教程
Dan Koe 的一日重启法：从身份惯性到行动计划
Dan Koe 将改变拆成身份、隐性目标与反馈，再给出晨间反思、白天观察、晚间计划的一日练习。整理核心观点、执行步骤和适用边界，形成一页可调整的行动计划。
来源 · DAN KOE
内容 · 36篇
内容流
长论证与短信号并列出现。按阅读需要筛选，不按发布工具分仓。
36 篇 · 按时间
2026 · 1125 篇
Anthropic Skills 仓库详解：从 SKILL.md 到可复用任务能力
anthropics/skills 是理解 Agent Skills 的直接样本：每项技能以目录组织指令、脚本和资源，供 Claude 在相关任务中加载。仓库既展示简单技能，也提供文档处理等复杂实现。
来源 · anthropics
中文 ChatGPT 提示词库详解：从角色模仿到可验证任务
awesome-chatgpt-prompts-zh 收集大量中文角色提示，适合学习如何约束任务、语气、输出格式与交互节奏。它是提示词资料库，不是给模型安装真实工具。
来源 · PlexPt
dsh-context 详解：看清 DeepSeek Harness 的上下文、工具与 Agent 协作
长会话变慢、成本升高或回答偏离任务时，仅看一个上下文占用百分比很难定位原因。dsh-context 是 DeepSeek Harness 的观测插件，把当前窗口、历史请求、工具执行和父子 Agent 放在可关联的界面里。
来源 · bowenliang123
Firecrawl 详解：为 Agent 准备网页数据与结构化结果
Agent 做网页研究时，搜索、链接发现、正文提取和页面交互是不同任务。Firecrawl 将这些能力提供为 API，并支持通过 SDK、CLI、Skill 和 MCP 接入。
来源 · firecrawl
gstack 详解：把产品讨论、审查、测试与发布组织成 Skills
gstack 用角色化命令组织 AI 开发流程：先讨论产品与架构，再实现、审查、测试和发布。其价值在于阶段产物能传给下一阶段，例如设计文档进入评审、测试计划进入 QA。
来源 · garrytan
Hermes Agent 详解：记忆、技能与消息网关如何连接
个人助手的长期价值在于能否延续工作，而不只是完成一次问答。Hermes Agent 将会话检索、持久记忆、技能生成和工具执行放进同一运行环境，并通过终端或消息平台使用。
来源 · NousResearch
iFlow CLI 回顾：停止服务后的能力梳理与迁移思路
iFlow CLI 的官方 README 首行公告写明将于 2026 年 4 月 17 日（UTC+8）停止服务。本文写作时该日期已经过去，因此这篇独立文章用于理解既有工作流与迁移，不将旧安装和免费模型宣传作为当前可用性承诺。
来源 · iflow-ai
nanobot 详解：从轻量 Python 核心到持久个人助手
nanobot 将文件工具、模型调用、记忆和消息渠道组织成可自托管的 Python Agent。当前文档已经包含 WebUI、终端、长期目标和自动化，因此不能只用早期“很少代码”的印象理解它。
来源 · HKUDS
NextChat 详解：自托管聊天界面、提示模板与模型接入
NextChat 的主要定位是多模型聊天界面：提供会话、提示模板、流式回复和部署入口，再连接模型服务。它与能持续自主执行任务的 Agent 运行时不同。
来源 · ChatGPTNextWeb
oh-my-claudecode 详解：分清会话 Team、终端 workers 与验证循环
oh-my-claudecode（OMC）在 Claude Code 之上组织规划、分工、执行和验证，也提供终端 CLI 运行时。它的入口看起来相似，却可能使用不同执行机制：会话内 /team 与终端 omc team 不是同一个运行时。
来源 · Yeachan-Heo
OpenClaw 详解：Gateway、消息渠道与设备节点如何协作
OpenClaw 把个人助手放在自己的设备与常用消息渠道之间。核心不是某一个聊天窗口，而是持续运行的 Gateway：它连接模型、会话、工具和渠道，其他界面围绕它工作。
来源 · openclaw
Orca 详解：在 worktree 中组织多款编程 Agent
当多个编程 Agent 同时处理任务，困难往往转移到工作目录、终端、浏览器验证和代码审查之间的协调。Orca 提供桌面工作台，把 Agent、独立 Git worktree、编辑器和审查入口集中管理。
来源 · stablyai
Page Agent 详解：给网页加入自然语言操作入口
如果你维护一个表单密集的 Web 产品，希望用户直接描述要完成的操作，Page Agent 提供了客户端集成方式。它在页面内部读取文本化 DOM，并调用语言模型决定动作。
来源 · alibaba
prompts.chat 详解：从提示词收藏到可自托管知识库
f/prompts.chat 延续了提示词集合的基础，同时提供浏览、贡献、版本管理、自托管和工具集成。当前 README 还加入 Bots 与 Bot Teams 的发现入口。
来源 · f
qz 浏览器 Agent 详解：在自己的 Chrome 中研究、采集与复用任务
网页研究经常同时需要登录状态、跨站导航、动态内容和来源整理。qz 把 Agent 放进日常浏览器侧栏，让用户观察执行过程，也让外部编程 Agent 通过 CLI 或 MCP 委派整项网页任务。
来源 · alibaba
SimpleEnglish 详解：用可检查的规则改善英文技术写作
“写得清楚”容易变成抽象要求。SimpleEnglish 将英文技术写作约束写成 Agent Skill：控制句子结构、明确动作主体、统一术语，并把条件放在命令前。
来源 · AminBlg
Trellis 详解：把规范、任务与项目记忆留在代码仓库
AI 编程会话可以快速生成修改，但新会话未必知道团队约定和上次取舍。Trellis 把这些信息保存为仓库中的规范、任务上下文和工作日志，再围绕计划、实现、检查与收尾组织执行。
来源 · mindfold-ai
UI UX Pro Max 详解：从设计检索到可持久化的界面规范
UI UX Pro Max 为编程 Agent 提供产品类型、风格、配色、字体、图表和技术栈相关的设计资料，并用搜索与规则生成设计系统建议。它能帮助减少每次从空白开始选样式的成本，但生成建议之后仍需结合真实内容、品牌与交互验证。
来源 · nextlevelbuilder
wechat-bot 详解：消息渠道、模型回复与本地聊天分析
这个项目虽然名为 wechat-bot，当前 README 已覆盖微信、飞书、Telegram 和 WhatsApp。它将消息入口与模型或 Pi Agent 连接，也提供通过本地工具读取聊天数据和分析的路径。
来源 · wangrongding
weiboSpider 详解：微博数据采集的配置、输出与边界
weiboSpider 是基于 Python 的微博用户数据采集工具，不是自主推理的 LLM Agent。它之所以放在这组收藏详解中，是因为可作为后续分析工作流的数据入口。
来源 · dataabc
悟鸣 Skills 详解：按任务选择、组织和维护可复用工作流
chujianyun/skills 将文档检索、配置审查、报告生成、图示、运维和安装等任务整理为独立技能。它最值得学习的是能力组织方法：用任务场景帮助发现，用 SKILL.md 调度，再把具体资料与脚本拆到资源目录。
来源 · chujianyun
ZhikunCode 详解：自托管编程工作台的架构与授权边界
ZhikunCode 把对话、文件编辑、命令执行、浏览器能力和 Agent 委派放进可自托管工作台。它的工程复杂度来自多服务协作与工具授权，而不仅是一个聊天界面。
来源 · zhikunqingtao
我的 GitHub Star 收藏：280 个项目的一篇完整指南
一篇总览查找八个分类、280 个 GitHub 收藏，并直达 23 篇 AI Agent／Skills 独立详解；保留官方来源、维护状态与使用边界。
来源 · imshengli · GitHub repository owners
Inko 手写 Skill：把 Agent 输出变成可编辑的自然笔迹
Inko 不只是把文字变成“像手写”的图片；它把字符校验、安装鉴权、平面排版、本地编辑、零价拦截和合规边界串成一条可审计的 Agent 工作流。
来源 · pretend1111
2026 · 091 篇
库克时代：当天才退场，纪律如何接住苹果
从供应链、产品危机、M1 与服务业务到 AI 失速和 2026 年交棒：库克如何用纪律把苹果的领先变成复利，又在哪些未知品类上暴露局限。
来源 · 老师好我叫何同学
2026 · 084 篇
把 GitHub Copilot 放进 MITM 代理后，我看见了什么
一次从网络流量追到源码的技术调查：Copilot 如何跨文件拼装上下文、路由模型，并把会话保存在可查询的本地记忆中。
来源 · Rafael Pierre
垃圾进，垃圾出
当你用 AI 做高风险决策时，真正的问题不是模型不够聪明，而是你喂给它的东西。
来源 · Matt Blumberg
人文十问：在不确定的世界里，如何保有爱与原则
罗翔用十个即兴回答谈幸福、爱、勇敢、命运和观念变化。本文按三条主题线重组这些回答，并保留短篇没有追问与论证展开的边界。
来源 · 罗翔
看懂小米澎程：产品定义不是把配置加满
一段产品经理视角的长谈，把小米澎程的争议从单项参数拉回产品定义：目标用户是谁、高频任务是什么、竞争坐标在哪里，以及有限成本为何必须做减法。
来源 · 仰望沧海
2026 · 074 篇
王朝跳不出周期律，不是因为出了坏人
一篇知乎高赞回答把王朝崩溃归因于制度僵化而非腐败。本文拆解它的四阶段演化、四个结构性死结与自我强化循环，并指出它没有补上的反例检验与学术溯源。
来源 · 特蕾西娅
教程
把 DeepSeek V4 接进 Codex：配置路径、安全边界与验证清单
DeepSeek 官方已经给出 Codex 接入路径；真正需要看懂的不只是配置字段，还包括共享配置、模型限制、脚本执行风险与生效验证。
来源 · DeepSeek API Docs
福利兜底不是“养懒汉”：它真正购买的是社会的试错空间
福利的另一种理解，是用社会风险共担降低失败代价、保存路径多样性；但从安全网到创新之间，仍需制度设计与经验证据补齐因果链。
来源 · 江湖真相
一家独立 AI 应用公司如何生存
陈冕谈 Evoken、Liblib、Lovat 与 LibTV 的现金流、竞争格局与创始人哲学。
来源 · 晚点 LatePost
2026 · 061 篇
置身钉内
一个 AI 产品从立项到收缩的开发往事，以及一位产品人在三百天飞行后的落地笔记。
来源 · 幽素（滕雅辛）
2026 · 051 篇
当隔壁老王投资存储股票赚了三十倍后，如何还能不焦虑
从 AI 估值狂潮、云厂商资本开支到存储芯片暴涨，拆解一场回报与风险严重不对称的周期博弈。
来源 · 王川
这个形式还没有内容，试试其他筛选。