shotscraper 是 Simon Willison 开源的一个 CLI 工具，核心功能有三块： 1. 截图 — 对任意 URL 截图，PNG/JPEG 可选，支持区域选择、Retina 分辨率、透明背景 2. 网页抓取 — 用 JavaScript 在页面内执行，提取任意内容 3. 视频录制 — 2026 年 6 月 30 日发布的 1.10 版本新增…
仓库攻略
24 篇 · 24 个项目 · Agent 智能体 · jay · 多模态
douyinmcpserver 是一个开源的抖音/字节系短视频数据提取工具，提供无水印视频下载链接获取、AI 语音识别提取视频文案两项核心功能。它同时提供 WebUI（浏览器界面）、MCP Server（AI 助手集成）、命令行三种使用方式，支持 Claude Desktop、 Cherry Studio 等支持 MCP 协议的应用。 核心语音识别使用硅基流…
Artificial Analysis Search Index（搜索 API 指数）是一个专门针对 AI Agent 搜索工具 的评测基准，由 AI 数据分析平台 Artificial Analysis（AA）于 2026 年 8 月 18 日正式发布。它的核心思路非常干净——用同一个 Agent 环境（模型、工具调用上限、评测任务完全相同），只替换底层的…
MinerU 是由 OpenDataLab（上海人工智能实验室关联开源组织）开发的高精度文档解析引擎，于 2024 年开源。其核心能力是：将 PDF、DOCX、PPTX、XLSX、图片、网页等复杂文档，转换为 LLM 可直接消费的 Markdown 或 JSON 格式，同时保留阅读顺序、标题层级、表格结构、公式 LaTeX 等语义信息。 MinerU 最早服…
appledocsmcp 是一个 MCP 服务器，为 AI 助手提供 Apple 官方开发者文档的实时查询能力。接入后，可以在 Claude、Cursor、VS Code（Copilot MCP）、Windsurf、Zed、Cline、Amazon Q 等主流 AI 开发工具中，直接用自然语言搜索 iOS / macOS / watchOS / tvOS /…
MedSci Skills 是面向临床研究与医学人工智能的开源 Agent Skills 合集（MIT 许可证），由韩国首尔峨山医疗中心放射科医生兼研究员 Yoojin Nam, MD 构建，在真实出版物上测试通过。截至 v5.0 版本共包含 59 项技能，覆盖从文献检索、统计图表、报告指南合规审查到 AI 模型工程的全链路。 它并非通用 AI 科学家平台，…
RSIBenchData（Evolvent AI × 新加坡国立大学，arXiv:2607.25886，cs.SE，2026 年 7 月 28 日）是首个专门评测 LLM Agent 作为数据研究员（datacentric researcher）进行递归自我改进的受控基准。 它的核心问题：给一个固定的模型和训练基础设施，LLM Agent 能否自主诊断能力短…
claudekitskills 是 mrgoonie 在 GitHub 上维护的一套 Claude Agent Skills 合集，托管于 ClaudeKit.cc（一个非 Anthropic 官方的 Claude 第三方服务平台）。这并非 Anthropic 官方产品，而是社区将高频使用场景封装为可复用的 Skill 工作流——每个 Skill 约等于一个…
GPTImage2Skill 是一个面向 AI 编程 Agent（Claude Code、Codex、OpenClaw 等）的 GPT Image 2 提示词画廊 + Agent 技能 + CLI 三合一工具。它汇集了大量经过验证的 GPT Image 2 生成提示词，覆盖论文图表、UI 原型、海报、游戏资源、动漫、摄影、字体设计、产品图等二十多个分类，并提…
guizangpptskill 是「歸藏」开源的一个 Agent PPT 生成技能，专为 Claude Code / Codex 等 Agent 环境设计，可以将文章、观点、方法论自动生成精美的单文件 HTML 横向翻页 PPT，配图、封面、多平台封面也能一并生成。 内置两套视觉系统：Style A（电子杂志风）适合叙事和观点表达，Style B（瑞士国际主…
cangjieskill 是一个将书籍、长视频、播客、访谈等高价值内容蒸馏成可执行 Agent Skills 的方法论工具包。输入原始文本（书/视频字幕/播客文字稿），输出一个多文件 skill 仓库：包含独立的 SKILL.md 模块、触发条件、适用边界、使用方式和关联关系——而不是一篇总结文章。 作者 Kangarooking 的核心主张：知识看过/收藏…
FAEA（Frontier Agent as Embodied Agent）是一种无需任何演示数据、无需微调的机器人操控新范式——直接把现成的 LLM Agent SDK（如 Claude Agent SDK）当作机器人的"大脑"，让 Agent 自己写代码、调试、再尝试，直到任务成功。 核心思路一句话：机器人策略（π）负责动，LLM Agent 负责想，各…
LongHorizonTerminalBench（LHTB）是一个评测 Agent 在长时序终端任务上持续工作能力的基准测试，2026 年 7 月由来自腾讯（Tencent HY LLM Frontier）、Lehigh University、University of Maryland、University of Georgia、University of…
Retrieval Harness 是 LlamaIndex 在 2026 年提出的一种面向 Agent 的持久化检索架构模式，其参考实现为 runllama/legalkb（法律文档知识库 Demo）。 区别于传统的单次向量搜索 RAG，Harness 将文档知识库包装成一组类文件系统 API 工具（retrieve / findFiles / readF…
Khoj 是一个开源的个人 AI 助手（自称 "Your AI second brain"），核心功能是让你用自己的文档（PDF、Markdown、Notion、Word、orgmode 等）创建一个可对话的知识库，同时支持连接任意 LLM（本地 Ollama 或云端 GPT/Claude/Gemini/DeepSeek）。它可以部署在个人电脑上完全离线运行…
Academic Research Skills（ARS） 是一套专为 Claude Code 设计的完整学术研究流水线 Skill，覆盖从选题调研→撰写→评审→修改→定稿的全流程。安装后，你的 Claude Code 就变成了一个严格的学术写作助手——它会进行文献检索、结构规划、风格校准、引用核查（L3 风险评估）、事实核查，并内置多道 integrity…
OpenMontage 是全球首个开源 Agentic 视频制作系统——把 AI 编程助手（Claude Code、Cursor、Copilot、Windsurf、Codex 等）变成完整的视频制作工作室。用户用自然语言描述需求，Agent 自主完成从研究、剧本、资产生成、剪辑到最终合成的全流程。 它不是简单的"图生视频"工具。OpenMontage 真正厉…
Omnigent 是一个开源的 AI Agent 元编排框架（metaharness）：在它之上，你可以同时运行和编排 Claude Code、Codex、Cursor、OpenCode、Pi 以及自己写的自定义 Agent，无需重写任何 Agent 代码。它不是一个新 Agent，而是一个通用的 Agent 管理层——像一层胶水，把各种主流 Agent 产…
browseruse 是让 AI Agent 操作浏览器的 Python 库——AI 描述任务，浏览器替你完成：点按钮、填表单、滚动页面、抓取内容。2026 年 7 月 Stars 104k+，Odysseys 排行榜第一（87.4% 平均准确率），领先 OpenAI、Anthropic、Google、Microsoft 的同类产品。 有两种使用方式：CLI…
UITARSdesktop 是字节跳动开源的多模态 GUI Agent 桌面应用，基于 UITARS 模型。它能像人一样操控电脑（点击、输入、浏览网页），通过视觉理解界面并执行操作。目前支持： Computer Operator：操控本机桌面应用 同属 TARS 项目家族的还有 Agent TARS（终端 CLI + Web UI 版本）。 Stars 37…
AutoGPT 是一个创建、部署和管理持续运行 AI Agent 的平台，目标是让 AI 自动化每个人都能用、都能搭建。它包含三大核心组件： Forge（经典版）：快速构建自定义 Agent 的开发工具包，配有基准测试框架 项目采用双 License：平台核心代码（autogpt_platform/ 文件夹）使用 Polyform Shield Licens…
LibreChat 是一个开源自托管 AI 聊天平台，核心定位是"统一所有主流 AI provider 的 ChatGPT 增强克隆"。它支持 Anthropic Claude、OpenAI（含 GPT4o / o1 / GPT5）、Azure OpenAI、Google Gemini、AWS Bedrock、DeepSeek、Mistral、OpenRou…
unitymcp（MCP for Unity）是一个基于 Model Context Protocol（MCP）的 Unity 编辑器桥接工具，让 AI 助手（Claude、Codex、Cursor、VS Code 等 MCP 兼容客户端）能够直接操控 Unity Editor——创建场景和 GameObject、编写 C# 脚本、管理资产、运行测试、构建项…
aiwebsiteclonertemplate 是一个可复用的 AI 网站克隆模板项目，用 AI Coding Agent（推荐 Claude Code）将任意公开网站逆向重建为一个干净的 Next.js 现代代码库。 核心思路：给 AI Agent 一个 URL，Agent 自动完成截图、设计 token 提取、组件规格撰写、并行构建、最终组装——你只需要…