夜雨聆风👆 点击上方蓝字 关注 并 星标 我，不错过每篇干货
有个事儿挺有意思的。
GitHub 上有个仓库，昨天一天涨了 3886 颗星。不是啥高大上的 AI 模型，也不是什么框架神器，而是一堆技能清单。
对，就是那种「工程师应该学什么」的列表。但这次不一样，它是从作者的 .claude 目录里直接扒出来的——意思是，这些技能是他平时真在用 AI 辅助编程时，反复调用的。
仓库名叫 mattpocock/skills。Matt Pocock 这人你可能听过，TypeScript 圈的大佬，出过不少教程。
我花了一下午，把这个仓库扒了个遍，还顺带调研了一圈其他免费 AI 工具。今天这篇，就把我觉得真正好用的东西整理给你。
不收费、不画饼、不整那些「注册送 token」的套路。就是实打实能用的工具 + 技能清单。
这个仓库，凭什么一天涨 3800 星
我先说说 mattpocock/skills 这个仓库。
它的结构特别简单，就是一个 .claude 目录，里面放了一堆 .md 文件。每个文件讲一个技能，比如「怎么写类型安全的 API」「怎么重构大型代码库」这种。
关键是，这些技能不是教科书式的理论。是作者在实际工作中，用自然语言告诉 AI 助手「帮我做 XXX」时，反复验证有效的提示词和流程。
举个例子。有个技能叫「Debugging with AI」，里面写的是：
当你遇到 bug 时，不要直接问 AI「这代码为啥错了」。而是先告诉 AI 你的预期行为是什么，实际行为是什么，然后让它帮你定位问题。
这种细节，才是真正有价值的东西。
我自己试了几个技能，发现确实好用。不是那种「听起来很有道理但用不起来」的鸡汤，是复制粘贴就能用的实操指南。
免费 AI 工具，我整理了 15 个
说回正题。很多人问我最多的问题就是：「有没有免费的 AI 工具推荐？」
我这两年陆陆续续试了几十个，今天挑 15 个真正还在用、还能用的给你。
1. Cursor
代码编辑器，基于 VS Code 改的。免费版每月有 2000 次补全，日常够用。它的强项是理解上下文，你打开一个项目，它能知道整个代码库的结构。
2. Claude Code
Anthropic 出的命令行工具。免费额度不算多，但质量高。适合用来做代码审查、重构建议这种需要深度思考的任务。
3. GitHub Copilot
老牌选手了。学生免费，普通人收费。但说实话，它的补全质量还是稳的。如果你已经在用 GitHub，可以考虑开个学生认证。
4. Codeium
这个是真免费。补全质量不错，还支持本地部署。我有个朋友在公司内网搭了一套，说挺好用的。
5. Continue
VS Code 插件，开源免费。可以对接各种模型，包括本地的 Ollama。适合想折腾的人。
6. Tabby
也是开源的，可以自部署。适合团队用，数据不出内网。
7. Ollama
本地跑大模型的工具。免费，开源，模型也多。就是吃配置，你得有个好点的显卡。
8. LM Studio
跟 Ollama 类似，但界面更友好。适合不想折腾命令行的人。
9. Hugging Face
模型托管平台。免费额度能跑不少小模型，适合做实验。
10. Replicate
托管各种 AI 模型，按使用量收费。但新用户有免费额度，够你玩一阵子。
11. Phind
面向开发者的搜索引擎。免费，回答质量不错。我查技术问题经常用它。
12. Perplexity
通用 AI 搜索，免费版够用。适合查资料、做调研。
13. Exa
语义搜索 API，有免费额度。适合需要程序化搜索的场景。
14. n8n
自动化工具，开源免费。可以对接各种 AI API，搭自动化流程。
15. Flowise
可视化搭 AI 工作流的工具，开源免费。适合不想写代码的人。
上面这些，都是我亲自试过、现在还在用的。不整那些「注册送 100 刀额度但只能用一次」的套路。
工程师在 AI 时代，该学什么
写到这里，我想说点更深层的东西。
工具再多，也只是工具。真正决定你价值的，是你怎么用这些工具。
我看了 mattpocock/skills 这个仓库，最大的感受是：会问问题的人，比会写代码的人更有优势。
这话听着有点反直觉。但你想想，AI 能写代码、能 debug、能重构。那它不能干啥？
它不能替你决定「做什么」和「为什么做」。
所以工程师的核心能力，正在从「实现能力」转向「定义能力」。
定义问题：能把模糊的需求，转化成清晰的问题描述。
定义边界：知道什么该让 AI 做，什么必须自己来。
定义标准：能判断 AI 输出的质量，知道什么时候算「够用」。
这些能力，不是学某个工具就能获得的。是靠大量实践、大量踩坑、大量反思，慢慢攒出来的。
我始终坚信，AI 不会取代工程师，但会用 AI 的工程师，会取代不会用 AI 的工程师。
具体怎么开始
说了这么多，给你几条实在的建议。
第一，选一个工具，用透它。别今天试 Cursor，明天换 Codeium，后天又搞 Ollama。选一个顺手的，深度用一个月，把它的能力边界摸清楚。
第二，建自己的技能库。像 mattpocock 那样，把有效的提示词、流程、技巧，都记下来。时间长了，这就是你的核心竞争力。
第三，多分享。把你用 AI 解决问题的过程写出来，发到博客、GitHub、朋友圈。教别人的过程，也是你自己梳理的过程。
第四，保持好奇。AI 这领域变化太快了，今天的新东西，明天可能就过时了。保持学习的心态，别让自己掉队。
最后说两句
写这篇的时候，我一直在想一个问题。
这些工具、技能、清单，到底能帮你多少？
说实话，我也不知道。我能做的，就是把我试过的、觉得好用的东西，整理出来分享给你。
但有一点我确定：开始行动的人，永远比观望的人走得更远。
所以别光收藏这篇文章。选一个工具，今天就开始用。用完了，你就比昨天的自己强了一点。
我自己也还在摸索。有啥新发现，我会继续写出来跟你分享。
谢谢你读完。
如果这篇对你有启发，点个「在看」，或者分享到朋友圈，让更多人看到。
👆 别忘了 关注 并 星标 我，下周还有更多 AI 工具实测和自动化教程。
本文仅介绍技术工具的使用方法，具体免费额度及使用条款请以官方文档为准。
