AI工具终极清单:60个改变你工作方式的Claude技能、工作流和GitHub仓库

我花了 100 多个小时测试 AI 工具，就是为了让你不用再踩坑。

说实话，2026 年的 AI 工具圈真的太乱了。每周都有新框架冒出来，每天都有新的 AI 代理发布，GitHub 上每天早上都有新项目在热榜上飙升。

大部分都是炒作。有些确实有用。但只有少数几个，会真正改变你的工作方式。

我帮你过滤掉了那些噪音。下面这 60 个工具是现在真正重要的——按类别整理好了，我都亲自测试过，还附上了每个工具到底适合干什么的真实评价。

收藏这篇文章吧，你肯定会回来看的。

这些工具能让 AI 帮你写代码、审查代码、管理代码。不是那种只能演示的玩具，而是真正能用在实际工作流程中的。

01. Claude Code

Anthropic 出品的命令行编码代理。能读文件、写代码、跑测试，直接在你本地环境里操作。想要完全掌控 AI 辅助开发的话，这就是黄金标准。

🔗 https://docs.anthropic.com/en/docs/claude-code

02. Cursor

AI 优先的代码编辑器，基于 VS Code 打造。行内补全、跟代码库聊天、多文件编辑。对于想把 AI 整合到现有工作流程的开发者来说，这是最好的编辑器。

🔗 https://www.cursor.com

03. Codex CLI

OpenAI 的终端编码代理。接受自然语言指令，读取你的代码库，写代码并执行。特别擅长多步骤的实现任务。

🔗 https://github.com/openai/codex

04. Windsurf

Codeium 推出的 AI 编码 IDE。有 Cascade 代理用于多文件编辑，深度理解代码库，让你进入心流状态编码。发展很快。

🔗 https://codeium.com/windsurf

05. Superpowers

20 多个久经考验的 Claude Code 技能。TDD、调试、计划到执行的流水线。GitHub 上 96,000 多颗星。如果你用 Claude Code，先装这个。

🔗 https://github.com/obra/superpowers

06. Spec Kit (GitHub)

规范驱动开发。写规范，AI 根据规范生成代码。强迫你先思考再动手。50,000 多颗星。

🔗 https://github.com/github/spec-kit

07. Aider

在终端里的 AI 结对编程。兼容任何 LLM。特别擅长处理现有代码库。30,000 多颗星。

🔗 https://github.com/paul-gauthier/aider

第二部分：代理框架 🤖

构建能思考、行动、迭代的自主系统。

08. OpenClaw

病毒式传播的开源 AI 代理。持久化、多渠道（WhatsApp、Telegram、Discord），还能自己写技能。210,000 多颗星，还在快速增长。个人 AI 代理最容易上手的入口。

🔗 https://github.com/openclaw/openclaw

09. LangGraph

用代码编排多代理。把代理构建成带分支逻辑、人工干预和持久状态的图。26,000 多颗星。

🔗 https://github.com/langchain-ai/langgraph

10. CrewAI

多代理框架，每个代理有角色、目标和背景故事。每个代理都有明确的人设和职责。适合团队式的工作流程。

🔗 https://github.com/crewAIInc/crewAI

11. AutoGPT

用于长时间运行任务的完整自主代理平台。代理框架的老前辈。从早期到现在已经成熟了很多。

🔗 https://github.com/Significant-Gravitas/AutoGPT

12. Dify

开源的 LLM 应用构建器。在一个平台上整合了工作流、RAG、代理和模型管理。适合非开发者构建 AI 应用。

🔗 https://github.com/langgenius/dify

13. OWL

多代理协作框架。在 GAIA 基准测试的代理协调排行榜上名列前茅。前沿研究转化成可用代码。

🔗 https://github.com/camel-ai/owl

14. CopilotKit

直接把 AI 副驾驶嵌入 React 应用。在你的产品里集成 AI 功能，不只是在工作流程里。

🔗 https://github.com/CopilotKit/CopilotKit

15. pydantic-ai

基于 Pydantic 构建的类型安全代理框架。给想要结构化、验证过的代理输出的 Python 开发者用的。

🔗 https://github.com/pydantic/pydantic-ai

第三部分：MCP 服务器和工具集成 🔗

MCP（模型上下文协议）让 AI 能访问外部世界。技能教它怎么做，MCP 给它访问权限。

16. Tavily

专为 AI 代理打造的搜索引擎。不是蓝色链接那种——是干净、结构化、LLM 可直接用的数据。四个工具：搜索、提取、爬取、映射。一分钟就能连接成远程 MCP。

🔗 https://github.com/tavily-ai/tavily-mcp

17. Context7

把最新的库文档注入到你的 LLM 上下文里。不再有幻觉 API 或过时方法。在提示词里加上”use context7″，它就会拉取最新文档。支持数千个库。

🔗 https://github.com/upstash/context7

18. Task Master AI

你的 AI 项目经理。喂给它一个 PRD，它就生成带依赖关系的结构化任务。Claude 一个接一个执行。把混乱的会话变成有组织的流水线。

🔗 https://github.com/eyaltoledano/claude-task-master

19. MCP Playwright

给 LLM 用的浏览器自动化。通过自然语言控制真实浏览器。测试、爬取、交互都行。

🔗 https://github.com/executeautomation/mcp-playwright

20. fastmcp

用最少的 Python 代码构建 MCP 服务器。为 Claude 或任何兼容 MCP 的模型创建自定义工具集成的最快方式。

🔗 https://github.com/jlowin/fastmcp

21. markdownify-mcp

把 PDF、图片和音频转换成 Markdown。把任何文档类型喂进你的 AI 工作流程。

🔗 https://github.com/zcaceres/markdownify-mcp

22. MCPHub

通过 HTTP 管理多个 MCP 服务器。一个仪表板管理所有工具连接。

🔗 https://github.com/samanhappy/mcphub

第四部分：Claude 技能（精选） 🧠

技能教会 Claude 专门的工作流程。社区里有 80,000 多个技能。这些是值得安装的。

23. PDF Processing（官方）

读取、提取表格、填写表单、合并和拆分 PDF。对知识工作者来说实用性最高的技能。

🔗 https://github.com/anthropics/skills/tree/main/skills/pdf

24. Frontend Design（官方）

构建真正的设计系统、大胆的排版、生产级 UI。摆脱”AI 垃圾”美学。277,000 多次安装。

🔗 https://github.com/anthropics/skills/tree/main/skills/frontend-design

25. Skill Creator（官方）

元技能。用简单的英语描述一个工作流程，五分钟就能拿到完整的 SKILL.md。不用写任何配置就能构建新技能。

🔗 https://github.com/anthropics/skills/tree/main/skills/skill-creator

26. Marketing Skills by Corey Haines

20 多个技能，涵盖 CRO、文案写作、SEO、邮件序列、增长策略。营销团队需要的一切都在技能形式里。

🔗 https://github.com/coreyhaines31/marketingskills

27. Claude SEO

全站审计、schema 验证、关键词分析。12 个子技能覆盖完整的 SEO 工作流程。

🔗 https://github.com/AgriciDaniel/claude-seo

28. Obsidian Skills

Obsidian 的 CEO 打造的。自动标签、自动链接、vault 原生操作。如果你用 Obsidian，这个必装。

🔗 https://github.com/kepano/obsidian-skills

29. Context Optimization

降低 token 成本，提高 KV 缓存效率。让昂贵的 API 工作流程便宜很多。13,900 多颗星。

🔗 https://github.com/muratcankoylan/agent-skills-for-context-engineering

30. Deep Research Skill

8 阶段研究，自动继续。当你需要 Claude 深入研究一个话题，而不只是浅尝辄止的时候用。

🔗 https://github.com/199-biotechnologies/claude-deep-research-skill

第五部分：本地 AI 和模型运行 🖥️

在自己的硬件上运行模型。隐私、速度、零 API 成本。

31. Ollama

用一条终端命令在本地运行开源 LLM。支持 Llama、Mistral、Gemma 等几十个模型。从零到本地 AI 的最快路径。

🔗 https://github.com/ollama/ollama

32. Open WebUI

自托管的类 ChatGPT 界面。干净、快速、功能齐全。跟 Ollama 搭配完美，打造私人 AI 设置。

🔗 https://github.com/open-webui/open-webui

33. LlamaFile

把整个 LLM 打包成单个可执行文件。零依赖。下载就能跑。简单到离谱。

🔗 https://github.com/Mozilla-Ocho/llamafile

34. Unsloth

微调模型速度快 2 倍，内存少 70%。如果你需要用自己的数据训练定制模型，从这里开始。

🔗 https://github.com/unslothai/unsloth

35. vLLM

高吞吐量推理引擎。比原生服务快 2 到 4 倍。生产环境部署开源模型的标准。

🔗 https://github.com/vllm-project/vllm

第六部分：工作流和自动化 ⚡

把 AI 连接到你现有的工具和流程。

36. n8n

开源工作流自动化，有 400 多个集成和 AI 节点。可自托管。构建 AI 驱动自动化的最佳可视化构建器。

🔗 https://github.com/n8n-io/n8n

37. Langflow

代理流水线的可视化拖放。140,000 多颗星。不用写代码就能构建复杂的代理工作流程。

🔗 https://github.com/langflow-ai/langflow

38. Huginn

自托管的网络代理，用于监控、警报和数据收集。隐私优先的自动化，在你自己的服务器上运行。

🔗 https://github.com/huginn/huginn

39. DSPy

编程（而不是提示）基础模型。斯坦福研究转化成的框架。当提示不够确定性的时候用。

🔗 https://github.com/stanfordnlp/dspy

40. Temporal

用于长时间运行流程的持久化工作流引擎。当你的自动化需要经受崩溃、重试和超时的时候。

🔗 https://github.com/temporalio/temporal

第七部分：搜索、数据和 RAG 🔍

把信息导入和导出 AI 系统。

41. GPT Researcher

自主研究代理，生成汇编报告。给它一个主题，拿回一份带来源的详尽分析。

🔗 https://github.com/assafelovic/gpt-researcher

42. Firecrawl

把任何网站变成 LLM 可用的数据。专为 AI 流水线设计的网页爬取。

🔗 https://github.com/mendableai/firecrawl

43. Vanna AI

自然语言转 SQL。用英语提问，拿回数据库查询。给需要从数据库获取数据但不想写 SQL 的人用的。

🔗 https://github.com/vanna-ai/vanna

44. Instructor

用 Pydantic 模型从任何 LLM 获取结构化 JSON 输出。兼容 OpenAI、Anthropic、Google 和 15 多个提供商。生产环境 AI 工程师实际在用的。

🔗 https://python.useinstructor.com

45. Chroma

开源向量数据库。给 AI 应用添加语义搜索和长期记忆的最简单方式。

🔗 https://github.com/chroma-core/chroma

46. dlt

从 5,000 多个来源构建 LLM 原生数据流水线。把任何地方的数据导入你的 AI 工作流程。

🔗 https://github.com/dlt-hub/dlt

47. ExtractThinker

文档智能的 ORM。从任何文档类型提取结构化数据。

🔗 https://github.com/enoch3712/ExtractThinker

第八部分：API 和基础设施 🏗️

让一切在生产环境中运作的管道。

48. FastAPI

用于服务 AI 应用的 Python 网络框架。文档超棒。内置 Pydantic 验证。

🔗 https://github.com/tiangolo/fastapi

49. Portkey Gateway

通过一个 API 把请求路由到 250 多个 LLM。不改代码就能切换模型。

🔗 https://github.com/Portkey-AI/gateway

50. OmniRoute

44 多个 AI 提供商的 API 代理。负载均衡、故障转移和成本优化。

🔗 https://github.com/diegosouzapw/OmniRoute

51. lmnr

追踪和评估代理行为。准确看到你的代理在做什么，衡量它们做得好不好。

🔗 https://github.com/lmnr-ai/lmnr

52. Codebase Memory MCP

把你的代码库转换成持久化知识图谱。Claude 跨会话记住你的整个项目结构。

🔗 https://github.com/DeusData/codebase-memory-mcp

第九部分：精选合集和学习资源 📚

在哪里找到更多，持续学习。

53. Awesome Claude Skills

最好的精选技能列表。22,000 多颗星。找新技能安装的时候从这里开始。

🔗 https://github.com/travisvn/awesome-claude-skills

54. Anthropic Skills Repo

Anthropic 的官方参考实现。技能应该怎么构建的黄金标准。

🔗 https://github.com/anthropics/skills

55. Awesome Agents

一个精选列表里的 100 多个开源代理工具。

🔗 https://github.com/kyrolabs/awesome-agents

56. PromptingGuide

全面的提示工程参考，涵盖从基础到高级代理提示的每种技术。

🔗 https://www.promptingguide.ai

57. Anthropic Prompt Engineering Tutorial

9 章实践练习，带 Jupyter 笔记本。学习提示的最佳结构化方式。

🔗 https://github.com/anthropics/prompt-eng-interactive-tutorial

58. SkillsMP

有 80,000 多个社区技能的市场。发现 Claude 技能的最大目录。

🔗 https://skillsmp.com

59. MAGI//ARCHIVE

每日推送新鲜的 AI 仓库。跟上正在发布的东西。

🔗 https://tom-doerr.github.io/repo\_posts/

60. Anthropic Official Docs

涵盖 API、提示最佳实践、工具使用、代理以及其他一切。构建任何严肃项目之前从头到尾读一遍。

🔗 https://docs.anthropic.com

怎么真正用好这个清单

别想着一次性安装全部 60 个工具。那只会让你不知所措，浪费时间。

我推荐的顺序是这样的：

如果你是开发者：从 Claude Code（01）+ Superpowers（05）+ Context7（17）+ Tavily（16）开始。这给你一个强大的 AI 编码设置，带搜索和文档访问。

如果你是创作者或知识工作者：从 OpenClaw（08）+ Obsidian Skills（28）+ PDF Processing（23）+ Frontend Design（24）开始。这给你一个带文件管理、文档处理和内容创作能力的 AI 助手。

如果你在做产品：从 FastAPI（48）+ Instructor（44）+ Chroma（45）+ LangGraph（09）开始。这给你后端框架、结构化输出、记忆和代理编排，用于生产环境的 AI 应用。

如果你想学习：从 Anthropic Tutorial（57）+ PromptingGuide（56）+ Anthropic Docs（60）开始。在堆叠工具之前先打好基础。

选一条路。深入进去。随着需求增长再添加更多工具。

总结

技能 = 教 AI 怎么把事情做得更好。MCP = 给 AI 访问外部工具和数据的权限。仓库 = 驱动这一切的开源引擎。

把这三者结合起来，你就有了一个真正强大的 AI 工作流程，而不只是在演示里看起来厉害。

就这样。60 个工具。现在去做点东西吧。

欢迎关注短裤哥，分享各种AI前沿资讯！