标签： AI编程

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
Figma 买下一家“氛围编程”团队，想把画布变成写代码的工厂
买下的是人，不是产品

Figma 最近又出手了，这次买下的是 Bud 背后的团队。Bud 你可能没听过，前身叫 Orchids，是一个 YC 孵化的”氛围编程”平台，后来转型成能跑任务的 AI 智能体。Figma 没公布价格，但有一点很清楚：Bud 和 Orchids 两款产品会在 7 月 18 号前关掉，用户得赶紧把项目搬走。

换句话说，Figma 要的是人，不是那个独立产品。Bud 的 CEO Kevin Lu 在 X 上发帖，把这次收购说得挺浪漫，说 Figma 是”我们这个时代最具代表性的产品公司之一”，是新一代工作方式天然的归宿。

Figma 想占住的，是产品被”造出来”的地方，而不只是被”画出来”的地方。

从画板到能跑的代码

这桩收购其实顺理成章。过去一年 Figma 一直在往”不只是设计工具”这个方向挪：去年推出 Figma Make，能直接生成网页应用；今年又接上了 Codex、Claude Code 这类外部编程智能体，自己也在画布上放了 AI 助手。它想让设计师不只在静态稿子上构思，而是能直接把想法变成能跑的东西。

为什么是现在

氛围编程这条赛道，从新鲜玩意儿到淘金热，大概只用了十八个月。光是做 prompt 转应用的 Lovable，今年初 ARR 就冲到 4 亿美元，六月还传出要按 120 亿美元估值融资的消息。Figma 当然不想只当那个”画图然后交给工程师”的角色。

设计画布与 AI 代码生成融合（配图由 AI 生成）

不过 Bud 也不是没包袱。今年早些时候 BBC 援引一名安全研究员的说法，指出 Orchids 上生成的应用容易被攻击。这其实是个行业通病，今年好几轮独立审计都发现，AI 生成的应用十有八九至少带一个安全漏洞。Figma 把人收编进来，顺手也接过了这份”生成的东西默认不安全”的麻烦。
- 收购 Bud（原 Orchids）团队，交易价格未披露
- Bud 与 Orchids 将于 7 月 18 日前关停，用户需迁移
- Figma 今年 Q1 营收 3.33 亿美元，同比增长 46%
- 约六成年付超 10 万美元客户每周使用 Figma Make
画布和代码之间的那道墙，正在被一家家公司和一股股收购慢慢推平。Figma 这一步，说小是补了个团队，说大是给自己在”AI 造软件”的时代抢了个身位。

📎 原文来源：Figma acquires team behind a vibe-coding app（TechCrunch）
2026年7月12日
Grok 4.5发布：马斯克不拼参数了，改拼性价比
淡出主流模型竞技场两个月之后，马斯克的 Grok 又坐回了牌桌。北京时间 7 月 9 日，SpaceXAI 正式发布旗舰模型 Grok 4.5。和过去每家都在喊”我们最强”的画风不同，这次马斯克显得很务实：他在 X 上连发几十条动态，反复强调一句话——能力和 Claude 的 Opus 4.7 差不多，但快得多，也便宜得多。

Grok 4.5 概念配图（本文配图由 AI 生成）

一张”够用就好”的牌

Grok 4.5 是个 1.5T 参数的 MoE 模型，上下文拉到 50 万 token，主打编程、智能体和知识工作，还能看图输入。在考察编程的 SWE Bench Pro 上它拿到 64.7%，刚好压过 Opus 4.7 的 64.3%；Terminal Bench 2.1 冲到 83.3%，DeepSWE 1.0 的 62% 也超过了 Opus 4.8。推理速度能跑到 80 TPS，已经挤进第一梯队。

有网友引用测试说，Grok 4.5 只花了大约十七分之一的成本，就做到了接近 Claude Fable 的性能。马斯克没有顺杆爬，反而老老实实承认差距：”公平地说，Fable 确实比 Grok 4.5 好得多，但大多数任务并不需要 Fable 级别的能力。”

真正让对手冒汗的是价格

但 SpaceXAI 真正想卖的不是分数，而是账本。它的 API 定价是每百万输入 token 2 美元、输出 6 美元。作为对照，Opus 4.7 的输入要 5 美元、输出 25 美元。完成同一个 SWE 任务，Grok 4.5 吐出的 token 量大约只有 Opus 4.8 Max 的四分之一。

把模型调用价格推向台前，是这一轮竞争里最现实的变化。当企业把 Agent 跑在生产环境、每天调用成千上万次，token 账单就变成了真金白银。谁能在不掉链子的前提下把单位成本压下来，谁就握住了开发者的切换按钮。
- 和 Cursor 联合训练，面向真实编码场景打磨
- 下周推送百万 token 上下文版本，月底还有 2T 参数版本预告
- 已在 SpaceXAI 控制台、Grok Build 和 Cursor 三端上线
说到底，马斯克这次没再玩”参数军备竞赛”那一套。他赌的是另一件事：在绝大多数真实工作里，用户要的不是天花板级别的智能，而是一份”能力够用、速度快、账单轻”的交付。特斯拉和 SpaceX 的硬核工程师觉得 Grok 4.5 真好用，这比任何榜单都更能说明问题。

📎 原文来源：Grok重回牌桌！新模型性能追平Opus更快还更省，Token直接砍到1/4（量子位）
2026年7月12日
Claude Cookbooks：Anthropic 官方出品的 Claude 使用范例集，47.8K stars 让 AI 开发少走弯路
Claude Cookbooks 是 Anthropic 官方维护的一组 Claude 使用范例/配方集（Jupyter Notebooks），用可直接复制、可运行的代码片段教会开发者如何用好 Claude API。它覆盖了文本分类、RAG、摘要、工具调用、多模态视觉、子代理、自动评估、JSON 模式、提示缓存等核心场景。截至 2026 年 7 月，仓库已收获 47.8K+ Stars、5.6K+ Forks，是学习和参考 Claude 官方最佳实践的必读项目。

一、项目简介

Claude Cookbooks 的定位非常清晰：它不是框架，也不是 SDK，而是一本「官方菜谱」。每个 Notebook 都围绕一个真实开发问题展开，例如「怎么用 Claude 做 RAG」「怎么让 Claude 调用外部工具」「怎么处理 PDF 与图片」「怎么自动评估生成结果」。你可以直接复制代码到自己的项目里，也可以把它当成学习 Claude API 的教程。

二、安装要求和过程

环境要求：
- Python 3.10+（示例代码以 Python 为主）；
- 一个 Claude API Key（可在 Anthropic 官网免费注册）；
- 仓库使用 uv 管理依赖，建议安装 uv（pip install uv 或 curl -LsSf https://astral.sh/uv/install.sh | sh）；
- 运行 Jupyter Notebook 需要浏览器或 VS Code Jupyter 插件。
快速安装：
```
# 1. 克隆仓库
git clone https://github.com/anthropics/claude-cookbooks.git
cd claude-cookbooks

# 2. 用 uv 安装依赖
uv sync

# 3. 设置环境变量
export ANTHROPIC_API_KEY="sk-ant-api03-..."

# 4. 启动 Jupyter 浏览示例
jupyter notebook
```
如果你不想安装 uv，也可以直接用 pip：pip install anthropic jupyter，然后逐本运行 Notebook。

三、核心功能
- 覆盖 Claude 全能力的实战 Notebook：从基础的文本分类、摘要、RAG，到高级的工具调用（Tool Use）、JSON 模式、子代理（Sub-agents）、自动评估（Evals）和提示缓存，几乎囊括了 Claude 的所有核心能力。
- 官方出品、持续更新：Anthropic 工程团队直接维护，Notebook 会跟随 Claude 3.5 / 3.7 / 4 系列模型和新 API 特性同步更新，避免你学到过时的写法。
- 可复制、可扩展的代码片段：每个配方都提供最小可运行示例，代码结构清晰，方便你替换成自己的数据、提示词或业务逻辑。
- 多模态与文档理解：包含视觉理解、图表解析、PDF 内容提取、表单识别等示例，适合需要处理非结构化数据的项目。
- 评估与可观测性：提供自动评估 Cookbook 和 Agent 搜索基准复现（DeepSearchQA / BrowseComp），帮助你建立「改提示 → 跑评估 → 看指标」的迭代闭环。
四、典型使用场景
1. 快速上手 Claude API：如果你是第一次用 Claude API，直接打开 getting_started 或基础能力 Notebook，五分钟就能把第一条请求跑起来。
2. 构建 RAG 与文档问答应用：参考 RAG 配方，把自有文档切分、嵌入、检索后交给 Claude 生成答案；也可以看多模态示例，直接让 Claude 读取 PDF 或图片并回答。
3. 开发工具型 Agent：学习如何让 Claude 调用计算器、数据库、搜索引擎等外部工具，并进一步组合成多 Agent 协作系统（Coordinator + Sub-agents）。
五、推荐理由

Claude Cookbooks 给我的最大价值是「少走弯路」。网上关于 Claude 的教程很多，但官方示例在 Prompt 写法、参数选择、错误处理和成本控制上往往最贴近生产实践。特别是工具调用、JSON 模式和提示缓存这几个容易踩坑的场景，官方代码把最佳实践写得非常清楚。而且它完全开源（MIT），Notebook 形式读起来没有框架源码那么重，适合一边看一边改。

六、下载地址
- GitHub 仓库：https://github.com/anthropics/claude-cookbooks
- Anthropic 官方文档：https://docs.anthropic.com
- Anthropic API 注册：https://www.anthropic.com
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
Meta开放Muse Spark 1.1，想让自家的模型给开发者写代码
Meta 通过 Meta Model API 开放 Muse Spark 1.1（配图）

今年 4 月，Meta 带着自家的第一个自研模型 Muse Spark 重新杀回 AI 牌桌。才过去三个月，它又往前挪了一步：把升级版 Muse Spark 1.1 通过一个新的 Meta Model API，开放给美国开发者做公开预览。换句话说，Meta 不再满足于只把模型藏在自己产品里，它想成为别人搭 AI 工具时脚下的那层地基。

从”自己玩”到”让别人也来用”

Meta 对 1.1 版的定位是比初代”跨了一大步”，改进来自开发者的反馈。具体能干什么？更硬的编程能力，包括发现和修复复杂 bug；更好地支持跨多个 App 的端到端智能体工作流，甚至多智能体协作；还原生具备对图片、视频、文档的多模态感知。上下文窗口给到了 100 万 token。

Meta 说 Muse Spark 1.1 相比初代是”step-change”级别的跃迁，重点补上了复杂 bug 修复、多智能体编排，以及跨图片、视频、文档的原生多模态感知。

身后那笔账

这次发布紧跟在本周 Muse Image 的后面——那个图像生成模型因为能把别的用户的 Instagram 内容揉进生成结果里，已经惹出争议。但 Muse Spark 1.1 走的是另一条路：它要接进 AI 编程软件，去挤那个已经很挤的赛道。这一切都发生在 Meta 想证明自己砸下去的几十亿美元没白花的大背景下；过去一年它挖了一堆明星工程师、做了内部重组，目标就是追上 OpenAI、Google 和 Anthropic。

怎么拿到，花多少钱

新模型现在就能在 Meta AI App 和网站里用 Thinking 模式体验，同时通过 Meta Model API 向美国开发者开放公开预览。每个新开的 API 账号，Meta 还送 20 美元的免费额度。回想一下，Muse Spark 最早只在 Meta AI 里能用，后来才陆续驱动了 Instagram、WhatsApp 里的聊天机器人，以及最新的 Meta 智能眼镜。开发者 API 的具体按 token 计费标准还没公布，重度使用可能会被限流。

分数还没追上，但路线选得巧

在硬跑分上，Muse Spark 1.1 还没坐到领头的位置。Terminal-Bench 2.0 这种真实编程任务的测试里它拿了 59.0 分，落在 OpenAI 的 GPT-5.5（82.7）、Google 的 Gemini（68.5）和 Anthropic 的 Claude Opus（65.4）后面；SWE-Bench Verified 上它 77.4%，而 GPT-5.5 是 88.7%。Meta 自己也在声明里认了这些差距，说会继续往长程智能体和编程工作流里砸钱补窟窿。
- 公开预览 7 月 9 日启动，而它的私下预览从 4 月就开始了。
- 通过 meta.ai 和 Meta AI App，模型目前免费可用，企业级调用成本待定。
- 100 万 token 上下文，是它目前最能拿得出手的一张牌。
对 Meta 来说，这一步的意义不只在分数。当 OpenAI、Google、Anthropic 都在抢”谁坐在普通人的聊天框里”时，Meta 悄悄选了另一条战线——抢”谁坐在成千上万个编程助手、检索管道和自动智能体下面”。这条战线更安静，但可能更值钱：底层模型一旦被大量开发者依赖，迁移成本就高了，后面的议价权也就到了 Meta 手里。

📎 原文来源：Meta says its new AI model is ready to compete on coding（The Verge）
2026年7月10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
成立不到三年估值翻倍到132亿美元，Lovable做对了什么
用大白话描述需求，软件自己就长出来了——这正是氛围编程的卖点

一家瑞典的”vibe-coding”（氛围编程）创业公司 Lovable，正在谈一轮 3 亿美元的融资，估值直接冲到 132 亿美元——正好是他们去年 12 月 66 亿美元估值的两倍。据 Sifted 报道，领投的是 Menlo Ventures，就是上个月刚宣布募了 30 亿美元新基金的那家。不到一年估值翻一倍，这速度在 AI 应用层里也算扎眼。

收入跑得比名气还快

这家成立还不到三年的公司，今年 6 月年化收入跑到了 5 亿美元。它的用户群挺杂：有创始人、独立设计师、做销售的人，拿它来搭网站和电商落地页；它也把工具卖给大公司，Workday、Asana、英伟达都在客户名单里。既有散客又有大单，这让它跟那些只靠个人开发者撑场面的竞品拉开了身位。

“用大白话描述一下，软件就自己长出来了”——这大概就是氛围编程最直白的注脚。

为什么”氛围编程”这么值钱

氛围编程说白了就是用户用自然语言描述想要什么，AI 就把软件给搭出来。这目前是 AI 最火、也最赚钱的应用场景，没有之一。同赛道里早就挤满了高估值玩家：
- Replit：今年 3 月估值到 90 亿美元
- Factory：帮企业做 AI 代理，4 月拿了 1.5 亿融资、估值 15 亿
- Cursor：给开发者做氛围编程，上个月刚被 SpaceX 以 600 亿美元股票收购
Lovable 这波估值翻倍，本质上是市场在给”AI 让人人都能写软件”这个故事重新定价。当收入跑得快、大企业也愿意买单，投资人自然愿意把赌注加倍。不过氛围编程这行的护城河到底有多深，会不会被大厂自家的 AI 工具一点点稀释，到现在还是个没人能答清楚的问题。

回头看，Lovable 从去年底 66 亿到如今 132 亿，踩中的是 AI 从”聊天”走向”真把东西做出来”的那股劲。接下来要看的是，它能不能在 Cursor 被巨头收编、大厂工具免费化的夹击下，守住自己的那块地盘。

📎 原文来源：Lovable reportedly in talks to double its valuation to $13.2B | TechCrunch
2026年7月9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

标签： AI编程

安装要求和过程

环境要求

快速安装

核心功能

典型使用场景

推荐理由

下载地址

买下的是人，不是产品

从画板到能跑的代码

为什么是现在

一张”够用就好”的牌

真正让对手冒汗的是价格

一、项目简介

二、安装要求和过程

三、核心功能

四、典型使用场景

五、推荐理由

六、下载地址

项目简介

安装要求和过程

环境要求

快速安装

核心功能

典型使用场景

推荐理由

下载地址

一、安装要求和过程

二、核心功能

三、典型使用场景

四、推荐理由

五、下载地址

从”自己玩”到”让别人也来用”

身后那笔账

怎么拿到，花多少钱

分数还没追上，但路线选得巧

一、项目简介

二、安装要求与过程

环境要求

快速安装（以 Claude Desktop 为例，npx 自动更新）

其他客户端一句话安装

三、核心功能

四、典型使用场景

五、推荐理由

六、下载地址

收入跑得比名气还快

为什么”氛围编程”这么值钱

📦 安装要求与过程

⚡ 核心功能

🎯 典型使用场景

💡 推荐理由

🔗 下载地址