当下研究AI Agent，很多人都会陷入信息过载的困境，海量资料摆在眼前，很难梳理出清晰的起步方向。 Claude Code、Codex、Hermes Agent、MCP、Skills、RAG、Memory、Multi-Agent……层出不穷的新概念与新项目持续涌现。 分享一个实用开源项目 awesome-agentic-ai-zh，很值得收藏。 它整合240+ AI项目、77+ MCP与Skills资源、23套实操案例，形成一套完整的Agentic AI学习路线图。 整体规划两条学习主线： 偏向实操，日常运用各类Agent工具 → CLI实战使用者 希望深度自研，从零搭建智能体 → Agent开发者 整套路线循序渐进，覆盖LLM基础、提示词工程、工具调用，再拓展到RAG、记忆模块、MCP协议、多智能体体系、设备操控能力。 这份清单最大的优势，在于梳理好了循序渐进的学习次序，能够明确每个阶段的学习重点，不用漫无目的地搜集技术名词。 链接放在评论区。 正在深耕 Claude Code、Codex、AI Agent 的朋友，可以保存下来慢慢研究。 精简备选版本 当下研究AI Agent很容易被海量信息淹没，难以理清学习顺序。 Claude Code、Codex、MCP、RAG、多智能体等新技术持续更新，入门门槛无形中抬高。 开源项目 awesome-agentic-ai-zh 整理了一套完整学习地图。 汇总240+项目、大量MCP工具以及实战案例，区分工具使用者、自研开发者两条路线。 知识点由浅入深，规划好学习先后顺序，帮大家避开盲目搜集资料的问题。 研究AI Agent可以收藏 github.com/WenyuChiou/awesom…

现在学 AI Agent，最难的可能已经不是找不到资料，而是： 资料太多，根本不知道先学什么。 Claude Code、Codex、MCP、Skills、RAG、Memory、Multi-Agent、Computer Use…… 每天都有新概念、新框架、新项目冒出来。 最近发现一个很值得收藏的开源项目： awesome-agentic-ai-zh 这是台湾开发者 WenyuChiou 整理的一套 AI Agent 学习地图。 它不是简单把 GitHub 项目堆在一起，而是把整个 Agentic AI 学习过程拆成了一条比较清晰的路线。 目前已经整理了： 240+ 个精选 AI 项目 76 个 MCP / Skills 23 个动手练习 8 个学习阶段 2 条核心学习路线 繁体中文 / 简体中文 / English 三个完整版本 最重要的是，它把学习 AI Agent 的人直接分成了两条路线。 路线 A：CLI Power User 适合： 不一定想自己开发 Agent，只想把 Claude Code、Codex、OpenCode、Gemini CLI 这些 Agent 工具真正用好的人。 重点学习工作流、MCP、Skills、Subagent，以及怎么把 CLI Agent 真正放进自己的日常工作。 路线 B：Agent Builder 适合： 想真正理解 Agent 原理，甚至自己开发 Agent 的人。 从 Tool Use 开始，一路学习 Agent Framework、Memory、RAG、Multi-Agent，最后到 Computer Use、Browser Use、Code Sandbox。 整套路线大概是： Python / Git / API ↓ LLM 基础 ↓ Prompt Engineering ↓ Tool Use ↓ Agent Framework ↓ Claude Code + MCP + Skills ↓ Memory / RAG ↓ Multi-Agent ↓ Computer Use / Browser Use / Sandbox 我觉得这个项目真正有价值的地方，不是又告诉你： AI Agent 还有哪些东西可以学。 而是帮你解决一个更现实的问题： 我现在到底应该学什么？下一步又应该学什么？ 如果你最近正在折腾 Claude Code、Codex、MCP、Skills 或 AI Agent，这份路线图很值得收藏。 尤其是刚开始接触 Agent、面对一堆新名词不知道从哪里下手的人，可以直接照着路线往下学。 项目目前已经有约 5.4K GitHub Stars，MIT 开源。 github.com/WenyuChiou/awesom…

谷歌大佬Antonio Gulli把智能体写成了书，21章+7个附录，开源放GitHub。 提示词链、路由、反思打底，多智能体、记忆管理、RAG、护栏安全全覆盖，每章配能跑的Jupyter代码，不玩虚的。 最服的是版税全捐Save the Children。 想入门Agent不知道从哪开始的，别光收藏，clone下来一章一章跑。 🔗 github.com/evoiz/Agentic-Des…

📘 把整本英文书翻译成中英对照的 EPUB，读原著不用再查词 GitHub 上 9.4K stars 想读英文原著，卡点从来不是看不懂单个句子，而是每遇到一个生词就要跳出来查，读三页断五次，节奏全碎了。 这个工具直接产出双语书：EPUB 进去，出来是原文和译文对照的 EPUB，看不懂的地方眼睛往下瞟一行就行。TXT、Markdown、SRT 也能翻，字幕文件同样能出双语版。 翻译后端给的选择非常多：OpenAI、Claude、Gemini、Qwen、DeepL、Google 翻译、腾讯交互翻译、xAI、Groq、Ollama，也能配自定义的兼容接口。长书翻译有几个实用设计：EPUB 章节并行处理，中断了能恢复，还能自定义提示词让翻译风格更贴你的口味。 读原著这件事，门槛一直是耐心而不是词汇量。 GitHub：github.com/yihong0618/biling…

推荐一个牛逼的网址，中国所有小、初、高、大学的教材的 PDF 版本都有 github.com/TapXWorld/ChinaTe…

说实话，我一开始压根没觉得这玩意儿能比通用AI强到哪去，直到把手里那堆论文和笔记全喂进去之后——好家伙，我是真服了。港大搞的这个DeepTutor，GitHub都快冲到3万星了，确实有点东西。 它跟我用过的那些一问一答机器人完全不是一回事。你只管把教材、论文、笔记全丢进去，它就老老实实照着你的资料来： 1️⃣ 解题的时候把推理链条给你掰开揉碎了讲，一步步清清楚楚 2️⃣ 自动出题还带批改，完了再给你生成针对性的练习 3️⃣ 碰上复杂主题直接帮你调研，最后整理成结构化的报告 4️⃣ 抽象概念一键转成图表、动画、互动内容 5️⃣ 全程记着你的进度和薄弱环节，动态调整学习路线 支持各种RAG引擎、本地模型、Skills和长期记忆，Docker一键自托管，Apache 2.0开源。怎么说呢，比你干巴巴地问通用AI靠谱多了，人家是真能摸清你学到哪了。 🔗 github.com/HKUDS/DeepTutor

Self Improving AI (SIA) beats Karpathy's autoresearcher agent by improving itself! SIA is a Self Improving AI framework to autonomously improve the performance of any AI system (Model / Agent) on a benchmark task. Most agent frameworks are static. Fixed harness, fixed model weights, fixed memory layer. They plan, act, and use tools. SIA operates on a different layer entirely. SIA focuses on one problem: how do you design structured feedback loops that allow an agent to evaluate its own performance, adapt its strategy, and get better over time? After every run, SIA evaluates itself and improves three things. It updates its own harness. Updates the weights of its underlying model. Updates its own memory layer to handle new complexities. The agent rewrites itself based on what it learned. On MLE-Bench, OpenAI's benchmark for evaluating an agent's ability to train ML models, SIA climbed to the top of the leaderboard. Beat every specialized ML research agent including MLEvolve and AIRA-dojo. Then kept improving and displaced its own previous versions on the leaderboard. I've shared the link to the paper and the repo in the replies!

How to master Claude Code 🚀 Learn: • MCP connections • Multi-agent workflows • memory • Prompt engineering • Automation systems • Essential slash commands Claude Code isn’t just a chatbot. It’s an AI operating system for builders.

I've been using state-of-the-art models to teach small models running on my computer how I work. The result : a personal agent that runs my inbox, my deal pipeline, my blog, my calendar, & my research. 🧵

🚨 I made 50 elite Claude Code prompts that replace hours of coding These aren't basic prompts These are production-level workflows Debug faster Refactor smarter Ship in minutes instead of days I'm giving this away to only first 4500 How to get it: 1. Follow me 2. Like + Retweet 3. Comment "CLAUDE" I'll DM If you're using Claude Code, this will save you insane time.

This Claude Code project setup guide literally makes Claude Code 10x better🤯

🚨BREAKING: A developer on GitHub just built a complete operating system for AI coding agents and it has 40.9K stars on GitHub. It's called Superpowers, and it fixes everything broken about how Claude Code and Codex actually write software. Right now, most people fire up their coding agent and just… let it go. The agent guesses what you want, writes code before understanding the problem, skips tests, and produces spaghetti you have to babysit. Superpowers fixes all of that. Here's what happens when you install it: → Before writing a single line, the agent stops and brainstorms with you. It asks what you're actually trying to build, refines the spec through questions, and shows it to you in chunks short enough to read. → Once you approve the design, it creates an implementation plan detailed enough that "an enthusiastic junior engineer with poor taste and no judgement" could follow it. → Then it launches subagent-driven development. Fresh subagents per task. Two-stage code review after each one (spec compliance, then code quality). The agent can run autonomously for hours without deviating from your plan. → It enforces true test-driven development. Write failing test → watch it fail → write minimal code → watch it pass → commit. It literally deletes code written before tests. → When tasks are done, it verifies everything, presents options (merge, PR, keep, discard), and cleans up. The philosophy is brutal: systematic over ad-hoc. Evidence over claims. Complexity reduction. Verify before declaring success. Works with Claude Code (plugin install), Codex, and OpenCode. This isn't a prompt template. It's an entire operating system for how AI agents should build software. 100% Opensource. MIT License.

80+ AI tools to finish months of work in minutes. 1. Research - ChatGPT - Copilot - Gemini - Abacus - Perplexity 2. Image - Fotor - Dalle 3 - Stability AI - Midjourney - Microsoft Designer 3. CopyWriting - Rytr - Copy AI - Writesonic - Adcreative AI 4. Writing - Jasper - HIX AI - Jenny AI - Textblaze - Quillbot 5. Website - 10Web - Durable - Framer - Style AI 6. Video - Klap - Opus - Eightify - InVideo - HeyGen - Runway - ImgCreator AI - Morphstudio .xyz 7. Meeting - Tldv - Otter - Noty AI - Fireflies 8. SEO - VidIQ - Seona AI - BlogSEO - Keywrds ai 9. Chatbot - Droxy - Chatbase - Mutual info - Chatsimple 10. Presentation - Decktopus - Slides AI - Gamma AI - Designs AI - Beautiful AI 11. Automation - Make - Zapier - Xembly - Bardeen 12. Prompts - FlowGPT - Alicent AI - PromptBox - Promptbase - Snack Prompt 13. UI/UX - Figma - Uizard - UiMagic - Photoshop 14. Design - Canva - Flair AI - Designify - Clipdrop - Autodraw - Magician design 15. Logo Generator - Looka - Designs AI - Brandmark - Stockimg AI - Namecheap 16. Audio - Lovo ai - Eleven labs - Songburst AI - Adobe Podcast 17. Productivity - Merlin - Tinywow - Notion AI - Adobe Sensei - Personal AI 18. Social media management - Tapilo - Typefully - Hypefury - TweetHunter Follow me for more.

ChatGPT Prompts that turn hours of work into seconds — just copy, paste, and watch the magic happen.

大多数人还在把 Claude Code 当聊天工具用。 但真正会用的人， 已经把它当工程工具在跑了。 GitHub 上有个仓库， 整理了 45 条实战技巧。 🔗 github.com/ykdojo/claude-cod…

This is literally the most important prompt in vibe coding.