文章介绍了 adu-motion-video，一个 MIT 协议的模板级动画 Skill。作者阿杜改变了让 AI 从零写动画的低效做法，先将场景、动作、转场、音效做成模板，AI 只负责按用户口播、文案和录屏填充内容，报模板编号即可产出 MP4 成片和可编辑工程。目前包含两大类模板、7 种风格、17 个镜头组，并附带 11,028 个精选 Lottie 动画的公开素材接口。模板复用带来 token 消耗低、系列视频质量更稳的优势，支持 Codex 和 Claude Code，限 macOS 横屏 1080p60。
作者使用 AI 助手 Jev 逐个阅读 README，将 180 个能让 Claude Code、Codex 等 agent 直接做视频、剪辑、动效的开源 skill 和工具包分为 10 个类别并做安全评级，以约 200 美元成本产出开源仓库和在线筛选页面，每 8 小时刷新。文章介绍了各分类分布：剪辑与后期 35 个、讲解科普 32 个、框架 29 个等，重点分析 OpenMontage、HyperFrames 和 Remotion 两大技术路线，并指出代码化出片、配方卡资产化、小仓库信息密度被低估三个观察。
作者用 AI 工具 Jev 逐个阅读 README，整理出 180 个能让 Claude Code、Codex 等编程 agent 直接制作、剪辑视频和动效的开源 skill 仓库，分为剪辑与后期、讲解科普、框架工具包等 10 个类别，每个都附安全评级（178 个 SAFE）。文章指出代码化出片（Remotion、HyperFrames）是主流路线，占四成；镜头配方卡正在成为通用资产；107 个不到 50 星的小仓库信息密度被严重低估，按星数排序会漏掉它们。仓库与在线筛选页面均已开源，每 8 小时刷新。
文章指出当前大部分人对 Skill 的使用仅停留在下载现成工具层面，而更先进的项目已开始将方法论、思维方式及商业经验转化为可运行、可复用的 Skill。文中列举了女娲、dbskill、ljg-skills 等典型案例，并分析了中英文社区在 Skill 生态上的不同侧重，强调“造 Skill 的 Skill”才是生产力杠杆。
微软开源了 Resource2Skill 项目，并发表了相关 arXiv 论文。该项目通过自动将教程视频、文章、代码等人类资源蒸馏成 Agent 可直接执行的技能，解决了技能来源问题。Agent 能够浏览、组合和运行这些技能，生成网页、PPT、Excel、Blender 场景甚至音频作品，标志着技能生成从手写进入自动提炼阶段。
Anthropic 官方开源了一套包含 22 个插件的 Claude 库，覆盖销售、产品、工程、财务等所有知识工作者角色。该插件库通过 MCP 连接器对接 Jira、Slack、HubSpot 等主流工具，将岗位技能打包为 Markdown 和 JSON，无需构建即可安装，旨在解决 Claude 缺乏具体业务领域上下文的问题。
LlamaIndex 推出完全用 Rust 重写的文档解析器 LiteParse。相比旧版，新版本在处理大文档时速度提升 3 倍，小文档提升可达 100 倍，实测 457 页 PDF 解析仅需 0.777 秒。该工具支持 Python、Node.js、Rust 及浏览器环境，覆盖 PDF、Office 等主流格式，具备原生 OCR 能力，且可作为 Agent Skill 直接集成。
MIT Technology Review 发布 2026 年 AI 趋势榜单，指出“低垂果实已摘完”，讨论重心从能力边界转向权力边界。榜单涵盖人形机器人数据、LLM+、世界模型等技术演进，也涉及 AI 诈骗、军事化、Deepfake 武器化等社会风险，以及中国开源、AI 科学家和反 AI 运动等地缘政治议题，强调 AI 发展面临的结构性变化。
作者基于运营 55,000+ 开源 Skill 目录站的经验，分析了 AI Skill 商业化的困境。他指出除了“标准化、本地运行、源码保护”的不可能三角外，开发者面临的首要痛点是分发（Distribution）。文章探讨了如何通过 AgentSkillsHub 提供过滤、评测和认证服务，帮助开源作者在源码公开的情况下找到用户并实现商业化。
本文介绍了开发者 arman-bd 开源的微型语言模型 GuppyLM。该模型拥有 900 万参数，核心代码仅 130 行，可在免费 Colab 上 5 分钟训练完成。文章详细拆解了构建流程：利用模板生成 6 万条合成数据、训练 4096 词表的 BPE 分词器、搭建 6 层 Vanilla Transformer 架构以及优化推理环节。该项目旨在通过极简的实现，帮助开发者深入理解语言模型的数据工程、架构设计与训练循环。
文章详细介绍了飞书开源的 CLI 工具，该工具拥有 6000+ Stars 和 19 个预置 Agent Skills。作者阐述了在 AI 时代 CLI 相比 API 的优势，其三层命令架构设计，以及如何通过 Claude Code、Cursor (MCP) 和 OpenClaw 接入 AI。文章还展示了日程查询、自动发消息、会议纪要生成等实战场景，并提供了安装指南和风险提示。
文章介绍了开发者 revfactory 开源的 Claude Code 插件 'Harness'，该工具将 Harness Engineering 概念转化为实际可用的协作架构生成器。它内置了 Pipeline、Fan-out/Fan-in 等 6 种协作模式和 5 套团队模板，利用 Progressive Disclosure 技术解决上下文问题。A/B 测试显示，使用该工具在 15 个软件工程任务中实现了 60% 的质量提升和 100% 的胜率，标志着多 Agent 协作从概念讨论迈向了工具化落地。
文章介绍了宝玉老师开源的17个Agent Skills项目，该项目在GitHub获得9000星。文章详细拆解了其设计的四条核心哲学：从提示词起步、功能原子化拆分、持续迭代优化以及站在Agent视角设计。通过具体案例展示了如何利用Claude和Gemini构建高效的AI写作工作流。
