本周的Github Trending 中，有两个项目升星非常快：

• 改善 Claude Code 行为的 andrej-karpathy-skills，只有简单的一个 .md 文件，本周升星 4.4 万，总星 6 万
• 挑战 OpenClaw 的 hermes-agent，本周新增 4.2 万星，总星数超过10万了

接下来带大家简单了解一下这两个项目。

andrej-karpathy-skills

一个 .md 文件，竟然能得到 6 万个 Star，在之前可能听起来会有些离谱，但是在 2026 年的今天，尤其是 AI Native 开发语境下，“自然语言指令”正在取代“逻辑代码”成为新的配置项。这个 .md 文件的工程价值可能高过几万行代码。

该项目的作者针对 Andrej Karpathy 观察“AI 编程习惯”和“自主研究”存在的三个问题，转化为可供 Claude Code 及其他 AI Agent 直接使用的 Skills。可以将其理解为给 AI Agent 的一套顶级工程师行为准则。

Karpathy 总结的 LLM 写代码的三个核心问题非常扎心：

• 悄悄做出错误假设：“模型会代你做错误假设，然后不假思索地执行。它们不管理自身的困惑，不寻求澄清，不呈现矛盾，不展示权衡，在应该提出异议时也不反驳。”
• 过度工程化：“它们真的很喜欢把代码和 API 搞复杂，堆砌抽象概念，不清理死代码……明明 100 行能搞定的事情，非要实现成 1000 行的臃肿架构。”
• 改动外溢：“它们有时仍会改动或删除自己理解不足的代码和注释，即使这些内容与任务本身无关。”

而针对这些问题，作者提出的解决方案有四个原则：

具体的原则详解，可以点这里查看: https://github.com/multica-ai/andrej-karpathy-skills/blob/main/README.zh.md#四个原则详解，大致也就是对上边的内容的细化约束。

Codebuddy 也可以很方便安装：

hermes-agent

Hermes Agent 是 Nous Research 在 2026 年初开源的一个 AI Agent 项目，定位非常明确：对标 OpenClaw 的开源替代品。一周时间冲了 4.2 万星，总数破 10 万，势头相当猛。

其核心卖点是内置学习闭环（built-in learning loop）。与大多数 Agent 框架"无状态执行任务"不同，Hermes Agent 构建了一个完整的经验 → 反思 → 适应 → 持久化 → 进化循环系统，使 Agent 能够在多轮对话和跨会话维度上持续自我改进。

周末在自己之前吃灰几年的 NUC10 上部署了一下，因为阿里和智谱的 Coding plan 都没抢到，就使用的是小米的 Mimo token plan Lite，先花30多试试。

确实是一个指令就可以安装，加上配置的消息通道可能多条操作，没有什么卡点。

实测效果不错

第一个任务是丢给他一个包含两张报纸图片的 word，让他识别、总结并按照指定格式保存到文档里：

这个实际的word中的部分内容：

另外一个任务是比较典型的搜索网站然后总结，这里看上去内容还是很准确：

特性

hermes 的功能特性，可以看看官方文档：

https://hermes-agent.nousresearch.com/docs/user-guide/features/overview

主要核心功能有这些：

我这里问了一下刚安装之后有哪些技能，可以看看：

学习路线

https://hermes-agent.nousresearch.com/docs/getting-started/learning-path

• 初级

  • 目标：完成安装并跑起来，进行基础对话，使用内置工具

  • 路径：安装 → 快速上手 → CLI 使用 → 配置

• 中级

  • 目标：搭建消息机器人，使用记忆、定时任务、技能等进阶功能

  • 路径：会话（Sessions） → 消息（Messaging） → 工具（Tools） → 技能（Skills） → 记忆（Memory） → 定时任务（Cron）

• 高级

• 目标：构建自定义工具、创建技能、用强化学习训练模型、为项目贡献代码

• 路径：架构（Architecture） → 新增工具 → 创建技能 → 强化学习训练 → 贡献指南

小结

这两个项目本质上反映了同一个趋势：2026 年大家越来越关心"怎么把 LLM 用好"，而不只是"用哪个模型"。一边是用一份 Markdown 把 Agent 的行为约束住，一边是用一整套 Agent 框架让它自己长出新能力——一收一放，都是在解决同一类问题。