最近仍在更新的开源项目

brand-coherence-audit 会汇总品牌或个人在官网、社交资料、媒体和其他来源中的公开表述，提取定位、服务、专长与证明材料，再找出影响 AI 搜索引用的一致性问题。它输出分项评分、跨来源对照表、带原文引证的矛盾清单和按来源安排的修正计划；运行需要外部采集工具。

OCULUS Design System 将 OCULUS Optikgeräte GmbH 的企业视觉手册整理为 Claude 技能，覆盖 O-Blue 色板、Eurostile 与 Segoe UI 字体、Logo 留白与禁用方式、标记写法和应用页脚。它还提供 JSON/CSS tokens、Logo 与字体资源，可用于文档、演示、印刷品、网页和应用；使用须获品牌方授权，不能替代官方手册。

Council 会把同一份审查任务并行交给多个 AI 编码代理，再由宿主代理合并和去重发现，适合检查暂存的 Git 变更。它可混用 Claude Code、Codex、OpenCode 和 Cursor 后端，但至少需要安装并登录其中一个受支持的 CLI。

该 Claude Code 技能面向 Python、JavaScript/TypeScript 和 Go 项目，把指定版本升级、CVE 修复、Jira 工单或 Dependabot 告警转成一套可执行流程。它会分析直接与传递依赖、核对破坏性变更、在确认后修改代码并分层测试，最后可生成提交、PR 和 Jira 回写。

security-audit 帮助 Claude Code 针对自有项目或明确获准的目标选择源码审查、黑盒探测或组合流程，覆盖认证、注入、SSRF、文件处理、基础设施暴露和限流配置等常见风险。它还提供可复用的验证模板与漏洞披露流程，但定位是审计运行手册，不替代专业渗透测试，也不支持未经授权的目标。

vibe-prompt 通过访谈澄清应用目标、用户、功能、技术栈和成功标准，再生成四部分启动包：简短规格、计划模式首轮构建提示、按垂直切片排列的功能提示序列，以及可复制的工作清单。它强调先写规格、每次做一片并在真实应用中验证；计划模式流程主要针对 Claude Code。

把 Follow Builders 产出的文字摘要排成可在浏览器打开的报纸风格 HTML 日报，包含头条、速览、金句、Builder 卡片和播客专题，并可截图分享。它只负责整理与排版，必须和原版的数据抓取及摘要能力一起使用。

env-paper-writing 是面向环境科学与环境工程的 Claude 技能合集，覆盖分章节论文写作、英文摘要、图表标题、投稿信、审稿回复和数据可用性声明。它强调领域术语、LaTeX 命令和定量结果的规范表达，并要求对缺失信息留出占位，不替作者承担数据真实性与学术诚信责任。

watch-video 通过 yt-dlp 获取 YouTube、Vimeo、TikTok、X、Instagram 或本地视频，优先使用平台字幕，没有字幕时用本机 whisper.cpp 转录，再由 ffmpeg 按需抽取画面。代理会收到元数据、转录文本和画面索引，可在 fast、balanced、accurate 三种取舍间选择；全程不需要 API key 或第三方转录服务，但需要 yt-dlp、ffmpeg 和可选的本地模型，Claude Desktop 不在支持范围内。

jira-planner 会把自然语言问题整理为经过调研、估时和结构化描述的 Jira Cloud 工单，并在创建前让用户确认，写入后再核对字段。它通过 Atlassian MCP 执行读写，也可用 acli 加速读取；首次使用必须连接 MCP 并完成本地站点配置。

把中文演示稿交给 Deck Pipeline，可按“理解设计、逐页翻译、版式审计、交接”四个阶段生成英文成稿、最终 PPTX 和双语对照表。它也能跳过翻译，仅整理单语言演示稿的字体与布局；逐页确认机制便于中途修正术语和表达。

输入 PRD 或产品说明后，它会先判断产品更适合精简的承诺式测试，还是覆盖较广的功能网格，再生成按 P0、P1、P2 排序的端到端场景、被舍弃的候选和工具矩阵。场景同时要求界面与后端断言，并考虑多角色权限和跨角色流程，适合为 SaaS 或复杂产品建立回归测试计划。

offboarding-auditor 面向员工离职、转组或合同结束的场景，扫描作者集中度、隐性知识、账号绑定、进行中工作、依赖和测试，再按十个维度判断新接手者能否独立完成工作。它输出分级问题、可继承性分数和离职前修复清单，关注可交接性而不是代码风格。

对 MP4 视频中的角落水印、电视台台标、日期、麦克风或其他物体进行静态或跟踪修复，保持音频并支持文件夹批处理和断点跳过。项目在 macOS 上测试，需要 ffmpeg、Python 及一次性模型下载；覆盖画面过大或音频水印时不适用。

Magic Memory 是一个跨代理使用的概念学习教练，先校准学习者背景，再用类比、小例子和预测题建立直觉，要求学习者主动回答后才揭示答案。掌握的内容会通过 SM-2 规则转成间隔复习卡片，配套脚本用纯 Python 管理卡组与到期复习。

它在本地从讲座或培训视频提取关键帧，用 whisper.cpp 转写音频，再按时间把每张幻灯片与清理后的讲解对齐，生成可搜索、可引用的 Markdown 文档。既可用 Python CLI 分阶段或批量运行，也可由 Claude Code skill 驱动完整流程；需要 ffmpeg、whisper.cpp 与本地模型，长视频转写仍可能耗时数小时。

给出一个网站地址后，它会抓取品牌与产品信息，生成可浏览内容、AI 对话、实时语音、预约或对话式结账等界面，并可部署为 Next.js 站点。可通过 Claude Code、Codex 或独立 CLI 使用；完整体验依赖 Gemini、OpenAI，以及部署时的 Vercel 和 Cloudflare 配置。

SUPER 用来自真实机器学习与自然语言处理研究仓库的任务，评估 LLM 智能体是否能完成环境配置、代码执行和结果回答。数据集包含 Expert、Masked 与 AutoGen 三组任务，并附带运行和评估代码；本地模式会直接在机器上执行代码，官方也提供 Docker 与 Modal 方案以降低隔离风险并支持并发测试。