Greg Isenberg 把 GitHub 近 30 天热门仓库中挑出五个确实有实际价值的，每个都指向 Agent 时代的一个真实痛点：写作可信度、客户关系维护、视频剪辑、安全审计、手机端自动化。

东方看客

Greg Isenberg 把 GitHub 近 30 天热门仓库中挑出五个确实有实际价值的，每个都指向 Agent 时代的一个真实痛点：写作可信度、客户关系维护、视频剪辑、安全审计、手机端自动化。

1. No AI Slop (
@petergyang
) - 先有人的想法，再让 AI 清理
https://github.com/petergyang/no-ai-slop

做什么：这个 Agent skill，识别并清除 20 多种"AI 味"写作模式（"不是 X 而是 Y"的句式、过度使用 "quietly"、过分对称/公式化的表达等），同时保留作者本人的声音。目前约 6.9k stars。
为什么重要：创业者天天在写，推文、落地页、冷邮件、发布帖、产品更新、onboarding 文案、投资人更新。读者未必会指出"这是 AI 写的"，但会降低对你的信任，直接划走、不回复。所以这个工具的价值不是让文字更漂亮，而是让沟通更可信。
推荐用法：npx skills add <repo> 装成 skill。工作流是人先写粗糙草稿/大纲，把真实观点写下来，再让 skill 去掉 AI 打磨痕迹。这和多数人"让 AI 一次性生成全部再抱怨不好"的做法正好相反，是一种混合模式。

2. Comp AI CRM (trycompai/crm) - 给 Agent 用的 CRM，不是给你用的文件柜
https://github.com/trycompai/crm

做什么：开源、Agent-first 的 CRM。约 9.4k stars。
痛点诊断：传统 CRM 全靠人维护——记得更新、记得上次说了什么、谁凉了。结果几周后数据过期、笔记混乱，变成"没人愿意打开的坟场"，而能带来收入的人就躺在里面。
新范式：把 CRM 当作 Agent 的工作台：Agent 自己去调研人物、补全公司信息、安排跟进、更新笔记，主动维护关系图谱，而不是被动存储。
商业洞察：多数生意不是死于机会不足，而是机会散落各处——半年前的一个热情引荐、客户一句"过阵子再聊"，都被遗忘。这些邮件里有真金白银。
他强调不是替代 Salesforce，面向小而实用的场景：播客赞助管线、代理商线索、投资人更新、vibe-coded 产品的 waitlist 跟进、小 SaaS 的客户成功。
最小工作流：建一条名为"不能忘的热线索"的 pipeline，把所有表现出购买意向的人（回复过邮件、约过电话、问过价、说过"45 天后再聊"）放进去，让 Agent 判断谁该跟进、说什么、对方公司最近有什么变化。过去这是要雇人做的事。
安装：需要 bun + docker；git clone → cd crm → cp .env.example .env → bun install → docker compose up -d → bun run db:deploy → bun run db:seed → bun run dev。前端 localhost:3000，API localhost:3001。登录及邮件/日历集成需要配置 Google 或 Microsoft OAuth。他坦言"不是一键即用，但是个产品形态的仓库"。
更大的机会：人人都有 CRM 问题，只是不这么叫——"忘了跟进""线索一团糟""感觉在漏钱"，本质是同一个痛点。

3. Video Use (
@browser_use
) - 把你的剪辑风格变成可复用的系统
https://github.com/browser-use/video-use

做什么：让 Claude Code / Codex 这类编码 Agent 剪辑视频。把原始素材丢进文件夹，Agent 能去填充词、剪掉空白、加字幕、调色、做叠层、渲染，并检查输出结果。目前约 23.6k stars。
差异化：市面上 AI 剪辑工具很多，但这个仓库的关键在于剪辑流程变成 Agent 能理解并重复执行的东西。大多数创作者反复用的就是那几套剪法：固定字幕样式、固定节奏、固定的剪停顿和开场方式、把长对话切成短视频。这些原本存在于人的脑子和肌肉记忆里，现在被显式化：Agent 读转录稿、看时间戳、提出剪辑策略、渲染、核对切点。
为什么重要：内容是创业者最大的瓶颈之一——产品再好没人看见也会输。这个工具缩短了"原始素材 → 发布内容"的距离。
使用忠告：不要第一天就想自动化整个频道。很多人用这类工具失败，是因为一开始要得太多。从一个小而可重复的格式开始：把创始人的 Loom 录屏变成 60 秒发布视频；从一期播客里切出 3 条爆款片段。一个格式跑通 → 变成系统 → 自己用或卖给别人。
创业角度：每个细分领域都需要内容，几乎没人喜欢剪辑——房产经纪需要房源视频、SaaS 需要产品视频、教练需要短片、代理公司需要广告变体。
安装：对 Agent 友好，直接把 setup prompt 贴给有 shell 权限的 Claude Code/Codex："读 install.md、安装仓库、接好 FFmpeg、注册为我正在用的 Agent 的 skill、需要时向我要 ElevenLabs API key"。可以手动 git clone + ln -sfn，但 95% 的人让 Agent 装就行。

4. SkillSpector (NVIDIA) - 交给 Agent 之前，先扫一遍工具
https://github.com/NVIDIA/SkillSpector

做什么：扫描 Agent skill 的安全问题：提示注入、数据外泄、供应链风险、隐藏指令、恶意模式、MCP 相关风险。支持 Claude Code、Codex 和 MCP skill。约 15.7k stars。
为什么重要：人们开始直接从 GitHub 安装 skill、MCP server、插件。但 skill 不只是一段文本——它包含指令、脚本、依赖、工具访问权限，会改变 Agent 的行为，能碰文件、调用工具、连接外部服务。
趋势判断：AI 工作流正在模块化。多数人今天还只用一个聊天机器人，但 builder 们已在拼装自己的 AI 工作环境（编码 Agent + 研究 skill + 设计 skill + 浏览器工具 + 视频工作流），逐渐像一个个人工作操作系统。到那一步，安全不再是企业专属问题，而是普通 builder/创业者的日常问题。
安装与用法：uv tool install git+<repo>；skillspector scan ./my-skill 扫本地目录，或直接传 GitHub 链接扫远端仓库；加 --no-llm 做纯静态扫描，文件内容不发给 LLM 提供商（扫敏感/私有文件时很重要）；也有 Docker 选项，不想本地装 Python 的人可用。
创业机会：如果团队要装 AI skill 和 MCP，就得有人帮他们判断什么是安全的——可信市场、安全扫描器、企业级安装门禁、或每个 Agent 平台内置的功能。NVIDIA 的背书给了整个品类可信度，同时也等于官方承认"这些 skill 和插件可能是恶意的"。

5. Phone Harness (ShawnPana) - 让 Agent 操作一台真手机
https://github.com/ShawnPana/phone-harness

做什么：把 Codex / Claude Code 连接到真实 iPhone（通过 macOS 的 iPhone 镜像）或 Android（通过 ADB）。约 2.2k stars，五个中最早期。
为什么重要：现有 Agent 工具围绕浏览器、终端、桌面应用，但大量工作发生在手机上——银行、消息、社交、外卖——很多流程唯一的界面就是手机屏幕，因此难以自动化。
关键卖点：不需要越狱、不需要 Xcode、不需要在手机上装特殊 App。Agent 看屏幕、点、输入、滚动、开 App，然后验证结果。
三类用途：（1）移动 App 的 QA——在真机上测 onboarding、注册、结账；（2）没有 API 的移动 App 自动化；（3）创作者/运营者在 TikTok、Instagram 上的重复性流程（"eventually"，尚在早期）。
最小工作流：测一个注册流程——打开 App、创建账号、点完 onboarding、试结账、截图、告诉我哪里让人困惑或崩了。每个移动团队都该持续做这件事，但因为繁琐、不想雇人、人会出错，多数团队没做。
安装：把仓库提供的 setup prompt 贴给 Agent（clone、读 install.md、装到 PATH、注册为 skill、读 onboarding.md 引导设置）。iPhone 需 macOS Sequoia 或更新版本 + iPhone 镜像 + 给终端授予辅助功能和屏幕录制权限；Android 开开发者选项，ADB 有线或无线连接。phone-harness --doctor 检查环境。
局限：项目很早期，锁屏需要人介入，Face ID 和相机流程比较棘手。但方向明确：Agent 正从回答问题转向操作工具，而手机是世界上最大的工具表面之一。
商业推演：如果能把移动 QA 产品化，有人愿意每月付 100、500 美元吗？需要多少客户到月入一万美元？