2026年最热门的 Claude Skills 开源项目盘点
本文整理了 GitHub 上 2026 年最热门的 Claude Skills 相关开源项目,涵盖了官方 Agent Skills、超强核心技能库、科学领域技能等五大仓库。文章不仅列出了项目的 Star 数和特点,还提供了简单的技能安装与使用方法,帮助开发者快速入门和扩展 Claude 的功能。
本文整理了 GitHub 上 2026 年最热门的 Claude Skills 相关开源项目,涵盖了官方 Agent Skills、超强核心技能库、科学领域技能等五大仓库。文章不仅列出了项目的 Star 数和特点,还提供了简单的技能安装与使用方法,帮助开发者快速入门和扩展 Claude 的功能。
文章提供了2026年初最新的Claude Skills热门开源项目汇总及具体安装路径,信息密度和落地操作性极高;但主要为资源罗列与对话片段,缺乏对技术的深度原理解析。
作者公开了使用 Claude Opus 5.5 制作 AI 资讯类视频的完整工作流程:包括从 X 和 Hacker News 选题、准备 Agent 所需工具(Gemini API 写脚本与 TTS 配音、Suno 背景音乐等)、编写初始提示词模版、让 Gemini 写脚本并由 Claude Code 派子 agent 进行对抗式审查,以及反复迭代修改脚本与视频。作者还开源了包含 18 套风格的 creator-style-kit 风格 skill,并指出选题是内容成败的关键,常见问题是画面信息密度过高和配音契合度问题。
文章介绍 GitHub 现象级项目 REA(Reverse Engineer Anything),它将专业逆向工程工具接入 Claude Code、Codex 等 AI 编程助手,一周狂揽 17 万星。作者用大白话讲解逆向工程原理及 REA 如何把数百兆的反编译数据浓缩成小目录供 AI 精准取证分析,并通过两个实战展示威力:20 多分钟逆向 1988 年《魂斗罗》并复刻出完成度 80% 的网页版,还挖出 30 条命作弊码;3 小时拆解 Notion 桌面端,摸清其剪贴板与流畅编辑机制,将自己的 Mac 编辑器核心功能升级 70%。最后探讨开发者如何用 REA 破局变现,以及闭源不再是护城河后的真壁垒与合规边界。
作者萝卜哥开源了一款免费 PPT skill,可对已有 PPT 进行美化(文字一字不动,仅换配色、版式、图标与插画),也能将文章直接生成带口播备注的完整演示文稿。该 skill 支持公式转文字保证兼容性,内置时间线、漏斗、2x2 矩阵、SWOT 等原生可编辑版式,并提供 14 套预设风格。作者借鉴了 dashi-ppt-skill 的容量控制、273 款设计模板提炼的视觉规则,以及 open-design 的排版检查与五维评审机制,并经过 Claude Code 和 WorkBuddy 多模型实测。安装脚本支持 Claude、Codex、Cursor 等主流 Agent,项目已开源在 GitHub。
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。
作者介绍了自己开发的 git-story-film skill:只需提供一个 GitHub 仓库链接,Claude Opus 5.5 就能像导演一样,从 git 提交历史中挖掘故事,为项目设计主角、画风和镜头语言,最终生成一部两分钟左右的 4K 手绘动画短片。文章展示了 Raven、CC Switch、Cherry Studio、LobeHub 四个仓库的成片案例,每个项目都有独特的视觉隐喻。作者详细拆解了七步视频法 SOP(提纲、主角、全片提纲、分镜、详细编写、Studio 预览、4K 渲染),并总结了八条设计原则,如导演而非生成器、画面与提交一一对应、只说真话等,还分享了制作过程中的翻车与惊喜。
作者介绍了基于 TypeSafe 发布的 Jev 模型构建信号驱动外呼机器人的方法。Jev 比通用模型快约百倍且成本极低,可为每个销售线索快速打分。作者团队曾用 Claude 做信号驱动 SDR,两周内约到 19 次会议,回复率 12%。文章详细拆解了开源项目 signal-ranker 的架构:watch.py 通过日期文件对比追踪招聘重发、融资等信号,judge.py 负责调用 Jev 评分,policy.py 用纯代码实现门槛与权重,两者分离以便复用已付费的判断结果。支持用 Claude Code 自行拉取线索或使用 yourmax.ai,可放入 Claude Code 或 Codex 终端复现。
作者受开源社区启发,将散落在 GitHub 各处的 52 个影像类 AI Skills 整理成一个可视化网站「图灵悖论 · Photo Skills 影像技能档案」。这些 Skills 是写给 AI 的专业工作手册,能把普通照片转换为电影镜头、复古海报、水墨画等各种风格。文章介绍了网站的浏览、搜索、安装方式,并借此赞颂互联网精神:无私分享的开源作者们如微光彼此连接,聚成群星闪耀。作者认为由利他而利己是完美的双赢。
DeepSeek Harness(DSH)是 DeepSeek 官方开源的 AI Agent 运行环境,核心理念是「一切皆插件」。文章介绍了如何在 GitHub 和社区清单中发现优质插件,并推荐了多款热门插件:包括让模型理解图片的 ModLens、扩展搜索源的 ModSearch、可操作真实 Chrome 浏览器的 dsh-browser、支持多 Agent 协作的 Agent Teams、插件市场 dsh-market、界面全家桶 dsh-web-ui、侧边栏增强、上下文可视化和生成式 UI 等,帮助用户扩展 DSH 技能并提升使用体验。
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.