这是一份给 AI 智能体用的短剧创作技能包精选清单，收录了 83 个 skill 和 16 个相关开源平台，覆盖从小说改编、集纲钩子、剧本审稿到分镜、角色资产、以及给 Seedance、可灵、MiniMax 等视频模型写提示词的全流程，装进 Claude Code、Codex、千问、豆包、Kimi Code 等支持 skill 的智能体就能直接用。它的独特价值在于做了三轮实测：用同一道题让各 skill 和不装 skill 的对照组盲比，由 Opus 和 GPT 两位 AI 评审打分，告诉你哪些 skill 写的剧本和人物大纲真的更好、各自适合什么风格、有什么短板，比如钩子偏弱或中段推进慢。适合正在用 AI 做网文改编短剧、竖屏微剧或漫剧的编剧、内容策划和 AI 应用开发者，想快速挑到靠谱的编剧 skill 而不想自己逐个试错的人；如果你不做短剧内容，和你关系不大。

qz 是阿里开源的 Chrome 扩展版浏览器 Agent，用一句话描述任务，它就在你日常登录的浏览器里自动完成网页操作、数据抓取和资料整理，最后交付带来源的表格、文件或报告。和 Browser Use、Playwright MCP 这类需要另起环境的方案不同，qz 直接跑在你本机的 Chrome 里，登录态、Cookie、扩展全部照常可用，数据只发给你自己配置的模型（DeepSeek、OpenAI、Claude 均可）。它常被用来做跨站比价、汇总散落在不同网站的开放权重 LLM 参数、抓 arXiv 论文写周报这类多步研究任务，还能把跑通的流程存成 Skill 一句话复用。更实用的是，Claude Code、Codex 等编码 Agent 可通过 CLI 或 MCP 把网页任务委托给 qz，跑完再拿结果继续干活。适合需要频繁做网页调研、数据提取的研究员、分析师和 AI 应用开发者；纯写代码或不碰网页工作流的人关系不大。

RSI-Anything 是一个让 AI 系统「越用越聪明」的通用框架，核心思路是用世界模型预测行动后果，再用外部反馈修正预测，把经验留存下来指导下一轮决策，形成递归自我改进的循环。它建立在 JEPA-Anything 之上，流程是提出候选、预测结果、筛选、评估、学习、保留。论文把它跑通了五个差异极大的场景：代码修复（在 CodeContests、APPS、LiveCodeBench 上用预测执行结果给候选程序排序）、GUI 操作（MiniWoB++ 和 OSWorld，动作数比基线少约四成）、实验室实验规划、化学反应条件优化（十次观测内找到最优产率）以及免疫学科研工作流。对做 Agent、世界模型或科学智能体的研究者和工程师来说，它提供了一个可复用的「预测引导交互」范式；如果你只做业务后端或前端，关系不大。

这是一份中文的 Grok Bot 玩法清单，Grok Bot 是 xAI 和 Cursor 联合推出的 AI 队友，每个 bot 有名字有岗位，共用一台常开的云电脑，可以派活、定时跑 Routine、装 Skill。这个仓库不写代码，而是把散落在 GitHub 和 X 上的相关资源整理成可直接抄的配方：193 个核过存活的条目、10 个统一格式的可抄配方（场景、步骤、prompt、坑都写清）、337 篇社区教程精选，还分了三级验证标记，真跑通的才打勾。三个招牌配方很实用：额度快烧光时的 Routine 额度体检、3 到 6 个 bot 靠文件交接的作战室编排、每天扫 X 只推有信号摘要的雷达。维护方式也特别，Grok Bot 每天找料，Claude Code 核实写短评，人只拍板，协作记录全公开。适合已经在用或打算用 Grok Bot 的独立开发者、一人公司、做内容和出海的人，想让多个 bot 分工协作、又不想自己摸索踩坑的可以直接抄配方；跟 Grok Bot 没交集的人可以跳过。

这是一套把斯坦福 CS329Z「Engineering AI Agents」课程整理成中文的自学教程，面向会写 Python、调过 LLM API 的开发者，用 19 讲加 4 项实践讲清一个 Agent 从零到上线的完整链路：LLM 基础、RAG 检索、工具调用、记忆机制、多 Agent 协作，以及容易被忽略的评测设计和安全防护。比如它会教你如何为一个客服 Agent 设计回归评测集，判断加了 RAG 之后回答质量是升是降，以及怎样防止提示词注入。内容以 Markdown 和可离线阅读的 HTML 形式提供，适合碎片时间通读。如果你正在做 Agent 应用开发、算法工程师想系统补齐 Agent 工程方法论，或者带团队需要一份中文培训材料，它都值得翻一翻；只做纯模型训练或不碰 Agent 的岗位关系不大。注意这是个人整理版，非官方中文翻译。

这是一个把 WhatsApp 接入 AI Agent 的 MCP 服务器，相当于给 Claude、LangChain、Google ADK 这类框架提供了一个现成的 WhatsApp 通道，开发者不用再自己写 REST 封装和 webhook 解析。它通过 Model Context Protocol 暴露 61 个工具、10 个资源和 12 类实时事件，Agent 连上后能自动发现全部能力，覆盖发消息、群管理、联系人、投票、表情回应等操作，还能收到新消息、正在输入等推送。底层同时支持 Baileys（模拟 WhatsApp Web，个人号即可用）和 Meta Cloud API（官方企业通道），两套后端共用同一套工具名，切换渠道不用改 Agent 逻辑。内置限流和持久化，适合高频消息场景。值得看的是正在做 WhatsApp 客服机器人、社群自动化运营或跨境私域触达的开发者，尤其是已经在用 MCP 生态的人；如果你的工作和 WhatsApp 或 Agent 集成无关，这个项目基本用不上。

Kosmos 是一个跑在你自己 Mac 上的 AI Agent 管理面板，专门管 Claude Code：它能发现机器上已有的 Claude 会话，让你创建、重命名、停用多个 agent，编辑每个 agent 启动时读取的指令文件，并一键接入自己的 Claude 订阅，全程不需要 sudo 或 Homebrew。它想解决的麻烦是：同时跑多个本地 agent 时，终端窗口散落各处、launchd 启动项靠手改，出问题很难看清状态。Kosmos 用一块看板统一呈现每个 agent 的实时终端输出、项目文件夹和房间消息，且只报告它真实观测到的事实——agent 只有在看板确认可见时才算运行中，消息送达只确认到按键那一刻，移除 agent 只停用不删除，随时可恢复。所有通信只走本机回环地址，无云端、无遥测。适合在 macOS 上长期跑多个 Claude Code agent、需要一个总控台的开发者；如果你只偶尔用一两个 agent，或者不用 Claude 订阅，这个项目和你关系不大。

daimon 是一个开源的数据科学 Agent，可以作为机器人加入你团队的 Discord、Slack 或 Microsoft Teams 工作区，在频道里直接回答数据分析问题。你在群里 @它 并抛出问题，比如「上季度销售数据里第 6 周改了定价，到底有没有效果」或「B 版本真的比 A 好吗，还是只是噪声」，它会自己写代码、跑分析、用 PyMC 拟合贝叶斯模型，然后在同一个 thread 里回复图表、一段大白话的不确定性解读，以及一个可复现结果的 marimo notebook。团队里任何人都能在同一 thread 里继续追问，上下文跨轮保留；还能设置定时任务，让每周一自动汇总周末数据并发布。它基于 Anthropic Managed Agents 构建，一次部署用一个 API key 就能服务多个社区，各租户数据和记忆完全隔离，也能接入 Notion、Linear、GitHub 等 MCP 工具。适合数据分析师、数据科学家以及需要在协作工具里做常规定量分析的团队；如果你的工作不涉及数据建模，和你关系不大。

Piper Morgan 是一个面向产品经理的 AI 助理，把站会记录、需求梳理、状态更新、路线图答疑这类日常 PM 工作变成自然对话，而不是又一个需要填表单的看板。它内置意图解析、任务编排和工具适配层，能对接 issue tracker、文档、日历等现有工具，再由推理层汇总分析：比如直接问「这个 sprint 哪些东西有风险」，它会拉取数据并指出被阻塞或延期的条目；让它「给 payments 项目起草一份状态更新」，它会汇总近期动态产出可审阅的草稿；还能把「建个登录 bug 的 ticket 并加入当前 sprint」这类多步操作串成一条工作流。适合希望用对话驱动工作、又不想再加一个仪表盘的小团队 PM，以及想研究 multi-agent、MCP、LLM 编排落地方式的 Python 开发者；纯研发或非 PM 岗位关系不大。

麦麦预算餐是一个帮你算清「这顿麦当劳到底花多少钱」的 AI Skill，它接入麦当劳官方 MCP，能查你指定门店的真实菜单、可用券和套餐详情，再对最多三份候选餐单逐一调用官方核价接口，给出整单应付金额、实际餐品份数、剩余预算和优惠条件。比如你说「30元，一个汉堡一杯饮料」，它会给出 ¥14.90、¥22.90、¥26.90 三份候选并逐项对比；换饮料或加减餐品时会对整单重新核价，而不是拿旧报价加减推算；没有预算内方案时会明确显示最接近的餐单和超额金额。每轮还会生成一份可离线打开的交互 HTML 报告，能调预算、看差价、复制结果。它适合经常一个人到店取餐、想控预算又懒得反复翻菜单和优惠页的普通消费者；对 AI 从业者来说，这是一个观察 MCP 工具链与 Skill 如何落地真实业务的小样本，和多数人的工作关系不大。

这是一套给 AI Agent 用户准备的「账号被锁后还能继续干活」的应急资料包，本质是一组模板加一个纯本地的网页工作表，帮你把 AI Agent 用到的账号、凭证、配置和恢复流程登记造册。它明确不是密码管理器，也不存任何真实密钥，只记录元数据：哪些凭证存在、归谁管、在哪用、多久轮换一次，再配上入职离职清单、业务连续性预案和事故报告范例。比如你把日常运营都托付给某个 AI Agent，某天它被封号或服务商宕机，你可以照着手册独立找回所有账号的控制权，而不必依赖 Agent 本身。适合那些已经在用 AI Agent 承担实际业务、担心供应商锁定或账号风险的运营者和安全负责人看；如果你只是调 API 写代码，和你关系不大。

这是一个把 Claude Code 多个 Agent 可视化成 3D 猫咪办公室的本地监控面板：每个 Agent 是一只坐在工位上的猫，有任务进来就醒来干活，屏幕上实时显示它在做什么，跑完后输出落到「CEO 询问」卡片里，猫再回去睡觉；空闲时完全不调用模型，0 token 消耗。它底层通过 tmux 驱动 `claude -p` 执行任务，前端用 three.js 程序化生成办公室场景，支持点猫派发预设任务、向 CEO 描述需求自动分发、token 计数和实时事件流。适合同时跑多个 Claude Code Agent、需要一眼看清各 Agent 状态和产出的开发者，尤其是把 Agent 当作长期后台助手用的人；如果你只偶尔单线用 Claude Code，这东西更多是个有趣的玩具而非刚需。