标签：代码助手

Spec Kit：GitHub 官方出品的「规格驱动开发」工具包，让 AI 编码助手先写规格、再写代码
项目简介

Spec Kit 是 GitHub 官方开源的规格驱动开发（Spec-Driven Development, SDD）工具包。它给 GitHub Copilot、Claude Code、Gemini CLI、Codex 等 30+ 款 AI 编码助手注入一套「宪法 → 规格 → 计划 → 任务 → 实现」的结构化工作流，让你在动手写代码之前，先把「要做什么、为什么做」想清楚、写明白——告别想到哪写到哪的「vibe coding」。

安装要求和过程

环境要求
- 操作系统：Linux / macOS / Windows
- Python 3.11 及以上
- 包管理器：uv（推荐）或 pipx
- Git
- 一个受支持的 AI 编码助手（Copilot / Claude Code / Gemini / Codex 等 30+）
快速安装步骤

① 安装 uv（详见 astral.sh/uv）：
```
# 参见 https://docs.astral.sh/uv/getting-started/installation/
curl -LsSf https://astral.sh/uv/install.sh | sh
```
② 安装 Specify CLI（已发布到 PyPI）：
```
uv tool install specify-cli
# 或从源码锁定版本：
# uv tool install specify-cli --from git+https://github.com/github/spec-kit.git@v0.12.16
```
③ 初始化项目并选择你的编码助手：
```
specify init my-project --integration copilot
cd my-project
```
④ 在项目目录里启动 AI 编码助手，即可使用 /speckit.* 系列命令（Codex 等 skills 模式用 $speckit-*）。

核心功能
- 结构化 SDD 工作流：constitution（项目宪法）→ specify（需求规格）→ plan（技术方案）→ tasks（任务拆解）→ implement（实现），把「先写规格、再写代码」固化成可复用的标准流程。
- 兼容 30+ AI 编码助手：Copilot、Claude Code、Gemini、Codex、Cursor 等，通过 slash 命令或 skills 模式无缝集成，一个工具链覆盖全团队。
- 项目宪法（Constitution）：用 /speckit.constitution 定义代码质量、测试标准、性能与体验等治理原则，在规格、计划、实现的每一环约束 AI 的决策。
- 可扩展的扩展 / 预设 / 打包体系：extensions 增加新命令与能力，presets 改写模板与术语（如合规、安全门禁），bundles 一键部署「产品经理 / 安全研究员 / 开发者」等角色化工作流。
- 离线可用 & 自管理升级：所有 consume/author 命令可针对本地或锁定源离线运行；specify self upgrade 一键升级到稳定版本，且安装幂等、仅作用于项目根目录。
典型使用场景
- 从零搭建应用（Greenfield）：用一句话需求生成功能规格，再让 AI 按计划与任务清单逐步实现，避免「vibe coding」式的方向跑偏与大量返工。
- 团队标准化研发流程：通过 presets 强制合规 / 安全的规格格式，用 bundles 给不同角色一键装配统一工具链，保证多人协作的产出口径一致、可追溯。
- 遗留系统现代化（Brownfield）：在已有项目中迭代加功能、做现代化改造；Spec Kit 工具更新与功能规格演进分离，支持平滑演进的 brownfield 循环。
推荐理由

用过 AI 编码助手的人大多有过这种体验：让它「帮我做个照片相册应用」，它啪一下甩出几百行代码，跑起来才发现需求理解错了、结构一团糟、改起来比自己写还累。Spec Kit 解决的正是这个痛点——它不替你思考，而是逼你把需求先写成规格。

我最看重三点：一是 Constitution 把团队的工程质量标准沉淀成可复用的「宪法」，AI 全程受它约束，产出更稳；二是 tasks 把大需求拆成可勾选的任务清单，每一步都有据可查、可回退；三是它足够轻——本质上只是个 CLI + 一组 slash 命令，没有重运行时，和 Claude Code / Copilot 配合几乎零摩擦。当然，它是一套「流程纪律」而非魔法：规格写得好不好，直接决定最终质量。把它当成一个让 AI「先审题再答题」的脚手架，体验会非常顺。

下载地址
- 官网 / 文档：https://github.github.io/spec-kit/
- GitHub 仓库：https://github.com/github/spec-kit（⭐ 121.7K · MIT）
- PyPI 包：specify-cli
- 最新发布：v0.12.16（2026-07-15）
* 本文数据来自 GitHub API，截至 2026-07-16；Spec Kit 由 GitHub 团队开源，采用 MIT 许可。
2026年7月16日
Graphify：把整个代码库变成 AI 可推理的知识图谱
📌 项目简介

Graphify 是一个开源的 AI 编程助手技能（Skill），用一条命令把你手头的代码库、SQL schema、论文 PDF、文档、截图甚至白板照片，全部解析成一张可查询的知识图谱。你的 AI 助手（Claude Code / Cursor / Codex / Gemini CLI / Aider 等 17 种）不再靠 grep 或模糊检索”猜”答案，而是沿着图谱里的真实路径推理——而且每条关系都可溯源、可审计。

💻 安装要求和过程

环境要求
- Python 3.10+（解析与存储完全本地运行，无需任何服务器）
- 任意一个支持的 AI 编程助手：Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Gemini CLI、Aider 等（共 17 种），或任意 MCP 客户端
- 联网（仅用于把文件送给你自己配置的模型，如 Claude / Ollama；代码本身不出本机）
快速安装

PyPI 上的包名暂时叫 graphifyy（两个 y），但命令与技能名仍然是 graphify：
```
pip install graphifyy
graphify install        # 把技能注入你的 AI 助手
```
然后在任意目录下打开你的 AI 助手，输入：
```
/graphify .            # 对当前目录建图，代码 / 笔记 / 论文通吃
```
Windows 若提示找不到命令，把 %APPDATA%\Python\Python3xx\Scripts 加入 PATH，或直接用 pipx install graphifyy；macOS 若报 externally-managed 错误同样改用 pipx 即可。

✨ 核心功能

1. 全模态建图：万物皆可成节点

支持代码（Python / TS / Go / Rust / Java / C++ 等 36 种 tree-sitter 语法）、文档（md / txt / rst）、论文 PDF，以及截图 / 流程图 / 白板照片 / 多语言文字图片（借助 Claude 视觉能力）。App 代码、数据库 schema、基础设施被统一进同一张图。

2. 本地优先、零云端、零遥测

解析在本地跑，图谱就是磁盘上的一个文件（graph.json），没有任何服务器在环、没有任何遥测上报。代码永远不会离开你的机器——对重视隐私和合规的团队尤其关键。

3. 可审计的溯源：每条边都标明”怎么知道的”

图谱里每一条关系都被打上 EXTRACTED（源码里实锤）、INFERRED（由结构与命名推理，通常靠谱但值得复核）、AMBIGUOUS（证据指向多于一方）三种标签。AI 回答时引用的是它走过的真实路径，而不是”凭感觉”。

4. 17 个 AI 助手 + 自带 MCP Server

一个技能可装进 17 种助手，并额外提供 MCP server：既可 stdio 单机服务，也能 HTTP 给整个团队共享。还附带 graphify prs 终端 PR 看板（CI 状态 / AI 分诊 / 合并冲突风险）。

5. 自动同步：图谱跟着代码长

--watch 后台实时重建（代码保存即时、文档 / 图片变化提醒你跑 --update）；graphify hook install 还能装一个 git post-commit 钩子，每次提交后自动重建图谱，多 Agent 并行写码时图谱始终保持最新。

Graphify 将代码库映射为可交互知识图谱：节点=符号，颜色=自动识别的模块社区，大节点=God Node

🎯 典型使用场景

场景一：接手一个陌生代码库

不用硬读 100 个文件——直接查 “god nodes”（连接度最高的符号，改动影响面最大），几分钟摸清架构与模块边界，新成员上手速度拉满。

场景二：团队共享”谁负责什么”

把 graph.json 提交进仓库，或用 graphify.serve 走 HTTP。新人问 “谁负责 billing？”，得到的是穿过真实代码的两条跳路径，而不是一周前的 Slack 聊天记录。

场景三：给 AI 编程助手装”记忆”，省下海量 token

官方基准：在 Karpathy 仓库 + 论文 + 图片的混合语料上，相比逐文件读取原始文件，每次查询 token 减少 71.5 倍；社区实测在 49.6 万 token 的代码库上省 79 倍，且零向量数据库。NOTE / WHY / HACK 注释还会变成可追查的图谱节点。

💡 推荐理由

我最早是被”用图谱替代 grep”这个点打动的。实际用下来，最戳我的是可审计——现在太多 RAG / 向量库方案给的是个不透明的相似度分数，你根本不知道 AI 为什么这么答；Graphify 把每条边都标了出处，你能直接点开源码第几行去验证。再加上纯本地、MIT、零账号零卡片，安全感拉满。它不算”重”的工具，装一个 skill、跑一条命令，就能让手头的 AI 编程助手从”猜”变成”走查”。如果你也受够了助手读不全代码、答非所问，值得一试。

🔗 下载地址
- 🌐 官网：https://www.graphify.com
- ⭐ GitHub：https://github.com/Graphify-Labs/graphify（86.3K ★ · MIT · Python）
- 📦 安装：pip install graphifyy && graphify install
2026年7月15日
Orca：把一整支 AI 编程舰队装进一个 IDE（并行 Agent 开发环境 ADE）
如果你已经离不开 Claude Code、Codex 这类编码智能体，却苦于在一堆终端窗口里来回切换、分支互相打架，Orca 就是为这种痛而生的。它自称 “The AI Orchestrator for 100x builders”，是一个开源（MIT）的 ADE（Agent Development Environment，智能体开发环境）——和传统 IDE 不同，Orca 不是给你一个人用的，而是给你和你的”一舰队”智能体一起用的。

项目简介

Orca 是一款跨桌面（macOS / Windows / Linux）与移动端（iOS / Android）的 Agent IDE，让你把 Claude Code、Codex、OpenCode、Cursor、Copilot、Gemini 等任意 CLI 智能体并排运行在各自独立的 git worktree 中，统一编排、跟踪与合并，还配了一个能在手机上远程监控和发指令的伴侣 App。

安装要求和过程

环境要求：
- 桌面端：macOS 11+ / Windows 10+ / 主流 Linux 发行版；
- 需自行准备至少一个编码智能体的订阅（Claude Code、Codex、OpenCode 等任一即可）；
- 移动伴侣：iOS 16+ 或 Android 8+；
- 无头服务器场景可选：Linux 服务器 + orca serve。
快速安装：
1. 桌面端直接下载安装包（或用包管理器）：
```
# macOS (Homebrew)
brew install --cask stablyai/orca/orca

# Arch Linux (AUR)
yay -S stably-orca-bin

# 或前往 https://onorca.dev/download 下载 dmg / exe / AppImage
```
1. 打开 Orca，登录你的智能体订阅账号，新建 Workspace；
2. （可选）手机安装 Orca 伴侣 App，扫码与桌面端配对；
3. （可选）无头服务器：orca serve 启动远程 worktree 服务。
核心功能
- 并行 Worktrees：一条提示可扇出到 5 个智能体，各自在隔离的 git worktree 中独立干活，互不干扰，你只需对比结果、合并最优解——告别 stash 与分支打架。
- 终端分屏：内置 Ghostty 级终端，WebGL 渲染、无限分屏、重启后滚动历史不丢，还支持全文搜索。
- 设计模式（Design Mode）：每个 worktree 附带真实 Chromium 窗口，点击任意 UI 元素即可把它的 HTML、CSS 和裁剪截图直接送进智能体提示，做前端迭代超顺手。
- GitHub & Linear 原生集成：应用内浏览 PR、issue 和项目看板，从任务直接开 worktree 审查、合并，无需切上下文。
- 移动伴侣：手机端实时看智能体状态、查用量、切换账号，智能体跑完推送通知，离开工位也能续命。
典型使用场景
- 同一需求多智能体赛马：把”修复登录竞态”同时丢给 Claude Code 和 Codex，各自在独立 worktree 实现，再挑实现更干净的合并，质量与速度双增。
- 远程算力 + 本地轻量：在强劲的云服务器上跑 orca serve，本地笔记本只做轻量操作，SSH worktree 自动重连、端口转发，CI 跑挂了也能随时续。
- 通勤中远程续命：智能体在桌面端跑长任务，你在地铁上用手机伴侣看进度、发现走偏了直接发一句纠正指令，到家正好收工。
推荐理由

我自己的体感是：当你的工作流里同时养了 2 个以上编码智能体，纯终端 + tmux 的管理成本会指数上升——分支冲突、上下文丢失、账号切换最磨人。Orca 把”并行隔离 + 统一编排 + 移动可观测”这三件事打包成一个干净的应用，而且开源 MIT、自带 Ghostty 级终端和真实浏览器，比那些只包一层终端的 wrapper 完整太多。它不绑定任何一家模型厂商， bring-your-own-subscription 的思路也让成本可控。唯一门槛是它更偏”重环境”，轻度用户用终端就够了；但只要你开始”以舰队为单位”写代码，Orca 几乎是必装。

下载地址
- 官网：https://onOrca.dev
- GitHub：https://github.com/stablyai/orca（⭐ 18.5K+，MIT License）
- 桌面端下载：Releases（macOS dmg / Windows exe / Linux AppImage）
- iOS：App Store / TestFlight
- Android：APK
2026年7月14日
Matt Pocock’s Skills：给真工程师用的 AI 编程 Skill 合集（167K★，MIT）
AI 编程助手很强，但常常「生成很强、理解很弱」——需求没对齐就开干、跑不通就乱试、代码越写越乱。Matt Pocock’s Skills 是 Total TypeScript 作者、TypeScript 圈大佬 Matt Pocock 把自己 .claude 目录里每天在用的工程技能开源出来的合集：不接管你的流程，而是把真实工程纪律封装成一组足够小、可改造、可组合的 Skill。

一、项目简介

Matt Pocock’s Skills 是一套面向「真工程师」的 AI 编程 Agent 技能库（Skills for Real Engineers），源自作者每天都在用的 .claude 配置，用几十个可组合的小技能把需求对齐、TDD、结构化调试、架构治理等工程纪律固化下来，而不是像 GSD/BMAD/Spec-Kit 那样「接管整个开发流程」。

二、安装要求和过程

环境要求
- 任意支持 Agent Skills 标准的编程智能体：Claude Code、Codex、Gemini CLI、Cursor 等（skills.sh 安装器可覆盖 70+ Agent）
- Node.js 环境（用于 npx 一键安装）
- 零运行时依赖：纯 Markdown + Shell 技能，MIT 协议
快速安装
```
# 一行安装（从 skills.sh 拉取并按提示选择技能）
npx skills@latest add mattpocock/skills

# 或在 Claude Code 中使用 plugin marketplace 添加
# 安装后即可用 /ask-matt 跳转开始
```
三、核心功能
1. 小而可组合的设计哲学：每个 Skill 都小到能读懂、能改、能删；不接管流程，把决策权留给人，避免重型框架的“流程自身出 bug 难查”。
2. Grilling 柚问式访谈：动手前先对齐需求（/grill-me、/grill-with-docs 会更新 CONTEXT.md 与 ADR），根治“Agent 没做你想要的事”。
3. TDD + 结构化调试：把红绿重构和诊断纪律封装成可复用技能（/tdd、/diagnose），让代码做出来就能跑。
4. 共享语言与架构治理：通过 CONTEXT.md / ADR 建立团队共享术语，/improve-codebase-architecture 生成可视化 HTML 架构报告。
5. 标准化、跨工具：遵循开放的 Agent Skills 标准，技能按调用方式分为 User-invoked（人工触发）与 Model-invoked（Agent 自动调用），通用于各编程智能体。
四、典型使用场景
- 新功能前需求对齐：用 /grill-me 把模糊想法柚问成清晰需求，再用 /to-issues 拆成工单、/to-prd 产出产品需氛文档，防止 Agent 跑偏。
- 遇到诡异 Bug：不让 Agent 乱试，用 /diagnose 走结构化调试法，逐步定位根因。
- 持续保持代码健康：编码时让 Agent 自动调用 /tdd 保持测试驱动，随时用 /improve-codebase-architecture 给代码层做体检并生成可视化报告。
五、推荐理由

我个人非常吃这套“真工程”路线。现在大量 Agent 框架走的是“接管流程”，一上来就把你的控制权收走，流程本身出了 bug 还难查。mattpocock/skills 反道而行：技能够小、够透明，你能读懂、能改、能删，把理解的过程交还给人和 Agent 之间的对话。对于已经有本地 Skill 体系的团队，它最适合的定位不是“替换”，而是“增强”。尤其推荐给被 Vibe Coding 耗到的同学——它是真正的 Real Engineering 和随便写代码之间的分野。

六、下载地址
- 👉 GitHub 仓库：https://github.com/mattpocock/skills
- 👉 一键安装：npx skills@latest add mattpocock/skills
- 👉 作者周报：AI Hero Skills Newsletter
文章配图来源：项目官方仓库 / Total TypeScript Cloudinary。本文由自动化任务采集整理，转载请注明出处。
2026年7月13日
Page Agent：阿里巴巴开源的“住在网页里的”GUI 智能体，一行脚本让网页自己动起来
项目简介

Page Agent 是阿里巴巴开源的一个运行在网页内部的 JavaScript GUI 智能体。只需一行脚本，就能让任意网页拥有自己的 AI 代理，用自然语言直接控制 Web 界面——点击按钮、填写表单、跳转页面，全部交给 AI 完成。项目当前已收获约 2.6 万 Star，采用 MIT 协议，主要使用 TypeScript 编写，运行时以纯前端 JavaScript 注入。

“The GUI Agent Living in Your Webpage. One script gives any web page its own AI agent.”

安装要求和过程

环境要求
- 任意支持 <script> 标签或 npm 的网页环境即可；
- 无需浏览器扩展、Python 或无头浏览器，纯前端运行；
- 如需自托管大模型，需一个可访问的模型 API（如通义千问 Qwen、本地模型等）；
- 使用 npm 安装 / 二次构建时需要 Node.js 环境。
快速安装（三种方式）

方式一：CDN 一行接入
```
<script
    src="https://cdn.jsdelivr.net/npm/page-agent@1.12.1/dist/iife/page-agent.demo.js"
    crossorigin="anonymous"
></script>
```
国内镜像：https://registry.npmmirror.com/page-agent/1.12.1/files/dist/iife/page-agent.demo.js

方式二：NPM 安装
```
npm install page-agent
```
```
import { PageAgent } from 'page-agent'

const agent = new PageAgent({
    model: 'qwen3.5-plus',
    baseURL: 'https://dashscope.aliyuncs.com/compatible-mode/v1',
    apiKey: 'YOUR_API_KEY',
    language: 'en-US',
})

await agent.execute('Click the login button')
```
方式三：Chrome 扩展 —— 从 Chrome 网上应用店安装 Page Agent 扩展，用于跨多标签页的多页面任务。

核心功能
- 🎯 极简集成：纯页面内 JavaScript，不需要浏览器扩展、Python 或无头浏览器，几行代码即可嵌入。
- 📖 基于文本的 DOM 操作：无需截图、不依赖多模态大模型或特殊权限，通过结构化 DOM 文本理解页面并执行操作。
- 🧠 自带 LLM（BYO）：支持绝大多数主流模型（含本地部署），模型选择完全自由。
- 🐙 可选 Chrome 扩展：支持跨标签页的多页面任务编排。
- 🔌 MCP Server（Beta）：允许外部 Agent 客户端（如 Claude Code / Cursor）从外部控制你的浏览器。
典型使用场景
- SaaS AI Copilot：几行代码为自家产品嵌入 AI 助手，无需重写后端，立刻获得“对话式操作界面”能力。
- 智能表单填充：把原本需要 20 步点击的流程压缩成一句话，特别适合 ERP / CRM / 后台管理系统等高频重复操作。
- 无障碍访问：通过自然语言让任何 Web 应用变得可操作，配合语音 / 读屏为行动不便的用户打开大门。
- 多页面自动化 / MCP 控制：借助 Chrome 扩展或 MCP Server，让 AI 跨页面完成复杂工作流（如比价、数据搬运）。
推荐理由

我第一次看到 Page Agent 时最直接的感受是：它把“浏览器自动化”这件事做得太轻了。传统方案（如 Playwright / Puppeteer 脚本、或无头浏览器方案）要么要写一堆选择器、要么要吃截图走多模态，门槛和成本都不低。Page Agent 反其道而行——它就活在页面里，用文本化的 DOM 理解来“读懂”界面，再用自然语言驱动操作，心智负担几乎为零。

对前端 / 产品同学尤其友好：你想给后台加个“AI 帮我导这份报表”的入口，挂一段脚本就行，不用动架构。再加上它支持 BYO 模型、可接本地大模型，数据不出内网也能玩。如果你正琢磨怎么给产品接一个“会自己点页面”的 AI，Page Agent 是目前最省心、最贴近生产的选择之一。

下载地址
- GitHub 仓库：github.com/alibaba/page-agent
- npm 包：npmjs.com/package/page-agent
- 在线 Demo：alibaba.github.io/page-agent
- 官方文档：alibaba.github.io/page-agent/docs
- Chrome 扩展：Chrome 网上应用店
2026年7月12日
Superpowers：让 AI 编程智能体「先想清楚再做」的开源方法论
Superpowers 是一套面向 AI 编程智能体（Claude Code、Cursor、Codex、Copilot CLI 等）的开源「方法论 + 技能框架」。它不写业务代码，而是把资深工程师的开发纪律——先脑暴、出设计、写计划，再以测试驱动与代码评审推进——固化成一组「强制触发」的技能（skills），让 Agent 不跳过任何关键步骤。一句话：它给 AI 编程助手外挂了一套工程纪律。

安装要求和过程

环境要求
- 任意支持「插件市场」的 AI 编程客户端：Claude Code、Cursor、Codex App/CLI、GitHub Copilot CLI、Kimi Code、OpenCode 等；
- 无需额外运行时依赖——技能本身是纯 Markdown，零代码、零安装负担；
- 最新版本 v6.1.1（2026-07-03），MIT 协议，可商用。
快速安装

以最常用的 Claude Code 为例，一条命令装好：
```
plugin install superpowers@claude-plugins-official
```
其他宿主的安装入口：
- Cursor：在 Agent 聊天里执行 /add-plugin superpowers；
- Codex CLI：/plugins 搜索 superpowers 安装；
- Copilot CLI：注册市场后 copilot plugin install superpowers@superpowers-marketplace；
- OpenCode：读取并执行 https://raw.githubusercontent.com/obra/superpowers/refs/heads/main/.opencode/INSTALL.md。
装好后，正常对话提需求即可——智能体会自动激活内置技能链，无需你手动调用。

核心功能
- 自动触发的技能库：20+ 技能覆盖测试（TDD 红-绿-重构）、调试（系统化排查、完成前验证）、协作（脑暴、写计划、派发并行 Agent、请求/接收代码评审）等，全部「强制工作流」而非可选建议。
- 「先想后做」工作流：脑暴出规格 → Git worktree 隔离 → 设计文档 → 细粒度实施计划 → 子智能体并行开发 → TDD → 代码评审 → 收尾分支，每一步都有验证门禁。
- 跨宿主通用：一套技能同时兼容 Claude Code、Cursor、Codex、Copilot CLI、Kimi Code、OpenCode 等，换工具不丢方法论。
- 子智能体驱动开发（Subagent-driven Development）：把任务拆给并行子 Agent，主 Agent 只做编排与评审，效率和质量双升。
- 可扩展元技能：writing-skills 让你把自己的工作流封装成新技能，using-superpowers 教 Agent 怎么用这套框架——团队规范可沉淀复用。
典型使用场景
- 从一句话需求到可运行功能：让 Agent 先脑暴出规格文档、确认后再生成计划，最后自主开发并自测，避免「上来就写代码」导致的返工灾难。
- 大型功能并行开发：用 worktree 隔离 + 派发多个子 Agent 同时推进不同模块，主 Agent 汇总与评审，单人也能扛起一个小组的吞吐。
- 团队统一研发规范：把团队最佳实践写成技能，所有人（和人）用同一套流程，新人也能稳定产出老手质量的代码。
推荐理由

用过一堆「vibe coding」工具后，我的结论很朴素：最大的问题不是模型不够聪明，而是 Agent 没有纪律——直接上手写、不写测试、不评审。Superpowers 把「工程纪律」外挂给 Agent，强制它先脑暴、再计划、再 TDD，质量肉眼可见地提升。它不替你做判断，只是不让 Agent 跳过关键步骤。25 万+ star、今天还挂在 GitHub 热榜第一，MIT 协议，值得每个用 AI 写代码的人装一下。

下载地址
- GitHub：https://github.com/obra/superpowers
- 官方市场 / 安装说明：见仓库 README（含各宿主插件市场入口）
2026年7月12日
chrome-devtools-mcp：Chrome 官方出品，让 AI 编程助手直接操控与调试浏览器
chrome-devtools-mcp 是 Chrome DevTools 官方团队推出的一个 MCP（Model Context Protocol）服务器，它把整个 Chrome 开发者工具的能力开放给 AI 编程助手——让 Claude、Cursor、Copilot、Gemini CLI 等智能体能够直接控制并检视一个真实运行的 Chrome 浏览器，实现可靠的自动化、深度调试和性能分析。截至目前该项目在 GitHub 已收获约 46,700+ Stars。

项目简介

一句话说明：chrome-devtools-mcp 让你的 AI 编程助手拥有一双”眼睛”和一双”手”，可以打开网页、点击操作、查看网络请求与控制台报错、录制性能 trace，从而真正”看见”自己写的代码在浏览器里跑成什么样。它基于 Puppeteer 驱动 Chrome，并会自动等待操作结果，让智能体的浏览器操作变得稳定可靠。

安装要求和过程

环境要求
- Node.js —— LTS 版本
- Chrome —— 当前稳定版或更新版本
- npm
快速安装

无需手动安装，直接在 MCP 客户端配置中通过 npx 拉起即可。以标准配置为例，在客户端的 MCP 配置文件中加入：
```
{
  "mcpServers": {
    "chrome-devtools": {
      "command": "npx",
      "args": ["-y", "chrome-devtools-mcp@latest"]
    }
  }
}
```
使用 Claude Code CLI 的用户可以一行命令完成添加：
```
claude mcp add chrome-devtools --scope user npx chrome-devtools-mcp@latest
```
如果只需要基础的导航、执行脚本与截图，可以用精简 + 无头模式降低开销：
```
"args": ["-y", "chrome-devtools-mcp@latest", "--slim", "--headless"]
```
核心功能
- 性能洞察：调用 Chrome DevTools 录制性能 trace，并提取可执行的优化建议（如”检查 https://developers.chrome.com 的性能”）。
- 高级浏览器调试：分析网络请求、抓取截图、读取控制台消息，并附带经过 source map 还原的堆栈信息。
- 可靠自动化：底层由 Puppeteer 驱动，自动等待动作完成，避免因时序问题导致的操作失败。
- 丰富的工具集：涵盖输入自动化、页面导航、设备模拟、性能、网络、调试、内存、扩展等 10 大类共 50 余个工具。
- 灵活的连接方式：支持无头/有头、隔离实例、指定 Chrome 通道，还能通过 --autoConnect / --browser-url 连接已经在运行的 Chrome，与人工共享登录状态。
典型使用场景
- 前端性能诊断：让 AI 助手打开你的站点自动录制性能 trace，指出 LCP、长任务、渲染阻塞等瓶颈并给出改进方案，把”性能优化”从玄学变成可量化的闭环。
- 自动化调 Bug：当页面报错或接口异常时，智能体可直接查看控制台报错和网络请求详情（含还原后的堆栈），定位问题后再改代码，减少来回复制粘贴。
- 沙箱内安全调试：在沙箱里运行 MCP，连接沙箱外带远程调试端口的 Chrome，既保证隔离又能复用真实浏览器环境，适合 Agent 产品集成浏览器能力。
推荐理由

用下来最大的感受是：它补齐了 AI 编程助手最缺的一环——“看得见运行结果”。过去让 AI 改前端，它只能凭代码想象效果；接入之后，它能真正打开页面、看到报错、量到性能数据，再回头改代码，闭环体验明显更靠谱。作为 Chrome DevTools 官方出品的项目，工具设计规范、更新及时，且用 npx 零安装接入、Apache-2.0 开源，几乎没有上手门槛。如果你已经在用 Claude Code、Cursor 或 Copilot 做前端开发，非常值得加上这一个 MCP。

下载地址
- GitHub 仓库：https://github.com/ChromeDevTools/chrome-devtools-mcp
- npm 包主页：https://www.npmjs.com/package/chrome-devtools-mcp
项目信息：ChromeDevTools 官方出品 · TypeScript 开发 · Apache-2.0 许可 · 约 46,700+ GitHub Stars。
2026年7月11日
addyosmani/agent-skills：给 AI 编程助手装上 24 套「资深工程师技能」的开源技能库（76.9K⭐）
agent-skills 是 Google Chrome 团队工程师 Addy Osmani 维护的一套「生产级工程技能库」——把资深工程师在定义、规划、构建、验证、评审、发布软件时遵循的工作流、质量门禁与最佳实践，封装成 AI 编程 Agent 可以直接调用的结构化技能（Skills）。目前 76.9K Stars、MIT 许可，是当下 GitHub 上最热门的 AI 工程实践项目之一。

一、安装要求和过程

环境要求：
- 任意支持 Skills / 系统提示 / 指令文件的 AI 编程客户端（Claude Code、Cursor、Codex、Copilot、Cline、Gemini CLI、Windsurf、Kiro、OpenCode 等 70+ 款）；
- 一键安装需 Node.js（提供 npx skills 命令）；
- 本地克隆方式需 Git。
快速安装：

方式一：skills CLI 一行装全部（推荐，覆盖 70+ Agent）
```
npx skills add addyosmani/agent-skills            # 安装全部 24 套技能
npx skills add addyosmani/agent-skills --list     # 安装前先浏览
npx skills add addyosmani/agent-skills --skill test-driven-development  # 只装单个技能
```
方式二：Claude Code 原生插件市场
```
/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills
```
方式三：本地克隆后挂载
```
git clone https://github.com/addyosmani/agent-skills.git
claude --plugin-dir /path/to/agent-skills
```
二、核心功能
- 8 条贯穿开发生命周期的斜杠命令：/spec（定规格）、/plan（拆任务）、/build（增量实现）、/test（验证）、/review（评审）、/webperf（性能）、/code-simplify（简化）、/ship（发布），每条命令自动激活对应技能。
- 24 套覆盖全流程的工程技能：从 interview-me（需求澄清）、spec-driven-development（写 PRD），到 test-driven-development、code-review-and-quality（五轴评审）、security-and-hardening（OWASP 防护）、shipping-and-launch（上线清单）。
- 技能即结构化工作流：每个 Skill 都带步骤、验证门禁（verification gates）和「反合理化」对照表，让 Agent 跨任务稳定遵守同一套标准，而不是凭心情发挥。
- 上下文自动触发：设计 API 自动触发 api-and-interface-design，写 UI 自动触发 frontend-ui-engineering，无需手动指定。
- /build auto 半自治模式：审批一次计划后，Agent 自动逐任务实现、测试驱动、单独提交，遇出错或高风险步骤自动暂停。
三、典型使用场景
1. 新功能从 0 到上线：用 /spec 先写规格、/plan 拆任务、/build 增量实现、/test 验证、/review 评审、/ship 发布——把「想到哪写到哪」变成可重复的流水线。
2. 代码评审质量门禁：合并前调用 code-review-and-quality 做五轴评审（可读性 / 正确性 / 复杂度 / 测试 / 安全），以「Staff Engineer 会不会 merge」为标准，避免 AI 生成的 PR 带病合并。
3. 安全敏感改动：涉及用户输入、鉴权、外部集成时触发 security-and-hardening，按 OWASP Top 10 检查、管理密钥、审计依赖，降低生产事故概率。
四、推荐理由

我自己的使用感受：这套技能库最打动人的地方，是它把「资深工程师的肌肉记忆」显式化了。平时让 AI 写代码，最容易翻车的是「需求没问清就开干」「改完不写测试」「PR 质量没把关」。agent-skills 用 /spec → /test → /review 把这些容易偷懒的环节变成默认流程，相当于给 Agent 配了个不会疲倦的 Tech Lead。它是纯 Markdown、零运行时依赖，装到任何 Agent 里都不增加包袱，值得每个用 AI 写代码的人试一试。

五、下载地址
- GitHub 仓库：https://github.com/addyosmani/agent-skills
- 作者博客 / 封面图出处：https://addyosmani.com
- skills CLI（一键安装器）：https://github.com/vercel-labs/skills
2026年7月11日
Desktop Commander MCP：让 AI 直接掌控你的终端与文件系统
一、项目简介

Desktop Commander MCP 是一个为 Claude、Cursor、VS Code、Claude Code 等 AI 编程客户端提供「终端控制 + 文件系统搜索 + 差异文件编辑」能力的 MCP（Model Context Protocol）服务器。它让你的 AI 助手不再只会「动嘴」，而是能在你的本地电脑上真正「动手」——开终端、搜文件、改代码、跑命令、看结果，一条龙闭环。

项目由 wonderwhy-er 维护，目前 GitHub 收获 6,700+ Stars、882 Forks，采用 MIT 协议开源，底层用 TypeScript 实现，跨 Windows / macOS / Linux 全平台可用。

二、安装要求与过程

环境要求
- Node.js（推荐 18+；或改用 Docker 方式，无需安装 Node）；
- 一个支持 MCP 的客户端：Claude Desktop / Cursor / VS Code / Claude Code / Codex / Gemini CLI / Windsurf 等；
- 操作系统：Windows、macOS、Linux 均可。
快速安装（以 Claude Desktop 为例，npx 自动更新）
```
npx @wonderwhy-er/desktop-commander@latest setup
```
或手动在 claude_desktop_config.json 中添加：
```
{
  "mcpServers": {
    "desktop-commander": {
      "command": "npx",
      "args": ["-y", "@wonderwhy-er/desktop-commander@latest"]
    }
  }
}
```
其他客户端一句话安装
```
# Claude Code
claude mcp add --scope user desktop-commander -- npx -y @wonderwhy-er/desktop-commander@latest

# Codex
codex mcp add desktop-commander -- npx -y @wonderwhy-er/desktop-commander@latest

# Qwen Code
qwen mcp add desktop-commander -- npx -y @wonderwhy-er/desktop-commander@latest
```
不想装 Node？直接用 Docker 一键脚本（install-docker.sh / install-docker.ps1）启动；也可以通过 Smithery、Cursor 的 MCP 安装链接等图形化方式添加。

三、核心功能
1. 增强型终端控制：运行长时间命令、管理交互式进程（start_process / interact_with_process / read_process_output / force_terminate）、会话管理，并支持指定 bash / zsh 等 shell。
2. 完整文件系统操作：读 / 写 / 移动 / 递归列目录、按文件名与内容搜索（基于 vscode-ripgrep 的递归搜索）、读取文件元数据、负偏移 tail 读取超大日志。
3. 差异文件编辑（edit_block）：精准 SEARCH/REPLACE 替换、模糊回退、字符级 diff、多文件与正则模式替换，像资深工程师一样做「外科手术式」修改，而不是整文件重写。
4. 即时数据分析与办公文档：在内存中直接跑 Python / Node / R 代码；原生读写 Excel（.xlsx/.xls/.xlsm）、PDF、DOCX；直接分析 CSV / JSON，数据不出本机。
5. 企业级安全与可观测：符号链接遍历防护、命令黑名单、Docker 隔离、全面审计日志（10MB 轮转）、动态配置无需重启。
四、典型使用场景
- 大型代码库重构：让 Claude 用 ripgrep 递归搜出所有调用某函数的地方，逐文件用 edit_block 做差异修改。社区里有用户用它一次性修完 23 个文件、76 个错误的 Svelte 5 项目，速度远超传统 AI 编码体验。
- 本地数据分析：把 Downloads 里的 CSV 丢给 Agent，它直接在内存里跑 Python 做清洗、统计、画图，全程不离开本机，隐私可控。
- 自动化日常办公：自动按文件类型整理 Downloads、找出重复照片、把 Excel 报表转成图表或 Markdown，把重复的体力活交给 AI。
五、推荐理由

一句话总结：这是目前我用过「最像把 AI 变成真同事」的 MCP 工具。它不只是一个文件服务器，而是把「读代码 → 改代码 → 跑命令 → 看结果」的闭环搬进了对话框。

最香的是差异编辑（edit_block）——AI 不再整文件重写，而是精准打补丁，token 消耗更低、上下文更稳，长时间对话也不容易「翻车」。配合 Claude Code / Cursor，几乎可以取代一部分 IDE 操作，Vibe Coding 体验拉满。

唯一要留意的是权限边界：它默认能跑任意终端命令，建议在配置里用 allowedDirectories 限定工作目录，并保持审计日志开启。整体来说，开源 MIT、跨平台、一行命令装好，强烈推荐给所有做 AI 编程的人。

六、下载地址
- 官方网站：https://desktopcommander.app/
- GitHub 仓库：https://github.com/wonderwhy-er/DesktopCommanderMCP
- MCP 配置文档：https://desktopcommander.app/mcp/
- Smithery 安装：smithery.ai/server/@wonderwhy-er/desktop-commander
2026年7月10日
Zed：用 Rust 重写的高性能 AI 代码编辑器，86.6K Stars 让 VS Code 也坐不住了
项目简介：Zed 是由 Atom 与 Tree-sitter 创始人 Nathan Sobo 团队打造的高性能、多人协作代码编辑器，用 Rust + GPU 加速实现极致流畅的编码体验，并原生集成了 AI 助手与智能体能力。

📦 安装要求与过程

环境要求
- 操作系统：macOS 10.15+ / Linux（glibc 2.28+）/ Windows 10+
- 架构：x86_64 与 arm64 均支持
- 零额外依赖：自带 GPUI 渲染引擎，无需预装 Node 或 Electron
快速安装
- macOS：brew install --cask zed
- Windows：Microsoft Store 或 winget install Zed.Zed
- Linux：官网提供 .deb / .rpm / AppImage，或参考 Linux 安装文档
- 通用：访问 zed.dev/download 直接下载安装包
如需从源码构建，克隆仓库后执行 cargo run 即可（需 Rust 工具链）。详见各平台开发文档。

⚡ 核心功能
1. 极速编辑体验：Rust 编写 + GPU 渲染，多光标编辑、百万行大文件秒开，输入延迟低至亚毫秒级，彻底告别卡顿。
2. 原生多人协作：实时共同编辑、跟随模式（follow）、内置语音频道，无需安装插件即可远程结对编程。
3. AI 深度集成：内置 Agent 面板、内联补全（Inline Assistant）与命令面板 AI，支持 OpenAI / Anthropic / Ollama 等自定义模型。
4. Agent Panel 智能体：让 AI 在编辑器内直接读写文件、运行命令、多步迭代修改代码，把编码助理变成真正的协作者。
5. 基于 GPUI 框架：自研 UI 框架，扩展能力强；配合 Tree-sitter 实现精准的语法高亮与增量解析。
🎯 典型使用场景
- 团队结对编程：多人实时共编 + 内置语音，分布在不同城市的同事协作如坐同一间办公室。
- AI 辅助开发：用 Agent Panel 让 AI 完成函数重构、生成单元测试、解释复杂模块，效率翻倍。
- 大型项目快速导航：在海量代码库中秒级全局搜索与跳转，老旧大型工程也能流畅编辑。
💡 推荐理由

我实际体验过 Zed，最深的感受就是两个字——「丝滑」。打开几十 MB 的日志文件、全局搜索几乎零等待；它的 AI 能力不是外挂插件，而是编辑器原生的一部分，Agent Panel 真能在编辑器里完成多步任务、自己改文件跑命令。对于受够编辑器卡顿、又想要「AI 就在手边」的开发者，Zed 非常值得一试。2026 年 4 月它已发布 1.0 正式版，稳定性和生态都在快速成熟。

🔗 下载地址
- 🌐 官方网站：https://zed.dev
- 🐙 GitHub 仓库：https://github.com/zed-industries/zed（⭐ 86.6K+）
- 📥 下载安装：https://zed.dev/download
本文由自动化工作流整理发布 · 许可证：GPL-3.0-or-later（含 Apache-2.0 组件）
2026年7月7日