GitHub 榜单今天精分了：榜一量产 AI 垃圾，榜三榜四专门删垃圾
GitHub 榜单今天精分了：榜一量产 AI 垃圾，榜三榜四专门删垃圾
今天打开 GitHub Trending，我盯着榜单笑了半天。
榜一 MoneyPrinterTurbo，一键批量生成 AI 短视频。榜三 taste-skill、榜四 stop-slop，专门帮你把 AI 生成的东西去 AI 味。同一张页面，上半截在量产 slop，下半截在删 slop。这届开发者的精神状态，全写在 Trending 上了。
今天就顺着这条线聊。
harry0703/MoneyPrinterTurbo
先说榜一，今天 +4698 star，断层第一。
它干的事一句话讲清：给一个主题或关键词，它自动生成文案、自动配素材、自动加字幕、自动配背景音乐，最后吐出一个 1080p 的竖屏或横屏短视频。MVC 架构，有 Web 界面也有 API，接了一大堆模型——OpenAI、通义千问、DeepSeek、Gemini、Ollama 全都能插。国内用户直接用 DeepSeek 或者 Moonshot，不用梯子。
为什么这种项目能稳居榜一?因为它精准踩在两个需求上:想做自媒体的人想要量,不想花钱的人想要免费。视频素材用的是无版权高清库,文案 AI 写,配音 AI 合成,全程零成本零门槛。你今晚装上,明天就能往抖音、视频号灌十条「人生感悟」。
但也正因为这样，它生产的就是标准的 AI slop——那种你刷到三秒就划走的、配着电子音和泛滥空镜的「鸡汤短视频」。这个项目越火，平台上的垃圾就越多。 这不是项目的错，工具是中立的，但它确实是这波内容污染的发动机之一。
谁该看：想批量做短视频矩阵的运营、想研究自动化视频管线怎么搭的开发者。
我的判断：技术上没什么新东西，就是把现成的 TTS、素材 API、字幕工具串成了一条流水线——但它把「串」这件事做得足够顺，顺到小白也能跑通，这就是它的全部价值。它会一直火下去，因为「躺着赚钱」的幻觉永远有人买单。至于生成的视频有没有人看，那是另一回事了。
Leonxlnx/taste-skill
往下数两位，画风突变。taste-skill 今天 +2234，副标题直接叫 The Anti-Slop Frontend Framework for AI Agents。
它解决的是一个所有人都遇到过、但很少有人认真治的问题:AI 写出来的前端,一眼假。 那种到处都是的圆角卡片、千篇一律的居中布局、毫无层次的字号、八个 emoji 配一句话的「现代风」——你让 Claude 或 Cursor 生成个落地页,十有八九长这样。taste-skill 就是一组可移植的 Agent Skill,塞进去之后,让 AI 在排版、字体、留白、动效上做得更像「有审美的人类设计师」,而不是「套模板的实习生」。
安装也走的是现在很流行的那套 skills CLI:
1 | npx skills add https://github.com/Leonxlnx/taste-skill |
它甚至还附带了「参考图生成」的 skill——先让 ChatGPT 出几张设计参考板，再把图喂给 Codex / Cursor / Claude Code 去实现。这个工作流挺聪明的：先定调，再编码，而不是让 AI 一上来就瞎写。
谁该看：天天用 AI 写前端、但受够了「生成的东西像 2015 年 Bootstrap 模板」的独立开发者。
我的判断：taste-skill 戳中的痛点是真的，「AI 没审美」是当下 AI Coding 最尴尬的短板之一。但我对这类项目有个保留——审美很难用一份 prompt 固化下来。它能帮你避开最难看的那批结果，把及格线从 40 分拉到 70 分，但想靠它做出 90 分的设计，还是得有人盯。当成「兜底」用很好，当成「设计师替代」就会失望。
hardikpandya/stop-slop
榜四，stop-slop。taste-skill 治前端的 AI 味，这个治文字的 AI 味。
它的定位毫不含糊:一份 skill 文件,专门教 Claude(或任何 LLM)识别并删掉「AI 腔」。作者把 AI 写作的毛病拆得特别细——开头爱清嗓子的废话、滥用的破折号、强行排比的「不是……而是……」、空洞的程度副词、那种站在远处俯视的旁白腔。它甚至给了一张评分表:
| 维度 | 问题 |
|---|---|
| 直接性 | 是在陈述，还是在「宣告」？ |
| 节奏 | 句子长短有变化，还是像节拍器？ |
| 信任 | 有没有把读者当聪明人？ |
| 真实感 | 听起来像人写的吗？ |
| 密度 | 有没有能删的废话？ |
低于 35/50，重写。
看到这张表我有点会心一笑——因为我自己写这篇文章时遵循的原则，跟它几乎一模一样。短段落、长短句交替、少用套话、多下判断。这套东西不是什么玄学，是任何一个写过几年东西的人都懂的常识，只是 AI 把这些常识系统性地违反了一遍，才需要专门有个 skill 来纠回去。
谁该看：用 AI 辅助写公众号、博客、文档，但不想让读者一眼看穿「这是 GPT 写的」的人。
我的判断:stop-slop 和 taste-skill 是同一枚硬币的两面,一个删视觉 slop,一个删文字 slop。它们能火恰恰证明了一件事——市场已经被 AI 垃圾淹到了开始反噬的程度,连「让 AI 看起来不像 AI」都成了刚需。这事说出来挺荒诞的,但它是真实的需求。这个 skill 本身很轻,就几个 markdown 文件,你完全可以读一遍 references/phrases.md,把规则记进脑子,以后自己写也用得上。
affaan-m/ECC
接下来这个我得稍微泼点冷水。ECC 今天排榜二，但它的 star 数写着 197K——而它隔壁的 obra/superpowers 写着 211K。
先说它是什么。ECC 自称「harness-native operator system」，翻译成人话：一整套给 AI Agent 用的配置和工具集合，跨 Codex、Claude Code、Cursor、OpenCode、Gemini、Zed、Copilot 全平台。skills、hooks、规则、MCP 配置、记忆优化、安全扫描全塞在一个仓库里，作者说是自己「10 个月高强度日常使用」沉淀出来的。还配了 Pro 订阅（$19/seat/月）和 GitHub App。
东西本身不能说没价值——把一套打磨过的 Agent 工作流开源出来，确实有人需要。但我必须说出我的疑虑:一个「agent 配置集合」类的仓库,star 数冲到 19 万、隔壁同类冲到 21 万,这个量级非常反直觉。 Linux 内核镜像才十几万 star。一堆 markdown 配置和 shell 脚本,半年涨到接近 20 万,要么是这个赛道真的疯了,要么这数字的成色得打个问号。
谁该看：想找一套现成的、跨多个 harness 的 Agent 配置模板,懒得自己从零配的人。
我的判断:抛开 star 数不谈,ECC 这类「all-in-one agent 配置包」最大的问题是别人的工作流未必适合你。作者基于自己的项目沉淀出来的 hooks 和 rules,搬到你的场景下可能水土不服。我的建议是——把它当字典查,别当框架装。挑你需要的那几个 skill 抄走,而不是整包吞下。至于那个 star 数,我看个热闹,不当真。
OpenMOSS/MOSS-TTS
最后留一个干净的。聊了一整天的 slop 和反 slop，换个真做硬东西的项目收尾。
MOSS-TTS 是 OpenMOSS 团队(复旦那帮人)和 MOSI.AI 出的开源语音生成模型家族。注意是「家族」——不是一个模型,是一整条线:长文本朗读、多人对话、音色设计、环境音效、实时流式 TTS,全都覆盖。最近更是密集更新,5 月底刚放出 MOSS-TTS-v1.5 和一个用 DiT + Flow Matching 做的 48kHz 音效模型。
我最看重的是它的工程务实度。它不光给你 PyTorch 权重,还专门做了 llama.cpp + ONNX 的「无 PyTorch 推理」路线,GGUF 量化权重直接放 HuggingFace,8B 模型优化到能塞进 8GB 显卡,甚至有个 100M 的 Nano 版能在 4 核 CPU 上跑流式输出。这种「让模型真的能在普通设备上跑起来」的执着,比刷榜的 skill 仓库实在太多了。
1 | # llama.cpp 后端，torch-free，量化权重直接拉 |
谁该看：需要本地化、可商用、中英文都能打的 TTS 方案的开发者；想做有声书、播客、对话生成的团队。
我的判断：在一堆「配置即项目」的 skill 仓库里，MOSS-TTS 是少数让我觉得「这是在认真做技术」的。开源 TTS 这两年卷得厉害，但能把推理部署做到 llama.cpp 这种程度、还坚持 48kHz 高保真的不多。如果你在选开源 TTS，国产里这个值得排进第一梯队认真试。它不会上热搜爆款，但它会被真正需要的人长期用下去——这比一周涨四千 star 然后归零的项目,有价值得多。
写在最后。今天这张榜单其实挺有隐喻的:AI 一边在疯狂生产内容,一边催生出一整个「帮 AI 擦屁股」的工具生态。 量产的和反量产的挤在同一页,谁也说服不了谁。
要我说,真正能穿越周期的,还是 MOSS-TTS 那种闷头做底层的项目。slop 和反 slop 打得再热闹,终究是同一场泡沫的两面。
