Agent Skills Daily Tracker Dataset

一个实时追踪GitHub上新skills仓库的数据集，每15分钟自动更新，捕获星数、语言分布和元数据，帮助开发者、投资者和研究人员在AI代理技能生态系统中发现命名趋势。

A dataset that conducts real-time tracking of newly created skills repositories on GitHub. It is automatically updated every 15 minutes, capturing metrics such as star counts, language distributions and associated metadata. This dataset assists developers, investors and researchers in identifying naming trends within the AI Agent skill ecosystem.

原始信息汇总

数据集概述

Agent Skills Daily Tracker 是一个实时追踪 GitHub 上新建名称包含 "skills" 的仓库的数据集，旨在捕捉 AI 智能体技能生态系统的趋势。

• 核心功能：每 15 分钟通过 GitHub Actions 自动运行，监控 GitHub 上新建的 "skills" 仓库，捕获其星标数、编程语言和元数据。
• 数据来源：GitHub Search API。
• 更新频率：每 15 分钟自动更新一次，每次有变化时（新增或删除条目）会生成新的提交。
• 当前规模：追踪的条目数量为 100 条（截至 2026-06-18 20:00 UTC）。

数据集内容

数据集以表格形式展示，包含以下字段：

• #：序号。
• Name：仓库名称，包含指向 GitHub 的链接。
• ⭐：星标数。
• Lang：主要编程语言。
• Updated：最后更新时间。
• Description：仓库描述。

示例条目包括：

• mohitagw15856/pm-claude-skills：981 星，JavaScript，包含 167 个专业 Agent Skills。
• smith-horn/skillsmith：68 星，TypeScript，Agent Skills 的生命周期管理。
• antithesishq/antithesis-skills：67 星，JavaScript，为 Antithesis 用户提供的 AI Skills。

技术实现

1. 运行机制：GitHub Action 定期执行 tracker.py 脚本。
2. 脚本行为：
   • 从 GitHub Search API 获取最新数据。
   • 与历史快照文件 data/items.json 进行对比（差异比较）。
   • 更新 README 文件中的表格（在 <!-- TRACKER_TABLE_* --> 标记之间）。
   • 如果有变化，提交包含新增（+N）和移除（-M）数量的提交信息。
3. 依赖：不依赖外部服务或付费 API，仅使用公共数据源和免费 GitHub Action。

相关项目

该项目维护者还提供了其他类似的实时追踪器，使用相同的机制但监控不同的上游数据：

• trending-claude-skills：追踪 Claude Skills 的热门趋势。
• mcp-servers-live：实时索引新的 MCP 服务器。
• cursor-rules-live：追踪新的 Cursor 规则和 .cursorrules 模式。
• claude-code-plugin-tracker：追踪 Claude Code 插件和 Hook 配置。

贡献

通常无需手动干预，追踪器自动保持更新。如发现数据源问题或希望建议新的表格列，可以提交 Issue。

搜集汇总

数据集介绍

构建方式

随着人工智能代理（AI Agent）生态的蓬勃发展，技能（Skills）作为赋予代理特定能力的核心模块，正以前所未有的速度涌现。为了系统性地捕捉这一新兴生态的演变趋势，Agent Skills Daily Tracker 数据集应运而生。该数据集依托于 GitHub Actions 的定时任务机制，每十五分钟自动触发一次数据采集流程。其核心构建逻辑是调用 GitHub Search API，实时检索所有名称中包含“skills”的最新仓库，并精准抓取每个仓库的星标数、编程语言分布以及元数据等关键信息。随后，脚本会将当前快照与历史状态进行比对，自动更新数据记录，确保数据集始终保持最新与完整。

特点

该数据集最显著的特性在于其卓越的实时性与自动化程度，它摒弃了人工维护的滞后性，实现了每十五分钟一次的准实时更新，为开发者、投资者及研究人员提供了观察AI技能生态系统命名趋势的动态窗口。数据集的另一大亮点是其高度的结构化和可追溯性，每次提交都忠实反映了上游数据源的增量变化，无论是新增条目还是过期项目的移除，都被清晰记录。此外，它完全基于公共数据源和免费的GitHub Action构建，无需依赖任何外部付费服务，保证了数据获取的透明性与可持续性。

使用方法

对于希望探索AI代理技能前沿动向的使用者而言，该数据集提供了极为便捷的访问途径。最直观的使用方式是直接浏览项目主页中自动生成的表格，该表格清晰列出了当前追踪到的所有仓库名称、星标数、主要编程语言、最后更新时间及简要描述。如需进行深度分析或二次开发，可以直接访问该项目在GitHub上的仓库，通过Star标记以收藏并持续接收更新。数据集的底层机制完全透明，其核心脚本`tracker.py`以及历史快照文件`data/items.json`均公开可查，用户可据此复现数据流程或进行定制化分析，从而把握AI技能领域的实时脉搏。

背景与挑战

背景概述

Agent Skills Daily Tracker数据集由开发者linny006于2026年创建，旨在实时捕获GitHub平台上以'skills'命名的仓库动态，以洞察AI智能体技能生态的演变趋势。该数据集通过每15分钟自动运行的GitHub Actions流水线，从GitHub Search API获取仓库的星标数、编程语言分布及元数据等关键信息，为开发者、投资者和研究人员提供了一扇观察AI技能命名风潮的窗口。其核心研究问题聚焦于追踪并分析AI代理技能生态系统中新兴的命名模式与可复用技能组件的涌现规律，对理解智能体技能市场的演化方向具有重要参考价值。该数据集的持续更新机制使其在动态监测领域内独树一帜，成为连接技术趋势与社区实践的桥梁。

当前挑战

该数据集面临的核心挑战包括：首先，领域层面需要解决庞大且碎片化的AI技能仓库的实时归纳与趋势捕捉难题，GitHub上的'skills'仓库数量激增且质量参差不齐，如何从中有效识别高价值、可复用的技能组件并过滤掉重复或过时的条目，是确保数据集精准反映生态面貌的关键。其次，构建过程中受限于GitHub Search API的速率限制与返回结果的不稳定性，自动化跟踪器需采用高效的去重与差异比较算法应对数据抖动，同时严格维护数据更新频率的信噪比，避免因无关变更导致数据膨胀。此外，随着跨平台智能体（如Claude、GPT、Cursor等）的兴起，标准化技能描述文件（如SKILL.md）的解析与分类也构成技术难点。

常用场景

经典使用场景

在人工智能代理生态系统的蓬勃发展中，Agent Skills Daily Tracker 数据集主要用于实时监测 GitHub 上新增的“skills”命名仓库，捕捉星标数量、编程语言分布及元数据等关键信息。该数据集以每15分钟自动更新的频率运作，为研究者、开发者和投资者提供了一扇观察AI代理技能生态趋势的窗口。其典型应用场景包括追踪热门技能仓库的演化轨迹、分析不同编程语言在技能开发中的采用率、以及识别新兴的技能类别与模式，从而帮助用户把握技术潮流的前沿动向。

解决学术问题

该数据集有效解决了学术界在AI代理技能领域面临的动态演化追踪难题。传统研究依赖静态的或手动采集的样本，难以反映快速变化的技术生态。通过提供高频更新的全量数据，它使研究者能够量化分析技能仓库的生命周期、星标增长速率以及语言多样性等特征。这些数据支撑了关于技能模块化、跨平台兼容性及社区贡献模式的实证研究，为理解AI代理技能从萌芽到流行的传播机制提供了可靠依据，推动了软件工程与人工智能交叉领域的方法论革新。

衍生相关工作

该数据集衍生了一系列开创性工作，包括质量评级系统、安全扫描工具及生态索引平台。例如，“awesome-agent-skills”项目基于跟踪数据构建了经过质量验证的精选列表，而“SkillsGuard”则开发了针对AI代理技能包的静态安全分析器。此外，“skill-smith”实现了技能生命周期管理框架，支持技能的创建、版本控制与分发。这些工作共同丰富了对AI技能生态的理解，促进了从简单收集到智能治理的范式转换，使该数据集成为推动代理技能标准化和安全化的基石资源。