工具
vishalhabib99/fin-doctor · Checks the money facts in AI agents' answers before customers see them: stale or wrong IRS and SSA figures flagged with the right figure and its source. MCP server + Python.
fin-doctor 是一个面向金融 AI 智能体的事实核查工具，用 MCP 服务器 + Python 实现：它把草稿答案中的 IRS/SSA 官方数字（如 401(k)、IRA、HSA 限额、RMD 年龄、社保应税上限）与带年份和来源的注册表比对，标记过时、错年或错误数字，并给出正确数值与来源链接。它还提供贡献额度计算工具和退休问答审校（事实、投资建议、承诺性表述、范围外、提示注入检测），输出 SEND/REVIEW 判定。项目为参考性构建，未说明生产部署情况。
展开详情收起详情：fin-doctor：在 AI 财务问答交付前核查 IRS 与 SSA 金额事实⌄
程序员在开发金融类 AI 智能体时，可将 fin-doctor 作为 MCP 服务器接入（如 Claude Code），在草稿答案交付前调用 check_answer / gate 对 IRS、SSA 官方金额进行事实核查，并返回 SEND/REVIEW 判定；也可用 contribution_room 工具做确定性的额度计算。
产品经理作为 AI 产品经理的参考构建，可借鉴其从 PRD、评测计划到盲测、发布门禁的流程，以及模型风险包（清单、模型卡、验证报告、监控计划）来设计金融 AI 答案的事实核查与上线治理方案。
★ 1 · 可直接使用的工具
原文发布：未知收录：2026-10-19
工具
imrohitagrawal/quorum-ai · Multi-model LLM orchestration with cost approval, source-backed synthesis, disagreement, uncertainty, and degraded-mode disclosure.
Quorum-AI 是一个基于 FastAPI 的研究问答工具：它把同一个问题并行发送给四个 LLM，再经过两轮互评或主持人评审，最后由独立的合成模型给出包含共识、分歧、来源支持、不确定性和建议五项内容的答案。它提供成本预估与分级额度控制（单次软阈值/硬上限、账户日上限、全局日上限），并通过确定性结构评测计算信任分；但信任分默认因评审模型关闭而显示未验证，引用支持仅比对来源标题与链接而不读取页面内容。结果默认不持久化，需要用户手动导出。
展开详情收起详情：Quorum-AI：多模型并行问答与分歧合成工具⌄
程序员作为可自部署的 FastAPI 多模型问答工具，程序员可将其用于技术问题研究：同一问题并行查询四个 LLM，经两轮互评/主持人评审后由合成模型输出包含共识、分歧、来源支持、不确定性和建议的答案，并可通过导出按钮保留结果。
产品经理产品经理可用该工具做研究性问答与多模型观点对比：输入研究问题后获得含共识、分歧、来源支持、不确定性和建议的结构化答案，并借助成本预估与分级额度控制在预算内使用。
★ 2 · 可直接使用的工具
原文发布：未知收录：2026-10-19
综合合集
api-evangelist/vervoe · Vervoe — independent third-party profile of a public API surface, by API Evangelist. Vervoe is an AI-powered skills assessment and skills-based hiring platform. Employers build their own assessment content or select from a public Assessment Library - assessments can include video, spreadsheets, presentations, and code challenges that simulate real
Vervoe 是一个 AI 驱动的技能评估与技能招聘平台，雇主可自建评估内容或从公开评估库中选题（含视频、表格、演示和代码挑战），并邀请候选人参与由 AI 打分排序的 Talent Trials。该仓库是 API Evangelist 维护的第三方公开 API 档案，记录其合作伙伴/集成 REST API：列出雇主的评估、邀请候选人完成评估、获取候选人报告与分数，以及通过签名 Webhook 接收报告实时通知。Vervoe 未公开具体端点路径和 OpenAPI 定义，访问需联系其销售团队开通。
展开详情收起详情：Vervoe：基于技能的招聘评估与 ATS 集成 API 档案⌄
HR招聘人员可通过该 API 档案了解如何用 Vervoe 的合作伙伴/集成 REST API 列出雇主评估、邀请候选人完成评估、获取候选人报告与分数，并通过签名 Webhook 接收报告实时通知，用于技能招聘流程中的候选人评估与排序。
产品经理产品经理可参考该 API 档案了解 Vervoe 技能评估与招聘平台的 API 能力边界（评估列表、候选人邀请、报告与分数获取、Webhook 通知），用于规划 ATS 或内部招聘仪表盘等集成产品的需求与接口设计。
★ 0 · 资料合集
原文发布：未知收录：2026-10-17
工具
jakemanger/whatmodel · Find the best AI models you can run
whatmodel 是一个开源 AI 模型榜单工具，将 879 个模型依据 22,113 条已发布基准测试结果汇总为单一评分，并列出每个模型的 API 价格、本地运行所需内存以及运行命令。用户可以在网站或终端按自身电脑配置（内存、显存、是否有独立显卡）与预算过滤模型，覆盖 llm、图像、视频、TTS、STT 等多个类别，支持 LMArena 等基准子集筛选与自定义评分尺度。
展开详情收起详情：whatmodel：按硬件与预算筛选可本地运行的 AI 模型榜单⌄
程序员程序员在本地部署或选择 AI 模型时，可按自身电脑的内存、显存和是否有独立显卡过滤模型，并查看每个模型的 API 价格、本地运行所需内存以及运行命令，从而决定哪些模型能在本机运行。
产品经理产品经理在评估 AI 模型选型时，可参考该榜单按单一评分比较 879 个模型，并查看 API 价格与本地运行所需内存，辅助成本与能力权衡。
★ 30 · 资料合集
原文发布：未知收录：2026-10-16
工具
nurf-ai/ai · Multimodal Go AI module with realistic cost tracking, not just tokens.
nurf-ai/ai 是一个 Go 语言模块，用于在多家 AI 服务商之间统一构建聊天、流式输出、推理、工具调用、结构化输出、嵌入、语音转文字、文字转语音、音效、音乐生成、实时语音、内容审核、图像生成与编辑、视频生成等能力。其特色是内置按模型计价器，可估算 token、图像、视频秒数、语音字符与音频时长等真实成本，并通过 models.json 集中维护模型费率与上下文窗口。
展开详情收起详情：nurf-ai/ai：跨多家 AI 服务商的多模态 Go 模块，内置真实成本计量⌄
程序员在 Go 项目中通过该模块统一接入多家 AI 服务商的聊天、流式输出、工具调用、结构化输出、嵌入、语音、图像与视频生成等能力，并利用内置按模型计价器估算 token、图像、视频秒数、语音字符与音频时长等真实成本。
产品经理在评估或规划多模态 AI 功能时，参考该模块覆盖的聊天、推理、工具调用、结构化输出、语音转文字、文字转语音、音效、音乐生成、实时语音、内容审核、图像生成与编辑、视频生成等能力清单，以及按模型计价器对 token、图像、视频秒数、语音字符与音频时长的成本估算方式。
★ 1 · 开发框架
原文发布：未知收录：2026-10-16
综合合集
ktwu01/benchmark-radar · Track 20,710+ AI benchmark, eval, dataset, and data-quality records from 39 public sources, with linked evidence and daily updates.
Benchmark Radar 是一个面向 AI 基准与评测的"活数据库"和搜索引擎，通过爬虫每天从 40 个公开来源采集基准论文、仓库、数据集与发布信号，并结合模型报告、Artificial Analysis 等来源整理基准目录、分数记录、测试条件与引用信息。项目提供网页仪表盘（今日发现、基准前沿排行榜、Pareto 前沿、饱和与趋势视图）、RSS 订阅、可下载数据集以及用于离线查询的 CLI，还支持通过 coding agent 技能方式查询基准。材料说明软件采用 MIT 许可，技术报告与原创编辑内容采用 CC BY-NC-SA 4.0，商业再发布或产品集成需事先书面许可；未说明具体硬件要求和 API 成本。
展开详情收起详情：Benchmark Radar：AI 基准与评测记录的持续采集与检索数据库⌄
程序员程序员在开发或评估 AI 系统时，可通过该数据库检索 AI 基准与评测记录，查看基准论文、仓库、数据集、模型分数与测试条件，并利用 CLI 或 coding agent 技能进行离线查询，辅助评测选型与结果核对。
产品经理产品经理在规划 AI 产品时，可借助该数据库的基准前沿排行榜、Pareto 前沿、饱和与趋势视图，了解模型能力评测与基准采用趋势，为技术选型和产品决策提供参考。
★ 294 · 可直接使用的工具
原文发布：未知收录：2026-10-16
工具
rchrp/Blame · An open source desktop IDE for AI coding agents, with a semantic harness, integrated backlog, isolated Git worktrees, live previews, and code review before merging.
Blame 是一个开源的桌面开发环境，把用户故事、编码智能体任务、相互隔离的 Git worktree、运行预览和代码审核串联在同一个工作区中。用户可以把需求交给智能体实现，在其独立工作树和预览环境中检查改动、日志与终端输出，再决定驳回或批准合并。项目支持接入用户自己的 AI 提供方凭证，并提供轻量语义 harness 用于语法感知的代码导航、受控编辑与执行验证证据。代码以 TypeScript monorepo 组织，采用 pnpm 与 Turborepo。
展开详情收起详情：Blame：面向 AI 编程智能体的桌面工作区，从任务待办到审核合并⌄
程序员在桌面工作区中把用户故事交给编码智能体实现，在隔离的 Git worktree 和预览环境中检查改动、日志与终端输出，再决定驳回或批准合并；也可用 Quick Chat 处理较小改动、调试和代码探索。
产品经理把用户故事转化为智能体任务，并在 backlog 队列中跟踪其从开发、审核到合并的进展。
★ 2 · 可直接使用的工具
原文发布：未知收录：2026-10-16
工具
BN-KR/Tracify · Tracify is an AI observability platform that helps developers monitor, debug, and optimize AI agents in production. Trace every decision, tool call, failure, retry, latency spike, and cost in one clear view.
Tracify 是一个面向 AI Agent 的可观测性与故障防护平台，通过捕获 Agent 运行、LLM 生成、工具调用、成本、评测与失败信息，帮助团队理解发生了什么、定位并修复问题、验证修复效果并防止同类故障复发。它提供 TypeScript 与 Python SDK（包名 tracify-sdk），支持嵌套运行、自定义 span、重试与错误追踪，并配套数据集与评测器、Prompt 版本管理与部署标签、成本与运行时策略（SDK 失败开放）、区域端点与公开健康状态页面。架构上以 SDK/OTLP 接入 Next.js 摄取，经 Tinybird 存储高吞吐遥测数据、Convex 保存项目元数据与工作流状态，并输出到仪表盘。
展开详情收起详情：Tracify：面向 AI Agent 的可观测性与故障防护平台⌄
程序员在开发 AI Agent 应用时，通过 tracify-sdk 捕获 Agent 运行、LLM 生成、工具调用、成本、评测与失败信息，用于监控、调试和优化生产环境中的 AI Agent，定位并修复问题、验证修复效果并防止同类故障复发。
产品经理在管理 AI Agent 产品时，借助 Tracify 的仪表盘查看 Agent 运行、成本、评测与失败信息，用于理解产品运行情况、定位问题并验证修复效果。
★ 5 · 可直接使用的工具
原文发布：未知收录：2026-10-16
综合合集
kajykk/bysj · 🧠 毕业设计：面向高校的心理健康风险评估系统 (DWS) — 多模态 ML 融合（问卷 + 文本 BERT + 生理信号）· FastAPI + Vue 3 全栈 · 金丝雀发布 / 漂移检测 · Prometheus 全链路可观测
该项目是一个面向高校场景的心理健康筛查与预警平台，融合结构化问卷、文本分析与生理信号进行多模态风险评估。后端采用 FastAPI，前端采用 Vue 3 + TypeScript，包含用户、咨询师、管理员三角色工作台，并覆盖异步任务调度、实时告警、模型治理（漂移检测、金丝雀发布、回滚）、可观测性（Prometheus、Grafana、Sentry、OpenTelemetry）以及 PII 加密、审计、限流等安全合规能力。项目定位为“AI + 全栈 + DevOps + 可观测性”的个人作品集级完整系统示例。
展开详情收起详情：心理健康风险评估系统（DWS）：面向高校的多模态心理健康筛查与预警平台⌄
程序员作为全栈与 MLOps 工程实践参考：仓库提供 FastAPI 后端、Vue 3 + TypeScript 前端、Celery/Redis 异步任务、模型治理（漂移检测、金丝雀发布、回滚）以及 Prometheus/Grafana/Sentry/OpenTelemetry 可观测性配置，程序员可参考其架构与实现方式用于类似系统的开发、测试与排错。
产品经理作为高校心理健康筛查与预警平台的产品设计参考：仓库描述了用户、咨询师、管理员三角色工作台，以及“筛查—预警—干预—复盘”闭环、报告导出与预警监控等功能，产品经理可据此了解该类系统的角色划分与业务流程设计。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-16
工具
unofficial-equivocation2029/Open-Jev · Get typed decision probabilities from context and candidates, instantly—no autoregressive generation or JSON parsing.
Open-Jev 是一个面向决策场景的 AI 工具，输入情境描述与多个候选选项后，直接给出每个选项为正确选择的概率，而无需自回归生成或 JSON 解析。README 提到最新版本 Open-Jev-27B-v1.1，支持一次最多七个选项，并强调展示不确定性以便判断结果的可信程度。文档描述其为面向普通用户的 Windows 桌面应用，无需编程基础。
展开详情收起详情：Open-Jev：从上下文与候选项中直接输出带类型的决策概率⌄
HR在招聘或人力决策场景中，输入情境描述与多个候选选项，获取每个选项为正确选择的概率，并借助不确定性展示判断结果的可信程度。
产品经理在需求分析或方案取舍时，输入情境描述与多个候选选项，获取每个选项为正确选择的概率，并借助不确定性展示判断结果的可信程度。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-15
综合合集
mokuyoaxis/dsh-iris · Media generation and visual understanding for DeepSeek Harness, with multi-provider routing and the integrated Iris workbench.
Iris Media 是面向 DeepSeek Harness 的多模态生产运行时，以 DSH 插件和独立 headless CLI 两种形式提供图像生成、视频生成（文生视频/图生视频/S2V 数字人）、音乐生成、语音合成与音频转写、看图问答、长图 OCR、目标定位、裁剪、像素差异、视频抽帧与多模态摘要等能力。它通过多供应商模型池按“供应商 + 模型”为每项能力分配候选模型，生成作品由共享 Core 以 Task/Artifact 管理，支持异步任务跟踪、重启恢复与作品导出；内置 Iris 工作台用于配置、任务管理和统计，并在对话输入区提供提示词优化入口。项目提供离线诊断 Doctor、随包三项 Agent Skills 以及多份协议与安全文档。
展开详情收起详情：Iris Media for DSH：为 DeepSeek Harness 提供多模态媒体生成与视觉理解的插件与 CLI⌄
程序员在开发工作中通过 DSH 插件或 headless CLI 调用图像生成、视频生成、音乐生成、语音合成与转写、看图问答、长图 OCR、目标定位、裁剪、像素差异、视频抽帧与多模态摘要等能力，并借助随包三项 Agent Skills 指导单步媒体操作、多步骤创作与界面截图验收。
产品经理用于产品界面还原与截图验收：通过 iris-verify-ui Skill 对比当前截图和参考图，定位偏差并给出有证据的结论，区分通过、部分通过、失败和证据不足。
★ 8 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
hyunolike/hanjeok-agent · A travel guide agent for Hanjeok: ask where it's crowded, watch each lookup, and get an answer that cites only what it fetched. LangGraph, Neo4j GraphRAG, MCP.
Hanjeok Agent 是面向 Hanjeok 旅行服务的智能体，用于回答“某地某日是否拥挤”这类问题。它先用规则解析问题中的地点与日期，再通过受校验的查询步骤在 Neo4j 知识图谱与 Hanjeok 只读接口中检索，并在界面上逐步展示每次查询。最终答案只允许引用本次问题实际获取到的记录或政策文档，经由引用校验后才展示；答案与替代地点排序均沿用 Hanjeok 服务的原始排序，模型不自行排序。项目还提供路径可视化、两种检索策略的对比评测页面，以及通过 MCP 暴露的只读工具。
展开详情收起详情：Hanjeok Agent：可追溯的旅行指南智能体⌄
程序员作为可参考的 GraphRAG 智能体实现，用于学习如何用 LangGraph 编排带引用校验的检索流程、用 Neo4j 做相似度检索，并通过 MCP 暴露只读工具供其他程序调用。
产品经理参考其产品需求文档、规格说明与评测页面设计，了解如何定义智能体的可回答范围、引用校验规则和检索策略对比评测。
★ 1 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
ayushh0110/ScreenMind · AI-powered screen memory — captures, analyzes, and lets you search/chat your screen history. Powered by Gemma 4 . 100% local, 100% private.
ScreenMind 是一款 AI 驱动的屏幕记忆应用，通过内容变化检测捕获屏幕截图，使用 Gemma 4 多模态模型在本地完成视觉分析、语音转写与推理，构建语义与关键词混合检索的可搜索历史记录，并支持基于屏幕记忆的对话问答、会议转写总结、Agent 自动化、MCP 集成与数据分析面板。项目强调全部数据与推理留在本机、无遥测、提供敏感信息过滤与静态加密等隐私措施。
展开详情收起详情：ScreenMind：本地化屏幕记忆与检索对话工具⌄
程序员通过 MCP Server 将本地屏幕历史暴露给 Claude Desktop、Cursor、VS Code，供开发者在编码时检索此前在 IDE 或浏览器中看过的内容；也可用 Markdown 或 Python 编写 Agent 自动化。
产品经理自动检测并转写 Zoom、Teams、Webex、Slack、Discord 及浏览器中的 Google Meet 等会议，生成结构化会议总结；并通过分析面板查看应用使用、分类占比与专注度指标。
★ 238 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
Wholeheartednesssierra488/llmcouncil · Coordinate multiple LLMs in parallel for voting, debate, synthesis, critique, red teaming, and verification via MCP and Claude Code
llmcouncil 是一个面向 Windows 的多模型协作工具，可让 GPT-5、Gemini 2.5、Claude 等多个模型在同一任务上进行投票、辩论、批判与综合，从而形成最终答案。它支持与 Claude Code 及 MCP 集成，适用于写作编辑、代码审查、研究总结、方案对比、事实核查等需要多模型交叉验证的场景。
展开详情收起详情：llmcouncil：多 LLM 并行投票、辩论、综合与验证工具⌄
程序员在编码工作流中通过 Claude Code 和 MCP 调用多个模型对代码进行审查、批判与交叉验证，辅助发现单模型遗漏的问题。
产品经理对方案进行多模型对比、辩论与综合，用于方案对比、规划与决策支持，形成更可信的最终结论。
★ 0 · 可直接使用的工具
原文发布：未知收录：2026-10-15
工具
google/adk-python · An open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.
Agent Development Kit（ADK）是 Google 开源、代码优先的 Python 框架，用于以软件工程方式构建、评估和部署 AI Agent。它提供基于图的 Workflow 运行时（支持路由、扇出/扇入、循环、重试、状态管理、动态节点、人在环路和嵌套工作流）、结构化任务 API（多轮任务模式与单轮受控输出）、模块化多 Agent 组合、丰富的工具生态（预置工具、自定义函数、OpenAPI 规范、MCP 工具）、工具确认流程（HITL），并支持容器化部署到 Cloud Run 或 Vertex AI Agent Engine。框架针对 Gemini 优化，但模型无关、部署无关，也可通过 Agent Config 免代码构建 Agent，并配有开发 UI 用于测试、评估与调试。
展开详情收起详情：Agent Development Kit (ADK)：用 Python 构建、评估与部署 AI Agent 的代码优先框架⌄
程序员使用 ADK 以代码优先方式在 Python 中定义 Agent 逻辑、工具与编排，构建、评估和部署 AI Agent；可通过内置开发 UI 测试、评估与调试 Agent，并使用 adk eval 运行评估样例。
产品经理借助 ADK 的 Agent Config 免代码构建 Agent，并使用内置开发 UI 测试、评估、调试和展示 Agent，用于快速验证 AI Agent 产品原型。
★ 21849 · 开发框架
原文发布：未知收录：2026-10-15
工具
langchain-ai/agent-protocol
Agent Protocol 是 LangChain 团队提出的规范，用于定义在生产环境中以框架无关方式对外提供 LLM Agent 服务所需的 API。规范围绕三类核心概念展开：Runs（执行 Agent 的接口，含无状态一次性运行 /runs/wait 与 /runs/stream）、Threads（组织多轮交互，支持持久化状态、历史版本、并发控制与 CRUD）、Store（长期记忆，支持命名空间、键值与搜索）。此外还定义了 Agent 自省接口、Message 消息规范以及面向线程的流式协议（SSE / WebSocket、命令、回放、工具生命周期事件等），并附有 OpenAPI 文档、JSON 规范、Python 服务端桩代码以及若干 Hurl 编写的使用旅程示例。
展开详情收起详情：Agent Protocol：面向生产环境的 LLM Agent 框架无关 API 规范⌄
程序员用于在生产环境中以框架无关方式对外提供 LLM Agent 服务：按规范实现 Runs（/runs/wait、/runs/stream）、Threads（多轮交互、持久化状态、并发控制、CRUD）与 Store（长期记忆）等 API，并可使用仓库提供的 OpenAPI 文档、JSON 规范、Python 服务端桩代码和 Hurl 使用旅程示例进行开发与测试。
产品经理用于定义和评审 LLM Agent 服务的 API 需求：围绕 Runs、Threads、Store 三类核心概念梳理执行、多轮交互与长期记忆等能力边界，并参考 Agent 自省接口（列出 Agent、获取基本信息与输入/输出/状态/配置 schema）明确 Agent 可做什么、接受什么输入、返回什么。
★ 687 · 开发框架
原文发布：未知收录：2026-10-15
综合合集
vishalhabib99/vishalhabib99 · Vishal Habib: AI Product Manager. Agent evals, guardrails and MCP trust tooling, built in the open.
这是 Vishal Habib 的个人 GitHub 仓库，汇集其在开放环境下构建的智能体评测、护栏与 MCP 信任相关工具与案例。内容包括 MCP 服务器诊断（mcp-doctor）、模糊测试（mcp-fuzz）、现实性校验（mcp-reality-check）、信任检查（mcp-trust-check），以及面向 AI 产品经理的技能集合（ai-pm-skills）、智能体产品手册（agentic-product-playbook）和产品案例研究（ai-pm-portfolio）。同时包含金融科技场景下的答案核验（retirement-answer-check）、电商列表声明核验（listing-claim-check）、智能体交接检查（agent-handoff-check）等项目，以及公开的评测报告、红队测试结果和写作链接。
展开详情收起详情：vishalhabib99：AI 产品经理的开源作品集——智能体评测与 MCP 信任工具⌄
程序员程序员可使用 mcp-doctor 检查 MCP 服务器工具是否可被智能体实际使用，通过 GitHub Action 在 PR 中扫描并修复，或使用 Claude Code 插件在开发时扫描；mcp-fuzz 检查服务器是否干净失败，mcp-reality-check 捕获虚假成功响应，mcp-trust-check 将三者作为 GitHub Action 运行并决定 SHIP、FIX-FIRST 或 BLOCK。
产品经理AI 产品经理可使用 ai-pm-skills 中的 Claude Code 技能（/build-or-not、/eval-plan、/agent-trust-review）辅助产品决策与评测规划，并参考 agentic-product-playbook 了解 AI 智能体在生产环境中的失败模式与模板，以及 ai-pm-portfolio 中的 PRD、原型和评测案例。
★ 0 · 资料合集
原文发布：未知收录：2026-10-14
综合合集
adshine/skills · Collection of agent skills (Claude Code / Codex). Each subdir is a self-contained SKILL.md.
这是一个 Agent 技能合集，适用于 Claude Code、Codex 及任何兼容 SKILL.md 的智能体。每个子目录是一个自包含技能，包含 SKILL.md 及辅助脚本，覆盖 iOS 模拟器会话隔离、视觉与交互 QA（布局度量、动效、点击手感、源还原度）、CLI/文件系统断言、全栈交互追踪、网站审计、设计系统搭建、破损视频修复、项目管理以及联系人二维码生成和 AI 图像生成等场景。仓库提供 git clone 或复制单个技能目录到 Agent 技能目录的安装方式。
展开详情收起详情：adshine skills：面向 Claude Code / Codex 的 Agent 技能合集⌄
程序员作为 Agent 技能合集，程序员可将各子目录技能安装到 Claude Code / Codex 等兼容 SKILL.md 的智能体技能目录，用于 iOS 模拟器会话隔离、视觉与交互 QA、CLI/文件系统断言、全栈交互追踪、网站审计、设计系统搭建、破损视频修复、项目管理等开发与测试工作。
产品经理产品经理可借助该技能合集进行网站审计，获得双轨报告：通俗英文执行摘要与深度工程规格，用于产品与工程沟通。
★ 0 · 资料合集
原文发布：未知收录：2026-10-14
工具
wangxiaoyang0412/consistency-illusion · [EMNLP 2026 Main] The Consistency Illusion: CARA metrics for cross-agent reasoning alignment in multi-agent LLM debate, and the Grounded Debate Protocol (GDP) for medical QA
该项目是 EMNLP 2026 论文《The Consistency Illusion》的官方代码与数据仓库，提出 CARA（跨智能体推理对齐）系列自动指标，用于衡量多智能体 LLM 辩论系统在答案一致时推理链是否真正一致，并揭示“一致性幻觉”——辩论虽减少表面矛盾，却可能降低推理语义相似度。仓库同时给出 Grounded Debate Protocol（GDP）提示级方案，通过 CLAIM/GROUND/STANCE 结构化推理在不增加 LLM 调用与智能体路由的前提下修复推理对齐。仓库包含 CARA 实现（步骤分解、DeBERTa-v3 NLI 矛盾检测、Stella 嵌入相似度、CARA-HYB）、GDP 与 M3 提示构建器，以及论文各表格、效应量、附录分析的复现脚本与逐题分数数据。
展开详情收起详情：Consistency Illusion：多智能体辩论中的跨智能体推理对齐评测与 GDP 协议⌄
程序员在开发多智能体 LLM 辩论系统时，使用仓库中的 CARA 实现（步骤分解、DeBERTa-v3 NLI 矛盾检测、Stella 嵌入相似度、CARA-HYB）对智能体推理链进行跨智能体推理对齐评测，并可用 GDP 提示构建器生成 CLAIM/GROUND/STANCE 结构化提示来修复推理对齐。
产品经理在评估多智能体 LLM 医疗问答系统的可靠性时，使用 CARA 指标衡量智能体答案一致时推理链是否真正一致，识别“一致性幻觉”，并参考 GDP 提示级方案在不增加 LLM 调用与智能体路由的前提下改善推理对齐。
★ 0 · 研究实现
原文发布：未知收录：2026-10-14
综合合集
AmirinNS/coding-agent-skills
该项目是一组编码智能体技能与行为准则的合集，覆盖需求规划、方案评审、UI 设计、实现编排、代码评审、文档与提交、缺陷修复等 SDLC 阶段。它提供将实现任务委派给 Codex CLI、Claude Code、Antigravity CLI（agy）与 pi CLI 的技能，支持并行 swarm 分工、同线程讨论与独立评审，并附带 Flask + Bootstrap 5 + MongoDB 脚手架、Electron 桌面应用脚手架、Expo Android 运行等具体技能；所有委派与编排流程默认停在评审阶段、不自动提交。
展开详情收起详情：coding-agent-skills：面向多编码智能体的软件开发全流程技能库⌄
程序员使用该技能库覆盖软件开发全流程：用 plan-feature 制定实现计划、plan-review 评审计划、implementation-review 审查代码缺陷、fix-bug 复现并修复缺陷、create-docs 生成功能文档、generate-commit 生成提交信息，并通过 orchestrate-implementation-* 与 delegate-work-* 将实现任务委派给 Codex CLI、Claude Code、Antigravity CLI（agy）与 pi CLI，支持并行 swarm 分工与独立评审。
产品经理使用 prototype-ui 技能为大型或全新 UI 生成线框图和可点击原型并附设计决策表以供审批，使用 design-critique 针对领域与受众评审现有 UI 并产出 DESIGN.md，使用 design-study 测量现有站点、应用或截图生成设计令牌表与 DESIGN.md，用于需求原型与设计评审。
★ 0 · 资料合集
原文发布：未知收录：2026-10-14