最近 60 天，GitHub 上真正"爆"的项目几乎全和 AI Agent 有关。我拉了 GitHub Search API 的实时数据（2026-10-06），筛掉教科书式的老牌列表仓库，选出 8 月以来创建、star 涨得最猛的 5 个。先给总表，再逐个说。
| 项目 | 创建时间 | Stars | 一句话 |
|---|---|---|---|
| deepseek-ai/deepseek-harness | 08-13 | 24.4 万 | DeepSeek 官方 Agent 框架：万物皆插件 |
| eternity4719/HowToLiveBetter | 09-07 | 4.4 万 | AI 写的"高性价比人生指南"，667 条带证据 |
| NandhaKishorM/laya | 09-18 | 3.1 万 | 33ms 出决策的小模型，不走文本生成 |
| anywhere-labs/dsh-desktop | 08-13 | 3.0 万 | 给 DeepSeek Harness 套壳的桌面客户端 |
| browser-use/jev-ultrafast | 09-16 | 2.2 万 | 7 秒完成订票搜索的浏览器 Agent |
1. DeepSeek Harness：官方下场，把 Agent 做成了插件系统
两个月 24 万 star，这是断层第一。DeepSeek 官方出品，底层框架叫 Cordis，设计哲学就一句话：产品里没有特权内核。模型适配器、工具注册表、会话日志、连 Agent 循环本身都是插件，都能从配置替换。
实际跑起来什么样？装好 Node.js，一行 npx @deepseek-ai/dsh web，本地 3080 端口起一个 Web UI，浏览器直接用。想改行为不用改源码，写一份 cordis.patch.yml 挂上去，插件卸载时改动自动撤销。
我的评价：这个架构思路比"又一个 Agent 框架"值钱得多。它把 Claude Code、OpenClaw 这类闭源 harness 的玩法搬到了开源侧，而且 MIT 协议。风险也明说了——developer preview，后续会有破坏性变更，生产别急着上。生态已经起来了：桌面客户端、插件精选列表，全在两个月内冒出来。
2. HowToLiveBetter：一本 AI 参与写作的"人生说明书"
中文项目，9 月 7 日创建，44 万字级别的 667 条建议，覆盖长寿、急救、省钱、法律红线、失业救济、婚育、出国。它火的关键不是题材，是纪律：每条建议标注成本、收益、证据等级（A 级 435 条），只引期刊论文和官方文件，仓库里挂着 1675 条原始文献链接。
作者的清醒之处在于三条声明：不用全做，这是备选清单不是任务清单；作者自己也没做到大部分；谁拿项目名发币都是骗局。
它还带一个 AI skill，装到 Claude Code 或 Codex 里，问"替朋友担保签不签"，AI 会先查书再回答，注明第几节第几条，查不到就明说。这个"AI 回答前先检索可信信源"的模式，比书本身更有复用价值。README 说内容是 Claude Code 协助编写——一个人加 AI，两个月做完一本书还翻译了四种语言，这个生产效率才是真正值得记录的事。
3. laya：不生成文字的"决策引擎"，33 毫秒出答案
这个项目在挑战一个默认假设：AI 判断事情一定要靠大模型生成文本。laya 反过来做——一个非自回归小模型，一次前向传播直接输出类型化决策：选哪边、打几分、是或否，33 毫秒，支持 100 多种语言，单条决策成本几乎可以忽略。
用途很具体：客服工单自动分诊（哪个部门、多紧急、有没有流失风险）、消息分类、Agent 的快速判断层。作者还讲了个有意思的故事：他一年前就做了这种非自回归决策模型，后来有前沿实验室公开认可了这个方向，于是开源出来。微调后准确率从 0.362 提到 0.766，配套微调脚本和 Kaggle 笔记本都是现成的。
我的看法：它不会替代大模型，但它给 Agent 架构补了一块缺了很久的板——System 1（快直觉）和 System 2（慢推理）分层。让大模型只做需要推理的事，廉价决策交给毫秒级小模型，这是省 token 的正经路子。更新日志里连"ONNX 代理漏扫 59% 文档"这种 bug 都写明白了，工程态度扎实。
4. DSH Desktop：蹭着官方热度长出来的生态位
严格说它是第 1 名的衍生品：给 DeepSeek Harness 做的 Windows/macOS 桌面客户端，8 月 13 日和 Harness 同日创建，3 万 star。卖点是把 Harness 的 Web UI 装进原生应用——托盘、终端、自动更新、手机远程控制，不用装 Node.js 不用敲命令。
README 第一屏就撇清关系：“独立社区项目，与深度求索无隶属关系，上游官方没人参与”。这个声明很必要，但也说明它吃的就是官方红利：官方每发一个版本，它要跟进锁定；官方改一次架构，它就可能断。
有意思的是它的商业模式：README 里挂着阿里云无影、UCloud、两家 API 中转站的赞助位。开源壳加赞助位，两个月做到 3 万 star——这本身也是个可以研究的样本。风险也直白：它是壳，命脉握在上游手里。
5. Jev Ultrafast：浏览器 Agent 的性能路线之争
browser-use 团队的官方新作，挑战的是浏览器 Agent 的主流做法。现在通行的方案是截图给多模态大模型看，再让它决定点什么。Jev 不截图，把页面解析成带编号的元素表，操作（点击/输入/选择）和目标两个预测共享一次观察，一个网络往返完成一次决策，只有真正要打字时才让小模型生成文本。
效果数据：Google Flights 搜苏黎世到伦敦的航班，全程 7.1 秒，包含模型调用和页面加载；对比旧方案任务中位时间从 9.45 秒降到 7.09 秒，浏览器协议调用从 1092 次砍到 101 次。README 也老实标注了局限：3 次重复、单一任务、单一浏览器配置，不是通用可靠性基准。Shadow DOM、iframe、文件上传这些还不支持。
我的评价：这是"结构化状态优于像素"路线的一个干净示范，代码量小到能整个读完。但对普通用户，它目前更像技术演示——需要 TypeSafe 的 API key，功能覆盖还是 MVP。
放在一起看
把这 5 个放在一起看，趋势比单个项目更有信息量：
- Agent 基础设施在收敛成"插件化"共识，DeepSeek 官方下场定标准，生态位（桌面壳、插件市场）两天内就有人占；
- “决策"和"生成"正在分层，laya 和 Jev 代表同一件事的两端：不是所有 AI 步骤都值得调用大模型；
- AI 参与创作的严肃内容开始出现，HowToLiveBetter 证明了带证据纪律的 AI 长内容能在社区立住。
数据说明：star 数取自 2026-10-06 GitHub Search API 实时查询，窗口为 2026-08-01 之后创建的仓库；性能数据均引自各项目 README 自述，未独立复测。
如果觉得有帮助，点个「赞」和「在看」支持一下 👇