drizzle digest
⌕ ESC
↑↓ 选择↵ 打开esc 关闭⌘K 唤起
← 主页 NO.219
专栏 · 一人公司 ›
第 219 期 · AI 产品 · 收录于 2026 年 9 月 15 日

5 个 GitHub 仓库:干掉 AI 垃圾文、做出爆款、赚到钱——Greg Isenberg

GI
Greg Isenberg
AI 产品创业增长
视频 24:44 原文约 2.2 万字 预计阅读 19 分钟 来源视频 ↗ 中英对照全文
TL;DR · 三句话
  1. 一Greg 从过去 30 天受关注的 GitHub 仓库里挑出五个免费开源项目（开头口播说六个，实际讲了五个）：Peter Yang 的 No AI Slop Skill、trycompai 的 agent 原生 CRM、Browser Use 团队的 Video Use、NVIDIA 的 SkillSpector、Phone Harness——理由是「你今天在 GitHub 上看到的工具，就是半年后大家都在热议的东西」。→ 详细
  2. 二去 AI 腔「不是为了让文字更漂亮，而是为了让你的沟通更可信」：读者闻得出 AI 味，不会点破，只会少信你、直接划走；所以正确顺序是人先写出真想法和要点，AI 只负责清理，而不是让 AI 一次生成全文再反复挑刺。→ 详细
  3. 三另外四个仓库指向同一件事——agent 正从回答问题转向操作工具（替你给客户关系保鲜、按写成明文的剪法剪片、在真机上点完注册流程）；当 skill 和 MCP 拼成你的「小型操作系统」，装之前先扫一遍就成了每个 builder 的事；而每个仓库的用法都是同一个三步：装上 → 只跑通一个小工作流 → 再决定自用还是做成产品卖。→ 详细
01

为什么 Greg 最近泡在 GitHub：提前半年看见下一波工具

  • Greg 的判断：在 agent 时代，GitHub 是抢「不公平优势」的最佳去处之一——你今天在上面看到的工具，就是半年后大家都在热议的东西；很多后来长成 SaaS 公司、agency（替客户干活的服务商）、工作流和创业点子的东西，都是先在那里冒头。他引了那句名言：「未来已经来了，只是分布得还不均匀。」→ 详细
  • 选法：翻了过去 30 天里受关注的一大堆仓库，挑出他认为你该知道的（开头口播说「六个」，标题和正文实际逐个讲了五个）。入选标准是「每一个我都能想象有人拿它赚钱，或实打实省下时间」；有的偏技术，他承诺全部用大白话讲清「干什么 / 为什么重要 / 怎么用 / 今天怎么试」。来源有大有小：一个出自 NVIDIA（口播说是「最后一个」，正文里实际排第四），另外几个出自规模较小的开发者。→ 详细
  • 成本提醒：全部免费开源（代码免费用），但有的带付费依赖——比如其中一个依赖 ElevenLabs（AI 语音服务），那是要花钱的。→ 详细
02

No AI Slop Skill 在治什么病：语法全对，却一股「AI 味」

  • 第一个仓库是 Greg 的朋友 Peter Yang 做的 No AI Slop Skill（slop 指 AI 批量吐出的低质内容，这里专指「AI 腔」）。痛点每个用 AI 写东西的人都碰到过：让 ChatGPT 或 Claude 帮你写一条推文、一篇 LinkedIn 帖子，语法没问题、句法也没问题，技术上挑不出毛病，但就是有股说不上来的怪味儿。→ 详细
  • Greg 点名的症状：读起来太精雕细琢、太工整对称、太套路化；动不动冒出「不是 X，而是 Y」的句式；特别爱用 quietly（悄然） 这个词。他的比喻是「读起来就像在看一场山寨 SaaS 大会上的主题演讲」，而且「一旦你注意到了，就再也没法视而不见」——现在很多人都闻得出这股味儿。→ 详细
  • 这个 skill 的定位本质上就是一个编辑：专门揪出让文字显得像 AI 生成的套路、剔掉，同时尽量保留你本来的语气和风格。Greg 强调后半句最要紧——很多写作工具能让文字更干净，却「把有意思的部分也一并磨平了，让所有人听起来都一个样」；而听起来跟别人一样就很难脱颖而出，所以你要的恰恰是反着来。→ 详细
03

去 AI 腔不是为了写得更漂亮，而是为了让人信你

  • 做产品的人一直在写：Greg 自己要写推文、落地页、cold email（陌生开发信）、产品发布帖、产品更新、onboarding（新用户引导）文案，有投资人的还得写投资人更新——每一样都是你想「脱颖而出」的地方，写成千篇一律的 AI 腔，「大家是能感觉出来的」。→ 详细
  • 读者的真实反应不是当面点破，而是悄悄扣分：「他们可能不会说这是 AI 写的……但他们就是会没那么信任你」——直接划走、不回复，甚至因为觉得「这是 AI 写的」而压根不信你说的内容。→ 详细
  • 所以 Greg 给这个仓库的定性是：「它其实不是为了让文字更漂亮，而是为了让你的沟通更可信」（isn't really about making writing nicer… it's really about making your communication more believable）。→ 详细
04

正确用法：人先写粗稿，AI 只负责清理

  • 安装：当成 skill 装——输入 npx skills add 再跟上仓库的 GitHub 链接（Greg 说五个仓库的链接都放在视频描述里）；装好后在你自己的 agent 工作流里，手头任何东西有草稿，都能拿来过一遍。→ 详细
  • Greg 本人的跑法：不让 AI 从零把整篇编出来，先自己写个大纲、把真正要讲的要点记下来，「哪怕乱一点也没关系」，再让 skill 去掉那些 AI 味套路、同时保留你的语气。一句话：「先有一套人的想法，再让 AI 做清理」（a human set of ideas first, AI cleanup second）。→ 详细
  • 他拿来对照的是现在多数人的做法：要么让 AI 全写、指望 one-shot（一次生成到位），然后一遍遍地说「这个看着不行，这个看着也不行」。借 skill 做这种人机混合的写法，他认为「特别有意思」。→ 详细
05

Comp AI 开源 CRM：把 CRM 从「你的文件柜」变成「agent 的工作台」

  • 第二个仓库是 trycompai 做的 CRM——一个专为 AI agent 打造的开源 CRM。Greg 先把普通 CRM（客户关系管理系统）讲白：存人脉、客户和销售线索的地方，说白了就是个数据库，里面是姓名、邮箱、备注，拿来做销售时再加上交易阶段。→ 详细
  • 病根在于几乎所有 CRM 都得靠你自己动手维护：记得更新某人的情况、上次发生了什么、对方说了什么、谁已经没了下文。于是剧本总是一样——「一开始你还挺兴奋，过了几周数据就过时了，备注也乱七八糟，你干脆就不更新了」，CRM 变成一座座坟场，「那些真正能帮你赚钱的人，最后就躺在一个谁都不想打开的工具里」。→ 详细
  • 这个仓库的转向：把 CRM 当成 agent 的工作台，而不是给你自己用的文件柜（a workspace for an agent instead of a filing cabinet for you）。agent 能翻看记录、调研联系人、补全公司信息、安排跟进、让备注始终保持最新——「基本上所有你不想干的活儿，它都能替你干掉」。理念一句话：它不该只是存储信息，而该替你维护整张关系图谱（maintain the relationship graph for you）。→ 详细
06

真正的痛点不是缺机会，而是机会散落各处、被你忘掉

  • Greg 说这件事对创始人很关键：「大多数公司其实并不是因为缺机会而失败的，很多时候失败是因为机会散落得到处都是。」例子：大概半年前有人给你做过一次 warm intro（熟人引荐），或者有个客户说「过段时间再联系」，然后你就把这事忘了——「而那些邮件里其实躺着真金白银」。→ 详细
  • 他认为这类工具背后的更大机会是：每个人都有 CRM 问题，只是从来没人真这么叫它。大家嘴上说的是「我忘了跟进」「我忘了该给谁发邮件」「我们的线索一团糟」，或者一种「天哪，我在白白错过赚钱的机会」的感觉（Greg 说自己肯定有过）——这些其实都是同一种痛点，而这个仓库正好指向了解法。→ 详细
  • 他把它放进清单，是因为背后那个大想法：「怎么打造真正能跟你一起干活的关系系统？让 agent 真正把活干了。」→ 详细
07

怎么测怎么装：不取代 Salesforce，先建一条「绝对不能忘的意向客户」管线

  • 定位先说清：用法不是取代 Salesforce（行业头部的大型 CRM）——「我可没这么建议」，它更像一个小而实用的用法。Greg 能想到的场景：给自己的播客找赞助，把赞助商管线（pipeline，线索从接触到成交一步步推进的流程）跑在上面、跟踪 agency 线索；管理投资人更新；跟进每一个加入了他 vibe coding（用大白话让 AI 写代码、凭感觉做出来）的产品候补名单的人；或者让它把一个小型 SaaS 的客户成功工作整个包下来。→ 详细
  • 测试方法是先从一个小工作流开始：建一条管线，名字就叫类似「绝对不能忘的意向客户」（warm leads I can't afford to forget），把每一个表现出任何购买意向的人都丢进去——回过邮件的、约过电话的、问过价格的、说过「45 天后」或「圣诞节后」再联系的——然后让 agent 去干费劲的活，让这些线索一直保持热度。→ 详细
  • 「放在以前，你得专门雇个人来干这个」；现在是 agent 替你回答：谁需要跟进？该跟谁说、说什么？自从上次聊过之后，他们公司有什么变化？→ 详细
  • 安装步骤：先装好 bun（JavaScript 运行环境兼包管理器）和 docker（容器工具）→ git clone 仓库 → cd crm、cp .env.example .env → bun install → docker compose up -d → bun run db:deploy → bun run db:seed → bun run dev；装好后在本地跑，通常前端在 localhost:3000、API 在 localhost:3001。→ 详细
  • 还得配环境变量，尤其是鉴权：想要登录和邮箱 / 日历集成（Greg 估计你肯定想要），就需要一个 Google 或 Microsoft 的 auth 客户端。他的评价：「不是一键安装、样样都配得漂漂亮亮的东西，但它是实打实的，是个有产品样子的仓库（product-shaped repo）」。→ 详细
08

Video Use：让 Claude Code / Codex 替你剪视频，剪法变成 agent 能读能复用的东西

  • 第三个仓库出自 Browser Use 团队，叫 Video Use，Greg 说是他最喜欢的之一，「你一看就懂」：用 coding agent 剪视频。把原始素材丢进一个文件夹，让 Claude Code 或 Codex 这样的 agent 去剪——删掉嗯、呃这类口水词，剪掉没内容的空档，加字幕、调色、做叠加画面（overlay），渲染出片，而且还会真的去检查成片。→ 详细
  • 市面上 AI 剪辑软件已经一大堆，Greg 认为它真正酷的地方在于：剪辑流程变成了你的 agent 能理解、能重复执行的东西。他的观察是，做内容的人翻来覆去用的就那么几种剪法、同一套字幕风格——拿他自己的 YouTube 频道说，每一期风格都非常相似：固定的节奏、固定的剪停顿方式、开场片段的处理，以及把一段长对话拆成短视频和中视频（shorts and mids）的套路。→ 详细
  • 关键转变：这些「通常其实只存在某个人的脑子和肌肉记忆里」的东西，在这个仓库里被写成了明文——agent 真能读逐字稿、看时间戳、提出剪辑方案、渲染出片，再逐个检查剪辑点。「这多酷啊？」→ 详细
  • 为什么值得：「如果你是创作者或创始人，内容很可能是你最大的瓶颈之一……产品再好，没人看到照样会输。」他给这个仓库的定义是：缩短从原始素材到发布成品之间的距离。→ 详细
09

Video Use 怎么起步：先做一种小格式，跑成系统再卖——每个细分行业都缺人剪

  • Greg 不会第一天就想把整个 YouTube 频道全自动化：「那步子迈得太大了」。他观察到很多人第一天装上这种仓库、一开跑没拿到想要的结果，原因就是一上来要求太多。→ 详细
  • 他的起步法：从一个小的、可重复的格式开始——比如把创始人录的一段 Loom（录屏讲解工具）视频做成 60 秒的产品发布视频，或者拿一段播客录音直接说「我要从里面剪出三条爆款切片」，「这就足够起步了」。然后三步走：有了一种格式 → 做成一套系统 → 系统既可以自己跑，也可以卖给别人。→ 详细
  • 「这不就是一个创业点子吗？」每个细分领域都需要内容，而几乎没有人喜欢剪辑：房产经纪要房源视频，SaaS 厂商要产品视频，教练要切片，代理公司要各种版本的广告；各行做内容的工作流各不相同，「很多时候做内容挺好玩，但真正的剪辑环节是真难」。→ 详细
  • 上手对 agent 很友好：把 setup prompt 粘进 Claude Code、Codex 或任何有 shell 权限（能直接在电脑命令行执行命令）的 agent，大意是「装好这个仓库，先读 install.md，安装，配好 FFmpeg（开源音视频处理工具），把 skill 注册到我正在用的 agent 上，需要时再问我要 ElevenLabs 的 API key」——开头提醒的那个付费依赖就在这里。手动装也行（git clone、ln -sfn 那一套），但 Greg 说对 95% 的听众，不如直接让 agent 替你装。→ 详细
10

NVIDIA SkillSpector：skill 不只是一段文字，装之前先扫一遍

  • 第四个仓库出自 NVIDIA，叫 SkillSpector，Greg 说这个「想都不用想就该装」。背景是大家已经开始直接从 GitHub 安装 skill、MCP server（让 AI 接入外部工具和数据的接口服务）、plugin 和各种 agent 工具——令人兴奋，因为能给 AI 带来新能力；但问题是「skill 可不只是一段文字」：它可能包含指令、脚本、依赖和工具权限，说白了就是会改变你 agent 工作方式的各种行为，某些情况下真能动你的文件、调用工具、连接外部服务。→ 详细
  • 它干的事：扫描 agent skill 的安全问题——prompt 注入（在内容里藏一段话去劫持 AI 的行为）、数据外泄、供应链风险（你装的东西或它依赖的东西被人动过手脚）、隐藏指令，基本上任何恶意模式，外加跟 MCP 相关的风险。Greg 的原则一句话：「在把新工具交给你的 AI 之前，先扫一遍这个工具。」→ 详细
  • 为什么现在更重要：AI 工作流正变得越来越模块化——大多数人还只用一个聊天机器人，但 builder 们已经在拼装自己的 AI 工作环境：一个 coding agent、一个调研 skill、一个设计 skill，可能还有浏览器工具、一套视频工作流。「到了某个时候，你这一套配置看起来就像一个专为你的工作服务的小型操作系统」；一旦到这一步，「安全就不再只是企业才需要操心的事，而会变成普通 builder 或创始人都得面对的问题」。（Greg 特意声明：跟 NVIDIA 没有任何利益关系。）→ 详细
11

SkillSpector 怎么用，以及「谁来判断什么是安全的」这个空位

  • 安装：用 uv（一个 Python 工具管理器）——uv tool install git+ 后面贴上 GitHub 链接；扫一个本地 skill 目录用 skillspector scan ./my-skill，也可以 skillspector scan 加链接直接扫一个 GitHub 仓库。不想在本地装 Python 的，还有 Docker 方案。→ 详细
  • 隐私开关 --no-llm：加上它就是更快的静态扫描（只按规则比对代码和文本，不调用大模型），不会把文件内容发给 LLM 服务商——Greg 提醒，扫的是敏感文件或私密文件时这一点很重要。→ 详细
  • Greg 琢磨了挺久的判断：如果团队要装 AI skill 和 MCP server，「总得有人帮他们判断什么是安全的」——这个角色可以是一个可信的应用市场、一个安全扫描器、一道面向企业的安装关卡，或者每个 agent 平台都内置的一项功能。他收录它，一是因为 NVIDIA 背书「给整个品类带来了可信度」，二是大厂等于坦白承认「很多这类 skill、plugin 可能是恶意的，你得小心」——「得跟大家说实话」。→ 详细
12

Phone Harness：让 agent 真正操控你的手机，够到那些没有 API 的 App

  • 第五个仓库叫 Phone Harness，让 AI agent 真正操控你的手机。Greg 的切入点：大多数 agent 工具都围绕浏览器、终端和桌面应用打造——说得通，大量工作在那里完成；但现在海量的事情是在手机上完成的：银行 App、聊天、社交、外卖……有一大堆工作流很难自动化，因为唯一真正能操作的界面就是手机屏幕。→ 详细
  • 原理：把 Codex 或 Claude Code 这类 agent 连到一台真实的 iPhone 或 Android 手机——iPhone 用 Mac 上的 iPhone 镜像功能，Android 用 ADB（安卓调试桥，电脑操控安卓机的官方通道）。不用越狱（Greg：「天哪，我可不想越狱任何东西」），不用 Xcode，手机上也不用装特别的 App。agent 能看到屏幕内容，点击、打字、滚动、打开各种 App，然后核实操作之后发生了什么。→ 详细
  • 回答「这有什么意义」的三类用处：① 做移动 App 的——QA（上线前的质量测试），让 agent 在真机上测新手引导、注册和结账流程；② 做自动化的——它能打开那些没有 API（程序对接接口）的手机 App；③ 创作者甚至运营——它最终能处理 TikTok、Instagram 这类平台上重复性的手机端工作流。→ 详细
13

Phone Harness 第一个测试：让 agent 把注册流程点一遍，告诉你哪里卡住

  • Greg 建议的第一件事「超级简单」：测一遍手机端注册流程——打开 App、创建账号、把新手引导一路点完、试一下结账、截图，「然后告诉我哪里让人困惑、哪里会出故障」。他说这「非常有价值」：每个移动端团队都应该经常做，但大多数都没做——因为太繁琐，或者不想专门雇个人去干，又或者说实话，人自己也会出错。→ 详细
  • 安装同样是把仓库给的 setup prompt 粘进 Codex 或 Claude Code，大意：克隆仓库、读 install.md、装好并确保 phone-harness 在 PATH（系统能直接找到这个命令的路径）里、注册成 agent skill，再读 onboarding.md 一步步带你配置。iPhone 需要 macOS Sequoia 或更新版本、开启 iPhone 镜像，并给终端授予辅助功能和屏幕录制权限；Android 打开开发者选项，通过 USB 用 ADB 连接（无线也行）；最后跑 phone-harness --doctor 检查配置。→ 详细
  • 局限他也直说：还很早期，有些手机流程跑不完美——锁屏的手机还得你亲自来，Face ID 和相机相关的流程也挺棘手。但「方向是显而易见的」：agent 正在从回答问题转向操作工具，而手机是全世界最大的工具界面之一。→ 详细
  • 顺手抛的创业账：把这些工作流摸透就有点子——如果能把移动端 QA 做成产品，会有人愿意每月付 100 美元、500 美元吗？需要多少客户才能做到每月 1 万美元？（他只提问，没给答案。）→ 详细
14

收尾：装上 → 跑通一个小工作流 → 再决定自用还是卖，每月逛一次 GitHub

  • 这类仓库通用的三步法：第一步先装上；第二步搭一个小工作流，把它跑通、创造价值；第三步再想——是把它做成产品给别人用，还是继续留在自己的工作流里提效、赚钱、创造价值。→ 详细
  • 为什么值得花时间：Greg 说他可不想当全职开源分析师，但「GitHub 是少数几个还能在好工具火起来之前就发现它们的地方之一」；而且就算你不懂技术，装的过程本身就在学——你会摸清什么适合你、这个仓库还缺什么、怎么让它在你公司用起来、怎么把它卖给别人。→ 详细
  • 他的建议是养成每个月找几个新仓库装上试试的习惯：能更快把东西做出来，也会在 agentic 时代「帮你在脑子里把各个点串起来」。结尾他问观众这种形式该每月、每两周、每六周做一期，还是再也别做。→ 详细
15

闪电问答 / 收尾

本期为 Greg 单人 solo 节目，无闪电问答；收尾的三步法与「每月逛一次 GitHub」的建议已并入主题十四。

16

联系方式

本期无嘉宾，片中未提供联系方式。Greg 口播说五个仓库的 GitHub 链接都放在 YouTube 视频描述里。

接着读
NO.218 · AI 产品 从抖音到 AI 3D、创业的过山车、成为制造业 OS 的野心,以及基础模型不会吞噬一切——对谈数美万物创始人卷卷(任利锋) 卷卷 · 40 分钟 NO.217 · 产品 我搭了一套 Claude Cowork 系统,一天干完一周的 PM 工作——Daniel Blum(Melio) Daniel Blum · 26 分钟