今日重点趋势（按排名）

1. TypeSafe Jev 软件工厂 Foreman（趋势分 88）

• thruwire/foreman（1 天 172⭐ / fork 11 / fork/star 6.4% / Python / MIT / 46 KB）——「Foreman watches the software factory floor with TypeSafe AI's Jev, placing a fast decision model above slower coding agents」；输入 ticket / specification / bug report / 任何 free-form 软件任务；架构 两个并发 loop ——CODING AGENT LOOP（reason → tool → observe → edit → test → continue） + FOREMAN LOOP（watch → assess → decide → intervene）；worker 协议 codex exec --cd <repository> --sandbox workspace-write --color never --json <mission> 是 Codex CLI stable non-interactive exec 接口；JSONL stdout/stderr concurrent streamed + bounded in memory + persisted as factory events + made visible to Foreman before worker exits；Jev 决策层 Jev 并行评估 7 维度（implementation_complete / tests_sufficient / requirements_satisfied / worker_stuck / needs_verification / work_off_track / meaningful_progress），每维度返回概率（0-1）；Python policy 层 根据 Jev 输出决定 5 类动作（continue / stop / retry / verify / finish）；observation 边界 默认 20K diff + 12K tail + 30 events + 10 workers of history（FactoryConfig 可调）；worker replaceable runtime depends on small worker protocol rather than Codex-specific types；verifier 复用 another Codex worker with independent, deterministic verification mission；不替换 Codex 内部 reason/tool/observe loop ——只 watch + assess + decide + intervene；Missions stay broad ——「the worker does not have to stop working for the factory to think」；Jev 评估原理 ——TypeSafe describes it as accepting structured state + typed questions + returning probabilistic decisions + evaluating multiple questions independently in one parallel request；doc 4 篇 ——docs/theory.md（语义监管理论）+ docs/why-jev.md（为什么 Jev 适合这个实验）+ docs/what-foreman-proves.md（在证明什么）+ docs/runtime.md（运行时与事件流）；MIT License。
• 核心价值定位： 当前 Coding Agent 的痛点是 「worker 是不是卡了 / 实现完成了吗 / 测试够了吗 / 需要独立验证吗 / 偏离轨道了吗」 等监管问题都是「LLM 串行推理」难以高效回答的窄问题——LLM 推理每一步消耗 token + 时间 + 可能跳步或给出过度自信答案。foreman 用 Jev 决策模型并行评估 7 维度 + Python policy 层做闭环 ——这是「快决策层 / 慢生成层」分层的工程化形式；Jev 接受结构化状态 + 类型化问题 + 返回概率决策 + 多问题并行评估 一次请求 是「为窄决策优化」的模型形态，与 LLM 的「通用生成」形成对照。「Missions stay broad + worker does not have to stop working for the factory to think」 是关键架构选择——监管层不打断生成层（worker 与 supervisor 并行），subprocess 保持 active 同时独立的 debounced observation loop 在跑，这是「两层异步」的工程化形式；对企业：CISO / 平台工程团队可在不修改现有 Codex / Claude Code / Cursor 工作流的前提下加一层 supervisor；对个人开发者：可在长任务（复杂重构 / 多文件迁移）跑时得到实时状态判断（卡了 / 完成 / 需要验证）。
• 架构亮点： codex exec --cd <repo> --sandbox workspace-write --color never --json <mission> 是 Codex CLI stable non-interactive exec 接口——意味着 foreman 依赖 Codex 官方 stable API（不是 internal/experimental）；JSONL stdout/stderr concurrent streamed 是 Codex --json flag 的输出形态（每行一个 JSON event）；bounded in memory + persisted as factory events 是「事件流封存」的工程化形式——避免「subprocess 输出太长 OOM」+ 持久化供 supervisor 后续分析；Jev 并行评估 7 维度 ——TypeSafe 描述 Jev 接受结构化状态 + 类型化问题 + 多问题并行评估 一次请求（这是与 LLM 串行推理最大的方法学对照）；observation 边界默认值（20K diff + 12K tail + 30 events + 10 workers）是「不让 Jev 看到全仓库」的工程化形式——防止 Jev 被 prompt injection + 控制 token 成本；FactoryConfig 可调 ——实验者可改边界测试不同配置；worker implementation replaceable ——runtime depends on small worker protocol（不是 Codex-specific types），意味着 foreman 理论上可换 worker（Claude Code / Cursor CLI 等）只需实现 worker protocol；verifier 复用 Codex 但给不同 verification mission ——「verifier 是 worker 的双胞胎但使命不同」的工程化形式。
• 价值判断： 它解决的是「Coding Agent 监管层」的严肃实验；MIT + 46 KB + Python asyncio + Codex stable exec interface + 4 篇 docs + 明确「architectural experiment, not a claim」表态 是「严肃实验」形态；172⭐ / fork 11 / fork/star 6.4% / 1 天 反映早期严肃信号（fork/star 6.4% 在新项目中等水平，远低于 awesome-claude-code-mods 50% / mod-provenance-graph 44.4% 等「企业准备集成」类强信号，但与昨日 dsh-computer-use_codex-style 0% / agent-skills 0% 相当——反映严肃实验项目 fork 率通常较低）；决定长期价值的是 Jev API 是否被广泛采用——目前 Jev 是 TypeSafe AI 公司单一产品，Jev API 稳定性 + 定价 + 多模型选择是 foreman 长期可用的关键；对企业：本仓库在「Coding Agent 监管层」提供「Jev 决策模型 + Python policy」严肃参考实现；对个人开发者：可在长任务跑时实验 supervisor 层（修改 FactoryConfig 测试不同边界）；对平台工程师：worker protocol replaceable 意味着可统一监管 Claude Code / Codex / Cursor 三家 coding agent。

2. 本地优先 MCP 软件质量评估插件（趋势分 84）

• NiazMorshed2007/jev-review（1 天 72⭐ / fork 6 / fork/star 8.3% / TypeScript / MIT / 2.9 MB）——「Continuous software-quality review for AI coding agents, powered by Jev」；架构 本地 Node.js 进程 over MCP stdio + single focused tool jev_review；支持客户端 Claude Code + Codex + Cursor + OpenCode 四大 Coding Agent；评估维度 correctness + complexity + changeability + modularity + tests + security 多维度（README 表头列出 7 个独立维度）；隐私明确 ——「Your API key stays on your machine」+ no hosted backend + no database + no telemetry service + no author-operated proxy + the only remote request is sent directly to the configured Jev API；运行时 local Node.js process over MCP stdio；远程访问 direct requests to Jev using your API key；编码由主 coding agent 完成 ——Jev Review supplies fast scalar signal + coding agent remains responsible for diagnosing weaknesses + changing the code；TypeSafe console 配 Jev API key（https://console.typesafe.ai/）；Node.js 20+ + MCP transport stdio + Backend none；MIT License。
• 核心价值定位： 当前 Coding Agent 生态的痛点是 「生成的代码质量怎么评 / 改了几遍才够好 / 哪个维度（正确性 / 复杂度 / 可改性 / 模块化 / 测试 / 安全）有短板」 ——传统 code review 依赖人工（慢 / 不一致 / 难以规模化）；jev-review 用 Jev 决策模型在 7 维度并行评估代码质量 ——Jev 的「结构化输入 + 类型化问题 + 并行评估 + 概率决策」正好适合「多维度代码质量并行打分」；本地优先 + 4 项明确无（no hosted backend / no database / no telemetry / no author-operated proxy）+ 唯一 remote 直连 Jev API 是「隐私优先 + 防止中间人」的工程表态——避免「代码质量评估服务把代码传到 author 代理再传到 Jev API」的隐私担忧；对企业：CISO / 合规团队可保证「评估代码不离开本机除 Jev API 外」+ 「评估日志不留 author 服务器」+ 「评估由主 coding agent 完成而非第三方服务」；对个人开发者：可在不暴露代码到第三方平台的前提下得到结构化质量评估。
• 架构亮点： MCP stdio + 单一 jev_review 工具 ——MCP stdio 是当前 Coding Agent 标准接口（Claude Code / Codex / Cursor / OpenCode 都支持），单一工具降低集成成本；7 维度并行评估（correctness / complexity / changeability / modularity / tests / security） 是「多维度代码质量」标准分类——与 SonarQube / CodeClimate 等传统工具的 7 维度对齐；「Your API key stays on your machine」+ 4 项明确无 ——这是「本地优先 SaaS 替代品」的工程表态（与昨日 maskit「出网层隐私」同构但推到「代码质量评估 SaaS 替代品」领域）；direct requests to Jev using your API key ——绕过 author proxy 防中间人 + 降低延迟；「Your coding agent remains responsible for diagnosing weaknesses and changing the code」 ——Jev Review 只供应 scalar signal（数字分数），诊断 + 改代码由主 coding agent 完成（避免「第三方服务直接改用户代码」的合规风险）；支持 Claude Code / Codex / Cursor / OpenCode 四大 Coding Agent ——当前 Coding Agent 主流四件套全覆盖。
• 价值判断： 它解决的是「Coding Agent 代码质量评估 SaaS 替代品」的真痛点；MIT + 2.9 MB + TypeScript + Node.js 20+ + MCP stdio + 4 项明确无 + TypeSafe console 配 API key 是「本地优先严肃形态」；72⭐ / fork 6 / fork/star 8.3% / 1 天 反映严肃工程信号（fork/star 8.3% 接近企业 fork 信号下限 10%）；决定长期价值的是「Jev API 的多维度评估是否被广泛验证为比 LLM 串行推理更可靠」——目前 Jev 是 TypeSafe AI 单一产品，Jev 在多维度代码质量评估上的实证准确率待社区验证；对企业：CISO / 合规团队 + 平台工程团队可在不修改 Coding Agent 工作流的前提下加一层质量评估；对个人开发者：可作为 Coding Agent 的质量 sidecar（每次修改后跑 jev_review 看分数变化）；对学术：7 维度评估的实证对比研究（LLM 串行推理 vs Jev 并行评估）待发表。

3. SKILL.md → 扩展有限状态机编译器（趋势分 82）

• Worldbuilder013/HEXIS（1 天 69⭐ / fork 1 / fork/star 1.4% / Python / MIT / 6.1 MB）——「Compile agent skills into extended finite state machines」；架构 Python 3.11 / 3.12；efsm-v1 JSON schema 含 typed variables + 5 类 actions（tool / model / judge / user / end）+ ordered guarded transitions + bounded loops + fallback state；LLM 在 state 内推理 · 顺序由 program 强制 ——这是「用 FSM 解决 SKILL.md 顺序不可靠」的工程化形式（与 Codex Skills 直接把 SKILL.md 塞进 context 让 LLM 选下一步的脆弱性相对）；4 个 shipped machines ——data analysis / mathematics / QA over corpus / spreadsheet editing（每个含 GUIDE.md + PROMPT.md）；GUIDE.md（inputs + tools + diagram + every state and transition）+ PROMPT.md（system prompt 让任何 tool-using agent 执行 machine step by step）；OpenAI-compatible --model --base-url --api-key-env（任意 OpenAI 兼容端点可调）；工具后端 OpenCode native tools + 本地 bash backend + 工具 registry；fallback state 重试 + 解释执行兜底（partially learned machine 也能完成 task）；350+ tests 不需网络 / endpoint / API key ——hermetic test suite；论文配套 「Compiling Agent Skills into Extended Finite State Machines」；alpha status + MIT License。
• 核心价值定位： 当前 Codex Skills 生态的痛点是 「SKILL.md 直接塞进 LLM context 让模型选下一步」 ——LLM 可能跳过 / 重排 / 错误应用 SKILL.md 中明确写出的要求（顺序不可靠）；HEXIS 把 SKILL.md 编译成扩展有限状态机（EFSM） ——typed variables 记录状态 + ordered guarded transitions 强制顺序 + bounded loops 防死循环 + fallback state 兜底；LLM 在 state 内推理 + 顺序由 program 强制 是「LLM 负责推理 + 程序负责顺序」的工程化形式——把 Codex Skills 从「文档规范」升级到「可编译工件」；对企业：企业 SKILL.md 可编译成 EFSM 保证关键 SOP 步骤不跳过（合规场景关键）；对个人开发者：可把重复任务的 SKILL.md 编译成可执行状态机避免「模型跳步导致任务失败」。
• 架构亮点： efsm-v1 JSON schema 含 typed variables + 5 类 actions + ordered guarded transitions + bounded loops + fallback state ——EFSM（Extended FSM）是「FSM + 变量 + 守卫条件」的经典扩展；5 类 actions（tool 调用外部工具 / model 调 LLM / judge 调 LLM 做判断 / user 询问用户 / end 终止）覆盖 agent 全部动作；ordered guarded transitions 是「按顺序 + 满足守卫条件才转移」的工程化形式；bounded loops + fallback state 是「防死循环 + 部分失败兜底」的工程化形式；4 个 shipped machines（data analysis / mathematics / QA / spreadsheet）证明「不只是 PoC」；GUIDE.md + PROMPT.md 自描述产物 ——任何 tool-using agent 可执行 machine（不需要 HEXIS 自身）；OpenAI-compatible --model --base-url --api-key-env ——任意 OpenAI 兼容端点可调（不锁定 Jev / OpenAI / Anthropic）；OpenCode native tools + 本地 bash backend + 工具 registry ——3 类工具后端覆盖主流 agent 工具生态；350+ tests hermetic ——不需网络 / endpoint / API key 意味着可在 CI 完全离线跑；论文配套 ——「Compiling Agent Skills into Extended Finite State Machines」学术发表说明理论严谨。
• 价值判断： 它解决的是「SKILL.md 顺序不可靠」的学术严肃工程化；MIT + 6.1 MB + Python 3.11/3.12 + efsm-v1 schema + 4 shipped machines + 350+ tests + 论文配套 + OpenAI-compatible + alpha status 是「严肃学术 + 工程可复现」形态；69⭐ / fork 1 / fork/star 1.4% / 1 天 反映学术 + 早期信号（fork/star 1.4% 偏低说明「学术圈关注但企业 fork 尚未出现」——与昨日 FLModel/flm fork/star 19.1% / Neuroscale/cortical-stack 16.1% 不同，本仓库理论性更强但工程实例较少）；决定长期价值的是「EFSM 编译质量 + agent 兼容性 + 论文同行评审」——EFSM 编译是否能稳定保留 SKILL.md 全部约束 + 主流 Coding Agent 是否原生支持 EFSM + 论文同行评审结果是关键；对学术：SKILL.md → EFSM 编译理论 + 实证结果是严肃研究方向；对企业：关键 SOP 场景（医疗 / 金融 / 法律）SKILL.md 编译成 EFSM 保证合规步骤不跳过；对个人开发者：可把重复 SKILL.md 编译成可执行状态机避免跳步；alpha status 警告项目仍在早期，4 个 shipped machines 是「概念验证」级。

4. 自托管版本化 AI agent 技能库（趋势分 80）

• kitze/skillbox（1 天 69⭐ / fork 7 / fork/star 10.1% / TypeScript / MIT / 191 KB）——「Self-hosted, versioned skills library for AI agents. MCP, scoped clients, and optional Jev recommendations」；架构 MCP + scoped clients + 可选 Jev recommendations；自托管 self-hosted + 版本化 versioned + 主流 Coding Agent 通用接入；README 顶部 readme-sync 自动同步 + 知名独立开发者 Kitze（@thekitze）多项目矩阵营销 ——Zero To Shipped（全栈 starter kit）+ Sotto（macOS voice-to-text 本地 AI）+ Tinkerer Club（私有 builders 社区）+ Sizzy（开发者浏览器）+ Supermac（macOS 命令中心）；MIT License。
• 核心价值定位： 当前 Coding Agent Skills 生态的痛点是 「集中式 Skill 市场有隐私 / 锁定风险」 ——wshobson/agents 等是社区中心化市场（你 fork 但仓库所有权不在你）；skillbox 是「自托管 + 版本化」形态——你自己 host 自己的 Skill 库（含版本管理），Coding Agent 通过 MCP + scoped clients（限定权限范围）访问；optional Jev recommendations ——可选集成 Jev 做 Skill 推荐（用 Jev 决策模型判断「当前任务需要哪些 Skill」）；对企业：CISO / 合规团队可自托管 Skill 库保证代码不外传 + 限定权限范围（scoped clients）+ 内部 Skill 版本管理；对个人开发者：知名独立开发者 Kitze 背书（YouTube 频道 + 多项目矩阵）增加信任度。
• 架构亮点： MCP + scoped clients ——MCP 是当前 Coding Agent 标准接口（Claude Code / Codex / Cursor / OpenCode 都支持），scoped clients 是「限定权限范围」的工程化形式（Skill A 只能读不能写 / Skill B 只能调特定工具）；self-hosted + versioned ——自托管意味着「Skill 库在你自己的服务器」，版本化意味着「Skill 可回滚 / 可对比」；optional Jev recommendations ——可选 Jev 集成（不强依赖 Jev），用 Jev 决策模型做 Skill 推荐是「快决策层选 Skill」的具体应用；Kitze 多项目矩阵 ——README 显示 Kitze 同时维护 5 个产品（Zero To Shipped + Sotto + Tinkerer Club + Sizzy + Supermac），说明作者是活跃独立开发者，Skill 库的「Kitze 风格」特征明显（个人风格 + 自托管 + 极简 + 多产品联动）；MIT License ——明确许可。
• 价值判断： 它解决的是「自托管 + 版本化 Skill 库」的真痛点；MIT + 191 KB + TypeScript + MCP + scoped clients + 知名独立开发者背书 是「独立开发者背书的自托管 Skill 库」形态；69⭐ / fork 7 / fork/star 10.1% / 1 天 反映企业 fork 信号下限（fork/star 10.1% 处于「准备把 Skill 库集成进工作流」的企业 fork 信号区间）；决定长期价值的是「Kitze 是否持续维护 + scoped clients 的权限管理 UX + Jev 可选集成的实用性」——Kitze 是活跃开发者但项目矩阵很广（5 个产品）可能分散精力；对企业：自托管 Skill 库 + scoped clients 是「代码不外传 + 权限可控」的具体路径；对个人开发者：Kitze 风格 + 自托管 + 版本化是「不依赖中心化市场」的清晰路径；对 Kitze：Skillbox 是其产品矩阵的新成员，可能与 Zero To Shipped / Sotto 等联动。

5. macOS 电视遥控菜单栏 App（趋势分 78）

• pengchujin/MacTV（1 天 61⭐ / fork 2 / fork/star 3.3% / Swift / MIT / 5.1 MB）——「MacTV · 电视遥控 — 让电视更好用作 Mac 显示器」；架构 macOS 14+ Apple Silicon arm64 + 菜单栏 App；核心协议 HDMI-CEC（Consumer Electronics Control） 双向遥控；Mac → 电视 ——Mac 音量键控制电视音量（需辅助功能权限）+ 菜单栏遥控器（方向 / 确认 / 返回 / 唤醒 / 待机 / 菜单）+ 输入源切换（切回 Mac / HDMI 1-4）；电视 → Mac ——媒体模式（切歌 / 播放暂停 / 切换应用）+ 鼠标模式（移动 / 长按加速 / 6 档速度 / 长按确认后松开右击）+ 返回键映射 Esc；输入 支持 CEC 的 Mac HDMI 接口或转换器；TV 品牌术语兼容 SIMPLINK（LG）/ Anynet+（Samsung）/ BRAVIA Sync（Sony） ——三大主流品牌；VoiceOver + 浅色/深色外观 + 简体中文/繁体中文/英文 三语 + SwiftUI；安装 Homebrew cask brew install --cask pengchujin/tap/mactv + DMG 下载（v0.1.2）；MIT License；Apple Silicon arm64 专属。
• 核心价值定位： 当前 macOS + 大屏电视场景的痛点是 「用电视当 Mac 显示器时音量怎么控制 / 输入源怎么切 / 不用 Wi-Fi 不依赖网络」 ——传统方案是用红外遥控器对准电视（电视遥控器不能反向控制 Mac）+ Mac 桌面看视频时音量键只能控 Mac 喇叭（HDMI 音频输出时无效）；MacTV 用 HDMI-CEC 协议实现双向遥控——一根 HDMI 线（带 CEC）+ 无 Wi-Fi + 无红外对准；「Mac 当电视用」（Mac 控电视）/「电视当 Mac 显示器用」（电视遥控器控 Mac）双向场景 是 2026 居家办公 / 媒体中心的明确需求（显示器涨价 + 远程办公双屏需求 + 4K/8K 电视性价比）；对中国开发者：pengchujin + 双语 README + Homebrew cask + 三大 TV 品牌兼容 是「中文场景 + macOS + 硬件桥接」的清晰路径。
• 架构亮点： HDMI-CEC（Consumer Electronics Control）协议 ——HDMI 线内嵌的控制通道（与 HDMI 音视频通道分离），是 HDMI 联盟 2006 年引入的标准；双向遥控 ——Mac → 电视（音量 / 输入源 / 菜单）+ 电视 → Mac（媒体 / 鼠标 / Esc）；键盘音量键控制电视音量 ——需 macOS「隐私与安全性 → 辅助功能」权限；鼠标模式 6 档速度 + 长按加速 + 长按确认后松开右击 ——把电视遥控器方向键映射成 Mac 鼠标是「电视当 Mac 显示器」的核心功能；菜单栏遥控器 ——不占用屏幕的常驻遥控；TV 品牌术语兼容 ——LG SIMPLINK / Samsung Anynet+ / Sony BRAVIA Sync 是 CEC 在三大品牌的营销名称；VoiceOver + 浅色/深色外观 + 简繁英三语 ——无障碍 + 国际化；Homebrew cask pengchujin/tap/mactv ——自建 tap 是个人开发者的标准做法（pengchujin 维护自己的 Homebrew tap）；SwiftUI ——Apple 推荐的现代 UI 框架；Apple Silicon arm64 专属 ——不支持 Intel Mac（intel Mac HDMI-CEC 支持情况不同）；MIT License。
• 价值判断： 它解决的是「Mac + 电视双向遥控 + HDMI-CEC」的真实场景痛点；MIT + 5.1 MB + Swift + SwiftUI + Apple Silicon + macOS 14+ + Homebrew cask + DMG + 双语 README + 三大 TV 品牌兼容 是「中文开发者 + macOS + 硬件桥接」严肃形态；61⭐ / fork 2 / fork/star 3.3% / 1 天 反映早期信号（fork/star 3.3% 偏低说明「MacTV 用户群较小 + 实际使用门槛较高需 CEC 兼容硬件」）；决定长期价值的是「macOS HDMI-CEC 兼容硬件列表 + Apple Silicon Intel 兼容策略 + 与 macOS 系统音量控制的冲突解决」 ——不同 Mac 型号 HDMI 接口 CEC 支持情况不同；对个人开发者：有 Mac + 4K 电视 + HDMI-CEC 兼容显示器（如 Mi TV / Samsung / LG）的用户可直接装；对企业：会议室 Mac mini + 大屏电视方案是企业场景；对 pengchujin：MacTV 是个人开发者小项目（5.1 MB + v0.1.2 早期版本），未来可扩展 Apple TV / iPad 遥控。

关键判断

• 「TypeSafe Jev 决策模型生态爆发」今日事件是 2026-09 AI Coding Agent 监管 + 决策层方法学转向的明确信号：thruwire/foreman（软件工厂监管层 1 天 172⭐）+ NiazMorshed2007/jev-review（本地优先 MCP 软件质量评估 1 天 72⭐） + kitze/skillbox（自托管技能库 + 可选 Jev recommendations）+ ekzhang/openjev-sglang（Jev-compatible API endpoint 基于开源模型 prefill-only）+ AbdelStark/awesome-typesafe（TypeSafe/System One/Jev 资源聚合）+ jkudish/jev-mcp（Typesafe Jev MCP PoC）+ vlad-terin/jev-browser（Jev 驱动元素选择）+ droidrun/mobile-jev（移动端 Jev）+ vinilana/jev-eval-agent（Jev 评估 agent）+ kuhnhomeuk-cell/procedural-film（Jev 生成式内容评估）+ ChetasLua/jevmeter（Jev 视频评分 meter）——8+ 个项目同日爆发 7 类应用场景（软件工厂监管 + 质量评估 + 技能推荐 + 浏览器选择 + 移动端 + 视频评估 + 资源聚合）；Jev 接受结构化状态 + 类型化问题 + 并行评估 + 概率决策 一次请求 与 LLM 串行推理 + 文本输入输出 形成方法学对照；foreman 的 worker 不替换为 Jev + supervisor 用 Jev 是「快决策层 / 慢生成层」分层的工程化形式；jev-review 的 7 维度并行评估（correctness / complexity / changeability / modularity / tests / security）+ 4 项明确无（no hosted backend / no database / no telemetry / no author-operated proxy） 是「本地优先 SaaS 替代品 + 多维度并行评估」的具体实现；决定 Jev 生态长期价值的是 TypeSafe AI 公司 Jev API 的稳定性 + 定价 + 多模型选择 + 社区接受度
• 「SKILL.md 编译成 FSM」今日学术严肃化是 Codex Skills 标准化从「文档规范」到「可编译工件」的升级：Worldbuilder013/HEXIS（SKILL.md → EFSM 编译器 1 天 69⭐ + 论文配套 + 4 shipped machines + 350+ hermetic tests + OpenAI-compatible）；EFSM = typed variables + 5 类 actions（tool / model / judge / user / end）+ ordered guarded transitions + bounded loops + fallback state；LLM 在 state 内推理 + 顺序由 program 强制 解决「SKILL.md 直接塞进 LLM context 让模型选下一步」的脆弱性（顺序可跳过 / 可重排 / 可错误应用）；与昨日 TopVitamin/agent-skills「中文 Codex Skills 实例」同构但推到「SKILL.md → 状态机编译」学术严肃度——昨日是「Skill 实例集合」今日是「Skill 编译成可执行状态机」；与昨日 wshobson/agents「多 Harness Agent Skills 市场」同构但推到「Skill 编译成 FSM」领域——wshobson 是 Skill 分发，HEXIS 是 Skill 编译；alpha status + 4 shipped machines + 论文配套 是「严肃学术 + 工程可复现」形态
• 「中国开发者 + macOS + 硬件桥接」今日范例：pengchujin/MacTV（macOS 电视遥控菜单栏 App 1 天 61⭐ + HDMI-CEC 双向遥控 + Apple Silicon arm64 + Homebrew cask + 双语 README + 三大 TV 品牌兼容）是「中文开发者 + macOS + 硬件桥接」的具体实例；与 FelixQiu1/XiaoAi-LLM-Router「老硬件 + 中间层升级」同构但推到「老电视 + Mac HDMI-CEC 中间层」硬件桥接领域——XiaoAi 是小爱同学 + LLM 中间层，MacTV 是 Mac + HDMI-CEC 中间层；「Mac 当电视用」/「电视当 Mac 显示器用」双向场景是 2026 居家办公 / 媒体中心的明确需求（显示器涨价 + 远程办公双屏需求 + 4K/8K 电视性价比）；与昨日 Tina2088/wechat-group-report（Windows 微信本地数据库）+ skill-lab/feishu-chat-archive（云 API + 飞书开放平台） 同构「中文场景本地工具 + 反 SaaS 桥接」但推到「macOS + HDMI-CEC 硬件桥接」领域
• 「Jev 决策模型 vs 传统 LLM 串行推理」是 2026-09 趋势的方法学对照：传统 Coding Agent 用 LLM 串行推理每一步决策（消耗 token + 时间 + 可能跳步）；Jev 用结构化输入 + 类型化问题 + 并行评估 + 概率决策 一次返回多维度结果；foreman 把 LLM 留作「worker + verifier」+ Jev 留作「supervisor」 是「快决策层 / 慢生成层」分层的工程化形式；worker protocol replaceable 意味着 foreman 理论上可监管 Claude Code / Codex / Cursor 三家 coding agent；jev-review 把 Jev 用在「7 维度代码质量并行评估」 是「窄决策问题专用模型」的具体应用；openjev-sglang 把 Jev 开源化（基于开源模型 prefill-only） 是「避免单一厂商锁定」的工程化形式
• 「自托管 + 版本化 + 知名独立开发者背书」Skill 库形态：kitze/skillbox（MCP + scoped clients + 可选 Jev recommendations + 自托管 + 版本化 + 191 KB + 1 天 69⭐ + Kitze 多项目矩阵营销）是「独立开发者背书的自托管 Skill 库」形态；与 wshobson/agents「多 Harness Agent Skills 市场」同构但推到「自托管 + 个人开发者背书」领域——wshobson 是社区市场（38K stars + 4K forks），skillbox 是个人背书（69 stars + 7 forks）；与 TopVitamin/agent-skills「中文 Codex Skills」同构但推到「英文 + 知名独立开发者 + 自托管」领域——TopVitamin 是中文 Skill 实例集合，skillbox 是英文 + Kitze 风格；fork/star 10.1% 处于企业 fork 信号下限（7 个 fork 几乎全部是「准备把 Skill 库集成进工作流」的企业 fork）
• 「单点工程痛点 + 强可复现证据 + 严肃许可」四项目同日出现：thruwire/foreman（Python MIT Jev 7 维度并行评估 + FactoryConfig 可调边界 + 4 篇 docs + 明确表态实验）+ NiazMorshed2007/jev-review（TypeScript MIT 本地优先 + 无 backend/database/telemetry/proxy 4 项明确无 + TypeSafe console 配 API key）+ Worldbuilder013/HEXIS（Python MIT efsm-v1 schema + 4 shipped machines + 350+ hermetic tests + 论文配套）+ kitze/skillbox（TypeScript MIT MCP + scoped clients + 知名独立开发者背书）四个项目都是「解决一个具体工程问题 + 证据可独立复现 + 许可明确 + 严肃态度」——这是 2026-09 趋势的延续特征；与昨日 dsh-lab/cordis-bundle-publisher + Neuroscale/cortical-stack + skill-lab/feishu-chat-archive + agent-sec/mod-provenance-graph + clawback/claude-code-cost-ledger 五项目同构

---

数据来源: GitHub Search API（2026-09-18 公开元数据抓取） | 总星数 / 增速为截至 2026-09-18 公开值 | 5 个项目核心元数据与 README 公开摘录可独立核验