Codex 是 OpenAI 官方开源的终端编码 Agent，用 Rust 写成，可以理解为 Claude Code 的同类产品。你在命令行里用自然语言描述需求，它会自己读代码、改文件、跑测试，完成一整套开发任务，比如「把这个函数的报错处理补全」「给这个模块加单元测试」「把这段逻辑重构成异步」。它也提供 IDE 插件和桌面应用形态，登录 ChatGPT 账号即可使用，Plus 及以上套餐都能用。对后端、全栈等日常写代码的工程师来说，如果你已经在用 Cursor 或 Claude Code 这类 AI 编程工具，Codex 值得对比试一下；纯管理岗或不写代码的读者关系不大。

Claude Code 是 Anthropic 官方推出的终端 AI 编程助手，可以理解为 Cursor、GitHub Copilot 那类工具的终端版：你用自然语言下达指令，它会读懂整个代码库并直接动手改代码。它能执行重复性的日常任务、解释难懂的复杂代码、自动处理 git 提交与分支流程，也能在 IDE 或 GitHub 上以 @claude 的方式协作，还支持插件扩展。对日常要写代码、改 bug、做 code review 的工程师来说，它把「查代码、改代码、提交代码」这类琐事交给 AI 代办，省下大量上下文切换时间。适合后端、全栈等经常在终端里工作的开发者，尤其是已经订阅 Claude 服务、想把 AI 融入日常开发流程的人；如果你不写代码，这个项目和你关系不大。

OpenSpec 是一套给 AI 编程助手用的「规格驱动开发」流程框架，简单说就是让 AI 在动手写代码之前，先把需求、方案和任务清单用纯 Markdown 写清楚，你审完再执行。实际用起来是这样的：你想加个暗色模式，先跟 AI 探讨方案，确认后它会生成一份变更提案，包含为什么做、具体需求场景、技术方案和任务清单，你看过没问题再让它逐条实现，做完归档，规格同步更新。它解决的痛点是 AI 编程助手容易跑偏、改着改着忘了原始需求，团队里多人多 Agent 协作时需求更是各写各的。它还支持把规格存到独立仓库共享，让平台团队维护需求、产品团队只读引用，跨多个代码仓库也能对齐。适合日常用 Cursor、Claude Code 这类 AI 编程工具的开发者，尤其是需要管理复杂需求、多人协作或维护存量项目的工程团队；如果你只是偶尔让 AI 写几行代码，关系不大。

这是一个给 Claude Code、Codex、Cursor 等支持 skills 的 AI Agent 用的技能包，作用是让你用一句话描述技术栈，它就生成一张带官方 logo 的架构图。比如你说「Next.js 和 Hono API 部署在 Vercel，Postgres 用 Neon，支付走 Stripe」，它会自动从 svgl、devicon 等来源抓取各家官方图标，画出组件关系和连线，连线会绕开文字标签，不会出现箭头穿过文字的尴尬。产出物是一个自包含的 HTML 文件，字体和 logo 全部内联，不联网也能正常渲染，同时还能导出 PNG 或生成无依赖的 React 组件，方便放进 wiki、仓库或 Claude Artifact 分享。它支持 AWS、Google Cloud、Azure 各自的官方图标包，也覆盖 pnpm、Turborepo 这类开发工具链的绘制。适合需要频繁画系统架构图的后端工程师、架构师和写技术文档的人，尤其是已经在用 AI 编程助手、不想再手动拖 Visio 或 draw.io 的场景；如果你平时不画架构图，这个项目和你关系不大。

这是一个给 Claude Code 和 Codex 用的代码审查 skill，核心卖点是让 AI 的 code review 变得可审计：它会跑四个独立的探针，分别检查行为、测试、规则和影响面，每条发现都必须附带具体位置、涉及的契约或代码路径以及严重级别，缺证据的结论直接不算数。它只做静态分析，读 diff、周边源码、测试和项目规则就能工作，不需要构建或跑测试，也不会改动被审查的代码，最后的合并门禁结论由机器可读的 JSON 生成，避免模型自己复述自己的判断。适合在 PR 合并前想拿到一份结构化、可追溯审查报告的工程团队，尤其是已经在用 Claude Code 或 Codex、希望把 AI 审查纳入流程的后端或全栈开发者。不过作者自己也说明它不能替代测试、CI 和人工审查，对并发缺陷的检测尚未验证，如果你只是想找一个能自动把关的工具，它更像辅助而非兜底。

Open WebUI 是一个可以自己部署的 AI 聊天界面，相当于自托管版的 ChatGPT 网页端：既能接 Ollama 跑本地模型，也能连 OpenAI 兼容的云端 API，全部数据留在自己机器上。除了多轮对话，它还内置了知识库问答（RAG）、文档上传、语音输入和 MCP 工具调用，团队可以把内部文档喂进去做检索问答，或者把常用模型统一挂在一个界面下切换使用。最近它还在往 Agent 方向扩展，配套的终端、知识库同步等生态项目能让它变成一个完整的 AI 工作台。适合需要在公司内网安全使用大模型的后端和算法工程师、想快速搭一个私有 AI 助手的独立开发者，以及对数据隐私敏感、不想把对话内容交给第三方服务的团队；如果你只是偶尔用用 ChatGPT，这个项目和你关系不大。

这是 Microsoft 官方出的一套生成式 AI 入门课程，共 21 节课，用 Jupyter Notebook 形式带你从零搭出一个 GenAI 应用。内容覆盖 prompt engineering、调用大模型 API、用 DALL-E 生成图像、语义检索（semantic search）等基础主题，每节课配讲解和动手练习，代码可跑在 Azure OpenAI Service、OpenAI API 或本地离线模型上，还提供 50 多种语言的翻译，含简体中文。它适合两类人：一是刚接触大模型、想系统搞懂「怎么把 LLM 接进自己产品」的后端或全栈工程师，二是需要给团队做 AI 入门培训的技术负责人，可以直接拿它当教材。如果你已经在做模型训练、推理优化或 Agent 架构，这套课会偏浅，翻一下 prompt 部分即可，不必深究。

TokenEconomizer 是微软研究院和 UC Berkeley 联合推出的 Claude Code、Codex、GitHub Copilot CLI 等编码 Agent 插件，作用是给已经在跑的 Agent 省钱，不改 Agent 本身。它从你在同一仓库的历史会话里学习：把反复踩到的坑（比如必须先跑的构建步骤、这个仓库里能用的命令写法）沉淀成 Micro-skills，下次会话开场直接告诉 Agent，避免每次重新摸索；把长期没被调用的工具从请求里剔除，减少每轮都在发送的工具定义开销；当某一轮反复撞同一个错误时，用一个判断模型介入并给出转向提示，防止死循环烧钱。论文在 SWE-Bench 上测得平均成本降低 18.4%–30.9%，且多数组合下任务通过率不降反升。经常用 AI 编码助手在固定仓库里干活、又在意 API 账单的开发者值得看；如果你只是偶尔用一次 Agent，或者不负责控制 AI 编码成本，和你关系不大。

dsh-ops 是一个 DSH 插件，作用类似给 AI 编程助手换一套更省 token 的底层工具：它新增一组 ops 系列工具，同时隐藏部分官方工具，让模型在执行文件读写、Shell 命令等常见操作时返回更紧凑、带行号或结构化 JSON 的结果，从而减少报错循环和调用轮次。它还提供动态工具加载机制，按需加载 pdf、word 读取、批量文件修改这类高级能力，避免系统提示词膨胀；PTC 模式下另有 18 个 API 的 SDK，帮 AI 少写 TypeScript 代码。适合日常重度使用 DSH、对 token 成本和任务耗时敏感的 AI 编程工具用户，尤其是需要频繁批量处理文件或在 Windows 上跑 Bash 的人；如果你不用 DSH，这个项目和你关系不大。

这是一个围绕 Claude Code 的精选资源导航站，相当于 Claude Code 生态的 awesome-list：作者人工挑选了各类值得用的技能包、子代理、状态栏、插件和开发工具，并按用途分成几十个板块。它解决的是「Claude Code 装好之后不知道还能怎么玩」的问题——比如想给它加个显示 token 消耗的状态栏、找现成的 skills 来提升代码质量、接入通知和语音、做多代理编排，或者查成本监控和可观测性方案，都能在这里直接找到现成项目和教程，省去自己翻社区的时间。对已经在用或准备深度使用 Claude Code 的工程师、AI 应用开发者来说，这是个高密度的入口清单，适合收藏后按需翻查；如果你不用 Claude Code，或只是想找通用 LLM 资源，那和你关系不大。

rtk 是一个用 Rust 写的命令行代理，专门给 Claude Code 这类 AI 编程 Agent 省 token。它夹在 Agent 和 shell 之间，把命令输出先压缩过滤一遍再喂给模型：ls 变成带文件计数的树状结构，git log 只留哈希、作者和标题，pytest 只保留失败用例、通过的折叠成一个数字，grep 匹配按文件分组并截断超长行，覆盖 100 多种常见开发命令，额外开销不到 10 毫秒。实测能把 bash 输出砍掉 60-90%，但 README 也坦白说这只是输入 token 的一部分，账单不会等比例下降，且 token 数按字节除以 4 估算，绝对值仅供参考。适合每天重度使用 Claude Code、Cursor 等 Agent 跑大量构建、测试、git 操作的开发者，尤其是被上下文窗口和 API 账单卡住的人；如果你只是偶尔让 AI 写几行代码，或者不依赖 CLI 型 Agent，跟你就没什么关系。

agent-purge 是一个本地提示词管理工具，让你写一份「人设」（system prompt），统一同步给 Codex、Claude Code、OpenCode、pi、Grok 等多个 coding agent，类似给所有 AI 编程助手配一个共享的系统提示词配置中心，带本地 Web 控制台可视化编辑。它解决的麻烦是：你如果同时用好几个编码 agent，想让它们都用同一套协作规范（比如「用简体中文、先结论后依据、改代码前先读实现」），就得挨个改配置，而这个工具可以一键替换或追加到各宿主的提示词入口，还能按执行器单独指定不同人设，支持替换、追加、严格覆盖等模式，变更可追溯可撤销。适合同时重度使用多个 coding agent、对 AI 输出风格有统一要求的工程师，比如想让团队内所有 AI 助手遵循同一套代码规范的后端或全栈开发者；如果你只用单一 agent，或者不关心 system prompt 定制，关系不大。

Context7 是给 AI 编程助手实时喂官方文档的工具。大模型写代码时经常凭训练数据编造不存在的 API，或者给出过时版本的示例，Context7 会从源头抓取指定库的最新、带版本号的文档和代码示例，直接塞进 Cursor、Claude Code 这类编码 Agent 的上下文里。比如你让 Agent 用 Supabase 做邮箱注册，它会自动匹配对应版本的 Supabase auth 文档，而不是瞎编接口。它支持 MCP 和 CLI+Skills 两种接入方式，也能在 prompt 里用斜杠语法指定具体库和版本来跳过匹配步骤。对日常用 AI 写代码、经常被幻觉 API 坑的开发者来说很实用；不写代码或不用 AI 编程工具的人则关系不大。

这是一个用大模型自动分析自选股的系统，覆盖 A股、港股、美股、日股、韩股、台股和 ETF。它每天抓取行情、K线、技术指标、新闻、公告和基本面数据，交给 LLM 生成一份「决策仪表盘」：给出核心结论、评分、趋势判断、买卖点位、风险警报和操作检查清单，再自动推送到企业微信、飞书、Telegram、Discord、Slack 或邮箱。除了每日定时报告，它还带一个 Web 工作台，支持手动分析、历史报告查看、回测和持仓管理，并内置 15 种策略（均线、缠论、波浪、事件驱动等）的多轮问答 Agent，可以像问分析师一样追问某只股票。数据源默认用 AkShare、Baostock、YFinance 等免费接口，配合 GitHub Actions 可以零成本定时运行，不需要自己买服务器。适合有自选股、想每天快速过一遍多市场持仓风险的个人投资者，以及想研究 LLM 在金融分析场景落地的开发者；纯技术岗、不炒股的人关系不大。

Cline 是一个开源的自主编程 Agent，可以装进 VS Code、JetBrains 系列编辑器，也能以 CLI 或桌面应用的形式运行，本质上类似 Cursor、GitHub Copilot Workspace 那类 AI 编程助手，但完全开源且不绑定单一模型。它能读懂整个项目结构，跨文件做协调修改，边写边盯 linter 和编译器报错，把缺 import、类型不匹配这类问题自己修掉；每次改动都以 diff 形式呈现并支持回滚，还能在「先规划再执行」两种模式间切换，每步操作默认需人工确认，也可放开让它全自动跑。它支持 Claude、GPT、Gemini、Ollama 等几乎所有主流模型，并提供 SDK 让你基于同一套引擎构建自己的 Agent、多 Agent 团队和定时自动化任务。值得看的是日常写代码的后端、全栈工程师，以及想在内部工具里嵌入编程 Agent 的平台开发者；纯管理岗或不写代码的人关系不大。

BAMA 是一套给 Claude Code、Codex 这类 AI 编程 Agent 用的技能包，让 Agent 能端到端地做出原生 macOS 应用（Swift + SwiftUI）。它把开发流程拆成几段：先让 Agent 打开你喜欢的 App 截图每一屏、生成界面索引，再把截图转成带验收标准的用户故事，然后一个故事一个 commit 地写代码，每次提交前自动跑测试并截取明暗两套界面快照。技能覆盖了 macOS 开发的常见痛点：全局快捷键、菜单栏、悬浮面板、窗口控制、权限申请等系统集成，Swift 6 并发与 SwiftData，以及用 Instruments 做性能排查和渐进式重构；设计侧则有 Liquid Glass 风格、4pt 栅格对齐检查、从截图逐像素复刻某个 App 的外观等。适合想用 AI 快速做出 Mac 工具类应用的独立开发者、想让 Agent 参与 Swift 项目的团队，以及对「Agent 如何规范地交付一个完整 App」感兴趣的人；不写 macOS 代码的读者可以跳过。

OmO 是一个跑在终端里的 AI 编程代理，一条 omo 命令就能把你的想法变成成品代码、研究报告或演示文稿。它的核心玩法是关键词驱动：在提示词里加 ultrawork（简称 ulw），代理会先通读代码库再动手，逐步规划并验证每一步；加 mass ulw 则把整个任务拆成一张由数百个小代理组成的任务图，各部分并行跑在最合适的模型上，互相校验后才算完成。它内置一套记忆系统，用一个便宜的小模型盯着主代理，把你在 git 里的历史工作翻出来提醒，避免重复犯错；同时支持 Claude、ChatGPT、Kimi、GLM 等订阅账号混合调用，每个模型配了针对性的系统提示。适合日常重度使用 AI 编程工具、需要跨多模型编排复杂任务的开发者，尤其是想把大迁移、深度调研这类脏活交给代理自动跑完的人；只是偶尔问几行代码的读者关系不大。

这是歸藏为 DeepSeek Harness（dsh）做的内容生产插件，把四套 skill 打包进侧栏：网页 PPT、图文卡片、网页排版、去 AI 味，外加一个学你写作语气的语气档案。前三个共用同一套设计系统，同一篇文章能一键排成杂志风或瑞士风的横向翻页 PPT、小红书 3:4 组图和公众号头图、精排单页网页，主题字体版式保持一致，还能按品牌色生成受约束的配色主题。去 AI 味会删掉中文里的空话和模板腔，语气档案则从你在 DeepSeek 里的对话和你写过的文章里提炼用词、句长、标点习惯，之后改稿和代写文案都照着你的语气来。作品会自动登记进作品库，支持「做同款」和跨 skill 的内容生产工作流。适合做自媒体、公众号、小红书运营的内容创作者，以及需要频繁出 PPT 和图文物料的市场、运营岗位；纯后端或算法岗关系不大。

这是一套围绕 Claude Code 的工程实践指南，把「凭感觉写代码」升级成可复用的 agentic engineering 方法论。它覆盖了 Claude Code 的几乎所有关键机制：如何配置 Subagents 分工、用 Commands 固化常用操作、用 Skills 封装可复用能力、用 Hooks 在关键节点插入检查、用 MCP 接入外部工具，以及 Memory、Settings、上下文窗口管理等，每个主题都同时给出最佳实践文档和可直接参考的实现示例。比如你可以照着它学会让一个子代理专门负责代码审查、另一个负责跑测试，或者把团队反复用的部署流程写成一条命令。对日常用 Claude Code、Cursor 等 AI 编程工具的后端、全栈和平台工程师来说，这是目前最系统的一份配置与工作流参考；如果你还没用过 AI 编程助手，或者只用最基础的对话补全，那它和你关系不大。

PandaCode 是一个把各家 coding agent CLI 统一装进一个窗口的桌面工作台，可以理解为「coding agent 版的 iTerm + VS Code 聚合器」：Claude Code、Codex、Copilot CLI、Cline、Devin CLI 等十几种工具都能并排跑，旁边还带项目管理、Git、终端和浏览器。它真正解决的麻烦是多 agent 并行时的混乱——你可以开一个任务看板，把任务分到不同项目并行推进，用「架构师 + 最多三个工人」的团队模式混搭不同模型，本地路由器会在十几毫秒内替每个工人挑模型，某个工人失败还会自动升级到更强的模型；审批请求集中在输入框上方一行行排队，每轮改动都有 diff 可回看。任务还能丢到 Daytona、Cloudflare、AWS 等云端沙箱里跑，笔记本合盖也不中断，改完自动回到本地 worktree。适合日常重度使用多个 coding agent、需要同时管多个任务和分支的 AI 工程师与独立开发者；如果你只用单一 agent 写写脚本，关系不大。

kubai-icons 是一个给 Claude 用的 skill，让它按同一套设计规范批量画图标：分层结构像文件夹、描边在填充外、整套只用一个强调色派生，鼠标悬停时图标会做符合物体本身逻辑的动作（文件夹打开、信封拆开、日历翻页），也能导出成静态 SVG。它自带 66 个成品示例和一套引擎，新图标从最接近的旧图标改起，画完还会自动截图自检、反复修到通过清单为止。实际用法是把产品功能列表或代码丢给 Claude，它就能补出和现有图标风格完全一致的一套，比如给 Export 加个图标、给仓库主要功能配动态图标。适合前端和 UI 设计相关岗位：需要快速给产品做一套统一风格图标、又不想逐个手绘的场景；纯后端或算法岗基本用不上。

这是一套给 DeepSeek Harness（DSH）用的插件合集，装一个包就能拿到全部插件，也可以单独安装其中一个。目前合集里最实用的是 Sessions Insight：它能打开 Claude Code、Codex 或 DSH 的会话记录，让你看清每一轮对话实际喂给模型的内容——消息构成、工具调用、上下文压缩发生在哪一步、这一轮花了多少钱，还支持确认后删除会话。对日常用 AI 编程工具的人来说，这相当于给黑盒会话加了一层可视化审计。如果你是重度使用 Claude Code 或 Codex 的工程师，经常遇到「上下文怎么突然被压缩了」「这轮为什么这么贵」这类疑问，这个插件值得一看；如果你不用这类 AI 编程助手，它和你关系不大。

这是一个装在 Claude Code 里的 skill，一句话就能让 AI 替你拍出一条完整的视频：从创意、脚本、分镜、配音、配乐到剪辑和审片全流程自动跑完，最后交付一条 1080p 带声音的 MP4，外加配套的社交媒体文案。它会先读你的产品官网抓取品牌字体、配色和文案，也可以参考你给的风格样片；画面可以纯代码绘制（免费），也可以按需调用图像和视频模型补上真实感镜头，配音和音乐则走 ElevenLabs、Suno 等你已有的账号，用之前都会先报价确认。剪完还有一道独立的审片环节，不达标会自动打回重剪，你也能在本地的审片页面上逐帧留言，每轮意见直接变成下一版。适合需要频繁产出产品发布视频、广告或 MV 的独立开发者、增长和市场同学，尤其是没有视频团队又想保证品牌调性的人；如果你完全不做视频内容，那跟你就没什么关系。

Ryugi 流儀是一套给 Claude Code、Codex、Cursor 等 coding agent 用的 skills 集合，外加一个配套的 artifacts 工作台。它把「写代码前先想清楚」这件事流程化：你说要做一个 React todo list，它先头脑风暴，把几个方案并排画在实时 artboard 上让你挑，而不是用文字描述；你批准后它再按 TDD 拆任务、逐个红绿验证。过程中生成的设计文档、图表、代码都可以像评论文档一样就地批注修改，还有带滑杆的 HTML 测试台，agent 重写页面后滑杆值不丢，做完的成品和当初批准的设计放在同一画布上对照验收。本地优先，一个服务覆盖机器上所有项目。适合日常用 AI 编程工具、希望在方案评审和验收环节多一层可视化把关的前端或全栈开发者；纯后端或不写 UI 的人用处有限。

这是 OpenAI 官方维护的示例合集，可以理解为 OpenAI API 的「菜谱大全」：用大量 Jupyter Notebook 演示如何用 API 完成常见任务，比如文本生成、函数调用、RAG 检索增强、批量处理、微调模型、多模态输入等，每个示例都附带可直接运行的代码和讲解。它解决的麻烦是：官方文档只讲参数含义，而开发者真正需要的是「我这个具体场景该怎么拼装」，这里提供了从入门到进阶的完整参考写法。对做 AI 应用的后端工程师、算法工程师以及正在用 GPT-4、ChatGPT 做原型的产品经理来说，遇到「不知道某个功能怎么用」时翻一翻这里通常能直接抄到思路；如果你不调用 OpenAI API，那它和你关系不大。