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…
仓库攻略
437 篇 · 429 个项目 · Agent 智能体 · Agent 智能体
khazixskills 是「数字生命卡兹克」作者开源的一套 AI Agent Skills 合集，遵循 Agent Skills 开放标准，可直接被 Claude Code、Codex、Qoder、Kimi Code、iFlow、CodeBuddy、Cursor 等 40+ 支持该标准的 Agent 安装加载。每个 Skill 都是一段结构化指令集，让 A…
addyosmani/agentskills 是 Google Chrome 工程总监 Addy Osmani 主导维护的生产级 AI 编码 Agent 工程技能包。它将资深工程师在软件开发全生命周期中的工作流程、质量门禁和最佳实践封装为可被 AI Agent 理解并一致执行的 Markdown 技能文件（.md）。 该仓库提供 24 个结构化技能，覆盖从"…
trycompai/crm 是一个以 AI Agent 为核心的 CRM 系统，核心理念与所有传统 CRM 完全不同：大多数 CRM 是"数据库前面加表单"，AI 版不过是在表单旁边加了个聊天框。trycompai/crm 反其道而行——Agent 才是产品，数据库只是它的笔记本。 该系统由两个独立进程组成： Agent 有 18 个内置工具（read_cr…
claudecode 是 Anthropic 官方出品的 agentic coding tool——一个常驻终端、读懂整个代码库的编程助手。它不是单纯的代码补全(LSP/IDE inline),而是一个能自主完成多文件修改、跑命令、做 git workflow 的 agent: 一句话定位:Anthropic 的 "终端 agent 编程助手"——和 Ope…
anthropics/skills 是 Anthropic 官方维护的 Agent Skills 示例与规范仓库。所谓 "Skill"(在 Anthropic 体系里),是一个带 YAML frontmatter 的 Markdown 指令包:一个文件夹 + 一份 SKILL.md + 一组可选脚本/资源,Claude 在识别到任务匹配时会动态加载并执行它。…
mcpcontextforge(README 自称 ContextForge)是一个由 IBM 开源的 AI Gateway / Registry / Proxy:它把任意数量的 MCP(Model Context Protocol)服务器、A2A(AgenttoAgent)服务器、REST/gRPC 后端统一汇聚到一个端点后面,对 AI 客户端(Claud…
OpenCode 是一个开源 AI 编码 Agent，由 anomalyco 开发，支持 macOS / Linux / Windows，可在终端运行也可使用桌面 GUI。它内置两种 Agent 模式（build / plan），通过 Tab 键切换；支持多 LLM 后端（OpenAI、Anthropic、Google、本地 Ollama 等），另有 Sco…
TradingAgents 是一个多 Agent LLM 金融交易研究框架，模拟真实交易公司的组织架构：基本面分析师、舆情分析师、技术分析师、交易员、风险管理团队和投资组合经理，各自运作后通过结构化辩论达成交易决策。它基于 LangGraph 构建，支持 OpenAI GPT、Claude、Gemini、DeepSeek、Qwen、MiniMax、Grok …
Agency Agents 是一个面向 AI 编码工具的专家 Agent 人格库，以 Markdown 文件形式提供，每个 Agent 都有独立人格、专长域、可交付成果和工作流程。目前支持 Claude Code、Cursor、Codex、OpenCode、Gemini CLI、OpenClaw 等主流 Coding Agent，另有工程、安全、嵌入式、合规…
andrejkarpathyskills 是一个单一 CLAUDE.md 文件，将 Andrej Karpathy 关于大模型编程陷阱的观察，凝练成四条核心原则，直接注入 Claude Code（或任何兼容 CLAUDE.md 的 Agent）的行为指导。这不是工具，不是代码库，是一套让 AI Coding Agent 减少"自作主张、过度工程、误改无关代码…
Humanizer 是一个纯 Markdown 的 Agent Skill（技能文件），专门用来识别并消除 AI 生成文本中的"AI 味"。它基于维基百科「Signs of AI writing」指南（由 WikiProject AI Cleanup 维护），内置 33 条可检测的模式，以及一套完整的「双重审计 + 重写」工作流，让输出文本听起来更像真实人类…
mattpocock/skills 是 Matt Pocock（TypeScript 教学者、 前 Vercel 工程师）将自己的 .agents 目录公开的仓库，收录他在日常真实工程中使用的 Agent 技能。这些技能面向真实软件开发，而非 vibe coding，核心理念是：小型、易适配、可组合；基于数十年工程经验，适用于任何模型。 仓库规模极大（Sta…
davidondrej/skills 是一个面向 AI 编程 Agent、研究 Agent 和工作流 Agent 的可复用技能包。每个技能（skill）将一类重复性工作流打包成指令集，Agent 在任务需要时直接加载使用。与纯粹的理论框架不同，这里的技能来自 David Ondrej 本人的实际工作栈，经过真实场景验证。 仓库规模不大（Stars 3250，…
clawcode 是 UltraWorkers 工具链中的 Rust 版 CLI Agent 运行框架（claw CLI）的 canonical 实现。它是 LazyCodex 和 GajaeCode 的底层基础设施，提供一个本地运行的 AI 编码 Agent，支持 Anthropic API（Claude 系列）等多 Provider，可通过 REPL 交…
Superpowers 是一个面向 AI 编码 Agent 的完整开发方法论与技能框架。它不是简单的提示词集合，而是一套从"需求对话→设计确认→任务拆解→子 Agent 执行→代码审查→分支收尾"的完整开发流程。核心理念：让 Agent 在写代码之前先理解需求，写代码时遵循 TDD，完成后主动审查。 它以技能（Skills）为载体，兼容多种 Agent 平台…
本攻略核验了 Jerry Liu 原帖中每项工程主张的来源与背景。Loop Engineering 作为 2026 年 AI 工程领域的核心实践，已有多篇高质量一手博客覆盖，以下内容以这些来源为主、原文为辅，冲突处以官方文档为准。 Loop Engineering（循环工程） 是 2026 年 AI Agent 工程领域崛起的一种新实践范式：与其让人一步步 …
QM 是一个多人 AI 编程智能体平台，设计目标是让一个 AI 编程智能体服务于整个公司，而非仅限于个人助手。与传统单人 Copilot 不同，QM 通过「scope（作用域）」机制实现多用户隔离与协作： 核心：TypeScript / Node.js，HTTP 层用 Fastify Slack 插件：Scaffolded with Bolt Web UI：…
StateAct 是 Salesforce AI Research（2026 年 7 月 24 日）发表的一篇 arXiv 论文提出的代码优先（codefirst）多智能体架构，核心洞察是：不要教 Agent 看截图，要让它直接读写程序状态。 传统 computeruse agent 路线是：截图 → 模型"看懂"像素 → 决定点击/输入 → 执行 → 再截…
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…
ECHO（Environment Crossentropy Hybrid Objective）是一个让 CLI Agent 在 RL 训练过程中同时学习预测环境响应（terminal 输出）的混合目标函数，来自论文 arXiv:2605.24517（2026 年 5 月），由 Microsoft Research AI Frontiers 和 Prime I…
一个长期被忽视的事实是：语言模型被训练来执行动作，但从未被显式训练来建模它们所处的环境。 标准 Agent 强化学习（如 GRPO）只在动作 token 上计算梯度，用稀疏的二元结果奖励（成功/失败）驱动学习。环境中返回的所有观测——stdout、stderr、文件内容、错误信息、工具响应——虽然在 rollout 中已经存在，却不参与训练，被白白丢弃。 工…
Better Agents 是由 LangWatch 团队开源的 CLI 工具 + 一套工程规范，旨在让 AI 编码助手（Claude Code、Cursor、Kilocode 等）成为真正的"Agent 专家"，能按照行业最佳实践构建、测试和评估 AI Agent 项目。 它不替换已有的 Agent 框架（Agno、Mastra、LangGraph 等），…
UnityMCP（Unity Model Context Protocol）是一个将 Unity Editor 和 Runtime 接入 AI Agent（MCP 协议）的插件生态。装好后，AI Agent（如 Claude Code、Cursor、Copilot）能直接操作 Unity 场景、创建 GameObject、读写脚本、运行测试、截屏返回画面，实…
Agently（pip install agently）是一个 Python GenAI 应用开发框架，主打"让模型输出稳定可控、让 AI 服务像后端服务一样可观测、可恢复"。它的核心抽象是 AgentExecution：把一次推理涉及的 prompt、策略、Actions、Skill 绑定、process 流、TaskContext 证据、结果视图统一收口…
LlamaParse Retrieval Harness（发布于 2026 年 6 月 29 日）是 LlamaIndex 在 LlamaParse Index v2 中推出的一套面向 Agent 的文档检索工具集。它不再把文档库当成一个静态向量数据库让 Agent 做一次语义搜索，而是把整个索引暴露为一组类文件系统接口——Agent 可以主动 list、g…
PocketFlow 是一个仅用 100 行 Python 代码实现的轻量级 LLM 框架，核心思想是将 LLM 应用建模为有向图（Graph）。框架本身零依赖（仅需 asyncio），安装包仅 56KB，却能表达 Agent、Workflow、RAG、MultiAgent 等常见设计模式。 作者的核心论点是：市面上的主流 LLM 框架（LangChain、…
OpenScience 是 Synthetic Sciences（YC W26 入选团队）出品的开源 AI 科研工作台。用户给定一个研究目标，它就以"能力型合作者"的方式走完完整研究闭环——读文献、提假设、写代码、跑实验、查数据库、写报告，全程在一个浏览器 Workspace 里完成。 它于 2026 年 7 月 5 日正式发布，定位是 Claude Sci…
Claude Code 动态工作流（Dynamic Workflows）是 Anthropic 于 2026 年 5 月 28 日（随 Opus 4.8 发布）推出的研究预览功能，核心解决一个长期难题：LLM Agent 的编排逻辑（即"谁在什么时机调用谁"）本质上是硬编码的，无法动态适应任务规模。 动态工作流的解法是：让 Claude 自己写一个 Java…