IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
以下内容已由 AI 根据历史资料整理，供本地测试，未经人工复核。
让 LLM 通过文本转录而非逐帧图像来理解和编辑视频的开源工具
video-use 是由 browser-use 团队开源的 LLM 驱动视频编辑工具，专为 Claude Code 设计。其核心理念是让 LLM "读"视频而不是"看"视频，通过音频转录和按需可视化，将原始视频素材压缩为约 12KB 的文本摘要，再由 Claude Code 进行对话式剪辑决策。该工具主要解决传统视频编辑流程中人工操作链条长、视频对 LLM 不可读、填充词检测依赖人工或粗粒度工具、跨镜头一致性难以保证以及动画/字幕叠加工程复杂度高等痛点。其工作流程包括素材盘点、预扫描问题、对话交互、策略确认、执行、渲染和自评估。项目包含 12 条硬规则以确保生产正确性，并支持通过并行子 Agent 生成动画。该工具适用于口播视频、教程、采访等"说话为主"的内容，不适用于音乐 MV、体育赛事剪辑、电影级特效合成等场景。
Donchitos/Claude-Code-Game-Studios将单个 Claude Code 会话改造为完整游戏开发工作室的开源模板仓库
Claude Code Game Studios（CCGS）是一个开源模板仓库，将单个 Claude Code 会话改造为一个完整的游戏开发工作室。它不是一个独立工具或引擎，而是一套运行在 Anthropic Claude Code CLI 环境之上的组织架构层，通过 49 个专业 AI Agent、72 个 Slash Command（Skill）、12 个自动化 Hook、11 条路径作用域规则和 39 个文档模板，模拟真实游戏工作室的层级分工与协作流程。CCGS 属于 AI 多 Agent 协作模板，不提供新的 AI 能力，而是把 Claude Code 已有的 Agent 机制组织成一套游戏开发专用的流程体系。其核心是三级 Agent 层级，对应真实工作室的组织架构，并采用用户驱动的五步协作协议。CCGS 支持 Godot 4、Unity、Unreal Engine 5 引擎，主要测试平台为 Windows 10 + Git Bash，兼容 macOS 和 Linux。
multica-ai/andrej-karpathy-skills用四条行为准则约束 AI 编码助手，减少过度工程化与越界修改
该项目是一个开源项目，由 multica-ai 维护，将 Andrej Karpathy 对 LLM 编码缺陷的观察总结为四个核心行为准则，封装在单个 CLAUDE.md 文件中，用于改善 Claude Code / Cursor 等 AI 编码助手的代码输出质量。它属于 AI 辅助编程质量保障体系，不是代码框架或 SDK，而是一份注入到 AI 编码助手上下文中的行为约束指令。项目核心要解决的问题是 LLM 在编写代码时存在的系统性缺陷，包括隐性假设、过度工程化、越界修改、目标模糊等，这些问题导致代码质量下降、维护成本上升。项目通过 Think Before Coding、Simplicity First、Surgical Changes、Goal-Driven Execution 四条准则，将 LLM 的多做倾向约束为做准、做少、做稳。安装方式极简，支持 Claude Code 插件、项目级 CLAUDE.md 和 Cursor 规则等多种方式。
将十年设计经验编码为规则，让 AI 生成专业级 HTML 演示文稿的开源技能
guizang-ppt-skill 是由设计师歸藏开发的开源 AI Agent 技能，用于在 Claude Code、Codex 等环境中生成专业级横向翻页 HTML 演示文稿。它通过 SKILL.md 定义工作流和约束，将设计经验转化为自然语言硬规则，让 AI 在约束内执行，而非自由发挥。项目提供两套视觉系统：电子杂志风（Style A）适合叙事与个人风格，瑞士国际主义风（Style B）适合事实、产品与分析。瑞士风包含 22 种锁定版式、16 列网格和自动校验脚本，确保版式合规。核心设计决策包括不允许自定义颜色、单一视觉锚点、结构优于装饰等。此外，项目支持在 Codex 环境中通过 GPT-Image 2.0 生成配图，并可生成多平台封面（如公众号 21:9、小红书 3:4、视频号 16:9），实现从大纲到 PPT、配图、封面的全链路闭合。项目以 MIT 协议开源，GitHub 上获得 7.2k+ Stars。
Claude Code 的虚拟工程团队，23 个角色斜杠命令即用
GStack 是围绕 Claude Code 构建的开源工具体系，定位为“虚拟工程团队”，通过 23 个角色 Skill 和 8 个工具 Skill，将 Claude Code 配置成 CEO、设计师、工程经理、QA、安全官等角色自动协作。其核心原理是角色化 Slash Command 系统，每个斜杠命令对应一个工程角色，如 /review 为代码审查员、/qa 为测试工程师。GStack 支持多 Agent 兼容，不只支持 Claude Code，还支持 Codex CLI、Cursor、OpenCode、Kiro 等 8 个 AI 编码 Agent。安装结构为纯 Markdown 文件，没有代码依赖和框架锁定，通过 ./setup --team 可让整个团队共享同一套工具，自动更新，零版本漂移。报告提及 Garry Tan 本人 60 天写了 60 万行代码（35% 测试），日均 10-20k 行，作为真实验证过的产出数据。
Claude Code 的“使用说明书”——系统化的技能、代理、命令最佳实践
Claude Code Best Practice 是一套围绕 Claude Code 构建的开源工具体系，定位为 Claude Code 的“使用说明书”，提供系统化的技能、代理、命令最佳实践。它旨在解决 Claude Code 功能丰富但官方文档分散、缺乏“什么场景用什么方案”决策指导的问题。项目采用 Commands → Agents → Skills 三层编排，简单任务用 Commands，复杂任务用 Agents，可复用能力用 Skills；并采用 Best Practice + Implementation 双轨制，每个功能都有最佳实践文档和实际实现代码。项目汇集了 Everything Claude Code、Superpowers、Spec Kit 等社区顶级方案，提供场景驱动、对比矩阵式的决策指导，帮助开发者降低学习曲线，提升功能利用率。
围绕 Claude Code 的开源工具体系，覆盖最佳实践、个人知识记忆与虚拟工程团队三大维度
该收藏条目围绕 Claude Code 构建的开源工具体系展开，涵盖最佳实践知识库、个人知识大脑和虚拟工程团队三大维度。报告指出，Claude Code 功能丰富但官方文档分散，缺乏场景决策指导；AI Agent 缺乏记忆，无法积累个人知识；个人开发者缺少团队级工程保障。针对这些问题，Best Practice 提供功能-场景-工具三维决策矩阵，指导用户选择 Commands、Skills、Agents 等扩展机制；GBrain 通过 Markdown 知识库、混合检索和实体图谱，实现“读-答-写-同步”的知识积累循环；GStack 提供 23 个角色 Skill 和 8 个工具 Skill，以斜杠命令形式模拟虚拟工程团队。三者可独立使用，组合使用效果最大化。报告还包含安装部署、应用场景及与相似技术的对比。
专业工程师用编码智能体放大自身能力的软件工程新范式
Agentic Engineering（智能体工程）是2025-2026年间快速兴起的软件工程新范式，核心定义来自Simon Willison：专业软件工程师使用编码智能体（Coding Agents）来放大自身专业能力的实践。该概念由Andrej Karpathy在2026年4月Sequoia Capital的AI Ascent大会上正式推向公众视野，并明确区分了Vibe Coding与Agentic Engineering：前者抬高所有人做软件的下限，后者要保住专业软件过去已有的质量门槛。它属于AI-Native软件工程范畴，横跨AI Agent技术栈、软件工程实践和人机协同设计三个领域。其出现源于三个力量：LLM能力质变、Agentic工具成熟、代码生产成本趋近于零。核心方法包括：人类编写规格（Spec）和测试，Agent生成代码，人类审查结果；测试被视为人类与Agent之间的通信协议。该范式强调代码是廉价的、理解是昂贵的，细节可以外包、结构不能外包。
开源21个Claude Code/Codex Skills，覆盖微信数据解析、记忆系统与多模型协作
该收藏整理自X用户@genngdaJ（逸尘）的热门帖子，一次性开源了自用的8个Claude Code/Codex Skills，并推荐了多位社区大佬的优秀Skills。Skill是Claude Code/Codex的扩展能力模块，一段预先写好的指令（SKILL.md）加可选的脚本和Agent，让AI Agent获得特定领域的专业能力。帖子精选的8个Skills包括：全网搜索与归档、Agent记忆系统、微信本地数据解析、企业微信聊天解析、企业微信云端操作、公众号文章批量抓取、ChatGPT网页调研、X文章草稿上传。仓库实际包含21个Skills，涵盖视频转写、剪映对接、小红书/抖音采集、社交收藏导出等更多能力。核心设计原则是安全第一（只读+授权）、本地优先（数据不出Mac）、无副写（不自动发布/下载）、碰撞安全（不覆盖文件）。
面向 AI Agent 的影视解说自动化与互联网信息获取技能工具
本收藏条目涵盖两个面向 AI Agent 的技能工具：Narrator AI CLI Skill 与 Agent Reach。Narrator AI CLI Skill 是专为 AI Agent 设计的视频解说自动化技能文件，对应 CLI 客户端 narrator-ai-cli，封装了 Narrator AI 开放平台的完整 API，支持 Claude Code、OpenClaw、Windsurf 等主流 AI Agent 平台。其核心能力是用一句自然语言指令，自动完成从脚本生成到成片输出的全流程影视解说视频生产，内置 93 部电影素材库、146 首 BGM、63 种配音音色（覆盖 11 种语言）、90+ 解说模板，提供「改编解说」和「原创解说」两条工作路径。Agent Reach 是一个开源的 AI Agent 互联网能力脚手架，由 Panniantong 开发，作为一键安装器和配置管理器，将 15+ 个平台的内容读取能力（如 Twitter、Reddit、YouTube、B站、小红书、GitHub、微信公众号、抖音、LinkedIn、微博、V2EX、雪球、RSS 等）集成到任何 AI Agent 中，核心价值是零 API 费用、零配置门槛，所有底层工具均为开源免费的 CLI 工具，通过本地 Cookie 和抓取方式访问平台内容，数据只留在本地。
apify/awesome-skills为 AI 编程助手提供网页抓取与业务自动化能力的社区驱动 Skills 合集
Apify Awesome Skills 是 Apify 官方维护的社区驱动 AI Agent Skills 合集，为 Claude Code、Cursor、Codex、Gemini CLI 等 AI 编程助手提供网页抓取、数据提取和业务自动化的预置能力。它不是独立运行的软件，而是一套以 Markdown（SKILL.md）为载体的指令包与工具编排规则，安装后 Agent 可通过自然语言指挥 Apify 云端的爬虫 Actors 执行数据采集任务。项目包含受众分析、品牌监控、竞品情报、内容分析、电商数据、KOL 发现、线索生成、市场调研、趋势分析等九个垂直领域 Skills，覆盖 Google Maps、Instagram、TikTok、Amazon 等主流平台。其核心设计原则包括声明式触发、云端执行零本地依赖、领域垂直化、多 Agent 兼容、按结果付费和社区共建。项目采用 Apache-2.0 开源协议，主要语言为 JavaScript（91%）和 Python（9%），前置条件包括 Apify 账号、API Token 和 Node.js 20.6+。
用一句话在飞书里搭建 Jira 级任务管理系统
本项目介绍了一套利用飞书官方 CLI 工具（lark-cli）配合 AI 编程助手（如 Claude Code、Codex），通过自然语言 Prompt 在飞书多维表格（Bitable）中自动生成任务管理系统的方法。该系统包含字段设计、公式计算、自动化工作流、看板视图和数据仪表盘，旨在让小团队和个人开发者以零代码、零 UI 操作的方式，获得与 Jira 对标的任务管理能力，并直接嵌入已有的飞书工作环境。报告指出，该方案解决了传统任务管理工具录入摩擦高、工具选择困难、字段膨胀、自动化配置繁琐、平台割裂以及小团队缺乏基础设施等痛点。其核心思想是降低录入摩擦、将 AI 作为配置器，并采用 Agent-Native 三层架构。系统包含 11 个实际使用的字段和 3 条自动化工作流，支持通过自然语言进行日常任务录入和提醒。报告也指出了该方案的局限性，例如绑定飞书生态、不支持复杂工作流、依赖 AI 工具等。
让 Agent 用 HTML 而非 Markdown 向人类传达复杂信息，以可视化与交互让人重新进入决策循环。
本文档基于 2026 年 5 月 8 日 Anthropic Claude Code 团队成员 Thariq Shihipar 发表的长文《Using Claude Code: The Unreasonable Effectiveness of HTML》整理而成。其核心主张是，当 AI Agent 需要向人类传达复杂信息时，HTML 应取代 Markdown 成为首选输出格式。文章指出 Markdown 存在信息密度不足、可读性差、分享困难、无法交互、编辑范式转移以及人与 Agent 的 Loop 断裂等六大痛点。HTML 则凭借其高表达力、视觉可读性、零摩擦分享、双向交互、数据摄取优势及情感连接等特性，成为更优的 Agent 输出格式。该方法论强调自包含的 HTML 文件、导出闭环以及让人类重新参与 Agent 决策过程。文章还对比了 HTML 与 Markdown、Claude.ai Artifacts 及 Notion/飞书文档的差异，并提供了九大输出场景、Prompt 模板、工程落地技巧及优缺点分析。