作者用同一份 8-10 页需求，让 27 个 PPT 生成 skill 各做一套，并使用 Claude Code + Opus 5.5 运行、gpt-6-astra 逐页打分。结果显示：数字虽准但 8 套添加了需求外的说法；2 套需大改且全是不可编辑的图片；设计最佳的 ppt-agent-skills 仅 904 星；5.8 万星的 ppt-master 微调即可交付；转换器可将全图片 PPT 转回可编辑文本（0 到 2224 字）。最后给出选型建议：需协作修改选原生 PPTX，自己演示选网页，发社媒选图片，兼要 pptx 和美观可选网页/图片加转换器。全部幻灯片与评分已公开。
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。
文章介绍了 GitHub 上一个名为 oh-story-claudecode 的开源项目。作者 worldwonderer 在失业期间开发了一套基于 Claude Code 的网文写作工具，包含扫榜、拆文、写作及去 AI 味等 8 个 Skill。该项目凭借解决网文作者痛点、精准的垂直定位以及真实场景打磨，8 天内获得 573 星。文章拆解了其文件系统管理、知识库设计等技术亮点，并指出其模式可复用于其他长内容创作。
Total TypeScript 作者 Matt Pocock 开源了其个人常用的 16 个 Claude Code Skill，GitHub 星标迅速突破 38k。这套工具主张“真工程师”模式，摒弃了 BMAD 等重流程框架，采用“小、可改、可组合”的 Unix 哲学。文章详细解析了针对 Agent 失败四大根因（需求模糊、啰嗦、代码报错、屎山）的解决方案，重点介绍了 CONTEXT.md 建立项目共享语言的方法，适合具备工程基础的开发者提升 AI 编码效率。
本文介绍了 DeepLearning.AI 推出的“规格驱动开发”方法论，旨在解决 AI 编程中常见的“凭感觉（Vibe）”导致的不稳定问题。文章提出通过建立项目宪法、特性规格和技术方案三个核心文档，并遵循 Plan-Implement-Verify 三步循环工作流，将 Coding Agent 从“随性猜测”转变为可控的工程师。文中还详细说明了如何为老项目反向生成宪法，以及将工作流封装为 Claude Code Skill 的技巧，帮助开发者从零构建可控的 AI 编程体系。
文章记录了作者使用 Frida 动态调试技术逆向微信 Mac 客户端，经过 6 轮迭代攻克 SQLCipher 加密和 SIP 保护，成功提取密钥并解密 2000 条收藏数据。最终利用 Claude Code 封装为 Skill，自动生成包含 7 种图表的交互式 HTML 报告，实现了数据的结构化与可视化。
针对 LLM 无状态导致的“失忆”痛点，文章深入探讨了当前 Agent 记忆系统的四条主流技术路线：纯文件存储、向量数据库+RAG、知识图谱及混合检索。文章梳理了从轻量级 hooks 集成到企业级独立平台的 12 个开源项目，涵盖 claude-memory-compiler、agentmemory、Hermes Agent 等代表性工具，并提供了针对不同用户阶段（新手、个人开发者、团队、企业）的选型建议。作者指出，未来的核心竞争将集中在“如何遗忘”、“保证正确性”和“控制成本”三个维度。
本文记录了“四虾阵”AI Agent系统在3天内从Demo进化为生产力系统的过程。作者通过引入Harness方法论重写SOUL.md，实现了从“能说话”到“有章法”的转变；通过开发任务板、调度包装器和自动收口机制，完成了从“有章法”到“有系统”的跨越。文章详细复盘了架构设计、迭代过程及踩坑经验，并规划了基于Claude Code源码的下一阶段并行执行、MCP接入及产品化路线图。
作者分享了如何利用 lark-cli 和 Claude Code 搭建自动化脚本，实现会议结束后的纪要提取、任务创建及群聊通知全流程自动化。文章详细拆解了从搜索会议到发送通知的五步 CLI 指令，并总结了在身份权限、数据结构和 API 调用上踩过的六个坑。该方案将原本需要 30 分钟的会后整理工作缩短至 1 分钟，显著提升了职场效率。
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。
Anthropic 官方发布了 Agent Skills 教程。本文详细梳理了 Skills 的设计哲学、配置方法、与 claude.md/Sub Agents/Hooks/MCP 的区别、企业级分享策略及排错技巧。核心在于理解 Skills 是按需加载的知识包，通过 description 语义匹配激活，旨在消除重复性指令，提升 Claude 工作流效率。
