标签： Coding Agent

book-to-skill：把任何技术书 PDF 变成 AI 智能体技能，实测省 24~51 倍 Token｜GitHub 12.5K Stars 今日趋势榜第一
📌 项目简介

book-to-skill 是一个能把任何技术书籍 PDF（以及 EPUB、DOCX、Markdown 等十余种格式）一键转换成 AI 智能体技能（Agent Skill）的开源工具——转换后你的 Claude Code、GitHub Copilot CLI 或 Amp 就能”读过这本书”，随时按需调取书中真实内容回答问题，彻底告别大模型幻觉和翻 PDF 的痛苦。项目基于 Python 开发，MIT 许可，2026 年 5 月开源以来已斩获 12,499 Stars，今日更以单日 +1,400 星登顶 GitHub Trending。

它解决的是一个所有技术人都懂的痛点：买了一本好书，读完一遍，三个月后连第 7 章讲什么都想不起来。直接把 PDF 扔给 AI？一本 400 页的书约 20 万 token，每轮对话都要全额付费，而且模型在超长上下文里”迷失中间”、精度骤降。book-to-skill 的思路是编译期一次性深度蒸馏：把书拆解成核心心智模型 + 按章节的知识文件 + 术语表 + 模式库 + 速查表，智能体按需加载，实测比整书塞上下文省 24~51 倍 token。

⚙️ 安装要求和过程

环境要求
- Python 3 环境（纯文本/Markdown/reST/AsciiDoc 无需额外依赖）
- PDF 提取：文字型书籍用 pdftotext（poppler）或 pip3 install pypdf；含代码/表格/公式的技术书推荐 pip3 install docling（可完整保留 Markdown 表格与代码块）
- EPUB：pip3 install ebooklib beautifulsoup4（有内置 zipfile 兜底）
- 宿主：支持开放 Agent Skills 标准的任意智能体——Claude Code、GitHub Copilot CLI、Amp 均可
安装（作为智能体技能）
```
# Claude Code
git clone https://github.com/virgiliojr94/book-to-skill.git ~/.claude/skills/book-to-skill

# GitHub Copilot CLI
git clone https://github.com/virgiliojr94/book-to-skill.git ~/.copilot/skills/book-to-skill

# 跨智能体通用路径（Copilot CLI 与 Amp 都能发现）
git clone https://github.com/virgiliojr94/book-to-skill.git ~/.agents/skills/book-to-skill
```
使用：三步把书变技能
```
# 1. 指向一个文件、文件夹或 glob
/book-to-skill ~/books/designing-data-intensive-apps.pdf

# 2. 自动蒸馏为技能（框架、决策规则、反模式、分章文件）

# 3. 之后随时按需调用
/designing-data-intensive-apps replication   # 讲解某个主题
/designing-data-intensive-apps ch05          # 深入第 5 章
```
另有独立 CLI 模式：pip install "book-to-skill[pdf,epub,docx]"，仅安装文本提取引擎用于脚本化处理（不注册斜杠命令）。运行 python3 scripts/extract.py --check 可一键检查各格式提取器安装情况。

🚀 核心功能
- 全格式文档蒸馏：支持 PDF、EPUB、DOCX、TXT、Markdown、reST、AsciiDoc、HTML、RTF、MOBI/AZW 等格式；可一次处理多个文件、整个文件夹或 glob 模式，合并成统一技能，还能向已有技能”折叠”新增材料（增量更新）
- 结构化技能产物：生成 SKILL.md（约 4K token 的核心心智模型 + 章节索引）、每章约 1K token 的按需加载文件、术语表 glossary.md、技术模式库 patterns.md、决策速查表 cheatsheet.md——是”结构”而非”摘要”
- 24~51 倍 token 节省（实测）：内置 tools/discovery_tax.py 测量工具，在 Think Python 2、Working Backwards、AI Engineering 三本真书上实测：回答一个问题只需约 5K token（核心 + 单章），对比整书上下文倾倒 12 万~25.6 万 token
- 智能提取管线：转换前自动询问书籍类型——技术书走 Docling（保留表格代码），纯文字书走 pdftotext 秒级提取；单个坏源自动跳过不影响批处理；一本书完整转换成本约 1 美元
- 开放标准、一次安装多端通用：遵循开放 Agent Skills 标准（SKILL.md 格式），Claude Code、GitHub Copilot CLI、Amp 读取同一份技能，无厂商锁定
💡 典型使用场景
- 技术书籍随身参谋：把《DDIA》《Pro Git》这类工具书转成技能，写代码时直接 /ddia replication 让智能体基于书中真实章节讲解复制策略——不是幻觉，不是网页搜索，就是作者原文提炼的框架
- 团队内部文档折叠：把整个 docs/ 文件夹（架构决策记录、Runbook、新人指南）合并成一个技能，新同事在编码会话里直接提问，替代翻 60 页 PDF 的品牌手册/规范文档
- 研究资料簇管理：一摞论文加自己的笔记合成统一技能，新论文来了增量折叠进去；对比 RAG——RAG 适合”几十本书里找提到 X 的段落”（宽而浅），book-to-skill 适合”吃透一本书的 12 个框架并应用”（窄而深），两者互补
❤️ 推荐理由

这个项目最打动我的是它把”AI 读书”从检索问题重构成了编译问题。RAG 是查询时相似度搜索，返回”和你问题相近的文本块”；book-to-skill 是编译时深度分析，输出”作者花几年构建的命名框架、适用条件和反模式”——前者是检索，后者是可推理的结构。README 里那句话很精辟：“RAG indexes a shelf, book-to-skill masters a spine”（RAG 索引一整架书，book-to-skill 吃透一本书的书脊）。

工程上它也异常诚实：所有 token 节省数据都有可复现的测量脚本，README 明确写出”诚实警告”——章节自动切分需要显式的 Chapter N 标题、一次性阅读场景用普通 PDF 智能体就够了。在营销味十足的 AI 开源圈，这种”实测优先、有限承诺”的态度非常难得。如果你的 ~/.claude/skills 目录里只打算加一个新技能，让它是一个能把你书架搬进智能体的技能，很值。

🔗 下载地址
- GitHub 仓库：https://github.com/virgiliojr94/book-to-skill
- PyPI（独立 CLI）：pip install book-to-skill
- Agent Skills 开放标准：https://github.com/agentskills/agentskills
项目数据截至 2026 年 7 月 30 日：12,499 Stars · 1,405 Forks · Python · MIT 许可 · 今日 GitHub Trending 榜首（+1,428 星）
2026年7月30日
ECC：234K Stars 的 Agent Harness 操作系统，给 Claude Code / Codex / Cursor 装上完整工程化流程
项目简介

ECC 是一套「Agent Harness（智能体框架）性能优化系统」——它不造轮子写新的 AI 编程工具，而是给你已经在用的 Claude Code、Codex、Cursor、OpenCode 等工具装上一整套工程化操作系统：281 个技能（Skills）、67 个专职智能体、运行时钩子（Hooks）、持久记忆、直觉学习（Instincts）与 AgentShield 安全扫描，让 AI 编程助手从”会写代码”升级为”按工程流程交付”。GitHub 上已狂揽 234,000+ Stars，是目前 Agent 增强类项目中的现象级存在，今日仍以每天近 700 星的速度增长。

它的核心哲学一句话就能讲清：Optimize the context window. Persist everything else.（优化上下文窗口，持久化其余一切。）AI 不再需要你在每个提示词里重复”请先写测试””请做代码审查”，这些流程被固化为可安装、可复用的系统组件：
```
plan -> test -> implement -> review -> verify -> remember -> improve
```
安装要求和过程

环境要求：
- Node.js（钩子与脚本全部用 Node.js 编写，Windows / macOS / Linux 全平台支持）
- 至少一个 AI 编程工具：Claude Code、Codex、Cursor、OpenCode、Gemini CLI、Zed、Kimi Code 等 12+ 种均有适配
方式一：Claude Code 插件安装（推荐，最简单）——在 Claude Code 里输入两条命令即可：
```
/plugin marketplace add https://github.com/affaan-m/ECC
/plugin install ecc@ecc
```
如需规则包（Rules），再手动拷贝你实际使用的语言包：
```
git clone https://github.com/affaan-m/ECC.git
cd ECC
mkdir -p ~/.claude/rules/ecc
cp -R rules/common ~/.claude/rules/ecc/
cp -R rules/typescript ~/.claude/rules/ecc/  # 换成你的技术栈
```
方式二：Codex 同步安装（先运行一次 Codex 生成配置）：
```
git clone https://github.com/affaan-m/ECC.git
cd ECC
npm install
bash scripts/sync-ecc-to-codex.sh
```
方式三：其他工具——克隆仓库后用安装脚本指定目标：
```
./install.sh --profile minimal --target cursor    # Cursor
./install.sh --profile minimal --target gemini    # Gemini CLI
./install.sh --profile minimal --target zed       # Zed
# Windows 用 .\install.ps1
```
⚠️ 官方特别提醒：每个工具只选一种安装方式，不要叠加（如 Claude 插件 + 手动 full 安装会导致技能、命令重复）；且只从官方渠道安装（GitHub 仓库 affaan-m/ECC、npm 包 ecc-universal / ecc-agentshield），第三方镜像可能含恶意代码。

核心功能
- 281 个技能 + 67 个专职智能体：覆盖 TDD、安全审查、深度研究、文档、前端、数据、ML、运维等场景。规划用 planner、审查用 code-reviewer、修构建用 build-error-resolver，各智能体拥有独立上下文与工具权限，互不污染。
- 门禁化 TDD 工作流：”请使用 TDD”从一句模型可能遗忘的指令，变成带证据链的 RED → GREEN → REFACTOR 流程：先留存失败测试证据，再实现到通过，最后由全新上下文的审查者复查——写代码和审代码不再是同一个上下文。
- Plan Canvas 计划画布（2.1 新特性）：智能体写完计划后在本地浏览器画布中打开，你用鼠标点选段落、添加锚定批注、侧栏对话，最后一键”批准/要求修改”，结果直接映射回 /plan 的确认门。Mermaid 图实时渲染，任何模型任何工具都能驱动。
- 统一记忆保险库（Memory Vault）：ecc memory 让 Claude、Codex、Kimi 等不同工具共享同一份本地可检查的 Markdown 记忆格式，支持跨工具交接（handoff）——上午用 Claude Code 做的迁移方案，下午 Codex 直接检索接手。会话结束还能蒸馏成摘要、直觉（带置信度分数）和可复用技能。
- AgentShield 安全扫描：把智能体配置本身当作攻击面来审计——扫描提示词、钩子、MCP 配置、权限与密钥泄露，npx -y ecc-agentshield scan --path . 免安装即可体检。
典型使用场景

场景一：新功能开发全流程。输入 /ecc:plan "添加 OAuth 用户认证"，planner 生成实现蓝图并在 Plan Canvas 里供你批注确认；随后 tdd-workflow 技能强制先写失败测试再实现；完成后 /code-review 由全新上下文的审查智能体查漏。整个过程留下计划、失败测试、通过测试、审查发现、最终验证五份证据。

场景二：上线前安全体检。跑 /security-scan 做 OWASP Top 10 审计，e2e-testing 技能覆盖关键用户流，/test-coverage 验证 80%+ 覆盖率；再用 AgentShield 扫一遍智能体配置本身，防止 MCP 配置或钩子里埋雷。

场景三：多工具团队协作。团队里有人用 Claude Code、有人用 Codex、有人用 Cursor——ECC 一次安装适配全部工具，规则与技能保持一致；Memory Vault 的 handoff 机制让不同工具间无缝交接任务上下文，告别复制粘贴聊天记录。

推荐理由

我用过不少 Agent 增强类项目，ECC 给我的感受是”体系完整度断层领先”。多数同类项目解决单点问题（提示词库、记忆、或钩子），而 ECC 把技能、智能体、规则、钩子、记忆、直觉六层职责切分得非常清楚——技能按需加载、规则常驻精选、钩子跑在模型上下文之外，这套设计真正做到了”加能力不加上下文负担”。234K Stars 和 35K+ Forks 不是刷出来的：单一维护者每周横跨 7 个 Harness 发版，社区有 Discord、GitHub App 和 12 种语言的 README。最打动我的是它对”证据”的执念：一次交付不只是代码，而是计划、失败测试、通过测试、审查发现和验证记录组成的完整证据链——这正是 AI 编程从玩具走向生产的分水岭。项目 MIT 许可永久免费，托管版 ECC Pro 仅面向私有仓库收费，商业模式清晰不绑架用户。如果你每天在用 Claude Code 或 Codex，这可能是今年最值得装的一个增强系统。

下载地址
- GitHub 仓库：https://github.com/affaan-m/ECC
- 官方网站：https://ecc.tools
- npm 包：ecc-universal · ecc-agentshield
- GitHub App：ECC Tools
项目信息：⭐ 234,797 Stars · 🍴 35,776 Forks · 语言：JavaScript/TypeScript/Shell · 许可证：MIT · 创建于 2026 年 1 月，持续高频更新中。
2026年7月29日
Oh My OpenAgent：66.7K Stars 的 AI 编程智能体”满配套件”，一个词启动 11 个智能体并行开发
项目简介

Oh My OpenAgent（OmO）是韩国开发者 code-yeongyu 开源的「AI 编程智能体增强套件（Agent Harness）」——一句话概括：给 OpenCode / Codex CLI 装上一个”满配的 AI 开发团队”，装完只需输入 ultrawork 一个词，11 个专职智能体、54+ 生命周期钩子、5 个内置 MCP 就会自动协同，把复杂任务一路干到完成为止。项目目前已收获 66,693 Stars，甚至因为太火导致 Anthropic 封锁了 OpenCode 的 Claude 订阅接入——作者干脆转身拥抱多模型路由，主打”不要选赢家，要编排所有模型”。

▲ Team Mode 实战：Kimi K3 + GPT-5.6 Sol 多智能体并行工作

安装要求和过程

环境要求
- Ultimate 版（OpenCode）：需安装 Bun 与 OpenCode
- Light 版（Codex CLI）：仅需 Node.js/npm 环境，无需 Bun
- 至少一个模型订阅或 API（推荐组合：ChatGPT $20 / Kimi Code $19 / GLM Coding $10，低成本即可跑满血）
快速安装
```
# Ultimate 版（OpenCode 完整体：11 智能体 + Team Mode + 全部功能）
bunx oh-my-openagent install

# Light 版（Codex CLI 插件：rules/LSP/ultrawork/ulw-loop 等便携组件）
npx lazycodex-ai install
# 非交互推荐模式
npx lazycodex-ai install --no-tui --codex-autonomous

# 两个都装
bunx oh-my-openagent install --platform=both
```
官方还推荐一种更省心的方式——直接把安装指南 URL 扔给任意 AI 助手（Claude Code、Cursor 等），让 AI 替你完成订阅检测、11 个智能体的模型匹配和各家 Provider 认证：
```
Install and configure oh-my-openagent by following the instructions here:
https://raw.githubusercontent.com/code-yeongyu/oh-my-openagent/refs/heads/dev/docs/guide/installation.md
```
注意：npm 包与 CLI 命令仍叫 oh-my-opencode（更名过渡期双发布），但不要用 npx omo——那是另一个同名无关包。

核心功能
- ultrawork 一词流：输入 ultrawork（或 ulw）即激活全部智能体，配合 Todo Enforcer”偷懒检测”，智能体一旦闲置就被系统拽回来继续干，任务不完成不停手。
- 纪律型智能体团队：主指挥 Sisyphus（Opus 5 / Kimi K3）负责规划与并行派活；深度工人 Hephaestus（GPT-5.6 Sol）端到端自主执行；规划师 Prometheus 以”面试模式”先访谈再出方案，另有 Oracle（架构/调试）、Librarian（文档检索）、Explore（快速扫码）各司其职。
- Team Mode 多智能体系统（v4.0）：Lead + 最多 8 个并行成员，tmux 实时可视化，衍生 hyperplan（5 个”敌对评审”轮番拆解你的方案）与 security-research（3 个漏洞猎手 + 2 个 PoC 工程师并行审计）两大技能。
- Hashline 哈希锚定编辑：每行代码带内容哈希标签（11#VK|），编辑前校验、文件变了就拒绝写入，从根源消灭”stale line”错误——Grok Code Fast 1 的编辑成功率靠它从 6.7% 飙到 68.3%。
- 按类别自动路由模型：子任务只声明类别（visual-engineering / deep / quick / ultrabrain），框架自动匹配最擅长的模型；同时完全兼容 Claude Code 的 hooks、commands、skills、MCP 与插件生态。
典型使用场景
- 大规模代码翻新：有用户用它一天清掉 8000 条 ESLint 警告；还有人一夜之间把 4.5 万行的 Tauri 桌面应用改造成 SaaS 网页应用——睡前下指令，醒来验收。
- 多订阅省钱组合拳：不必为单一厂商付 $200/月，用 Kimi K3 + GPT-5.6 Sol 的平价组合即可超越原版 Claude Code 体验，模型按任务类别自动分工。
- 方案评审与安全审计：写代码前先跑 hyperplan 让 5 个”杠精”智能体从不同角度挑刺；上线前用 security-research 让 5 个智能体并行做渗透式代码审计，按真实可利用性定级。
推荐理由

这是我见过”工程密度”最高的 Agent Harness 项目。它不是又一个 prompt 合集，而是把作者烧掉 2.4 万美元 token 试错换来的经验固化成了产品：Hashline 编辑工具解决的是所有编码智能体最痛的”改错行”问题；类别路由让”选模型”这件事彻底消失；Todo Enforcer 治好了 AI”干一半就摆烂”的顽疾。社区口碑也相当能打——”让我退订了 Cursor””用了就回不去了”。如果你已经在用 OpenCode 或 Codex CLI，这基本是无脑必装的存在；哪怕只是想围观多智能体协作的工程实践，读它的源码和文档也极有收获。唯一注意点：License 为 SUL-1.0（Sisyphus 使用许可），商用前建议先读一下条款，且默认开启匿名遥测（可通过 OMO_DISABLE_POSTHOG=1 关闭）。

下载地址
- GitHub 仓库：https://github.com/code-yeongyu/oh-my-openagent
- 官方文档：https://omo.vibetip.help/docs
- LazyCodex（Codex 版官网）：https://lazycodex.ai
- npm 包：oh-my-opencode
项目数据：66,693 Stars ｜语言：TypeScript ｜ License：SUL-1.0 ｜最近更新：2026-07-28
2026年7月28日
Impeccable：50.9K Stars！专治AI生成界面的「AI味」，让Claude Code、Cursor真正懂设计的开源设计语言
项目简介

Impeccable 是由前 Google 开发者布道师 Paul Bakaus 开源的一套「让 AI 编码工具更擅长设计」的设计语言系统——它以 1 个 Skill + 23 个设计命令 + 60 条确定性检测规则 + 设计钩子的形式，接入 Claude Code、Cursor、Codex CLI、Gemini CLI、GitHub Copilot 等十余种 AI 编程工具，专治 AI 生成前端界面千篇一律的「AI 味」（Inter 字体、紫蓝渐变、卡片套卡片……）。项目 2025 年 11 月发布，目前已斩获 50,900+ Stars，今日仍在 GitHub 趋势榜上持续攀升。

安装要求和过程

环境要求
- Node.js 环境（使用 npx 安装，无需全局依赖）
- 任意受支持的 AI 编程工具：Claude Code、Cursor、Codex CLI、Gemini CLI、GitHub Copilot、OpenCode、Grok Build、Trae、Qoder 等 13+ 种
- CLI 与浏览器扩展的检测器无需 API Key 即可运行
快速安装
```
# 方式一：CLI 一键安装（推荐，在项目根目录执行）
npx impeccable install

# 非交互式安装：指定工具与作用域
npx impeccable install --providers=claude,cursor --scope=project

# 更新到最新版本
npx impeccable update

# 方式二：作为 Claude Code 插件安装
/plugin marketplace add pbakaus/impeccable

# 方式三：Git Submodule 方式
git submodule add https://github.com/pbakaus/impeccable .impeccable
npx impeccable link --source=.impeccable --providers=claude,cursor
```
安装后重载你的 AI 编程工具即可。首次使用建议先运行 /impeccable init，它会引导生成 PRODUCT.md 与 DESIGN.md，把品牌与产品设计上下文固化到项目里。

核心功能
- 23 个设计命令，给 AI 一套共享设计词汇：/impeccable craft（完整设计流程）、critique（UX 审查）、audit（技术检查）、polish（发布前终检）、bolder/quieter（视觉强化/降噪）、animate（动效）、colorize（配色）、typeset（字体排印）等，覆盖从规划到打磨的全链路；
- 60 条确定性「AI 味」检测规则：精准狙击 AI 生成界面的通病——默认 Inter/Arial 字体、紫蓝渐变、纯黑纯白灰、卡片嵌套卡片、弹跳缓动动画等，同时检查行宽、触控热区等通用可用性指标，规则引擎零 LLM、零 API 成本；
- 设计钩子（Hooks）自动拦截：在 Claude Code、Copilot、Codex、Cursor、Grok Build 上写入代码时自动运行检测器，发现严重设计问题可直接阻断坏代码写入，把关口前移；
- PRODUCT.md / DESIGN.md 上下文固化：通过 init 与 document 命令把品牌调性、产品定位写成文档，让 AI 每次生成都带着你的设计基因而非「出厂默认审美」；
- 独立 CLI + 实时浏览器迭代：npx impeccable detect src/ 可脱离 AI 工具独立扫描目录/文件/URL（支持 --json 输出接入 CI），/impeccable live 支持在浏览器里对界面变体做可视化迭代。
典型使用场景
1. Vibe Coding 项目去「AI 味」：用 Claude Code/Cursor 快速搭出的产品原型总是长着一张「AI 脸」？安装后运行 /impeccable init + /impeccable craft landing，让落地页拥有独特的品牌气质，摆脱紫渐变 + Inter 字体的流水线审美；
2. 发布前的设计质量门禁：在 CI 中挂上 npx impeccable detect --json .，60 条规则自动检查行宽、对比度、触控区、动效缓动等问题；配合 /impeccable polish 做上线终检，把设计审查从「靠感觉」变成「有清单」；
3. 无设计师团队的 UX 自助审查：小团队没有专职设计师？/impeccable critique checkout 可对结账流程做启发式 UX 审查，/impeccable harden 补齐错误态与边界场景，相当于给团队配了一位 AI 设计顾问。
推荐理由

我把 Impeccable 装进 Claude Code 用了几天，最大的感受是：它治的不是「AI 不会写前端」，而是「AI 写的前端都长一个样」。以前让 AI 改设计只能反复喊「好看一点、高级一点」，现在有了 bolder、quieter、distill 这样的精确词汇，沟通成本断崖式下降——这正是「给人和 AI 建立共享设计语言」的价值。60 条确定性规则不烧 token、不用 API Key，钩子还能在坏代码写入前直接拦截，工程化程度远超一般的提示词合集。项目基于 Anthropic 官方 frontend-design skill 扩展，作者 Paul Bakaus 是 jQuery UI 创始人之一，设计与工程功底都过硬。Apache-2.0 协议，13+ 种 AI 编程工具通吃，做 AI 辅助开发的前端同学强烈建议装上。

下载地址
- 官网与文档：https://impeccable.style
- GitHub 仓库：https://github.com/pbakaus/impeccable
- npm 包：https://www.npmjs.com/package/impeccable
项目信息：50,900+ Stars | 2,998 Forks | JavaScript | Apache-2.0 许可证
2026年7月27日
OpenSpec：为 AI 编程助手打造的规格驱动开发框架，写代码前先对齐需求
OpenSpec：为 AI 编程助手打造的规格驱动开发框架

一、项目简介

OpenSpec 是 Fission AI 开源的一款「规格驱动开发（Spec-Driven Development, SDD）」框架，核心理念是：在写任何一行代码之前，先让你和 AI 就「要做什么」达成一致。它为 AI 编程助手补上了一层轻量的规格层（spec layer），把原本只存在于聊天记录里的模糊需求，沉淀成结构化、可评审、可复用的 Markdown 规格文档。截至目前项目已在 GitHub 收获 62,500+ Stars，是当前最受欢迎的规格框架之一。

二、安装要求与快速上手

环境要求：Node.js 20.19.0 或更高版本（同时兼容 pnpm、yarn、bun、nix）。

全局安装：
```
npm install -g @fission-ai/openspec@latest
```
初始化项目：进入你的项目目录并初始化，OpenSpec 会自动为你的 AI 助手写入配置。
```
cd your-project
openspec init
```
开始与 AI 对话：直接在支持的编程助手中使用斜杠命令。
```
# 还没想清楚要做什么？先探索，让 AI 读代码、权衡方案、成型计划
/opsx:explore

# 已经明确需求？直接提出变更提案
/opsx:propose add-dark-mode

# 提案通过后，逐条实施任务
/opsx:apply

# 完成后归档，规格自动更新
/opsx:archive
```
升级只需 npm install -g @fission-ai/openspec@latest，再在各项目内运行 openspec update 刷新 AI 指令即可。

三、核心功能
- 规格先行、代码后行：每个变更都会生成独立文件夹，包含 proposal.md（为什么做/改什么）、specs/（需求与场景）、design.md（技术方案）、tasks.md（实施清单），人和 AI 先对齐再动手。
- 纯 Markdown、零学习成本：规格就是带具体场景（WHEN/THEN）的普通 Markdown，无需学习任何专用语法，AI 负责撰写、你负责评审。
- 流式而非瀑布：任何产物随时可改，没有僵硬的阶段闸门（phase gates），支持从探索到实现的自由迭代。
- 广泛的工具兼容：通过斜杠命令支持 25+（并持续增长）主流 AI 编程助手，包括 Claude Code、Codex、Cursor 等，不锁定任何 IDE 或模型。
- 团队级 Stores（Beta）：把规划放进独立仓库，通过 git push 共享，实现跨仓库特性、共享需求、代码未动先立规划——为多团队协作提供单一事实来源。
OpenSpec 内置仪表盘：可视化查看规格与进行中的变更

四、典型使用场景
- 为老项目做增量特性开发（Brownfield）：OpenSpec 明确定位「不只是绿地项目」。在成熟代码库里加新功能时，用 /opsx:explore 让 AI 先读懂现有代码结构，再权衡最干净的实现路径，避免 AI 凭空乱改。
- 个人开发者约束 AI「别跑偏」：单人开发时，规格层能让你和 AI 在单仓库上保持诚实——先评审计划再写代码，杜绝「模糊 prompt → 不可预测结果」的困境。
- 企业团队跨仓库协作：一个特性横跨 API 服务、Web 前端和共享库时，用 Stores 把「一个变更、一份计划」共享给三个仓库；平台团队维护规格，产品团队只读引用，让每个编程 Agent 都能读到同一份需求，告别到处漂移的 Wiki。
五、推荐理由

体验下来，OpenSpec 最打动我的是它对「轻量」的坚持。同类的 GitHub Spec Kit 更全面但偏重——僵硬的阶段闸门、大量 Markdown、还要配 Python 环境；AWS 的 Kiro 很强却把你锁死在它的 IDE 和 Claude 模型上。OpenSpec 则用一条 npm install 就接入你已经在用的工具链，规格全是能随手改的纯 Markdown，真正做到了「有预测性但不繁文缛节」。

官方建议搭配高推理能力的模型（如 Codex、Opus 系列）效果最佳，并注意保持干净的上下文窗口——实施前清理上下文，能显著提升产出质量。对于厌倦了「AI 一顿乱写、结果全靠运气」的开发者，OpenSpec 是一个成本极低、收益明显的习惯升级。MIT 许可，可放心用于商业项目。

六、下载地址
- GitHub 仓库：https://github.com/Fission-AI/OpenSpec
- 官方网站：https://openspec.dev/
- npm 包：@fission-ai/openspec
项目信息：Stars 62,500+ | Forks 4,325 | 主语言 TypeScript | 许可证 MIT | 首次发布 2025-08
2026年7月26日
Cline：跑在 VS Code、JetBrains 和终端里的开源 AI 编程 Agent（6.3万+ Star）
项目简介

Cline 是完全开源、支持自带模型的 AI 编程智能体：它能在 VS Code、JetBrains 乃至命令行里帮你读写代码、运行终端、连接 MCP，并且每一步改动都以可审阅的 diff 呈现，让你随时把关。截至 2026 年中，项目已突破 6.3 万 Star、VS Code 安装量超 150 万，是开源 AI 编程赛道增长最快的扩展之一。

安装要求和过程

环境要求
- Node.js 18+（CLI / SDK 形态需要）
- VS Code 1.84+ 或任意 JetBrains IDE（2023.3+）
- 一个 LLM API Key（Anthropic / OpenAI / Gemini / Bedrock / Groq / Ollama 本地模型等任意 OpenAI 兼容端点）
- 可选：Docker（用于浏览器自动化沙箱）
快速安装
```
# 方式一：VS Code 扩展市场搜索 "Cline"（扩展 ID：saoudrizwan.claude-dev）一键安装
# 方式二：JetBrains 插件市场安装 Cline 插件（IntelliJ / PyCharm / WebStorm / GoLand ...）

# 方式三：命令行（交互式或 CI 无头模式）
npm i -g cline

# 方式四：嵌入自己的程序 / 集成
npm install @cline/sdk
```
所有形态都跑在同一个 Agent 内核（@cline/sdk）之上，在编辑器里搭好的工作流可无缝迁移到 CLI 与 SDK。

核心功能
1. Plan / Act 双模式：先用 Plan 模式探索代码库、提出方案并经你确认，再切到 Act 执行。这是 Cline 对”自动 Agent 自信地做错二十个文件”这一经典失败模式的答案——先规划、再行动，给你一个可在破坏发生前喊停的检查点。
2. 全程可审阅的 Diff 与检查点：每一次文件改动都落成可审查的 diff；每个步骤都有检查点，可一键回滚到任意历史节点，远比”只能靠 git 历史兜底”的终端工具更可靠。
3. 自带模型、零加价：填入自己的 API Key（Anthropic / OpenAI / Gemini / Bedrock / Groq / Ollama / LM Studio 或任意 OpenAI 兼容端点），直接付费给模型方，无中间商加价，模型随意切换。
4. 浏览器自动化 + 终端执行：能导航 URL、截图、验证 UI 改动；在终端运行命令并实时响应输出，边干边盯 linter 与编译器报错。
5. 完整 MCP 支持与 .clinerules：可接入数据库、API、设计工具等 100+ 现成 MCP server 扩展能力；并通过 .clinerules 文件让 Agent 遵守你的项目约定，而不是自创规范。
典型使用场景
- 想用 Cursor 级 Agent 能力却不想被订阅锁死：Cline 扩展本身免费，只为 LLM token 付费，模型可在 Anthropic / OpenAI / 本地 Ollama 之间自由切换。
- 隐私要求严格的团队：直接接入本地 Ollama 模型，代码与上下文不出内网，满足合规需求。
- 全栈开发验证 UI 改动：让 Cline 改完前端代码后自动开浏览器、截图、核对界面效果，把”改完—运行—看结果”的循环自动化。
推荐理由

我把 Cline 当作“带审批闸门的结对工程师”来用。和纯自动 Agent 相比，它每一步都先让你看 diff、看终端命令，再决定是否放行——这种”人在回路（human-in-the-loop）”的设计，把 AI 幻觉的破坏面压到了最低。再叠加自带模型、成本完全透明，以及 MCP 生态带来的近乎无限的扩展能力，Cline 几乎是 VS Code 生态里最值得长期持有的开源编程 Agent。如果你想在零订阅成本下获得接近 Cursor 的 Agentic 体验，它是不二之选。

下载地址
- 官网：https://cline.bot
- GitHub：https://github.com/cline/cline
- 文档：https://docs.cline.bot
- 许可证：Apache-2.0
2026年7月22日
Grok Build：xAI 开源的终端 AI 编码智能体（16.4K+ Stars）
项目简介

Grok Build 是 xAI（SpaceXAI）本周开源的一款终端型 AI 编码智能体（Coding Agent）。它以一个全屏 TUI 为载体，把代码库理解、文件编辑、Shell 执行、网络搜索、长任务管理整合在一个可扩展的 harness 里，并支持交互式、headless 脚本/CI 以及通过 ACP 嵌入编辑器三种运行模式。

安装要求和过程

环境要求
- 使用预编译二进制：macOS / Linux / Windows 均可一键安装。
- 从源码构建：需要 Rust 工具链（仓库中的 rust-toolchain.toml 会自动锁定版本）和 DotSlash（用于拉取 bin/protoc 等 hermetic 工具）。
快速安装（推荐）

macOS / Linux / Git Bash：
```
curl -fsSL https://x.ai/cli/install.sh | bash
grok --version
```
Windows PowerShell：
```
irm https://x.ai/cli/install.ps1 | iex
```
从源码构建
```
cargo install dotslash
cargo build -p xai-grok-pager-bin --release
```
构建产物为 target/release/xai-grok-pager，官方安装包会把它命名为 grok。首次启动会引导浏览器完成认证。

核心功能
- 全屏终端 TUI：类似编辑器体验的沉浸式界面，支持鼠标、快捷键、滚动历史与模态操作。
- 代码库感知：自动索引项目文件，支持跨文件编辑、执行 Shell 命令、网络搜索与上下文召回。
- 长任务管理：检查点、重试、会话保持，适合复杂重构、多步骤自动化与失败恢复。
- ACP 协议支持：通过 Agent Client Protocol 把 grok 嵌入 VS Code、Cursor 或其他编辑器，保留现有工作流。
- MCP 与 Skills：可接入 MCP 服务器、加载 Skills、插件与 hooks，扩展 Agent 的工具集。
- 三模运行：交互式 TUI、headless 脚本/CI、嵌入式编辑器，覆盖从日常开发到自动化的全场景。
典型使用场景

场景一：大型代码重构

在 TUI 中描述“把同步数据库调用改为异步”，Grok Build 会自动跨文件改代码、跑 cargo test、处理失败重试，并生成可审查的 diff；用户只需确认或拒绝，不会丢失当前会话。

场景二：CI 自动修复流水线

在 headless 模式下接入 GitHub Actions/GitLab CI，当测试失败时自动拉取日志、定位根因、提交补丁，让 Agent 在 CI 中承担“修复工程师”角色。

场景三：编辑器增强

通过 ACP 在 VS Code 或 Cursor 中直接调用 grok，既保留现有 IDE 的快捷键和文件树，又能随时让 Agent 接管复杂任务。

推荐理由
- xAI 官方出品：仓库与 SpaceXAI 内部 monorepo 周期性同步，代码质量和更新频率有保障。
- 终端原住民的体验：全屏 TUI 比聊天框更贴近开发者终端习惯，鼠标交互也降低了学习成本。
- 架构清晰、可扩展：Rust 实现，crate 拆分明确（TUI / shell / tools / workspace / MCP 等），便于二次开发。
- 热度极高：开源 4 天内斩获 16,428+ Stars、3,000+ Forks，是近期 GitHub Trending 上增长最快的 AI 编码项目之一。
下载地址
- GitHub 仓库：https://github.com/xai-org/grok-build
- 官网 / 下载：https://x.ai/cli
- 官方文档：https://docs.x.ai/build/overview
如果你已经习惯 Claude Code、Codex CLI 或 Cursor Agent，Grok Build 提供了一个更“终端原生”且可扩展的替代方案，值得一试。
2026年7月18日