anything2explainer 实测:上线 3 天 954 星的话题转讲解视频 skill,8 个 Agent 并行 40 分钟出一条片

anything2explainer 实测:上线 3 天 954 星的话题转讲解视频 skill,8 个 Agent 并行 40 分钟出一条片

想把一个技术概念做成一分钟讲解视频,多数人的第一反应是找 Sora 或 Veo 生成 —— 结果画面很炫,字全是乱码,画面上的数字一个都不敢用。第二条路是自己开剪辑软件,一帧一帧摆元素,做一条四分钟的片要熬夜。

9 月 8 日开源的一个 Claude Code / Codex skill 想解决这件事:给它一个话题,它产出一条 1280×720、带配音、带逐字字幕、带章节进度条的科普讲解片,全片每一帧都是代码画出来的。上线三天多,954 星、172 个 fork —— 这是我这两天见过涨得最快的 AI 视频方向仓库。

它到底交付了什么

先纠正一个预期:它不是一个「一句话出片」的工具。作者在 README 里写得很直白:这不是 CLI,交付的是「一个 AI 编程 agent 拍完一条片所需要的全部方法」。

拆开看是四层:

层 内容 规模
流程 SKILL.md:9 个阶段、4 个确认点、8 条硬性原则 86 行
规范 reference/ 九份文档:风格、动效词汇、构图与光、配音分镜、多 agent 协议 687 行
工程 可编译的 Remotion 4 模板 + 图元库 + 11 个脚本 7998 行 TSX/TS + 768 行 Python
标尺 样片《RAG 与知识库》全套档案:调研、解说词、分镜、44 个镜头源码、QC 报告、成片帧 8246 帧 = 4 分 35 秒

真正稀有的不是模板,是把审美写成了可判定的数字。 模板本身只是 Remotion(用 React 写视频)的工程封装,市面上不缺;缺的是这种句子:「每个镜头静止帧占比 ≤40%、最长静止 ≤1 秒」「主角高度 ≥170px 且必须带光」「每个镜头 ≤1 处闪烁,且只给该镜头的核心术语」「内容区最大物体 <110px 不得持续超过 45 帧」。这些数字不是宣传语,仓库里有对应的检测脚本。规则可判定,才谈得上验收。

它怎么跑一遍

它的运行方式更像一个剧组,而不是一个按钮。九个阶段里,主会话只做编排与验收,调研、打样、构建、QC 都是派出去的 agent:

  • 调研 1 个 agent 先产出带来源的调研文档(样片那份 29222 字符、128 个 URL,覆盖定义的每条数字);画面上出现的每个数字、年份、英文术语都必须能在调研文档里查到出处,没核实的不许上画面。
  • 写完解说词后 tts_build.py 用词级边界把每句切成字幕块,直接算出每句的起止帧号,写进时间轴与字幕表。
  • 主会话定分镜、补图元,先只派第 1 组做出前 30 秒给你看,确认风格后才并行派剩下的 7 组。
  • 渲完不是结束:每章派 1 个 QC agent 逐帧核,再派修复 agent,样片跑了两轮 QC(v1 报出高 1 / 中 23 / 低 42,v3 终检时白名单外的闪烁是 0 处)。

我核对过它的时间轴算术:8246 帧 = 274.9 秒、44 句净朗读 249.9 秒、留白 25 秒占 9% —— 全部对得上。这不是拍出来的片子,是算出来的。

代价也写得很清楚:一条 4 分半的片子,约 2 小时、8 个构建组并行 40 分钟、磁盘预留 5GB 以上。

实测:模板能编译,工具链有坑

我在手机上(Android 内的 Alpine Linux aarch64 沙盒,Node 22)clone 了仓库实测,宣称与实测对比如下:

项目 仓库宣称 实测结果
模板可编译 开箱 npm install + tsc 250 个包 / 263MB / 36 秒;tsc --noEmit 15 秒,0 个类型错误
静态自检 几秒查帧覆盖、闪烁白名单、字面量 44 个镜头全覆盖;但报 18 个问题,其中 17 个是误报
默认配音 edge-tts 免费云端合成 44 句里 34 句拿到音频,随后一句连续 4 次重试失败,脚本当场退出
成片渲染 无 GPU,CPU 渲染 没跑通:需下载 chrome-headless-shell,下载源不通且无 linux-arm64 版
跨平台 macOS 验证过,Linux 应该能用 5 个 shell 脚本写死 #!/bin/zsh,建项目第一步就中止

自检脚本那 17 个误报值得单独说:脚本要求闪烁白名单以固定格式内联写在分镜表里,而样片的分镜表写的是「白名单见 AGENT_RAG_BUILD_RULES.md §8」,正则抓不到,白名单被读成 0 条,19 处合规闪烁全部标红。唯一那条真问题也很有意思 —— SC27 的代码帧区间比分镜表多 4 帧,注释写明是第二轮 QC 故意做的淡出重叠。也就是说:这条检查只能报「对不上」,不能判断「是不是有意为之」。

sed -i '' 是 BSD 语法,在 Linux 上会报 No such file or directory 然后中止。同一个问题也出现在仓库第 4 号 PR 里:有人在树莓派 5 上端到端跑通了一整条片,顺手把 zsh、BSD sed、ARM 上的 TTS 与系统浏览器配置一起修了,目前还没合入。

有意思的是它自曝的返工日志

仓库里最有价值的文件可能是 reference/lessons.md(199 行)。作者用这个 skill 拍了至少 4 部片,每踩一个坑就写一条根因,其中几条是自曝:

  • 样片自己不合格。 第 4 部片加入「持续动作」规则后,回头量化样片:4/6 镜头静止帧占 42%–72%、最长静止 2.8 秒,全部超过新规则。作者原话是「样片也有同样的毛病,所以『对标样片』筛不出它。」
  • 检测分级会骗人。 组级低分辨率检测 48/48 全部通过,成片复测却有 11 个镜头超限(3 个真静止、8 个只有小面积动作)。于是流程里写死了:成片复测才算判据。
  • 一个静默降级的 bug 藏了很久。 edge-tts 从 7.2.0 起默认不再返回词级边界,脚本拿不到词边界就退化成「按字数插值」估字幕位置。作者实测最大偏差 15 帧 —— 整块字幕晚半秒,并承认「这个洞在所有 edge 引擎的成片里一直存在」。

一个项目敢把自家样片的实测短板写进仓库,比任何宣传语都有说服力。

谁适合,谁别碰

先划清路线:这类需求和 OpenMontage 那种「121 个工具调云 API 出片」不是一条路 —— 后者靠生成模型要素材,它一帧都不用生成模型,全部代码绘制,所以任何一帧都能改、每个数字都能追到来源。另一条路是 Manim / Remotion 手写,它比手写多的正是那套流程和判据。

适合:做技术科普、课程、产品原理动画的个人或小团队,愿意花约 2 小时等一条 4 分半的片,并且看重「画面上每个数字都能溯源」。中文是一等公民,文档中文优先,还有独立的英文片配置。

不适合:想一句话出片的人 —— 它会在写文案前、配音前、定稿前、前 30 秒样片这四个节点停下来等你确认;要竖屏的人(模板与安全区全部按 1280×720 横屏);以及任何商业用途。

商业许可这条不是假设。项目用的是 PolyForm 非商业许可,商用需要作者单独授权,而仓库第 5 号 issue 就是一位教育自媒体在问商业授权怎么办理、是否支持多个账号、能不能改模板做竖屏 —— 截至今天,作者没有回复。

结论

三天 954 星、172 个 fork,说明「把内容变成讲得清楚的视频」这个需求是真实的。但它的价值不在自动化,而在它把一件靠审美的活儿拆成了可验收的工程步骤 —— 从 把审美纪律编译进 agent 到 把方法论写成 skill,这条路数上的极端版本就是它。多数 AI 视频工具还停在「能不能生成」,它已经在回答「能不能验收」。

值得放进观察清单。但真正上手前,先把 zsh / sed 和默认 TTS 这两个动手就遇到的坑解决掉。

关注 AI商业快讯,每天一篇 AI 热点深度解读。

UI UX Pro Max 深度评测:12.7 万 Star 的设计 skill,192 套配色全过 WCAG,中文关键词却 0 命中

UI UX Pro Max 深度评测:12.7 万 Star 的设计 skill,192 套配色全过 WCAG,中文关键词却 0 命中

用过 Claude Code 写页面的人都见过同一种丑:紫粉渐变、千篇一律的圆角卡片、emoji 当图标。这不能全怪模型——设计规则散在几百篇博客、几十份设计规范里,它不知道该照哪一套下手。

有个开源 skill 干脆把这件事做成了数据库:192 个行业的配色与设计推理、79 种可检索的 UI 风格、119 条 UX 准则,全部固化成本地 CSV,再配一个纯 Python 的检索引擎。项目名叫 UI UX Pro Max,12.7 万 Star,MIT 协议。

我在沙盒里把它整个拆开跑了一遍:30 次设计系统生成、160 个自带测试、全量 192 套配色的对比度验算,以及 10 个中文关键词的命中测试。结论比”又一个热门 skill”复杂一些。

它是什么:把设计规则做成可检索的数据库

一句话定位:给 AI 编码助手(Claude Code、Cursor、Codex、Copilot、Windsurf 等 19 个客户端)装一个本地设计智库。你正常提需求”给我做个 SaaS 落地页”,它自动触发,先查库生成整套设计系统,再写代码。

架构上是三层:

  • SKILL.md(约 16KB):Agent 读的行为契约,规定 10 个优先级类别、什么情况必须查库、什么情况必须跳过;
  • CSV 数据层:14 个数据文件,行业、风格、配色、字体、图表、动效、UX 准则、22 个技术栈的规则;
  • search.py 引擎:4,031 行 Python,只用标准库,不装依赖、不发网络请求,用 BM25 排序 + 条件规则做推荐。

跑一条命令就能看到它的核心产物——search.py "beauty spa" --design-system 会输出八段结构:页面模式(Section 顺序 + CTA 位置)、风格(含性能成本与无障碍风险标注)、完整十六进制配色(含 CSS 变量名)、字体搭配(含 Google Fonts 导入链接)、关键动效、明确的反模式清单、以及交付前自检表。

我逐文件数了一遍行数,和官方口径对照:

数据 官方口径 我实测
行业配色 / 设计推理 192 / 192 192 行 / 192 行
UI 风格 79 可检索(50 活跃) 88 行(50 活跃 + 29 补充 + 9 弃用)
字体搭配 / UX 准则 74 / 119 74 行 / 119 行
技术栈 / 栈内规则 22 / — 22 个文件 / 1,260 行
图表 / 落地页模式 / 图标 25 / 34 / 105 25 / 34 / 105

没有注水。这点值得说一句:同类项目里,”宣称 100+ 工具、实际能跑的只有三成”是常态,这里每一个数字都对得上。

实测:数据是真功夫,工程链路是另一回事

一、470 毫秒,且逐字节可复现

我连续生成 30 次设计系统,总耗时 14.1 秒,平均 470 毫秒一次,全部在离线沙盒里完成。同一参数跑两遍,输出文件逐字节一致——因为它是确定性检索,不是让模型自由发挥。对流水线来说是好事:同样的需求,今天和明天给出的配色不会漂移。

二、自带测试全过

这是我最看重的一项。我直接跑仓库自带的测试套件:

160 passed, 7936 subtests passed in 30.47s

另外 validate_data.py 校验 12 个领域文件 + 22 个技术栈文件 + 推理表,全部 OK。一个”数据即产品”的项目,能把数据校验和测试做到这个程度,是它 12.7 万 Star 里最扎实的那部分。

三、61% 的文件永远不会被打开

我把 SKILL.md 和 README 里文档化的 18 条命令全跑一遍,并用一个 open() 钩子记录脚本读过的每个文件:

  • 技能安装目录共 73 个文件 / 3.41 MB;
  • 全部文档化命令加起来只打开 17 个文件(1.34 MB,39% 的字节);
  • 剩下 56 个文件、2.07 MB,脚本从不打开——其中 31 个是测试脚本和它们的夹具,会被一起装到用户磁盘上(npm 包里的 assets/scripts/tests 是 23 个文件、307 KB)。

这不是我一家之言。9 月 3 日有位开发者提交了一份 200 次运行的审计(issue #484),测得 82% 的文件从不被触及,还顺带发现 --design-system 会静默忽略 --stack 参数。维护者 9 月 6 日合并了修复,只修了第一条:我在当前主分支上实测,现在会打印一行 note: --stack nextjs is ignored in --design-system mode。

但这里有个更现实的坑,见下一条。

四、中文关键词,一个都查不到

数据层全是英文关键词。我拿 10 个中文词直接查,结果是这样的:

查询词 命中 英文对照 命中
玻璃拟态 / 深色模式 0 glassmorphism / dark mode 1 / 1
落地页 / 仪表盘 0 landing page / dashboard 1 / 2
金融科技 / 电商 0 fintech / e-commerce 0 / 1
美容院 / 医疗 0 beauty spa / healthcare 1 / 1

中文查询返回的不是”空值”,而是明确的 count: 0——引擎会提示”这不是匹配到了空字段,是查询没命中数据库”。更实际的影响在设计系统模式:"美容院 落地页" 落到通用兜底(Minimalism & Swiss Style + 蓝色 #2563EB),而 "beauty spa" 给出的是 Soft UI Evolution + 粉色调 #EC4899。

但这不等于中文用户用不了。 真实链路里是 Agent 读英文的 SKILL.md,它自己会把你的中文需求翻成英文关键词再去查——中文圈已经有大量教程和实测(知乎、腾讯云社区、CSDN、B 站,还有一个 1.4k Star 的第三方中文教程站)。真正会踩坑的是”手敲中文命令当 CLI 用”的人。

五、192 套配色,全部通过 WCAG

我把 192 套配色的所有关键配对算了对比度(正文前景/背景、按钮主色/按钮文字、强调色/文字),违规 0 套——全部达到 4.5:1。这解释了它为什么敢把”对比度 4.5:1″写成第一条铁律。

顺带一个有意思的数字:192 套里 32 套(17%)主色落在紫粉色相区间,主要集中在 AI 产品、创意机构、美妆、游戏这些品类。而它的推理表里有 14 个行业明确把”AI 紫粉渐变”写进反模式清单——我逐一核对,这 14 个行业自己的推荐配色都不是紫粉。规则和它自己给的结果,内部是自洽的。

六、版本链路:npm 上停着一个月前的代码

它的 CLI 走 npm,这里有两处实打实的问题。

第一,主包一个月没发新版。 ui-ux-pro-max-cli 最新版 2.15.0 发布于 8 月 13 日,而仓库主分支已经走到 9 月 10 日。仓库里有两个未关闭的 issue(#451、#457)说明原因:8 月 18 日起发布流水线因 NPM_TOKEN 被拒而失败,”自 2.15.0 之后什么都没发出去”。我把 npm 包下载下来实测:npm 版至今仍在静默忽略 --stack,主分支已修的那个提示,装 npm 包的用户拿不到。上周仍有 12,882 次下载。

第二,有个 1 月的旧包还挂在 npm 上。 老包名 uipro-cli 停留在 2.2.3(2026 年 1 月 29 日),每周仍有 4,162 次下载;装它的人会遇到 --global 报错的 bug(issue #215,3 月 29 日开的,21 条评论至今未关)。README 里明写”旧包已废弃,不要用”,但 npm 上并没有把这条路堵死。

还有个小的:官网 uupm.cc 至今写着 57 种风格 / 95 套配色 / 8 个技术栈——数据已经涨到 79 / 192 / 22 了。开源核心之外它还有付费版(品牌、Logo、CIS、演示文稿设计),但官网没有公开价格页。

它和同类比,适合谁

市面上”治 AI 味”的设计 skill 大致两条路线:

  • 提示词/规则路线:taste-skill(84k Star)和 hallmark(28k Star,Anti-AI-slop)走的是这条路——把审美纪律写成规则塞进 Agent。轻、灵活,但覆盖面和一致性取决于模型当场发挥。
  • 数据工程路线:UI UX Pro Max 是这条路——先查库、再生成,配色/字体/对比度有确定答案。

适合:独立开发者、后端转前端、MVP 阶段要快速做出”不像 AI 生成”的界面的人;以及需要一套可复用的设计 token(它能 --persist 把设计系统落成 MASTER.md + 页面覆盖文件,下次直接读文件)。

不适合:已有成熟设计系统的团队(它的建议会和你的品牌规范打架);只做后端/DevOps 的人(技能自己也会跳过);以及期待”它直接替代设计师”的人——它解决的是”下限太低”的问题,不是”上限”。

结论

值得一试,而且是我近期读过的 Agent Skill 里工程底子最厚的一个:数据不注水、测试全过、配色真的过 WCAG、离线可复现。它的短板不在能力,在”发货”——npm 包落后一个月、旧包名还在分流、包体里塞着用户永远用不到的测试脚本,以及一套只认英文的关键词库。

装的时候认准新包名:npm install -g ui-ux-pro-max-cli && uipro init --ai claude。看到 uipro-cli 请绕开,那是 1 月的版本。

如果你也在用 Agent 写前端,可以顺便看看我们评测过的 Pi Agent(10.4 万 Star,默认只给模型 4 个工具)和 ECC(25.5 万 Star 的 Agent 工程纪律系统),都是同一类问题的不同解法。

关注 AI商业快讯,每天一篇 AI 热点深度解读。

Pi Agent 实测:10.4 万 Star 的极简编码 Agent,默认只给模型 4 个工具

Pi Agent 实测:10.4 万 Star 的极简编码 Agent,默认只给模型 4 个工具

用过终端 AI 编码 Agent 的人,大多撞过同一堵墙:功能越加越多,工具列表越拉越长,系统提示词动辄几千 token,模型反而开始选错工具、忘掉目标。Pi Agent 反着做——默认只给模型 4 个工具,系统提示词压到 2.6KB 左右,一年发了 259 个版本,拿到 10.4 万 Star、每周 152 万次 npm 下载。官方文档还明说它「不要」MCP、不要子代理、不要计划模式。这些「不要」到底是省钱的真本事,还是把活甩给社区?我在安卓手机的沙盒里把它装了一遍,跑通了它的 agent 循环,并把每次发给模型的请求原样抓了下来。

一、Pi 是什么:一个「什么都不自带」的编码 Agent

Pi(仓库 earendil-works/pi,命令 pi)是终端里的编码 Agent,也就是常说的 harness。作者 Mario Zechner 是游戏引擎 libGDX 的作者,网名 badlogic。MIT 协议,2025 年 8 月建仓,到发稿时 103,904 Star、12,997 fork、323 订阅者;npm 包 @earendil-works/pi-coding-agent 上周下载 1,526,012 次(9 月 3 日至 9 日,npm 官方统计接口)。

这不是小玩具。主仓库是 11 个包组成的 monorepo,TypeScript 代码合计 318,385 行,其中测试文件 544 个、测试代码 139,487 行;release 累计 259 个,最新版 v0.85.1(9 月 5 日);贡献者里 badlogic 本人 3,701 次提交,第二名 mitsuhiko(Armin Ronacher,Flask/Jinja 作者)668 次。11 个包分别是 coding-agent(CLI 本体)、agent(agent 运行时)、ai(多厂商 LLM API)、tui、protocol、client、server、session-backends、telemetry、chord、evals。

它的官方定位是「minimal agent harness」:让 Pi 适应你的工作流,而不是反过来。落到代码上就是六个明确的「没有」——没有 MCP(官方的理由是「写个带 README 的 CLI 工具就够了」,并专门写了篇博文解释)、没有子代理(要就 tmux 起多个实例)、没有权限弹窗(要更强边界请自己进容器)、没有 plan mode、没有内置待办清单、没有后台 bash。核心保持空,能力全靠四类资源外挂:TypeScript 扩展、SKILL.md 技能包、提示词模板、主题,打包成 Pi Package 用 npm 或 git 分发。运行方式有四种:交互式 TUI、print/JSON(可脚本化,也能被管道喂输入)、RPC(进程集成)、SDK(嵌进自己的应用)。

这和站内此前评测的 ECC(Everything Claude Code) 恰好是两个方向:ECC 把工程纪律整套塞进 Agent,Pi 把核心清空、把选择权交回给使用者。

二、实测:手机 + 零 API key,把它的 Agent 循环抓出来看

测试环境是一台安卓手机里的 Alpine aarch64 沙盒(PRoot,没有任何 GPU 和模型),Node v22.23.2——Pi 要求 Node ≥ 22.19.0,刚好过线。

安装本身没有意外:npm install -g @earendil-works/pi-coding-agent 拉进 132 个依赖包耗时 25 秒,落地体积 154.7MB,pi --version 输出 0.85.1。官方还专门写了 Termux(安卓终端)安装文档,手机跑 Pi 是被支持的场景。

真正要看的是它发给模型什么。我没有 API key,也不想编造数字,于是写了一个假的 OpenAI 兼容服务(本地 HTTP + SSE 流式响应),再用一个十几行的 Pi 扩展注册成自定义 provider,让 pi 把请求打到本地。这样每一次请求的完整 payload——系统提示词、工具定义、消息历史——都会被原样落盘,可以逐字节量。

抓包项 默认配置 显式开启全部内置工具
发给模型的工具数 4 个(read / bash / edit / write) 7 个(+ grep / find / ls)
工具定义 JSON 长度 3,024 字符 5,302 字符
系统提示词长度 2,571 字符 2,673 字符

三个可以复现的结论:

第一,默认真的只有 4 个工具。官方文档写「By default, pi gives the model four tools」,抓包证实:read(读文件)、bash(执行命令)、edit(精确替换改文件)、write(写文件)。grep、find、ls 存在但要靠 --tools 显式打开,一打开工具定义就从 3,024 涨到 5,302 字符,接近翻倍。社区里 Pi 被称作「只用 4 个工具的 Agent」,说的就是这个默认值,不是营销话术。

第二,系统提示词确实小。2,571 字符(英文,约合六七百 token),官方站点的说法是「very token efficient due to its minimal system prompt」,第三方横评也写它「系统提示词不到 1000 token」——实测对得上。这个数字的意义在于:工具定义加系统提示词合计不到 6KB,每一轮对话都要重发一遍,长会话里省下来的就是真金白银。

第三,agent 循环是真的能跑完。假模型按脚本返回工具调用,pi 依次执行了:读文件 → 用 bash 写文件并 cat 回来 → 用 write 落一个新文件,共 4 次 LLM 往返,最后以自然语言收尾。沙盒里真实出现了 out.txt 和 summary.md。零密钥、零真实模型,但工具调度、结果回填、多轮循环、会话持久化这条链路全部走通。

顺手还测了两件事。一是技能兼容:把一份带 frontmatter 的 SKILL.md 丢进项目的 .pi/skills/,pi 把它注入系统提示词的 区块(系统提示词从 2,571 涨到 3,172 字符),只给模型「名字 + 描述 + 文件路径」,让它需要时再用 read 去读全文——惰性加载,不是全文塞进上下文。也就是说,为别的 Agent 写的技能包,Pi 能直接复用。二是会话与导出:会话存成 JSONL(格式版本 3),每一条带 id 和 parentId,天然支持从任意历史消息分支重开;--export 能把整个会话导出成 273KB 的单文件 HTML 分享出去。

两个坑,也如实记下:

  • 走管道运行时,Pi 默认会读 stdin 并把它合并进 prompt。我的第一次调用没关闭 stdin,进程就一直等着,看起来像卡死;加 < /dev/null 才正常。
  • 项目级安装的包,在项目被标记为「信任」之前对 CLI 不可见:pi install npm:pi-web-access -l 明明装好了 134 个依赖,pi list 却显示「No packages installed」,加 --approve 才列出来。设计上是安全考虑,但第一次遇到很容易以为装失败了。

三、横向对比:一个 fork 拿到 3 万 Star,也提供了反面数据

Pi 的极简是有代价的,代价就是别人替你补。最典型的例子是 can1357/oh-my-pi(命令 omp):安全研究员 Can Bölük 在 2025 年 12 月 31 日直接 fork 了 Pi,塞进 LSP 客户端、调试器、浏览器、Python 内核、子代理,约 8 万行 Rust,命名致敬 Oh My Zsh。今天它有 30,562 Star——相当于 Pi 星数的三成,是判断「极简派 vs 全家桶派」谁更受欢迎的一个参考。

有意思的是,同一个模型下 Pi 反而更快更省。工具平台 Composio 在 9 月 1 日发布过一组同模型(deepseek-v4-flash)30 个真实任务的对比:

指标 Pi oh-my-pi(OMP)
任务通过 20 / 30 17 / 30
每次成功成本 $0.028 $0.103
单任务中位耗时 132.2 秒 272.4 秒
平均 token 消耗 558,885 742,283

数据要打折看:这是第三方单一模型、单一题集的测试,不能当成通用结论。但方向和 Pi 的设计逻辑一致——工具越多、提示词越长,便宜模型被拖慢、被绕晕的概率越高。Composio 的结论是 Pi 在「便宜模型的编辑可靠性」上输给 OMP 的 hash 锚定编辑(OMP 自称把某模型的一次通过率从 6.7% 拉到 68.3%),这也是极简派最实在的软肋:没有花招兜底,全靠模型自己稳。

另外,社区的选择本身就构成反讽:Pi 官方说「不需要 MCP」,而 pi.dev/packages 上安装量最大的扩展恰好是 pi-mcp-adapter(约 86.6 万次/月),第二是子代理扩展 pi-subagents(约 41.2 万次/月)。官方留白 + 社区填空,这条路走得通,但「Pi 什么都不带」的代价最终是使用者自己装回来。

模型接入这块对国内读者更实用:除了常规 API key,Pi 支持订阅登录——ChatGPT Plus/Pro(Codex,OpenAI 官方为开源项目背书)、Claude Pro/Max、GitHub Copilot、xAI、OpenRouter。要提醒一句:官方文档明确写了,用 Claude Pro/Max 登录第三方 harness,消耗走的是 extra usage 按 token 计费,不占用你的订阅额度——别以为登录了就能白嫖月费。国内厂商则以 token plan / coding 套餐形式支持:Kimi for Coding、Qwen Token Plan(含中国版、个人版)、小米 MiMo Token Plan(中国/阿姆斯特丹/新加坡三区)、MiniMax 中国站、智谱 zai-coding-cn。

四、259 个 release 背后:一套很硬的治理规则

Pi 的发布节奏和治理方式是它最容易被忽略、但对团队选型很关键的一面。

259 个 release、45 个 npm 版本、最新版本 9 月 5 日发布,同时 issue 关闭 5,855 个、开放 138 个,PR 累计 3,124 个——高频迭代但积压不严重。更能说明问题的是贡献规则:新贡献者的 issue 和 PR 默认自动关闭,维护者每天人工捞回值得处理的,用回复里的 lgtmi(此后你的 issue 不再自动关)或 lgtm(issue 和 PR 都放行)作为通行证;周五到周日提交的内容不保证被审阅。官方贡献指南里写着一条「唯一规则」:你必须理解你自己的代码——用 AI 写代码没问题,提交自己看不懂的 AI 垃圾不行。

供应链上它的洁癖也很少见:直接外部依赖钉死精确版本、.npmrc 设置 min-release-age=2(不使用当天刚发布的依赖)、package-lock 是唯一真源、发布包内附 npm-shrinkwrap 锁传递依赖、CI 用 npm ci --ignore-scripts 且定时跑 npm audit signatures,新增带生命周期脚本的依赖会直接让检查失败。

代价同样清楚,而且是官方自己写在文档里的:

  • 没有内置权限系统。README 原话是「Pi 不包含限制文件系统、进程、网络或凭证访问的权限系统」,默认以启动者的权限运行。要隔离请自行容器化(它给了三种方案:微虚拟机扩展、Docker、策略沙盒)。
  • 扩展和技能等于完全系统权限。官方在包管理文档里直说:扩展执行任意代码,技能可以指示模型做任何事,安装第三方包前请先读源码。
  • 提示词注入无法防护。SECURITY.md 承认 AGENTS.md 或代码注释里的指令可以轻易操纵 Agent,本地用户账号与 Pi 进程被视为同一个信任边界,报告这类问题不算漏洞。
  • 会话数据可以公开。项目鼓励把开源工作的会话用 pi-share-hf 发到 Hugging Face 供改进模型,作者自己也在公开数据集里发布自己的工作会话。这是自愿行为,但团队用之前最好先明确策略。

五、结论:值得放进你的 Agent 工具箱

我的判断是:Pi 不是给「想一键变强」的人准备的,而是给愿意把 Agent 当基础设施来改的人准备的。10.4 万 Star、152 万周下载、259 个 release、六成代码是测试——这套组合说明它已经跑过了「个人玩具」阶段,进入「有人拿它当底座」的阶段。

适合谁:① 想把 Agent 接进自己流程(CI、脚本、自家产品)的人,print/JSON/RPC/SDK 四种模式足够;② 预算敏感、用便宜模型的人,4 个工具 + 2.6KB 系统提示词对低成本模型更友好;③ 已经有一堆 SKILL.md 技能包的人,实测可直接复用。

不适合谁:① 想要开箱即用的调试器、LSP、子代理的人,直接看 oh-my-pi 或 OmO 这类组队方案;② 需要权限弹窗、审计、隔离的人,得先自己搭容器;③ 完全不想读文档的人——Pi 的「没有」清单,每一条都要你自己补。

中文资料已经不缺入门介绍了(知乎有长文、runoob 有教程,甚至有人写了本 Pi 架构书),所以本文更想留的是三件能复现的事:默认确实只发 4 个工具、系统提示词真的只有 2.6KB、SKILL.md 技能包真的能跨 harness 复用。至于「极简还是全家桶」,站内此前评测的 mattpocock/skills 和 OpenMontage 的工具注册表实测 已经给过两种答案,Pi 提供了第三种:把核心清空,让使用者自己决定装什么。

ECC(Everything Claude Code)深度评测:25.5 万 Star 的开源 Agent 操作系统,让 AI 编码工具自带工程纪律

ECC(Everything Claude Code)深度评测:25.5 万 Star 的开源 Agent 操作系统,让 AI 编码工具自带工程纪律

你的 AI 编码工具很强,但它不像一个团队:每次新任务都要你重新叮嘱上下文、流程和规矩,写代码行,可「先想清楚再动手、写完自己测、改完自己审」这套工程纪律它不记得。于是有人把整个「工程操作系统」打包成了技能库——8 个月拿下 25.5 万星。

ECC 是什么:给 Agent 装的「操作系统」,不是又一个工具

ECC(Everything Claude Code)是 affaan-m(Affaan Mustafa,纽约,AI 算力交易平台 Itô Markets 创始人)自 2026-01-18 起单人维护的开源项目,MIT 协议。它的自我定位是「agent harness operating system」——不写一行模型代码,而是给 Claude Code、Codex、Cursor、OpenCode、Gemini、Zed 等 10 个 AI 编码工具套上一层工程方法论:技能(Skills)、专职 Agent、钩子门禁(Hooks)、记忆与安全扫描。

核心循环一句话:plan → test → implement → review → verify → remember → improve(规划→测试→实现→评审→验证→记忆→改进),口号是「优化上下文窗口,其余全部持久化」。装一次,agent 从此自带团队纪律,不用每次把流程写进 prompt。

仓库当前规模(2026-09-10 实测 clone 全量核实):68 个专职 Agent、286 个技能、94 个命令、22 种语言规则集、4 组钩子,外加实验性的 ecc2/——Rust 写的「跨 harness 统一控制面」(终端面板 + SQLite 会话库 + 守护进程,仍为 alpha)。

暴涨曲线:21 天 4 万星,8 个月 25.5 万

时间 星数 事件
2026-01-18 1 仓库创建
01-21(第 4 天) 6,400 病毒式传播启动
01-26(第 9 天) 28,800
02-07(第 21 天) 40,000 官方 star-history 曲线(仓库内嵌数据)
03-23 100,000 augmentcode.com 报道破 10 万
05 月底 ~200,000 多个第三方评测时点
2026-09-10 255,150 GitHub API 实测;fork 38,224

星数已达 GitHub 全站头部级别,且今日仍在合 PR(编号 #2907+)。增速从单日数千星回落到月均约 3 万——非刷量式瞬时爆发,是持续近 8 个月的稳定增长。npm 侧:ecc-universal 月下载约 1.9 万次、ecc-agentshield 约 2.9 万次,最新 2.2.1(2026-08-25 发 v2.2.0,单次迭代 108 commits / 530 文件 / 4 万行增改)。

拆解:68 个 Agent 和 286 个技能,质量如何?

Agent(68 个,每个约 5KB 角色文档):architect(架构师)等角色在 frontmatter 里直接指定 model: opus 和工具白名单,正文开头是完整的「Prompt Defense Baseline」反提示注入基线——unicode 同形字、零宽字符、上下文窗口溢出攻击、第三方抓取内容一律按不可信处理。把安全基线写进每个 Agent 的,在开源技能库里不多见。

技能(286 个,实测 0 空壳):90%(258 个)是约 12KB 的扎实单文件 SKILL.md,10% 带 scripts/examples/references 五件套(如 agent-self-evaluation 含评分脚本 + 高低分对照例)。内容质量抽样很高:article-writing 技能直接内置禁语清单——game-changer、cutting-edge、「In today’s rapidly evolving landscape」这类 AI 套话全部拉黑,要求「用证据不用形容词」;benchmark 技能给出 LCP/CLS/INP 等 Core Web Vitals 可执行测量流程。覆盖从 accessibility、android-clean-architecture 到 kubernetes-patterns、agent-payment-x402 的广度。

钩子与治理:Bash 前置钩子在每次命令执行前跑质量/tmux/推送/GateGuard 检查,可阻断(exit 2);SessionStart 自动恢复上次会话上下文。2026 年 6 月做过一次 MCP 审计:默认连接器从 6 个砍到 1 个(github/context7/exa/memory 等全部退役,改由技能包 CLI 直连)——与「MCP 收紧」行业趋势同步。

数字之外:三处必须泼的冷水

①星多、装少:25.5 万星 vs 双 npm 包合计月下载不足 5 万。配置型仓库本就 clone 即用、无需反复安装,比例合理,但「收藏 > 实际部署」的现实要认清——155MB 全家桶装进日常 workflow 是另一回事。

②「免费」的分层:README 功能表把 AgentShield 标为 Included,但完整扫描(私仓、PR 触发审计、AgentShield 扫描服务)实际在 ECC Pro,$19/席/月;免费层 = OSS 本体 + GitHub App 公开仓每月 10 次分析。核心方法论免费,深度自动化要订阅——与同类「开源引流、SaaS 收费」模式一致,但宣传口径值得留意。

③单点风险:25.5 万星项目由单人维护(赞助商列表含其自家公司 Itô Markets,利益需自行判断);中文社区流传的「Anthropic 黑客松一等奖」头衔在官方 README/CHANGELOG 中未见佐证;HN 等圈外社区几乎没有高热度讨论——热度高度集中在 GitHub 生态内部。

安装、适合谁、值不值

# Claude Code 内两行装(二选一,勿叠加)
/plugin marketplace add https://github.com/affaan-m/ECC
/plugin install ecc@ecc
# 或终端引导安装
npx ecc-universal setup

适合:重度 Claude Code/Codex 用户,尤其想给多个 Agent 会话统一纪律、要安全基线和审计的企业开发者——68 个专职 Agent + 反注入基线 + 记忆系统是实打实的工程资产。不适合:轻度用户——286 个技能默认全装进上下文管理面,对「偶尔用一次 AI 写代码」的人是负担。

坐标系里看:若说 context-mode 深度评测(21k★ MCP 沙箱) 管的是「上下文输入」、Caveman 实测(99k★ 输出纪律) 管的是「输出纪律」,ECC 管的是整条工程流水线——它是目前这个品类里体量最大、方法论最完整的一个。结论:值得一试,但先想清楚你是要「收藏一套方法论」还是「真的把工程队纪律装进日常」——后者需要投入,不是 npx 一下就能白得。

本文基于 2026-09-10 全量 clone(3,538 文件)静态实证 + GitHub API/npm 官方数据交叉核验;沙盒环境无 Claude Code,未做安装后运行态实测。ECC 含 $19/席/月的 Pro 商业层,评测立场独立。

Anthropic 双线承压:Claude Max 订阅被指 5x/20x 虚标遭前 FTC 律师集体诉讼,黑客偷会话烧光用户 $200 月费

Anthropic 双线承压:Claude Max 订阅被指 5x/20x 虚标遭前 FTC 律师集体诉讼,黑客偷会话烧光用户 $200 月费

8 月的一天,英国独立 AI 顾问 Grant De Swardt 没碰电脑,他 200 美元/月的 Claude Max 20x 账号用量却在悄悄上涨。他禁用全部挂接、暂停定时任务、关掉云端执行,做了一次干净的对照实验——用量仍然从 45% 爬到了 55%。找 Anthropic 要用量明细,得到的答复是:明细没有,但确实异常——随后封停账号、作废所有会话、退了 44.49 英镑了事。

几乎同一时间,另一场针对 Anthropic 的攻势也在升级:Claude 订阅用户的集体诉讼被「扩大重递」,接手的是两位曾在 FTC 反垄断旗手 Lina Khan 麾下任职的律师。一边是用户告它「额度虚标」,一边是黑客偷会话烧它的订阅额度——Anthropic 引以为傲的重度用户生意,正在两头失火。

前 FTC 律师接手,集体诉讼扩大重递

9 月 9 日,The Verge 报道:一批 Claude 订阅用户向法院提交了扩大版集体诉讼,指控 Anthropic 对其 Max 订阅层级的额度上限做了欺骗性宣传。带队律师是 Monica Vaca 和 Kati Daffan——两人都曾在前 FTC 主席 Lina Khan 任内工作。报道称,这是「罕见的、试图用法律惩罚 AI 公司日益明显的金钱挤压(money squeeze)」的动作。

这起案件 6 月 15 日首次提起:华盛顿特区用户 Karl Kahn 为高强度编码升级到 Max 20x(200 美元/月),在加州北区联邦法院起诉,称 Max 5x(100 美元/月)与 20x 的实际可用额度远低于宣传。今天的新版本扩大了原告群体,并换上监管经验更丰富的律师阵容。

「5x」「20x」的水分藏在两次点击之后

诉讼核心指控很具体:Anthropic 营销图里醒目的「5x」「20x」,指的是相对 Pro 订阅(20 美元/月)的额度倍数。但实际条款里,这个倍数只在 5 小时的会话窗口内成立,且整个账号还受每周上限约束——加总起来,用户实际获得的总量提升远小于「5 倍」「20 倍」的心理暗示。

想搞清这层意思有多难?按原告律师的说法:要点两次不同的超链接才能看到「session」这个词,而要看懂「session」的定义,还得再去 Pro 订阅页面单独翻找。用户在社区里的算账更扎心:7 月 14 日一名 20x 新订阅用户称自己 2.5 小时就撞上了周上限;Mashable 5 小时前的跟进报道算了一笔账——把每周上限摊进去,20x 用户为每小时实际用量付的钱可能比 5x 甚至 Pro 还高。Reddit 上 8 月 31 日的高赞帖标题直言:「Anthropic 正在光速耗尽用户的信任。」

另一条战线:会话被偷,额度被烧

比「说不清买了多少」更糟的是「没干活也被扣量」。TechCrunch 9 月 8 日披露:Anthropic 已向部分用户发出警告邮件,确认有恶意行为者正用常见的 infostealer(信息窃取木马)偷走人们电脑上的 Claude 登录会话,再借此访问账号、消耗订阅额度。

De Swardt 的经历是典型样本:Anthropic 调查后告诉他,一个被攻破的 Claude session key 被用来铸造了未授权的 Claude Code OAuth 令牌,账号「可能被某个看起来未经授权的第三方服务用于处理他人活动」,但官方也无法确定入侵途径。他的账号两周后才恢复,期间业务停摆,最终他取消订阅转投 Cursor——「其他模型没那么大差别,也没好到哪去」。

更让用户后背发凉的是结构性缺陷:账号支持只追踪总用量、不提供分项明细,即便用户主动要求也不给。这意味着此类盗刷可能持续数月无人察觉。Reddit 上 80 多条评论里,有人称账号被自动升级扣款、用量从 0 冲到 100%;有人说只用了几条 prompt 加一次网页搜索,12 分钟里用量从 0 涨到 49%;还有人连续三天每天烧光全部额度,而自己根本没打开过 Claude。Anthropic 对被盗用户做了登出、作废授权和部分退款,并提醒他们可能中了木马——但对「用户如何主动识别盗刷」这一问题,官方拒绝评论。

订阅价值保卫战的反噬

两条战线其实同源。Anthropic 反复强调重度用户是核心业务——The Verge 直言,公司为保护订阅价值,甚至不惜切断 OpenClaw 等热门第三方应用(更早的 2026 年 1 月,它曾封禁绕过 Claude Code 订阅墙的开源编排工具 OmO,引发大规模用户抗议)。逻辑没错:订阅额度是它的收入根基。但当用户发现——第三方被切了、价格不便宜、额度说不清、被盗了也不知道——「保护订阅价值」就变成了「挤压订阅用户」,诉讼与退订潮(9 月 1 日曾冲上 X 热议趋势)随之而来。

往大了看,这是整个订阅制 AI 的共性问题:用量被做成黑箱,定价复杂度堪比电信套餐。前 FTC 律师的入场,是监管风向的一个信号——消费者保护视角正从「AI 安全」延伸到「AI 计费公平」。

对普通用户的实用建议:别把 Claude 等 AI 账号长期挂在浏览器或终端不登出;警惕来路不明的软件与广告(infostealer 的主要传播渠道);定期检查账号活跃会话与用量;发现异常立即作废全部会话并联系官方。额度是你的钱,黑箱不是挡箭牌。

相关阅读:

关注 AI 商业快讯,每天一篇 AI 热点深度解读。

context-mode 深度评测:21k Star 的 MCP 沙箱把 315KB 工具输出压成 5.4KB,AI 编程终于不用怕上下文爆了

context-mode 深度评测:21k Star 的 MCP 沙箱把 315KB 工具输出压成 5.4KB,AI 编程终于不用怕上下文爆了

用过 Claude Code、Cursor 这类 AI 编程工具的人,大概都撞过同一堵墙:会话跑着跑着,AI 开始「失忆」——忘了在改哪个文件、忘了进行到哪一步。不是模型笨,是上下文被工具输出吃光了。一次 Playwright 页面快照 56 KB,20 条 GitHub issue 59 KB,一条访问日志 45 KB,官方说半小时就能烧掉 40% 的窗口。今天评的这个项目反着来:不压缩数据,干脆别让脏数据进门。mksglu/context-mode,21k★,官方基准把 315 KB 工具输出压成 5.4 KB(省 98%),npm 累计下载 51.5 万,登过 Hacker News 榜首(570+ 分)。

它做了什么:在工具输出和上下文之间,加一道沙箱闸门

context-mode 是一个 MCP server + 插件套件,支持 18 个客户端——Claude Code、Cursor、VS Code Copilot、Codex CLI、Gemini CLI、Kimi、Qwen Code 等全在列,还挂 OpenClaw 网关。核心免费(ELv2 source-available),作者是伦敦 MKSF LTD 的 Mert Köseoğlu,2026-02-23 创建仓库。

它的思路和「压缩派」相反:LeanCTX 那类工具是等上下文满了再压缩重写,context-mode 是在源头拦截——模型每次调工具,钩子先截住,把命令丢进独立子进程沙箱执行,只有 stdout 进窗口。四个板斧:

板斧 机制 效果(官方口径)
沙箱路由 ctx_execute/ctx_execute_file 隔离执行,12 种语言运行时,>100KB 输出自动入索引只回指针 56 KB 快照 → 299 B
会话记忆 编辑/git/错误/用户决定实时写 SQLite FTS5,compact 后按 BM25 检索回填 治「压缩后失忆」
Think in Code 让模型写脚本算完再 console.log,而不是读 47 个文件进窗口 700 KB → 3.6 KB
不强制话术 不逼模型说人话,引 Moonshot 研究指 aggressive brevity 会降 benchmark 与输出纪律派划界

工具设计上有个反直觉点值得单独说:它把「分析」和「读」拆开了。以前模型要 grep、要 Read 一堆文件进上下文自己数,context-mode 逼它写段脚本在沙箱里数完只报结果——一次调用顶十次工具调用。hooks 能程序化拦截的平台(Claude Code 等)实测合规率约 98%;没 hooks 的 Zed 之类只能靠指令文件,作者自标约 60%。

仓库实证:6.5 个月、169 个版本、51.5 万下载

我 clone 了仓库全量核实(599 个文件):创建于 2026-02-23,6.5 个月冲到 21,024★ / 1,524 fork;HEAD 提交停在 2026-09-07 中午(写稿前一天还在推),版本号 v1.0.169。npm 侧数据能对上徽章:累计下载 515,145,5 月冲到单月 12.3 万的峰值,9 月第一周仍有 1.6 万。发布节奏极快——223 个 npm 发布记录,6.5 个月 169 个版本,约每天一个。

它的流量故事也清楚:2 月 25 日 Show HN 拿了 84 分,三天后作者博客长文直接登 HN 榜首 570+ 分、30 条讨论,之后 5 月下载量二次冲高。官方 BENCHMARK.md 给了可复现的 fixture 基准(21 个真实工具输出场景,非合成数据):总计 376 KB → 16.5 KB(省 96%),其中结构化数据处理那组 315 KB → 5.5 KB(省 98%),代码示例 100% 保真——文档类内容是精确检索不是摘要,125 个测试全过。

必须说明口径:以上基准是官方自测,我没有装进真实 Claude Code 会话复测(评测基于仓库 clone、官方 benchmark 与公开数据);Insight 付费分析层($20/座/月)也未购买,不评。

争议与边界:五个要自己掂量的坑

① npm 渠道已停更约 10 周。 最新版 1.0.169 在 npm 上停在 6 月 29 日,但仓库日更——分发明显迁到了 Claude Code 插件市场 + 自带的 ctx_upgrade 直拉 GitHub。从 npm 直接装可能拿到旧版,装完记得跑 ctx_upgrade。

② 用户数口径混乱。 GitHub 徽章自称 54.6 万用户,Insight 官网却写「331,200+ 开发者」——两处自报数字对不上;npm 累计 51.5 万下载可核实,量级可信,但「用户」的定义存疑(下载≠活跃)。

③ ELv2 不是 OSI 开源。 能 fork 能改能内部用,但禁止打包成托管 SaaS 转售、禁止删许可声明。作者明说选它就是为了防 MIT 被套壳——个人和公司内部用无碍,想基于它做生意的绕道。

④ 沙箱是进程边界,不是 OS 隔离。 作者自己在文档里承认:ctx_execute 跑的是任意代码且继承进程文件系统权限,「批准执行 = 批准任意代码」,#852 号 issue 就修过借 MCP 沙箱逃逸宿主读文件限制的漏洞。要配宿主层沙箱双保险,别裸奔。

⑤ 上手摩擦不小。 它激进地拦截 curl、裸 Read、grep 等常规操作逼你走沙箱——CLAUDE.md 里一长串「BLOCKED」清单。习惯「先想再写代码」的老手觉得爽,新手会觉得被管头管脚。另 214 个 open issues、无 hooks 平台只有 ~60% 合规、Codex 的 PreToolUse 只能拒绝不能改写参数(上游限制)。

坐标系与结论:省 token 正在从「压缩」走向「拦截」

站内评过这条赛道的几个代表:LeanCTX(压缩派,Rust 重写省 86% token)、Caveman(输出纪律派,砍 65% 输出 token)、flowctx(OpenClaw 上下文引擎,砍 56%)。context-mode 站在输入侧——它不动你的输出风格,甚至引用研究反对 Caveman 式的激进话术压缩,只管「什么数据能进窗口」。三种思路其实互补:输入拦截 + 输出克制 + 事后压缩,叠起来才是完整解。

适合:接了 Context7 / GitHub / Playwright 一堆 MCP 工具的重度用户、长会话多任务协作、被 compact 失忆反复折磨的人——尤其 Claude Code 用户,插件市场一条命令装完,10 分钟能见效果。不适合:轻度用户、不想改变工具习惯的人、必须在无 hooks 平台上要强约束的团队。

我的判断:上下文治理从「压缩」走向「源头拦截」是个真趋势,context-mode 是这条路上工程化最完整的选手——6.5 个月 169 个版本、18 客户端、HN 榜首、安全文档写得比多数商业软件诚实。免费层功能完整,值得装来试试;想省钱先看懂它的路由哲学,比装十个省 token skill 都值。相关阅读:LeanCTX 实测(压缩派) | Caveman 实测(输出纪律派) | flowctx(OpenClaw 上下文引擎)

关注「AI商业快讯」,每天一篇 AI 热点深度解读。(本文基于 2026-09-08 仓库快照与公开数据独立评测,与项目方无利益关系;Insight 付费层未购买、不构成推荐。)

mattpocock/skills 深度评测:254k Star 的「反 GSD」技能库,37 个小工具拒绝流程绑架

mattpocock/skills 深度评测:254k Star 的「反 GSD」技能库,37 个小工具拒绝流程绑架

给 AI 装了一堆「流程大师」技能包后,你有没有一种失控感:Spec-Kit 让你写规格、GSD 让你跑仪式、BMAD 让你建矩阵——活还没干,先被流程绑架了?

TypeScript 圈顶流 Matt Pocock 看不下去,9 月初把自己天天在用的 .agents 目录直接开源:mattpocock/skills 两天内刷到 24 万 Star,如今 254k★、全球 GitHub 排名第 15。它不教 Agent 走流程,而是塞给你 37 把「小工具」——你挑着用,改着用,用完还能扔。

这套被中文圈称为「反 GSD」的技能库,凭什么成为 2026 年 9 月最炸的开源项目?我把它 clone 下来逐个拆了一遍。

它是什么:一个拒绝「拥有你」的技能军械库

一句话定位:给 Claude Code / Codex 等编码 Agent 用的 37 个工程技能,全部来自 Matt Pocock 日常真实工作流——「real engineering, not vibe coding」。

作者是谁?Matt Pocock 是 TypeScript 教育头牌 Total TypeScript 的创始人,newsletter 订阅 6 万人,在编码圈属于「老师傅」级别。他把 Agent 时代自己踩过的坑,沉淀成一套可组合的斜杠命令。

核心理念在 README 第一段就开炮:

GSD、BMAD、Spec-Kit 这些方案试图「拥有」流程(owning the process),但代价是夺走你的控制权,让流程里的 bug 难以修复。我的 skills 设计成**小而精、易改写、可组合**,适配任何模型。

37 个技能分四桶,按「谁可以触发」双轨制管理:

桶 数量 定位 代表技能
engineering 18 代码日常 /grill-with-docs /tdd /code-review /diagnosing-bugs
productivity 8 通用工作流 /grill-me /teach /to-questionnaire
misc 4 环境工具 git-guardrails scaffold-exercises
in-progress 7 实验区 retro loop-me 写作类×3(未进正式版)

用户触发(/grill-me)负责编排,模型触发(grilling)负责纪律——前者只有你主动敲才运行,后者 Agent 觉得合适可自动调用,互不越权。

最出圈的三个技能,拆开看

1. `/grill-me` — 动手前先被「拷问」

这是 Matt 最受欢迎的技能。核心逻辑反直觉:写代码前,先让 AI 连环追问你,把需求里每个分支问到死。

「没人确切知道自己想要什么」(《程序员修炼之道》),AI 时代的最大失败模式是「你以为说清了,Agent 根本没懂」。grill-me 就是把这段对齐期强制拉长:答不上来的问题不许瞎编,必须停下来问人。第三方实测最常引用的效果是——它把「我以为我说了」变成「我真的说清了」。

注意:Matt 自己提醒,grill-me 别直接拿去 coding,代码场景用升级版 `/grill-with-docs`(拷问同时帮你建 CONTEXT.md 领域词典 + ADR,详见下文)。

2. `/tdd` — 收缩成「参考型」的纪律

v1.2.0 大更新里,tdd 被刻意收缩为参考型 skill:核心只留 Red → Green 循环 + 测试 seam(接缝),重构职责被移去 code-review——「实现阶段别同时背太多目标」。

最狠的规则叫「只在预先商定的 seam 上测试」:写测试前先列出要测的公共接口边界,跟用户确认。不许测私有方法、不许 mock 内部协作者、不许水平切分(先写完所有测试再写实现=在验证想象中的行为)。

3. `/wizard` — 让 AI 生成「引导人类」的脚本

很妙的一个:当有步骤只有人类能做(配 CI secrets、登第三方后台、跑一次性迁移),wizard 会生成一个交互式 bash 向导——每步打开对应 URL、精确说要点哪里复制什么、隐藏输入密钥、幂等写 .env、显示还剩几步。把「教 AI 做事」反转成「AI 教你点按钮」。

实测验证:文档工程做到什么程度

我把仓库 clone 下来跑了硬核检查:

  • 37/37 个 skill 全部带双 harness 元数据:每个 SKILL.md 旁都有 agents/openai.yaml(Codex 专用 UI 元数据),Claude Code 用 frontmatter、Codex 用 yaml,一套源码两处跑,无生成副本——v1.2.0 起刻意这么设计
  • 结构极干净:37 SKILL.md 共 2465 行正文 + 37 个 yaml + 零冗余。单个 skill 最短 7 行(grill-me 本体是薄壳,逻辑在 grilling 里),最长 140 行(teach)——没有一个是「大礼包式」的巨型 prompt
  • 严谨到变态的治理:.out-of-scope/ 目录公开拒绝了三类需求并写清理由——「不给 grilling 加提问数量上限」(#44 有人抱怨 Codex 问了 200 个问题,Matt 说:那是计划真没定清楚)、「不接小众 issue tracker」(#99 要求接 dex,3 个月 300 star 的工具不接)、「不加 verify 模式」。拒绝清单本身就是设计哲学
  • CONTEXT.md 领域词典:把「issue tracker / issue / decision ticket」等术语精确定义并标注已消歧义的历史(backlog 曾同时指工具和积压工作,现已废除)

版本节奏:v1.2.3(8/6)→ 9/4 还在提交(#1025 合并),changesets 规范化发版。contributors 4 人,mattpocock 本人 422 次提交占绝对主导——这是一个活人在维护的真实工作流,不是营销仓。

同类对比:GSD/BMAD/Spec-Kit 与它的路线之争

方案 路线 规模 哲学
GSD(73k★) 上下文工程系统 大而全 流程拥有你,按仪式走
BMAD 全流程矩阵 大而全 每步都要产出物
Spec-Kit spec 驱动 中 先规格后实现
mattpocock/skills(254k★) 个人工作流开源 37 个小工具 你拥有流程,随手改写

站内 8/30 评测过 GSD——那套「上下文工程系统」确实能把事做完,但 Matt 指出的代价真实存在:流程越重,出错越难排查,Agent 越像在表演流程而不是写代码。

他的替代路线是「薄壳 + 引用」:编排型技能(grill-me)只有 7 行,真正纪律放在模型可自动调用的 grilling/tdd 里,实现与重构职责分离。适合谁:有工程判断力、不想被框架绑架、愿意花 10 分钟改 skill 的中高级开发者。不适合谁:想要「一键全自动」的新手——这套东西要求你理解每个技能在干嘛,且 setup 时得选 issue tracker(GitHub/Linear/本地文件)。

安装两条路(二选一,别都装否则技能翻倍):Claude Code 官方 marketplace 直接 /plugin install mattpocock-skills(只读托管、自动更新);想自己改就 npx skills@latest add mattpocock/skills(文件落入仓库,随你 hack)。装完跑一次 /setup-matt-pocock-skills 选 tracker 和标签即用。

我的判断

值得一试,且建议只挑 3-5 个装(什么值得买 15 小时前的热帖也是这结论)。254k★ 的含金量不在「多」,而在 Matt 把 20 年工程直觉压缩进了可组合的小单元——这是目前中文圈最缺的「反过程派」样本。先试 /grill-me 感受拷问式对齐,再加 /tdd 和 /code-review 形成闭环,你会回来删掉那些大而全的流程包。

想先看同路线的对照组?本站拆过 GSD 的上下文工程系统(73k★ 真能把事做完),也实测过 darwin.skill 这种「教 Agent 自我进化」的思路。关注 AI商业快讯,每天一篇 AI 热点深度解读。

Get Shit Done 深度评测:73k Star 的「上下文工程」系统,真能把事做完?

Get Shit Done 深度评测:73k Star 的「上下文工程」系统,真能把事做完?

**一句话总结**:GSD 是一套为 AI 编程代理设计的元提示、上下文工程与规格驱动开发系统。它不写代码——它确保 AI 写的代码是对的。从 context rot(上下文腐烂)这个真实痛点出发,GSD 用 Phase Loop + 子代理编排 + 结构化记忆,把 Claude Code 从「能用但不可靠」变成「能用且可验证」。


基础数据

指标 数值
原仓库 gsd-build/get-shit-done
新仓库 open-gsd/gsd-core(2026-05 分叉)
Star 64,627(原)+ 8,887(新)= 73,514
Fork 5,456(原)+ 637(新)= 6,093
创建时间 2025-12-14(原)/ 2026-05-22(新)
最新版本 v1.50.0-canary.0(原)/ v1.7.0+(新)
许可证 MIT
语言 JavaScript(TypeScript SDK)
npm 月下载 48,579(原包 get-shit-done-cc)
依赖 @anthropic-ai/claude-agent-sdk、ws
运行时支持 Claude Code、OpenCode、Gemini CLI、Kilo、Codex、Copilot、Cursor、Windsurf、Antigravity、Augment、Trae、CodeBuddy、Cline
Open Issues 0(原)/ 132(新)

它解决什么问题?

Context Rot:AI 编程的隐形杀手

你用 Claude Code 写一个中等规模项目。一开始效果惊艳——代码干净、逻辑清晰。但随着对话推进,上下文窗口被填满,输出质量开始劣化:

  • 忘记之前的决定
  • 重复已解决的问题
  • 风格不一致
  • 边界条件被忽略

这就是 context rot——上下文腐烂。不是模型变笨了,是它的「工作记忆」被噪音淹没了。

GSD 的核心洞察:不要让 AI 在一个膨胀的上下文里做所有事。把重活(研究、规划、执行)拆到独立的子代理里,每个子代理拿到干净的 200k token 窗口,干完就交回结果。主会话只做协调,保持轻量。


架构设计:Phase Loop

GSD 的核心是 Phase Loop——一个五步循环:

Discuss → Plan → Execute → Verify → Ship
   ↑                                    |
   └────────────────────────────────────┘

1. Discuss(讨论)

在写任何代码之前,先和 AI 讨论实现方案。不是「帮我写个登录页」,而是「我想做一个 OAuth2 流程,支持 Google 和 GitHub,用户数据存 PostgreSQL,你觉得呢?」

这一步生成 .planning/PROJECT.md——项目的「基因文档」。

2. Plan(规划)

研究阶段:派 gsd-phase-researcher 子代理调研技术方案、分析现有代码库、识别依赖关系。

规划阶段:派 gsd-planner 子代理把需求拆解成可执行的 PLAN.md——每个任务有明确的输入、输出、验证标准。

检查阶段:派 gsd-plan-checker 子代理审查计划质量,最多 3 轮修订循环。

3. Execute(执行)

把 PLAN.md 里的任务按依赖关系分组,每组并行执行:

Wave 1: [Task A] [Task B] [Task C]  ← 无依赖,并行
Wave 2: [Task D] [Task E]           ← 依赖 Wave 1,等它完成
Wave 3: [Task F]                    ← 依赖 Wave 2

每个执行器(gsd-executor)在独立的 worktree 里工作,互不干扰。完成后提交代码,生成 SUMMARY.md。

4. Verify(验证)

派 gsd-verifier 子代理检查:

  • 代码是否符合计划
  • 测试是否通过
  • 是否引入回归
  • 文档是否更新

不通过?生成修复计划,回到 Execute。

5. Ship(发布)

创建 PR,归档阶段,开始下一个 Phase。


核心能力拆解

1. 子代理编排(Subagent Orchestration)

GSD 有 33 个专用子代理,每个都有明确的职责边界:

代理 职责
gsd-executor 执行计划任务,提交代码
gsd-verifier 验证阶段完成度
gsd-planner 从需求创建详细计划
gsd-phase-researcher 调研技术方案
gsd-plan-checker 审查计划质量
gsd-debugger 诊断和修复问题
gsd-codebase-mapper 映射项目结构
gsd-code-reviewer 代码审查
gsd-ui-researcher UI/UX 方案调研
gsd-security-auditor 安全审计

每个子代理都有自己的「合约」(agent contracts)——明确它能读什么、能写什么、不能做什么。这防止了子代理越界操作。

2. 结构化记忆(Structured Memory)

GSD 用文件系统做「记忆」,而不是依赖上下文窗口:

.planning/
├── PROJECT.md          # 项目基因
├── REQUIREMENTS.md     # 需求文档
├── ROADMAP.md          # 路线图
├── STATE.md            # 项目状态(跨会话记忆)
├── config.json         # 工作流配置
└── phases/
    └── 01-phase-name/
        ├── CONTEXT.md   # 阶段上下文
        ├── RESEARCH.md  # 调研报告
        ├── PLAN.md      # 执行计划
        ├── SUMMARY.md   # 执行摘要
        └── VERIFICATION.md  # 验证报告

STATE.md 是关键——它记录了项目的所有决策、当前进度、已知问题。新会话开始时,先读 STATE.md,立刻恢复上下文。这解决了「会话断裂」问题。

3. 门控机制(Gate System)

每个阶段转换都有门控(gates):

  • Phase 状态门:Complete 状态的阶段不能随意重规划(除非 --force)
  • 验证门:验证不通过不能 Ship
  • 构建门:自动检测构建系统(Xcode、Makefile、Cargo、Go、Python、npm)
  • 提交门:所有变更必须通过测试才能提交

4. 上下文预算管理(Context Budget)

GSD 智能管理上下文窗口:

  • 大窗口(≥500k):加载更丰富的上下文,包括历史阶段的 CONTEXT.md 和 SUMMARY.md
  • 小窗口(<200k):精简提示,把示例和边缘案例移到按需加载的参考文件
  • 最小安装:--minimal 模式只装 6 个核心技能,冷启动从 ~12k token 降到 ~700 token(≥94% 减少)

5. 多运行时支持

GSD 不绑定 Claude Code。它支持 13+ 个 AI 编程运行时:

  • Claude Code:原生支持,子代理通过 Agent() 调用
  • Codex:通过 $gsd-* 命令调用
  • Copilot:降级为顺序执行(子代理完成信号不可靠)
  • Cursor/Windsurf:通过 .cursor/ 目录安装
  • Cline:通过 .clinerules 安装

67 个命令:全景扫描

GSD 提供 67 个命令,覆盖项目全生命周期:

核心循环(6 个)

  • /gsd:new-project — 初始化新项目
  • /gsd:discuss-phase — 讨论阶段方案
  • /gsd:plan-phase — 规划阶段
  • /gsd:execute-phase — 执行阶段
  • /gsd:help — 帮助
  • /gsd:update — 更新 GSD

项目管理(15 个)

  • /gsd:new-milestone — 创建新里程碑
  • /gsd:complete-milestone — 完成里程碑
  • /gsd:progress — 查看进度
  • /gsd:stats — 统计信息
  • /gsd:health — 健康检查
  • /gsd:import — 导入现有项目
  • /gsd:onboard — 接入现有代码库

执行辅助(20 个)

  • /gsd:execute-phase --wave N — 执行特定波次
  • /gsd:validate-phase — 验证阶段
  • /gsd:verify-work — 验证工作
  • /gsd:code-review — 代码审查
  • /gsd:add-tests — 添加测试
  • /gsd:debug — 调试会话
  • /gsd:forensics — 问题取证

规划辅助(15 个)

  • /gsd:sketch — 快速草图
  • /gsd:spike — 技术探针
  • /gsd:explore — 探索性开发
  • /gsd:ultraplan-phase — 超级规划
  • /gsd:mvp-phase — MVP 模式
  • /gsd:spec-phase — 规格阶段

工作区(11 个)

  • /gsd:workspace — 工作区管理
  • /gsd:workstreams — 工作流管理
  • /gsd:pr-branch — PR 分支
  • /gsd:ship — 发布
  • /gsd:undo — 撤销

安装体验

npx get-shit-done-cc@latest

安装器会问你:

  1. 用哪个运行时?(Claude Code / Codex / Cursor / …)
  1. 全局安装还是本地安装?

安装完成后,验证:

# Claude Code
/gsd-help

# Codex
$gsd-help

推荐配置:跳过权限确认模式

claude --dangerously-skip-permissions

GSD 的设计目标是无摩擦自动化,频繁的权限确认会打断工作流。


实际使用场景

场景 1:从零构建 SaaS

/gsd:new-project "构建一个 AI 写作助手 SaaS"
→ 生成 PROJECT.md、REQUIREMENTS.md、ROADMAP.md

/gsd:plan-phase 1
→ 研究技术栈,拆解 Phase 1(用户认证)

/gsd:execute-phase 1
→ 并行执行 5 个计划,每个在独立 worktree

/gsd:verify-phase 1
→ 验证通过,创建 PR

/gsd:ship
→ 合并,开始 Phase 2

场景 2:接入现有项目

/gsd:onboard
→ 分析现有代码库,生成 PROJECT.md 和 STATE.md

/gsd:plan-phase 1
→ 规划第一个改进阶段

/gsd:execute-phase 1
→ 执行,不破坏现有功能

场景 3:紧急修复

/gsd:debug "用户报告登录偶尔失败"
→ 派 gsd-debugger 诊断,生成修复计划

/gsd:execute-phase "hotfix"
→ 执行修复

/gsd:verify-phase "hotfix"
→ 验证修复有效

与类似工具对比

维度 GSD Ponytail rtk caveman BMAD
定位 全流程项目管理 代码精简指令 快速原型 文本压缩 企业级敏捷
Star 73k+ 115k ~5k 10k+ ~20k
核心机制 Phase Loop + 子代理 7 级懒人阶梯 单文件指令 洞穴人风格 故事点+冲刺
上下文管理 STATE.md + 子代理隔离 无 无 无 Jira
验证机制 gsd-verifier + 门控 安全阀 无 无 UAT
多运行时 13+ Claude Code only Claude Code Claude Code Claude Code
复杂度 高(67 命令 + 33 代理) 低(~100 行) 低 极低 高
适用场景 中大型项目 过度工程防护 快速想法验证 文本输出 团队协作
学习曲线 陡峭 平缓 平缓 极平缓 陡峭
Token 成本 高(多代理) 低 低 极低 高

关键差异

GSD vs Ponytail:

  • Ponytail 是「减法」——防止过度工程
  • GSD 是「加法」——提供完整项目管理框架
  • 两者互补:GSD 管流程,Ponytail 管代码风格

GSD vs rtk:

  • rtk 是「快速原型」——一个文件搞定
  • GSD 是「完整项目」——从需求到发布
  • rtk 适合 hackathon,GSD 适合产品开发

GSD vs caveman:

  • caveman 是「文本压缩」——省 token
  • GSD 是「上下文管理」——省认知负担
  • 可以叠加:用 GSD 管项目,用 caveman 压缩输出

优点

1. 解决真实痛点

Context rot 是 AI 编程的头号杀手。GSD 的子代理隔离 + 结构化记忆是正解。

2. 工程化程度极高

  • 33 个专用子代理,每个有明确合约
  • 门控系统防止状态混乱
  • 上下文预算自适应管理
  • 多运行时兼容层

3. 可验证性

每个阶段都有 VERIFICATION.md,不是「写完就算」,而是「写完+测完+审完才算」。

4. 社区活跃

73k+ Star,48k 月下载,Discord 社区,频繁更新(v1.50.0)。

5. MIT 许可

完全开源,可以自由修改和分发。


缺点

1. 学习曲线陡峭

67 个命令 + 33 个代理 + 复杂的工作流配置。新手需要花时间理解 Phase Loop、子代理编排、门控机制。

2. Token 成本高

每个阶段要派多个子代理,每个子代理都有独立的上下文窗口。一个 Phase 可能消耗数百万 token。

3. 过度工程风险

对于小项目(<1000 行代码),GSD 的仪式感可能超过价值。「讨论→规划→执行→验证→发布」五个步骤,可能只需要「写→测→发」。

4. 依赖 Node.js 22+

安装器需要 Node.js 22+,对某些环境不友好。

5. 仓库分裂

原仓库 gsd-build/get-shit-done 已标记 deprecated,新仓库 open-gsd/gsd-core 正在活跃开发。但 npm 包名还是 get-shit-done-cc,文档链接混乱。


评分

维度 分数 说明
功能完整度 9.5/10 从需求到发布的全链路覆盖,67 个命令几乎无死角
设计深度 9/10 Phase Loop + 子代理编排 + 门控系统 + 上下文预算,工程化程度极高
文档质量 8/10 中文 README 完善,但仓库分裂导致链接混乱
安装便捷度 7/10 一行命令安装,但 Node.js 22+ 要求和多运行时选择增加复杂度
中文友好度 8/10 官方中文 README,社区有中文讨论
实际效果 8.5/10 大型项目效果显著,小型项目过度工程
社区活跃度 9/10 73k+ Star,频繁更新,Discord 活跃
综合评分 8.5/10

适用场景推荐

✅ 强烈推荐

  • 中大型项目(>5000 行代码)
  • 多人协作项目
  • 需要长期维护的产品
  • 从零构建 SaaS
  • 接入现有代码库进行重构

⚠️ 谨慎使用

  • 小型项目(<1000 行代码)
  • 快速原型/hackathon
  • 一次性脚本
  • 学习/探索性编程

❌ 不推荐

  • 纯文本输出(用 caveman)
  • 过度工程防护(用 Ponytail)
  • 快速想法验证(用 rtk)

安装建议

如果你决定试试 GSD:

# 1. 确保 Node.js 22+
node --version

# 2. 安装 GSD
npx get-shit-done-cc@latest

# 3. 选择运行时和安装位置

# 4. 验证
/gsd-help

# 5. 开始第一个项目
/gsd:new-project "你的项目想法"

推荐配置:

  • 使用 --minimal 安装(如果你的上下文窗口 <200k)
  • 启用 --dangerously-skip-permissions(如果安全允许)
  • 从 /gsd:onboard 开始(如果接入现有项目)

结语

GSD 不是「让 AI 写代码更快」的工具——那是 Cursor Copilot 的活。GSD 是「让 AI 写的代码更可靠」的系统。

它用工程化的方法解决了 AI 编程的核心问题:上下文管理。子代理隔离、结构化记忆、门控验证——这些不是花哨的功能,是让 AI 从「能用」到「可用」的基础设施。

73k+ Star 不是偶然。当 AI 编程从「玩具」变成「工具」,你需要的不是更快的生成速度,而是更可靠的质量保证。GSD 做到了这一点。

但记住:它不是银弹。小项目用 GSD 是杀鸡用牛刀。选择工具要看场景,不是看 Star 数。


评测时间:2026-08-30

数据来源:GitHub API、npm、官方文档

作者:Minis

baoyu-skills 实测:25k Star 的 AI 内容技能库,如何省 65% 创作时间?

baoyu-skills 实测:25k Star 的 AI 内容技能库,如何省 65% 创作时间?

痛点:内容创作者的「五马分尸」困境

做自媒体的人都知道,一篇好文章的诞生需要经历 5+ 个工具切换:写 Markdown → 做封面图 → 插配图 → 排版转 HTML → 发布到微信/X/微博 → 还要做信息图、幻灯片、漫画…… 每个环节都要登录不同账号、适应不同格式、处理不同 API。一个中等产出的内容创作者,每周在这套流程上花 10+ 小时是常态。

宝玉(JimLiu)的 baoyu-skills 就是来终结这种碎片化流程的——它是一套覆盖「创作→设计→发布」全链路的 AI Agent 技能库,目前已积累 25,461 个 Star,成为中文开发者圈增长最快的内容技能集之一。

工作原理:维度化设计系统 + 多平台统一接口

baoyu-skills 的核心设计思想是维度化——把视觉设计拆解为可组合的维度(风格 × 布局 × 色彩 × 渲染方式),让 AI 在每个维度上做选择,而不是笼统地「生成一张好看的图」。

用户输入(Markdown/文本)
    ↓
baoyu 内容分析引擎
    ↓
维度推荐(风格 × 布局 × 色彩 × 渲染方式)
    ↓
用户确认/微调
    ↓
多后端图片生成(11 种 AI 服务可选)
    ↓
格式转换(Markdown → WeChat/X HTML)
    ↓
多平台发布(微信公众号/X/微博)

与同类方案(如 Anthropic 的 MCP 或单点工具)的差异在于:它不是「一个能做很多事的瑞士军刀」,而是「一套能互相协作的专用工具链」——每个 skill 专注一件事,通过共享的设计系统保持视觉一致性。

功能拆解:20+ 技能的三层架构

第一层:内容创作(7 个技能)

技能 核心能力 适用场景
baoyu-xhs-images 小红书图片卡生成,12 风格 × 6 布局 × 3 色板 种草文、知识卡片、穿搭分享
baoyu-infographic 专业信息图,21 布局 × 17 风格 数据可视化、流程说明、架构解析
baoyu-diagram SVG 图表(流程图/时序图/架构图/类图) 技术文档、系统设计
baoyu-cover-image 文章封面图,5 维度系统(类型×色彩×渲染×文字×情绪) 博客、公众号、X 头图
baoyu-slide-deck 幻灯片生成,16 种预设 + 4 维度自定义 演示文稿、培训材料
baoyu-comic 知识漫画,5 画风 × 7 语调 × 6 版式 教程漫画、故事化内容
baoyu-article-illustrator 智能文章插图,6 类型 × 8 风格 博客配图、技术文章

第二层:多平台发布(3 个技能)

技能 核心能力 亮点
baoyu-post-to-wechat 微信公众号发布 多账号管理、API/浏览器/远程 API 三模式、EXTEND.md 自定义主题
baoyu-post-to-x X/Twitter 发布 支持推文串和 X Articles
baoyu-post-to-weibo 微博发布 头条文章、图片/视频附件

第三层:AI 生成 + 工具(10 个技能)

技能 核心能力
baoyu-image-gen 多后端图片生成(OpenAI/Azure/Google/DashScope/MiniMax/Replicate 等 11 种)
baoyu-translate 三模式文档翻译(quick/normal/refined)
baoyu-youtube-transcript YouTube 字幕下载,支持多语言/章节/说话人识别
baoyu-url-to-markdown 网页转 Markdown,Chrome CDP 抓取
baoyu-markdown-to-html Markdown 转微信兼容 HTML,语法高亮
baoyu-format-markdown Markdown 格式化(标题/摘要/排版)
baoyu-compress-image 图片压缩
baoyu-wechat-summary 微信群聊摘要(需 wx-cli)
baoyu-electron-extract Electron 应用资源提取
baoyu-danger-gemini-web Gemini Web 逆向交互

实测数据:25k Star 背后的设计深度

核心数据

指标 数值
GitHub Star 25,461
Fork 2,825
创建时间 2026-01-13(7 个月)
技能数量 20+
支持平台 微信、X、微博、小红书、YouTube
AI 图片后端 11 种(OpenAI/Azure/Google/DashScope/Z.AI/MiniMax/Replicate/Jimeng/Seedream/Agnes/OpenRouter)
信息图布局 21 种
信息图风格 17 种
小红书风格 12 种
幻灯片预设 16 种

设计系统维度数

技能 维度 组合数
baoyu-infographic 21 布局 × 17 风格 357
baoyu-xhs-images 12 风格 × 6 布局 × 3 色板 216
baoyu-cover-image 6 类型 × 11 色彩 × 7 渲染 × 4 文字 × 3 情绪 5,544
baoyu-slide-deck 16 预设(5 纹理 × 6 情绪 × 5 字体 × 3 密度) 480+
baoyu-comic 5 画风 × 7 语调 × 6 版式 210

安装便捷度

# 一行安装(推荐)
npx skills add jimliu/baoyu-skills

# 或通过 Agent 指令
/plugin marketplace add JimLiu/baoyu-skills

成本对比

以生成一篇带封面图 + 3 张配图的微信公众号文章为例:

步骤 传统方式 baoyu-skills
写 Markdown 30min 30min
做封面图 20min(Canva/PS) 1min(/baoyu-cover-image)
插配图 30min(找图/生成/裁切) 3min(/baoyu-article-illustrator)
转 HTML 15min(排版工具) 1min(/baoyu-markdown-to-html)
发布 10min(登录后台) 2min(/baoyu-post-to-wechat)
总计 105min 37min

效率提升:65%(节省约 68 分钟/篇)

安装指南 + 适用场景

安装

# 全量安装
npx skills add jimliu/baoyu-skills

# 项目级别(只装需要的)
mkdir -p .agents/skills
# 复制需要的 skill 目录
cp -r baoyu-cover-image .agents/skills/
cp -r baoyu-post-to-wechat .agents/skills/

配置

# 创建配置目录
mkdir -p ~/.baoyu-skills

# 配置 API 密钥(按需)
cat > ~/.baoyu-skills/.env << 'EOF'
OPENAI_API_KEY=sk-xxx
WECHAT_APP_ID=xxx
WECHAT_APP_SECRET=xxx
EOF

自定义扩展

# 自定义品牌色
mkdir -p .baoyu-skills/baoyu-cover-image
cat > .baoyu-skills/baoyu-cover-image/EXTEND.md << 'EOF'
## Custom Palettes
### corporate-tech
- Primary: #1a73e8, #4A90D9
- Background: #F5F7FA
EOF

谁适合用?

最适合:

  • 内容创作者(自媒体、博客作者、知识付费)
  • 技术写手(架构图、流程图、技术博客)
  • 营销团队(社交媒体运营、多平台分发)
  • AI 开发者(扩展 Agent 内容生产能力)

不适合:

  • 只需要单一功能的用户(装全量会增加 context 开销)
  • 无法访问 Node.js 环境的服务器
  • 需要离线运行的场景(图片生成依赖 API)

与已有技能的关系

已有技能 重叠技能 区别
wechat-publisher baoyu-post-to-wechat baoyu 版本更成熟,支持多账号/EXTEND.md
drawio-skill baoyu-diagram drawio 专注可编辑图表,baoyu 专注 SVG
github-trending 无 互补

结论:baoyu-skills 是目前中文圈最完整的 AI Agent 内容技能库,25k Star 实至名归。它的核心优势不是「做得多」,而是「做得系统」——维度化的设计系统让视觉输出保持专业和一致。对于需要高频内容产出的团队,它可能节省 50%+ 的设计和发布流程时间。

评分:8.5/10(功能完整度 9/10、设计深度 9/10、文档质量 8/10、安装便捷度 8/10、中文友好度 9.5/10)


相关阅读:

  1. Ponytail 深度评测:115k Star 的「懒人高级工程师」,真能省 54% 吗? — 另一个高 Star AI 技能的设计思路对比
  2. Planning-with-Files 实测:26k Star 的三文件铁律 — 上下文工程 vs 内容工程的不同路径

Ponytail 深度评测:115k Star 的「懒人高级工程师」,真能省 54% 代码吗?

Ponytail 深度评测:115k Star 的「懒人高级工程师」,真能省 54% 代码吗?

115k Star、3 个月、MIT 协议——Ponytail 是 2026 年增长最快的 AI Coding Skill。它号称能让 AI agent 像「最懒的高级工程师」一样写代码,砍掉 54% 的冗余代码。但独立测试显示,真实效果只有 15%。这个差距从何而来?它到底值不值得装?

它是什么:100 行 Markdown 实现 7 级懒人阶梯

Ponytail 的核心是一个 7 级决策阶梯,在 AI agent 写代码之前强制执行:

  1. 这东西真的需要存在吗?→ 不需要就跳过(YAGNI)
  2. 代码库里已经有了?→ 复用,别重写
  3. 标准库能做?→ 用标准库
  4. 平台原生功能能做?→ 用原生(比如 <input type="date"> 代替日期选择器库)
  5. 已装的依赖能做?→ 用已装的
  6. 一行能搞定?→ 一行搞定
  7. 以上都不行?→ 写能工作的最小代码

关键安全阀:输入验证、错误处理、安全措施、无障碍性永远不能省。用户坚持要完整版本就照做,不再争论。

支持三个强度级别:lite(提建议)、full(强制执行,默认)、ultra(YAGNI 极端主义,删减优先,挑战需求本身)。

Benchmark 真相:官方 -54% vs 独立测试 -15%

官方数据(Haiku 4.5,12 个任务,n=4)

指标 ponytail caveman “YAGNI + one-liners”
代码行数 -54% -20% -33%
Token -22% +7% -14%
成本 -20% +3% -21%
时间 -27% +2% -30%
安全性 100% 100% 95%

JetBrains 独立测试(80 个配对任务,Sonnet 5)

指标 实测值 p 值
代码行数 -15% 0.088
成本 -10.3% 0.004 ✅
时间 -11% —
质量 无显著差异 —

三个关键发现:

1. 自激活率为零。直接复制 SKILL.md 到 skills 目录,agent 10 个 session 一次都没触发。必须用 plugin + SessionStart hook 注入才能生效。

2. 效果集中在过度工程场景。大型构建 -31%,已经精简的任务几乎不动。宣传的 -54% 是 12 个刻意选择的「过度工程陷阱」任务的均值,不是通用场景。

3. 首次出现统计显著的成本节省。在 JetBrains 系列测试(caveman -8.5%、rtk +7.6%)中,ponytail 是第一个 p<0.01 的正向结果。

Scott Logic 的「打脸」测试

Scott Logic CTO Colin Eberhardt 发现,仅用 7 个英文单词:

“Follow YAGNI principles, and one-liner solutions”

在 ponytail 自己的 benchmark 上跑出了比 ponytail 更好的分数(6.9 vs 8.25 LOC)。他的核心批评:

  • ponytail 本质就是 1990 年代 YAGNI 原则的重新包装
  • 原始 benchmark 任务过于简单(5 个约 10 行代码的任务)
  • 基线模型输出多个选项导致 LOC 虚高
  • 100 行 Markdown 配 115k Star,「这是新版 leftpad?」

ponytail 作者接受了批评,扩展了 benchmark(从 5 个任务到 agentic 级别的 12 个任务),修正了污染 bug,发布了诚实的修正版本。这在 AI Skill 生态中相当罕见。

与同类工具对比

维度 ponytail caveman rtk
作用面 输出(代码) 输出(文本) 输入(CLI 输出)
机制 7 级阶梯 压缩文本 压缩终端输出
实测代码 -15% -8.5% N/A
实测成本 -10.3% -8.5% +7.6%
安装复杂度 中(需 plugin) 低 低

关键洞察:这些工具作用在不同层面,可以叠加使用。ponytail 管输出(写更少代码),caveman 管表达(说更少话),rtk 管输入(读更少日志)。

优缺点总结

优点

  • 真实有效:独立测试证实 -10% 成本节省,统计显著
  • 安全阀到位:明确不碰验证/安全/无障碍,100% 通过率
  • 生态完善:20+ agent 兼容,5 个子技能(review/audit/debt/gain/help)
  • 方法论诚实:主动修正 benchmark bug,回应批评并扩展测试
  • 与 caveman 互补:一个管代码量,一个管文本量,不冲突

缺点

  • 宣传与实测差距大:-54% vs -15%,约 3 倍缩水
  • 自激活失败:必须用 plugin hook 注入,直接放 skills 目录无效
  • 核心思想不新:YAGNI 是 1990 年代的 XP 原则,7 个单词可以替代
  • 简单任务无效:代码已经精简时效果为零
  • Reddit 反馈:「复杂软件中创建了有 bug 的补丁,假设太多」

适用场景

适合:AI 过度工程严重的团队(agent 动不动装 5 个依赖、写 200 行 wrapper)、前端/全栈项目(原生 HTML/CSS 能替代大量 JS 库)、原型/脚本开发、与 caveman 搭配使用。

不适合:已经写得精简的代码库、复杂系统架构、需要严格类型/接口的项目、硬件/IoT 项目。

结论

Ponytail 是一个设计精良、诚实有效的 AI Skill,但不是魔法。它的真正价值不在于「省 54% 代码」(那需要刻意选择的测试场景),而在于建立一个思维习惯:在写代码之前先问「这真的需要吗?有没有更简单的方法?」这个习惯本身值 10% 的成本节省。

如果你想试:先用 full 模式别上来就 ultra;必须通过 plugin hook 安装别只复制 SKILL.md;搭配 caveman 使用效果叠加;定期跑 /ponytail-audit 检查是否真的减少了不必要的代码。

—— 评测基于 GitHub 仓库、JetBrains 独立测试(80 配对任务)、Scott Logic 批判分析、Reddit 社区反馈。数据截至 2026 年 8 月 ——

相关阅读