面向 AI coding assistants 的 spec-driven development,用仓库内 artifacts 固定变更意图、行为边界和验证任务。
AI Coding 推荐资源
这里按主题整理 AI Coding、Agent 工程化、Skill、MCP、Spec-driven、UI/UX Skill 和代码上下文相关的外部项目、工具与方法论参考。
更新日期:2026-05-30
方法论与工作流
用于理解 AI 工程如何从一次性 prompt 进入可审查、可验证、可归档的工作方式。
适合场景:先建立团队方法论、规范边界和变更流程。
推荐看点 重点看它如何定义协作对象、事实源和流程边界。
把策略、计划、执行、评审和知识沉淀串成工程复利流程的官方插件。
轻量的 meta-prompting、context engineering 与 spec-driven Claude Code 工作流。
围绕 Spec Coding、看板、git worktrees 和自动合并的开发仪表盘。
OpenSpec 自定义 schema 集合,适合研究 artifact DAG 和工作流扩展方式。
从 vibe coding 走向 agentic engineering 的 Claude Code 实践合集。
Claude Code 工作流模板,适合对比个人 CLAUDE.md 和项目规则组织方式。
Coding Agent 与 Harness
用于观察 coding agent 如何组织任务、工具、权限、运行环境和团队协作。
适合场景:评估 Agent 平台、CLI、异步执行和 harness 形态。
推荐看点 重点看它如何约束 Agent 的执行环境和任务生命周期。
开源 AI-driven development 平台,适合观察完整 coding agent 产品如何组织环境、工具和任务。
异步开源 coding agent,适合研究 issue 到代码变更的代理式执行模式。
面向终端体验的 agentic coding 工具,适合关注 CLI 交互和开发者体验的人。
Batteries-included agent harness,可作为 agent 运行时和任务组织的参考。
面向 agentic coding 的 harness,强调工作流和 Codex/Claude Code 类工具配合。
开放式 agent harness,适合观察 agent 框架如何内置个人代理和工具链。
Claude Code GUI 与工具包,覆盖自定义 agents、会话管理和后台 agent。
开源 managed agents 平台,把 coding agents 当作团队成员来分派、跟踪和沉淀 skill。
Nous Research 的 agent 项目,适合观察面向个人成长型 assistant 的产品化方向。
面向 Claude Code 的多 agent orchestration,适合研究团队式任务编排。
跨平台个人 AI assistant,适合作为 OpenClaw 生态入口观察,不建议只按 star 数判断成熟度。
Skill、Prompt 与上下文工程
用于研究如何把稳定经验、提示词模式和上下文组织方式封装成可复用能力。
适合场景:建设团队规则、skills、prompt patterns 和上下文复用机制。
推荐看点 重点看它如何把隐性经验变成可复用的自然语言资产。
微软的 skill 文本空间优化器,通过 trajectory-driven edits 训练可复用自然语言技能。
Vercel Labs 的 open agent skills 工具,适合观察 skill 分发和运行入口设计。
工程师个人 `.claude` 目录中的实用 skills,适合学习个人知识如何沉淀为 skill。
把 Karpathy 对 LLM coding pitfalls 的观察整理为单个 CLAUDE.md 文件。
面向 agent 的通用 skills 包,覆盖上下文管理和能力组合,适合对比“大包式 skill”的边界。
用 crowdsourced prompts 解决具体问题的 AI augmentation 框架,可作为 prompt pattern 库参考。
提示词优化工具,适合把 prompt 从“凭感觉写”推进到测试和迭代。
面向 Claude Code 的 skill 自优化流程,强调评估、改进、测试、保留或回滚。
通过单个 CLAUDE.md 控制 Claude 输出冗余,适合学习 token 与输出规范约束。
研究最近 30 天趋势的 agent skill,适合作为“带时间边界的研究 skill”参考。
跨 Claude Code、Cursor、Copilot 等 coding agent 安装、管理和分享 skills。
MCP、Tool Use 与浏览器自动化
用于研究 Agent 如何安全连接浏览器、命令行、设计工具、协作系统和外部服务。
适合场景:设计工具接入、MCP 边界、浏览器自动化和跨系统协作。
推荐看点 重点看它如何处理外部系统权限、上下文和操作边界。
面向 AI agents 的浏览器自动化 CLI,适合研究 browser tool 的产品形态。
JavaScript in-page GUI agent,用自然语言控制网页界面。
Bring Your Own Browser,让 AI agent 使用你已经打开的 Chrome。
把网站变成 CLI,并允许 AI agent 使用已登录浏览器上下文。
Draw.io 的 MCP Server,适合图示工具如何接入 Agent 的参考。
MCP-native collaboration server,为 AI agent 团队提供消息、任务和 dashboard。
用 Codex 做自动代码评审,并提供 CLI 与 Claude Code MCP 集成。
图标搜索和获取的 Skill/MCP server,适合 UI 生成流程中的素材检索。
为 Agent 提供深度研究能力的 MCP server,覆盖多数据源、可信度评估和报告输出。
代码上下文、记忆与观测
用于解决大仓库理解、跨会话记忆、上下文同步和 Agent 行为观测问题。
适合场景:降低上下文成本、维护长期记忆、排查 Agent 执行过程。
推荐看点 重点看它如何让代码事实、历史会话和运行状态可检索。
本地优先的代码智能图谱,为 MCP 和 CLI 构建代码库地图,减少大仓库审查上下文成本。
把代码、数据库 schema、基础设施、文档和多媒体转换为可查询知识图谱的 AI coding assistant skill。
用 Claude Code 把复杂代码库转成可导航架构图,适合代码理解和沟通。
Claude Code 的 DevTools,查看 session logs、tool calls、token、subagents 和 context window。
Claude Code 插件,用于显示上下文使用、活动工具、运行中 agents 和 todo 进度。
跨机器同步 Claude Code history,并把对话保留在对应 git repo 语境中。
面向 AI coding assistants 的跨会话上下文持久化插件。
跨 Agent 的持久上下文系统,捕获 session、压缩并注入未来任务上下文。
开源 AI memory system,可作为长期记忆和检索层设计参考。
轻量 Claude Code statusline 配置,适合观察低成本状态提示怎么进入工作流。
UI/UX、设计与可视化
用于改善 AI 生成界面的设计判断、品牌一致性、原型质量和可视化表达。
适合场景:前端界面、设计评审、技术图示、DESIGN.md 和高保真原型。
推荐看点 重点看它如何把设计约束注入 AI Coding 工作流。
为 AI 提供多端 UI/UX 设计智能的 Skill,是 AI Coding 做前端界面时值得首批收录的资源。
面向 AI harness 的设计语言资源,帮助改善生成界面的审美和设计判断。
收集流行品牌 design system 的 DESIGN.md 分析,帮助 coding agents 生成匹配品牌语气的 UI。
本地优先的开放式 AI design 工作台,覆盖原型、slides、图片、视频和导出工作流。
给 AI 增加前端审美约束的 Skill,避免生成普通、模板化、缺乏品味的界面。
GSAP 官方 AI skills,让 coding agents 正确使用动画模式、插件和最佳实践。
Chrome 扩展,从任意网站提取样式并生成 DESIGN.md 和 design skills。
从自然语言生成生产质量 SVG/PNG 技术图,支持 AI/Agent workflow patterns。
面向 AI coding agents 的 Markdown 图示和数据可视化 skills。
AI-native vector design tool,强调 Design-as-Code 和 live canvas 上的 UI 生成。
Agentic HTML editor,让本地 AI agent 写 HTML 并导出多种内容形态。
Claude Code 中 HTML-native 的设计 skill,覆盖高保真原型、幻灯片、动画和设计评审。
面向 AI agents 的高保真 HTML 设计和原型指导 skill。
复制任意 UI 元素给 agent 使用,适合参考“从现有界面取样”的工作流。
学习资料与训练场
用于系统学习 AI Coding、Agent harness、团队能力模型和多 Agent 协作。
适合场景:入门训练、团队培训、招聘考核和方法论补课。
推荐看点 重点看它是否能把概念转成可练习、可复盘的任务。
从 0 到 1 构建一个 nano Claude Code-like agent harness 的教程。
面向初学者的现代 AI Coding / vibe coding 课程。
Harness engineering 风格的新手教程,适合理解 harness 这个概念如何落地。
图示化、示例驱动的 Claude Code 指南,包含基础概念和高级 agents。
AI-Native 工程师招聘和实操考核手册,适合团队定义 Builder / Reviewer 能力模型。
Harness 相关学习资料集合,适合作为进一步阅读入口。
多 Agent 互动课堂,用一键体验方式理解多 Agent 学习场景。