收藏值得一試的 AI agent 外掛——skill、plugin、MCP server 都收（Claude Code / Codex / 其他平台）。
⚠️ 這頁收的是外部現成工具（不是我從書裡萃取的心法）。每張卡記「做什麼、裝哪、怎麼用、我試了沒」；我自己跑的對照實測結論在 AI 技能評比，這裡只放一句話 + 連結，不重抄。
圖例 型態：skill plugin MCP 狀態：⬜ 待試・✅ 已在用・📊 已跑實測
（★ 為查看當時概數，非即時。）
📇 快速索引
| Skill | 型態 | 平台 | 一句話 | 來源 | 狀態 |
|---|---|---|---|---|---|
| gc-minimal-zine-poster | skill | Codex | 主題／照片 → 極簡 zine 風海報，直接生圖 | repo↗ | ⬜ |
| editorial-vision-studio | skill | Codex | 視覺導演引擎：決策管線＋可換模型 adapter | repo↗ | ⬜ |
| MiniMax-H3 skills | skill | npx skills | H3 全模態影音模型附的九個 prompt／影片生成 skill | repo↗ | ⬜ |
| i-have-adhd | plugin | Claude・Codex | 逼 agent 答案先講、不鋪陳客套 | repo↗ | ⬜ 📊 |
| ponytail | plugin | 多平台 | 寫碼前爬「該不該寫」階梯，砍過度設計 | repo↗ | ⬜ 📊 |
| codegraph | MCP | 多平台 | 本機碼圖譜，讀流程強、caller 會漏 | repo↗ | ✅ 📊 |
| codebase-memory-mcp | MCP | 多平台 | 同路線，caller 完整、只給名稱無 body | repo↗ | ✅ 📊 |
🎨 圖像與影片
gc-minimal-zine-poster
skill · Codex · MIT · ★113 · ⬜ 待試
做什麼：把主題／句子／物件／心情／文章點子／照片，編譯成「安靜極簡 zine 風編輯海報」的生成 prompt，並直接產圖。
核心（它的靈魂——不是通用生圖，而是把風格鎖死往一個方向壓）
- 3:5 老化紙張畫布、70–90% 留白
- 只有一個小主體或視覺聚落
- 襯線／打字機／等寬字 ＋ 一個高彩度色錨
- xerox／riso／halftone／凸版／掃描紙張的瑕疵感、日韓獨立誌的安靜氛圍
- 刻意避開：商業廣告版面、光亮 mockup、電影感打光、3D、霓虹、拼貼 scrapbook、大段乾淨文字
裝
git clone https://github.com/LiamGvchi/gc-minimal-zine-poster.git \
~/.codex/skills/gc-minimal-zine-poster-v0-1可呼叫名稱 gc-minimal-zine-poster-v0-1；沒出現就重啟 Codex。
用：呼叫名稱給一個主題／簡報，例「用 $gc-minimal-zine-poster-v0-1 做一張關於雨天舊書店的海報」（也可餵句子／點子／物件／心情／參考圖）。輸出＝海報圖＋最終 prompt＋變體配方與詮釋註記；預設直接生圖，明確說「只要 prompt」才停。
🔗 相關：editorial-vision-studio 是它的演進版——把「鎖死一種 zine 風」開放成可選風格與版面。
editorial-vision-studio
skill · Codex · MIT · ★96 · ⬜ 待試
做什麼：AI 圖像／編輯設計的「視覺導演引擎」。不直接寫 prompt，先跑決策管線（判斷用途 → 分析畫面 → 定視覺語言 → 規劃版面與風格 → 補救 → 產出模型無關的 VisionSpec），最後才用 adapter 轉成該模型的 prompt。哲學：「不要裝飾，一律詮釋。」
核心
- 決策引擎固定、模型 adapter 可抽換：換模型（GPT Image → Flux → Ideogram）只重跑 adapter，不重新分析。
- adapter：
gpt-image（照片保真，預設）／flux（小誌質感）／ideogram（封面字體）／generic。 - 十種風格 DNA（Swiss／MUJI／Kinfolk／Monocle／COS／Brutalist／Wallpaper*／Apartamento／Purple／POPEYE）× 多版面（海報／封面／展覽圖／小誌／首圖／活動／品牌主視覺／產品編輯圖／moodboard）。
- 產圖前 Reviewer 擋風格衝突（MUJI 配重標題、Swiss 配 Kinfolk 有機感、展覽圖塞太多字）。
- Panter Mode：低對比／灰掉的照片，用暖冷衝突色＋高彩度色錨＋拉開明暗來救（只補色、不加材質）。
裝
mkdir -p ~/.codex/skills
git clone https://github.com/Yu-0312/editorial-vision-studio.git \
~/.codex/skills/editorial-vision-studio沒出現就重啟 Codex。
用：描述用途或給照片，例「用 editorial-vision-studio，把這張照片重新構圖為極簡展覽插畫提示詞，別保留寫實細節」。可指定 style:（如 kinfolk）或 model:（如 flux），指定時跳過自動推導但 Reviewer 仍驗證風格相容。輸出預設＝方向摘要＋GenerationRequest（prompt 英文、摘要跟隨你語言）；分析照片才附 Image Report，換模型才附完整 VisionSpec。
🔗 相關：gc-minimal-zine-poster（前身之一）。
MiniMax-H3 skills
skill · npx skills · MiniMax H3 Community License · ★1.6k · ⬜ 待試
做什麼：MiniMax 開源全模態影音生成模型 H3 附的九個 skill，把「怎麼對 H3 下 prompt／做特定風格影片」包成可直接裝的技能。（模型本身的能力與架構 → 模型筆記）
九個 skill
h3-prompt-writing：H3 的 prompt 寫法指南（附base-en.txt給 text／keyframe 模式、ref-en.txt給 full-reference Ref2VA 模式）。- 八個風格化影片生成：
minimalist-product-ad-generator、3d-animation-short-generator、papercraft-stop-motion-explainer、brand-promo-video-generator、music-video-subtitle-generator、co-op-game-intro-generator、paper-collage-explainer-generator、handdrawn-live-video-generator。
裝（以 prompt-writing 為例，其餘換 --skill 名稱）
npx skills add https://github.com/MiniMax-AI/MiniMax-H3 --skill h3-prompt-writing用：skill 本身是 prompt 與流程指南，實際生成靠 H3 模型——搭配 H3 的 API／App，或本機部署的 H3-Base（768p，2K 需官方 Regenerate-2K API）。
🔗 相關：MiniMax H3（模型筆記）
🧠 回應風格與寫碼紀律
這兩個是「改 agent 行為」不是「給新能力」，裝上每輪生效——想清楚要哪種預設。
📊 已跑對照實測 → AI 技能評比（2026-08-05）。結論：答案確實變短，但短在少講三分之一概念，且 output token 沒省到。
i-have-adhd
plugin · Claude Code・Codex · MIT · ★16.7k · ⬜ 待試 · 📊
做什麼：讓 coding agent 不要把答案埋起來——動作先講、多步驟編號、不「Hope this helps!」。不需 ADHD 診斷也適用。
核心（十條規則，全文在 repo 的 SKILL.md）
先講下一動作／多步驟編號／結尾給下一步／壓離題／每輪重述狀態／時間估算講分鐘／進展看得見／錯誤就事論事／清單 ≤5 項／無開場白回顧結語。出處：鬆散取材《The Adult ADHD Tool Kit》，改寫成「LLM 該怎麼回應」。
裝
# Claude Code
claude plugin marketplace add ayghri/i-have-adhd
claude plugin install i-have-adhd@i-have-adhd
# Codex
codex plugin marketplace add ayghri/i-have-adhd --ref main
codex plugin add i-have-adhd@i-have-adhd⚠️ 注意：會壓掉推理過程與脈絡。「已知道要什麼」的任務很爽，「需要一起想清楚」的可能反而礙事。
📊 實測：概念覆蓋 −17%（三組裡壓最輕），四組裡最會給「起點與終點」 → 評比
ponytail
plugin · 多平台 · MIT · ★95.7k · ⬜ 待試 · 📊
做什麼：把「看你五十行程式碼一句話不說就換成一行」的資深工程師塞進 agent。寫碼前先爬一道階梯，停在第一個成立的階。
核心（決策階梯）
1 需要存在嗎？ → 不需要:跳過 (YAGNI)
2 codebase 已有？ → 沿用，不重寫
3 標準函式庫可以？ → 用它
4 平台原生可以？ → 用它
5 已裝依賴可以？ → 用它
6 一行寫得完？ → 一行
7 才動手：能動的最小量
兩個限定（別誤讀成「叫 AI 偷懶」）：階梯是讀懂問題之後才跑（對解法懶、對閱讀絕不懶）；信任邊界驗證／資料遺失／資安／無障礙永遠不在被砍名單。
裝（Claude Code 要分兩則訊息送）
/plugin marketplace add DietrichGebert/ponytail
/plugin install ponytail@ponytail
# Codex
codex plugin marketplace add DietrichGebert/ponytail
codex plugin add ponytail@ponytail需 node 在 PATH（跑兩個 lifecycle hook；沒有的話常駐會安靜失效）。
用：六指令 /ponytail・-review・-audit・-debt・-gain・-help；強度 lite/full/ultra/off。
⚠️ 注意：對「花 thinking token 反覆推敲階梯」的推理模型，成本可能反而變高（README 點名 GPT-5.5）。
📊 實測：概念覆蓋 −31%（壓最多），與 i-have-adhd 同開由它主導（−33% 非相加）；output token 沒省到，別為省錢開 → 評比
宣稱數字（README，未驗證）：fastapi-template 12 ticket、Haiku 4.5、n=4：LOC −54%、token −22%、成本 −20%、時間 −27%、安全 100%（−54% 是均值，過度設計可到 −94%，本來精簡的接近 0）。
🔍 程式碼理解（MCP）
兩者表面做同一件事：本機把 codebase 建成知識圖譜（symbol、呼叫邊、依賴），一次呼叫拿到相關源碼＋呼叫路徑，取代「grep → 逐檔讀」的迴圈。都主打 100% 本機、碼不外流。
📊 實測顯示互補、不是二選一：影響分析（誰呼叫我）用 codebase-memory；讀流程／快速讀懂機制用 codegraph → AI 技能評比（2026-08-05）。
同時裝兩套沒有意義，選一套即可。← 我自己的推論，已被實測推翻，留著當紀錄。
codegraph
MCP · 多平台 · MIT · ★64k · ✅ 已在用 · 📊
做什麼：本機程式碼知識圖譜（Rust kernel）。核心工具 codegraph_explore 一次給相關 symbol 的逐字源碼＋呼叫路徑（含 grep 追不到的 dynamic dispatch）＋改動 blast radius。
裝
curl -fsSL https://raw.githubusercontent.com/colbymchenry/codegraph/main/install.sh | sh
codegraph install # 接上各家 agent，不建索引
cd your-project && codegraph init # 每個專案各自建圖auto-sync 預設開，改檔即更新。本機 v1.4.1，官方已出 1.5.0（codegraph upgrade）。
用：只在有 .codegraph/ 目錄的 repo 用（建索引我自己決定，不讓 agent 代跑 init）。已寫進全域 CLAUDE.md。
📊 實測：讀流程／快速讀懂贏；caller 會漏（巢狀函式、singleton 方法），影響分析別只信它 → 評比
宣稱數字（README，未驗證）：工具呼叫 −89%、token −69%、7 repo 檔案讀取全部歸零；但小 repo 有地板效應、強模型直接 grep wall-clock 更快（只是燒 5–10 倍 token）。
codebase-memory-mcp
MCP · 43 client surface · MIT · ★37.4k · ✅ 已在用 · 📊
做什麼：同是本機程式碼知識圖譜，路線差在廣度與速度：tree-sitter AST 覆蓋 158 種語言（其中 12 種另加 LSP 語意型別解析），單一靜態 binary、零依賴。15 個 MCP 工具（死碼偵測／跨服務 HTTP 串接／Cypher／ADR），另把 Dockerfile／K8s／Kustomize 也建進圖。
裝
curl -fsSL https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.sh | bash
# 要 3D 圖譜視覺化(localhost:9749)：加 -s -- --ui重啟 agent 後說「Index this project」。快取在 ~/.cache/codebase-memory-mcp/。
⚠️ 注意：它會讀你的 codebase、也會寫你的 agent 設定檔；跨 client 共用一個 coordination daemon（無 opt-in，第一個 session 啟動、最後一個關掉）；所有 CBM process 版本必須完全一致，否則被 admission barrier 擋下。
📊 實測：caller 完整性全勝（type-aware LSP）；Cypher／跨程序迴圈深度／語意搜尋／co-change 耦合是它獨有；但只給名稱清單、無 body → 評比（實測用 pro 版，與開源版功能集是否相同未查證）
宣稱數字（README，未驗證）：Linux kernel 28M LOC 3 分鐘建完、結構查詢 <1ms；preprint arXiv:2603.27277，31 repo：品質 83%、token 少 10×、工具呼叫少 2.1×。