标签： AI Agent

Archon：把 AI 编码变成确定性工作流的开源 harness 构建器
项目简介

Archon 是首个开源的 AI 编码 harness（流程编排）构建器——用 YAML 把“规划→实现→校验→审查→提 PR”等开发流程固化下来，让 AI 编码智能体每次都按同一套确定性步骤执行，把“看模型心情”变成“可重复、可提交”的工程实践。

如果说 Dockerfile 之于基础设施、GitHub Actions 之于 CI/CD，那么 Archon 之于 AI 编码工作流。可以把它理解为“面向软件开发的 n8n”。

安装要求和过程

环境要求
- 运行时：Bun（macOS/Linux/Windows 均支持）
- AI 编码助手：Claude Code（默认），或 Codex、Pi
- GitHub CLI（gh）：用于自动建分支、提 PR
- 系统：macOS / Linux / WSL / Windows（PowerShell）；数据库默认 SQLite，可切 PostgreSQL
快速安装（30 秒，已有 Claude Code）
```
# macOS / Linux
curl -fsSL https://archon.diy/install | bash

# Windows (PowerShell)
irm https://archon.diy/install.ps1 | iex

# 或 Homebrew
brew install coleam00/archon/archon
```
⚠️ 编译版二进制不含 Claude Code，需单独安装并指定 CLAUDE_BIN_PATH；Docker 镜像则已自带。

完整初始化（5 分钟，推荐）
```
git clone https://github.com/coleam00/Archon
cd Archon
bun install
claude          # 在 Claude Code 里说：“Set up Archon”
```
引导向导会配置凭证、选择接入平台，并把 Archon skill 复制到你的目标仓库。之后在你的项目里直接对编码智能体说 “Use archon to fix issue #42” 即可。

核心功能
- 确定性、可重复：开发流程写成 YAML 工作流，固定阶段与校验门（validation gate），每次运行同一套顺序——计划、实现、校验、审查、PR，结果一致。
- 隔离并行：每个工作流运行都在独立的 git worktree 中，可同时修 5 个 Bug 而互不冲突。
- 发射后不管（Fire & forget）：启动一个工作流就去忙别的，回来已经是一个带审查意见的成品 PR。
- 确定性节点 + AI 节点可组合：bash 脚本、测试、git 操作等确定性步骤由机器精确执行；规划、代码生成、审查等只在 AI 真正增值的地方运行。
- 随处可跑、全员共用：工作流定义在 .archon/workflows/，提交进仓库后，从 CLI、Web UI、Slack、Telegram 到 GitHub 表现完全一致；内置 19 个常用工作流，也可自定义。
典型使用场景

场景一：自动修 GitHub Issue

对智能体说 “Use archon to fix issue #42”，自动触发 archon-fix-github-issue 工作流：分类 → 调研/规划 → 实现 → 校验 → 提 PR → 智能审查 → 自我修复，全程无需你盯着。

场景二：从想法到 PR（Idea-to-PR）

archon-idea-to-pr 把“给设置页加暗黑模式”这类想法，自动走规划 → 循环实现（直到测试通过）→ 审查 → 提 PR → 5 个并行 reviewer → 自我修复，产出完整 Pull Request。

场景三：团队远程异步协作

接入 Slack / Telegram / GitHub / Discord 后，在群聊里丢一句话就能触发工作流；所有平台的活动汇聚到同一个 Web 仪表盘（Mission Control），实时查看进度与历史。

推荐理由

我自己最吃这一套的点在于“把流程的所有权拿回自己手里”。平时让 AI 智能体修 Bug，跑十次九个样：有时忘了跑测试、有时 PR 描述敷衍、并行修多个问题时还互相踩。Archon 用一份 YAML 把团队认可的工程纪律写死，AI 只在需要创造力的节点上发挥作用，其余交给确定性执行——稳定、可审计、可复现。它不绑定某家模型，Claude / Codex / Pi 随便换；Web 仪表盘 + 多平台接入也让“远程派活、回来收 PR”变得很顺。对想把 AI 编码真正纳入研发流程的团队，这是目前最像样的开源方案之一。

下载地址
- 官网 / 文档：https://archon.diy
- GitHub：https://github.com/coleam00/Archon（⭐ 22.9K · MIT · TypeScript）
- 快速安装：curl -fsSL https://archon.diy/install | bash
2026年7月22日
多西带着Buzz杀进协作赛道：人和AI智能体要在同一个群里干活了
如果你最近觉得公司群聊越来越挤，那杰克·多西（Jack Dorsey）刚刚又给了你一个进群的理由。这位 Twitter 和 Block 的联合创始人，在周二甩出了一个叫 Buzz 的新应用——它瞄准的是 Slack 和 GitHub 的地盘，做的却是一件有点不一样的事：把人和他们手里的 AI 智能体，塞进同一个工作群聊里。

Buzz 的样子，第一眼看上去就是 Slack 的近亲。左侧频道列表、右侧对话窗、再配上文件和应用，都属于标准配置。但多西在 X 上强调，Buzz 是“模型无关、去中心化、自我主权、开源”的。对一个越来越依赖 AI 智能体干活的公司来说，这一点挺关键——员工不用再在五六个平台之间反复横跳，Buzz 试图把编码、协作、项目管理都收拢到一个窗口里。

多西在 X 上写道，Buzz 是“model-agnostic, decentralized, self-sovereign, and open source”——模型无关、去中心化、自我主权，并且开源。

它背后的公司不是什么车库创业，而是多西自己的 Block。Square、Cash App、Afterpay、Tidal 都出自这家公司，Buzz 是它最新的一笔押注。从产品逻辑看，Buzz 想解决的是这样一个尴尬：现在团队用 AI 智能体做任务，但智能体往往散落在不同工具里，人和“数字同事”很难在同一个空间里配合。Buzz 的做法是直接让智能体进驻群聊，你 @ 它一下，它就能在同一个对话里帮你查代码、跑任务、整理信息。

开源，是它最硬的底牌

因为代码完全开放，开发者可以把 Buzz 改成最适合自己团队的样子。需要某个功能？自己写、自己部署，不用等厂商排期。这种“自托管”的思路，在企业场景里尤其吃香——数据留在自己手里，权限自己说了算。多西不是唯一盯上这块的人。Paradigm 的合伙人兼 CTO Georgios Konstantopoulos 前不久也开源了一个类似的东西叫 Centaur，他管它叫“虚拟员工”，能跑在 Slack 里，也能通过 API 调用。

现在上车，可能还早了点

不过 Buzz 自己也很诚实：它目前还是“早期阶段”。对已经在用 Slack 的成熟团队来说，现在把所有工作流搬过去并不明智。它的免费桌面端已经上线，覆盖 macOS、Windows 和 Linux，代码也传到了 GitHub 上，谁都能去翻、去改。

Buzz 把人和 AI 智能体放进同一个工作群聊（图源：TechCrunch）
- 群聊形态，但原生内置 AI 智能体，而不是事后接个插件
- 同一窗口里直接管理 GitHub 项目，少切几次屏
- 开源可自托管，企业能自己把控安全和数据
- 免费桌面端已上 macOS / Windows / Linux，代码在 GitHub
说到底，Buzz 想回答的问题其实是：当 AI 智能体变成团队里“编外员工”，我们该把它们安排在哪儿？多西给出的答案是——别另起炉灶，直接进群。至于它能不能真的从 Slack 嘴里抢下肉，现在下结论还太早，但“人和智能体同群办公”这个方向，看起来已经不是会不会发生，而是什么时候普及的事了。

📎 原文来源：Jack Dorsey is taking on Slack with Buzz, a group chat platform for teams and their AI agents
2026年7月22日
Wigolo：给 AI 编程智能体装上本地优先的「上网」引擎（开源 MCP）
在 Claude Code、Cursor、Codex 这类编码智能体大行其道的今天，一个尴尬的现实是：它们很会写代码，却「看不见」互联网。想查一份报错、一份 API 文档、一个竞品定价，往往得开发者自己复制粘贴喂给模型。Wigolo 要做的，就是给 AI 智能体装上一双「眼睛和手」——一个本地优先、无需 API Key、按查询 0 计费的统一「上网」引擎。

🦉 项目简介

Wigolo 是 KnockOutEZ 开源的 AI 编程智能体本地优先「上网」引擎：以 MCP 服务器（或 REST / SDK）的形式运行在智能体身边，统一提供 搜索、抓取、爬取、提取、缓存、相似发现、研究、自主收集 等全套 Web 能力。核心理念是 no keys, no cloud, no metered bill——核心工具无需任何 API Key，所有数据留在本地 ~/.wigolo/，用得越多账单也不会涨。

💻 安装要求与过程

环境要求：Node.js ≥ 20，约 1.5 GB 空闲磁盘（首次运行会下载浏览器引擎等本地组件）。核心搜索 / 抓取 / 爬取无需任何外部 Key 即可使用；如需 research、agent 等高级研究能力，可选择性配置一个 LLM Provider（如 Gemini）。

快速安装：
```
# 初始化本地引擎（任意系统）
npx wigolo init

# 初始化并一键接入日常 agent（如 Claude Code + Cursor）
npx wigolo init --agents=claude-code,cursor

# 以 Docker 方式作为 stdio MCP 服务运行
docker run -i --rm -v wigolo-data:/data ghcr.io/knockoutez/wigolo

# 在自托管 box 上暴露 HTTP 服务（默认 127.0.0.1:3333）
wigolo serve

# 在你的应用里用 SDK 嵌入
npm install wigolo-sdk     # TypeScript
pip install wigolo         # Python
```
常用运维命令：npx wigolo verify（健康检测）、npx wigolo warmup --all（重下引擎）、npx wigolo docto --fix（修复环境）。

⚙️ 核心功能
1. 🔍 多引擎搜索 search：内置 18 个直连适配器，ML 重排 + 可解释评分，让智能体拿到「为什么是这条结果」。
2. 🔗 抓取 & 爬取 fetch / crawl：分层路由获取单页并清洗为 markdown（含 PDF / 鉴权页处理）；BFS / DFS / sitemap 多页爬取并自带限流保护。
3. 🧩 提取 & 缓存 & 相似 extract / cache / find_similar：从页面抽取表格 / JSON-LD / Schema 等结构化数据；本地缓存已见内容，二次查询毫秒即回；关键词 + 语义 + 实时发现相似页面。
4. 🤖 自主研究 research / agent：把一个问题自动分解成子查询、扇出检索、综合成报告；agent 工具则跑 search→fetch→extract→synthesize 的自主收集循环。
5. 🔔 变更追踪 diff / watch：检测页面变化并推送 webhook，把「定时盯网页」变成可编排的事件。
🚀 典型使用场景
- 场景一 · 编码时实时联网：在 Claude Code / Cursor 里改代码时，智能体直接调用 search / fetch 查文档、查报错、查第三方 API，开发者不再手动复制粘贴；所有命中缓存在 ~/.wigolo/，隐私不出本机。
- 场景二 · 自托管 Agent 的「联网大脑」：在自托管服务器上 wigolo serve 暴露 REST / MCP 端点，LangChain、CrewAI、n8n 等编排框架或任意 MCP client 统一调用，把分散在各处的抓取逻辑收敛成一个服务。
- 场景三 · 持续竞品 / 文档监控：用 watch 盯住竞品定价页或文档页，diff 出变化并推 webhook 到飞书 / Slack / 自有系统，第一时间感知变更。
💡 推荐理由

我特别看好 Wigolo 的一点，是它真正把「本地优先」做到了极致：零 API Key、零按量账单，直接戳中「想让 agent 上网，却要为每家搜索引擎单独接 key、还要担心账单爆掉」的痛点。统一的 MCP 接口对 Claude Code / Cursor / Codex / Gemini CLI / VS Code / Zed 通吃，接入几乎零心智负担；数据默认留在本地，对重视隐私的开发者很友好；AGPL-3.0 开源、可完全自托管。如果你正想给自己的 coding agent 装上一双「眼睛和手」，Wigolo 是目前最省心的一站式方案。

🔗 下载地址
- 官网文档：https://knockoutez.github.io/wigolo/
- GitHub 仓库：https://github.com/KnockOutEZ/wigolo（⭐ 3,036+）
- npm：npmjs.com/package/wigolo
- PyPI：pypi.org/project/wigolo/
- Docker：ghcr.io/knockoutez/wigolo
- 许可证：GNU AGPL-3.0-only
2026年7月22日
一家叫Natural的初创公司，要替AI智能体重写支付轨道
图片来源：TechCrunch / Natural

AI 智能体现在已经能帮你找供应商、比价格、联系承运商把货安排妥当。可真到了付钱那一下，它还是得把人类叫过来点头。一家叫 Natural 的初创公司觉得这很别扭，干脆拿了两千万美元（约 3000 万美元）的 A 轮，想从最底层把这套为「人」设计的支付轨道重写一遍。

问题出在「轨道」本身

今天金融系统跑的那套基础设施——信用卡、ACH 转账、各种清算网络——每一环都默认有个「人」在授权。可智能体是按机器速度工作的，它没法等月底才出账单，更没办法为了一笔毫秒级的 API 调用去填一张信用卡。支付那一下成了整条自动化链路上唯一的断点。

Natural 的创始人 Kahlil Lalji 是银行背景出身，本来发誓这辈子不再碰金融——上一家公司卖给了 Earnin，他自称被这个行业「烧」过。但他发现，智能体的进化速度已经甩开了现有的金融架构。「代理式支付会结构性地成为这个赛道里最重要的问题，这一点太明显了，我绕不开它。」

「世界上发生的支付笔数，可能会比今天多出两三个、甚至四个数量级。」——Natural CEO Kahlil Lalji

它想做什么，又面临谁

Natural 把自己定位成一个「智能体编排层」：企业接上它的基础设施，就能让自己的 agent 自主付款、收款，甚至还和其他 agent 互相交易。这轮由 Forerunner 的 Kirsten Green 领投，总融资来到 4000 万美元。团队里已经挖来了曾在 Stripe、Ramp、Square 干过的老兵。
- 直接对手是 Stripe——它也在抢着给 AI 智能体重做支付轨道，但大公司的转身总归更慢。
- 其他玩家如 DCVC 支持的 Skyfire，押注用美元稳定币重构这套 backbone；Natural 两条路都接，传统银行支付和稳定币都做。
- 它不只管「代付」，还打算重新设计纠纷处理这类支付里最麻烦的环节。
📎 原文来源：Natural raises $30M to reinvent payments for AI agents — and take on Stripe（TechCrunch）
2026年7月22日
腾讯混元放出 Hyra：一个会自己改自己的科研智能体
腾讯混元 7 月 21 日放出了一个有点特别的东西——Hyra-1.0，全称 Hunyuan Research Agent。说它特别，是因为这是个能自己改进自己的科研智能体，专门冲着那些讲究性能的研究和工程任务去的。

腾讯混元 Hyra：一个会递归自我改进的科研智能体（示意图）

腾讯说，Hyra 不光能在公开基准上刷分，还能扎进真实的产品系统、AI 研发流水线，甚至自然科学研究和工业场景里边跑边学、边学边进化。这话如果成立，那它就不只是个做题家了。

“AI 自己改自己”，这一年突然火了

递归自我改进（RSI）和自动化研究，是过去一年 AI 圈最热闹的前沿话题之一。几个标志性的例子放在一起看就明白热度从哪来：
- Google DeepMind 的 AlphaEvolve，只用 48 次标量乘法就算完了 4×4 复数矩阵相乘；
- Together AI 让一群智能体在开放环境里协作，把 11 维 kissing number 的已知下界从 593 推到了 604；
- Andrej Karpathy 的 autoresearch，用一套精简循环让模型训练研究能自己转起来。
这些进化型系统一个接一个冒出来，共同点是智能体正在跳出封闭的基准测试，跑到开放的科学发现里去，有些地方已经开始超过人类了。Hyra 想接的就是这一棒。

框架越轻，动作空间越大

Hyra 的 Harness 设计遵循 The Bitter Lesson：框架尽量轻、尽量简单，把智能体的动作空间尽量放大。

具体怎么工作？给它一个任务描述，Hyra 就开始跑一个循环：根据历史经验去探索、提出更好的解法。所谓历史经验，包括过去每个方案跑出来的日志、评估器给的反馈、还有方案本身的源代码。这个循环一直转，直到它自己觉得可以收工，或者预算烧完，最后把历史上最优的那版方案交出来。

腾讯给了个直观的例子：只给 Hyra 一张 2D 参考图，让它推断物体的三维结构，还得生成一个能直接渲染的 3D 模型。评判用的是基于 rubrics 的 VLM judge，从轮廓、比例、结构完整性、材质、视觉相似度几个维度打分。Hyra 在多轮探索里不断改建模代码、调渲染参数，官方称最后的结果比用 Claude Code 的 goal 模式生成的更贴近参考图，也更符合人的审美。

从 AlphaEvolve 到 Hyra，能看出一个方向：大厂都在把”让 AI 帮着做研究”往前推。区别在于，腾讯这次强调的是从公开基准走进真实产业场景，让智能体在自家的研发流水线和工业问题上真刀真枪地迭代。这条路能走多远，还得看后面拿出来的活儿。至少 Hyra-1.0 把话说到了这份上。

📎 原文来源：IT之家：腾讯混元发布科学发现智能体 Hyra，能够递归自我改进
2026年7月21日
Kimi Code CLI：终端里的下一代 AI 编程智能体（4.3K★，月之暗面开源）
Kimi Code CLI 是月之暗面（MoonshotAI）开源的终端 AI 编程智能体——它能在命令行里读改代码、执行 shell 命令、搜索文件、抓取网页，并依据反馈自主决定下一步；开箱即用 Kimi 大模型，也可配置接入其它兼容模型。

一、项目简介

一个跑在终端里的”AI 同事”。Kimi Code CLI 把代码读写、命令执行、文件检索、网页抓取与多步自主规划统一进一个轻量 TUI，口号是 “The Starting Point for Next-Gen Agents”（下一代智能体的起点）。它脱胎于此前广受关注的 Kimi CLI，把运行时收敛为单文件二进制，启动几乎无感，对 Kimi 大模型用户尤其友好。

二、安装要求和过程

环境要求
- 普通用户无需 Node.js：官方脚本一条命令装好单文件二进制，无 PATH 烦恼、无全局模块冲突；
- Windows 需先装 Git for Windows：Kimi Code CLI 用内置 Git Bash 作为 shell 环境；若 Git 装在自定义路径，设置环境变量 KIMI_SHELL_PATH 指向 bash.exe 绝对路径；
- 账号：首次使用需 Kimi 账号（OAuth）或 Moonshot AI 开放平台 API Key；
- 从源码开发需 Node.js ≥ 24.15.0 + pnpm 10.33.0。
快速安装

macOS / Linux：
```
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash
```
Windows（PowerShell）：
```
irm https://code.kimi.com/kimi-code/install.ps1 | iex
```
快速开始
```
cd your-project
kimi            # 启动交互式 TUI
kimi --version  # 验证安装
```
首次在会话里执行 /login，选择 Kimi Code OAuth 或 API Key 登录，然后试着让它”看看这个项目，解释下主要目录“。

三、核心功能
1. 单文件分发：一条命令安装，无 Node.js、无 PATH 困扰、无全局模块冲突。
2. 毫秒级启动：TUI 毫秒就绪，开启会话毫无负担，长时间 Agent 会话也不卡。
3. 视频输入：把录屏 / 演示片段直接丢进聊天，Agent 逐帧”看懂”画面——把参考片转成 LUT、长视频剪成短片、屏幕录屏变成可运行代码。
4. AI 原生 MCP：用 /mcp-config 对话式增删与鉴权 Model Context Protocol 服务器，免手改 JSON。
5. 子智能体并行：内置 coder / explore / plan 子智能体在隔离上下文并行干活，主线对话保持清爽。
6. ACP 编辑器集成：kimi acp 接入 Zed、JetBrains 等任意 Agent Client Protocol 客户端，IDE 里直接驱动。
四、典型使用场景
- 日常终端编程搭子：在任意项目目录敲 kimi，让它读代码、跑命令、搜文件、抓网页并自规划下一步，省去来回切窗口。
- IDE 里的 Agent：在 Zed / JetBrains 配置 kimi acp，用熟悉的编辑器驱动 Agent，一次登录处处可用，开发流不断档。
- 视频驱动开发：把产品录屏或参考片段丢给 Agent，让它”看懂”后落地为可运行代码或素材（例如把一段参考片转成调色 LUT）。
五、推荐理由

Kimi Code CLI 给我最大的惊喜是”轻“。作为 Kimi CLI 的演进版，它把运行时收敛成单文件二进制，启动几乎无感，TUI 也比不少同类更耐看；视频输入和 /mcp-config 对话式配置是真正能提升日常效率的巧思，而不是噱头。如果你已经在用 Kimi 大模型、又想要一个不折腾环境、能直接塞进终端和 IDE 的编码 Agent，它非常值得一试。MIT 协议、社区活跃（4.3K+ Stars、当日仍在高频更新），长期主义玩家可以放心上车。

六、下载地址
- GitHub 仓库：https://github.com/MoonshotAI/kimi-code
- 官方文档：https://moonshotai.github.io/kimi-code/
- 一键安装脚本：https://code.kimi.com/kimi-code/install.sh
- 开源协议：MIT
2026年7月21日
Browser Use：让 AI 像人一样操作浏览器的开源智能体（10.5万+ Star）
Browser Use 是一个让 AI 像人一样操作浏览器的开源智能体框架——你用自然语言描述任务，它便自动打开网页、点击按钮、输入文字、填写表单，一站式完成多步骤的网页操作。

一、项目简介

🌐 Make websites accessible for AI agents. Automate tasks online with ease.

Browser Use 把”浏览器”变成 AI Agent 可直接操控的环境。它目前拥有 10.5 万+ Star（Python 编写，MIT 许可），并在 Odyssey 长程网页任务榜上以 87.4% 的平均成功率排名第一，超越了 OpenAI、Anthropic、Google、Microsoft 各自的 computer-use 方案。它既是给现有编码 Agent（Claude Code / Codex / Cursor 等）即插即用的”浏览器技能”，也是可规模化调用的 Python 库。

二、安装要求与过程

环境要求：
- Python ≥ 3.11（官方推荐 3.12，可用 uv 管理）
- 本地无需额外安装 Chromium，Browser Use 会按需驱动 Playwright 浏览器
- 一个 LLM API Key（Browser Use 云、OpenAI、Anthropic、Google，或本地 Ollama 模型均可）
快速安装：
1. 安装库：
  pip install browser-use （或 uv add browser-use）
2. 在 .env 中配置 Key：
  BROWSER_USE_API_KEY=your-key 或 ANTHROPIC_API_KEY=... / GOOGLE_API_KEY=...
3. 运行你的第一个 Agent：
```
import asyncio
from browser_use import Agent, ChatBrowserUse

async def main():
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=ChatBrowserUse(model="openai/gpt-5.5"),
    )
    history = await agent.run()

asyncio.run(main())
```
若你已在使用 Claude Code / Codex / Cursor 等编码 Agent，只需让 Agent 执行一次 browser-use skill install，即可把浏览器能力挂载到现有工作流中，无需自己写代码。

三、核心功能
- 自然语言驱动浏览器：自动打开页面、点击、输入、填表、翻页，把”多步骤网页操作”压缩成一句话指令。
- 双形态接入：CLI 模式配合已有 Agent 即装即用；Python 库模式支持定时、并行、嵌入自有产品，细粒度控制浏览器。
- 多模型统一接入：ChatBrowserUse 用 provider/model 前缀即可切换 OpenAI / Anthropic / Google，或走本地 Ollama 模型，一个 Key 通吃。
- 强扩展能力：支持自定义 Tools、MCP 协议，云端版更提供 1000+ 集成（Gmail、Slack、Notion 等）与持久化记忆。
- SOTA 级表现：Odyssey 200 项长程网页任务榜第一（87.4%），官方基准在 100 个真实任务上开源可复现。
四、典型使用场景

1. 自动填表与办事
让 Agent 带着你的简历信息自动填写并投递职位申请、注册账号、提交各类在线表单。

2. 网页数据采集
从任意网站抽取结构化数据并导出为 CSV，例如”抓取我关注者的资料并整理成表格”。

3. 网站 QA 自动化
对本地站点做可用性、视觉一致性与 Bug 巡检，自动产出测试报告，替代部分人工回归测试。

五、推荐理由

作为重度网页操作用户，我对 Browser Use 最大的感受是”把重复劳动还给机器“——订票比价、表单填报、定点抓取这类机械活，原来要人守着点半小时，现在一句话交代清楚就能后台跑。

它开源免费、本地可控，隐私敏感的任务完全可以在本机跑；遇到强反爬、验证码场景再切到云端（代理轮换 + 隐身指纹 + 验证码破解）。对开发者而言，Python 库 + 自定义 Tools + MCP 的扩展性，让它不只是玩具，而是能真正嵌进产品的浏览器自动化底座。如果你已经在用 Cursor / Claude Code，强烈建议装一下它的 skill 体验。

六、下载地址
- GitHub 仓库：https://github.com/browser-use/browser-use
- 官方文档：https://docs.browser-use.com
- 云端托管版：https://cloud.browser-use.com
- 开源许可：MIT
（本文配图来自项目官方 README，版权归 Browser Use 团队所有。）
2026年7月21日
mattpocock/skills：把顶级工程师的经验，打包成 AI 编码智能体的「技能库」
mattpocock/skills 是 TypeScript 布道师 Matt Pocock 日常使用的「AI 编码智能体技能库」——它不教你写 prompt，而是把数十年的工程经验浓缩成一组小而可组合、跨模型通用的 /skills 指令，专门修复 Claude Code、Codex 等编码智能体最常犯的四种失败模式。目前已在 GitHub 收获 17.8 万+ Stars，是近期最火的 AI 工程化开源项目之一。

一、安装要求和过程

环境要求
- Node.js 18+（用于 skills.sh 安装器，npx 一行搞定）
- 一个支持 skills 的编码智能体：Claude Code / Codex / 任意 Agent-Skills 标准 harness
- 可选：GitHub 或 Linear 账号（/triage 技能需要对接 issue 追踪器）
方式一 · 可改副本（推荐，想魔改就选它）
```
npx skills@latest add mattpocock/skills
```
选择要安装的技能与目标 agent，务必勾选 /setup-matt-pocock-skills；随后在 agent 中运行一次该命令完成仓库配置（选择 issue 追踪器、triage 标签、文档存放位置）。

方式二 · Claude Code 原生插件（只读、常新、省心）
```
/plugin marketplace add mattpocock/skills
/plugin install mattpocock-skills@mattpocock
```
装好后再跑一次 /setup-matt-pocock-skills。两种哲学：skills.sh 把技能复制进项目任你改；插件把它们作为只读束订阅更新。

二、核心功能

整套技能围绕「软件工程基本功」展开，把对齐、TDD、架构、评审变成 Agent 拿来即用的小工具：
- 对齐优先：/grill-me 与 /grill-with-docs——动手前先让 Agent 把你「拷问」一遍，并用 CONTEXT.md 沉淀项目共享语言，从根上消除需求歧义与啰嗦。
- 测试驱动与诊断：/tdd（红-绿-重构循环）、/diagnosing-bugs（复现→最小化→假设→插桩→修复→回归），让 Agent 真正跑起「代码运行反馈」闭环。
- 架构纪律：/to-spec、/improve-codebase-architecture、/codebase-design——对抗「一坨烂泥」，鼓励深模块、小接口。
- 流程编排：/implement、/code-review、/research、/wayfinder、/triage——把需求拆成可追溯的工单与规格，并以并行子智能体做「规范 + 标准」两轴评审。
- 可组合、跨模型：所有技能与具体模型解耦，Claude Code / Codex / 其他 Agent 都能用；用户主动触发（User-invoked）与 Agent 自动调用（Model-invoked）两类技能分工清晰。
三、典型使用场景
- 接手新项目前的「对齐会话」：用 /grill-with-docs 先和 Agent 把需求与领域术语聊透，生成 CONTEXT.md；后续每次对话都更省 token、更精准，变量/函数命名也跟着统一。
- 写带测试的新功能：用 /implement 驱动 /tdd，先写失败测试再实现，最后 /code-review 把关——提交前质量稳，回归风险低。
- 拯救腐烂的代码库：定期跑 /improve-codebase-architecture，扫描可深化的模块并生成可视化 HTML 报告，按图索骥重构，避免软件熵增失控。
四、推荐理由

这不是又一个「流程框架」（GSD/BMAD/Spec-Kit 那类会把过程控制权收走），而是把工程基本功变成 Agent 拿来即用的小工具——轻量、可改、不绑架你。最让我惊艳的是 CONTEXT.md 共享语言：用一句话把「section 里的 lesson 被 materialize」说清，代码命名、导航、token 消耗全跟着受益。两种安装方式恰好对应两种心态：想魔改就 fork 副本，想省心就装插件订阅更新。17.8 万 Stars、MIT 协议、几乎零上手成本，强烈建议所有用 Claude Code / Codex 的开发者装一套。

五、下载地址
- GitHub 仓库：https://github.com/mattpocock/skills
- skills.sh 安装页：https://skills.sh/mattpocock/skills
- 作者 Newsletter（更新与新课技能）：https://www.aihero.dev/s/skills-newsletter
许可：MIT ｜语言：Shell/Markdown ｜ Stars：178.9K+ ｜创建于 2026-02，持续高频更新
2026年7月21日
Meta 开源设计系统 Astryx：一套让人和 AI 智能体一起「建界面」的组件体系
在 Meta 内部生长了 8 年的设计系统 Astryx，于 2026 年初正式开源。它驱动着 Meta 内部 13,000+ 应用，如今以 MIT 协议对外释放——一套「可完全定制、且为智能体而生（agent-ready）」的组件体系：你导入预编译 CSS，再使用带完整 TypeScript 类型的 React 组件；人用它写界面，AI 助手也用同一套工具写界面。

一、项目简介

Astryx 是 Meta 开源的、可完全定制、且「为人和智能体协同构建而生」的设计系统。它基于 React + StyleX，内置 150+ 无障碍组件、品牌级主题、暗色模式、可即用的模板，以及一套 CLI——所有能力作为一个 cohesive 系统统一交付。它的独特之处在于：消费端不需要引入任何构建插件或样式库，人和 AI 助手从同一份参考文档出发构建界面。

二、安装要求和过程

环境要求：
- Node 22+（活跃 LTS 线）；包管理器 pnpm 11（可通过 corepack enable 自动安装固定版本）
- 已有 React 项目（Next.js / Vite / Tailwind / 甚至 CDN 引入均支持）
- 无需额外构建插件，也无需 PostCSS / Babel 配置
快速安装：
```
# npm
npm install @astryxdesign/core @astryxdesign/theme-neutral
npm install -D @astryxdesign/cli

# pnpm / yarn 等价
pnpm add @astryxdesign/core @astryxdesign/theme-neutral
pnpm add -D @astryxdesign/cli
```
为让 AI 助手和新人都能可靠调用，建议在 package.json 的 scripts 里加一行，避免路径错误：
```
"scripts": {
  "astryx": "node node_modules/@astryxdesign/cli/bin/astryx.mjs"
}
```
最简接入 = 几行 CSS import + 一个 ThemeProvider，无需配置构建链。详见 @astryxdesign/core 的 Quick Start。

三、核心功能

Astryx 架构总览：Foundations / Components / Patterns + 四大包
1. 150+ 无障碍组件 + 完整 TS 类型：从基础输入到复杂数据表格统一命名、属性与组合约定——学会几个，剩下的就「似曾相识」，人和 AI 都能预测未知组件的行为。
2. 开放内部实现（Open internals）：组件可在任意层级组合，基础构件直接导出；需要深入时，swizzle 一键把组件完整源码「弹出」到你的项目里，让你真正拥有它。
3. 无样式锁定（No styling lock-in）：内部用 StyleX 编写样式，但对使用者完全透明；用 className 即可用 Tailwind / CSS Modules / 原生 CSS 覆盖。
4. 免包裹即可品牌化：主题就是一组 CSS 自定义属性覆盖，设计师无需 Fork 或封装就能重塑观感；内置 7 套主题（neutral / butter / chocolate / matcha / stone / gothic / y2k）。
5. 为人和智能体而生：API、文档、CLI 一同设计，人和 AI 助手用同一套参考、同一方式构建；CLI 提供组件文档、模板、脚手架、主题与 codemods。
为什么 Astryx 不一样：开放内部 / 无样式锁定 / 免包裹定制 / 人 AI 同体系

四、典型使用场景

7 套开箱即用且完全可定制的主题
1. 统一中后台 UI：150+ 组件 + Patterns（表格页 / 详情页 / 表单向导 / 导航模式）直接拼出一致的企业后台，不必从零造轮子，也便于团队沉淀设计共识。
2. AI 辅助开发（Agent-ready）：把 Astryx 接入 Claude Code / Codex / Cursor，让 AI 按同一套组件约定生成界面；CLI 的组件文档与 codemods 让「人审 AI 生成的代码」更顺畅、对得上约定。
3. 快速品牌换肤：用 CSS 变量主题或多套内置主题，几行覆盖就完成暗色模式与品牌色切换，无需改动组件源码——适合需要多品牌、多租户外观的产品。
五、推荐理由

作为长期被「组件库要么封闭、要么强约定打架」困扰的开发者，Astryx 最打动我的是「引导而非强制」的设计哲学——它把设计意见放在文档和示例里，而不是用 guardrail 跟你对抗。swizzle 能从顶层 API 一路下沉到源码（对需要深度定制的团队太关键），而 className 覆盖又让 Tailwind 老用户零摩擦接入。更难得的是它真把「AI 助手」当成一等公民：同一套 API 与 CLI 既给人用、也给智能体用，省去了「AI 生成代码和团队约定对不上」的尴尬。Meta 8 年、13,000+ 应用的实战背书，也让它的稳定性比多数个人项目更可信。如果你正在选型一套能陪团队和 AI 一起长大的设计系统，Astryx 值得一试。

六、下载地址
- 官网 / 文档：https://astryx.atmeta.com
- GitHub 仓库：https://github.com/facebook/astryx
- Storybook 在线示例：facebook.github.io/astryx/storybook
- 沙盒 Playground：facebook.github.io/astryx/sandbox
- npm 包：@astryxdesign/core · @astryxdesign/cli · @astryxdesign/theme-*
（本文配图：GitHub 社交预览卡 + 作者原创架构/特性/主题信息图）
2026年7月21日
Kimi CLI：月之暗面开源的终端 AI 编程智能体（10K+ Stars）
Kimi CLI 是月之暗面（MoonshotAI）开源的终端 AI 编程智能体——直接在命令行里读改代码、执行命令、联网检索，并自主规划与调整动作，把 Kimi 大模型搬进了你的 shell 与编辑器。

一、项目简介

Kimi CLI 是一个运行在终端里的 AI Agent，主打软件工程与命令行操作两大类任务。它不只是聊天机器人，而是能真正读取/编辑代码、执行 shell 命令、检索与抓取网页，并在执行过程中自主规划、动态修正路线。项目由 MoonshotAI 维护，采用 Apache-2.0 协议，当前已在 GitHub 收获 10K+ Stars。值得留意的是，官方已宣布 Kimi CLI 正演进为下一代 Kimi Code CLI，安装新版本会自动迁移配置与会话，但现有文档与安装方式依旧可用。

二、安装要求与过程

环境要求：
- Python ≥ 3.12（PyPI 包已发布，最新版 1.49.0）
- 一个 Kimi 账号（登录后使用）或有效的 API Key
- 可选：Node.js（用于运行 npx 类 MCP 服务，如 chrome-devtools-mcp）；Zsh（如需 shell 插件）
快速安装：
```
# 方式一：pip 安装（推荐）
pip install kimi-cli

# 方式二：pipx 隔离安装
pipx install kimi-cli

# 启动并登录
kimi          # 进入交互界面后输入 /login 完成登录
```
登录后即可在终端直接与 Kimi 对话、让它改代码、跑命令；配置与历史会话会保存在本地，跨项目复用。

三、核心功能
- 终端即 Shell（Ctrl-X 切换）：Kimi CLI 本身就是一个 shell，按 Ctrl-X 即可在不退出智能体的情况下直接运行 shell 命令，把对话与执行无缝融合。
- VS Code 扩展：通过官方 Kimi Code 扩展在编辑器侧边栏开启 Agent 面板，直接基于当前工程上下文协作（见上方截图）。
- ACP 协议接入主流 IDE：原生支持 Agent Client Protocol，可作为 ACP Agent Server 接入 Zed、JetBrains 等任意兼容编辑器，命令为 kimi acp。
- 原生 MCP 支持：内置 kimi mcp 子命令组，支持 HTTP / stdio / OAuth 多种传输方式，一行即可增删与授权 MCP Server（如 Context7、Linear、chrome-devtools）。
- Zsh 深度集成：配合 zsh-kimi-cli 插件，把 AI Agent 能力直接带进你的 shell，Ctrl-X 一键切到智能体模式。
四、典型使用场景
- 终端里的全栈开发：在服务器或本地终端直接让 Kimi 读懂整个代码库、定位 Bug、生成补丁并执行测试，无需切换到图形界面 IDE。
- IDE 内结对编程：在 VS Code / Zed / JetBrains 中以 Agent 面板形式调用 Kimi，基于当前文件与工程上下文做重构、加功能、写测试，改动实时落盘。
- 可扩展的自动化工作流：通过 MCP 接入 Linear、Context7、Chrome DevTools 等工具，让 Kimi CLI 自动查需求、查文档、跑端到端浏览器验证，组成稳定的开发自动化流水线。
五、推荐理由

作为一款国产大模型厂商出品的命令行智能体，Kimi CLI 最大的亮点是「终端原生」——它不强迫你离开 shell，Ctrl-X 即可在「智能体」与「命令模式」间无缝切换，对远程服务器、无界面环境极其友好。同时它对 ACP / MCP 双协议的原生支持，意味着你既能把它嵌入 VS Code、Zed、JetBrains，也能通过 MCP 无限扩展工具边界，灵活度很高。Apache-2.0 协议可商用、配置本地化，隐私与可玩性兼顾。虽项目正平滑演进为 Kimi Code CLI，但当前版本已足够稳定，是体验「Kimi 版 Claude Code」最轻量直接的入口。

六、下载地址
- 官方网站：https://www.kimi.com/code/
- GitHub 仓库：https://github.com/MoonshotAI/kimi-cli
- 官方文档（中文）：https://moonshotai.github.io/kimi-cli/zh/
- PyPI 安装包：https://pypi.org/project/kimi-cli/
（注：Kimi CLI 正演进为 Kimi Code CLI，新版本会自动迁移配置与会话，建议关注官方仓库获取最新动态。）
2026年7月20日