推荐这个项目，shadcn（shadcn/ui 作者）做了一个 Agent Skill——让最贵的模型做审计和规划，让便宜的模型写代码。这个想法本身不新，但 shadcn 把它做成了一个可安装、可编排、带执行闭环的系统，每个设计决策都很实用。 shadcn/improve：一个 Agent Skill，让最强模型做审计，让便宜模型写代码 核心理念：把智能会累积的那部分——理解代码库、判断什么值得做、写规格——交给最强的模型。执行交给便宜的模型。这个 skill 自己从来不实现任何东西。计划就是产品。 /improve → 全局审计 → 优先级排序的发现 → 计划 用法 /improve # 全局审计 /improve quick # 快速：热点 + 最高优先级 /improve deep # 详尽：每个包、每个类别 /improve security # 关注审计（还有 perf, tests, bugs...） /improve branch # 只看当前分支改了的部分 /improve next # 产品方向建议 /improve plan <描述> # 跳过审计，直接起草一个计划 /improve review-plan <文件> # 批判和收紧已有计划 /improve execute <计划> # 派便宜执行器，审查其工作 /improve reconcile # 刷新 backlog：验证、解锁、退役 内部流程 勘查。 映射仓库：技术栈、规范、准确的构建/测试/lint 命令——这些变成每个计划的验证门。同时读取设计文档（ADR、PRD、CONTEXT.md 等），让已决定的 tradeoff 不再被重新标记。 审计。 并行分派子 agent 跨 9 个类别：正确性、安全性、性能、测试覆盖、技术债务、依赖和迁移、DX、文档、方向。每个发现带 file:line 证据、影响、努力和置信度。 审查。 子 agent 会过度报告，所以 advisor 在给你看之前重新读每个引用的位置——假阳性被丢弃，错误归属被纠正，驳回被记录。 优先级排序。 发现按杠杆排序（影响 ÷ 努力，按置信度加权）。你选哪些变成计划。 计划化。 每个选中的发现一个文件，写入 plans/，带索引、优先级顺序和依赖图。 什么让这些计划可执行 计划是为最弱的合理执行者写的——一个从未见过 advisor 会话、可能小得多的模型。三个特性承载这一点： 自包含。所有上下文内联：精确文件路径、当前状态代码摘录、带示例文件的仓库规范、已验证的命令。没有"如上所述"。 验证门。每一步以命令及其预期输出结束。完成标准机器可检查。执行者永远不需要判断自己是否成功。 硬边界。明确的范围外列表，加上 STOP 条件——"如果 X，停止并报告"——而不是让小模型在现实不匹配计划时即兴发挥。 闭环 execute：派更便宜的执行器子 agent 在隔离 git worktree 里，把计划交过去，然后像 Tech Lead 一样审查——重新跑每个完成标准、检查范围合规、读 diff 对意图。通过（批准，合并始终由你决定）、退回修改（最多 2 轮）、或阻塞并精炼计划。 reconcile：验证 DONE 计划是否仍成立、调查 BLOCKED 计划并绕过障碍重写、刷新漂移的计划、退役独立修复了的发现。 --issues：把计划发布为 GitHub issues。 硬规则 从不修改源代码。唯一的写入到 plans/；执行器只在一次性 worktree 中编辑，合并始终是你的。从不运行会破坏你工作树的命令。从不复现密钥值。被要求实现？拒绝并指向计划（或提供 execute）。 项目: shadcn/improve #AgentSkills# #CodeAudit# #LLM架构#

Agent Plugins 是由 OpenAI、AWS、Cursor、GitHub、VS Code 和 Vercel 等厂商共同推动的开放标准，把 Agent Skills 和 MCP 服务器配置打包成一次构建、多个 AI Agent 客户端间通用的可移植插件。

终端编程 Agent（最接近 Claude Code） 1. OpenCode ⭐ 165k+ - 协议: MIT | 语言: Go/TypeScript - 免费: 完全免费开源，支持 75+ LLM 提供商 - 特色: - 事实上的开源 Claude Code 替代品 - 本地优先架构，支持本地模型（Ollama 等） - Provider-agnostic：同一会话可切换 Claude/Gemini/GPT/本地模型 - 精美 TUI 界面，支持桌面端和 IDE 扩展 - 中国讨论度: 低，国内媒体很少报道 - 🔗 2. Pi ⭐ 54k+ - 协议: MIT | 语言: Python - 作者: Armin Ronacher（Flask/Jinja2 作者） - 免费: 完全免费开源 - 特色: - 系统提示 < 1,000 tokens，极简设计 - "Lazy Skills" 机制：技能按需加载 - 专为 fork 和二次开发设计 - 增长速度惊人（短时间内突破 54k stars） - 中国讨论度: 极低 - 🔗 3. Crush ⭐ 25k+ - 协议: FSL（2年后转MIT）| 语言: Go - 团队: Charm（Bubble Tea 团队） - 免费: 免费使用 - 特色: - 终端美学标杆，极其流畅的 TUI - 多模型支持，会话中可切换模型 - 原生 LSP 和 MCP 支持 - 适合追求终端体验的开发者 - 中国讨论度: 低 - 🔗 4. Qwen Code ⭐ 25k+ - 协议: Apache-2.0 | 语言: TypeScript - 免费: 免费，配合 Qwen 模型有免费额度 - 特色: - 阿里巴巴出品，Gemini CLI 的开源 fork - Gemini CLI 6月停服后，这是其开源延续 - 专门优化 Qwen-Coder 模型 - 国内用户访问友好 - 中国讨论度: 中等（但远低于其价值） - 🔗 --- 通用 Agent 框架 5. OpenClaw - 协议: 开源 | 免费: 完全免费，云版待定 - 特色: - 自托管 AI Agent，50+ 原生集成 - 零外部 API 调用，隐私优先 - 连接 Slack/GitHub/Notion 等无需第三方 API - 支持 Docker 部署 - 中国讨论度: 低 - 🔗 6. Agno - 协议: 开源 | 语言: Python - 免费: 开源免费，平台版 $99/月起 - 特色: - 2 微秒 Agent 运行时间，极致轻量 - 内置记忆、存储、多模态工具 - 生产级 Python 框架 - 适合需要高性能的场景 - 中国讨论度: 极低 - 🔗 7. Hermes Agent ⭐ 60k+ - 协议: 开源 - 免费: 开源免费 - 特色: - 2个月内突破 60k stars，增速最快 - 持久多层记忆：长期语义记忆 + 工作记忆 + 情景日志 - 云优先架构，独立于本地设备 - 30天学习期后能理解用户工作模式 - 与小米 MiMo V2 Pro 合作 - 中国讨论度: 中等（小米合作有报道，但产品本身讨论少） - 🔗 --- MCP 生态工具 8. MCPX (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - MCP 网关，统一管理多个 MCP 服务器 - Tool Groups：不同团队看到不同工具子集 - Agent 访问控制 + 实时 Prometheus 指标 - 支持 Cursor/Claude Code/VS Code/Copilot 等 - 中国讨论度: 极低 - 🔗 9. ContextForge (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - 联邦化 AI 网关，跨多集群 Kubernetes - 支持 MCP/A2A/REST-to-MCP/gRPC-to-MCP - 40+ 插件 - OpenTelemetry 追踪 - 中国讨论度: 极低 - 🔗 --- 多 Agent 编排 10. Microsoft Conductor ⭐ 新项目 - 协议: MIT | 版本: v0.1.1 - 免费: 完全免费开源 - 特色: - 微软出品，GitHub Copilot SDK + Anthropic Agents SDK - YAML 定义工作流 + Web 仪表板 - 适合企业级多 Agent 场景 - 中国讨论度: 极低 - 🔗 11. Agent Skills (by Addy Osmani) ⭐ 43.8k+ - 协议: 开源 - 免费: 完全免费 - 特色: - 23 个生产级工程技能 - 7 个斜杠命令覆盖完整开发生命周期 - 编码 Google 工程文化（Hyrum's Law、trunk-based development） - 渐进式披露设计 - 中国讨论度: 低 - 🔗

我不看视频了，交给agent看   昨天刷 GitHub 的时候，我看到一个挺有意思的项目，叫 `claude-video`。   它做的事情很直接：给 Claude 一个视频链接或者本地文件，然后直接问它视频里发生了什么。   比如：/watch 30 秒附近发生了什么？   或者把一段产品录屏丢进去：/watch 这个录屏里的 bug 出现在哪一步？   它不是只读取标题，然后根据标题硬猜；也不只是抓一份字幕，让 Claude 把字幕重新总结一遍。它会同时准备字幕、音频、关键画面和时间戳，再把这些材料交给 Claude。   对用户来说，体感很简单：Claude 终于能看视频了。 但严格来说，Claude 并没有突然长出一个原生的视频大脑。   `claude-video` 真正做的，是把视频翻译成 Agent 已经能够处理的上下文。   它怎么让 Claude “看见”视频   你给它一个视频 URL 或者本地路径后，它会先判断视频里有哪些材料可用。   如果是公开视频链接，它会先用 `yt-dlp` 检查字幕。能直接拿到人工字幕或自动字幕时，就优先使用字幕，因为这样速度快，也不需要额外的转录费用。   如果没有字幕，它会提取音频，再调用 Whisper 转录。目前项目优先支持 Groq 的 `whisper-large-v3`，也可以使用 OpenAI 的 `whisper-1`。没有配置 API key 也不影响看画面，只是没有字幕的视频会退化成纯画面分析。   与此同时，`ffmpeg` 会从视频里提取关键画面。每张图片都带着对应的时间戳，Claude 读取这些图片后，就能把画面与同一时间附近的台词对上。   所以当你问“30 秒发生了什么”，它不是凭整段字幕猜答案，而是可以去看 30 秒附近的画面，再结合那一刻的台词回答。   这套流程里，每个零件都不新鲜： - `yt-dlp` 负责拿到视频和字幕； - `ffmpeg` 负责处理音频、抽取画面； - Whisper 负责给没有字幕的视频转录； - Claude 负责读字幕、看图片、理解问题并给出判断。 有价值的是，它把这些零件接成了一条完整工作流。以前需要人手动完成的“看视频、暂停、截图、记时间点、整理台词”，现在由 Agent 自己完成。 如果你使用 Claude Code，可以直接添加项目的 marketplace，再安装 `watch` 插件：   /plugin marketplace add bradautomates/claude-video /plugin install watch@claude-video   如果你使用 Codex、Cursor、Copilot、Gemini CLI，或者其他支持 Agent Skills 的工具，可以运行：   npx skills add bradautomates/claude-video -g   `-g` 表示安装到当前用户，所有项目都可以使用；去掉 `-g`，则只安装到当前项目。   第一次运行时，工具会检查 `ffmpeg` 和 `yt-dlp`。macOS 可以通过 Homebrew 自动安装；Linux 和 Windows 会给出对应的安装命令。Whisper 的 API key 不是必需项，只有在视频没有字幕、又需要分析语音时才会用到。 以前使用 AI 的默认方式是：人先找到资料，把资料整理成合适的格式，再交给模型。   `claude-video` 展示的是另一种工作方式：Agent 自己去获取材料，自己判断该用字幕还是转录，自己抽取画面，自己控制 token，最后带着整理好的上下文回来跟你讨论。   它并没有发明新的模型能力，只是把现有工具接在了一起。   但产品体验的变化，很多时候就发生在这里。

OPC Skills：面向"一人公司"的 Agent Skills 开源库 # 10 个 Skills 分为 4 类，累计 51K+ 次安装 ① 市场调研层 · requesthunt（v2.3.0，最活跃）：从 Reddit / X / GitHub / YouTube / LinkedIn / Amazon 抓取真实用户反馈，生成需求研究报告。现已切换为 Rust CLI（自带 SHA256 校验 + 设备码登录）。其"平台选择指南"很专业——按产品类别推荐主次数据源（如硬件→YouTube 优先，开发者工具→Reddit 优先） ② 数据采集层（API 封装技能） · X/twitter（28 个脚本，最厚重）：封装 twitterapi. io，覆盖用户/推文/列表/社区/Spaces/趋势全端点 · reddit（7 脚本）：基于公共 JSON API · producthunt（11 脚本）：GraphQL API ③ 设计生产层 · nanobanana：Gemini 3 Pro Image 图像生成（文生图、图编辑、2K/4K） · logo-creator：依赖 nanobanana，含裁剪、去背景、SVG 矢量化 · banner-creator：依赖 nanobanana，输出多平台横幅 ④ 增长与基建层 · seo-geo（33.5K 安装，最热门）：SEO + GEO（生成式引擎优化），内嵌普林斯顿 9 项 GEO 方法论，覆盖 ChatGPT / Perplexity / Google AI Overview / Copilot / Claude 各平台的引用优化策略 · domain-hunter：依赖 twitter + reddit，域名查价、找促销码、给购买建议 · archive：会话知识归档，带 SessionStart hook 自动把 .archive/MEMORY.md 注入上下文——唯一带运行时钩子的技能，体现"跨会话记忆复用"思路 项目地址

🛠️ 开源工具推荐：《Awesome Agent Skills》—— 1424+ 官方团队 AI Agent 技能库，Anthropic、Google、Microsoft 都在这里发布 如果你每天用 Claude Code、Codex、Cursor 或 Gemini CLI，你可能在重复发明别人已经做好的东西。每次需要一个新技能，例如处理 PR、操作 Stripe、部署 Cloudflare，你要么自己写、要么从各处东拼西凑。 Awesome Agent Skills 把这个问题解决得很彻底：一个 1424+ 技能的精选库，里面的每个技能都来自你已经在用的工具和服务的官方开发团队，不是批量 AI 生成的废料。 核心特性： 1. 官方团队出品：Anthropic、Google Labs、Microsoft（133+ 技能）、OpenAI（28+）、Stripe、Cloudflare、Vercel、Netlify、Trail of Bits、Sentry（50+）等 30+ 知名机构发布 2. 1424+ 真实可用技能：每个技能由真正使用它的工程师团队维护，不是 AI 批量合成 3. 全平台兼容：Claude Code、Codex CLI、Gemini CLI、Cursor、Kiro、OpenCode 全支持 4. 技能浏览器： 直接按发布者浏览和搜索 5. 社区持续更新：每周都有新的官方团队提交技能，实时增长 特别适合每天用 AI 编程助手、想用现成高质量技能（而不是自己从头写）的开发者，以及在企业内推广 AI Agent 工具链、需要可信官方来源技能的平台工程师。目前已获得 25.6k+ stars ⭐，是当前开源 Agent 技能集合里来源最权威、覆盖最广的社区库。 与批量生成技能仓库的关键差异：这里的每一个技能都有明确的「官方发布者」，例如Anthropic 发布的 Claude 技能、Stripe 发布的支付工作流技能、Sentry 发布的错误追踪技能，这是别的技能库没有的权威性和可信度。如果你用 Claude Code 想让它真正帮你操作 Stripe、调用 Cloudflare 或查 Sentry，这里是最直接的起点。 #AIAgent# #ClaudeCode# #VibeCoding# #AI工具# #AIEngineering# #codex#

@Lighter_xyz 正式開放 AI Agent Paper Trading 啦 🔥 現在你的 AI 代理人可以直接對上 真實 live order book，零風險測試永續合約策略，即時監控表現，超接近實盤環境！ ✅ Ethereum L2 + ZK 匹配引擎 ✅ 完美支援 Claude Code、Codex 與所有 Agent Skills 框架 ✅ GitHub 一行指令安裝 ✅ ETH、BTC、SOL 永續即時看板（價格、價差、成交量） 牛市 Agent vs 熊市 Agent 直接開打！ DeFi + AI 真正玩起來的時代來了 👀 🔗 快速體驗： 📦 GitHub 安裝包： 這功能真的太香了！誰來一起玩？🕯️

恭喜币安Binance AI Agent Skills hub 上线。我今天也会深度去体验 目前我有几个问题: 1️⃣我观察到了 Binance 官方 GitHub（binance/binance-skills-hub）下 AI Agent 相关技能示例/分支中，出现了 #GIRAFFES# 的 CA 这个地址尾号是 cfd44444（正好 5个4），而 平台标准发射的 token 统一结尾是 4444（4个4）。 这个尾号差异，有什么含义吗？ 另外，#GIRAFFES# 持币地址数短时间内暴增到 11万+（DexScreener/BscScan 数据可见）地址创建和交易笔数极高，速度像高并发操作。 这波是不是 Binance Skills Hub 的 AI Agent 在 BSC 上做压力测试/模拟真实 on-chain 交互场景？ @binance @heyibinance @cz_binance 期待回复！