#AI工具
Anthropic 开源知识工作插件库，111 个无代码技能包重塑智能体工作流
Anthropic 开源 knowledge-work-plugins 项目，提供 111 个无代码智能体技能包。该体系基于 Markdown 和 JSON 构建标准化模块，支持渐进式披露与 MCP 工具集成，标志提示词工程向软件工程化转型。内置 marketing 与 productivity 等插件展示了结构化输入及分层记忆范式，支持语义路由与轻量化定制。尽管存在多插件上下文竞争及云端连接器限制内网访问等问题，仍为智能体工作流提供了可复用的模块化规范。
把 LLM 当文字编辑而非代写枪手：两条铁律与改稿提示词
使用 LLM 辅助写作应将其定位为文字编辑而非代写枪手。核心原则包括绝不采纳模型生成的具体词汇及禁止其提供夸奖，以避免内容同质化。推荐采用“诊断-重写-比对”三阶段改稿流程，利用模型查找语法与逻辑硬伤，但由作者亲自重写。实践中可借助专用提示词库或本地工具提升效率。此外，需警惕长上下文压缩摘要可能引发的指令注入风险。AI 仅是批判性审视的效率放大器，人类创作者必须始终掌握写作主导权。
oh-my-hermes 实操：给智能体装上编码拆解与记忆作业层
oh-my-hermes 是为 Hermes 智能体设计的工程作业层插件，旨在解决复杂编码任务中的调度与验证难题。该工具通过模型路由、任务拆解及严格证据门禁，将自然语言转化为专业交付流，实测可降低约 85% 成本并大幅缩短耗时。其核心特性包括 12 类任务回退链、基于 Git Worktree 的安全并行执行、四态状态追踪及评审制长期记忆机制，有效防止上下文污染与虚假完成。尽管在超大仓库处理上仍有局限，但显著提升了开源模型的工程交付确定性。
Google 工程经理开源 agent-skills，用结构化规范约束 AI 写出生产级代码
Google 工程经理开源项目 agent-skills 通过结构化 SKILL.md 规范约束 AI 编码智能体，解决其生成代码缺乏工程纪律的问题。该项目覆盖定义、计划、构建等六大研发阶段，内置 25 个专业技能与反偷懒机制，强制 AI 遵循测试驱动及质量门禁标准。支持 Claude Code、Cursor 等主流工具集成，推荐从规格定义、TDD 及代码评审三步最小闭环起步，将无序补全转化为可预测的工程化构建，提升 AI 代码的生产级交付能力。
ChatGPT Work 实测：27 分钟跑通闭环路网到一键部署网站
ChatGPT Work 标志着大模型向全托管自主智能体跃迁。其通过云端沙箱、无头浏览器、持久化存储及一键部署四大基础设施，实现从信息检索到网站上线的闭环自动化。系统提供 Cloud 与 Local 双形态及多档推理级别，适配不同任务需求。尽管具备强大自主执行能力，用户仍需警惕上下文压缩、CSP 限制及提示注入等风险。目前该工具仍面临云端与本地环境状态同步未打通的挑战，但已重塑软件工程协作模式。
Claude Code 多智能体协作实战指南，从并行子代理到分布式团队的高效落地
Claude Code 多智能体协作提供 subagents 与 Agent Teams 两种架构。subagents 采用星型拓扑，适合独立任务委派；Agent Teams 为点对点网状结构，支持双向通信与状态共享，适用于复杂并行工作流。实战中需根据任务依赖度选型，并通过 Git worktrees 隔离并发写入冲突。同时应合理配置模型路由以控制成本，规避描述重叠与死锁风险。若缺乏三条以上独立并行流，建议优先使用单会话或 subagents 以提升效率。
ChatGPT Work 实战，一句话让智能体自主完成复杂地理计算与交付
ChatGPT Work 通过联网代码沙盒、Headless Chrome 及持久化文件系统，推动 AI 从问答工具演进为自主执行体。实测显示，智能体可凭单条指令自主调用 API 完成复杂地理计算并交付可视化地图与数据文件。该平台还支持一键建站、子智能体协作及定时任务，适用于实体交付场景。但当前仍存在代码透明度不足、上下文压缩致历史丢失及资源安全策略限制等问题，在生产环境的可复现性仍面临挑战。
commit-rewriter 用本地 Web 界面重写 AI 编程产生的杂乱 Git 提交记录
针对 AI 编程代理产生的杂乱 Git 提交记录，开源工具 commit-rewriter 提供了本地 Web 可视化清洗方案。该工具基于 Git 交互式变基，支持批量编辑提交说明、查看代码差异及自动备份分支，确保操作安全可逆。其核心理念是将 AI 快速生成与人类发布前治理解耦，作为自动化编码的质量过滤网。尽管单机清理流程已简化，但多人协作场景下的历史重写冲突仍是待解决的挑战。
GPT-6 Astra 耗时 27 分钟用 OSM 数据规划跑步闭环路线
GPT-6 Astra 智能体耗时 27 分钟自主调用 OSM 数据与图论算法，成功规划跑步闭环路线并交付 GPX 等标准资产。该案例验证了智能体从自然语言理解到工程化交付的完整能力，凸显其作为“数字操作员”的价值。但实践也暴露了执行黑盒化、上下文压缩致代码丢失、CSP 限制及长任务缺乏断点续传等系统性缺陷。这表明通用智能体虽具备灵活串联专业工具的能力，但在效率与透明度上仍面临工程挑战。