夜雨聆风
Hi，我是微茫～
今天周一，又到牛马的忙day了，相信今年AI这么火热，大家就是用的不多也听的起茧子了。
这篇不追求大而全，就来面向普通职场人和内容创作者再探讨下怎么让你的收藏的AI 工具少吃灰甚至不吃灰。
这篇不追求大而全，就来面向普通职场人和内容创作者再探讨下怎么让你的收藏的AI 工具少吃灰甚至不吃灰。
大多数人应该最缺的不是缺工具，而是缺一套能落地的工作方式。
收藏夹里躺着一堆「必备」「好用」「效率提升」，真正用起来的可能不到 5 个。更麻烦的是，AI 工具迭代太快，昨天还在刷屏的项目，今天可能已经换名字、换协议、换收费方式了。
我会先从我常用和搭的个人知识库里沉淀的内容中筛出 15 个真正适合搭个人 AI 工作台的 Skill、MCP、Agent 工具与开源项目。每个条目都附原始参考链接、项目地址或安装方式，适合收藏后按步骤慢慢搭。
我想回答一个更实际的问题：
如果你想把 AI 从聊天框升级成个人工作台，现在最值得先装、先学、先接的东西是什么？
比如这次我自己就用了三类材料：
「我自己的个人知识库」当前 255 条素材，重点看 AI Agent、Skill、MCP、Codex、Claude Code、知识库和一人公司相关内容。 最近一周 AI HOT 动态，重点关注 Codex 移动端、OpenRouter MCP、Weave Router、Claude Code Hooks、AI agent 长任务环境等信号。 官方文档和项目仓库，尽量不给只会转述、找不到源头的链接。
先说结论：
未来一年，真正值得普通人投入的不是某一个聊天机器人，而是「知识库 + MCP + Skill + Agent + 质检」这一整套工作台。
聊天框解决一次性问题，工作台解决重复性问题。
一次性问题靠灵感，重复性问题靠系统。
先搞懂三个词：Agent、Skill、MCP
很多人看到 AI Skill、MCP、Agent 就头大。其实用普通话讲，不复杂。
Agent 是会自己干活的 AI。
以前你问 AI 一句，它答一句。Agent 更像一个实习生，你给它目标，它会拆步骤、查资料、调工具、跑命令、遇到问题再调整。
Skill 是教 AI 怎么干活的方法包。
它不是一句提示词，而是一套可复用的操作手册。比如「写公众号文章」这个 Skill，可以包含选题、标题、SEO、配图、排版、发布、敏感词检查、通知这一整套流程。
MCP 是让 AI 接外部工具的标准接口。
MCP 全称 Model Context Protocol。你可以把它理解成 AI 世界的 USB 接口：让 AI 能更稳定地连接网页、文件、数据库、代码库、地图、支付、知识库和业务系统。
一句话：
Agent 是人，Skill 是手艺，MCP 是工具箱。
三者凑齐，AI 才不只是会聊天，而是能进流程。
为什么最近更应该关注 Skill 和 MCP
过去一周的 AI 热点里，有几条信号很有意思。
OpenRouter 发布 MCP Server，说明模型路由和工具协议正在合流。OpenAI 的 Codex 可以在移动端接续任务，说明长任务不再只属于电脑前的开发者。Weave Router 这种项目开始把 Claude Code、Codex、Cursor 放在同一入口里调度，说明多 agent 协作会越来越常见。还有 Adrafinil 这种只在 AI agent 工作时阻止 Mac 睡眠的小工具，听起来很小，却暴露了一个新需求：AI 真的开始跑长任务了。
这背后的趋势不是「又多了几个工具」。
而是 AI 正从「回答问题」走向「接管工作流」。
对普通人来说，这个变化很关键。
因为你真正想省下来的，不是一次提问的 30 秒，而是每周重复发生的那 3 小时：找资料、复制链接、整理表格、写周报、做选题、改格式、检查错漏、发通知。
下面这 15 个推荐，我按搭工作台的顺序来讲。
1. Model Context Protocol：先给 AI 接上外部世界
如果这篇 AI工具推荐 只能先选一个底层概念，我会先选 MCP。
MCP 解决的是一个基础问题：AI 怎么用统一方式连接外部工具和数据。
以前每个 AI 工具都要单独接数据库、单独接浏览器、单独接知识库。MCP 出现后，一个 MCP Server 可以被多个客户端复用，一个客户端也能接多个 MCP Server。
这就是「工具越多，越需要协议」。
适合谁：
经常让 AI 读文件、查网页、查数据库的人。 想把公司内部系统接给 AI 的人。 做内容、运营、产品、开发，但不想天天手动搬资料的人。
参考链接和安装方式：
官方项目与资源：https://github.com/modelcontextprotocol
官方 Server 合集：https://github.com/modelcontextprotocol/servers
协议规范：https://github.com/modelcontextprotocol/specification
快速资源：https://github.com/modelcontextprotocol/quickstart-resources
社区清单：https://github.com/punkpeye/awesome-mcp-servers
安装方式：先选支持 MCP 的客户端，再按客户端要求配置 MCP Server。常见配置是 JSON 或 TOML，写入 server 命令、环境变量和权限范围。
我的建议：别一上来研究协议细节。你只要记住，凡是你希望 AI 稳定访问的资料和系统，都应该优先考虑 MCP 化。
2. Playwright MCP：让 AI 真正操作网页
很多工作卡在浏览器里。
比如检查官网表单、抓后台表格、截图竞品页面、跑一个注册流程、验证一个按钮能不能点。
如果只靠截图识别，AI 很容易看错。Playwright MCP 的价值在于，它用结构化页面信息和浏览器自动化能力，让 AI 能更稳定地点击、输入、跳转、读取页面。
适合谁：
做运营后台、数据看板、CRM、官网表单检查的人。 做前端测试、网页调试、竞品巡检的人。 想让 AI 按固定步骤操作网页的人。
参考链接和安装方式：
官方文档：https://playwright.dev/docs/getting-started-mcp
项目仓库：https://github.com/microsoft/playwright-mcp
安装前提：Node.js 18 或更新版本。 常见安装方式：按官方文档把 Playwright MCP Server 配进你的 MCP 客户端。
提醒一句：涉及登录态、客户资料、支付后台的网页，先从只读任务开始。能点按钮，不代表应该让它自动提交。
3. Claude Code Skills：把经验封装成方法包
Skill 最大的价值，是减少重复交代。
你每次写周报、做竞品分析、写公众号、整理会议纪要，都要重新告诉 AI 背景、格式、注意事项、不要犯什么错。Skill 就是把这些长期规则写成一个可复用的方法包。
一个好的 Skill 通常包含：
什么时候触发。 做事步骤。 参考资料。 可执行脚本。 模板和示例。 禁止事项。
参考链接和安装方式：
Claude Agent Skills 官方文档：https://platform.claude.com/docs/en/agents-and-tools/agent-skills/overview Claude Code Skills 文档：https://code.claude.com/docs/en/skills Anthropic 工程文章：https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills Anthropic Skills 仓库：https://github.com/anthropics/skills
安装方式：按 Claude Code 文档创建 skill 文件夹，写 SKILL.md，把脚本、模板、示例放进同目录。不要把密钥写进 Skill。
适合最先做成 Skill 的任务：
周报 Skill。 资料调研 Skill。 公众号发布 Skill。 会议纪要 Skill。 项目复盘 Skill。
我的判断：提示词让 AI 知道你这次想干什么，Skill 让 AI 记住你长期怎么干活。
4. Claude Code Hooks：给工作流装自动检查点
Skill 解决「怎么做」。
Hooks 解决「什么时候检查」。
比如 AI 改完代码自动跑测试，保存文件前自动格式化，执行危险命令前提醒，任务结束后自动发通知。
这对开发者很有用，对内容人也很有启发。
你可以把公众号流程也做成 Hooks 思维：
写完后查标题长度。 发布前查链接是否有效。 上传前查图片比例和大小。 最后查敏感词、极限词和违规引导风险。
参考链接和安装方式：
官方说明：https://docs.anthropic.com/en/docs/claude-code/hooks
相关官方文章：https://www.anthropic.com/news/enabling-claude-code-to-work-more-autonomously
社区参考：https://github.com/disler/claude-code-hooks-mastery
安装方式：在 Claude Code 配置中定义 hook 触发点和对应命令；先从格式检查、测试、通知这类低风险动作开始。
一句话：少靠人记得，多靠系统提醒。
5. OpenAI Codex：把读项目、改文件、跑验证交给 agent
Codex 适合处理「需要进入真实项目目录」的任务。
比如读代码、改文件、跑命令、修 bug、做 review、整理执行记录。它不是单纯写代码，而是更像一个工程 agent。
最近 Codex 在移动端也能接续任务，这件事的意义不是「手机写代码」，而是你可以在离开电脑时继续看进度、补上下文、调整方向。
参考链接和安装方式：
Codex 产品介绍：https://openai.com/index/introducing-codex/
Codex CLI 官方文档：https://developers.openai.com/codex/cli
Codex Cloud 文档：https://developers.openai.com/codex/cloud
Codex 配置参考：https://developers.openai.com/codex/config-basic
Codex 命令参考：https://developers.openai.com/codex/cli/reference
Codex MCP 文档：https://developers.openai.com/codex/mcp
开源仓库：https://github.com/openai/codex
安装方式：按官方 CLI 文档安装；使用前先理解 sandbox、审批策略和项目目录权限。
适合交给 Codex 的任务：
看这个项目怎么跑。 修这个报错并验证。 给我 review 这段改动。 把脚本接进现有流程。 生成一份可复现的执行记录。
如果你不是程序员，也可以借鉴它的做事方式：别只让 AI 给建议，让它读材料、产文件、跑检查、给证据。
6. OpenRouter MCP：让模型路由也进工具协议
OpenRouter MCP 最近值得关注。
它说明一个趋势：模型入口和工具协议正在靠近。过去我们讨论模型路由，更多是在「选哪个模型更便宜、更快、更强」。但一旦路由层也能以 MCP 方式接入，AI 工作台就能更自然地把模型选择、工具调用和上下文管理放在一起。
参考链接和安装方式：
官方文档：https://openrouter.ai/docs/mcp-server
OpenRouter 官网：https://openrouter.ai
安装方式：以官方文档为准；配置前先确认账号、额度、模型权限和 MCP 客户端支持情况。
适合谁：
同时使用多个模型的人。 想按任务类型自动选模型的人。 想把模型路由接进本地 agent 工作流的人。
这类工具的长期价值，不是「又多一个入口」，而是减少你在模型之间反复切换。
7. Weave Router：把 Claude Code、Codex、Cursor 收到一个入口
工具太多之后，新的问题是调度。
Claude Code、Codex、Cursor、本地模型、云端模型，各有擅长。每次手动切换，时间久了也会累。
Weave Router 的思路是做一个智能路由层，把不同编码 agent 放在同一个入口里调度。
参考链接和安装方式：
项目仓库：https://github.com/workweave/router
安装方式：以项目 README 为准；执行前检查支持的客户端、模型凭证和本地权限。
适合谁：
同时使用 Claude Code、Codex、Cursor 的重度用户。 想按任务类型分配模型的人。 想减少工具切换成本的人。
我的判断：未来不是一个模型包办所有事，而是多个 agent 分工，路由层负责把任务交给更适合的执行者。
8. IMA 知识库：给 AI 一个长期资料层
AI 工作台最怕资料散。
文件在微信、飞书、浏览器收藏、PDF、本地目录、网盘里到处都是。每次问 AI 前，你先要找半天材料。
IMA 这类知识库的价值，是把个人资料放进一个可检索、可管理、可被 agent 调用的地方。
比如这次写文章，我就让ima-Copilot给我整理了知识库的所有内容。里面比较集中的方向包括 AI Agent、Skill、MCP、Claude Code、Codex、WorkBuddy、知识库管理和一人公司的内容。
参考链接和安装方式：
产品入口：https://ima.qq.com
OpenAPI 入口：https://ima.qq.com/agent-interface
使用方式：申请 IMA OpenAPI Client ID 和 API Key 后，按官方 OpenAPI 搜索知识库、获取素材列表和原文信息。
我的建议：不要等知识库完美了再用。先把最近三个月最常用的资料放进去：项目文档、常用链接、过往文章、客户问题、会议纪要。先搭建最小闭环，再慢慢补。资料越靠近真实工作，AI 越容易变成助理。
9. AI HOT Skill：内容人的热点雷达
做内容最怕两件事：
第一，热点看漏。
第二，同一条信息在不同群、不同网站、不同公众号里看十遍。
AI HOT Skill 的价值，是把 AI 资讯变成可查询、可筛选、可复用的素材入口。它不只是看新闻，更适合做选题前的趋势扫描。
参考链接和安装方式：
网站入口：https://aihot.virxact.com
OpenAPI 说明：https://aihot.virxact.com/openapi.yaml
相关素材：https://mp.weixin.qq.com/s/n9cZR5huBPV8WrWnBkKBjw
安装方式：如果你使用本地 skill，把 AI HOT 的
SKILL.md 放入本地 skills 目录；调用公开 API 时带浏览器风格 User-Agent。
选题时可以问三个问题：
过去 24 小时发生了什么？ 哪些和我的读者有关？ 哪些能变成长尾内容，而不是一天就过气？
这篇文章选择「AI 工作台」这个角度，就是因为它既连着近期热点，又不是一次性新闻。
10. WorkBuddy：把工具收束到桌面入口
对很多非程序员来说，最大的问题不是 MCP 怎么配，而是日常入口在哪。
WorkBuddy 这类桌面智能体工作台，解决的是入口问题：写稿、查资料、生图、发通知、调知识库、跑任务，都尽量从一个地方出发。
参考链接和安装方式：
官网：https://www.codebuddy.cn/work/
安装方式：以官网或产品页为准；配置时优先接入你最常用的模型、知识库、浏览器、飞书通知和文件目录。
适合谁：
腾讯生态用户。 经常做内容、资料整理、办公自动化的人。 想先用起来，不想一开始就折腾太多命令行的人。
对普通人来说，一个用顺手的工作台，比收藏十个没打开过的工具更有价值。教程我也详细介绍过了，详见这篇：普通人怎么用WorkBuddy：从下载到自动化办公的7天实操手册，轻度用够用；个人专业版 58 元/月（6.30前，7.1就要涨价到99、199、999了）。
11. Superpowers：给 AI 编程加工程纪律
如果你写代码，Superpowers 值得单独看。
它把 TDD、代码审查、头脑风暴、子代理开发、计划执行这些工程纪律做成可复用 Skill。对 AI 编程来说，这比「让 AI 写得更快」更重要，因为快不是问题，失控才是问题。
参考链接和安装方式：
项目仓库：https://github.com/obra/superpowers
中文版：https://github.com/jnMetaCode/superpowers-zh
安装方式：按项目 README 安装到对应 agent/skill 环境。
适合谁：
经常让 AI 改代码的人。 想让 AI 先写测试、再实现的人。 希望 AI 做完事能自检和复盘的人。
一句话：AI 编程不是越放手越好，而是越要把工程纪律写进流程。
12. codebase-memory-mcp：让代码库变成可检索记忆
大型项目里，AI 最容易浪费 token。
因为它每次都要重新读文件、重新理解目录、重新找调用链。codebase-memory-mcp 的思路，是把代码库索引成更适合 AI 查询的知识结构，减少上下文浪费。
参考链接和安装方式：
项目仓库：https://github.com/DeusData/codebase-memory-mcp
安装方式：以项目 README 为准；通常需要先索引代码库，再把 MCP Server 配到支持 MCP 的客户端里。
适合谁：
项目文件多、调用链复杂的团队。 经常让 AI 读大型代码库的人。 想降低 token 成本和重复检索的人。
这类工具会越来越重要。因为代码库越大，AI 越需要记忆层，而不是每次都从头读。
13. MaxKB：开源知识库和智能体平台
如果你想搭一个更可控的企业级知识库，MaxKB 可以作为开源选项。
它覆盖 RAG、工作流、MCP 和智能体场景，适合把文档问答、内部知识库和业务流程做成一个平台。
参考链接和安装方式：
项目仓库：https://github.com/1Panel-dev/MaxKB
安装命令：
docker run -d --name=maxkb --restart=always -p 8080:8080 \ - v ~/.maxkb:/var/lib/postgresql/data \ - v ~/.python-packages:/opt/maxkb/app/sandbox/python-packages \ registry.fit2cloud.com/maxkb/maxkb:v1 适合谁：
想自建知识库的团队。 希望 RAG、工作流和 agent 放在同一平台里的人。 对数据可控性有要求的人。
14. SkillSpector：装第三方 Skill 前先扫一遍
Skill 很有用，但也有风险。
因为 Skill 里可能包含脚本、命令、依赖、外部链接和隐藏行为。你从 GitHub 装第三方 Skill 前，至少要看源码、维护者、更新频率和权限范围。
SkillSpector 是 NVIDIA 开源的 AI Skill 安全扫描器，适合给第三方 Skill 做基础体检。
参考链接和安装方式：
项目仓库：https://github.com/NVIDIA/SkillSpector
安装方式：以项目 README 为准；建议放进安装第三方 Skill 前的检查流程。
提醒一句：不要把密钥写进 Skill。密钥只放环境变量、系统密钥管理器或受控配置里。文章和 Skill 里只写变量名，不写值。
15. Adrafinil：小工具背后的长任务意识
Adrafinil 是一个很小的 macOS 菜单栏工具：只在 AI agent 工作时阻止 Mac 睡眠。
它本身不复杂，但很有代表性。
因为当 AI 开始跑长任务，电脑的电源管理、网络、日志、通知、失败恢复，都会变成工作流的一部分。
参考链接和安装方式：
项目仓库：https://github.com/kageroumado/adrafinil
安装方式：以 GitHub README 为准；安装前查看 macOS 权限说明和源码可信度。
给普通人的启发是：不要只关注 AI 会不会做，还要关注 AI 做的时候环境稳不稳。
长任务至少要准备四件事：
不要中途睡眠。 不要中途断网。 关键步骤有日志。 失败后能恢复。
一套普通人能照着搭的组合
如果你不知道从哪开始，可以按这个顺序来。
第一步，建资料层。
把常用文件、链接、文章、会议纪要放进 IMA、MaxKB、Obsidian 或你自己的知识库。目标不是包罗万象，而是让 AI 找得到你最近最常用的资料。
第二步，接工具层。
需要读网页，就接 Playwright MCP。需要查文件、查数据库、访问内部系统，就考虑 MCP Server。需要写代码或改项目，就用 Codex 或 Claude Code。
第三步，封装 Skill。
先别写 20 个。只写 3 个：
周报 Skill。 资料调研 Skill。 公众号发布 Skill。
第四步，加检查点。
文章发布前检查链接、标题、敏感词、图片比例。代码提交前跑测试和格式化。资料入库前检查标题和来源。
第五步，做通知。
长任务完成后，用飞书、微信或邮件通知你。人不应该一直盯着 agent 跑。
避坑清单：别把工作台搭成新的负担
第一，不要一上来追求全自动。
涉及发布、付款、删除、大范围发送、改生产数据的动作，先保留人工确认。
第二，不要装来路不明的 MCP Server。
MCP Server 可能读文件、跑命令、连系统。安装前至少看源码、维护者、权限范围和 issue 记录。
第三，不要迷信一次生成。
工作台的价值是可复用、可验证、可迭代，不是一次把所有事做完。
第四，不要把所有资料都塞给模型。
知识库和 MCP 的意义，是让 AI 按需检索，而不是把上下文塞爆。
第五，不要忽视成本。
Agent 跑起来会消耗 token、API 调用、浏览器时间和机器资源。能缓存就缓存，能索引就索引，能检查权限就检查权限。
常见问题
Q1：不会写代码，可以用 Skill 和 MCP 吗？
可以，但建议从低风险场景开始。比如知识库检索、文章选题、周报整理、网页资料收集。很多 Skill 本质是流程整理，不一定要求你写复杂代码。
Q2：Skill 和提示词有什么区别？
提示词更像一次性指令。Skill 更像可复用的操作手册，里面可以包含步骤、脚本、模板、示例和限制。越频繁做同一类任务，越适合做成 Skill。
Q3：MCP 会不会不安全？
有可能，所以要看权限。只读文件和能删除文件不是一回事，只查数据库和能写数据库也不是一回事。建议先从只读 MCP 开始，确认稳定后再开放写入能力。
Q4：我应该先学 Codex 还是 Claude Code？
如果你主要做代码和项目交付，可以都试。Codex 更适合和 OpenAI 生态、CLI、云端任务结合；Claude Code 的 Skill、Hooks 和子 agent 工作流也很成熟。不要纠结站队，先看哪个更适合你的日常任务。
Q5：这些工具会不会很快过时？
单个工具会变，但方向不会变。长期看，值得学的是三件事：把资料结构化，把流程 Skill 化，把外部系统 MCP 化。这也是这篇 AI工具推荐 真正想留下的判断。
别把 AI 当聪明聊天对象，要把它当新人培养
一个新人刚入职，你不会只对他说一句「帮我把工作做好」。
你会给他资料、工具、流程、权限、检查标准和反馈。
AI 也是一样。
只会聊天的 AI，像一个脑子很好但没有办公桌的人。它能回答很多问题，却很难稳定交付。
有知识库、有 MCP、有 Skill、有 Hooks、有通知、有质检的 AI，才更像一个能进流程的人。
未来的差距，不在于谁收藏了更多 AI 工具，而在于谁更早把自己的工作方法封装成系统。收藏夹里的东西，只有变成手里的本事，才算真的属于你。
如果你想从今天开始，不用搭很大。我的建议是：从这篇里挑一个跟你当前需求最相关的工具，今天就装，今天就试。
先选一个每周重复三次以上的任务，把资料、步骤、检查点和输出格式写下来。
这就是你的第一个 AI Skill。
这是「AI 工具不吃灰」系列的第一篇。这一篇我不追求大而全，只想先把地基打牢：先讲清楚 Skill、MCP、Agent 到底是什么。
下一篇我会结合六个真实场景再来帮你解决你「收藏了却不会用」的问题。
如果这篇帮到了你，转发给那个收藏夹比你还满的人。我们下一篇见。
#MCP#AI工具推荐#ClaudeCode#Agent工具#AI提效#一人公司#AI编程#开源项目#人工智能#AI #Agent #工作流 #Claude #workbuddy #Codex
以上。
如果觉得有用，记得点个在看和赞，转发给那些曾经跟你说「AI离我太远」的朋友。让更多普通人看到，AI Agent 的红利期不会等谁。
- END -
关注「微茫AI实验室」
用AI+副业，构建创业赚钱系统
我是微茫，一个正在用AI做实验的创业者。
如果你也想：
用AI做副业
用AI做内容
用AI提高效率
关注我，专注分享 AI 时代普通人的生存指南，用 AI 改变生活。
我们一起把AI真正用起来。期待下次见～
🌟对了，如果你也对其他AI技巧也感兴趣，还可以有空回看一下往期内容哦：
