Die 10 beliebtesten GitHub-Agent-Skills dieser Woche (21.–26. Juli 2026)

Zu den 10 angesagtesten GitHub-Agent-Skills dieser Woche gehören OmniRoute, Orca, code-review-graph, Graphify, Hallmark, Pi, Grok Build, i-have-adhd, Agent-Reach und OfficeCLI. Diese Momentaufnahme vom 21.–26. Juli 2026 ordnet agentenbezogene Projekte, die anhand ihres wöchentlichen Star-Wachstums aus den Top 20 des wöchentlichen GitHub-Rangs ausgewählt wurden. Einige davon sind installierbare Skills, andere Agenten-Tools, Kontextsysteme, Modell-Gateways oder Laufzeitumgebungen für Coding-Agenten, die einem KI-Workflow praktische Funktionen hinzufügen.

So wurde diese Rangliste der GitHub-Agent-Skills erstellt

Die Quelldaten stammen aus dem wöchentlichen GitHub-Rang für den 21.–26. Juli 2026. Diese Rangliste ordnet Open-Source-Repositories nach der Zahl der Stars, die sie im Laufe der Woche erhalten haben, nicht nach der Gesamtzahl der Stars, Downloads, Installationen, Benchmarks oder redaktionellen Bewertungen.

Die Quellrangliste umfasst alle Arten von Open-Source-Projekten. Für diesen Artikel haben wir die Top 20 nach Repositories gefiltert, die direkt eine Funktion, Schnittstelle, einen Workflow oder eine Wissensebene für KI-Agenten bereitstellen. Die Projekte behalten ihre relative Reihenfolge aus der Quellrangliste bei, sind in dieser auf Agenten ausgerichteten Liste jedoch von 1 bis 10 nummeriert.

Das wöchentliche Star-Wachstum zeigt, wohin sich die Aufmerksamkeit auf GitHub verlagert. Es beweist jedoch nicht, dass ein Repository sicher, stabil, mit deinem Agenten kompatibel oder für den Produktionseinsatz geeignet ist. Nutze diese Liste zur Entdeckung und prüfe jedes Projekt vor der Installation.

Die 10 angesagtesten GitHub-Agent-Skills dieser Woche

1. OmniRoute: Coding-Agenten über verschiedene KI-Anbieter routen

OmniRoute belegte mit 11.190 neuen Stars den ersten Platz in der vollständigen wöchentlichen GitHub-Rangliste. Es bietet einen einzigen Endpunkt, über den Coding-Tools wie Codex, Claude Code, Cursor, Cline und GitHub Copilot mit mehreren KI-Anbietern verbunden werden können.

Der praktische Nutzen liegt im Modell-Routing. Statt jeden Agenten separat für einen Anbieter zu konfigurieren, kann eine Routing-Ebene die Anbieterauswahl und das Ausweichverhalten zentralisieren. Das ist für Entwickler relevant, die zwischen Modellen wechseln, etwa aufgrund von Verfügbarkeit, Eignung für die jeweilige Aufgabe, Kontextanforderungen oder Nutzungslimits.

Am besten geeignet für: Entwickler, die mehrere Coding-Agenten oder KI-Anbieter nutzen.

Vor der Nutzung prüfen: Zugangsdaten des Anbieters, Routing-Regeln, Protokollierung von Anfragen, Ausweichverhalten, Datenverarbeitung und ob die beworbenen Integrationen mit deinen aktuellen Tools kompatibel sind.

2. Orca: Eine Flotte paralleler Coding-Agenten verwalten

Orca erhielt 7,205 Stars und belegte den zweiten Platz in der wöchentlichen Rangliste. Es wird als Entwicklungsumgebung für Agenten positioniert, mit der sich mehrere Coding-Agenten über Desktop- und Mobiloberflächen ausführen und verwalten lassen.

Damit wird ein anderes Problem als das Modell-Routing angegangen. Sobald mehrere Agenten gleichzeitig arbeiten, benötigt der Nutzer Einblick in aktive Aufgaben, Ergebnisse, Fehler und Übergaben. Orca ist daher für Entwickler relevanter, die eine ganze Gruppe von Agenten koordinieren, als für jemanden, der eine kurze Coding-Sitzung durchführt.

Am besten geeignet für: parallele Coding-Aufgaben und die Beaufsichtigung mehrerer Agenten.

Vor der Verwendung prüfen: unterstützte Coding-Agenten, Abonnementanforderungen, Workspace-Isolierung, Berechtigungsgrenzen, mobiler Zugriff und wie gleichzeitige Agenten dasselbe Repository ändern.

3. code-review-graph: Agenten dauerhaften Code-Kontext bereitstellen

code-review-graph belegte nach einem Zuwachs von 6,281 Stars den dritten Platz. Es erstellt einen lokalen Code-Intelligenz-Graphen, auf den über MCP und CLI-Workflows zugegriffen werden kann.

Das Projekt versucht, ein häufiges Problem bei großen Repositories zu lösen: Ein KI-Coding-Agent liest oft einzelne Dateien, ohne zu verstehen, wie Module, Definitionen und Abhängigkeiten zusammenhängen. Ein persistenter Code-Graph kann dem Agent dabei helfen, bei Reviews oder der Implementierung einen kleineren, relevanteren Kontext abzurufen.

Am besten geeignet für: große Repositories, Code-Reviews, das Nachverfolgen von Abhängigkeiten und kontexteffiziente Agent-Workflows.

Vor der Verwendung prüfen: Sprachabdeckung, Parsing-Genauigkeit, Aktualisierungsverhalten des Graphen, Anforderungen an den lokalen Speicher, MCP-Berechtigungen und wie das Projekt die Kontextreduzierung misst.

4. Graphify: Repositories in abfragbare Wissensgraphen verwandeln

Graphify erhielt 4,906 Stars und belegte den siebten Platz in der gesamten wöchentlichen Rangliste. Es wird als Skill für KI-Coding-Assistenten in Codex, Claude Code, Cursor, Gemini CLI und anderen Agent-Umgebungen vorgestellt.

Graphify kann mehr als nur den Quellcode von Anwendungen abbilden. Sein Anwendungsbereich umfasst Dokumentation, SQL-Schemas, Konfigurationen, Infrastruktur, Skripte und weiteres Projektmaterial. Dadurch ist es nützlich, wenn die Beziehungen, die ein Agent benötigt, über Code, Daten und Betriebsdateien hinweg reichen.

Am besten geeignet für: die Erkundung von Repositories, Architekturfragen, Schema-Beziehungen und Kontexte mit gemischtem Code und Dokumentation.

Vor der Verwendung prüfen: unterstützte Dateitypen, Parsing-Grenzen, Graphgröße, Indexierungsdauer, Umgang mit lokalen Daten und ob sich jede generierte Beziehung bis zu ihrer Quelle zurückverfolgen lässt.

5. Hallmark: Generisches, KI-generiertes Interface-Design reduzieren

Hallmark erhielt 4,810 Stars und belegte Platz acht in der Quellenrangliste. Es ist eine installierbare, designorientierte Funktion für Codex, Cursor und Claude Code.

Das Projekt wirkt generischen, KI-generierten Oberflächen entgegen, indem es Coding-Agenten einen stärker vorgegebenen Design-Review-Workflow bietet. Das kann helfen, wenn ein Agent zwar technisch funktionierende Seiten erstellt, diese aber dennoch unter einer schwachen visuellen Hierarchie, sich wiederholenden Karten, übermäßiger Dekoration, uneinheitlichen Abständen oder vorhersehbaren visuellen Mustern leiden.

Am besten geeignet für: Landingpages, Dashboards, Frontend-Reviews und die Reduzierung generischer KI-Oberflächen.

Vor der Nutzung prüfen: ob die Designregeln zum eigenen Markensystem, zu den Barrierefreiheitsanforderungen, zur Komponentenbibliothek, zum responsiven Verhalten und zu den bestehenden Repository-Anweisungen passen.

6. Pi: Auf einem erweiterbaren Agenten-Framework aufbauen

Pi erhielt 4,756 Stars und belegte in den wöchentlichen Quelldaten Platz neun. Es vereint eine einheitliche LLM-API für mehrere Provider, eine Agentenlaufzeit mit Tool-Aufrufen und Zustandsverwaltung, eine interaktive CLI für Coding-Agenten sowie Komponenten für Terminal-Benutzeroberflächen.

Pi ist eher ein Agenten-Framework als eine eng gefasste Aufgabenfunktion. Es eignet sich für Entwickler, die ihre eigene Umgebung für Coding-Agenten zusammenstellen oder erweitern möchten, statt ein einzelnes Anweisungspaket für einen bestimmten Workflow zu installieren.

Am besten geeignet für: individuelle Agentenlaufzeitumgebungen, terminalbasiertes Programmieren, Tool-Aufrufe und die Entwicklung mit mehreren Providern.

Vor der Nutzung prüfen: Dateisystem- und Prozessberechtigungen, Netzwerkzugriff, Provider-Authentifizierung, Sandboxing, Containerisierung, festgelegte Abhängigkeitsversionen und die Grenzen für Shell-Befehle.

7. Grok Build: Einen Coding-Agenten im Terminal ausführen

Grok Build erhielt 3,989 Stars und belegte Platz elf in der vollständigen wöchentlichen Rangliste. Es handelt sich um ein Open-Source-Framework für terminalbasierte Coding-Agenten mit einer Vollbildoberfläche.

Der Agent kann mit einer Codebasis arbeiten, Dateien bearbeiten, Shell-Befehle ausführen, im Web suchen und längere Aufgaben verwalten. Er unterstützt sowohl die interaktive Nutzung als auch den Headless-Betrieb für Skripte oder CI und ist damit umfangreicher als eine einzelne wiederverwendbare Agentenfunktion.

Am besten geeignet für: terminalbasiertes Programmieren, Änderungen an Repositorys, skriptgesteuerte Agentenarbeit und erweiterbare CLI-Workflows.

Vor der Nutzung prüfen: Authentifizierung, Sandboxing, Shell-Zugriff, Verhalten bei Genehmigungen, unterstützte Plattformen, Berechtigungen für die Websuche und den Unterschied zwischen dem Erstellen aus dem Quellcode und der Installation einer veröffentlichten Binärdatei.

8. i-have-adhd: Agentenantworten leichter erfassbar machen

i-have-adhd erhielt 3.270 Stars und belegte insgesamt Platz sechzehn. Anders als die umfangreicheren Laufzeitumgebungen auf dieser Liste ist es ein gezielter Verhaltens-Skill, der verhindern soll, dass Coding-Agenten die Antwort in langen Erklärungen verstecken.

Dadurch erhält ein Agent kein neues externes Tool. Stattdessen wird verändert, wie Informationen organisiert und präsentiert werden, sodass das Ergebnis prägnanter und leichter zu überfliegen ist. Das kann für Entwickler nützlich sein, die schnell die Entscheidung, den Befehl, den Fehler oder den nächsten Schritt erkennen möchten.

Am besten geeignet für: prägnante Antworten, klarere Aufgabenlisten und eine ADHS-freundliche Strukturierung der Ausgabe.

Vor der Verwendung prüfen: ob übertriebene Kürze technischen Kontext, Warnungen, Annahmen oder Belege auslässt, die für komplexe technische Entscheidungen erforderlich sind.

9. Agent-Reach: Recherchefunktionen für mehrere Plattformen hinzufügen

Agent-Reach erhielt 3.083 Stars und belegte Platz siebzehn in der vollständigen Wochen-Bestenliste. Es bietet eine CLI, über die ein KI-Agent Inhalte auf Plattformen wie GitHub, Reddit, YouTube, Twitter, Bilibili und Xiaohongshu suchen oder lesen kann.

Diese Fähigkeit ist nützlich, wenn ein Agent Belege von mehreren öffentlichen Plattformen benötigt und nicht nur eine gewöhnliche Websuche durchführen soll. Mögliche Workflows umfassen das Sammeln von Nutzerberichten, den Vergleich von Reaktionen in Communities, die Suche nach Videos und das Auffinden von Diskussionen in Repositories.

Am besten geeignet für: plattformübergreifende Recherche, Community-Entdeckung, Inhaltsüberwachung und das Sammeln von nutzergenerierten Belegen.

Vor der Verwendung prüfen: Plattformbedingungen, Umgang mit Anmeldung oder Cookies, Ratenbegrenzungen, Scraping-Verhalten, Aktualität der Daten, regionale Verfügbarkeit und ob sich abgerufene Inhalte bis zu ihrer ursprünglichen Quelle zurückverfolgen lassen.

10. OfficeCLI: Agenten mit Office-Dateien arbeiten lassen

OfficeCLI erhielt 2.873 Stars und belegte Platz neunzehn in der Bestenliste der Quelle. Es wurde entwickelt, damit KI-Agenten Word-, Excel- und PowerPoint-Dateien über eine Befehlszeilenschnittstelle lesen, bearbeiten und automatisieren können.

Damit erweitert sich ein Agent über Workflows mit Quellcode hinaus. Eine Office-Ebene auf CLI-Basis kann die Erstellung von Berichten, die Aktualisierung von Tabellen, die Prüfung von Dokumenten und die Automatisierung von Präsentationen unterstützen, ohne von einer lokal installierten Microsoft-Office-Version abhängig zu sein.

Am besten geeignet für: Dokumentenautomatisierung, Tabellenkalkulations-Workflows, Berichtserstellung und Aktualisierungen von Präsentationen.

Vor der Verwendung prüfen: Formatierungstreue, Formeln, Diagramme, Makros, eingebettete Medien, nachverfolgte Änderungen, passwortgeschützte Dokumente, temporäre Dateien und die Validierung der endgültigen gerenderten Ausgabe.

Welchen angesagten GitHub-Agent-Skill solltest du ausprobieren?

Wenn du andere Agenten-Skills nach Plattform und Aufgabe vergleichen möchtest, bietet der AI Agent Skill Finder eine weitere Möglichkeit, die verfügbaren Optionen einzugrenzen.

So prüfst du einen angesagten GitHub-Agent-Skill

Stelle fest, worum es sich bei dem Repository tatsächlich handelt

Gehe nicht davon aus, dass jedes angesagte Projekt ein portables SKILL.md ist. Diese Liste umfasst spezialisierte Skills, Kommandozeilentools, Knowledge-Graph-Systeme, Routing-Ebenen und vollständige Agenten-Laufzeitumgebungen. Ihre Installationsmethoden und Risikoprofile unterscheiden sich.

Untersuche Installationsbefehle

Prüfe Shell-Befehle, bevor du sie ausführst. Achte darauf, ob die Installation Binärdateien herunterlädt, globale Pakete hinzufügt, Konfigurationen ändert, Container startet, Hintergrunddienste ausführt oder Administratorrechte anfordert.

Prüfe Zugangsdaten und Datenpfade

Ermittle, auf welche API-Schlüssel, Browsersitzungen, Repository-Tokens, Dateien und externen Konten das Projekt zugreifen kann. Ein Modell-Router verarbeitet möglicherweise die Zugangsdaten von Anbietern, während ein Recherchetool Cookies oder Plattformkonten verwenden kann.

Prüfe Berechtigungsgrenzen

Eine Laufzeitumgebung für Coding-Agenten kann möglicherweise Dateien bearbeiten und Befehle mit den Berechtigungen des Benutzers ausführen, der sie gestartet hat. Verwende ein Wegwerf-Repository, einen Container, eine virtuelle Maschine oder eine eingeschränkte Umgebung, wenn das Projekt keine ausreichende Isolation bietet.

Überprüfe die Ausgabe

Betrachte eine erfolgreiche Ausführung nicht als Beweis für die Korrektheit. Prüfe Codeänderungen, rendere bearbeitete Office-Dateien, verifiziere extrahierte Quellen, untersuche generierte Diagramme und bestätige, dass das Routing des Modells wie konfiguriert funktioniert.

Blicke über das wöchentliche Sternwachstum hinaus

Ein schnelles Wachstum der Sterne kann auf zunehmendes Interesse hindeuten, aber auch auf einen Launch, eine Ankündigung oder einen Anstieg in sozialen Medien folgen. Prüfe vor dem produktiven Einsatz die Commit-Aktivität, offenen Issues, den Release-Verlauf, Lizenzen, Sicherheitsrichtlinien, Maintainer, Dokumentation und ungelöste Meldungen.

Fazit

Die angesagtesten GitHub Agent Skills dieser Woche zeigen, dass sich das Ökosystem über einzelne Prompt-Dateien hinaus weiterentwickelt. Die am schnellsten aufsteigenden Projekte bieten Modell-Routing, Verwaltung paralleler Agenten, dauerhaft verfügbaren Code-Kontext, Wissensgraphen, Designprüfung, Agenten-Laufzeitumgebungen, Web-Recherche, Ausgabesteuerung und Office-Automatisierung.

OmniRoute führte die vollständige wöchentliche GitHub-Rangliste vom 21. bis 26. Juli 2026 an. Spezialisierte Skills wie Hallmark und i-have-adhd zeigten, dass auch eng umrissene Verhaltens-Workflows neben größeren Agentenplattformen Aufmerksamkeit gewinnen können.

Die richtige Wahl ist nicht automatisch das Repository mit den meisten neuen Stars. Finde zunächst heraus, welche Funktion deinem Workflow fehlt, prüfe, ob das Projekt sie tatsächlich bietet, und kontrolliere Skripte, Zugangsdaten, Berechtigungen und Ausgabe, bevor du es mit wertvollem Code oder privaten Daten verbindest.

FAQ

Was sind die zehn angesagtesten GitHub Agent Skills in dieser Woche?

Für den Zeitraum vom 21. bis 26. Juli 2026 sind die zehn agentenbezogenen Projekte aus den Top 20 von GitHub Weekly Rank: OmniRoute, Orca, code-review-graph, Graphify, Hallmark, Pi, Grok Build, i-have-adhd, Agent-Reach und OfficeCLI.

Basiert diese Rangliste auf der Gesamtzahl der GitHub-Stars?

Nein. Die Quellrangliste ordnet Projekte nach der Zahl der Stars, die sie im Laufe der Woche hinzugewonnen haben. Die Gesamtzahl der Stars kann die angesammelte Sichtbarkeit eines Repositorys zeigen, bestimmt aber nicht die hier verwendete Reihenfolge.

Sind alle zehn Repositories installierbare Agent Skills?

Nein. Hallmark und i-have-adhd sind eher spezialisierte Skills. Bei den anderen Einträgen handelt es sich um Modell-Gateways, Agentenumgebungen, Code-Kontextsysteme, CLI-Tools oder vollständige Agenten-Laufzeitumgebungen. Die weiter gefasste Bezeichnung „Agent Skills“ bezieht sich auf die Fähigkeiten, die sie Agenten-Workflows hinzufügen.

Welches Projekt eignet sich am besten als Kontext für KI-Coding-Agenten?

code-review-graph konzentriert sich auf dauerhaft verfügbaren lokalen Code-Kontext, während Graphify eine größere Bandbreite an Code, Dokumentation, Schemas, Konfigurationen und anderen Projektmaterialien erfasst. Welche Lösung besser geeignet ist, hängt davon ab, welchen Umfang an Kontext dein Agent benötigt.

Welches angesagte Projekt eignet sich am besten für mehrere KI-Anbieter?

OmniRoute ist in dieser Liste die relevanteste Option, um Coding-Agenten über einen zentralen Endpunkt an mehrere KI-Anbieter anzubinden.

Welches Projekt eignet sich am besten für die Verwaltung mehrerer Coding-Agenten?

Orca ist darauf ausgelegt, eine Gruppe parallel arbeitender Coding-Agenten auszuführen und zu verwalten. Prüfe die Isolierung und das Verhalten bei gleichzeitigen Zugriffen, bevor du mehreren Agenten erlaubst, dasselbe Repository zu ändern.

Bedeutet ein schnelles Wachstum der GitHub-Star-Zahl, dass ein Projekt sicher ist?

Nein. Das Wachstum der Star-Zahl misst Aufmerksamkeit, nicht Sicherheit. Prüfe den Code, den Installationsprozess, Berechtigungen, den Umgang mit Zugangsdaten, Releases, Issues, Lizenz und Ausgabe, bevor du ein gerade angesagtes Repository verwendest.

Wie oft sollte diese wöchentliche Rangliste aktualisiert werden?

Da sich die Quelldaten wöchentlich ändern, sollten Rangliste und Datum bei jeder neuen Ausgabe von GitHub Weekly Rank aktualisiert werden. Das Datum sollte sichtbar bleiben, damit Leser wissen, welchen Stand der Artikel wiedergibt.