21,532 个新增 Star、7 个相关项目挤进月榜前十，我们的判断很明确：2026 年 7 月开源 AI 的主线已经不只是“模型谁更强”，而是“谁来定义 Agent 怎么干活”。

这是什么

这份 GitHub 趋势里，最强信号是 Skills 爆发。Skills 可以理解为给 Agent（能自主调用工具完成任务的软件助手）复用的一组能力模板，原来像零散提示词，现在正变成可移植、可协作的工程模块。mattpocock/Skills、obra/superpowers、Graphify-Labs/graphify 等项目同时上榜，说明开发者不只在围观，而是在批量拿去改、去接入。

第二个信号是消费级推理落地。JustVugg/colibri 把 744B 参数的 MoE（混合专家模型，只激活部分参数）跑进 25GB 内存，意味着超大模型不再只属于机房。第三个信号是 harness 升温，即 Agent 的运行外壳与交互框架，xAI 的 grok-build 就在抢这个位置。

行业怎么看

行业里最值得重视的判断是：谁先做成事实标准，谁就更可能拿到下一代 Agent 生态入口。Skills 正在从某个平台的功能，变成跨 Claude Code、Codex、Cursor、Gemini CLI 的通用层，这比单次模型发布更有黏性。

但反对意见也成立：第一，GitHub Star 不等于真实商业价值，热度可能先于落地；第二，Skills 一旦碎片化，企业反而会陷入兼容和治理成本；第三，消费级跑大模型解决的是“能跑”，不一定解决稳定性、安全和总拥有成本。

对普通人的影响

对企业 IT：未来采购重点可能从“买哪个模型”，转向“接哪套 Agent 工作流和协议”。

对个人职场：会不会写代码未必是唯一门槛，能不能把工作流程拆成可复用 Skills，会越来越值钱。

对消费市场：本地运行更强模型会带来更低延迟和更多隐私场景，但短期内体验仍取决于工具链是否成熟。