01
专治生成网页的 AI 味
现在让 AI 写一个落地页很容易，麻烦的是成品经常一眼就能认出来：渐变大标题、悬浮卡片、统一圆角，再配一套似曾相识的 SaaS 布局。
Hallmark 是 Together AI 推出的一套设计 Skill，支持 Claude Code、Cursor 和 Codex，目前在 GitHub 上拿到了约 1.2 万 Star。
项目内置了 20 套主题和 57 道反 AI 味儿的检查。
收到需求后，它会先选择页面的宏观结构，再决定主题、字体和色彩，生成前还会进行一次自我审查。
不同需求得到的页面会真正换结构，不只是在同一套模板上换颜色。
它提供四种常用方式：创建新界面、审查现有页面、保留文案与信息架构后重新设计，以及从截图或网页中提取设计特征。
最后一种很适合拿来研究喜欢的网站，同时会主动避开逐像素复刻和付费模板照搬。
安装也很省事：
npx skills add nutlope/hallmark如果你经常让 AI 做官网、活动页或产品 Demo，Hallmark 能帮你把最常见的 AI 味压下去。
不过，它给的是一套生成约束和审美检查，最终效果仍然取决于需求描述、内容质量和后续人工判断。
开源地址：https://github.com/Nutlope/hallmark02
12 万 Star 的 LLM 应用库
Awesome LLM Apps 收录了 100 多个可以运行的 AI Agent、Agent Skill 和 RAG 应用。
目前已经超过 12.3 万 Star。
里面既有适合入门的单文件 Agent，也有多 Agent 团队、语音 Agent、MCP Agent、RAG、生成式 UI 和常驻后台 Agent。
模型选择也比较开放，Claude、Gemini、GPT、DeepSeek、Llama、Qwen 等都能在不同示例中找到位置。
这个项目的场景够具体。
旅行规划、数据分析、深度研究、客服语音、会议助手、金融分析、知识库问答都有现成目录。
快速体验一个示例，大致是这样的：
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.gitcd awesome-llm-apps/starter_ai_agents/ai_travel_agentpip install -r requirements.txtstreamlitrun travel_agent.py
它很适合学习和原型验证。准备把示例投入真实业务时，权限、日志、评测、成本控制和异常处理仍然要按自己的环境补齐。
开源地址：https://github.com/Shubhamsaboo/awesome-llm-apps03
在终端里同时盯住一群 Agent
同时开几个 Claude Code、Codex 或其他编程 Agent 之后，终端标签很快就会失控。
哪个还在工作，哪个卡在授权，哪个已经跑完，通常要挨个切过去看。
Herdr 是一个为编程 Agent 设计的终端复用器，目前约 1.7 万 Star。
它保留了工作区、标签页、分屏和持久会话，也能识别 Agent 的 blocked、working、done 等状态，并集中显示在侧边栏里。
你可以像使用 tmux 一样用快捷键，也可以点击、拖拽和拆分窗口。
退出客户端后，Agent 会在后台继续运行；重新连接或通过 SSH 回来，原来的工作区还在。
更有意思的是，Agent 自己也能调用 Herdr 的 socket API。
它可以创建工作区、拆分窗格、启动辅助任务、读取输出并等待另一个任务完成。做多 Agent 协作时，人和 Agent 看到的是同一组真实终端。
macOS 或 Linux 可以这样安装：
brew install herdrherdrWindows 目前处于 beta 阶段。终端重度使用者、多仓库并行开发，或者经常让多个 Agent 同时跑长任务的人，会更容易感受到它的价值。
开源地址：https://github.com/ogulcancelik/herdr04
把教材和论文变成长期陪伴的 AI 导师
把 PDF 扔给模型做问答已经不新鲜了。
学习真正困难的部分是持续理解、练习、纠错和复习，还要让工具记住你的水平与薄弱点。
港大数据智能实验室开源的 DeepTutor 正在把这些环节放进同一个学习工作区。
目前项目约 2.7 万 Star，支持聊天、解题、测验、深度研究、可视化和掌握度练习，并让不同模式共享学习上下文。
你可以把教材、论文和个人资料建成知识库，再通过 RAG 检索。
系统还提供 Notebook、Question Bank、Co-Writer、Memory Graph 等模块。记忆分成可检查的不同层级，个性化结论能够追溯到依据，方便你发现它记错了什么。
DeepTutor 也支持创建带独立人格、知识库、记忆和 Skill 的长期 AI 学伴，并能接入多种消息渠道。
较新的版本还可以在对话中咨询本地 Claude Code 或 Codex，把学习、研究和实际操作连起来。
项目支持 Web 界面、CLI、PyPI 和 Docker。用 PyPI 启动完整应用的基本流程如下：
mkdir my-deeptutor && cd my-deeptutorpip install -U deeptutordeeptutor initdeeptutor startDeepTutor 在 2025 年 12 月底发布， 111 天达到 2 万 Star。
现在它仍然更新得很勤，适合愿意自己配置模型和知识库，又希望学习过程能被长期保存的人。
开源地址：https://github.com/HKUDS/DeepTutor05
让收藏夹里的知识真正被 Agent 调用
Cangjie Skill 尝试把书、长视频、播客、访谈和课程里的方法论蒸馏成可调用的 AI Skills。
目前项目约 3 千多 Star。
它使用一套名为 RIA-TV++ 的七阶段流程。
先做全局理解，再由五个专项提取器分别寻找框架、原则、案例、反例和术语。
交付结果是一组独立的 SKILL.md、技能索引、全局概览、精华长文和测试文件。
你想做投资研究、文案方法库、课程助手或企业内部知识沉淀时，可以把知识从可阅读的笔记进一步变成可执行的工作流。
它依赖原始材料的质量，也需要注意版权和引用边界。内容本身缺少稳定方法论时，强行 Skill 化只会产出更复杂的笔记。
开源地址：https://github.com/kangarooking/cangjie-skill06
给 Claude Code 配一套现成工具箱
Claude Code Templates 是一套可浏览、可组合、可安装的配置市场，目前约 2.9 万 Star。
项目提供 100 多个 Agent、命令、设置、Hook 和 MCP 组件，也收录了可复用的 Skill。
你可以挑一个代码审查 Agent，再配测试生成命令、GitHub MCP 和提交前检查 Hook，组合成自己的开发栈。
它还带了几项偏管理的能力：实时查看 Claude Code 会话状态、在手机端查看对话、运行安装健康检查，以及统一管理插件和权限。
对于同时维护多套 Claude Code 配置的人，这些功能会比单纯的模板列表更有用。
npx claude-code-templates@latest模板越多，越要注意来源、权限和维护状态。尤其是 MCP、Hook 与外部服务集成，安装前最好检查代码和配置范围，只保留当前工作流真正需要的部分。
开源地址：https://github.com/davila7/claude-code-templates📖 相关推荐
资深互联网从业者，专注AI工具研究与实战应用。长期跟踪ChatGPT、Claude、Stable Diffusion等前沿AI技术，擅长将复杂的技术概念转化为通俗易懂的教程。运营颜资源小站，致力于为中文用户提供高质量的AI教程、开源项目推荐和数字资源整理。
评论(0)