夜雨聆风Claude Code官方插件商店开张了：一个3.3万星的目录，正在把AI编程变成搭积木
8月16日，Anthropic 在 GitHub 上悄悄挂出了一个目录：claude-plugins-official，33,578 个 star。
它不是又一个开源项目。它是 Claude Code 的官方插件商店。
同一天，Anthropic 还开源了 knowledge-work-plugins（23,507⭐），OpenAI 也跟进了官方 Codex 插件示例 openai/plugins。三家顶尖实验室，在一个星期之内，集体把「AI 编程」从「写 prompt」推到了「装插件」的时代。
如果你还在手写长 prompt，这篇文章会告诉你：时代变了。
一、先讲个真实场景：一个程序员的上午
让我们把时钟拨回三个月前。
小张要改一个老项目的登录模块。他打开 Claude Code，先粘贴一段 800 字的需求描述，再补一段「你是资深后端」「请遵循项目规范」「注意错误处理」的设定，最后加一句「先读 readme 再动手」。等模型跑完，他发现改错了文件，于是又补一段「不要用 any 类型」，再跑一遍。
一个上午，他在 prompt 里反复打补丁。
现在呢？他只说一句：「用 auth-plugin 帮我重构登录模块。」插件里已经写好了项目规范、测试要求、类型约束。Claude Code 自动加载，一次到位。
这不是幻想。8月16日之后，这件事变成了官方支持的能力。
二、插件商店开张：AI 编程的 App Store 时刻
过去两年，我们用 AI 写代码的方式，本质上是「把需求塞进一段 prompt」。
prompt 越长，效果越好——直到它长到你自己都看不懂，改一处牵全身，还容易前后矛盾。
插件（Plugin）解决的就是这个问题：把「一段长 prompt」变成「一个个可复用、可分享、可版本化的技能包」。你在 A 项目调好的最佳实践，能一键带到 B 项目；别人写好的领域技能，你能直接装来用。
这就好比当年 iOS 从「会写程序」到「有 App Store」的跨越。 单个开发者再强，也强不过一个生态。
Anthropic 这次给出的 claude-plugins-official，是一个官方维护的高质量插件目录。里面每个插件都经过审核，开发者像装 App 一样一键引入。OpenAI 的 openai/plugins 走同一条路：每个插件带 manifest 清单，可选挂 skills、MCP、agents、commands，官方示例已覆盖 Figma、Notion、iOS/macOS/Web 开发、Expo 等场景。
一句话：AI 编程正在复刻 iOS 的进化路径——从「会写代码的工具」，变成「有生态的平台」。
三、GitHub 趋势榜：一半都是 Agent 工具
光看两家实验室不够。把镜头拉到 GitHub 周趋势榜（2026 W23，8月16日），你会发现一个更夸张的事实：
18 个热门项目里，超过一半在搞 AI Agent 工具。单周新增 star 合计 87k。
排在前面的几颗「雷」：
◆last30days-skill（41k⭐，本周+12k）：一个 AI Agent 搜索引擎，不靠编辑推荐，而是聚合 Reddit、X、YouTube、TikTok、Polymarket 的投票和真实金钱信号来给结果排序。零配置就能搜 Reddit 和 HN，30 秒解锁更多平台。
◆headroom（26k⭐，本周+10k）：AI 的上下文压缩层，能把 token 数砍掉 60%–95%，提供 6 种压缩算法，支持库/代理/MCP 三种用法，本地优先且可逆。
◆taste-skill（43k⭐，本周+8.7k）：专门提升 AI 生成 UI 的审美，告别千篇一律的样板界面。
◆addyosmani/agent-skills（58k⭐，本周+8.3k）：Addy Osmani 出品的生产级 AI 编程技能集，覆盖软件开发生命周期 7 个阶段，提供 7 个斜杠命令自动激活。
◆agentsview（5,051⭐）：本地优先的 coding agent 成本追踪工具，一个二进制搞定所有 AI 编程助手的花销统计。
这三层——感知层（last30days）、压缩层（headroom）、表现层（taste-skill）——拼起来就是 Agent 时代的「水电煤」。
四、保姆级教程：四个工具，今天就能跑起来
光看热闹没用。下面四个工具，我给你能直接复制粘贴的命令。
教程一：Claude Code 插件，怎么装、怎么写
装一个官方插件，只需一行：
●●●bash
# # 在 Claude Code 会话里执行 /plugin add anthropics/claude-plugins-official
想自己写一个技能包？结构比你想象的简单。新建一个目录，放一个 SKILL.md：
●●●markdown
# my-skill/SKILL.md
name: my-skill description: 一句话说清这个技能解决什么场景，Claude 会据此自动触发
## 步骤1读取当前目录的 xxx 文件 2按 yyy 规则重构 3输出到 zzz
然后在 Claude Code 里用 /plugin install ./my-skill 加载即可。关键：description 写清楚触发场景，Claude 才会在该场景自动调用它。写得越具体，误触发越少。
教程二：DeepSeek Harness，5 步本地跑起来
8月13日深夜，DeepSeek 开源了 Harness v0.1（MIT 许可证，插件式 Agent 框架），配合 V4 Pro 正式版，Agent 能力大幅跃升。本地搭建只要五步：
●●●bash
# 1. 克隆 git clone https://github.com/deepseek-ai/DeepSeek-Harness.git cd DeepSeek-Harness# 2. 装依赖pip install -e .
# 3. 配置密钥cp .env.example .env# # 编辑 .env，填入 DEEPSEEK_API_KEY
# 4. 启动交互python -m deepseek_harness chat
# 5. 跑一个任务python -m deepseek_harness run "把当前仓库的测试覆盖率提到 80%"
想白嫖本地模型？把 .env 里的基座改成 Ollama：
●●●bash
# .env DEEPSEEK_BASE_URL=http://localhost:11434/v1 DEEPSEEK_MODEL=qwen3.8:27b
教程三：WorkBuddy，3 分钟上手（傻瓜式）
WorkBuddy 走的是「对话即生产力」的路子：你用自然语言描述任务，它自己拆解、调用工具、读写文件、跑命令。
●●●bash
# 1. 安装（macOS / Linux） curl -fsSL https://workbuddy.cn/install.sh | sh# 2. 登录workbuddy login
# 3. 在任意项目目录里，直接说人话workbuddy "帮我把 src/ 下所有 Python 文件的函数都加上类型注解，并跑一遍 pytest"
# 4. 想让它常驻后台自动干活？开 agentic 模式workbuddy --agentic "监控 logs/ 里的报错，出现 500 就发钉钉给我"
它和 Codex 的核心区别：Codex 更像「云端的一个程序员」，你派单、它交付；WorkBuddy 更像「你工位上那个什么都会一点的同事」，本地环境、文件系统、命令行它都能直接碰，适合不想把代码传上云的人。
教程四：Hermes Agent，本地搭建完整指南
Hermes Agent 是当下最火的开源通用 Agent 之一（累计 22.9 万⭐）。本地搭起来比你想的简单：
●●●bash
# 1. 环境：Python 3.11+ 或 Node 22 python3 --version# 2. 安装pip install hermes-agent
# 3. 配置密钥（复制示例后填入你的 API Key）cp .env.example .env# HERMES_OPENAI_KEY=sk-xxx# HERMES_ANTHROPIC_KEY=sk-ant-xxx
# 4. 跑第一个任务hermes "调研一下 RAG 的主流方案，给我一张对比表"
# 5. 接本地 Ollama，彻底离线hermes --model ollama/llama3.1:70b "总结这篇论文的创新点"
三个避坑点：① 密钥别硬编码进代码，一律走 .env；② 首次跑长任务先加 --dry-run 看它打算干啥；③ 接 Ollama 时模型名要带前缀 ollama/，否则它默认去调云端。
四方执行层对比：Codex / Claude Code / DeepSeek Harness / WorkBuddy
五、为什么是这一周？Agent 的「水电煤」通了
回看这一周：插件商店、上下文压缩、成本追踪、技能安全扫描（NVIDIA 的 SkillSpector 能扫 16 类 64 种风险）、互联网接入（Agent-Reach 一键装）……
这些工具单看都不起眼，拼起来却是一个信号：Agent 时代的基础设施，已经从「有没有模型」升级到「好不好用」。
就像当年移动互联网，真正爆发后不是因为手机更强了，而是因为 App Store、支付、定位、推送这些「水电煤」全通了。今天 Agent 领域正在经历同一时刻：模型早就不缺了，缺的是让人「顺手用起来」的那一层。
六、普通人今天就能做的三件事
别只当观众。基于上面这套工具链，你能立刻动手：
1搭一个自动内容流水线：用 Hermes + headroom 压缩上下文，定时抓取行业热点、生成摘要、发到你的公众号。
2卖一个垂直技能包：把你在某个领域的经验写成 SKILL.md，挂到 Claude Code 插件市场，按下载或咨询收费。
3用本地模型做隐私业务：WorkBuddy + Ollama，给中小企业做「不上云」的文档/客服自动化，正好踩中数据合规刚需。
4做 Agent 的「运维」：用 agentsview 帮团队算清每个 AI 编程助手的真实成本，这种「帮别人省钱」的服务，现在极其稀缺。
写在最后
AI 编程的剧本，正在从「比谁 prompt 写得好」，切换到「比谁的工具链搭得顺」。
当插件商店开张、当上下文能被压缩 95%、当成本能被精确追踪——写代码这件事，第一次真正开始「工业化」。
而你，是想继续手写每一行 prompt，还是现在就去装第一个插件？
如果这篇对你有启发，点个赞、留个言，告诉我你最想让我下期拆解哪个工具。关注「Ta说我听」，每天一篇 AI 深度长文，陪你看懂这个正在重启的世界。