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↗ | ⬜ |
| mono-color | skill | Claude Code・多平台 | 單色／雙色編輯印刷風格圖像，最多兩塊印版的硬約束 | 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↗ | ⬜ |
| ai-short-drama-screenwriter | skill | Codex | 繁中短劇編劇：八階段流程＋可拍性檢查，只做劇本不越界 | repo↗ | ⬜ |
| scroll-world | skill | Claude Code・Codex・多平台 | 生成 AI 場景＋鏡頭影片，做捲動穿梭的沉浸式落地頁（會扣真錢） | repo↗ | ⬜ |
| superpowers | plugin | 15+ harness | 一整套強制執行的開發方法論：腦力激盪→計劃→TDD→subagent 執行→審查 | repo↗ | ⬜ |
| Skills For Real Engineers | plugin | Claude Code・多平台 | Matt Pocock 的 38 個 skill（v1.3.1）：拷問→規格→票→實作→審查→PR→回顧 | repo↗ | ⬜ |
| archify | skill | 多平台 | codebase／描述 → 會自我驗證的互動架構圖 HTML | repo↗ | ⬜ |
| architecture-diagram-generator | skill | Claude.ai・Claude Code | 描述 → 深色主題架構圖 HTML；純 prompt＋設計規範，不驗證 | 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↗ | ⬜ 📊 |
| go-modern-guidelines | plugin | 多平台 | 給 agent 一份現代 Go 對照表，別再產出過時寫法 | repo↗ | ⬜ |
| karpathy-guidelines | plugin | Claude Code・Cursor | 四條原則治 LLM 寫碼的老毛病：亂假設、過度設計、順手亂改 | repo↗ | ⬜ |
| eli5 | skill | Claude Code | 依聽眾（5 歲／主管／工程師／家人）換一套講法解釋同一件事 | 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↗ | ✅ 📊 |
| graphify | skill | 多平台 | 程式碼＋文件＋PDF 建成一張圖，每條邊標可信度（EXTRACTED／INFERRED／AMBIGUOUS） | repo↗ | ⬜ |
| GitNexus | MCP | 多平台 | 程式碼圖資料庫＋19 個 MCP 工具（影響分析、執行流、改名），非商用授權 | repo↗ | ⬜ |
| Understand-Anything | plugin | Claude Code・多平台 | 多 agent 分析 codebase → 互動式儀表板＋導覽，給新人看懂專案 | repo↗ | ✅ 已安裝 |
🎨 影像與內容創作
gc-minimal-zine-poster
skill · Codex · MIT · ★7.3k（2026-10-15） · ⬜ 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 · ★227（2026-10-15） · ⬜ 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）。
mono-color
skill · Claude Code（其他 agent 可載入 SKILL.md） · MIT（例外見注意） · ★3.4k（2026-10-15） · ⬜ 待試
做什麼：把主題／句子／物件／照片，做成單色或受控雙色的編輯印刷風格圖像——海報、zine、肖像、包裝、視覺筆記。輸出是「一張印出來的紙」，不是數位單色濾鏡。
核心（靈魂是把印刷的物理限制當成設計約束）
- ⭐ 最多兩塊印版，這是硬規則。預設受控雙色：主版佔 70–85%、輔版 15–30%，而且輔版必須有明確任務（日期、註記、選定物件、疊印交界）。明確要求單色才走單版。
- 紙張不是第三色，兩版疊印產生的深色也不是第三種墨。
- 紙張要看得見、留白佔 25–55% 且有結構、照片一律走機械複製（網點、顆粒、爆亮部、油墨堆積、輕微套印偏移）。
- 色票是寫死的：八種單色墨（Cobalt
#2148B8、Signal Red#C83232、Charcoal#30343A…）與九組雙色配方，都附 hex。 - ⭐
design-system/是機器可讀的目錄（色彩 token、字體角色、構圖幾何、節奏、受控印刷瑕疵各自成檔）。文件明說 catalog ID 是「參考板、配方、驗證」三者之間的共同契約——把視覺語彙從散文流程裡抽出來，變成可檢查的資料。 - ⭐
rhythm.json對「放鬆」的定義很特別：放鬆是不均勻的能量，不是整體降低強度。每頁挑一個大膽的焦點事件（超大字、極端裁切、單一巨大細節、集中疊印、異常尺度關係），其餘用紙張、淡網與稀疏功能字釋放。 - 有評測合約與 CI：
validate_evals.py、validate_design_system.py，GitHub Actions 在每次 PR 與推送都跑。 - 明確的「不要什麼」清單（8 條）：不要全彩照片套單色濾鏡、不要玻璃質感 mockup／3D／漸層、不要置中模板或貼紙拼貼、不要因為用了網點與限色就自動做成復古泛黃、不要編造品牌與 QR code、不要重建參考海報。
- 參考是文法不是模板：從任何提供的參考至少改動四個結構變數。
裝
git clone https://github.com/yanliudesign/mono-color-skill.git ~/.claude/skills/mono-color裝完重啟 Claude Code。其他 agent 環境可直接把 SKILL.md 當入口載入。
用：用 mono-color 做一張關於午夜便利商店的直式海報，標題就用「still open」。
可指定墨色與模式，例「Charcoal + Signal Red 的混凝土建築展覽海報，紅版只用在日期、地點與一個幾何干擾」。
⚠️ 注意
- 🔴 授權有例外，不是整包 MIT：程式碼、skill 指令與腳本是 MIT，但
examples/的原創作品 © 2026 Yan Liu，不在 MIT 範圍內；作為研究依據的十二張第三方參考圖仍屬各自權利人。拿它產圖沒問題，直接轉用 repo 裡的範例圖要看清楚。 - 圖像生成工具不可用時不會假裝成功：會回傳 production-ready prompt 並明說限制。
- 驗證腳本要
python3（repo 語言 100% Python）。 - 沒有發布任何 release、單一貢獻者。
🔗 相關
- gc-minimal-zine-poster、editorial-vision-studio —— 三張海報 skill 的分工：
gc-鎖死一種 zine 風；editorial-vision-studio開放可選風格與可換模型；mono-color走印刷限制這條路（最多兩塊版），約束來自製程而非品味。 - 工具-讓LLM產出可驗證的產物 —— 它的
design-system/*.json＋ 驗證腳本 ＋ CI，正是那張卡講的「把判斷交給模型、把可驗證的部分交給程式」，只是套用在美學上。
MiniMax-H3 skills
skill · npx skills · MiniMax H3 Community License · ★10k（2026-10-15） · ⬜ 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）
ai-short-drama-screenwriter
skill · Codex（桌面版／CLI／IDE extension） · MIT · ★562（2026-10-15） · ⬜ 待試
做什麼：繁體中文的短劇／豎屏短劇編劇——選題、全劇與單集結構、角色關係、分場、臺詞、衝突、反轉、鉤子、格式與修改。輸出是標準短劇格式（場次、內／外景、地點、時間、動作、角色名、臺詞、畫面文字），可直接進製作。
核心（靈魂是範圍紀律，不是文采）
- 任務路由：完整專案／單點創作／混合交付／格式化／審閱修改，各走不同路徑，只讀對應的
references/（workflow.md／format.md／checklists.md）——主 SKILL.md 保持精簡。 - 可拍性的硬規則：每場至少改變資訊、關係、目標、風險或情緒其中一項；反轉必須能由前文線索回看成立；集尾鉤子必須產生下一步問題或代價；優先寫「正在發生的可見行動」而非解說性對白。
- ⭐ 明確拒絕越界：只要劇本時不輸出逐鏡分鏡、景別、運鏡或影片模型提示詞。混合請求時先完成劇本，再銜接環境中已安裝的分鏡／影片 skill。
- 保留使用者指定的集數、時長、觀眾、類型、平台、預算、場景與交付形式；只問「會實質改變結果」的缺漏，其餘採合理假設並標示。
裝（Codex standalone skill，個人技能位置是 $HOME/.agents/skills）
git clone --depth 1 https://github.com/POUND0423/AI-drama-pound.git
mkdir -p "$HOME/.agents/skills/ai-short-drama-screenwriter"
cp -R "AI-drama-pound/skill-src/ai-short-drama-screenwriter/." \
"$HOME/.agents/skills/ai-short-drama-screenwriter/"
test -f "$HOME/.agents/skills/ai-short-drama-screenwriter/SKILL.md" && echo "Skill installed"眉角：skill 資料夾內要直接有 SKILL.md（不能多包一層）；裝完沒出現就重啟 Codex。README 另附 Windows PowerShell 版本。
用：顯式 使用 $ai-short-drama-screenwriter，把以下故事前提規劃成 8 集、每集 90 秒的都市懸疑短劇…；也支援隱式觸發（符合範圍就自動啟動）。
⚠️ 注意
- 只有 Codex。README 沒有 Claude Code／Cursor 的安裝路徑。
- 本身不含分鏡或影片提示詞 skill，混合交付要環境裡另有適用技能才接得上（可搭 MiniMax-H3 skills 那條產線）。
- v0.1.0、4 個 commit、單一貢獻者，很新。
- 涉及平台偏好／演算法／市場趨勢時，SKILL.md 要求先查證再當事實——別把它的產業判斷當現況。
📐 它的驗證方法值得抄：repo 的 validation/ 完整留下 RED 基線、GREEN 行為測試，以及觸發邊界微測試 A–F 各 5 次的結果表（含一次 3/5 的失敗、最小修補、重跑全組）。→ 工具-測試skill的觸發邊界
🔗 相關：MiniMax-H3 skills —— 劇本 → 分鏡／影片生成是同一條產線的下游，這張 skill 明說要在那個階段交棒。
scroll-world
skill · Claude Code・Codex・多平台（skills CLI） · MIT · ★10.2k（2026-10-15） · ⬜ 待試
做什麼：把一個品牌或產業變成捲動穿梭的落地頁——捲動時鏡頭從場景外一路飛進室內，再無縫接到下一個場景，全程沒有剪接點。就是 Apple 產品頁那套技術：預先算好影片，捲動只驅動時間軸，鏡頭是真的在動。
核心（靈魂是接縫，不是生圖）
- 產出是 N 張場景靜圖 → N 支「飛入」鏡頭 → N−1 支「連接」鏡頭 → 一支可攜的 scrub 引擎。
- ⭐ 成敗只有一條規則：接縫必須逐格相同。連接鏡頭是用相鄰場景實際算出來的畫格去生成的，所以接得起來。SKILL.md 明說這是「最常見的單一失敗點」，做錯就會看到「跳一下」。因此只選能 frame-lock 的模型。
- 行動版是另外原生算一條 9:16 直式鏈，不是把橫式裁切——但這會讓影片生成數量翻倍，所以一定要單獨問過。
- 框架無關：scrub 引擎是自足的 vanilla JS，丟進純 HTML／Next.js／Vue／Python 服務的頁面都行。作者自己說「這個 skill 的價值是管線、提示詞與接縫方法，不是框架」。
裝
# Claude Code
/plugin marketplace add oso95/scroll-world
/plugin install scroll-world@scroll-world# Codex 與其他 agent
npx skills add oso95/scroll-world -a codex⚠️ 注意（這張的注意事項比功能重要）
- 🔴 會花真錢，而且不便宜：預設走 Monid（Seedance 2.0，按支計費 USD）。實測 1080p 六場景一條鏈約 11。選了行動版影片生成量翻倍**。
- 前置一大串：Monid CLI＋API key＋餘額、Higgsfield CLI（已登入、有 credit，靜圖與備援都靠它）、
ffmpeg／ffprobe、Python 3＋Pillow；Codex CLI 可選（用 ChatGPT 訂閱出圖，省 credit）。 - 生成很慢：單次 3–8 分鐘，skill 會背景執行並輪詢。
- 它的成本紀律做得很好：先報估算（
N 靜圖 + (2N−1) 影片 + ~15% 重跑餘裕）、先跑一張一支校準實際單價、超過餘額 ~70% 會警告、核准後才生成，並提供便宜的 draft 預覽路徑。 - macOS 的 bash 3.2 沒有
declare -A，SKILL.md 自己有標這個坑。
📐 值得抄的兩件事：→ 工具-會花錢的skill該怎麼設計、工具-該問開放題還是選擇題（它的訪談段明講：主題要開放地問，絕不給捏造的多選題）。
📐 架構圖與技術溝通
跟上面的生圖 skill 差在輸出的正確性有沒有人管：那些產的是美術品，好看就是成功；這類產的是技術陳述，畫得漂亮但接錯線就是有害。所以要看的重點是「它會不會驗自己」。
archify
skill · Claude Code・Codex・Cursor・opencode・Raven · MIT · ★83.9k（2026-10-15） · ⬜ 待試
做什麼：把 codebase 或一段系統描述，變成一頁自足的互動式架構圖 HTML（可搜尋節點、追上下游、探測路徑、比較角色、播導覽章節），並能匯出 PNG／SVG／WebM 與 1200×630 分享卡。五種圖：architecture／workflow／sequence／dataflow／lifecycle。
核心（它的靈魂不是畫得漂亮，是不讓模型直接產最終產物）
- agent 產 typed JSON IR → 確定性編譯器渲染 HTML/SVG。版面判斷交給模型，像素計算交給程式。
- 分級驗證閘：4 項檢查＝基本；9 項全過 ＋ 0 錯誤 ＋ 0 警告才是可交付級。
- 失敗回「修復收據」：穩定的規則碼 ＋ 確切 subject ＋ 量到的 evidence ＋ 可用修法清單——不是 Node stack trace。
- 原子交付：凍結規格 bytes → 私有快照渲染檢查 → 通過才原子替換 → 回報 SHA-256。通過即凍結，不准再改。
- Architecture Delta：拿兩份驗證過的快照比 Before／Delta／After，列出確切的新增／移除／變更／移動／改道。
裝
npx skills add tt-a1i/archify -g# 不想安裝先試用
npx skills use tt-a1i/archify@archify --agent codex切換器支援 cursor／codex／claude-code／opencode。Raven 要手動把 archify.zip 解到 ~/.raven/workspace/skills。Claude.ai 則在 Settings → Capabilities → Skills 上傳 zip（能不能用取決於沙箱有沒有 Node.js）。
用：Use archify to map this repository's runtime architecture.
規格建議一次只要一個有界視圖——8–12 個核心元件、一條主路徑、外部相依與信任邊界，細節放卡片而不是加更多線。
⚠️ 注意
- 需要 Node.js。純 prompt 環境（Project Knowledge、無 shell 的沙箱）只能退化成提示驅動的替代路徑，拿不到驗證與渲染。
- 刻意不做：Mermaid 自動解析、通用 auto-layout、hosted sharing、WYSIWYG 編輯。它明說自己「不是繪圖編輯器，也不是 Mermaid 佈景主題」。
- 餵 Mermaid 進去時它是重寫成自己的 JSON，不是照搬樣式。
🔗 相關：Archify 架構圖 skill —— 詳細筆記在那裡：SKILL.md 的設計拆解（context 預算怎麼寫進指令、修復怎麼收斂、以及那組「不准造假通過」的條款）。
architecture-diagram-generator
skill · Claude.ai・Claude Code · MIT · ★7.4k（2026-10-15） · v1.1 · ⬜ 待試
做什麼：把一段系統描述變成一頁自足的深色主題架構圖 HTML（內嵌 SVG＋CSS），頁首自帶 Copy／PNG／PDF 匯出按鈕，瀏覽器打開就能用。同作者另有畫流程圖的姊妹 skill process-flow-diagram-generator（★103（2026-10-15）），設計語言相同。
核心：整個 skill 就是一份設計規範寫進 SKILL.md，外加一個 resources/template.html，沒有任何程式或驗證步驟。
- 語意配色：前端 cyan、後端 emerald、資料庫 violet、雲 amber、資安 rose、訊息匯流排 orange、外部 slate。
- 版面規則交給模型自己算座標：元件高 60px、垂直間距至少 40px、匯流排放在間隙正中、圖例放在所有邊界框外至少 20px，並附「錯誤／正確」的座標範例。
- 箭頭 z-order 的小技巧：箭頭先畫；元件先墊一個不透明底框，再疊半透明色框，箭頭才不會透出來。
跟 archify 的差別：archify 讓模型產 JSON 再用編譯器渲染，還有 9 項驗證閘；這個是模型直接手寫 SVG 座標，好看與否靠規範，接錯線、元件重疊沒有任何檢查。換來的是零依賴，不需要 Node.js。
裝
# Claude Code：解到 skills 目錄（zip 在 repo 根目錄）
unzip architecture-diagram.zip -d ~/.claude/skills/ # 全域
unzip architecture-diagram.zip -d ./.claude/skills/ # 專案內Claude.ai：Customize → Skills → + → Create skill → Upload a skill 上傳 zip。前提是先在 Settings → Capabilities 開啟 Code Execution（Team／Enterprise 要管理員在組織設定開）。
用：Use your architecture diagram skill to create an architecture diagram from this description: …。README 建議先讓 agent 分析 codebase 產出「元件＋連線＋技術」清單，再貼給它畫；之後用對話迭代（「把 XYZ 改成…」）。
⚠️ 注意
- 不驗證：技術圖畫錯線是有害的，產出要自己對一遍。
- 輸出會連 Google Fonts 載 JetBrains Mono，離線或內網環境字型會退回預設。
- 只有深色一種風格；要淺色、要符合公司 CI 得自己改規範。
- 介紹文（掘金 MacroZheng，2026-08-27）寫 ★6.3k，查證時（2026-09-27）已 ★7.3k。
🔗 相關：archify —— 同類但會自我驗證，產出要拿去對外溝通時優先選它。
🛠 工程工作流
這類不是改語氣、也不是給單一新能力，而是把整條開發流程包起來：對齊 → 規格 → 拆票 → 實作 → 審查。
挑選時看兩件事：它願不願意讓你改（框架型的會接管流程，出錯很難修），以及它有沒有處理集合層級的維護（skill 一多就會互相打架）。
superpowers
plugin · Claude Code・Codex・Cursor・Gemini・Copilot・Grok・Kimi・OpenCode・Devin 等 15+ harness · MIT · ★299.5k（2026-10-15） · ⬜ 待試
做什麼：不是一組工具，是一整套會自動接管的軟體開發方法論。你一開口要做東西，它不會直接寫碼——先反問你要解決什麼、逼出規格、分段給你確認；你點頭後產出「一個熱心但沒品味、沒判斷力、沒專案脈絡、討厭寫測試的菜鳥也照得動」的實作計劃；說 go 之後派 subagent 逐項執行並兩階段審查。作者說 agent 常能照著計劃自主跑上好幾小時。
核心（靈魂是「強制，不是建議」）
- 七步流程自動觸發：
brainstorming→using-git-worktrees→writing-plans（任務切到 2–5 分鐘一顆，每顆都有確切檔案路徑、完整程式碼、驗證步驟）→subagent-driven-development／executing-plans→test-driven-development→requesting-code-review→finishing-a-development-branch。 - 文件原話：“Mandatory workflows, not suggestions.” 且
test-driven-development會刪掉在測試之前寫的程式碼。 - 四條哲學：測試先行、系統化勝過臨場發揮、複雜度降低、證據勝過宣稱（verify before declaring success）。
- ⭐
writing-skills內含一套 skill 測試方法論（testing-skills-with-subagents.md）——把 TDD 套用在流程文件上：不帶 skill 跑壓力情境看它失敗、逐字記下藉口、寫 skill、再用多重壓力測服從度。→ 工具-用壓力情境測試skill
裝（每個 harness 要各裝一次）
# Claude Code（Anthropic 官方 marketplace，不用先加來源）
/plugin install superpowers@claude-plugins-official
# 其他：Gemini CLI / Devin / Droid 等各有自己的指令
gemini extensions install https://github.com/obra/superpowers
devin plugins install obra/superpowers⚠️ 注意
- 🔴 它會接管流程，這是特性也是代價。想保有逐步控制權的人會覺得綁手綁腳——這正是 Skills For Real Engineers 明講要反對的那種設計（那份的立場是「框架接管流程會奪走你的控制權，流程出錯還很難修」）。兩者是同一個問題的兩種答案，不是誰比較好。
- ⚠️ 預設有 telemetry：
brainstorming的視覺伴隨功能會從作者網站載入 logo，帶上 Superpowers 版本號（不含專案、prompt 或 agent 資訊）。關法：SUPERPOWERS_DISABLE_TELEMETRY，它也尊重DISABLE_TELEMETRY與CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC（那兩個變數 → Claude Code 隱藏設定分析 v2.1.239）。 - 有商業支援方案（primeradiant.com），這是一個有公司在後面的專案。
🔗 相關
- Skills For Real Engineers —— 直接對照組：同樣是「整條開發流程的 skill 集合」，但 superpowers 走強制方法論、Matt Pocock 走小而可組合、你自己編排。選哪邊取決於你要控制權還是要自動駕駛。
- 工具-用壓力情境測試skill —— 它
writing-skills裡那套方法論，我單獨抽出來的卡
Skills For Real Engineers
plugin · Claude Code（官方 marketplace）・Codex・Copilot・Gemini CLI／skills.sh · MIT · ★292.1k（2026-10-15）· v1.3.1 · ⬜ 待試
做什麼：Matt Pocock 每天在用的 38 個 skill（engineering 20、productivity 7、misc 4 已凍結、in-progress 7 beta），涵蓋整條流程：/grill-with-docs（拷問對齊）→ /to-spec（轉規格）→ /to-tickets（拆成垂直切片）→ /implement 或 /implement-spec（平行實作）→ code-review（雙軸審查）→ pr（PR 內文）→ /retro（改善 agent 環境）。旁路入口有 /triage、diagnosing-bugs、/wayfinder。每個 skill 的拆解見 筆記。
核心（靈魂是組織方式，不是任何單一 skill）
- 反框架的立場：明講 GSD／BMAD／Spec-Kit 那類「接管流程」的做法奪走你的控制權、流程出錯難修；他要的是小、好改、可組合。
- ⭐ 用「誰能叫它」分兩層：user-invoked 只有人能叫，職責是編排；model-invoked 人和模型都能叫，持有可複用的紀律。user-invoked 可呼叫 model-invoked，但絕不呼叫另一個 user-invoked。
實例：grilling這個面談原語被 5 個編排型 skill 共用。 - 診斷了四個 agent 失敗模式：沒做我要的（對齊落差）／太囉唆（缺共享語言）／code 不能跑（回饋迴路不足）／一團爛泥（agent 加速軟體熵）。
GLOSSARY.md共享語言（1.3.0 前叫CONTEXT.md，舊專案要自己git mv），他自稱是整個 repo 最酷的技術——把專案行話固定下來，命名一致、agent 好導航、思考花的 token 更少。
裝（兩種哲學，別同時裝——會拿到每個 skill 兩份）
# 訂閱：整包唯讀、自動更新（已在 Claude Code 官方 marketplace）
claude plugin install mattpocock-skills@claude-plugins-official# 分叉：把可編輯的檔案寫進你的 repo，你擁有它
npx skills@latest add mattpocock/skills裝完要在每個 repo 各跑一次 /setup-matt-pocock-skills（選 issue tracker、triage 標籤、文件位置）。Codex、Copilot 也有原生 plugin（依 README，2026-10-13 查證）。
用：不確定用哪個就 /ask-matt（它是所有 user-invoked skill 的路由）。最常用的是 /grill-me 與 /grill-with-docs。
⚠️ 注意
- 它預設你有 issue tracker（GitHub／Linear／本機檔案），整套流程繞著票在跑。只想要單點工具的話會覺得包袱重。
improve-codebase-architecture作者自己標明是 “a survey, not a rescue”——老專案上它找得出候選，但不會幫你把爛泥解開。- 四個失敗模式的解法都是既有的軟體工程基本功（見下方筆記的對照表），不是新發明。作者自己就說 “Software engineering fundamentals matter more than ever”。
🔗 相關：Skills For Real Engineers —— 詳細筆記在那裡：四個失敗模式對應到我既有工具卡的表、集合分層規則、以及 CLAUDE.md 裡那組維護紀律（含「會說謊的路由」）。
🧠 回應風格與寫碼紀律
都是「改 agent 怎麼寫／怎麼答」而不是「給新能力」。差別在觸發時機：前兩個裝上每輪生效，會改變你所有對話的預設；
go-modern-guidelines只在碰到 Go 任務時才被叫起來，平常不影響。📊 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 · ★57.2k（2026-10-15） · ⬜ 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 · ★164k（2026-10-15） · ⬜ 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）。
go-modern-guidelines
plugin · Junie・Claude Code・Codex・Cursor・opencode · Apache-2.0 · ★3.9k（2026-10-15） · ⬜ 待試
做什麼：JetBrains 官方出的 Go 專用 plugin，塞給 agent 一份現代 Go 寫法對照表，讓它別再產出過時的 Go——max(a,b) 而不是 if-else、slices.Contains 而不是手寫迴圈、cmp.Or(a,b,c) 而不是一串 nil 檢查。涵蓋 Go 1.0–1.27，對齊官方 modernize analyzer。
核心（它的靈魂是動機分析，不是那份清單）
它指名 coding agent 產出過時程式碼有兩個不同原因：
- 訓練資料落後——模型沒看過 cutoff 之後的特性，例如 Go 1.26 的
errors.AsType[T]。 - 頻率偏誤——就算模型知道新寫法，訓練語料裡
for i := 0; i < n; i++就是比for i := range n多，所以出來的是舊的。
第二個是關鍵：光叫它「用最新寫法」沒用，要給明確的對照表。
另外它會先從 go.mod 偵測專案 Go 版本，只用到該版本為止可用的特性——否則就是把編不過的程式碼塞給你。
裝
# Claude Code（在 session 內）
/plugin marketplace add JetBrains/go-modern-guidelines
/plugin install modern-go-guidelines@goland-claude-marketplace# Codex（terminal）
codex plugin marketplace add JetBrains/go-modern-guidelines
codex plugin add modern-go-guidelines@goland-codex-marketplace# 其他 agent（opencode 等）
npx skills add JetBrains/go-modern-guidelinesJunie 用 /extensions marketplace add ＋ /extensions install modern-go-guidelines；Cursor 用 cursor-agent plugin marketplace add <repo-url> 再以 /plugins 安裝。
用：碰到 Go 任務會自動觸發。Claude Code 要明確叫用：/modern-go-guidelines:use-modern-go。
⚠️ 注意
- 需要 Go toolchain 在 PATH 上——marketplace 整合會在首次使用時
go install一支小 CLI（快取在~/.cache/go-modern-guidelines，不會動你的專案）。目標 Go 1.25+，較舊版本靠GOTOOLCHAIN=auto自動抓相容工具鏈。 - 第三方 marketplace 的自動更新預設是關的：Claude Code 要進
/plugin→ Marketplaces → 選goland-claude-marketplace→ Enable auto-update，更新後還要/reload-plugins才會套用到當前 session。 - Cursor 沒有非互動的更新指令，只能重開再用
/plugins重裝。 FEATURES.md自標 “Work in progress — inconsistencies may be present.”
🔗 相關：Modern Go Guidelines —— 詳細筆記在那裡：Critical／High 條目的舊→新速查表，以及那組「兩個失敗原因」的分析。
karpathy-guidelines
plugin · Claude Code・Cursor · README 標 MIT（但 repo 沒有 LICENSE 檔） · ★220k（2026-10-15） · ⬜ 待試
⚠️ 先講清楚歸屬：這不是 Andrej Karpathy 做的，也不是他背書的。 是第三方（
multica-ai，作者 X 帳號@jiayuan_jy）把 Karpathy 公開談 LLM 寫碼缺陷的說法，整理成一份CLAUDE.md。README 本身講得誠實（用的是 “derived from”、“Karpathy-Inspired”），但 repo 名字andrej-karpathy-skills讀起來像是他本人的——引用時要注意別誤植。
做什麼：一份 CLAUDE.md（也包成 plugin 與 Cursor rule），用四條原則對付 Karpathy 點名的 LLM 寫碼老毛病。
核心（它的價值在「問題 → 原則」的對應很乾淨）
| 原則 | 治什麼毛病 |
|---|---|
| Think Before Coding | 替你亂做假設、藏著困惑不講、不攤開取捨 |
| Simplicity First | 過度複雜化、臃腫的抽象（「100 行夠的寫成 1000 行」） |
| Surgical Changes | 動到不該動的、改掉它沒真的看懂的程式碼與註解 |
| Goal-Driven Execution | 用可驗證的成功標準換取「它能自己跑」 |
其中最值得記的是那句引用的洞察：
“Don’t tell it what to do, give it success criteria and watch it go.”
裝
# Claude Code
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills@karpathy-skills
# 或直接當 CLAUDE.md 用（單一專案）
curl -o CLAUDE.md https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md⚠️ 安裝指令裡的 forrestchang 與 repo 現址 multica-ai 不一致——實測 forrestchang/... 會被 GitHub 轉址到現址，所以目前可用，但這靠的是轉址，舊名一旦被別人註冊就會裝到別的東西。保險起見改用現址。
⚠️ 注意
- README 寫 MIT，但 repo 裡沒有 LICENSE 檔（GitHub 側欄的 Resources 也沒偵測到授權）。要在公司專案裡用，這個授權狀態偏弱。
- 它自己標了取捨：這份指引偏向謹慎而非速度。改錯字、明顯的一行修正這類瑣事不需要全套嚴謹——目標是減少非瑣碎工作上的昂貴錯誤。
- 與 ponytail 高度重疊：兩者都在治「過度設計」。ponytail 給的是一道決策階梯（需不需要存在 → codebase 有沒有 → 標準庫行不行…），這份給的是四條原則加驗收判準。同開意義不大，挑一個。
- 沒有發布任何 release。
📐 抽出來的兩張卡：→ 工具-外科手術式修改（「每一行改動都要能追溯到使用者的要求」）、工具-把命令變成可驗證的目標。
另外兩條原則 vault 已有對應：Think Before Coding → 工具-讓agent反過來拷問你；Simplicity First → ponytail 那張卡的決策階梯。
🗣 解釋與表達
跟上面的「回應風格」差在生效時機：那些是 plugin，裝上每輪都在改你的 agent；這類是 skill，被觸發才上場，平常不動預設行為。所以風險低、但也要留意觸發詞會不會誤觸。
eli5
skill · Claude Code · MIT · ★1.7k（2026-10-15） · ⬜ 待試
做什麼：把同一個東西（概念／一段 code／一則錯誤訊息）換一套講法講給不同的人聽——5 歲小孩、5 年級生、主管、設計師、研究生、你媽。不是「講簡單一點」，是換分析框架。
核心（它的靈魂＝一張「聽眾 → 校準參數」對照表，不是一句「說人話」）
- 四類聽眾：年齡（5／10／15／20–30／40+）、學程（5 年級／國中／高中／大學／研究所）、職務（主管／工程師／設計師／總監／PM／同事）、關係（伴侶／父母／小孩／朋友）。
- 五個校準維度：用詞、類比、語氣、深度、框架。框架是重點——主管框「影響／風險／要做什麼決定」、設計師框「使用者體驗與互動」、工程師框「架構與取捨」。
- 會反向加難度：對工程師／研究生刻意用術語（「不用專有名詞他們會覺得被當白痴」），對主管砍掉實作細節。所以它不是單向的簡化器。
- 固定結構：一句話講「是什麼」→ 給類比 → 補細節 → 收在「所以這對你有什麼影響」。
- 沒指定聽眾就預設 Age 5。
- 明講的取捨：對非技術聽眾，「80% 正確但聽得懂」勝過「100% 正確但聽不下去」。
裝
git clone https://github.com/DreambigOu/ELI5.git
cp -r ELI5/skills/eli5 ~/.claude/skills/eli5眉角：repo 名是大寫 ELI5，但 skill 本體在子目錄 skills/eli5——只 clone 不 cp 不會生效。
用：講白話就會觸發，例「ELI5 什麼是 database index」「把這段 code 解釋給我主管聽」「用 5 年級生聽得懂的方式講 git merge conflict」「解釋這個錯誤給我媽」。
⚠️ 注意
- 不讀 codebase、不改設定檔——就是一個 prompt 檔，裝了不會有副作用。
- 沒講聽眾就當你是 5 歲。想要「簡潔的專業說明」時會過頭，要明講對象。
- 觸發詞很寬（
explain this to my／break this down for／dumb it down／simplify this for），只想要一般說明時可能被誤觸。 - SKILL.md 全英文，類比取材也是英語語境（玩具、遊樂場、社群媒體）。用中文問時類比貼不貼，未驗證。
宣稱數字（README，未驗證）
- repo 裡兩份數字對不起來，原因在作者的 blog（做一個 ELI5 Skill 的過程）：
eval-results.md的 91.7% vs 33.3%（+58.3%）、token +23%、平均快 14.4s ← skill-creator 那次的人工評分。- README 的 83.3% vs 41.6%（+41.7%） ← 後來本地腳本的 LLM auto-grader。
- 兩者鬆緊剛好相反：auto-grader 抓到「主管那題超過 500 字」，卻放過了人工判 fail 的「phone book 類比」。別把兩份混著比。
- 條件：3 題 × 4 條 assertion＝12 條，每組各只跑 1 次，無重複、無雜訊底線；
claude -p未指定 model；評分由 Claude 自評。 - 最該知道的一點：with-skill 那組是在題目前面加「Read the skill at
<path>first, then follow its instructions」——所以它測的是「SKILL.md 的內容有沒有用」，不是「這個 skill 會不會被正確自動觸發」。後者沒測。 - 作者自陳最大增益在主管這一類（baseline 0/4 → 3/4）。
🔗 相關
- 做一個 ELI5 Skill 的過程 — 作者怎麼做出它的（skill-creator 流程），以及上面那兩份數字的來歷
- 如何評測一個 Claude Code Skill — 它的 eval 腳本怎麼運作、為什麼單次結果不能信
- i-have-adhd 是另一頭——同樣在動輸出風格，但它是 plugin 每輪生效改紀律（怎麼排版答案），eli5 是 skill 被叫才上場換框架（講給誰聽）。想同時裝要想清楚要哪種預設。
🔍 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。四個以上的工具怎麼分（依各自 README 整理，查證 2026-10-16）：差別在「圖要給誰用」和「素材有哪些」。
- 給 agent 當索引、少讀檔、做影響分析 → codegraph、codebase-memory-mcp
- agent 要做自動化重構、追執行流、跑 Cypher → GitNexus（注意非商用授權）
- 程式碼以外還有文件、SQL、PDF 要一起進圖 → graphify
- 給人看、新人 onboarding、架構導覽 → Understand-Anything
程式碼部分四者都用 tree-sitter／AST 做確定性抽取，差在要不要呼叫 LLM：codegraph、GitNexus 不需要（GitNexus 的 embedding 是選配）；graphify 只在文件、媒體上用；Understand-Anything 每個檔案都會用 LLM 寫摘要和導覽，所以 token 成本最高。來源文章：替代方案有限公司〈Understand-Anything vs. GitNexus vs. CodeGraph vs. graphify〉（https://altsol.tw/understand-anything-gitnexus-codegraph-comparison，評比見
_meta/來源評比紀錄.md），文中把 graphify 說成「非 MCP Server」不正確（它有選配的 MCP stdio server），也沒提 GitNexus 的授權限制。
codegraph
MCP · 多平台 · MIT · ★74.2k（2026-10-15） · ✅ 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，官方最新 v1.6.2（2026-10-03 發布；查證 2026-10-15），用 codegraph upgrade 升級。
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 · ★46.6k（2026-10-15） · ✅ 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×。
graphify
skill · Claude Code・Cursor・Codex・Gemini CLI・Copilot 等 20+ · Apache-2.0 · ★126.7k（2026-10-15）· ⬜ 待試
做什麼：把整個資料夾（程式碼、文件、SQL schema、設定、PDF、圖片、影片）建成一張可查詢的知識圖譜，用「沿著關係走」取代 grep。跟上面兩個的差別：它不只看程式碼，文件和需求也進同一張圖，所以能問「這個需求對應到哪些 module」。
核心
- 兩種抽取：程式碼用 tree-sitter 解析 AST，確定性、不呼叫 LLM、不出本機；文件、PDF、圖片走模型做語意抽取（用你助手的模型，或另外設定的 API key）。
- ★ 每條邊都標可信度（ARCHITECTURE.md）：
EXTRACTED（原文明確寫的，例如 import、直接呼叫）、INFERRED（合理推論，例如呼叫圖的第二輪解析、在同一段上下文共同出現）、AMBIGUOUS（不確定，會列在報告裡請人確認）。 - 不是向量索引：沒有 embedding，是真的圖，可以走路徑。社群切分用 Leiden。
- 三個產出：
graph.html（給人點著看）、GRAPH_REPORT.md（god nodes、社群、意外連結、建議提問）、graph.json（給 agent 查）。另有manifest.json記錄每個檔的狀態，--update靠它只重抽改過的檔。
裝
uv tool install graphifyy # 套件名有兩個 y（或 pipx install graphifyy），需要 Python 3.10+
graphify install # 偵測你的 agent 並註冊 /graphify skill選配：graphifyy[mcp]（MCP stdio server）、graphifyy[video]、graphifyy[neo4j]。
用
/graphify . # 建圖
/graphify . --update # 只重抽改過的檔
/graphify . --cluster-only # 只重新分群
/graphify . --no-viz # 不產 HTML，只要報告和 JSON
/graphify query "auth flow 是怎麼運作的？"
/graphify path "Login Page" "Auth Service" # 兩個概念之間的最短路徑
/graphify explain "Auth Service" # 一個節點跟誰有關、哪些邊是推論的
.graphifyignore（加上 .gitignore、--exclude）用來排除雜訊；純程式碼的話加 --code-only，完全離線、不需要 API key。
⚠️ 注意
- 文件、PDF、圖片的部分會送到模型：碼不外流，但文件會。公司文件要先確認可以送。
- 推論的邊只能當線索：
INFERRED／AMBIGUOUS要回原始碼確認；動態派發、runtime 設定、feature flag、外部服務呼叫，AST 也看不到。 - README 一直在推付費的 Graphify Cloud（宣稱「agent token 省 80%」，未驗證）；開源版是本機 CLI 加 skill。
- 跟 codegraph／codebase-memory 功能重疊，差別在文件也進圖、而且有可信度標記；純看程式碼結構時，那兩個已經夠用。
🧪 工作坊：Neo Hsu 的 Graphify 工作坊整理成筆記 → 讓AI讀懂你的系統（Graphify工作坊），裡面有可信度分級怎麼用、降噪、多 repo 的 bridge doc、從小開始，以及查證表。方法本身抽成 工具-用知識圖譜幫agent找對context。
🔗 相關：codegraph、codebase-memory-mcp —— 只看程式碼的同類工具。工具-讓LLM維護的個人Wiki —— 同樣是「先建好結構、查詢時不必重撈原始檔」的想法。
GitNexus
MCP · Claude Code・Cursor・Codex・Antigravity 等 · PolyForm Noncommercial · ★47.9k（2026-10-16）· ⬜ 待試
做什麼：把 codebase 建成一張存在嵌入式圖資料庫裡的知識圖譜，再透過 MCP 工具給 agent 查。自我定位是「像 DeepWiki，但更深：DeepWiki 幫你理解，GitNexus 讓你分析」。另有瀏覽器版 Web UI（不用安裝）。
核心
- 儲存：LadybugDB（前身 KuzuDB）。CLI 用原生版、持久化；Web UI 用 WASM 版、只在記憶體裡、每個 session 重建。
- 解析：tree-sitter；社群分群用 Leiden；本機 embedding 是選配（預設不裝）。
- 19 個 MCP 工具，比同類多出「會動手」的那一層：
impact（影響範圍，依深度分組並附信心）、trace（兩個符號間的有向最短路徑）、detect_changes（把 git diff 對到受影響的執行流）、rename（語意改名，預設只預覽）、cypher（直接下 Cypher）、route_map／api_impact（API 路由與改動影響）、pdg_query（敘述層級的控制與資料依賴，要另外建--pdg索引）。 gitnexus analyze --skills會依分群結果幫每個功能區產生一份專案 skill（.claude/skills/gitnexus-area-<name>/）。
裝
npx gitnexus analyze # 在 repo 根目錄：建索引
npx gitnexus setup # 一次性：自動偵測編輯器並寫入 MCP 設定npm 11 會在安裝時崩潰（README 寫的已知問題），改用 pnpm 或 npm i -g gitnexus。全域安裝也能避免 npx 冷啟動超過 Claude Code 的 MCP 逾時（約 30 秒）。
用：gitnexus query／context／impact／trace／cypher 在終端機下的用法和 MCP 工具同名。gitnexus analyze --watch 會監看檔案、增量更新（需要 git repo）。
⚠️ 注意
- 🔴 授權是 PolyForm Noncommercial：開源版只能非商業使用，公司內使用要另外買授權（README：commercial use … with proper licensing）。這是跟另外三個工具最大的差別。
analyze會改你的 repo：除了建索引，還會安裝 agent skills、註冊 Claude Code hooks、建立AGENTS.md／CLAUDE.md。要移除用gitnexus uninstall（預設只預覽，加--force才執行）。- 來源文章示範的
gitnexus impact --function processPayment，README 沒有--function這個參數；impact指令是有的，參數以gitnexus impact --help為準。
🔗 相關：codegraph、codebase-memory-mcp —— 同樣是給 agent 用的程式碼圖譜；GitNexus 多了改名、Cypher、PDG 這些重度功能，代價是授權限制。
Understand-Anything
plugin · Claude Code（另支援 Codex、Cursor、Copilot、Gemini CLI 等）· MIT · ★86.5k（2026-10-16）· ✅ 已安裝 v2.7.6（未實測）
做什麼：用多 agent 流程分析整個專案，把每個檔案、函式、類別、依賴建成知識圖譜（存在 .ua/knowledge-graph.json），再提供互動式儀表板讓人點著看，附白話摘要和導覽路線。定位是「給人看懂專案」，不是給 agent 省 token。2026 年從 Lum1104/Understand-Anything 移到 Egonex-AI 組織，舊網址會轉址。
核心
- tree-sitter＋LLM 分工：tree-sitter 做確定性的結構抽取（import、export、定義、呼叫、繼承），同樣的輸入每次產出同樣的邊；LLM 讀結構和原始碼，寫出解析器給不了的東西：白話摘要、標籤、架構層、業務領域對應、導覽。
- 多 agent 流程：
/understand由 5 個 agent 組成：project-scanner、file-analyzer、architecture-analyzer、tour-builder、graph-reviewer。file-analyzer 平行跑，最多 5 個、每批 20–30 個檔。/understand-domain、/understand-knowledge各再加 1 個 agent。支援增量更新，只重分析改過的檔。 /understand-knowledge能吃 Karpathy 式的 LLM wiki，畫出知識庫的力導向圖和社群分群 → LLM Wiki（Karpathy）。
裝
/plugin marketplace add Egonex-AI/Understand-Anything
/plugin install understand-anything
用
/understand # 分析整個專案（--language zh-TW 產繁中內容；--auto-update 自動更新）
/understand-dashboard # 開互動式儀表板
/understand-chat 付款流程怎麼跑？
/understand-diff # 分析目前的改動
/understand-explain src/auth/login.ts
/understand-onboard # 產新人導覽
/understand-domain # 抽業務領域與流程
/understand-knowledge ~/path/to/wiki
⚠️ 注意
- 第一次
/understand很吃 token：README 明說大專案會用掉大量 token，建議先從子目錄開始（/understand src/frontend）。四個工具裡它的 LLM 成本最高。 - 程式碼內容會送給模型：摘要由 LLM 產生。公司 codebase 要用時，README 建議改接本機模型（如 Ollama）。
- 儀表板本身可以在內網用 Node 起服務瀏覽，但建圖那一步一定要 LLM；來源文章說「不呼叫 LLM」只對瀏覽成立。
🔗 相關：graphify —— 同樣混合 tree-sitter 和 LLM，但 graphify 只在文件上用 LLM、程式碼完全本機；Understand-Anything 是每個檔都用 LLM 寫摘要。