项目索引Project Index

把任何人蒸馏成AI Skill的meta-skill引擎，已蒸馏12个名人SkillMeta-skill engine that distills anyone into AI Skill, 12 celebrity skills distilled

Andrej Karpathy的编码原则Skill集合，四条编码原则已同步到SOUL.mdAndrej Karpathy's coding principles skill collection

144个专业AI Agent，14个部门，80k+ Stars，Agent设计7要素范式144 professional AI Agents, 14 departments, 80k+ Stars

19岁中国团队的AI记忆引擎，图路由架构，四层倒锥结构，LoCoMo-10: 81.8%AI memory engine by 19-year-old Chinese team, graph routing architecture

LLM和AI Agent的记忆操作系统，提供OS级别的记忆层。三层架构设计（MOS/MemCube/记忆类型）、统一Memory API、MemScheduler异步调度、多模态记忆。准确率+43.70%、Token节省35.24%。Memory Operating System for LLM and AI Agents. 3-layer architecture, unified API, async scheduling, multimodal memory. +43.70% accuracy, -35.24% tokens.

用职场PUA话术驱动AI Agent更努力工作的Skill插件，问题修复+36%Skill plugin that drives AI Agents to work harder using workplace PUA rhetoric

AI桌面操作代理，OSWorld基准64.2%成功率，支持跨平台AI desktop operation agent, OSWorld benchmark 64.2% success rate

TypeScript AI Agent框架，90+示例项目，七大核心模块TypeScript AI Agent framework, 90+ example projects

47个PM工作流框架Skills，7大领域覆盖47 PM workflow framework skills, 7 domains covered

30天趋势追踪Skill，因网络限制无法完全运行30-day trend tracking skill, limited by network restrictions

模拟真实交易公司的多智能体LLM金融交易框架，四层Agent架构（分析师→研究员→交易员→风险管理）+结构化辩论机制，18.2k StarsMulti-agent LLM financial trading framework simulating a real trading company: 4-layer Agent architecture + structured debate mechanism, 18.2k Stars

Claude Code学习资源集合：79命令/48Agent/183技能Claude Code learning resources: 79 commands/48 agents/183 skills

牛马Skills集合，181个中文职场技能，7大领域覆盖Niuma Skills collection, 181 Chinese workplace skills, 7 domains

港大DS实验室的命令行工具集，Python/Shell转换，自动化脚本生成HKU DS Lab's CLI toolkit, Python/Shell conversion, automation script generation

记忆宫殿项目Memory Palace project

Gemini Enterprise Agent Platform六大核心模块，TPU8T算力提升3倍Gemini Enterprise Agent Platform 6 core modules, TPU8T 3x compute improvement

AI生成前端页面的最佳实践学习，深入解析HTML结构设计、CSS样式规范、响应式布局实现、代码生成优化、组件复用、设计系统集成等核心知识点。Best practices for AI-generated frontend pages: HTML structure, CSS styling, responsive layout, code optimization, component reuse, design systems.

网页设计转Markdown文档工具，深度解析转换算法、格式映射规则、样式保留技术，助力知识库文档高效更新与维护。Web design to Markdown conversion tool: conversion algorithms, format mapping, style preservation for knowledge base documentation.

通用浏览器自动化Agent框架，让AI Agent能够控制浏览器执行复杂任务，支持多页面操作、表单填写、数据抓取等场景。Universal browser automation Agent framework for controlling browsers to execute complex tasks.

Nous Research开源的自进化AI Agent新范式，闭合学习循环、三层记忆系统、技能渐进式披露，越用越强。Self-evolving AI Agent paradigm by Nous Research: closed learning loop, 3-layer memory, progressive skill disclosure.

华为openJiuwen社区发布的业界首个多Agent协作标准化能力包规范，让协作经验可沉淀复用，跨框架兼容。First multi-Agent collaboration standardized capability pack by Huawei openJiuwen, reusable collaboration experience.

字节跳动开源框架，Context Engineering上下文工程方法论，六字原则：过滤→隔离→压缩，Star从10k飙到52k。ByteDance open-source framework: Context Engineering methodology, 6-word principle: Filter→Isolate→Compress.

百万上下文架构革命，CSA+HCA混合压缩注意力、mHC流形约束超连接、Engram存算分离记忆，开源首次在SimpleQA领先闭源。1M context architecture revolution: CSA+HCA compression, mHC manifold hyperconnection, Engram memory, first open-source to beat closed-source on SimpleQA.

通用AI需求分析技能包，7轮深度调研方法论，Memory Bank记忆系统，让AI一次把代码写对。兼容Claude Code/Cursor/Hermes。Universal AI requirement analysis skill pack: 7-round deep research, Memory Bank, compatible with Claude Code/Cursor/Hermes.

从Demo到生产的工程路线图：L1推理引擎→L2编排与状态→L3工具与协议→L4观测与护栏，79%企业在搞Agent但只有2%跑通生产。From Demo to Production: L1 Reasoning→L2 Orchestration→L3 Tools/Protocols→L4 Observability/Guardrails.

编译 > 检索：让LLM在后台持续构建、维护一个结构化、相互链接的本地Markdown知识库。零基础设施！纯Markdown + LLM。三层架构：raw/（不可变原始资料）+ wiki/（LLM编译知识）+ schema。Compile > Retrieve: LLM builds and maintains a structured, interlinked local Markdown KB. Zero infrastructure! raw/ + wiki/ + schema layers.

AI Agent的记忆大脑：17,888页/4,383人/723公司规模的自织网知识系统。Thin Harness Fat Skills架构原则、零LLM图谱提取（正则+模式匹配）、20层混合搜索Pipeline（P@5 49.1%）、Skillify 10步审计确保技能可持续、29个Skills。AI Agent's Memory Brain: 17,888 pages self-wiring KB. Thin Harness Fat Skills, zero-LLM graph extraction, 20-layer hybrid search (P@5 49.1%), Skillify 10-step audit, 29 Skills.

Claude Code Skill技术图谱生成器：自然语言→出版级SVG/PNG。7种视觉风格（Flat Icon/Dark Terminal/Blueprint/Glassmorphism/Claude/OpenAI）、14种UML图支持、AI/Agent领域内置模式（RAG/Mem0/Multi-Agent）、语义形状词汇系统、箭头语义编码（颜色+虚线=含义）。Claude Code Skill for technical diagram generation: Natural language → publication-ready SVG/PNG. 7 visual styles, 14 UML diagram types, AI/Agent domain patterns, semantic shape vocabulary, arrow semantics encoding.

核心定位：为 AI 编码助手提供语义代码搜索能力的 MCP 插件，将整个代码库转化为可检索的语义向量库。

技术栈：TypeScript + Tree-sitter AST解析 + Milvus向量数据库 + MCP协议

关键洞察：

• AST分块比文本分块精准 60-80%，每个chunk=完整语义单元
• 混合检索 (BM25 + 向量 + RRF) 平衡精确与语义
• Merkle树增量索引，避免重复计算
• Token节省40%，同等检索质量下

与我们关系：可整合到agent-browser代码分析、参考用于知识库代码索引、提升Agent代码理解能力

核心定位：基于 GEP (Genome Evolution Protocol) 的协议约束型自进化引擎，将临时提示词调整转化为结构化、可审计的进化资产。

技术栈：Node.js + Git原生集成 + A2A协议 + JSONL审计 + 命令白名单安全

核心资产：Gene（可复用策略模板）+ Capsule（验证解决方案包）+ EvolutionEvent（完整审计日志）

关键洞察：

• Gene比Skill文档更有效：紧凑表示在性能和鲁棒性上显著优于Skill
• CritPt测试：Gene进化可将性能从9.1%提升到18.57%（+104%）
• 五层安全机制：命令白名单 + Shell阻塞 + 超时 + Git回滚 + 受保护文件
• 四策略预设：balanced/innovate/harden/repair-only 可控演化方向

与我们关系：Gene/Capsule模式可直接借鉴到OpenClaw记忆层，实现结构化经验存储；协议约束进化机制可用于SOP自动化演进