60個精選Skills、工作流與開源項目，最全Claude進階清單
摘要
這份清單基於實際測試，對當前AI 工具生態進行了系統梳理，篩選出60 個工具並按照不同層級與使用場景進行分類：從編碼與開發工具，到agent 框架與工具接入，再到工作流自動化、數據處理與基礎設施，最終延伸到學習資源與持續更新路徑。
工具分類與場景
整體上，它勾勒出一條從「使用 AI」到「構建 AI 系統」的清晰路徑，為開發者、內容創作者、產品構建者以及初學者提供了不同的入門路徑，幫助讀者在複雜的工具生態中找到適合自己的切入點。
Part 1：AI 編程 Agent & IDE
- 1. Claude Code
Anthropic 推出的命令行編程 agent。可以讀取文件、寫代碼、運行測試，直接在你的本地環境操作。
如果你希望在 AI 輔助開發中保持完全控制，這是目前的「黃金標準」。
https://docs.anthropic.com/en/docs/claude-code - 2. Cursor
基於 VS Code 打造的 AI 優先代碼編輯器。支持行內補全、與代碼庫對話、多文件編輯。
適合希望把 AI 無縫融入現有開發流程的開發者。
https://www.cursor.com - 3. Codex CLI
OpenAI 推出的終端編程 agent。用自然語言下指令，它會讀取代碼庫、生成並執行代碼。
在多步驟實現任務上表現很強。
https://github.com/openai/codex - 4. Windsurf
由 Codeium 推出的 AI 編程 IDE。其 Cascade agent 支持多文件編輯、深度理解代碼庫，以及「沉浸式編碼流」。
增長很快。
https://codeium.com/windsurf - 5. Superpowers
為 Claude Code 打造的 20+ 實戰技能集合，包括 TDD、調試、從規劃到執行的流水線等。
GitHub 超 9.6 萬星。如果你用 Claude Code，建議第一時間安裝。
https://github.com/obra/superpowers - 6. Spec Kit（GitHub）
「規格驅動開發」工具：先寫 specification，再由 AI 生成代碼。強制你在動手之前先想清楚。GitHub 超 5 萬星。
https://github.com/github/spec-kit - 7. Aider
終端裡的 AI 結對編程工具，支持任意 LLM。
在處理已有代碼庫方面尤其強。GitHub 超 3 萬星。
https://github.com/paul-gauthier/aider
Part 2：Agent 框架
- 8. OpenClaw
現象級開源 AI agent。支持長期運行、多渠道（WhatsApp / Telegram / Discord），還能自己寫技能。
GitHub 超 21 萬星，是目前個人 AI agent 最容易上手的入口之一。
https://github.com/openclaw/openclaw - 9. LangGraph
用「圖結構」來編排多 agent：支持分支邏輯、人類介入（human-in-the-loop）、持久狀態。
https://github.com/langchain-ai/langgraph - 10. CrewAI
多 agent 協作框架，每個 agent 都有角色、目標和「人設」。
適合模擬團隊協作流程。
https://github.com/crewAIInc/crewAI - 11. AutoGPT
老牌全自動 agent 框架，適用於長時間運行任務。
相比早期版本已經成熟很多。
https://github.com/Significant-Gravitas/AutoGPT - 12. Dify
開源 LLM 應用構建平臺，把 workflow、RAG、agent 和模型管理整合在一起。
對非開發者也比較友好。
https://github.com/langgenius/dify - 13. OWL
多 agent 協作框架，在 GAIA 基準測試中表現領先。
屬於前沿研究走向實用化的代表。
https://github.com/camel-ai/owl - 14. CopilotKit
可以把 AI copilot 直接嵌入 React 應用中。
不是隻提升開發效率，而是把 AI 變成產品的一部分。
https://github.com/CopilotKit/CopilotKit - 15. pydantic-ai
基於 Pydantic 的類型安全 agent 框架。
適合希望輸出結構化、可驗證結果的 Python 開發者。
https://github.com/pydantic/pydantic-ai
Part 3：MCP 服務與工具集成
- 16. Tavily
專為 AI agent 設計的搜索引擎，不是藍色鏈接，而是結構化、可直接被 LLM 使用的數據。
提供搜索、抽取、爬取、地圖四種工具，一分鐘即可接入 MCP。
https://github.com/tavily-ai/tavily-mcp - 17. Context7
把最新的庫文檔注入到 LLM 的上下文中。
不再出現「幻覺 API」或過時方法。
在 prompt 里加一句「use context7」，就能自動拉取最新文檔。
https://github.com/upstash/context7 - 18. Task Master AI
你的 AI 項目經理。輸入 PRD，它會拆解成帶依賴關係的任務。
再由 Claude 逐步執行，把混亂的開發過程變成有序流水線。
https://github.com/eyaltoledano/claude-task-master - 19. MCP Playwright
為 LLM 提供瀏覽器自動化能力。
可以用自然語言控制真實瀏覽器：測試、爬取、交互都能做。
https://github.com/executeautomation/mcp-playwright - 20. fastmcp
用最少的 Python 代碼快速搭建 MCP 服務。
是為 Claude 等模型創建自定義工具集成的最快路徑之一。
https://github.com/jlowin/fastmcp - 21. markdownify-mcp
把 PDF、圖片、音頻等各種格式轉成 Markdown。
讓任意文檔都能進入 AI 工作流。
https://github.com/zcaceres/markdownify-mcp - 22. MCPHub
通過 HTTP 管理多個 MCP 服務。
一個面板統一管理所有工具連接。
https://github.com/samanhappy/mcphub
Part 4：Claude Skills（精選）
- 23. PDF Processing（官方）
支持讀取 PDF、提取表格、填寫表單、合併與拆分文件。
對知識工作者來說，是實用性最高的技能之一。
https://github.com/anthropics/skills/tree/main/skills/pdf - 24. Frontend Design（官方）
用於構建真正可用的設計系統，包括大膽的排版和可上線的 UI。
可以擺脫常見的「AI 生成感」設計風格。已有 27.7 萬+ 安裝。
https://github.com/anthropics/skills/tree/main/skills/frontend-design - 25. Skill Creator（官方）
一個「元技能」。用自然語言描述你的工作流，5 分鐘內生成完整的 SKILL.md。
無需寫配置，也能創建新技能。
https://github.com/anthropics/skills/tree/main/skills/skill-creator - 26. Marketing Skills（Corey Haines）
覆蓋 CRO、文案、SEO、郵件自動化、增長策略等 20+ 技能。
相當於把一整套營銷團隊能力「模塊化」。
https://github.com/coreyhaines31/marketingskills - 27. Claude SEO
提供全站審計、結構化數據校驗、關鍵詞分析等功能。
共 12 個子技能，覆蓋完整 SEO 工作流。
https://github.com/AgriciDaniel/claude-seo - 28. Obsidian Skills
由 Obsidian CEO 開發。支持自動打標籤、自動鏈接，以及與知識庫（vault）的深度整合。
如果你在用 Obsidian，這基本是必裝。
https://github.com/kepano/obsidian-skills - 29. Context Optimization
用於降低 token 成本、提升 KV cache 效率。
可以顯著降低 API 使用成本。GitHub 13,900+ stars。
https://github.com/muratcankoylan/agent-skills-for-context-engineering - 30. Deep Research Skill
8 階段研究流程 + 自動續寫機制。
適合需要 Claude 做「深度研究」而非淺層總結的場景。
https://github.com/199-biotechnologies/claude-deep-research-skill
Part 5：本地 AI 與模型運行
- 31. Ollama
通過一條命令在本地運行開源大模型。支持 Llama、Mistral、Gemma 等。
從零到本地 AI 的最快路徑。
https://github.com/ollama/ollama - 32. Open WebUI
自託管的 ChatGPT 類界面。簡潔、快速、功能完整。
與 Ollama 搭配使用，可以構建完全私有的 AI 系統。
https://github.com/open-webui/open-webui - 33. LlamaFile
把整個大模型打包成一個可執行文件。
無需依賴，下載即可運行，極其簡單。
https://github.com/Mozilla-Ocho/llamafile - 34. Unsloth
模型微調速度提升 2 倍，同時減少 70% 內存佔用。
如果你需要訓練屬於自己的模型，這是一個很好的起點。
https://github.com/unslothai/unsloth - 35. vLLM
高吞吐推理引擎，性能比傳統方案快 2–4 倍。
目前開源模型生產部署的主流選擇之一。
https://github.com/vllm-project/vllm
Part 6：工作流與自動化
- 36. n8n
開源工作流自動化工具，支持 400+ 集成和 AI 節點，可自託管。
目前最強的可視化 AI 自動化構建器之一。
https://github.com/n8n-io/n8n - 37. Langflow
通過拖拽方式構建 agent 工作流。GitHub 超 14 萬星。
無需寫代碼，也能搭建複雜的 agent pipeline。
https://github.com/langflow-ai/langflow - 38. Huginn
自託管的 Web agent，用於監控、告警和數據採集。
強調隱私優先，所有自動化都運行在你自己的服務器上。
https://github.com/huginn/huginn - 39. DSPy
用「程序」而不是「prompt」來驅動模型。
源自斯坦福研究的框架，適用於對穩定性要求更高的場景。
https://github.com/stanfordnlp/dspy - 40. Temporal
面向長時間運行任務的「持久化工作流引擎」。
當你的自動化流程需要應對崩潰、重試、超時等情況時，這是標準解法。
https://github.com/temporalio/temporal
Part 7：搜索、數據與 RAG
- 41. GPT Researcher
自動化研究 agent，可生成結構化報告。
輸入一個主題，輸出帶來源引用的完整分析。
https://github.com/assafelovic/gpt-researcher - 42. Firecrawl
把任意網站轉成適用於 LLM 的數據格式。
專為 AI pipeline 設計的爬蟲工具。
https://github.com/mendableai/firecrawl - 43. Vanna AI
自然語言轉 SQL。
用英文提問，直接生成數據庫查詢語句。
適合不想寫 SQL 但需要用數據的人。
https://github.com/vanna-ai/vanna - 44. Instructor
通過 Pydantic 模型，讓任意 LLM 輸出結構化 JSON。
支持 OpenAI、Anthropic、Google 等 15+ 提供商。
是很多生產級 AI 工程師的實際選擇。
https://python.useinstructor.com - 45. Chroma
開源向量數據庫。
為 AI 應用添加語義搜索和長期記憶的最簡單方式之一。
https://github.com/chroma-core/chroma - 46. dlt
面向 LLM 的數據管道工具，可接入 5000+ 數據源。
幫助你把各種數據導入 AI 工作流。
https://github.com/dlt-hub/dlt - 47. ExtractThinker
面向文檔智能的「ORM」。
可以從任意類型文檔中提取結構化數據。
https://github.com/enoch3712/ExtractThinker
Part 8：API 與基礎設施
- 48. FastAPI
用於部署 AI 應用的 Python Web 框架。
文檔極其完善，並內置 Pydantic 數據校驗。
https://github.com/tiangolo/fastapi - 49. Portkey Gateway
通過一個 API 接入 250+ LLM。
無需改代碼即可切換模型。
https://github.com/Portkey-AI/gateway - 50. OmniRoute
支持 44+ AI 提供商的 API 代理。
提供負載均衡、故障切換和成本優化。
https://github.com/diegosouzapw/OmniRoute - 51. lmnr
用於追蹤和評估 agent 行為。
可以清楚看到 agent 在做什麼，並衡量其表現是否達標。
https://github.com/lmnr-ai/lmnr - 52. Codebase Memory MCP
將你的代碼庫轉化為一個「持久知識圖譜」。
讓 Claude 能跨會話記住整個項目結構。
https://github.com/DeusData/codebase-memory-mcp
Part 9：精選合集與學習資源
- 53. Awesome Claude Skills
精選技能合集，GitHub 超 2.2 萬星。
尋找新技能的首選入口。
https://github.com/travisvn/awesome-claude-skills - 54. Anthropic Skills Repo
Anthropic 官方技能倉庫。
也是目前技能構建的「標準範式」。
https://github.com/anthropics/skills - 55. Awesome Agents
彙總 100+ 開源 agent 工具的精選列表。
https://github.com/kyrolabs/awesome-agents - 56. PromptingGuide
覆蓋從基礎到高級的完整 Prompt 工程指南。
https://www.promptingguide.ai - 57. Anthropic Prompt Engineering Tutorial
包含 9 章 + Jupyter Notebook 實操練習。
是系統學習 Prompt 的最佳路徑之一。
https://github.com/anthropics/prompt-eng-interactive-tutorial - 58. SkillsMP
擁有 8 萬+ 社區技能的市場平臺。
是目前最大的 Claude 技能目錄。
https://skillsmp.com - 59. MAGI//ARCHIVE
每日更新最新 AI 項目倉庫。
用於跟蹤前沿進展。
https://tom-doerr.github.io/repo_posts/ - 60. Anthropic 官方文檔
涵蓋 API、Prompt、工具調用、agent 等全部核心內容。
如果你要認真做 AI 產品，這一份建議從頭到尾讀一遍。
https://docs.anthropic.com
如何真正使用這份清單
不要試圖一次性把這 60 個工具全部裝上。那隻會讓你信息過載、浪費時間。
我更推薦這樣用：
- 如果你是開發者：從 Claude Code（01）+ Superpowers（05）+ Context7（17）+ Tavily（16）開始。
這一組合可以幫你搭建一套具備搜索能力和文檔支持的強大 AI 編程環境。 - 如果你是創作者 / 知識工作者：從 OpenClaw（08）+ Obsidian Skills（28）+ PDF Processing（23）+ Frontend Design（24）開始。這一組合可以給你一個具備文件管理、文檔處理和內容創作能力的 AI 助手。
- 如果你是在做產品：從 FastAPI（48）+ Instructor（44）+ Chroma（45）+ LangGraph（09）開始。
這一組合覆蓋了後端框架、結構化輸出、記憶系統和 agent 編排能力，足夠支撐一個生產級 AI 應用。 - 如果你只是想學習：從 Anthropic 教程（57）+ PromptingGuide（56）+ Anthropic 官方文檔（60）開始。
先把基礎打牢，再去疊工具。
TL;DR
Skills = 教 AI「怎麼做得更好」
MCP = 給 AI「接入外部工具和數據的能力」
Repos = 提供一切的開源基礎設施
把這三者結合起來，你得到的就不再是「看起來很酷的 demo」，而是一套真正有生產力的 AI 工作流。