今天 GitHub 榜首不是新模型，是英伟达的 auto-ontology：agent 的瓶颈移到脚手架上了

11 月 5 日的 GitHub Trending 里，前三名没有一个是新模型。榜首是英伟达的 auto-ontology，一天涨了 2050 颗星：它给企业数据库建一层语义层，让数据 agent 提问时先对齐“这个字段到底是什么意思”，再生成查询——agent 答错数，往往不是模型笨，是它没搞懂你的表结构。默认部署要接 NVIDIA NIM 的模型端点和 API 密钥，配 Docker、Postgres，凭证可选 HashiCorp Vault；目前不接受外部贡献，也还没有打 tag 的正式 release。

榜上值得一起看的还有两个：Vercel 的 agent-desktop，一天涨约 2500 颗星，一个命令行工具，让 agent 通过无障碍树去操作 macOS 和 Windows 上的桌面应用，新版本加了 MCP 服务器；GitHub 自己的 spec-kit，给 coding agent 一套结构化流程——从一份书面 spec 出发，走计划、任务、实现，agent 不再是想到哪写到哪。

我的判断是：这份榜单说明 agent 的瓶颈已经从模型移到了脚手架上。模型够强了，缺的是让它在真实系统里不出错的中间层：语义对齐、桌面操作、从 spec 到实现的流程——三者都是“让 agent 少犯低级错误”的基础设施，而不是“让它更聪明”。对小团队来说，抄作业的顺序应该是反过来的：先给 agent 立规矩（spec-kit 这类流程），再给它接系统的能力（auto-ontology 这类语义层），最后才考虑换更强的模型。这个结论在两种情况下不成立：一是只看星数就装——星数衡量的是关注度，不是质量和安全性，auto-ontology 没有正式 release，agent-desktop 等于把桌面控制权交给 agent，两个都得先在沙箱里试；二是指望装一个工具就解决 agent 乱答——脚手架只能减少特定类型的错误，换模型解决不了的问题，它也解决不了。