一个数据快照
截至目前，Agent Skills Hub 收录了 24,667 个技能，细分为四大类：
- MCP Servers：9,323 个，占比最大
- Agent Tools：6,709 个，涵盖框架和工具链
- Claude Skills：3,681 个，专为 Claude 生态构建
- Codex Skills：1,947 个，面向 OpenAI Codex
这个分布本身就很说明问题。MCP（Model Context Protocol）服务器数量几乎是其他任何单一类别的两倍以上，说明"让大模型连接外部工具"这件事，已经成为当前 Agent 生态最活跃的建设方向。
本周趋势项目：值得关注的几个方向
从 Trending 榜单和 New This Week 列表中，可以提炼出几条清晰的信号：
自主研究类 Agent 爆发。 排名前四的热门项目中，有三个与"自主研究"直接相关：Auto-claude-code-research-in-sleep（1.6k 星）实现了跨模型审查循环和实验自动化；AutoResearchClaw（933 星）号称从想法到论文全自动；autoresearch（654 星）受 Karpathy 启发，实现"修改→验证→保留/丢弃→循环"的自主迭代。这不是巧合——当 Agent 能力足够强时，第一个被自动化的高价值任务就是研究本身。
代码理解和知识图谱。 Understand-Anything（409 星）把任意代码库转化为可交互的知识图谱，支持探索、搜索和提问。对于一人公司开发者来说，快速理解一个陌生代码库的能力直接决定了你能多快复用开源项目。
交易和自动化赚钱 Agent。 HyperLiquid-Claw（389 星）让 AI 助手直接操作 Hyperliquid DEX，cashclaw（338 星）更直接——一个能接活、干活、收钱、还能自我优化的自主 Agent。这类项目虽然风险高，但代表了 Agent 经济的一个极端方向。
头部项目的星标量级揭示了什么
浏览各分类的头部项目，几个数字值得记住：
Claude Skills 类目里，oh-my-openagent 拿到了 40.5k 星，claude-mem（自动记录和压缩编码上下文）36.4k 星，get-shit-done（元提示和规范驱动开发系统）31k 星。这三个项目的共同特征是：它们不是在做某个具体功能，而是在增强 Claude Code 本身的工作方式。
MCP Servers 类目里，n8n（179.4k 星）和 Dify（133k 星）遥遥领先，说明可视化工作流编排仍然是最大的需求入口。紧随其后的 Open WebUI（127.4k 星）和 gemini-cli（98k 星）则代表了"统一界面"和"终端原生"两种不同的交互范式。
Agent Tools 类目中，LangFlow（145.7k 星）、LangChain（129.8k 星）、browser-use（80.6k 星）构成了"编排→链→执行"的完整栈。Claude Code 本身也以 77.7k 星出现在这个类目里。
对一人公司开发者的实际意义
这个平台解决的核心问题是发现成本。当可用的 Agent 技能超过两万个时，"不知道有什么可以用"比"不会用"更致命。
具体建议：关注 Claude Skills 和 MCP Servers 两个类目。前者直接提升你的编码效率——claude-mem 和 get-shit-done 这类工具几乎可以即装即用；后者决定了你的 Agent 能连接多少外部服务。对于正在搭建自动化工作流的开发者，与其从零开始写工具集成，不如先在这里搜一下是否已有现成方案。两万多个技能里，大概率有人已经造好了你需要的那个轮子。