最近仍在更新的开源项目

Socratic Mirror 先用两个来自不同领域的寓言让学习者找出共同机制，再依次完成预测、揭示、理解、误区、类比、主动回忆和迁移七个阶段。每道选择题在第一次作答后锁定并即时解释，进度保存在浏览器；输出是无需依赖、可离线打开的单个 HTML 文件，不支持自由文本回答。

在 macOS 上读取本地 Claude Code 的 CLI 和 VS Code 会话记录，为桌面应用生成指向原始转录的会话指针，并将副本归档。它先 dry-run、提示仍在运行的会话，支持幂等重跑和 `--undo`；需要 Claude Desktop 至少以 Code 模式打开过一次，重启应用后才会显示。

fumeng 将 gpt-image-2 生成的视觉锚点、MCP 获取的真实组件与素材，以及一套前端设计方法结合起来，用于探索方向、从样稿落地代码或审查现有页面。它支持 Claude Code、Cursor 和 Windsurf；探索模式需要 gpt-image-2，完整实现与审查流程还会依赖相应的 MCP 工具。

LinkedIn Outreach Skill 读取 LinkedIn 个人资料截图，并结合单一业务配置生成个性化外联草稿。它按角色、活跃度和购买信号评估潜在客户，提供不直接推销的首条私信、后续节奏、价值评论和回复建议，并用语气检查器拦截生硬或过度销售化表达。它主要面向现有一度联系人和低量人工外联，不是群发自动化工具。

这套技能为 Claude Code 提供覆盖 250 多个 R 包的任务知识，适合数据整理、可视化、机器学习、统计、生物信息、空间分析、Web 应用和包开发。安装后可以直接用自然语言提出分析或编码需求；使用环境需要 R 4.0 以上和 Claude Code。

先为目标情绪整理词汇、身体感受、行动倾向、文化语境和视觉表达，再从画像生成文案或设计，区分相近情绪并列出应避免的陈词滥调。项目提供五种示例画像和盲测记录；现有验证由独立模型评判，时代/世代层资料目前仅对舒适感完整，其余四种仍为初步版本。

金字塔原理 Claude Skill 是写作与表达教练，会先把报告、邮件、方案或演示文稿整理成结论先行、分组清晰、层次递进的结构，再进入措辞。它结合 SCQA、MECE、问题界定和逻辑树，并能诊断空泛结论、隐藏结论或不当分组，适合需要先理清思路的写作者。

把文件、差异、PR 或仓库交给 Codex 或 Claude 后，它会按严重度整理攻击面与漏洞发现，并附上 CWE、OWASP 分类、文件行号、假设条件和同语言补丁。报告可输出为 Markdown、SARIF、Issue 或 JIRA 内容；该技能仅做防御性审查，不生成武器化利用代码，也不能替代正式渗透测试。

在 Claude Code 中按 MCP 工具能力进行 SRE 调查，先识别可用的查询接口，再收集有时间范围的只读证据，并把观测结果与推断分开记录。默认禁止写入、部署、重启、迁移和故障切换；缺失数据只标记为未观测，不当作不存在。

提供截图、草图或文字描述后，Mockup Builder 会生成可在浏览器运行的单文件 HTML 线框稿，并统一使用预设设计令牌、组件类和图标。内置 lint 会拦截硬编码颜色、Emoji 图标和随意新增的组件样式，适合快速确认页面结构与信息层级；它定位于低保真原型，不替代 Figma 中的视觉精修。

在 AI 开始设计或写代码前，它会检查目标、页面结构、品牌规则、优先级和不可修改范围，并用少量问题消除关键歧义。确认后生成只读的 DESIGN_BRIEF.md，以及面向 Claude Code、Cursor 或 Codex 的执行约束文件，还可在阶段节点暂停等待人工批准，减少返工和越界修改。

输入想分享的商品、探店经历或个人体验，它会按小红书语感整理标题、短段落、表情节奏和分层标签，并注意敏感词表达。适合博主、品牌电商和好物分享者，把说明书式素材改成更像平台原生内容的成稿。

输入一两个已经信任的 X 账号和主题，工具会分析它们持续转发、引用、回复或提及的账号，按多个种子共同指向的程度排序，再带你检查候选人的可核验过往判断。它只生成候选列表，不替你关注或宣称谁一定可信；需要免费的 X API key。

Git & GitHub Workflow Skill 用一套与语言无关的规则约束版本控制：先做预检，每个提交只包含一个逻辑变化，每项工作使用独立分支，避免对共享历史强推，并在 PR 和 main 上要求 lint、类型检查、测试和构建。它还附带 CI、发布、PR 模板和 CODEOWNERS；对小型临时项目可能偏严格。

通过 NHL 的公开 JSON 接口回答球员和守门员统计、排名、比分、赛程、阵容、季后赛及国家或球队筛选问题，并记录可查询的过滤写法和字段差异。无需 API key 或付费服务，但这些接口并非官方文档化产品，字段和行为可能随 NHL 调整。

在开始编码前先读取代码库，找出会改变实现路径的真实分歧，并通过带推荐项和明确取舍的结构化选择题逐一确认。它会合并相关问题，直到未知项只剩低风险内容，再输出具体、分阶段的实施计划；已确定方案或纯调试任务不适合使用。

InvestEye 以一问一答方式带创始人走过 20 个投资人检查点，覆盖问题、团队、市场、分发、商业模式、执行和人脉等主题；每题先给建议，再用投资人的怀疑角度检验回答。结束后生成按阶段调整的 Investor Readiness Dossier，包含分数、优势、关键缺口和每周行动计划。

这个 Python CLI 覆盖 Linode API 的常用命令和通用网关，把请求分为读取、变更、破坏性、计费、财务和权限六级，并要求相应的显式确认参数。令牌优先存入系统密钥链，AI 只接触命令结果，所有变更写入本地审计日志；项目仍处于 alpha 阶段，连接生产账户前应先使用 dry-run 并检查代码。