我花了 100 多個小時測試 AI 工具，這樣你就不必了。
把這篇存起來 :)
2026 年的 AI 工具生態系統令人眼花撩亂。每週都有新的框架。每天都有新的 Agent。每天早晨 GitHub 上都有新的儲存庫在 trending。
大多數只是炒作。有些確實有用。少數幾個會從根本上改變你的工作方式。
我過濾掉了雜訊。以下是目前真正重要的 60 個工具——按類別分類、親自測試、附上每個工具實際用途的誠實評價。
把這篇加入書籤。你會回來的。
第一部分：AI 程式碼 Agent 與 IDE 🛠️
這些工具能讓 AI 替你撰寫、審查和管理程式碼。它們在真實工作流程中確實有效，而不只是展示用的 demo。
01. Claude Code：
Anthropic 的命令列程式碼 Agent。能讀取檔案、撰寫程式碼、執行測試，直接在你的本地環境中操作。當你想要完全控制時，這是 AI 輔助開發的黃金標準。
🔗 https://docs.anthropic.com/en/docs/claude-code
02. Cursor：
基於 VS Code 打造的 AI 優先程式碼編輯器。支援內聯補全、與程式碼庫對話、多檔案編輯。對於希望將 AI 整合到現有工作流程的開發者來說，這是最好的編輯器。
03. Codex CLI：
OpenAI 的終端機程式碼 Agent。接受自然語言指令，讀取你的程式碼庫，撰寫並執行程式碼。在多步驟實作任務上表現出色。
🔗 https://github.com/openai/codex
04. Windsurf：
由 Codeium 開發的 AI 程式碼 IDE。Cascade Agent 支援多檔案編輯、深度程式碼庫理解以及 flow-state 的編碼體驗。成長迅速。
🔗 https://codeium.com/windsurf
05. Superpowers：
超過 20 個經過實戰考驗的 Claude Code 技能。涵蓋 TDD、除錯、從規劃到執行的流程。GitHub 上有 96,000+ 顆星。如果你使用 Claude Code，請先安裝這個。
🔗 https://github.com/obra/superpowers
06. Spec Kit (GitHub)：
規格驅動開發。撰寫規格，AI 根據規格產生程式碼。迫使你在動手前先思考。50,000+ 顆星。
🔗 https://github.com/github/spec-kit
07. Aider：
在你的終端機中進行 AI 配對程式設計。可與任何 LLM 搭配使用。在處理現有程式碼庫方面表現出色。30,000+ 顆星。
🔗 https://github.com/paul-gauthier/aider
第二部分：Agent 框架 🤖
建立能夠思考、行動和迭代的自主系統。
08. OpenClaw：
爆紅的開源 AI Agent。持久化、跨通道（WhatsApp、Telegram、Discord），能自己撰寫技能。210,000+ 顆星且持續快速成長。個人 AI Agent 最易入門的選擇。
🔗 https://github.com/openclaw/openclaw
09. LangGraph：
將多 Agent 編排視為程式碼。以圖形方式建立 Agent，支援分支邏輯、人工介入以及持久化狀態。26,000+ 顆星。
🔗 https://github.com/langchain-ai/langgraph
10. CrewAI：
多 Agent 框架，支援角色、目標和背景故事。每個 Agent 都有定義好的角色和職責。適合類似團隊協作的工作流程。
🔗 https://github.com/crewAIInc/crewAI
11. AutoGPT：
針對長時間執行任務的完整自主 Agent 平台。元祖級 Agent 框架。從早期階段以來已經成熟許多。
🔗 https://github.com/Significant-Gravitas/AutoGPT
12. Dify：
開源的 LLM 應用建構器。將工作流程、RAG、Agent 和模型管理整合在一個平台中。適合非開發者建立 AI 應用。
🔗 https://github.com/langgenius/dify
13. OWL：
多 Agent 協作框架。在 GAIA 基準測試中獲得 Agent 協調項目的最高分。將尖端研究成果轉化為可用的程式碼。
🔗 https://github.com/camel-ai/owl
14. CopilotKit：
將 AI Copilot 直接嵌入 React 應用程式。在你的產品中部署 AI 功能，而不僅僅是你的工作流程。
🔗 https://github.com/CopilotKit/CopilotKit
15. pydantic-ai：
基於 Pydantic 的型別安全 Agent 框架。適合想要結構化、經過驗證的 Agent 輸出的 Python 開發者。
🔗 https://github.com/pydantic/pydantic-ai
第三部分：MCP 伺服器與工具整合 🔗
MCP（模型上下文協議）賦予 AI 存取外部世界的能力。技能教它「如何做」，而 MCP 則給它「存取權」。
16. Tavily：
專為 AI Agent 打造的搜尋引擎。不是藍色連結——而是乾淨、結構化、LLM 即用型的資料。四種工具：搜尋、提取、爬取、地圖。一分鐘內即可作為遠端 MCP 連接。
🔗 https://github.com/tavily-ai/tavily-mcp
17. Context7：
將最新的函式庫文件注入到你的 LLM 的上下文。不再有幻覺 API 或已棄用的方法。在你的提示詞中加入「use context7」，它就會拉取當前文件。支援數千個函式庫。
🔗 https://github.com/upstash/context7
18. Task Master AI：
你的 AI 的專案經理。輸入一份 PRD，它就會產生具有依賴關係的結構化任務。Claude 會逐一執行。將混亂的對話變成有組織的流程。
🔗 https://github.com/eyaltoledano/claude-task-master
19. MCP Playwright：
為 LLM 提供的瀏覽器自動化工具。透過自然語言控制真實的瀏覽器。可用於測試、爬取、互動。
🔗 https://github.com/executeautomation/mcp-playwright
20. fastmcp：
用極簡的 Python 建立 MCP 伺服器。為 Claude 或任何相容 MCP 的模型建立自訂工具整合的最快方法。
🔗 https://github.com/jlowin/fastmcp
21. markdownify-mcp：
將 PDF、圖片和音訊轉換為 Markdown。將任何文件類型餵入你的 AI 工作流程。
🔗 https://github.com/zcaceres/markdownify-mcp
22. MCPHub：
透過 HTTP 管理多個 MCP 伺服器。一個儀表板管理所有工具連線。
🔗 https://github.com/samanhappy/mcphub
第四部分：Claude 技能（精選推薦）🧠
技能教導 Claude 專門的工作流程。社群中有超過 80,000 個技能。以下是值得安裝的。
23. PDF 處理（官方）：
讀取、提取表格、填寫表單、合併與分割 PDF。對於知識工作者來說實用性最高的技能。
🔗 https://github.com/anthropics/skills/tree/main/skills/pdf
24. 前端設計（官方）： 建立真正的設計系統、大膽的排版、生產級 UI。擺脫「AI 生成的雜亂」美學。277,000+ 次安裝。
🔗 https://github.com/anthropics/skills/tree/main/skills/frontend-design
25. 技能建立器（官方）：
元技能。用簡單的英文描述一個工作流程，五分鐘內就能得到一份完整的 SKILL.md。無需撰寫任何配置即可建立新技能。
🔗 https://github.com/anthropics/skills/tree/main/skills/skill-creator
26. 行銷技能 by Corey Haines：
超過 20 個技能，涵蓋 CRO、文案寫作、SEO、電子郵件序列、成長策略。行銷團隊所需的一切技能形式。
🔗 https://github.com/coreyhaines31/marketingskills
27. Claude SEO：
全站審計、結構化資料驗證、關鍵字分析。12 個子技能涵蓋完整的 SEO 工作流程。
🔗 https://github.com/AgriciDaniel/claude-seo
28. Obsidian 技能：
由 Obsidian 的 CEO 打造。自動標籤、自動連結、筆記庫原生操作。如果你使用 Obsidian，這個必裝。
🔗 https://github.com/kepano/obsidian-skills
29. 上下文優化：
減少 Token 成本並改善 KV-cache 效率。讓昂貴的 API 工作流程大幅降低成本。13,900+ 顆星。
🔗 https://github.com/muratcankoylan/agent-skills-for-context-engineering
30. 深度研究技能：
8 階段研究，自動繼續。當你需要 Claude 深入探討一個主題，而不只是淺層瀏覽時使用。
🔗 https://github.com/199-biotechnologies/claude-deep-research-skill
第五部分：本地 AI 與模型執行 🖥️
在你的自有硬體上執行模型。隱私、速度、零 API 成本。
31. Ollama：
用一條終端機指令在本機執行開源 LLM。支援 Llama、Mistral、Gemma 以及數十種其他模型。從零到本地 AI 的最快路徑。
🔗 https://github.com/ollama/ollama
32. Open WebUI：
自託管的 ChatGPT 風格介面。乾淨、快速、功能完整。與 Ollama 完美搭配，打造私密的 AI 環境。
🔗 https://github.com/open-webui/open-webui
33. LlamaFile：
將整個 LLM 打包成單一可執行檔案。零依賴。下載即可執行。簡潔到荒謬。
🔗 https://github.com/Mozilla-Ocho/llamafile
34. Unsloth：
以 2 倍速度微調模型，記憶體減少 70%。如果你需要一個用你自己的資料訓練的自訂模型，從這裡開始。
🔗 https://github.com/unslothai/unsloth
35. vLLM：
高吞吐量推理引擎。比樸素服務快 2 到 4 倍。開源模型生產環境部署的標準。
🔗 https://github.com/vllm-project/vllm
第六部分：工作流程與自動化 ⚡
將 AI 連接到你現有的工具和流程。
36. n8n：
開源的工作流程自動化工具，擁有 400+ 整合和 AI 節點。可自託管。AI 驅動自動化的最佳視覺化建構器。
🔗 https://github.com/n8n-io/n8n
37. Langflow：
Agent 流程的視覺化拖放工具。140,000+ 顆星。無需撰寫程式碼即可建立複雜的 Agent 工作流程。
🔗 https://github.com/langflow-ai/langflow
38. Huginn：
自託管的網路 Agent，用於監控、警報和資料收集。隱私優先的自動化，在你的伺服器上執行。
🔗 https://github.com/huginn/huginn
39. DSPy：
程式化（而非提示詞化）基礎模型。史丹佛大學的研究轉化為框架。當提示詞不夠確定性時使用。
🔗 https://github.com/stanfordnlp/dspy
40. Temporal：
針對長時間執行流程的持久化工作流程引擎。當你的自動化需要承受崩潰、重試和超時時使用。
🔗 https://github.com/temporalio/temporal
第七部分：搜尋、資料與 RAG 🔍
將資訊傳入和傳出 AI 系統。
41. GPT Researcher：
自主研究 Agent，能產生編譯好的報告。輸入一個主題，回饋一份帶有來源的深入分析。
🔗 https://github.com/assafelovic/gpt-researcher
42. Firecrawl：
將任何網站轉換為 LLM 即用型資料。專為 AI 流程設計的網頁爬取工具。
🔗 https://github.com/mendableai/firecrawl
43. Vanna AI：
自然語言轉 SQL。用英文提問，得到資料庫查詢結果。適用於任何需要從資料庫取得資料但不會寫 SQL 的人。
🔗 https://github.com/vanna-ai/vanna
44. Instructor：
從任何 LLM 中取得結構化的 JSON 輸出，使用 Pydantic 模型。支援 OpenAI、Anthropic、Google 以及 15+ 供應商。這是生產環境 AI 工程師實際在用的工具。
🔗 https://python.useinstructor.com
45. Chroma：
開源向量資料庫。為你的 AI 應用程式加入語意搜尋和長期記憶的最簡單方式。
🔗 https://github.com/chroma-core/chroma
46. dlt：
來自 5,000+ 來源的 LLM 原生資料管線。從任何地方將資料導入你的 AI 工作流程。
🔗 https://github.com/dlt-hub/dlt
47. ExtractThinker：
文件智慧的 ORM。從任何文件類型中提取結構化資料。
🔗 https://github.com/enoch3712/ExtractThinker
第八部分：API 與基礎設施 🏗️
讓一切在生產環境中正常運作的管道。
48. FastAPI：
用於服務 AI 應用程式的 Python 網頁框架。卓越的文件。內建 Pydantic 驗證。
🔗 https://github.com/tiangolo/fastapi
49. Portkey Gateway：
透過一個 API 路由請求到 250+ LLM。無需更改程式碼即可切換模型。
🔗 https://github.com/Portkey-AI/gateway
50. OmniRoute：
44+ AI 供應商的 API 代理。負載平衡、備援、成本優化。
🔗 https://github.com/diegosouzapw/OmniRoute
51. lmnr：
追蹤和評估 Agent 行為。查看你的 Agent 正在做什麼，並衡量它們是否做得好。
🔗 https://github.com/lmnr-ai/lmnr
52. Codebase Memory MCP：
將你的程式碼庫轉換為持久化的知識圖譜。Claude 能在不同對話中記住你的整個專案結構。
🔗 https://github.com/DeusData/codebase-memory-mcp
第九部分：精選合集與學習資源 📚
在哪裡找到更多工具並持續學習。
53. Awesome Claude Skills：
最好的精選技能清單。22,000+ 顆星。尋找要安裝的新技能時，從這裡開始。
🔗 https://github.com/travisvn/awesome-claude-skills
54. Anthropic 技能倉庫：
來自 Anthropic 的官方參考實作。技能應該如何建立的黃金標準。
🔗 https://github.com/anthropics/skills
55. Awesome Agents：
一個精選清單中收錄了 100+ 個開源 Agent 工具。
🔗 https://github.com/kyrolabs/awesome-agents
56. PromptingGuide：
全面的提示詞工程參考，涵蓋從基礎到進階 Agent 提示詞的每一種技術。
🔗 https://www.promptingguide.ai
57. Anthropic 提示詞工程教學：
9 個章節的實作練習，搭配 Jupyter notebook。學習提示詞的最佳結構化方式。
🔗 https://github.com/anthropics/prompt-eng-interactive-tutorial
58. SkillsMP：
擁有 80,000+ 社群技能的市集。發掘 Claude 技能的最大目錄。
59. MAGI//ARCHIVE：
每日更新的新鮮 AI 儲存庫資訊。掌握最新動態。
🔗 https://tom-doerr.github.io/repo_posts/
60. Anthropic 官方文件：
涵蓋 API、提示詞最佳實踐、工具使用、Agent 以及其他一切。在認真建構任何專案之前，請從頭到尾閱讀這份文件。
如何實際使用這份清單
不要試圖一次安裝全部 60 個工具。那只會讓你不知所措並浪費時間。
以下是我建議的順序：
如果你是開發者：
從 Claude Code (01) + Superpowers (05) + Context7 (17) + Tavily (16) 開始。這會給你一個強大的 AI 程式碼設定，具備搜尋和文件存取能力。
如果你是創作者或知識工作者：
從 OpenClaw (08) + Obsidian 技能 (28) + PDF 處理 (23) + 前端設計 (24) 開始。這會給你一個具備檔案管理、文件處理和內容創作能力的 AI 助手。
如果你正在打造產品：
從 FastAPI (48) + Instructor (44) + Chroma (45) + LangGraph (09) 開始。這會為你的生產環境 AI 應用提供後端框架、結構化輸出、記憶體和 Agent 編排能力。
如果你想學習：
從 Anthropic 教學 (57) + PromptingGuide (56) + Anthropic 文件 (60) 開始。在堆疊工具之前先打好基礎。
選擇一條路徑。深入鑽研。隨著需求增長再加入更多工具。
重點摘要
技能 = 教 AI 如何把事情做得更好。MCP = 讓 AI 能存取外部工具和資料。儲存庫 = 驅動這一切的开源引擎。
將三者結合，你就擁有了一個真正強大的 AI 工作流程，而不僅是在 demo 中令人印象深刻。
就是這樣。60 個工具。現在去打造點什麼吧。
這份清單花了我很長時間整理——測試工具、閱讀文件、從有用的東西中過濾掉炒作。如果它為你節省了時間，你知道該怎麼做。
我經常發布這類內容——AI 工具、工作流程、技巧，以及我實際在用的東西。沒有廢話，沒有炒作，只有真正有效的東西。
追蹤 @eng_khairallah1 ，這樣你就不會錯過下一篇。
希望這對你有幫助，Khairallah ❤️
