-
Building-ai-agent-on-cloudflare：一站式代码生成器，从零到部署只要一条命令
大多数教你"在边缘部署 AI Agent"的文章，读完之后的感受是差不多的：概念都对，但代码得你自己写。Durable Objects 怎么配、WebSocket 路由怎么接、状态同步怎么处理，全是你的活。 Cloudflare 这个 building-ai-agent-on-cloudflare Skill 做的事情，就是把上面这些胶水代码替你写完。 它不是一个 AI Age…- 4
-
AI Elements：Vercel 把 AI 聊天界面做成了可拆装的积木
每次做 AI 应用，聊天界面都得重新写一遍： 消息气泡 推理展示 代码高亮 附件上传 这些组件单独拿出来都不复杂，但凑在一起就够你消耗一个迭代。更麻烦的是，大多数聊天 UI 库是黑盒，npm install 完毕就看不到源码了，想改个圆角都要翻文档找 props。 Vercel 显然也受够了这种循环。他们推出的 AI Elements，严格来说不是一个组件库，而是一个组件派发系统。它基于 shad…- 1.2k
-
reverse-skill：一个让 AI Agent 学会逆向工程的路由操作系统
安全研究员面对一个 APK，要让 AI 帮忙分析。他输入“帮我逆向这个包”，AI 回了一句“请先安装 jadx 或 apktool”。 这场景比你以为的更常见。AI Agent 面对二进制文件时，就像一个只有课本知识的新手，不知道该用 IDA 还是 Ghidra，不知道 Frida 脚本怎么写，甚至不知道这些工具在哪台机器上。不是 AI 不够聪明，是它缺一套“知道什么时候该干什么”的路由系统。 r…- 1k
-
changeset-validation：OpenAI 把 PR 的版本审核外包给了 AI
你给 openai-agents-js 提了一个 PR，改了 packages/core 里几个函数签名。CI 全绿，你点了合并。五分钟后 release manager 在下面留言：“changeset bump level 不对，这个改的是 public API，应该 minor 不是 patch。” 这种对话在 monorepo 维护中每天都在发生。判断 bump level 本身不难，但当…- 1.1k
-
PyTorch 构建 building 深度拆解：从环境准备到跨端编译
如果你试过从源码构建 ExecuTorch，应该对那种"卡在环境配置就花了半小时"的感觉不陌生。每一步都可能踩坑： conda 环境死活激活不了 cmake 版本不对，报错信息还看不出原因 submodule 没同步完整，第三方依赖的 CMakeLists.txt 找不到 交叉编译参数漏了一个，链接时符号全丢了 官方文档写得再详细，实际操作时总会有一些路径问题、权限错误、版本冲…- 970
-
Cloudflare ：官方把整个开发者平台打包成了一个 Skill
说实话，第一次在 Smithery 上看到 Cloudflare 这个 Skill 的时候，我的第一反应是"这不就是个文档索引吗"。它声称覆盖的产品线光是列出来就够让人窒息的： 计算：Workers、Pages 存储：KV、D1、R2 AI：Workers AI、Vectorize、Agents SDK 网络：Tunnel、Spectrum 安全：WAF、DDoS IaC：Te…- 1.2k
-
Profile：PyTorch 边缘部署的性能瓶颈排查指南
模型跑通了，推理结果也对，就是慢得离谱。你打开各种 profiling 工具，日志里一堆时间戳，但每个算子到底吃了多少毫秒，瓶颈卡在模型哪一层，根本看不出来。换个场景重跑一遍，时间分布又变了，连复现都困难。 这不是个别问题。ExecuTorch 作为 PyTorch 的边缘端推理方案，性能分析一直是开发者最头疼的环节。官方文档确实有一套完整的开发者工具链，但配置步骤多、概念门槛高，很多人翻了半天文…- 1k
-
agent-development：Claude Code Plugin 的 Agent 开发标准答案
写 Agent 这件事，说起来门槛不高，但真正写出一个靠谱的，比想象中难得多。 大多数人的第一版 Agent 都是一个套路：把需求写进 system prompt，给几个工具，然后指望它能自己搞定。结果往往是它要么过于保守什么都不干，要么过于激进一顿操作全错。你反复调 prompt、换模型、加约束，效果还是不理想。问题不在于你不够努力，而在于你从一开始就没按正确的结构来搭。 Anthropic 在…- 1.2k
-
openai-knowledge ：把文档拉进上下文的极简设计
用 AI 写代码最让人恼火的，不是它写不出来。是它写出来了，参数全是错的。函数名是对的，思路是对的，连错误处理都像模像样，然后一跑就挂。因为 max_tokens 写成了 max_token，temperature 的有效范围写成了 0-2 而不是文档里明确的 0-1。 这种“看起来都对、跑起来全错”的体验，在调用 OpenAI API 的时候尤其严重。模型更新快，文档跟着变，等你学完上一个版本的…- 1k
-
Vercel AI SDK Smithery Skill：一个教你不信自己记忆的 AI 开发 Skill
写 AI SDK 代码最让人崩溃的是什么？API 变了。你照着三个月前的教程敲完，跑不起来。你让 AI 帮你写，AI 用训练数据里旧版本的 API 给你生成一段看起来正确的代码，编译报错，改了两轮还是不对。Vercel AI SDK 月下载量突破两千万，从 v4 到 v6，几乎每个大版本都在改 API 签名，社区教程根本追不上版本号。 Smithery 上有个叫 ai-sdk 的 Skill，由 …- 1.2k
-
develop-ai-functions-example：Vercel AI SDK 的示例工厂
Vercel AI SDK 的 npm 周下载量已经跑到三百多万次了。支持 20 多个模型提供商，13 种核心函数，从 generateText 到 rerank、从 transcribe 到 ToolLoopAgent。但如果你是那个负责维护这些示例代码的人，场面就没那么好看了。 每接入一个新 provider，你要给 10 多个函数写示例。每加一个新 feature，你至少要覆盖一个 prov…- 9.6k
-
OpenAI Speech Skill：把语音生成从“一次性调用”变成“可复现工程”
你可能已经习惯了 TTS 的套路：调一个 API，传一段文本，选一个声音，拿回一个 MP3。这件事本身没什么新鲜的，ElevenLabs 两年前就做到了。但 OpenAI 这个 Speech Skill 做的事情不太一样，它不是在“生成声音”，而是在“把声音生成变成一个可复现的工程任务”。 我第一次翻它的 SKILL.md 时，印象最深的是这句话：“Prefer the bundled CLI f…- 1k
-
Copilot SDK：不用自己写 Agent 编排层是什么体验
写代码的时候按 Tab 补全，这是大多数人对 GitHub Copilot 的全部印象。一个嵌在 IDE 里的自动补全工具，好用，但也仅限于此。很多人可能从来没想过，这套补全背后的 Agent 引擎能不能单独拿出来用。 但 GitHub 最近放出了一个技术预览版的东西，完全改变了这个认知。Copilot SDK，一个允许开发者在任何应用程序中编程调用 Copilot Agent 引擎的开发包，四个…- 1k
-
WorkIQ Copilot：根治开发者的上下文切换焦虑
你正在 IDE 里写代码，突然想起来上周的会议讨论过一个认证方案，但具体细节记不清了。切到 Outlook 搜邮件，翻 Teams 聊天记录，再打开 SharePoint 找文档。来回切了四个窗口，十分钟过去了，代码一行没写。这种场景估计每个在企业环境里写代码的人都经历过。 WorkIQ Copilot 这个 Skill 想解决的，恰好就是这个问题。它让 GitHub Copilot CLI 能直…- 1.2k
-
MCP Builder 拆解：Anthropic 亲手给 MCP Server 开发上的第一课
如果你写过 MCP Server，你一定遇到过这种情况。Claude 跟你聊得好好的，你说"帮我写一个 GitHub MCP Server"，它咔咔输出一段 TypeScript。看着挺像那么回事，schema 也有，tool 也注册了。然后你拿去跑 validator，红了。 不是 Claude 不懂 MCP 规范。正相反，它对规范文档的熟悉程度可能超过大多数人类开发者。问题…- 1.2k
-
agentic-eval 的评估迭代模式，Agent 输出的最后一道防线
你用 Agent 写了一晚上代码，功能跑通了，逻辑看起来也没毛病。但你盯着那几百行代码的时候，心里其实有点没底：变量名取得到位吗？边界条件全处理了吗？是不是藏着一个只有半夜上线才会炸的 bug？ 这件事的底层焦虑其实不是 Agent 不行，是你没法验证它到底行不行。大多数人会把 Agent 的输出扫一眼就过，或者最多让 LLM 再"看一下有没有问题"。坦白讲，这种级别的检查约等…- 1k
-
account-research：从网页搜索到 CRM 数据，两分钟拿到完整客户画像
做过 B2B 销售的都知道，见客户前最让人焦虑的不是谈什么，是查资料。打开搜索引擎，要做的事一大串： 翻官网看公司介绍 搜最近有没有融资新闻 查 LinkedIn 找关键人的背景 翻财报估算经营状况 半小时过去了，脑子里还是一堆碎片信息。更头疼的是，做完这些你还是不确定自己到底漏了什么。 这类重复性的信息收集工作，AI 能不能接手？这是我第一次在 Smithery 上看到 account-rese…- 1.1k
-
roadmap-management：把 RICE/MoSCoW/ICE 全塞进一个对话里
产品路线图这件事，说起来都知道重要，做起来没几个人觉得自己真的做得好。 我自己做过不少版本。最早是一个 Notion 表格，列了功能、优先级、预计时间，看起来很整齐。后来换成 Miro 白板，贴了一堆便利贴，花了两个小时做出来，两周后没人看。再后来跟着季度 OKR 走，每次规划会前焦虑到凌晨，因为你知道排出来的东西大概率三个月后会变。 说真的，路线图的问题从来不在工具上。哪个都能画出一张漂亮的图：…- 960
-
stripe-best-practices：解决 Stripe 生态最脏的问题
Stripe 的 API 生态有一个很反直觉的问题：文档越好，坑越多。官方文档里同时存在 Charges API、PaymentIntents API、Checkout Sessions 三种支付方式，新人根本分不清该用哪个。更麻烦的是，AI 编程助手也分不清。你让 Cursor 写一段 Stripe 支付代码，它有相当比例的概率给你生成基于 Charges API 的实现，那个在 2017 年就…- 1.2k
-
contract-review：一个 Playbook 驱动的 AI 法务助理
你见过法务团队审合同的场面吗？不是大家围坐讨论条款，是一个人对着屏幕，把 PDF 从头翻到尾，再从尾翻到头。一份 50 页的 SaaS 协议，逐条比对公司的谈判手册，标记偏差、起草修订建议、评估风险等级。这一套走下来，短则半天，长则三天。 合同审查的痛不是工作量大，是重复性劳动高到荒谬。同一类条款的同一类问题，在不同合同里出现 20 次，就要手动标注 20 次。任何一个做过合同审查的法务都会告诉你…- 1k
-
OpenAI 把工程师的经验写进了仓库：docs-sync 是怎么让文档和代码不再脱节的
你有没有遇到过这种情况：翻遍官方文档，照着配置写好了代码，跑起来就是报错。排查了半小时才发现，文档里写的参数名早就不用了，代码里已经换成了新的。你气的不是代码写错了，是文档骗了你。 这件事不只你遇到过。OpenAI 的 Agents SDK 团队也在头疼。两个仓库、几千个 API 接口、每周几十个 PR，文档跟不上代码的节奏是常态。修 bug 时顺手改了个参数名，谁会记得去同步文档？这种“文档漂移…- 1.2k
-
microsoft-docs：让 AI Agent 自己读懂微软技术文档的 Skill
你有没有过这种体验：在 Cursor 里写 Azure 函数，切到浏览器翻文档，复制粘贴参数名，再切回来继续写，反复七八次之后开始怀疑人生。不是你不会，是上下文切换的成本被严重低估了。 microsoft-docs 这个 Smithery Skill 要解决的就是这件事。它本质上是一套让 AI Agent 直接查询微软官方文档的"管道系统"，不依赖你的搜索引擎技巧，也不依赖你记…- 1k
-
Anthropic 的 Theme Factory 是怎么把“视觉一致性”做成一条指令的
说实话，第一眼看到 theme-factory 这个 Skill 的时候，我差点直接翻过去了。一个给幻灯片和文档上色的工具包，十个预设主题，听起来像是某个设计师业余练手的 side project。但看到作者是 Anthropic 官方，而且在 Smithery 上挂了 6.6 万浏览、Skillstore 给了 81 分银牌认证，我决定仔细看看它到底聪明在哪。 翻完它的 SKILL.md 和十个…- 912
-
mcp-integration：Anthropic 把这个流程做成了一个 Skill
写过 Claude Code 插件的人大概率经历过同一件事：你花了两小时写好了插件的核心逻辑，然后发现卡在了“怎么让插件调用外部 API”这一步。不是代码写不出来，是不知道该把 MCP 配置塞到哪个文件里、该用哪种 server type、token 往哪放才不会泄露。 Anthropic 显然注意到了这个问题。他们在 Smithery 上发布的 mcp-integration Skill，做的事…- 929