Skill

andrej-karpathy-skills Andrej Karpathy 曾是 OpenAI 早期成员，也在 Tesla 负责过 AI 相关工作，对大模型和工程实践都有很深的理解。这个 skill 很像是把他对 AI 编码的思考，整理成一套更可复用的行为规则：先理解问题，再动手修改；优先选择简单方案，避免过度设计；只改真正需要改的部分，尽量减少对现有系统的扰动。 GitHub：https://github.com/forrestchang/andrej-karpathy-skills everything-claude-code 这个仓库把自己定义为一个面向 Claude Code、Codex、Cursor、OpenCode 等工具的“agent harness performance optimization system”，覆盖 skills、memory、security、hooks、rules 和 research-first development, 将这些能力整合成一个完整的系统。 作者本人长期在 Claude Code 和自动化系统方向实践，这套配置是作者真实开发中持续打磨出来的一套 AI coding workflow。 总结：非常全面，如果在做开发时不知道装什么，那就选择这个吧。个人会觉得有些heavy了，会选择Manual Installation，挑一些我自己用到的部份。 GitHub：https://github.com/affaan-m/everything-claude-code superpowers Superpowers 不是单个 skill，更像是一套给 coding agent 用的软件开发方法论。它从 agent 启动时就开始接管流程：先确认你到底要做什么，再把需求拆成可读的设计说明；设计确认后，继续拆成足够细的执行计划；真正写代码时，用 TDD、代码评审、验证和分支收尾约束 agent，不让它凭感觉一路改下去。 它的核心价值不是多装几个命令，而是让 coding agent 形成固定工作流。比如新功能先 brainstorming，再 writing-plans；实现阶段走 test-driven-development；复杂任务交给 subagent-driven-development 或 executing-plans；做完后用 requesting-code-review 和 verification-before-completion 检查，最后用 finishing-a-development-branch 收尾。 GitHub：https://github.com/obra/superpowers 基础流程 brainstorming：需求还不清楚时用，先确认目标、边界、取舍和备选方案。 using-git-worktrees：方案确认后用，给任务开独立 worktree，避免污染当前工作区。 writing-plans：把已确认的方案拆成具体任务，每一步要有文件路径、操作说明和验证方式。 subagent-driven-development：按计划派发子 agent 执行任务，适合步骤多、上下文容易混乱的开发。 executing-plans：按计划分批执行，适合需要人工检查点的任务。 test-driven-development：实现功能或修 bug 前用，强制走 red、green、refactor。 requesting-code-review：阶段完成后用，先 review 再继续推进。 finishing-a-development-branch：整条开发分支完成后用，做最终验证、合并或 PR 决策、清理 worktree。 Skills Library 分类 Testing ...