AI Agent GitHub Digest — 2026-09-02

🌏 English version

今日亮點

個人 Agent 生態擴張與供應鏈風險，今天在 GitHub Trending 上同時出現——OpenClaw 這個自架個人助理已經滾到 38 萬星的規模，而 NVIDIA 幾乎同時端出 SkillSpector，專門掃描 Claude Code／Codex／MCP 生態的 agent skill 有沒有惡意程式碼。生態越大，「先掃描再安裝」就越不是選配。

Trending Repos

openclaw/openclaw ⭐ 388,497

GitHub　·　TypeScript　·　MIT（部分檔案除外）

• 是什麼：一個自架的個人 AI 助理，用單一 Gateway 把模型、工具和聊天管道（WhatsApp、Telegram、Slack、Discord、Signal、iMessage 等）串在一起，同一套架構可以是一人用的個人助理，也可以是團隊共用部署，差別只在設定。
• 為什麼值得看：延續這兩天「自架個人 Agent」的路線（昨天是 nanobot、CowAgent），但 OpenClaw 走得更完整——「trusted gateway, untrusted execution, deterministic policy」的架構把安全邊界講清楚：工具預設在 host 上跑，要接其他使用者或對外開放前得自己配置沙箱。
• Tech Stack：TypeScript／Node.js，Gateway 控制平面 + 多聊天管道 connector + skill/plugin 系統
• 上手難度：低——一行安裝腳本或 npm install -g openclaw 即可，接上多個聊天平台的 API/Webhook 需要額外設定

NVIDIA/SkillSpector ⭐ 15,531

GitHub　·　Python　·　Apache-2.0

• 是什麼：NVIDIA 推出的 agent skill 安全掃描器，在你安裝一個 Claude Code／Codex／MCP skill 之前先掃一遍，找 prompt injection、資料外洩、supply-chain 風險等問題。
• 為什麼值得看：README 直接引用研究數據——26.1% 的 skill 含有漏洞，5.2% 疑似帶惡意意圖。SkillSpector 用 71 種漏洞偵測規則涵蓋 17 個類別（prompt injection、記憶體污染、MCP 工具投毒等），跑兩階段分析（靜態規則 + 選用的 LLM 語意判讀），也是 NVIDIA Verified Skills pipeline 的一環。對照 OpenClaw 這類 skill 市集快速擴張，這類掃描器的急迫性只會更高。
• Tech Stack：Python，靜態規則 + AST/taint 分析 + YARA signature + 可選 LLM 語意評估，另串接 OSV.dev 查即時 CVE
• 上手難度：低——skillspector scan ./my-skill/ 就能跑，也有 Docker 版本免裝 Python

stablyai/orca ⭐ 59,083

GitHub　·　TypeScript　·　MIT

• 是什麼：YC 背景團隊做的 Agent 開發環境（ADE），讓你同時管理一整批平行跑的 coding agent（Claude Code、Codex、Cursor、OpenCode 等），桌面／手機／VPS 都能用。
• 為什麼值得看：核心賣點是「Parallel Worktrees」——把同一個 prompt 同時發給五個 agent，每個都在自己獨立的 git worktree 裡跑，跑完直接比較結果、挑贏家合併。過去這類多 agent 平行開發多半停留在終端機或腳本層級，orca 把它做成完整 IDE 體驗，還有手機端可以看進度、送 follow-up。
• Tech Stack：TypeScript + Electron 桌面殼 + git worktrees 隔離 + 多 coding agent CLI 整合
• 上手難度：中——桌面版下載即用，但要真正發揮平行開發的價值，得同時接上多個 agent 的訂閱或 API key

VectifyAI/PageIndex ⭐ 35,476

GitHub　·　Python　·　MIT

• 是什麼：一種不用向量資料庫的文件檢索方法，把文件轉成樹狀目錄索引，讓 LLM 用推理在樹裡找到對的段落，而不是靠 embedding 相似度。
• 為什麼值得看：主流 RAG 幾乎預設「向量資料庫 + chunking」，PageIndex 直接點名這個預設的問題——相似（similarity）不等於相關（relevance）。它在 FinanceBench 財報問答基準上跑出 98.7% 準確率，並宣稱在 420 頁文件上比直接餵原始 PDF 給模型便宜 16.6 倍。對長篇、結構清楚的專業文件（財報、法規、技術手冊）是個值得評估的另一條路。
• Tech Stack：Python，LLM 推理式樹狀索引（無向量資料庫、無 chunking），可搭配 OpenAI Agents SDK / Claude Agent SDK
• 上手難度：中——pip install pageindex 概念上手快，但要判斷這種索引結構適不適合自己的文件類型，需要實際跑一輪評估

Notable Releases

Claude Code v2.1.257

Release Notes

• 重要變更：新增 Containment Escape 規則——auto mode 下，雲端 metadata credential 擷取、egress evasion、跨租戶存取這類行為不再自動放行，除非環境明確標記為預期行為；新增 Claude Fable 5.1 為預設 Fable 模型；新增 CLAUDE_CODE_SUBAGENT_MODEL_FORCE 可強制所有 subagent 套用同一個模型設定。
• Breaking Changes：無重大 API 變更，但 defaultMode: "bypassPermissions" 若寫在 project／local settings.json 會被忽略，得改放到 user 或 managed settings，或改用 --permission-mode。
• 對你的影響：如果你讓 agent 在 auto mode 下碰雲端環境，這次更新多一層防護，但也代表某些過去會自動放行的操作現在會先被擋下來要求確認，需要視情況把該操作標記為環境預期行為。

agno v3.0.5

Release Notes

• 重要變更：embedding 失敗現在會如實回報，而不是被默默吞掉——ingestion 遇到失敗會標成 failed／partial，不會再謊稱 completed；新增 partial content status；新增 GandrTools 文字轉語音工具包。
• Breaking Changes：embedder 失敗時改成 raise EmbeddingError，不再回傳空陣列；AWS Bedrock embedding 失敗改丟 EmbeddingError 而非 ModelProviderError；skip_if_exists=True 不再跳過標記為 failed／partial 的內容，會重新嵌入。
• 對你的影響：如果程式碼裡有 except ModelProviderError 包住 Bedrock embedding 呼叫，升級後就抓不到錯誤了，要改成 except EmbeddingError；另外你的知識庫裡過去顯示「completed」的內容，這次升級後可能被重新標記為 failed／partial——代表這些資料過去其實沒有真的完整索引過。這是昨天 ingest_path 預設關閉之後，agno 這週第二個把「失敗被默默蓋過去」改成「失敗要老實講」的修正。

今日收穫

OpenClaw 破 38 萬星和 NVIDIA 同週推出 skill 掃描器，看起來是兩件事，其實是同一件事的兩面：個人 Agent 的採用規模一旦跨過某個門檻，「skill 市集裡有多少東西沒人仔細看過」就從理論風險變成算得出比例的現實問題（26.1% 有漏洞、5.2% 疑似惡意）。生態擴張的速度，決定了安全工具鏈追趕的急迫程度。

參考資料

• openclaw/openclaw
• OpenClaw README
• NVIDIA/SkillSpector
• SkillSpector README
• stablyai/orca
• orca README
• VectifyAI/PageIndex
• PageIndex README
• Claude Code v2.1.257 Release Notes
• agno v3.0.5 Release Notes
• GitHub Trending — Daily