单开发者 GitHub 10 万+ stars 拆解：女娲 + 达尔文 + 5 限制设计 + 4 层 OS 操控 — Agent Skill 方法论全集
alchaincyf 64 仓库累计 101,808 stars（gitstar 全球 ~79）。起点 2026-04 开源女娲.skill。**7 个核心 repo**：女娲（人→skill 蒸馏）/ Huashu Design（5 限制 + 禁 AI Slop）/ 达尔文（棘轮 + 9 维打分）/ huashu-chrome + mac-use（OS 操控）/ FanBox（含 Hermes Agent 的 11 个 coding agent）。所有 Skill 走 Agent Skills 协议。
一句话总结
单开发者 alchaincyf 64 仓库 / 101,808 stars / gitstar 全球 ~79 名——起点是 2026-04 开源女娲.skill。核心方法论不是「造 Agent」，是「造 Skill」——女娲（人→skill 蒸馏）、Huashu Design（5 限制设计）、达尔文（skill→更好 skill，棘轮机制）、huashu-chrome / huashu-mac-use（OS 操控）、FanBox（IDE 编排）。所有 Skill 走 Agent Skills 协议——Hermes Agent / Claude Code / Codex / Cursor / OpenClaw 都能跑。
一、事件 / 背景
alchaincyf 的 GitHub 数据
| 指标 | 数据 | 时间 |
|---|---|---|
| 自建仓库 | 64 个 | 2026-10-11 |
| 总 stars | 101,808 | 2026-10-11 |
| gitstar 全球用户榜排名 | ~79 名 | 2026-10-11 |
| 起点 | 2026-04 开源女娲.skill | 大半年前 0 个 >500 stars 仓库 |
增长曲线
| 时间 | 事件 | stars |
|---|---|---|
| 2026-04 初 | 开源女娲.skill | — |
| 2026-04 次日 | 女娲 star 破千 | — |
| 2026-04 下旬 | Huashu Design 首日 1600+ | — |
| 2026-05 下旬 | 总数过 5 万 | — |
| 2026-10-11 | 101,808 | 79 名 |
数据分布
| 类别 | 数量 | stars 占比 |
|---|---|---|
| Skill 类仓库 | 35 个 | 8.8 万 stars |
| 女娲 + Huashu Design | 2 个 | 占总量近 6 成（3.4 万 + 2.5 万） |
| 11 本橙皮书配套仓库 | 11 个 | 1 万 + |
一个有趣的统计
女娲.skill 这个 star 最多的仓库，文本几乎全是 markdown，按文件体量算，脚本代码只占 3% 左右。
含义：md 背后的自然语言才是这个时代最主要的编程语言——这是 Sam 你笔记体系应该关注的元趋势。
二、女娲.skill：人 → skill 蒸馏（核心创新 1）
Star：3.4 万（alchaincyf 单仓库最高） GitHub：https://github.com/alchaincyf/nuwa-skill
核心能力
你给它一个名字，它自动走完调研、提炼、验证，产出一个这个人的视角 skill。
5 层人物模型
| 层 | 内容 |
|---|---|
| 表达 DNA | 怎么说话 |
| 心智模型 | 怎么想 |
| 决策启发式 | 怎么判断 |
| 反模式 / 价值观底线 | 什么不做 |
| 局限诚实边界 | 知道自己的局限在哪 |
蒸馏过程（4 步）
| 步骤 | 内容 |
|---|---|
| 1. 六路并行采集 | 著作 / 播客访谈 / 社交媒体 / 批评者视角 / 决策记录 / 人生时间线——6 个 agent 同时跑，各自存档 |
| 2. 三重验证提炼 | 一个观点要收录成心智模型必须：跨 2 个以上领域出现过 + 能推断出他对新问题的立场 + 不是所有聪明人都会这么想——3 条全过才留 |
| 3. 构建 skill | 3-7 个心智模型 + 5-10 条决策启发式 + 表达 DNA + 价值观 + 诚实边界——写进 SKILL.md |
| 4. 质量验证 | 拿 3 个他公开回答过的问题测，方向一致算通过；再拿 1 个他没讨论过的问题测，应该表现出适度的不确定，而不是斩钉截铁 |
每个 skill 标注「做不到什么」
蒸馏不了直觉、只是截止到调研时间的快照、公开表达也不等于真实想法。
置信度：高——这是非常成熟的「反幻觉」设计——明确告知 skill 边界。
适用场景
「蒸馏一个保罗·格雷厄姆」
↓
造完之后直接用：
「用芒格的视角帮我分析这个投资决策」已蒸馏人物
乔布斯 / 芒格 / 费曼 / 纳瓦尔……
三、Huashu Design：5 限制设计（核心创新 2）
Star：近 2.5 万 GitHub：https://github.com/alchaincyf/huashu-design
核心能力
agent 里用 HTML 做设计的 skill，能出四类东西：可点击 App/Web 交互原型 / 演讲幻灯片（HTML deck + 导出 PPTX）/ 时间轴动画（MP4 / GIF + BGM）/ 信息图（PDF / PNG / SVG）
5 限制（设计效果保障）
| # | 限制 | 实现 |
|---|---|---|
| 1 | 需求模糊不让你盲选风格 | 开 3 个 subagent 并行，3 套逻辑各出一版真实视觉（风格库随机抽 / 参照世界级获奖作品 / 假设预算无上限的设计工作室），3 版摆出来你看着选——底层是 60 种纯 CSS 的 HTML 风格 |
| 2 | 涉及具体品牌走 5 步品牌资产协议 | 问你有没有品牌规范 → 搜官方品牌页 → 下载资产 → 从资产里提取色值 → 固化成 brand-spec + CSS 变量——绝不凭记忆猜品牌色 |
| 3 | 按初级设计师干活 | 开工前把问题一次性问完 → 先给灰色方块占位初版 → 填内容 / 出变体时再分别给你看 → 交付前用 Playwright 在浏览器里过一遍 |
| 4 | 一眼 AI 视觉直接禁掉 | 紫色渐变 / emoji 图标 / 圆角加左边框强调——尽量帮你做出不 AI Slop 的设计 |
| 5 | 5 维专家评审 | 做完再让 skill 自我评审，出雷达图 + 修复清单 |
置信度：高——5 限制中第 1 / 第 4 是反 AI Slop 的具体实践，比单纯的 prompt 设计更有可操作性。
适用场景
「用 Huashu Design，把这份内容做成一套演示文稿，先给我三个视觉方向。」四、达尔文.skill：skill 越用越好（核心创新 3）
Star：6 千多 GitHub：https://github.com/alchaincyf/darwin-skill
核心能力
女娲负责造 skill，达尔文负责迭代和优化 skill。思路来自 Karpathy 的 autoresearch：评估、改进、测试，然后保留或回滚。
5 步机制
| 步骤 | 内容 |
|---|---|
| 1. 9 维打分 | 总分 100；结构类靠静态分析；效果类必须真跑测试提示词——实测权重最高 |
| 2. 单维度优化 | 找加权短板最大的维度，一轮只改这一个，改完 git commit |
| 3. 双子 agent 重评分 + 棘轮 | 启 2 个独立子 agent 评分（下一轮换新评委，避免锚定）——新分高保留，否则 git revert 回滚；分数只升不降 |
| 4. 单轮涨幅 < 1 自动停 | 避免为凑分往 skill 里堆冗余 |
| 5. 阶段 diff 给用户看 | 每阶段停下来，diff 和分数变化给你看，等你确认再继续 |
关键设计点
棘轮机制（ratchet）——只接受正向改进，不接受回归。这是从 Karpathy autoresearch 借鉴的工程化实践。
实测效果
2.0 吸收了微软研究院两篇论文的方法，验证机制对齐了 SkillOpt 的设计——microsoft/SkillOpt 的 README 里 6 月初有一条更新写的就是 gbrain / gbrain-evals / darwin-skill 都集成了 SkillOpt。
拿它优化 alchaincyf 自己的 huashu-gpt-image，分数从 80.8 涨到了 91.65。
置信度：中-高——微软 SkillOpt 的集成是可核第三方背书，80.8 → 91.65 是单源数据，可核但需验证。
五、huashu-chrome + huashu-mac-use：OS 操控类
5.1 huashu-chrome（让 agent 操作你已登录的 Chrome）
Star：270 GitHub：https://github.com/alchaincyf/huashu-chrome
核心能力：任何 agent 直接操控你日常用的那个 Chrome，带着你全部的登录态——装一个 Chrome 扩展 + 一个 MCP，不用改启动参数 / 不用开调试端口。
兼容性：Claude Code / Codex / Cursor / Gemini CLI 等二十多家支持 MCP 的 agent 都能接。
vs 现状：相比大多数 agent 自带的 browser-use 能力，核心特点是自主学习进化 + 人和 AI 协同的细节。
22 个工具分 3 层
| 层 | 工具用途 |
|---|---|
| 网络层 | 要数据——先看页面调了哪些接口，带着 cookie 直接调，一次翻完所有页 |
| 操作层 | 要做事——把页面拍成带编号的元素清单，一次填完整张表 |
| 截图层 | 兜底——其他方法不灵再用 |
5 大工程原则
- 每个写操作都要交待页面到底动没动——防「工具说成功 / 页面其实没反应」的静默失败
- 多步操作一次说完，每步验过效果才走下一步
- 提交 / 支付 / 删除 / 发布永远不代做
- 越用越快——出厂带 20 多个网站实测经验，干活时摸清的新门路存回本机
- 验证码 / 扫码 / 付款交还给人；所有活在后台标签页——不抢屏幕，多 agent 同时干活不抢页
实测效果
同一个飞书多维表格任务，第一次从零摸索用了 281 次调用 / 54 分钟；记下经验之后第二次不到 10 次调用。
5.2 huashu-mac-use（让 agent 操作 Mac 原生应用）
Star：300 GitHub：https://github.com/alchaincyf/huashu-mac-use
核心：Mac 上大部分原生 app 没有 API，agent 够不着——huashu-mac-use 让 agent 去操作这些 app。
4 层探测（从上往下试）
| # | 层 | 说明 |
|---|---|---|
| 1 | App 自己的命令行 / AppleScript / 调试端口 | 结构化接口优先 |
| 2 | 系统的辅助功能语义树 | macOS Accessibility API |
| 3 | 窗口坐标 | 几何定位 |
| 4 | 像素 | 视觉抓取——最后兜底 |
借焦点的 4 道闸
借之前要过四道闸：
- 前台是不是目标 app
- 落点有没有被挡住
- 你是不是正在用键鼠（2 秒内动过就安静等你停手）
- 全机同时只允许一个进程借焦点
借到焦点的那半秒，屏幕四角会亮起一圈取景框，告诉你此刻是 agent 在动——用完立刻还焦点、把鼠标放回原位。
一个案例
仓库里有个案例：一个 coding agent 照着 4 张照片，在 Blender 里建出一艘十万吨级的邮轮，建模 / 材质 / 灯光 / 运镜一共 33 分钟，全程没人碰鼠标。
置信度：高——「借焦点 + 4 道闸 + 屏幕取景框」是用户信任工程，比大多数 OS 自动化工具显式得多。
六、FanBox：Coding Agent 驾驶舱
Star：1 千多 GitHub：https://github.com/alchaincyf/fanbox
核心能力
把找文件 / 开终端跑 agent / 看产出这条链路收进一个窗口：左边文件，右边或下边终端，中间原地预览。本地运行 / 零配置，不做云、不做账号，macOS 免费开源。
4 大功能
| # | 功能 | 实现 |
|---|---|---|
| 1 | 看清 agent 改了什么 | agent 每写一个文件，那张文件卡片当场亮起来；开了跟随模式，预览跟着 agent 正在写的文件走，HTML 边写边渲染；「本回合」面板列这一回合是哪个终端里的哪个 agent 改了哪些文件 + 每个文件加减多少行——点开看 diff，可以单个文件还原，也可以整回合回滚 |
| 2 | 在 diff 上选几行写批注 | 一键粘回那个 agent 的终端，最后那下回车留给你按 |
| 3 | 精确知道每个 agent 的状态 | 启动 Claude Code 和 Codex 时挂上它们的官方 hooks——干活中 / 等你确认 / 等你输入 / 已完成都是精确事件；开了好几个终端时，在等你的会话会在标签栏下面一行行列出来 |
| 4 | 内置 11 个 coding agent 一键启动 | Claude Code / Codex / Hermes Agent / OpenClaw / Kimi Code / ZCode——点开任何项目文件夹，能看到 AI 在这里干过什么，一键接上当时的会话 |
2.0 新增能力
- 直接通过微信操控电脑里的 Claude Code 和 Codex
- Mac 合盖不待机——agent 还在跑的时候你也能合上电脑走人
置信度：高——「内置 11 个 coding agent」列表里有 Hermes Agent + OpenClaw，直接证明 Skill 协议在主流 agent 里是事实标准**。
七、Skill 协议视角：和 Hermes Agent / 你工作的连接
7.1 所有这些 Skill 走同一协议
Claude Code / Codex / Cursor / OpenClaw / Hermes Agent 这些支持 Agent Skills 协议的 agent 都能跑
意味着：你的 Hermes Agent 自托管方案 不需要重新发明 Skill 协议——这 7 个 repo 直接是「别人替你验证过的 Skill 实现」。
7.2 Skill 类型全景（你之前覆盖 vs 新增）
| Skill 类型 | 你之前覆盖 | 这篇新增 |
|---|---|---|
| 人设类（人 → skill） | — | 女娲（核心创新：5 层模型 + 4 步蒸馏） |
| 设计类（HTML 原型 / PPT / 信息图） | Nano Banana | Huashu Design（5 限制更具体——不让你盲选 + 禁 AI Slop + 5 步品牌资产） |
| 优化类（skill → 更好 skill） | — | 达尔文（棘轮机制 + 9 维打分——对齐微软 SkillOpt） |
| OS 操控类（Chrome / Mac 原生 app） | — | huashu-chrome（22 工具 3 层 + 自主学习存本机）+ huashu-mac-use（4 层探测 + 借焦点 4 道闸） |
| IDE 编排类（文件 / diff / agent 状态） | — | FanBox（11 个 coding agent 一键启动——直接含 Hermes Agent + OpenClaw） |
7.3 你的 Hermes Agent 路线图被扩展
| 之前你规划的能力 | 这篇新提示 |
|---|---|
| Skill Marketplace（用户上传 + 浏览） | Skill 蒸馏（女娲）和 Skill 迭代（达尔文）是 Marketplace 的「上游供应链」——没这俩，Marketplace 就是空壳 |
| 多 skill 协同 | Huashu Design 的「3 subagent 并行 3 套方案让用户选」是直接的多 skill 协同范式 |
| OS 操控 | huashu-chrome / huashu-mac-use 是现成的、别人验证过的实现——你直接 fork 进 Hermes |
| IDE 编排 | FanBox 是「Coding Agent 编排」——你的 The Hive 可以借鉴这个 UI 思路 |
八、可信度红旗
| 红旗 | 详情 | 判断 |
|---|---|---|
| 作者 alchaincyf 自述——163 自媒体转载，文末无具体合作媒体 | 作者本人宣传——可信度：中-低，但可上 gitstar.com 直接核 | 可核 |
| 101,808 stars / gitstar 全球 79 名 | 单一自述——需第三方核 | 可核 |
| 女娲.skill 的「六路并行 + 三重验证」 | 听上去工程化——但具体 prompt 和过滤规则开源可查 | 可核 |
| 达尔文「80.8 → 91.65」 | 单源数据 | 可核——但需自测 |
| 「huashu-chrome 飞书任务 281 → 10 次」 | 具体数字——可自测复现 | 可核 |
| FanBox 内置 11 个 coding agent | 列表可核 | 可信度高 |
| SkillOpt README 6 月初提到 gbrain / darwin-skill 集成 | 第三方背书 | 可核 |
九、对 Sam 的 3 点启示
9.1 Hermes Agent 的 Skill 协议层不需要「自造」——直接 fork
你的 Hermes Agent 自托管方案 已覆盖架构 / Marketplace / 沙箱 / 部署。但 Skill 协议实现层可以直接参考这 7 个 repo：
| 你的 Hermes Agent 层 | 对位 alchaincyf repo | 直接借鉴 |
|---|---|---|
| Skill Marketplace（用户上传） | 女娲.skill（人 → skill 自动生成） | 把女娲接进 Hermes，Marketplace 的「创作者侧」就有了 |
| Skill 质量保证 | 达尔文.skill（棘轮 + 9 维打分） | 用达尔文自动 QA Marketplace 上每个新 skill |
| Skill 调用入口（Claude Code / Codex / OpenClaw 互通） | 已是事实标准 | 不用你重写——直接支持 Agent Skills 协议 |
| OS 操控类 skill | huashu-chrome / huashu-mac-use | fork 进去就是 Hermes 的 browser_use + mac_use |
9.2 你的 The Hive 可以参考 FanBox 的 UI 思路
FanBox 的 UI 设计——左边文件卡片 / 右边终端 / 中间预览 / 跟随模式 / 本回合 diff / 多 agent 标签栏 / 借焦点提示——是「Coding Agent 编排」的成熟 UI 范式。
The Hive 是你做的 agent 讨论论坛——未来 agent 协同执行时，UI 应该借鉴：
| FanBox 元素 | The Hive 类比 |
|---|---|
| 文件卡片亮起 | agent 改讨论状态 / 投票 / 立场时卡片亮起 |
| 本回合 diff | 每个 agent 一轮的「立场变化」diff |
| 11 个 agent 一键启动 | 一键拉多 agent 进同一讨论 |
| 「最后那下回车留给你按」 | 关键决策点永远留给人——这是 AI 协作工具的核心 UX 原则 |
置信度：中-高——「最后那下回车留给你按」是AI 协作工具的核心 UX 原则——信任工程的具体实践。
9.3 alchaincyf 的方法论对你「单点突破 vs 全栈布局」的启示
alchaincyf 的成长路径很清晰：
| 时间 | 动作 | star |
|---|---|---|
| 2026-04 | 单点突破（女娲.skill） | 3.4 万 |
| 2026-04 下旬 | 第二单点（Huashu Design） | 2.5 万 |
| 2026-05 + | 横向扩展（达尔文 / chrome / mac-use / FanBox） | 各几千到 1 千 |
启示：先做出一个 10x star 的单点 skill，再用 star 红利拉横向——不是同时铺 5 个 0-star skill。
对你：
- Hermes Agent：**先把 Skill 协议层做到「和 alchaincyf 的 7 个 repo 等量级质量」——单点突破
- The Hive：**先做「多 agent 立场 diff」这一个差异点——而不是同时铺 5 个 0 用户功能
十、未验证部分 + 待核清单
| 待核项 | 建议核验源 | 判断 |
|---|---|---|
| alchaincyf 总 stars（101,808）+ gitstar 全球 79 名 | https://gitstar.com 或 GitHub API 直查 | 可核 |
| 女娲.skill 真实 stars（声称 3.4 万） | https://github.com/alchaincyf/nuwa-skill | 可核 |
| Huashu Design 真实 stars | https://github.com/alchaincyf/huashu-design | 可核 |
| SkillOpt README 是否真提到 gbrain / darwin-skill | https://github.com/microsoft/SkillOpt | 可核 |
| 达尔文 80.8 → 91.65 实测数据 | 自己跑 huashu-gpt-image + darwin-skill 验证 | 可核 |
| huashu-chrome 281 → 10 次调用 | 自己装扩展跑同一飞书多维表格任务 | 可核 |
| FanBox 内置 11 个 coding agent 列表 | 看 FanBox README | 可核 |
配图
图 1：alchaincyf 的 7 个核心 repo 围绕 SKILL.md 中心枢纽——女娲 (N, 3.4 万星) 与 Huashu Design (HD, 2.5 万星) 是两个核心节点（更大 + 辉光），达尔文 / Chrome / Mac / FanBox / Art 是横向扩展节点。所有 repo 通过 Agent Skills 协议互通
来源
- 163 自媒体转载：GitHub 星标破 10 万+，凭什么？（alchaincyf 自述）
- 早前相关：Hermes Agent 自托管 Ubuntu 云服务器（10-03）
- 早前相关：Nano Banana 2.1 杀向专业设计师（10-08）
- 早前相关：Tibo「重置之神」三大趋势（10-05）
- 早前相关：OpenAI 推出 Dots，正面对标 Meta Muse（09-30）
- 待核：7 个 repo 的真实 stars + SkillOpt 集成情况