在过去一周的 GitHub Trending 中，我们目睹了一场静默但深刻的变革：AI 开发的焦点已从“让模型更聪明”彻底转向“让 Agent 更能干”。
如果说 2025 年是“模型竞赛年”，那么 2026 年 7 月底的这一周，则宣告了 Agent 行为工程 的全面崛起。开发者们不再执着于微调万亿参数模型，而是疯狂地围绕 Agent 构建可复用技能包、持久化记忆系统和高性能编排层。
这一趋势的核心驱动力在于：单次推理的智能已触达瓶颈，Agent 的真正价值在于其执行长链任务时的稳定性与上下文保持能力。从 7 月 27 日 affaan-m/ECC 和 obra/superpowers 开始，一种被称为“Agent Harness”的概念反复刷屏。ECC 宣称要为 Claude Code、Codex 等客户端提供“技能、本能、记忆和安全”的优化，这不再是简单的 API 调用，而是试图为 AI 建立一个数字神经系统。到了 7 月 31 日，zhaoxuya520/reverse-skill 甚至将这一理念垂直化，推出了专门用于逆向工程与渗透测试的“技能路由包”，能够按需自举工具链并自动进化经验库。这标志着技能开始走向高度专业化与场景化。
与此同时，记忆问题成为另一条并行主线。8 月 1 日，腾讯云开源的 TencentDB-Agent-Memory 直接将“团队级记忆中枢”作为产品定义，将对话、文档和代码转化为 Chat Memory、Skill 等四种可治理、可共享的资产。这与字节跳动同日开源的 bytedance/deer-flow 形成了南北呼应——后者是一个能够处理长达数小时任务的“长链超级代理”，依赖的正是沙箱、记忆和子代理调度。
当模型本身的“思考”能力趋于同质化，差异化的关键就落在了“记忆”和“技能”上。从 moeru-ai/airi 这种带有灵魂容器的虚拟伴侣，到 microsoft/agent-governance-toolkit 提供的零信任沙箱治理，再到 github/copilot-sdk 的官方集成，我们看到的是一整套 Agent 生存所必需的配套设施正在迅速成熟。这不再是 AI 的灵光一现，而是一场关于 AI 如何像人类一样依靠经验和工具链去工作的工业化改造。