AI 资源库 · 已整理 142 项
查看与AI 编程相关的 AI 资讯、工具、Skill、工作流和开源项目。
软件交付工具公司 Harness 调查了 700 名工程人员，想弄清 AI 编程工具如何影响软件发布。他们发现：发布越快，失败越多，团队倦怠也越严重——比如部署失败率超过 30% 的团队中，55% 的管理者说团队长期倦怠，而失败率低于 11% 的团队只有约 4%。有意思的是，84% 的受访者说 AI 其实减轻了倦怠，问题出在 AI 提高了交付期望，而底层的发布流程没跟着升级。对读者来说，这意味着：如果你的团队也在被发布拖垮，先别怪 AI，优先减少手工步骤、让回滚变简单，可能是最有效的抓手。
提供的材料未提及具体可用工具。
GitHub 官方博客介绍了让 Copilot 更懂你项目的四种自定义方式。原来每次让 Copilot 改代码，都得反复解释项目的命名规范、测试脚本和目录结构，新来的 Copilot 完全不了解这些“家规”。现在可以把这些知识直接写进仓库：用自定义指令说明通用规范，用 Agent 技能打包重复流程（如跑测试和 lint），用自定义 Agent 处理无障碍审查这类跨文件任务，还能通过 MCP 服务器接入 Playwright 等外部工具让 Copilot 在浏览器里实际操作验证界面。这样 Copilot 就能自动读取项目规则，减少重复说明，按团队既定流程干活。文章还推荐了社区分享的 Awesome Copilot 资源库，并建议先从一个常被重复解释的规范开始，写进 .github/copilot-instructions.md 试起。
这是一期播客节目，主持人 Michael Stiefel 请来架构师 Joy Ebertz，聊 AI 正在怎样改变架构师和开发者的日常工作。节目指出，架构师最容易忽略的一件事，是替业务的长期成功做打算；而当 AI 不断改变软件开发的面貌时，这件事反而变得更重要。节目没有给出具体工具清单或落地步骤，主要是观点层面的讨论，适合想了解 AI 对开发角色长期影响的听众。
提供的材料未提及具体可用工具。
Spotify 说，用上 AI 辅助开发后，每个月合并进主干的代码变更数量翻了一倍多。代码改得又快又多，怎么保证不出大问题就成了新麻烦，于是他们重新检查并调整了测试、可观测性、回滚能力、任务优先级和自动化维护等环节，来适应这种更高的变更速度。对读者来说，这提供了一个真实案例：AI 编程真正的挑战不只是写代码变快，而是配套的质量和应急机制能不能跟上。
提供的材料未提及具体可用工具。
subashraja069-cmd/claude-code-boss-mode · Control Claude Code with a boss layer that checks ROI, scope, and cuts before work starts
该项目在 Claude Code 之上叠加一层“老板模式”决策过滤，通过 CEO（业务影响与成本）、EM（交付与技术风险）、PM（范围与用户价值）三种视角，对任务、计划和 Pull Request 做前置审查。提供 /boss、/boss-pr、/boss-plan、/boss-roast 等命令式流程，用于评审计划、削减范围、判断任务是否过大、发现产品风险并给出直接反馈。主要面向使用 Claude Code 的 Windows 用户，包括个人开发者和产品、工程、交付角色。
tapperisobar941/claude-code-cli · Explore Claude Code CLI source code for learning, analysis, and TypeScript Bun CLI tool design
该仓库围绕 Claude Code CLI 的源码展开，定位为供学习、分析和理解基于 TypeScript 与 Bun 的 CLI 工具设计的资料合集。仓库 README 内容极简，仅给出项目名，未提供具体功能说明、安装步骤或使用文档，因此实际可获取的能力细节未说明。仓库标签涉及 agentic-ai、ai-agents、ai-coding、claude-code、prompt-engineering 等方向，可供关注 AI 编程代理与命令行工具实现的人参考。
很多过去觉得做软件门槛很高的人，现在也能动手做东西了。原因是用自然语言（比如直接说“帮我做个前端”）就能指挥 AI 帮自己写出代码，不再必须学很多年编程。GitHub 博客这篇采访了多场黑客马拉松的参与者，发现有人靠 GitHub Copilot 在半小时内做出前端并接上新闻 API，当有人遇到 bug 或演示失败时，也能当场重来。对读者来说，如果你有想法但不会写代码，可以先参加一场黑客马拉松，在两天里专注做出一个小原型，失败也没关系。文中的 GitHub Copilot 在博客里是既有产品或入口，但文中没有说明其独立应用何时开放；可用的具体工具和链接以原文为准。
GitHub 把 Copilot 运行时的 80 多万行代码，从 TypeScript 和 Node.js 换成了 Rust。Rust 是一种运行更快、更省内存的编程语言。他们没停下来重写，而是边跑边换：先用 N-API 让新旧代码互通，再配合自动测试和人工检查，分 128 次小改动逐步完成，大约花了 14.5 周，期间正常发布版本。对用户来说，Copilot 后端未来可能更快更稳；不过文章只提到迁移过程，没有说明实际性能提升了多少。
WPH666-py/DeepAhead · 新一代多模态智能体 IDE（Rust + Tauri 2 / Vue 3）：DeepKing 同源升级，DSH / DSK / DSA / DSF 四种模式各由厂商原装工作流引擎驱动（DeepSeek Harness / kimi-code / astra-advisor / fable-orchestrator+fablewright），只烧 DeepSeek Token；含执行许可、多模态视觉、Persona 皮肤与插件生态。
DeepAhead 是一款面向开发者的多模态智能体集成开发环境，由 DeepKing 升级而来。底层采用 Rust + Tauri 2，前端使用 Vue 3 + TypeScript，将代码编辑、多模态 AI 辅助、多智能体工具调用、多语言运行、文件解析、版本控制与插件生态整合到同一桌面窗口。项目提供 DSH / DSK / DSA / DSF 四种工作流模式，共享 DeepSeek 运行时可与多模态视觉栈，支持执行许可审批、日志面板、上下文压缩、内置终端、CodeMirror 多标签编辑器、九工具 Agent 循环、多语言一键运行、Office/PDF 解析、Git 集成以及 VS Code 插件市场接入。
这篇博客记录了作者用 Harness 搭建 CI 流水线的一次实际体验：他有一个 Java Maven 项目（含 42 个单元测试和 Dockerfile），以前搭流水线要手写一堆 YAML 配置，这次他把 GitHub 仓库授权给 Harness，让内置 AI 扫描代码、自动识别 Java + Maven 并生成构建、测试、缓存步骤，再手动加一步把镜像推到 DockerHub。整个过程不用写一行流水线 YAML，首次运行 2 分 34 秒全部通过，加上推送 DockerHub 后整条流水线也只跑了 3 分多钟，适合想快速体验 Harness CI 的开发者参考。
MichinaoShimizu/kiroku · Your AI work history, visualized — Claude Code, Kiro, Amazon Q, Codex. Local-only, one HTML file.
kiroku 是一个用 Go 编写的本地历史可视化工具：它读取 Claude Code、Kiro（IDE、CLI 与 Kiro Crew）、Amazon Q Developer CLI 和 Codex CLI 在本机保存的历史记录，并按周或月将这些记录汇总到一个日历视图中，展示会话时间、所在项目、提示词、活跃时长、token、预估成本与 Git 提交等信息。点击任意指标可查看它在日期、智能体、项目和模型上的分布，并附带对应会话；也可以一键生成 Markdown 周报草稿。项目强调本地优先：不依赖 AI 服务或外部 API，也不上传数据，服务仅监听 127.0.0.1；还可以把某周的数据导出为单个 HTML 文件用于分享。
这期 Spring Office Hours 播客由 Dan Vega 和 DaShaun Carter 主持，请来 Spring 生态知名开发者 Josh Long，一起聊软件开发未来，还回应了最近流传的一个争议观点。节目以直播形式进行，观众可以在线提问，也可以稍后通过播客平台收听回放。节目笔记里列了一串相关话题和工具，包括 Rails World 2026 主题演讲、Java 的 JSON API 提案、Netflix 的 Java 格式化工具 jfmt、Spring Modulith，以及可以在 Ollama 上本地运行的小型代码模型 Qwen2.5-Coder 1.5B 和 Ollama Cloud 云服务。对普通读者来说，这更像一份技术圈资讯清单而非成品工具指南，具体讨论内容需收听节目，材料未说明这些工具何时开放或如何使用。
heymegabyte/agent-skills · Agent Skills — agent-neutral autonomous product-building OS for 32+ AI coding tools. 23 skill categories · 28 agents · 149 reference docs · 37 platform variants. One-line prompts → deployed products on Cloudflare Workers.
Emdash Skills 是一套与具体 agent 无关的技能与规则集合，面向 32+ 种 AI 编程工具，覆盖从产品构思、架构、构建、QA 到部署的完整流程，目标是把一行提示推进到部署在 Cloudflare Workers 上的产品。仓库包含 23 个技能类别、28 个 agent、多条 slash 命令、跨平台规则变体文件，并引入 Playwright、视觉 QA、Lighthouse、axe-core、SEO 等硬性发布门禁，以及 MCP 编写、文档处理、RAG 流水线等能力。
GitHub 周四公测了 Copilot 的“computer use”功能：Copilot CLI 和桌面应用现在能像人一样操作 macOS 和 Windows 上的软件，能读屏幕内容，也能点击、打字、滚动和拖拽，连那些没有接口、只能靠图形界面操作的老软件也能用。但 GitHub 自己建议：如果任务能用 API、MCP 服务器、终端命令或专门浏览器工具完成，就优先用它们，因为那样结果更可靠。这项功能目前在公测阶段，需要手动开启，macOS 上还要单独授予辅助功能和屏幕录制权限；敏感窗口内容可能被智能体读到，企业管理员也可用策略限制。
GitHub 博客发表了一篇文章，讲的是 AI 正在改变开发者的干活方式，光会写代码已经不够了。文章建议开发者重点练三件事：一是学会“指挥”AI 智能体，把问题说清楚、给对上下文，而不是自己一行行写；二是不轻信 AI 的第一版答案，可以让另一个 AI 模型来挑毛病，再自己拍板；三是把省下的时间用来想更大的问题，比如判断用户需求、权衡架构方案、定义成功标准。对读者来说，这说明以后的核心竞争力可能不是你写代码有多快，而是你能不能判断 AI 写得好不好、该不该上线。文章只给了方向性建议，没有给出具体数据或发布日期。
AI 编程智能体在写接口时，常常只检查“用户登录了吗”，却不检查“这条数据是不是他的”。比如让它写一个按编号查发票的接口，它会验证登录、查不到就返回 404，看起来都对，但任何人只要改一下 URL 里的编号，就能看到别家公司的发票。问题在于“发票属于某个组织、用户只能看自己组织的发票”这条规则存在于产品设计里，代码和提示词里都没写，所以智能体不知道要加。这类问题叫越权访问（BOLA/IDOR），在 OWASP Top 10 中排第一，传统扫描工具因为没有固定特征可匹配，很难自动发现，目前仍主要靠懂产品的人人工审查，或在查询条件里补上组织范围来修复。
提供的材料未提及具体可用工具。
GitHub 博客作者精选了 GitHub Universe 2026 大会的 10 场技术演讲。这些演讲围绕几个实际问题展开：怎么确认 AI 写的代码真的能用、AI 该记住什么该忘什么、依赖包背后藏着什么风险，还有如何在网络不稳定的地方开发软件。对普通开发者来说，可以借此了解 AI 编程代理的验证方法、权限管理、评测方式，以及 npm 供应链安全、离线开发等实用话题。文章只是演讲预告和议程推荐，具体内容要等大会现场分享。
安全公司 Snyk 在 2026 年 9 月 30 日宣布，Evo Agentic Development Security（Evo ADS）里的“治理 Agent 行为”功能正式可用，首个落地场景是 MCP 治理。问题在于：AI 编程助手通过 MCP（模型上下文协议）能连上数据库、内部接口等外部系统，但连了哪些服务器、是否可信，往往没人管，可能被恶意服务器偷走凭证。MCP 治理让安全团队先列出批准使用的 MCP 服务器清单，再持续监测和记录越权使用，并在 Agent 连接的那一刻本机拦截，目前已支持 Claude Code、Cursor、Codex 和 GitHub Copilot。这样安全团队不用改架构就能给 Agent 的工具调用上锁。
Patrick Debois 分享了一个观点：把 AI 编程助手用到的“上下文”（可以理解为喂给它的背景信息，比如代码库说明、规则、文档）当成代码来管理。原来上下文往往散落各处、没有测试和版本控制，输出的结果也不稳定、难控制。他借用软件工程里成熟的做法——测试、CI/CD、包管理、安全扫描——来管理上下文，让团队能可靠地扩展 AI 编程代理，并对不确定的输出保持掌控，逐步积累组织知识。对读者的用处是：如果你想让 AI 编程助手在团队里稳定工作，可以借鉴这套把上下文当代码来维护的思路。目前材料只是演讲介绍，没有给出具体实施步骤或工具细节。
提供的材料未提及具体可用工具。
nsasoft/nsauditor-ai-agent-skill · AI Agent Skill for NSAuditor AI — gives any AI coding agent built-in knowledge of NSAuditor's MCP tools, schemas, plugins, and security audit workflows. Works with Claude Code, Cursor, Windsurf, and any MCP-aware agent.
这是一个可安装的知识包（Agent Skill），让 Claude Code、Claude Desktop、Cursor、Windsurf、VS Code Copilot 等支持 MCP 的 AI 编程智能体掌握 NSAuditor AI 的 MCP 工具签名、数据 Schema、插件目录与多步安全审计工作流，从而无需在每次对话中手动补充上下文。内容包括 SKILL.md 主入口、工作流配方、数据结构说明、插件目录（共 56 个扫描器，27 个社区版 + 29 个企业版）以及 9 个智能体交互示例。