KeyFrame內部研究專用

9 Free AI Skills That Feel Like Cheat Codes

Matt Wolfe·6月24日週三·29 min英文

三句話摘要

介紹Claude Code、Codex等AI編程工具中的免費skills與plugins,展示它們如何擴展編碼助手的能力以完成設計、審查、測試與動畫生成等工作。 透過skills與plugins系統,AI編程工具從單純的程式碼生成器進化為可模擬完整產品團隊、執行設計美學、進行實時研究的多功能工作台,關鍵在於使用者無需構建複雜工具鏈,只需簡單安裝預調優化的指令集合即可大幅擴展能力。 Skills與plugins的核心價值在於提供可重複的行為模式,讓同一個指令每次調用都能一致執行,而不是讓模型每次都重新推理。知識圖譜類skills(Graphify、Understand Anything)透過建立結構化的記憶層,讓代理不必重複查詢整個代碼庫,而是可以對圖結構進行查詢,大幅降低token成本與延遲。設計與動畫skills展示了AI可以透過結構化提示完成美學工作,生成可用於實際影片的動畫資產,雖然品質不如專業工具但足以滿足基本需求。

重點整理

重點
  • 1

    Skills與plugins的核心價值在於提供可重複的行為模式,讓同一個指令每次調用都能一致執行,而不是讓模型每次都重新推理。知識圖譜類skills(Graphify、Understand Anything)透過建立結構化的記憶層,讓代理不必重複查詢整個代碼庫,而是可以對圖結構進行查詢,大幅降低token成本與延遲。設計與動畫skills展示了AI可以透過結構化提示完成美學工作,生成可用於實際影片的動畫資產,雖然品質不如專業工具但足以滿足基本需求。

實用技巧與重點

乾貨
  • G-Stack
  • 23個specialist角色、8個powered工具
  • 四個核心skills:office hours(壓力測試想法)、plan CEO review、review、QA
  • GitHub: github.com/gary-tan/G-Stack
  • Graphify
  • 建立程式碼與文件的可視化知識圖譜(類似Obsidian graph)
  • 支援圖查詢,提示「找出主要主題」會查graph.merged.json而非原始檔案
  • 可用於第二大腦、代碼庫關係映射
  • Understand Anything
  • 生成互動式流程圖,展示API路由→服務→公開UI的架構層級
  • 支援遞進式點擊深入探索各子系統關係
  • Last 30 Days
  • 搜尋來源:Reddit、X、YouTube、Hacker News、GitHub、Poly Market
  • 生成shareable HTML報告
  • 範例輸出:21個Reddit threads、20個YouTube影片、27個Hacker News故事
  • Frontend Design(Anthropic官方)
  • skills.sh網站排名第二的全時間最受歡迎skill
  • 改善前端美學與顏色配置
  • Taste(Leon XL)
  • GitHub stars: ~50,000
  • 為前端設計增加「品味」、避免生成乏味通用設計
  • Remotion
  • 從單一提示生成MP4動畫(11秒iPhone文字對話、logo爆炸動畫)
  • 支援圖表動畫、粒子效果
  • Hyperframes(Hey Gen)
  • 類似remotion但效果通常更佳
  • 測試結果:股票圖表動畫、logo reveal動畫品質更高
  • 安裝方式
  • Claude Code/Codex:於聊天框輸入「install [GitHub URL]」
  • Codex marketplace:某些skill可直接點「add」按鈕
  • 所有skills跨工具相容:Claude Code、Codex、Cursor、Hermes、VS Code、GitHub Copilot、OpenClaw等

結論

結論

透過skills與plugins系統,AI編程工具從單純的程式碼生成器進化為可模擬完整產品團隊、執行設計美學、進行實時研究的多功能工作台,關鍵在於使用者無需構建複雜工具鏈,只需簡單安裝預調優化的指令集合即可大幅擴展能力。

完整解析

詳細

在AI編程工具的生態中,skills與plugins的出現創造了一套可擴展的行為系統。Skills本質上是精心調校的提示指令集合,可以確保每次呼叫都產生一致結果;plugins則進一步將skills、agents、MCP伺服器等打包成完整套件,讓使用者一次安裝整個工作流生態。安裝過程相當簡單——在Claude Code或Codex的聊天框中只需貼上GitHub URL並要求安裝,系統即會自動配置。

Gary Tan的G-Stack展示了模擬專業團隊的可能性。這套系統包含23個不同角色,從產品CEO進行重新思考、架構師鎖定設計、設計師把關AI生成品質、到安全官進行OWASP審計、QA測試真實瀏覽器行為。使用者可以透過簡單的slash命令(如`/g-stack office hours`)來壓力測試產品想法,系統會自動進行深度對話,在約20分鐘內完成想法驗證並產生markdown簡報。

知識圖譜類skills(Graphify與Understand Anything)則解決了AI編程在大規模代碼庫中的效率問題。Graphify將第二大腦或代碼庫轉化為可視化圖譜,並建立記憶層讓代理查詢圖結構而非逐個檔案搜尋。在測試中,它成功識別出第二大腦中的隱藏影片想法——「AI不會取代創作者,而是揭露其判斷力」等基於跨領域連接的洞察。Understand Anything則更專注於人類可讀的架構理解,為新員工提供互動式代碼導覽,顯示API、服務、資料模型如何層級流向公開UI。

Last 30 Days技能則實現了即時輿情聚合。給定主題(如Claude Fable),它會跨Reddit、YouTube、Hacker News等平台爬取最新討論,自動合成「人們興奮的點、困惑的點、推測的發展」等洞察,並匯出shareable HTML報告,內含所有來源引用。這避免了手動搜尋每個平台的繁瑣工作。

設計與動畫skills則展現了AI在創意工作中的實踐。前端設計skill(Anthropic官方、skills.sh全時間排名第二)可為網站增加顏色、漸變等美學層次;Taste skill則強調設計「品味」,避免通用乏味設計。在future tools網站重設計測試中,使用單個或雙重設計skills產生的視覺差異明顯,讓使用者可比較選擇。Remotion與Hyperframes則將動畫編程民主化——單一提示即可生成iPhone對話動畫、logo粒子爆炸、股票圖表增長動畫等MP4檔案,品質足以用於YouTube影片製作,雖不如專業After Effects但足以滿足快速迭代需求。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。