今天的主线是 Agent 的“底座换血”：DeepSeek 把自家 Agent 骨架 dsh 彻底开源并长出免费模型生态，Google 则用 Hydrogen 的低价快模型与 A2UI 1.0 的生成式 UI 协议抢跑；与此同时，本地优先的工具（FreeToken、Hex）让大模型与语音输入回到你自己的机器上。本期 12 条，按最值得先看的顺序排。
01GitHub 开源
GitHub 开源 · GitHub · ★279,773 · TypeScript
DeepSeek 官方开源的 Agent 骨架（dsh）：一切皆插件，基于 Cordis 组合模型，npx 一行就能跑起 Web 界面。
Agent 骨架DeepSeek插件化
为什么值得看
它是本周涨星最快的官方项目之一，11 月 12 日已达 27.9 万星，7 天新增约 6,100 星。DeepSeek 把内部 Agent 底座整个开源：插件即一切，模型、工具、界面、记忆都可以热插拔，底层是 Cordis 的时空组合编程模型。值得注意的不只是规模——26,771 次提交、38 个 release——而是它正在长出生态：光是免费模型插件一周就涨了 9,100 星。相比 Claude Code、Codex 这类厂商绑定的 CLI，dsh 更像一个可改装的底盘：MIT 协议、支持 Web 与桌面、插件市场正在成形，开发者可以按自己需求拼装 Agent，而不是接受厂商的默认形态。
适合谁
适合想自建 Agent 平台或深度定制编码助手的开发者与团队。
怎么上手
安装：npx @deepseek-ai/dsh web 即开 Web 界面（默认 127.0.0.1:3080）；先读 docs 里的架构文档，再试一个官方示例插件。
npx @deepseek-ai/dsh web
注意：处于开发者预览阶段，官方明确提示会有破坏性兼容变更；运行前先读仓库里的安全须知（SAFETY.md）。
02AI 工具
AI 工具 · Google 官方博客
Google 11 月 12 日发布的 Gemini 4 轻量档：为日常编码与 Agent 工作流而生的高速执行模型，1M 上下文，输入 1.5 美元/百万 token。
GeminiAgent 模型性价比
为什么值得看
Hydrogen 的定位很清晰：Carbon、Argon 负责“想得深”，它负责“干得快”。官方称它在默认高思考档下 Artificial Analysis 智能指数 51 分，略超 Argon 的 50 分，xhigh 档达 54 分；任务完成速度是 Gemini 3.8 Flash 的 2.5 倍，Terminal-Bench 4.1 从 18.2% 提升到 57%。真正值得全栈开发者注意的是定价与分发：输入/输出 1.5/7.5 美元每百万 token，全上下文窗口统一定价，AI Studio、Gemini API、Gemini 应用、Google Search 与 Antigravity 全线可用，还有免费档。Google 还在 Antigravity 里用它与 Carbon 搭了一个 Orchestrator：简单任务走 Hydrogen、难题升级 Carbon，据称配额用量省 24%。
适合谁
适合把 Agent 循环、高频小任务与日常编码交给便宜快模型的开发者。
怎么上手
调用：模型 ID gemini-4-hydrogen，四档思考强度（low/medium/high/xhigh）按任务调；先把现有 Agent 的默认模型切过来跑一周，对比成本与成功率。
注意：云端模型页注明这是短期 GA 版本，适用最短 45 天退役通知政策；不支持 RAG Engine、微调与 Live API，选型时别按长期稳定版规划。
03Agent Skill
Agent Skill · GitHub · ★302,017 · JavaScript
Agent 骨架性能优化系统：71 个专用 Agent、314 个 Skill、钩子与记忆，装进 Claude Code、Codex、Cursor 等多种工具。
Agent Skills工程规范多工具
为什么值得看
11 月 13 日已达 30.2 万星，是目前星数最高的 Agent 增强包。它解决的问题很具体：Agent 能写代码，但缺一套工程纪律——ECC 把“计划→测试→实现→评审→验证→记忆→改进”写成可安装的系统，配 TDD、研究优先与 AgentShield 安全扫描。差异化在广度与可移植性：同一套 Skill 与钩子覆盖 Claude Code、Codex、Qoder、Cursor、OpenCode、Gemini 等，上下文优化是明面上的设计目标（“优化上下文窗口，其余全部持久化”）。与 Addy Osmani 的 25 个技能相比，ECC 更像一个带仪表盘与持续学习的操作系统，功能多、仪式感也更重。
适合谁
适合想给编码 Agent 立规矩、做长期项目的个人与小团队。
怎么上手
安装：npx ecc-universal@2.2.3 setup 走引导安装（需 Node 18+ 与 Claude Code 2.1+）；先只装 Standard 钩子档，用一两个真实任务检验后再开全量。
npx ecc-universal@2.2.3 setup
注意：功能庞大，全量安装会显著增加上下文与配置复杂度；ECC Pro（私有仓库托管版）按席位收费，开源版保持 MIT 免费；只认官方渠道安装，提防第三方重打包。
04GitHub 开源
GitHub 开源 · GitHub · ★262,966 · Python
Nous Research 的自进化 AI Agent：内置学习循环，会从经验中创建并改进 Skill，越用越了解你。
自进化 Agent个人助手多端接入
为什么值得看
11 月 13 日已达 26.3 万星，是本周 AI Agent 榜单的常客。它的核心卖点是“会长大的 Agent”：做完复杂任务后自己创建 Skill、使用中自我改进、定期提醒自己把知识沉淀下来，还能全文搜索过往会话、给使用者建模。形态上也很完整：TUI 终端界面、Telegram/Discord/Slack/WhatsApp 多端接入、内置 cron 定时任务、可派生并行子 Agent；部署不挑地方，5 美元 VPS、GPU 集群或近零成本的 serverless 都行，模型也可自由切换。与 Claude Code 这类单机编码助手相比，Hermes 更像一个常驻的个人 Agent——它住在服务器上，你在手机上找它聊天，它在后台干活。
适合谁
适合想养一个长期个人 Agent、跑定时任务与多端消息自动化的开发者。
怎么上手
安装：按 README 的一键脚本（curl hermes-agent.nousresearch.com/install.sh | bash）或走 Docker；先接 Telegram 或只用 CLI 跑一周，再开 cron 任务。
curl hermes-agent.nousresearch.com/install.sh | bash
注意：项目体量大（69,616 次提交）、功能面广，上手与排障成本高于轻量 CLI；一键安装脚本会代装 Python、Node 等依赖，生产环境建议先在隔离机器上试。
05GitHub 开源
GitHub 开源 · GitHub · ★71,301 · JavaScript
dsh（DeepSeek Harness）的免费模型插件：装上即用 DeepSeek V4.1 Flash、Kimi K3 等前沿模型，无需登录、注册与 API Key。
免费模型dsh 插件DeepSeek
为什么值得看
这是本周 GitHub 涨星最快的仓库：11 月 12 日 7.1 万星，7 天新增约 9,100 星，超过了 dsh 本体。它火的原因很直白——把“免费模型”做成了零门槛：上游是 OpenCode 的 Zen 网关与 Kilo AI 的公共网关，模型清单每次刷新重新拉取，思考强度按真实预算下发，还附带 OpenAI 兼容的本地转发端口，让本机其他工具也能调用。除此之外它越长越像一个小平台：76 家提供商的聚合渠道（自带 Key 接入）、降级链路由、工具输出压缩省 token、用量看板与应用内升级。火得快也意味着它站在灰色地带上：免费额度来自上游网关的慷慨，随时可能收紧。
适合谁
适合已在用 dsh、想零成本试用前沿模型的学生与独立开发者。
怎么上手
安装：dsh plugin --profile web add @ebony-vinyl/dsh-our-free-model@2.8.3（带 scope 的官方包）；先用免费车道跑日常任务，重要项目再切自己的付费 Key。
dsh plugin --profile web add @ebony-vinyl/dsh-our-free-model@2.8.3
注意：社区插件，非 DeepSeek 官方出品；免费车道经第三方网关，提示词可能被上游记录用于改进服务，勿发敏感内容；npm 上裸名同名包是第三方重打包，README 明确提醒不要装。
06全栈工具
全栈工具 · Google Developers Blog
Google 11 月 11 日发布的生成式 UI 开放协议 1.0：Agent 不再只回文字，而是让应用用原生组件画出可交互界面。
生成式 UI开放协议Agent 产品
为什么值得看
A2UI 回答了 Agent 时代一个迟到的问题：模型回了一段文字，用户却想点一个按钮、填一张表单、比两张卡片。协议的做法是分工——Agent 只描述“要展示什么”，应用用自己注册的原生组件画出来，于是同一份描述在 Web、Android、iOS 上各自长成原生界面。1.0 的关键升级是双向函数调用：航班选择器能当场查余票再回传，辅以无障碍与元数据扩展。生态已经起步：Web、Android、iOS 的开源渲染 SDK 与 Python、TypeScript、Dart 的 Agent SDK 齐备，Atlassian、Alation、Bloomberg、字节跳动都在用。对全栈开发者来说，这是继 MCP（工具协议）之后，Agent 与用户之间的“界面协议”第一次有了稳定版。
适合谁
适合做 Agent 产品、聊天助手与内部工具的全栈开发者。
怎么上手
开始：读 a2ui.org 的快速入门，用 Web 渲染 SDK（React/Angular/Lit）把一个“确认表单”场景从纯文本改成 A2UI 描述，对比体验差异。
注意：生态仍年轻：Android 的 Jetpack Compose 渲染器还是 0.9.1，1.0 支持在路上；Gemini 也还在升级到 1.0，跨端渲染效果需实测。
07MCP
MCP · GitHub · ★55,175 · TypeScript
Chrome 官方的 DevTools MCP 服务器：让编码 Agent 直接操控与检查真实 Chrome，11 月更新大幅扩展了运行时调试能力。
MCP浏览器调试前端
为什么值得看
11 月 13 日已达 5.5 万星，是前端 Agent 工具链里最“官方”的一环。11 月的 DevTools 更新把它从“能开浏览器”推向“能调浏览器”：Agent 可以起隔离的浏览器实例、录交互性能 trace、追异步网络请求、读带源码映射的控制台报错，并把前端运行时错误实时对应到源码文件。相比 Vercel 的 agent-browser（轻量 CLI、快照式操作），chrome-devtools-mcp 的优势是深度：它直通 Chrome DevTools Protocol，能做性能分析、内存诊断与无障碍审计，还自带 chrome-devtools、a11y-debugging、debug-optimize-lcp 等配套 Skill。两者不是替代关系：日常网页操作用 agent-browser，深入调试用它。
适合谁
适合用 Agent 做前端开发、性能优化与 E2E 验证的全栈开发者。
怎么上手
安装：在 MCP 客户端里加 chrome-devtools（npx -y chrome-devtools-mcp@latest）；先让 Agent 跑一句“检查 https://developers.chrome.com 的性能”验证链路。
npx -y chrome-devtools-mcp@latest
注意：MCP 服务器会把浏览器内容暴露给客户端，勿在其中打开敏感账号页面；用量统计默认开启，可用 --no-usage-statistics 关闭；仅官方支持 Chrome 与 Chrome for Testing。
08GitHub 开源
GitHub 开源 · GitHub · ★17,089 · Python
伯克利团队的边缘 MoE 推理引擎：把 290B+ 参数的前沿开源模型跑在消费级游戏显卡上。
本地推理MoE边缘计算
为什么值得看
11 月 13 日已达 1.7 万星，作者包括 Matei Zaharia、Ion Stoica 等系统领域重量级人物。它的切入点很实在：DeepSeek、Qwen、GLM 的大 MoE 模型参数量吓人，但每次推理只激活少数专家——FreeToken 用带宽自适应的 CPU-GPU 协同执行、全局专家缓存与语义感知 KV 缓存，把这些模型塞进 RTX 30/40/50 系消费卡。更贴合 Agent 场景的是“语义感知缓存”：工具调用、思考块这类上下文编辑不会触发整段重算，Agent 循环的成本随之下降。接口也直接对齐 Anthropic/OpenAI，可无缝接到 Codex、Claude Code、OpenCode 与 DeepSeek Harness。
适合谁
适合想在本地跑大模型、又不想租卡的开发者与小团队。
怎么上手
安装：uv pip install "freetoken[accel]"，或在官网下载 Windows/Linux 桌面端；先用一个 Qwen3.6-35B 这类中小 MoE 跑通，再挑战 290B 级模型。
uv pip install "freetoken[accel]"
注意：仍是早期项目（2026 年 7 月创建），大模型本地运行对显存、内存与磁盘都有硬要求；论文与工程实现都在快速迭代，生产部署前先看 benchmarks 与支持模型清单。
09GitHub 开源
GitHub 开源 · GitHub · ★12,232 · Python
NVIDIA 的开源语义层框架：从企业元数据自动生成本体，让 Agent 查数据时先知道指标是什么意思、从哪来。
语义层Text-to-SQL数据分析
为什么值得看
11 月 6 日前后单日新增约 2,000 星，11 月 13 日已达 1.2 万星，热度来自一个被反复验证的痛点：Agent 能查数据库，但答错一个营收口径比答得慢更糟。Auto Ontology 的做法是先建“语义层”再回答：从源库元数据生成术语、关系与 SQL 属性，人工认证后存进 Postgres+pgvector；Agent 提问时先把“营收”“客户”解析到认证过的定义，再写 SQL、校验、执行，答案附带 SQL 与推导步骤。更值得看的是它的“可证伪”设计：check_answerable 会先判断问题能不能答，答不了就直说、请你澄清，而不是编一个数字。MCP、CLI、REST 三种接入方式，配 Next.js 前端与 Helm/Docker 部署。
适合谁
适合要给 Agent 接企业数据、做数据问答与报表的团队。
怎么上手
安装：git clone 后 docker compose up -d，用自带的 Wide World Importers 示例库跑通一次问答；先认证 10 个核心指标，再扩大范围。
docker compose up -d
注意：需要 NVIDIA API Key（默认走 NIM 推理端点）与 Docker 环境；README 明确说明目前不接受外部贡献；首次语义编译需要一定时间。
10MCP
MCP · Red Hat 官方博客
红帽企业 Linux 的 MCP 服务器正式 GA：让 AI 助手读系统日志、磁盘与进程状态，排障不用再人肉翻日志。
MCP企业运维RHEL
为什么值得看
红帽 11 月 9 日宣布 MCP server for RHEL 从开发者预览毕业为正式版，这是 MCP 走进企业运维的一个标志：它不再是开发者的玩具，而是进了 RHEL 扩展仓库、按 RPM 安装、默认只读的受支持组件。新版的最大变化是接了 Performance Co-Pilot（PCP）：过去只能看实时指标，现在能查历史性能数据做根因分析——官方示例里，Agent 把每 5 分钟一次的数据库备份 cron 与历史性能尖峰对上，找出了周期性变慢的真凶。企业部署还支持共享服务器模式：集中鉴权、OAuth2 身份集成、按组配置每人能访问的主机与工具。
适合谁
适合管 RHEL 服务器的运维与平台工程师。
怎么上手
安装：RHEL 扩展仓库装 RPM 包，按红帽文档接 Claude Code 等 MCP 客户端；先只读跑一周排障问答，确认输出可靠再评估写权限。
注意：受保护的命令执行（guarded command execution）仍在开发者预览阶段，未 GA；共享模式涉及 OAuth2 凭证管理，建议按官方部署方式走，不要裸跑。
11Agent Skill
Agent Skill · GitHub · ★2,455
11 月 1 日才创建的 Agent Skill：一句话描述你的技术栈，Agent 画出带官方 Logo 的架构图。
Agent Skills架构图技术文档
为什么值得看
11 月 13 日已达 2,455 星，12 天的新项目能进榜单，靠的是把“画架构图”这件苦差事变成了 Skill。用法极简单：说一句“Next.js + Vercel、Postgres 在 Neon、Clerk 做认证、Stripe 收款”，Agent 就去 svgl、devicon 与各云厂商官方图标包拉真正的 Logo，排版、绕线、检查后交出一张图——亮暗两套主题、HTML/PNG/React 组件四种格式，还能一键发到公开画廊。与 anatomy 那种“把概念画成机器”的解释型插图不同，stack-diagram 瞄准的是工程文档里的标准架构图：图标必须官方、连线不能穿字、拿去评审不用返工。
适合谁
适合写技术方案、做评审材料与 README 配图的全栈开发者。
怎么上手
安装：npx skills add caru-ini/stack-diagram，装好后直接说“画一下我们的技术栈”；先画一次现有项目，对照检查图标与连线准确性再用于正式文档。
npx skills add caru-ini/stack-diagram
注意：出图依赖联网拉取 Logo（Python 3.9+，PNG 导出需 Playwright+Chromium）；Logo 来自第三方图标库，商用前留意各品牌商标使用规范。
12AI 工具
AI 工具 · GitHub · ★6,486 · Rust
Rust 写的本地语音听写工具：按住快捷键说话、松手即粘贴，全程离线，macOS、Windows、Linux 都能用。
语音输入本地优先Rust
为什么值得看
11 月 13 日已达 6,486 星，11 月 11 日前后冲上 GitHub 日榜，是“本地优先”工具在 Agent 时代的一次回潮。Hex 的产品形态极简：按住一个键说话，松手就把文字粘贴到当前应用；首次运行下载一次语音模型，之后所有识别都在本机完成，没有任何音频离开电脑。对 AI 开发者来说，它的价值不在听写本身，而在输入方式的改变——给 Agent 下指令、写提示词、做口述编程时，说话比打字快得多，而云端语音方案总让人担心提示词外泄。Rust 实现、MIT 协议，另带一个 hex-personal-commands Skill，让 Agent 也能调用它。
适合谁
适合重度用 Agent、想用语音下指令或口述写代码的开发者。
怎么上手
安装：macOS 用 brew install --cask anomalyco/tap/hex，Linux 可走安装脚本或 .deb/.rpm；先试默认快捷键与常用应用的粘贴兼容性，再决定是否长期用。
brew install --cask anomalyco/tap/hex
注意：项目 2026 年 7 月才创建，部分高级能力仍在 Labs 实验区；作者明确表示不接受 PR，功能建议走 issue；首跑需下载语音模型。