最近仍在更新的开源项目

面对 cleaner、premium 或 pop 等模糊反馈时，skill 逐题访谈并让真实组件在 keeper harness 中呈现不同方案，把接受与否、原因和最终数值一起记录。每个主题保留永久的当前与变体车道，并用索引追踪 settled、superseded、abandoned 或 wip 状态；骨架默认 Next.js 与 Tailwind。

这项 Claude Code Skill 会先选择个人资料、企业 Page、目标关系分析或个人与 Page 联动模式，再按相应流程审计并重写 headline、About、经历、技能或品牌介绍。它还可规划关系推进、内容方向、社交销售、广告、合规与 KPI；重点是优化主页资产和关系策略，不直接生成帖子或文章。

这项 Agent Skill 把自然语言问题映射到 countries.dev REST API，可查询国家资料、边界、城市与地点、邮政编码、IP 地理位置、时区和坐标距离。它不需要 API Key 或注册，适合 Claude Code 和其他读取 SKILL.md 的代理；项目提供端点、参数和返回结构参考。

AgentVerse 提供两类多智能体实验框架：让不同角色协作完成软件开发、咨询等任务，或搭建课堂、博弈等环境观察智能体行为。它支持 OpenAI、Azure OpenAI 和部分本地模型，偏向研究与示例用途；模拟代码正在重构，需要稳定版本时应使用 release-0.1 分支。

auto-support 部署在产品仓库的 .claude/ 中，只索引允许的公开文档来起草 Discord 用户答复，绝不读取源代码或秘密文件。权限拒绝、PreToolUse 钩子和出站 DLP 共同阻止泄露；超出范围或不确定的问题会拒答并转给创始人，MVP 只产生待发送草稿，不会自动发帖。

paper-figures 读取论文与原始数据，选择匹配研究问题的统计方法和图表，并按期刊预设导出矢量图、高清位图与三线表。它还会检查渲染结果并生成中文、英文或双语 Word 报告；所有图形来自实际计算，但提交前仍需作者核验统计方法与表述。

输入一个关键词，web-media-getter 会并行查询多个免费图片、视频或 GIF 来源，把结果合并成带来源和许可标签的列表。它可直接下载素材并生成 attribution.json 保存归属信息；五个来源无需密钥，Pexels、Pixabay、GIPHY 等附加来源需要各自的免费 API Key。

macos-screen-recorder 用 macOS 13+ 的 ScreenCaptureKit 从命令行录制主显示器，并把系统正在播放的声音直接封装进 H.264/AAC MP4，不需要虚拟声卡、驱动或 sudo。它是一个可编译的单文件 Swift 工具，按预设时长运行；目前不支持窗口或区域选择，首次使用需要屏幕录制权限。

lookdev 把一次性的视觉调整变成可操作的网页工作室：用户拖动滑块、取色器、裁剪和标记控件，浏览器即时重新渲染，最后把选定状态写回可复现的 JSON、设置、代码或 3D 元数据。它覆盖图像、颜色、排版、布局、动画和材质，也支持对文章、文案与媒体集做批注。重点是让人直接选择视觉结果，而不是在文字中猜参数。

当配色、间距、动效或镜头“看起来对不对”难以量化时，它会把多个带参数标签的变体合成一张图或一段序列，让视觉模型评分并提出下一轮数值。流程通常先粗调再细调，并用安全默认项校准；模型判断只是参考，涉及个人审美或品牌偏好时仍应由用户选择。

deterministic-design 先渲染真实界面，再用可复算的几何指标检查视觉重量中心与光学中心、间距、对齐和 8 点网格，并在截图上标出低对比度和小于 44 像素的触控目标。另一个独立的视觉评估环节按 Nielsen 启发式给出可用性问题和修复优先级。它适合作为其他设计技能的测量层，不替代审美判断。

这组技能先帮助确定产品语气、领域语言和视觉方向，再把颜色、字体、间距、加载、动效与布局落实为设计系统和前端代码。它还强调渲染后再审视界面、主动避开常见 AI 模板感，适用于页面、组件、仪表盘和落地页等 Web UI 任务。

production-audit 结合线上 URL、GitHub 信号和仓库结构，重点找出 Webhook 幂等、RLS、密钥暴露、限流、索引和移动端等高影响问题，并返回评分与优先关注项。它补充的是发布后的外部审计，而非编辑器内代码扫描；主要面向有公开仓库和在线地址的应用，并会调用 commit.show 服务。

MockHunter 使用 Claude Code 与 Playwright MCP 打开真实网页，遍历交互元素，并把每个可见值追踪到网络请求、API 或可选数据库，标记为真实、模拟、LLM 生成、硬编码、损坏或未知。它生成 Markdown 审计报告并默认避开删除、付款等破坏性操作；当前一次只审计一个页面，OAuth、魔法链接和双重验证通常需要先手动登录。

demand-mining 面向已发布产品，从 Discord 社区信号中提取显性和隐性需求，先去除 PII，再按跨日去重与作者强度形成需求池。它用 RICE、Opportunity、WSJF 和 Kano 等互补视角排序，输出每日 EOD 头脑风暴与优先级队列；搜索、验证和监听由协作组件负责，自己只维护节奏、评分与交付。

Markdownify 是基于 Electron 的简洁 Markdown 桌面编辑器，输入时即时显示 HTML 预览，并让编辑位置与预览同步滚动。它支持 GitHub 风格 Markdown、语法高亮、KaTeX、明暗主题、多光标、基础格式工具和 PDF 导出，也能驻留系统托盘；Windows、macOS 和 Linux 均可运行。

daily-hotspots 从多个来源收集商业机会候选，跨日去重、按可复现规则分类评分，再通过 Discord 分级推送并写入私有归档。它要求至少两个独立来源、以确定性门禁裁决候选，并把深度研究委托给 market-intel 或 small-cap-deepdive，每天限制深挖数量；这是机会雷达，不是研究引擎。

Copilot Brag Sheet 在每次 Copilot CLI 会话中记录修改文件、PR 和 Git 操作，并把它们保存为本地结构化数据，便于生成绩效回顾所需的影响陈述和工作日志。完整自动跟踪目前只在 Copilot CLI 中可用；Claude、Cursor 等 MCP 主机可调用保存、回顾和生成工具，但需要手动触发记录。