我花了 100 多个小时测试 AI 工具，这样你就不用这么做了。
收藏这篇 :)
2026 年的 AI 工具生态让人眼花缭乱。每周都有新框架，每天都有新 Agent，每天早上 GitHub 上都有新仓库 trending。
其中大多数只是炒作。有些确实有用。而少数几个将从根本上改变你的工作方式。
我帮你过滤了噪音。以下是现在真正重要的 60 个工具——按类别整理，亲自测试过，并附有诚实的评价，告诉你每个工具到底擅长什么。
收藏本文。你会回来看的。
第一部分：AI 编程 Agent 与 IDE 🛠️
这些工具可以让 AI 替你编写、审查和管理代码。它们在实际工作流中确实有效，而不只是演示。
01. Claude Code：
Anthropic 的命令行编程 agent。能读取文件、编写代码、运行测试，直接在本地环境中操作。当你想完全掌控时，这是 AI 辅助开发的金标准。
🔗 https://docs.anthropic.com/en/docs/claude-code
02. Cursor：
基于 VS Code 构建的 AI 优先代码编辑器。内联补全、与代码库聊天、多文件编辑。对于希望将 AI 集成到现有工作流中的开发者来说，这是最好的编辑器。
03. Codex CLI：
OpenAI 的终端编程 agent。接收自然语言指令，读取你的代码库，编写并执行代码。在多步骤实现任务上表现出色。
🔗 https://github.com/openai/codex
04. Windsurf：
Codeium 的 AI 编程 IDE。Cascade agent 支持多文件编辑、深度理解代码库和心流状态编程。增长迅速。
🔗 https://codeium.com/windsurf
05. Superpowers：
20 多个久经考验的 Claude Code 技能。涵盖 TDD、调试、计划到执行管道。GitHub 上 96,000+ 星。如果你用 Claude Code，先安装这个。
🔗 https://github.com/obra/superpowers
06. Spec Kit（GitHub）：
规格驱动开发。编写规格说明，AI 根据它们生成代码。迫使你在构建之前先思考。50,000+ 星。
🔗 https://github.com/github/spec-kit
07. Aider：
终端中的 AI 结对编程。可与任何 LLM 配合使用。很擅长处理现有代码库。30,000+ 星。
🔗 https://github.com/paul-gauthier/aider
第二部分：Agent 框架 🤖
构建能够思考、行动和迭代的自主系统。
08. OpenClaw：
爆火的开源 AI agent。持久化、多通道（WhatsApp、Telegram、Discord），能自己编写技能。210,000+ 星且增长迅速。个人 AI agent 最易上手的入口。
🔗 https://github.com/openclaw/openclaw
09. LangGraph：
多 agent 编排即代码。将 agent 构建为具有分支逻辑、人机协作和持久化状态的图。26,000+ 星。
🔗 https://github.com/langchain-ai/langgraph
10. CrewAI：
具有角色、目标和背景故事的多 agent 框架。每个 agent 都有定义的角色和职责。适合类似团队的工作流。
🔗 https://github.com/crewAIInc/crewAI
11. AutoGPT：
用于长时间运行任务的完全自主 agent 平台。OG agent 框架。相比早期已显著成熟。
🔗 https://github.com/Significant-Gravitas/AutoGPT
12. Dify：
开源 LLM 应用构建器。将工作流、RAG、agent 和模型管理整合在一个平台中。适合非开发者构建 AI 应用。
🔗 https://github.com/langgenius/dify
13. OWL：
多 agent 协作框架。在 GAIA 基准测试中 agent 协调方面排名第一。前沿研究转化为可用的代码。
🔗 https://github.com/camel-ai/owl
14. CopilotKit：
将 AI 副驾驶直接嵌入到 React 应用中。在你的产品中提供 AI 功能，而不仅仅是你自己的工作流。
🔗 https://github.com/CopilotKit/CopilotKit
15. pydantic-ai：
基于 Pydantic 的类型安全 agent 框架。适合想要结构化、经过验证的 agent 输出的 Python 开发者。
🔗 https://github.com/pydantic/pydantic-ai
第三部分：MCP 服务器与工具集成 🔗
MCP（模型上下文协议）让 AI 能够访问外部世界。技能教它 HOW，MCP 给它 ACCESS。
16. Tavily：
专为 AI agent 构建的搜索引擎。不是蓝色链接——而是干净、结构化、LLM 就绪的数据。四个工具：搜索、提取、爬取、地图。一分钟内连接为远程 MCP。
🔗 https://github.com/tavily-ai/tavily-mcp
17. Context7：
将最新的库文档注入到 LLM 的上下文中。不再有幻觉 API 或废弃方法。在提示词中添加 "use context7"，它会拉取当前文档。支持数千个库。
🔗 https://github.com/upstash/context7
18. Task Master AI：
你的 AI 项目经理。输入一份 PRD，它会生成带有依赖关系的结构化任务。Claude 逐个执行。将混乱的会话转变为组织有序的管道。
🔗 https://github.com/eyaltoledano/claude-task-master
19. MCP Playwright：
面向 LLM 的浏览器自动化。通过自然语言控制真实浏览器。测试、抓取、交互。
🔗 https://github.com/executeautomation/mcp-playwright
20. fastmcp：
用最少的 Python 代码构建 MCP 服务器。为 Claude 或任何兼容 MCP 的模型创建自定义工具集成的最快方式。
🔗 https://github.com/jlowin/fastmcp
21. markdownify-mcp：
将 PDF、图像和音频转换为 Markdown。将任何文档类型输入到你的 AI 工作流中。
🔗 https://github.com/zcaceres/markdownify-mcp
22. MCPHub：
通过 HTTP 管理多个 MCP 服务器。一个仪表盘管理所有工具连接。
🔗 https://github.com/samanhappy/mcphub
第四部分：Claude 技能（精选）🧠
技能教 Claude 特定的工作流。社区有 80,000+ 技能。以下这些值得安装。
23. PDF 处理（官方）：
读取、提取表格、填写表单、合并和拆分 PDF。对知识工作者来说实用性最高的技能。
🔗 https://github.com/anthropics/skills/tree/main/skills/pdf
24. 前端设计（官方）： 构建真实的设计系统、大胆的排版、生产级 UI。摆脱"AI 垃圾"美学。277,000+ 安装量。
🔗 https://github.com/anthropics/skills/tree/main/skills/frontend-design
25. 技能创建器（官方）：
元技能。用通俗英语描述一个工作流，五分钟内就能得到一个完整的 SKILL.md。无需编写任何配置即可构建新技能。
🔗 https://github.com/anthropics/skills/tree/main/skills/skill-creator
26. 营销技能 by Corey Haines：
20+ 技能涵盖 CRO、文案写作、SEO、邮件序列、增长策略。一个营销团队所需的一切以技能形式呈现。
🔗 https://github.com/coreyhaines31/marketingskills
27. Claude SEO：
全站审计、Schema 验证、关键词分析。12 个子技能覆盖完整的 SEO 工作流。
🔗 https://github.com/AgriciDaniel/claude-seo
28. Obsidian 技能：
由 Obsidian CEO 构建。自动标签、自动链接、笔记库原生操作。如果你使用 Obsidian，这个必不可少。
🔗 https://github.com/kepano/obsidian-skills
29. 上下文优化：
降低 token 成本并提高 KV-cache 效率。使昂贵的 API 工作流显著更便宜。13,900+ 星。
🔗 https://github.com/muratcankoylan/agent-skills-for-context-engineering
30. 深度研究技能：
8 阶段研究，自动延续。当你需要 Claude 深入研究某个主题，而不仅仅是浅尝辄止时使用。
🔗 https://github.com/199-biotechnologies/claude-deep-research-skill
第五部分：本地 AI 与模型运行 🖥️
在自己的硬件上运行模型。隐私、速度、零 API 成本。
31. Ollama：
通过一条终端命令在本地运行开源 LLM。支持 Llama、Mistral、Gemma 等几十个模型。从零到本地 AI 的最快路径。
🔗 https://github.com/ollama/ollama
32. Open WebUI：
自托管类 ChatGPT 界面。干净、快速、功能齐全。搭配 Ollama 可以打造私人 AI 设置。
🔗 https://github.com/open-webui/open-webui
33. LlamaFile：
将整个 LLM 打包成一个可执行文件。零依赖。下载即运行。简单得离谱。
🔗 https://github.com/Mozilla-Ocho/llamafile
34. Unsloth：
微调模型速度提升 2 倍，内存减少 70%。如果你需要基于自己的数据训练自定义模型，从这里开始。
🔗 https://github.com/unslothai/unsloth
35. vLLM：
高吞吐量推理引擎。比简单服务快 2 到 4 倍。开源模型生产部署的标准。
🔗 https://github.com/vllm-project/vllm
第六部分：工作流与自动化 ⚡
将 AI 连接到你的现有工具和流程中。
36. n8n：
开源工作流自动化，拥有 400+ 集成和 AI 节点。可自托管。AI 驱动的自动化最佳可视化构建器。
🔗 https://github.com/n8n-io/n8n
37. Langflow：
agent 管道的可视化拖放工具。140,000+ 星。无需编写代码即可构建复杂的 agent 工作流。
🔗 https://github.com/langflow-ai/langflow
38. Huginn：
用于监控、告警和数据收集的自托管 web agent。隐私优先的自动化，运行在你的服务器上。
🔗 https://github.com/huginn/huginn
39. DSPy：
编程（而非提示）基础模型。斯坦福研究转化为框架。当提示不够确定时使用。
🔗 https://github.com/stanfordnlp/dspy
40. Temporal：
用于长时间运行流程的持久化工作流引擎。当你的自动化需要能够应对崩溃、重试和超时时使用。
🔗 https://github.com/temporalio/temporal
第七部分：搜索、数据与 RAG 🔍
将信息输入和输出 AI 系统。
41. GPT Researcher：
自主研究 agent，生成汇编报告。给定一个主题，返回带有来源的深入分析。
🔗 https://github.com/assafelovic/gpt-researcher
42. Firecrawl：
将任何网站转换为 LLM 就绪的数据。专门为 AI 管道设计的网页抓取工具。
🔗 https://github.com/mendableai/firecrawl
43. Vanna AI：
自然语言到 SQL。用英语提问，返回数据库查询。适合需要从数据库获取数据但不想写 SQL 的人。
🔗 https://github.com/vanna-ai/vanna
44. Instructor：
使用 Pydantic 模型从任何 LLM 获取结构化的 JSON 输出。兼容 OpenAI、Anthropic、Google 等 15+ 提供商。生产环境 AI 工程师实际在用的工具。
🔗 https://python.useinstructor.com
45. Chroma：
开源向量数据库。为 AI 应用添加语义搜索和长期记忆的最简单方式。
🔗 https://github.com/chroma-core/chroma
46. dlt：
来自 5,000+ 数据源的 LLM 原生数据管道。将任何地方的数据接入你的 AI 工作流。
🔗 https://github.com/dlt-hub/dlt
47. ExtractThinker：
文档智能的 ORM。从任何文档类型中提取结构化数据。
🔗 https://github.com/enoch3712/ExtractThinker
第八部分：API 与基础设施 🏗️
让一切在生产环境中正常运行的管道。
48. FastAPI：
用于服务 AI 应用的 Python web 框架。出色的文档。内置 Pydantic 验证。
🔗 https://github.com/tiangolo/fastapi
49. Portkey Gateway：
通过一个 API 将请求路由到 250+ LLM。无需更改代码即可切换模型。
🔗 https://github.com/Portkey-AI/gateway
50. OmniRoute：
44+ AI 提供商的 API 代理。负载均衡、回退和成本优化。
🔗 https://github.com/diegosouzapw/OmniRoute
51. lmnr：
追踪和评估 agent 行为。精确查看你的 agent 在做什么，并衡量它们是否做得好。
🔗 https://github.com/lmnr-ai/lmnr
52. Codebase Memory MCP：
将你的代码库转换为持久化知识图谱。Claude 跨会话记住你的整个项目结构。
🔗 https://github.com/DeusData/codebase-memory-mcp
第九部分：精选合集与学习 📚
在哪里找到更多资源并持续学习。
53. Awesome Claude Skills：
最好的精选技能列表。22,000+ 星。当你想寻找要安装的新技能时，从这里开始。
🔗 https://github.com/travisvn/awesome-claude-skills
54. Anthropic Skills 仓库：
Anthropic 提供的官方参考实现。技能构建方式的金标准。
🔗 https://github.com/anthropics/skills
55. Awesome Agents：
100+ 开源 agent 工具汇总在一个精选列表中。
🔗 https://github.com/kyrolabs/awesome-agents
56. PromptingGuide：
全面的提示工程参考，涵盖从基础到高级 agent 提示的所有技术。
🔗 https://www.promptingguide.ai
57. Anthropic 提示工程教程：
9 章动手练习，配有 Jupyter 笔记本。学习提示最结构化的方式。
🔗 https://github.com/anthropics/prompt-eng-interactive-tutorial
58. SkillsMP：
拥有 80,000+ 社区技能的市场。发现 Claude 技能的最大目录。
59. MAGI//ARCHIVE：
每日推送新鲜的 AI 仓库。跟上正在发布的新东西。
🔗 https://tom-doerr.github.io/repo_posts/
60. Anthropic 官方文档：
涵盖 API、提示最佳实践、工具使用、agent 等所有内容。在构建任何严肃的东西之前通读一遍。
如何实际使用这份列表
不要试图一次性安装全部 60 个工具。那只会让你不知所措并浪费时间。
以下是我推荐的顺序：
如果你是开发者：
从 Claude Code（01）+ Superpowers（05）+ Context7（17）+ Tavily（16）开始。这样你就拥有了一套强大的 AI 编程设置，兼具搜索和文档访问能力。
如果你是创作者或知识工作者：
从 OpenClaw（08）+ Obsidian 技能（28）+ PDF 处理（23）+ 前端设计（24）开始。这样你就拥有了一个 AI 助手，具备文件管理、文档处理和内容创作能力。
如果你在构建产品：
从 FastAPI（48）+ Instructor（44）+ Chroma（45）+ LangGraph（09）开始。这样你就拥有了用于生产环境 AI 应用的后端框架、结构化输出、记忆和 agent 编排。
如果你想学习：
从 Anthropic 教程（57）+ PromptingGuide（56）+ Anthropic 文档（60）开始。在堆叠工具之前先打好基础。
选择一条路径。深入下去。随着需求增长再添加更多工具。
太长不看版
技能 = 教 AI 如何把事情做得更好。MCP = 让 AI 能够访问外部工具和数据。仓库 = 驱动这一切的开源引擎。
将三者结合，你就能拥有一个真正强大的 AI 工作流，而不仅仅是在演示中让人印象深刻。
就是这样。60 个工具。现在去构建点什么吧。
整理这份列表花了我很长时间——测试工具、阅读文档、从炒作中筛选出有用的东西。如果它为你节省了时间，你知道该怎么做。
我定期发布这样的内容——AI 工具、工作流、技巧以及我实际使用的东西。没有废话，没有炒作，只有真正有效的东西。
关注 @eng_khairallah1 ，这样你就不会错过下一篇。
希望对你有用，Khairallah ❤️
