Merge remote-tracking branch 'origin/main'
This commit is contained in:
Yaojia Wang
113
1 - Inbox/从裸奔到全副武装：Claude Code 10 个精选仓库.md
Normal file
113
1 - Inbox/从裸奔到全副武装：Claude Code 10 个精选仓库.md
Normal file
@@ -0,0 +1,113 @@
|
||||
---
|
||||
title: "从裸奔到全副武装：Claude Code 10 个精选仓库"
|
||||
source: "https://x.com/ai_super_niko/article/2057444411727134926"
|
||||
author:
|
||||
- "[[Niko · 开发老兵 · AI编程实战 (@ai_super_niko)]]"
|
||||
published: 2026-05-21
|
||||
created: 2026-05-21
|
||||
description: "昨天刷到 @neil_xbt 发了篇 \"100 Repositories You Need for Claude Code\"，100 个仓库。我看了眼目录就知道大部分人会收藏然后忘掉。过了一遍，砍掉 awesome-list 索引（本身没功能）、场景太窄的、架构太重个人用不动的，..."
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
|
||||
|
||||
昨天刷到 [@neil\_xbt](https://x.com/@neil_xbt) 发了篇 "100 Repositories You Need for Claude Code"，100 个仓库。我看了眼目录就知道大部分人会收藏然后忘掉。
|
||||
|
||||
过了一遍，砍掉 awesome-list 索引（本身没功能）、场景太窄的、架构太重个人用不动的，再加上几个原文没收录但我自己在用的，精选 10 个分享一下。
|
||||
|
||||
|
||||
|
||||
## 1\. cc-switch (76.3K stars)
|
||||
|
||||
一个桌面 app 管所有 AI coding 工具：Claude Code、Codex、OpenCode、OpenClaw、Gemini CLI、Hermes Agent。Rust + Tauri 写的。
|
||||
|
||||
你现在用几个 AI coding 工具？我用三个。每个一个终端窗口、一套配置、一套快捷键。cc-switch 把它们塞进一个 app，切 agent 跟切 tab 一样。76K stars 不意外，这个痛点太普遍了。我比较喜欢的是 MCP server 配置可以跨 agent 复用，不用每个工具配一遍。provider 管理和 skills 同步也做了，WSL 也支持。
|
||||
|
||||
repo: [https://github.com/farion1231/cc-switch](https://github.com/farion1231/cc-switch)
|
||||
|
||||
## 2\. web-access (6.6K stars)
|
||||
|
||||
给 Claude Code 加联网能力的 skill。
|
||||
|
||||
Claude Code 默认不能上网。这个限制在写代码时还好，一旦你想让它帮你查资料、读文档、看个网页内容，就卡住了。web-access 接管你日常 Chrome 的 CDP 协议，让 Claude 直接用你的浏览器上网。搜索、抓页面、填表单、操作需要登录的站点都行。它分三层：简单页面走 Jina/WebFetch（快），复杂页面走 CDP 直连浏览器（准），多个目标同时调研时自动拆给子 agent 并行（省时间）。我每天用，写文章找素材全靠它。
|
||||
|
||||
repo: [https://github.com/eze-is/web-access](https://github.com/eze-is/web-access)
|
||||
|
||||
## 3\. OpenCLI (22K stars)
|
||||
|
||||
把网站变成 CLI 命令，AI agent 直接操作。
|
||||
|
||||
想法挺妙的。你浏览器里已经登录了 GitHub、Jira、Notion、公司内部工具，OpenCLI 把这些网站的操作抽象成命令行。Claude 不需要 API key，不需要 OAuth，直接用你已有的登录态操作。对没有开放 API 的内部系统特别好使。比给每个网站写 MCP server 省事多了。
|
||||
|
||||
repo: [https://github.com/jackwener/OpenCLI](https://github.com/jackwener/OpenCLI)
|
||||
|
||||
## 4\. anthropics/skills (37.5K stars)
|
||||
|
||||
官方 Skills 库。处理 PDF、DOCX、XLSX、PPTX，还有 art generation。
|
||||
|
||||
放这个不是因为功能强，是因为它是标准答案。想写自己的 skill？先看官方怎么组织文件、怎么写 SKILL.md、参数怎么传。照着来就行。我当初写第一个 skill 的时候走了不少弯路，后来发现官方仓库里每个 skill 的结构都很统一，SKILL.md 里怎么声明触发词、怎么描述能力边界、怎么处理多参数，全是现成的范本。
|
||||
|
||||
repo: [https://github.com/anthropics/skills](https://github.com/anthropics/skills)
|
||||
|
||||
## 5\. courses (Anthropic)
|
||||
|
||||
官方免费课程。prompt engineering、API 用法、agent 构建都有。
|
||||
|
||||
我见过太多人上来就装插件，prompt 基本功一塌糊涂。写出来的 CLAUDE.md 又长又散，skill 触发不了还不知道为什么。这套课程不长，几个 notebook 跑一遍就能建立正确的心智模型：什么时候该用 system prompt、什么时候该用 tool use、怎么控制输出格式。过一遍再折腾社区工具，顺序别搞反了。
|
||||
|
||||
repo: [https://github.com/anthropics/courses](https://github.com/anthropics/courses)
|
||||
|
||||
## 6\. obra/superpowers (148K stars)
|
||||
|
||||
面向软件开发的 skills 框架。一整套开发流程：brainstorm → spec → plan → TDD → review → merge。不是零散 skill 的合集，是一个有明确工作流编排的系统。
|
||||
|
||||
我用了 /brainstorm 和 /write-plan，比手写 prompt 引导效果好。它会先让你描述需求，然后自动生成 spec，再拆成可执行的 plan，每一步都有 checkpoint。复杂任务自动拆给多个 agent 并行。148K stars，生态里目前最火的一个，社区活跃度也高，基本每周都有新 skill 贡献进来。
|
||||
|
||||
repo: [https://github.com/obra/superpowers](https://github.com/obra/superpowers)
|
||||
|
||||
## 7\. everything-claude-code
|
||||
|
||||
Cerebral Valley x Anthropic hackathon 冠军。10 个月实际使用攒出来的东西：30 个 agents、136 个 skills、60 个 slash commands、1282 个测试，98% 覆盖率。
|
||||
|
||||
跟 superpowers 不一样。superpowers 是框架，这个是一个人把自己的完整工具箱开源了。里面 agent 的职责拆分和协作写法值得翻翻，比如它怎么让一个 "architect" agent 先出方案，再交给 "implementer" agent 执行，中间还有 "reviewer" agent 做质量把关。这种多角色协作的模式，比单 agent 硬写效果好不少。
|
||||
|
||||
repo: [https://github.com/affaan-m/everything-claude-code](https://github.com/affaan-m/everything-claude-code)
|
||||
|
||||
## 8\. graphify
|
||||
|
||||
代码库生成交互式知识图谱。能搜索、能探索、能提问。Claude Code、Codex、Cursor 都支持。
|
||||
|
||||
接手陌生项目时我会用这个。Repomix 是把代码打成一个平面文件，信息全但没有结构。graphify 保留模块间的依赖关系和调用链，你能直观看到哪个模块是核心枢纽、哪些模块耦合严重。对大型项目做架构决策之前，先用它跑一张图出来，比读代码快得多。特别是那种文档缺失、前任已离职的项目。
|
||||
|
||||
repo: [https://github.com/safishamsi/graphify](https://github.com/safishamsi/graphify)
|
||||
|
||||
## 9\. claude-mem
|
||||
|
||||
跨会话长期记忆，压缩存储。
|
||||
|
||||
Claude Code 自带 MEMORY.md 要手动维护，claude-mem 自动做。上周为什么选了这个方案、那个 bug 怎么修的、构建命令要加什么参数，下次开会话不用重新说一遍。它的压缩机制比较聪明，不是简单截断，而是提取关键决策和上下文，丢掉过程细节。对长期维护的项目来说，这个比每次手动更新 MEMORY.md 省心太多。
|
||||
|
||||
repo: [https://github.com/thedotmack/claude-mem](https://github.com/thedotmack/claude-mem)
|
||||
|
||||
## 10\. claude-code-system-prompts (10.3K stars)
|
||||
|
||||
Claude Code 每个版本的完整 system prompt，新版本发布后几分钟就更新。27 个内置工具描述、Plan/Explore/Task 子 agent prompt、compact、statusline、WebFetch 的具体指令，全在里面。
|
||||
|
||||
你用 Claude Code 时觉得"它就是这样的"那些行为，其实是 system prompt 写死的。什么时候自动建 plan、什么时候拒绝执行、为什么有时候突然问你问题，翻一下 prompt 就明白了。我写 CLAUDE.md 的时候踩过坑：写了一条规则，Claude 死活不听，后来发现是跟 system prompt 里的默认行为冲突了。看懂底层 prompt，写配置就不会跟系统打架。我隔几天就翻一下它的 changelog。
|
||||
|
||||
repo: [https://github.com/Piebald-AI/claude-code-system-prompts](https://github.com/Piebald-AI/claude-code-system-prompts)
|
||||
|
||||
## 安装顺序
|
||||
|
||||
1. 过一遍 courses
|
||||
2. 翻一遍 claude-code-system-prompts，理解底层行为
|
||||
3. 装 anthropics/skills，看官方标准
|
||||
4. 装 obra/superpowers，日常开发用
|
||||
5. cc-switch、web-access、OpenCLI 按需装
|
||||
6. graphify、claude-mem 按项目需求加
|
||||
|
||||
不用一次全装。
|
||||
|
||||
原文来自 [@neil\_xbt](https://x.com/@neil_xbt) 的完整 100 仓库推荐： [https://x.com/neil\\\_xbt/status/2056386359376396458](https://x.com/neil/_xbt/status/2056386359376396458)
|
||||
|
||||
> 我是Niko，每天分享 AI 编程实战、小白入门教程、AI提效工作流。觉得有用欢迎关注转发，让更多人看到。
|
||||
210
1 - Inbox/耗时1000小时！硅谷技术负责人总结的AI提示词六大黄金法则，彻底颠覆你的工作效率.md
Normal file
210
1 - Inbox/耗时1000小时！硅谷技术负责人总结的AI提示词六大黄金法则，彻底颠覆你的工作效率.md
Normal file
@@ -0,0 +1,210 @@
|
||||
---
|
||||
title: "耗时1000小时！硅谷技术负责人总结的AI提示词六大黄金法则，彻底颠覆你的工作效率"
|
||||
source: "https://x.com/VincentLogic/article/2044242556251414983"
|
||||
author:
|
||||
- "[[Vincent Logic | 只上干货 (@VincentLogic)]]"
|
||||
published: 2026-04-15
|
||||
created: 2026-04-15
|
||||
description: "本文基于Reddit热门帖子《After 1000 hours of prompt engineering, I found the 6 patterns that actually matter》深度整理，原作者Amit Rawal为硅谷科技公司技术负责人，通过分析1000+真..."
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
|
||||
|
||||
> **本文基于Reddit热门帖子《After 1000 hours of prompt engineering, I found the 6 patterns that actually matter》深度整理，原作者Amit Rawal为硅谷科技公司技术负责人，通过分析1000+真实商用提示词，提炼出可复用的KERNEL框架，实测效果惊人。**
|
||||
|
||||
## 一、为什么90%的人用不好AI？核心痛点揭秘
|
||||
|
||||
你是否遇到过这些情况：
|
||||
|
||||
- 花半小时写提示词，AI输出却完全偏离预期
|
||||
- 每次都要反复修改3-4次才能得到可用结果
|
||||
- 同样的提示词，今天能用明天就失效
|
||||
- 团队协作时，不同人写的提示词输出质量天差地别
|
||||
|
||||
**根本原因**：我们把AI当作"万能助手"，却忽略了它本质上是一个需要精确指令的"超级工具"。模糊、发散、不稳定的提示词，正是效率杀手。
|
||||
|
||||
硅谷技术负责人Amit Rawal在过去一年里，追踪分析了**1000多个真实工作场景的商用提示词**，最终提炼出**KERNEL框架**——一套让AI输出从"碰运气"到"精准可控"的工程化方法论。
|
||||
|
||||
**实测效果**：
|
||||
|
||||
- ✅ 首次输出成功率：72% → 94%
|
||||
- ✅ Token用量减少58%，响应速度提升3倍
|
||||
- ✅ 获取有效结果时间缩短67%
|
||||
- ✅ 修订次数从3.2次降至0.4次
|
||||
- ✅ 输出准确率提升340%
|
||||
|
||||
**最震撼的是**：这套方法在GPT、Claude、Gemini、Llama、Kimi、DeepSeek等主流模型上均能稳定生效，真正实现"模型无关"。
|
||||
|
||||
## 二、KERNEL框架六大核心法则（附实战案例）
|
||||
|
||||
K - Keep it simple：简单直接，单目标锚定
|
||||
|
||||
**核心原则**：一个提示词，只解决一个问题。冗长的背景铺垫会稀释核心目标。
|
||||
|
||||
❌ **错误示范**：
|
||||
|
||||
> "我是一个刚入行的后端开发，最近在学Redis，踩了很多坑，网上的内容太杂了，我需要帮忙写点关于Redis的东西，最好能让新手看懂，别太复杂"
|
||||
|
||||
✅ **正确示范**：
|
||||
|
||||
> "撰写一篇面向后端新手的Redis缓存技术教程，核心讲解缓存核心原理、3个基础实操场景和常见避坑点"
|
||||
|
||||
**效果**：token使用量减少70%，响应速度提升3倍，目标匹配度提升40%
|
||||
|
||||
**自检清单**：
|
||||
|
||||
- 一句话就能说清核心目标
|
||||
- 无冗余的个人背景、情绪铺垫
|
||||
- 仅包含一个核心任务
|
||||
|
||||
E - Easy to verify：结果可验证，明确成功标准
|
||||
|
||||
**核心原则**：把主观感受转化为客观标准。你自己都无法快速判断是否达标，AI更做不到。
|
||||
|
||||
❌ **错误示范**：
|
||||
|
||||
> "写一篇有吸引力的产品推广文案"
|
||||
|
||||
✅ **正确示范**：
|
||||
|
||||
> "撰写一篇200字以内的SaaS产品推广文案，包含3个核心功能卖点，结尾加一句引导用户免费试用的CTA"
|
||||
|
||||
**数据说话**：有明确验证标准的提示词，首次输出成功率达85%；无明确标准的仅41%
|
||||
|
||||
**自检清单**：
|
||||
|
||||
- 所有主观描述（吸引人、专业、好）全部替换为客观标准
|
||||
- 普通人10秒内就能核对输出是否符合要求
|
||||
- 无"你看着办""尽量做好"类模糊表述
|
||||
|
||||
R - Reproducible results：结果可复现，消除时效依赖
|
||||
|
||||
**核心原则**：优秀的提示词应该是可复用的模板，而非一次性指令。
|
||||
|
||||
❌ **错误示范**：
|
||||
|
||||
> "分析当前短视频行业的最新趋势"
|
||||
|
||||
✅ **正确示范**：
|
||||
|
||||
> "基于2024年中国网络视听节目服务协会发布的行业报告，分析短视频行业的3个核心发展趋势"
|
||||
|
||||
**实测效果**：符合该原则的提示词，30天内输出结果一致性达94%
|
||||
|
||||
**自检清单**：
|
||||
|
||||
- 无"最新""当前""最近"等时效类模糊表述
|
||||
- 所有版本、规范、数据都标注了明确的年份/版本号/固定来源
|
||||
- 可直接作为模板，修改核心参数后即可复用
|
||||
|
||||
N - Narrow scope：范围要窄，单任务拆解
|
||||
|
||||
**核心原则**：多目标并行是提示词失败的头号元凶。复杂任务必须拆解为原子级单任务。
|
||||
|
||||
❌ **错误示范**：
|
||||
|
||||
> "帮我写一个用户管理系统的Python代码，再写对应的接口文档，然后写单元测试用例，最后做一个性能分析"
|
||||
|
||||
✅ **正确示范**（链式调用）：
|
||||
|
||||
> **提示词1**：编写Python用户管理系统的核心代码，包含增删改查4个基础功能，仅使用内置库 **提示词2**：基于上述代码，编写标准的RESTful接口文档，包含请求方式、参数、返回值、错误码 **提示词3**：基于上述代码，编写单元测试用例，覆盖所有核心功能的正常/异常场景
|
||||
|
||||
**效果对比**：单目标提示词用户满意度89%，多目标混合提示词满意度仅41%
|
||||
|
||||
**进阶玩法**：**Chain-of-KERNEL**——把复杂工作流拆分为"内核提示词链条"，每一步只做一件事，上一步的输出作为下一步的输入
|
||||
|
||||
E - Explicit constraints：约束要明确，划定禁止边界
|
||||
|
||||
**核心原则**：只告诉AI"要做什么"远远不够，必须明确告诉AI"不能做什么"。
|
||||
|
||||
❌ **错误示范**：
|
||||
|
||||
> "写一段Python数据分析代码"
|
||||
|
||||
✅ **正确示范**：
|
||||
|
||||
> "编写Python数据分析代码，要求：不使用任何外部第三方库，仅用Python内置库 单个函数不超过20行代码 不使用递归、匿名函数等复杂写法 必须添加基础的异常处理"
|
||||
|
||||
**惊人效果**：明确的约束条款，可减少91%的无用输出和创意漂移
|
||||
|
||||
**自检清单**：
|
||||
|
||||
- 明确列出了所有"禁止做的事"
|
||||
- 约束数量适中，核心约束不超过6条
|
||||
- 优先规避你最不想看到的输出问题
|
||||
|
||||
L - Logical structure：结构要清晰，标准化指令格式
|
||||
|
||||
**核心原则**：AI对结构化内容的理解能力，远强于零散的自然语言。固定结构让提示词像API接口一样标准化。
|
||||
|
||||
**标准五段式结构**：
|
||||
|
||||
1. **Context（背景/输入）**：提供必要背景信息
|
||||
2. **Task（任务/功能）**：清晰说明核心任务
|
||||
3. **Constraints（约束/参数）**：明确限制条件
|
||||
4. **Format（输出格式）**：规定输出格式
|
||||
5. **Verify（验证标准）**：明确合格判定标准
|
||||
|
||||
**完整实战示例**：
|
||||
|
||||
Context（背景/输入）： 附件为2024年公司全渠道销售数据，包含月度销售额、渠道分布、产品品类销量、客单价、复购率5个核心维度的明细数据 Task（任务/功能）： 基于上述销售数据，完成一份销售数据分析报告，提炼核心问题并给出可落地的优化建议 Constraints（约束/参数）： 1. 不做无数据支撑的主观推测，所有结论必须对应明细数据 2. 不使用复杂的数据分析模型，仅用基础的同比、环比分析 3. 优化建议不超过5条，每条都有明确的执行动作和预期效果 4. 全文不超过1500字 Format（输出格式）： 使用Markdown格式，分为4个模块： 1. 核心业绩概览（3个核心数据结论） 2. 存在的核心问题（3个关键问题，对应数据支撑） 3. 优化建议（分点列出，明确动作+预期效果） 4. 下一步核心动作 Verify（验证标准）： 1. 所有数据均来自提供的销售数据明细，无编造数据 2. 普通人3分钟内可读完并理解核心内容 3. 优化建议可直接落地执行，无空泛表述
|
||||
|
||||
## 三、企业级落地指南：如何让团队效率翻倍？
|
||||
|
||||
1\. 搭建提示词模板库
|
||||
|
||||
基于KERNEL框架，为不同场景制作标准化模板：
|
||||
|
||||
- 📝 **文档撰写模板**：技术文档、产品说明、会议纪要
|
||||
- 💻 **代码开发模板**：功能开发、代码优化、测试用例
|
||||
- 📊 **数据分析模板**：销售分析、用户行为、运营报告
|
||||
- 🎯 **运营策划模板**：推广方案、内容规划、效果复盘
|
||||
|
||||
**团队收益**：新人1天就能写出高质量提示词，团队输出一致性提升90%
|
||||
|
||||
2\. Chain-of-KERNEL工作流
|
||||
|
||||
**技术开发全流程示例**：
|
||||
|
||||
1. **需求分析** → **技术方案设计**
|
||||
2. **技术方案** → **核心代码开发**
|
||||
3. **核心代码** → **单元测试用例**
|
||||
4. **代码+方案** → **接口文档+用户手册**
|
||||
|
||||
**核心优势**：每一步都可单独调试、修改、复用，避免一个环节出错导致全流程返工
|
||||
|
||||
3\. 常见避坑指南
|
||||
|
||||
⚠️ **过度约束陷阱**：核心约束控制在3-6条，过多约束会导致模型失效 ⚠️ **结构僵化陷阱**：简单任务可简化模块，无需强行套完整结构 ⚠️ **拆解过度陷阱**：原子任务标准是"一次输出能完整完成" ⚠️ **忽略模型差异**：根据模型能力调整提示词复杂度（代码模型可接受更复杂约束）
|
||||
|
||||
## 四、什么场景最适合用KERNEL框架？
|
||||
|
||||
✅ 强烈推荐使用
|
||||
|
||||
- 团队标准化工作流、商用提示词模板库搭建
|
||||
- 代码开发、文档撰写、数据分析、自动化脚本等确定性任务
|
||||
- 企业内部SOP、合规报告、政策文档等需要高稳定性的场景
|
||||
- 多团队协作、需要保证输出一致性的场景
|
||||
|
||||
❌ 不建议使用
|
||||
|
||||
- 无明确目标的头脑风暴、创意发散、开放式探索
|
||||
- 心理咨询、情感陪伴、文学创作等需要情感nuance的场景
|
||||
- 学术研究的前期探索、未知领域的学习调研等无明确交付标准的场景
|
||||
- 纯闲聊、无明确目标的AI对话
|
||||
|
||||
## 五、行动指南：今天就能开始的改变
|
||||
|
||||
1. **立即实践**：选一个你最近失败的提示词，用KERNEL框架重构
|
||||
2. **建立模板**：为你的高频工作场景创建3-5个标准化提示词模板
|
||||
3. **团队推广**：在团队内分享KERNEL框架，统一提示词标准
|
||||
4. **持续优化**：记录每次提示词的效果数据，持续迭代优化
|
||||
|
||||
> **最后忠告**：提示工程不是魔法，而是工程。KERNEL框架的价值不在于"让AI更聪明"，而在于"让人类指令更精准"。当你把模糊的需求转化为精确的指令，AI才能真正成为你的超级助手。
|
||||
|
||||
**数据不会说谎**：在Amit Rawal的团队中，采用KERNEL框架后，工程师的AI使用效率提升了3.7倍，产品需求交付周期缩短了42%，这才是AI真正的生产力革命。
|
||||
|
||||
**✨** **互动时间**：你在使用AI时遇到过哪些提示词问题？欢迎在评论区分享，我会挑选典型问题给出KERNEL优化方案！
|
||||
|
||||
[#提示工程](https://x.com/search?q=%23%E6%8F%90%E7%A4%BA%E5%B7%A5%E7%A8%8B&src=hashtag_click) [#AI效率](https://x.com/search?q=%23AI%E6%95%88%E7%8E%87&src=hashtag_click) [#KERNEL框架](https://x.com/search?q=%23KERNEL%E6%A1%86%E6%9E%B6&src=hashtag_click) [#职场技能](https://x.com/search?q=%23%E8%81%8C%E5%9C%BA%E6%8A%80%E8%83%BD&src=hashtag_click) [#人工智能](https://x.com/search?q=%23%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD&src=hashtag_click)
|
||||
Reference in New Issue
Block a user