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…
仓库攻略
465 篇 · 457 个项目 · Agent 智能体
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…
MCP Router 是一个桌面端（Desktop）的 MCP 服务器统一管理应用，自定位为 "Unified MCP Server Management App / MCP Manager"。Model Context Protocol（MCP）是 Anthropic 推出的"让 LLM 调用外部工具/数据源"的开放协议，过去一年 MCP 服务器数量爆炸—…
envd（ɪnˈvdɪ，读作 "invideo"）是 TensorChord 开源的一个面向 AI/ML 的容器化开发环境构建工具。它用一个声明式的 build.envd 文件描述你的训练/推理环境，然后用一个 envd up 命令把它打包成 OCI 兼容的镜像，并在本地（或远端 K8s 集群）跑起来。 它不是 Dockerfile 的替代品那种简单封装——…
Tutti（音乐术语，意为"全体一起"）是一个多 AI 智能体实时协作工作空间。 它解决的问题很直接：当你同时使用 Claude Code、Codex、Canvas 等多个 AI 智能体时，它们各自独立运作——你需要反复在不同窗口之间复制粘贴上下文、解释需求、协调交接。AI 理论上该替你干活，实际上你成了"智能体之间的传话筒"。 Tutti 的核心思路是：让…
一个多角色 Agent 团队研究工作流：用不同角色的 Agent（侦察员、批评员、总结员）组成研究小队，让它们像真实团队一样协作——各司其职、互相review、自动输出结论——而不是把问题扔给一个 LLM 然后祈祷它答对。 核心洞察来自 @omarsar0（Elvis，DAIR.AI 研究员）：同一个 LLM 既写答案又评答案，本身就是盲点。解决方案不是换更…
21stdev/magicmcp 是 21st.dev 平台的 MCP（Model Context Protocol）服务器，专门为 AI 编程助手（Cursor、Windsurf、Claude Code、Cline、VS Code 等）提供 UI 组件生成能力。官方自称"like v0, but in your Cursor / Claude Code /…
OpenWorker 是由 Andrew Ng（吴恩达）与 Rohit Prasad 联合推出的开源桌面 AI 同事，2026 年 7 月 23 日以 MIT 许可证发布开放 beta。它不只是一个聊天界面——交付的是完成的工作产物：一份精修的报告、一条附上真实数据的 Slack 回复、一份更新好的日历、一封分拣过的收件箱。运行在本地机器上，不绑定任何模型，…
koreanlawmcp 是一个基于韩国法制处（법제처）Open API 的 MCP（Model Context Protocol）服务器，同时附带 CLI 工具。它将韩国 42 个官方法律 API 压缩为 10 个核心工具，让 AI 助手（Claude Desktop、Cursor、Windsurf、Zed 等）能够实时查询、验证和分析韩国成文法和判例。 …
DataFlowHarness 是北京大学联合中关村 Academy 于 2026 年 7 月 18 日发布的一个代码 Agent 平台（技术报告 arXiv:2607.16617），核心解决一个实际问题：LLM 代码 Agent 生成的往往是「一次性脚本」而非可持续编辑的生产级数据流水线——作者将此称为 NL2Pipeline Gap（自然语言到流水线之间…
NemoClaw for LangChain Deep Agents Blueprint（简称 NemoClaw）是 LangChain 与 NVIDIA 联合发布的企业级 Agent 参考架构，发布时间为 2026 年 7 月 8 日（PRNewswire）。 该 Blueprint 不是一款独立产品，而是把三层开源组件打包成一套可落地、可自托管的完整 A…
jCodeMunch 是一个基于 treesitter AST 解析的 MCP 服务器，专门解决 AI Agent 在代码库探索时「读整个文件找一句话」的 token 浪费问题。它对仓库做一次索引，之后每次检索只返回精确的函数、类、方法、常量符号——实测平均减少 95%+ 的 token 消耗（官方 live benchmark 20260723：15 项任…
NitroStack 是一个用 TypeScript 构建的生产级 MCP（Model Context Protocol）服务器全栈框架。它包含核心 SDK（@nitrostack/core）、脚手架 CLI（@nitrostack/cli）、React UI 组件库（@nitrostack/widgets）以及配套桌面 IDE（NitroStudio），覆…