60 ทักษะ โปรเจกต์เวิร์กโฟลว์ และโปรเจกต์โอเพ่นซอร์สที่ดีที่สุด รายการขั้นสูงของ Claude
หัวเรื่องเรื่องหลัก: ทักษะ Claude อันดับ 60, ขั้นตอนการทำงาน และ GitHub Repos สำหรับ AI—รายการทั้งหมด
ผู้เขียนเรื่อง: Khairallah AL-Awady
แปล: Peggy, BlockBeats
บันทึกของบรรณาธิการ: หากคุณกำลังสนใจ AI เร็วขึ้น คุณอาจรู้สึกได้ว่า: มีเครื่องมือมากขึ้น แต่กลับยิ่งน้อยขึ้นในเรื่องของการใช้งานจริง ๆ
สำหรับส่วนใหญ่ของคนแล้ว เรื่องยากคือไม่ใช่มีเครื่องมือหรือไม่ แต่เรื่องคือเครื่องมือที่ควรจะถูกใช้ และจะเริ่มต้นที่ไหน
รายการนี้อ้างอิงจากการทดสอบจริง ๆ จัดระบบของเครื่องมือ AI ปัจจุบัน ประกอบด้วย 60 เครื่องมือและจัดลำดับตามระดับต่าง ๆ และสถานการณ์การใช้งาน: ตั้งแต่เครื่องมือโค้ดและการพัฒนา ถึง เชื่อมต่อ agent และเครื่องมือ ไปยังการอัตโนมัติของขั้นตอนการทำงาน การประมวลผลข้อมูลและพื้นที่อาคาร รวมไปถึงทรัพยากรการเรียนรู้และเส้นทางการอัปเดตต่อเนื่องสุดท้าย
โดยรวมแล้ว มันกำหนดเส้นทางอย่างชัดเจนจาก "ใช้ AI" ไปสู่ "สร้างระบบ AI" เพื่อผู้พัฒนา ผู้สร้างเนื้อหา ผู้สร้างผลิตภัณฑ์ และผู้เริ่มต้นให้เส้นทางเข้าเรียนการใช้งานที่แตกต่างกัน ช่วยให้อ่านพบตัวเข้าง่ายในระบบเครื่องมือที่ซับซ้อน
ในปัจจุบันที่เครื่องมือกำลังมุ่งมั่นทำการเปลี่ยนแปลงต่อมา การแบ่งรายชั้นแบบนี้อาจเป็นสิ่งที่สำคัญเกวียนกว่าการแนะนำผลเดียวมันให้ความหมาย มันไม่ให้คำตอบ แต่มันให้ทางเลือกที่มีประสิทธิภาพมากขึ้นและทำการใช้ AI ได้อย่างเหมาะสม
ด้านล่างคือต้นฉบับ:
ฉันใช้เวลากว่า 100 ชั่วโมงในการทดสอบเครื่องมือ AI ทุกชนิด เพื่อให้คุณไม่ต้องกระกราดหาเอง
รับเพื่อนบทนารีต่อไว้ก่อนนะ :)
นิยามของพรีเมียม AI สำหรับปี 2026 ได้ถึงจุดที่คุณรู้สึกถึงการ "ข้อมูลเขิน" ทุกส่วน: แขน หลัง ข้อบังคับ GitHub ทุกเช้าขึ้นชาร์ตสุดครับ
บางส่วนใหญ่ ๆ เป็นเฉพาะงานหรือการโปรโมทเท่านั้น มีอย่างรับผิดชอบเป็นใจจริงในประเด็นมีน้อยมาก มันจะเริ่มเปลี่ยนวิธีการทำงานของคุณจริง ๆ
ฉันช่วยคุณกรองเสียงรบกวนออก
ด้านล่างเป็นรายการ 60 เครื่องมือ ที่เป็นความสนใจอย่างจริงจัดเหลือออกมาจากการทดสอบของฉัน ตามหมวดหมู่ และระบุสภาพการใช้งานที่แตกต่างของแต่ละคน
แนะนำให้เพิ่มที่เก็บในบุ๊กรวบเพราะคุณอาจจะกลับมาใช้อีกแล้ว
ส่วนที่ 1: ตัวแทนการเขียนโปรแกรม AI & IDE
เครื่องมือชนิดนี้สามารถช่วยให้ AI เขียนโค้ดให้คุณ ตรวจสอบโค้ด หรือแม้กระทั้งจัดการกระบวนการพัฒนาทั้งหมดได้
สำคัญอยู่ที่: สิ่งเหล่านี้เป็นเรื่องที่จริงจริงสามารถทำงานในกระบวนการทำงานจริงแท้ ไม่ใช่แค่สำเนาสาธิต
1.Claude Code
ไม่ทำงานในโลก online ยายนาท่า การสร้างหรือดำเนินการโดยตรงใน environment ของคุณ หากคุณต้องการรักษาการควบคุมอย่างสมบูรณ์ให้ช่วยพัฒนาด้วย AI นี่คือ "มาตรฐานทองคำ" ในช่วงเวลานี้
https://docs.anthropic.com/en/docs/claude-code
2.Cursor
สร้างขึ้นจาก VS Code ถูกออกแบบอย่างพิถูร พร้อมเครื่องมือที่ช่วยเหลือจาก AI
สนับสนุนการ autocomplete แบบ inline การสนทนากับไดเรกทอรี่โค้ดการแก้ไขหลายไฟล์
เหมาะสำหรับนักพัฒนาที่ต้องการผสาน AI เข้าไว้ในกระบวนการพัฒนาที่มีอยู่แล้ว
https://www.cursor.com
3.Codex CLI
ถูกส่งขายโดย OpenAI มีตัวช่วยในการเขียนโค้ดใน terminal ทุกวิกบัร โดยใช้คำสั่งภาษาธรรมชาติ มันจะอ่านไดเรกทอรี่โค้ด สร้างและดำเนินการโค้ด
มีประสิทธิอารในการทำมัลติทาสส์
https://github.com/openai/codex
4.Windsurf
ถูกส่งขายโดย Codeium มี IDE ที่ช่วยเหลือจาก AI
Cascade agent ที่มีความรู้สึกความเข้าใจตามลฉรความเข้าใจตามลฉรสำหรับโค้ดคลาสสวร และ "flow" การเขียนโค้ดที่มีอิทพารค
เติบเตินอย่างรวดเร็ว
https://codeium.com/windsurf
5.Superpowers
20+ ชุดทักษคงที่สำหรับ Claude Code รวมถึง TDD การ debug การบูรณาการที่แน่นอนจนกระทั่งการประมวลผลจากวาเรคไลน์ไปจนถึงการดำเนินด้วยงานการที่ 9.6 ทิลเลียน ถ้าคุณใช้ Claude Code คุณควรติดตั้งทันที
https://github.com/obra/superpowers
6. ชุดเครื่องมือ Spec Kit (GitHub)
เครื่องมือ "Spec-Driven Development": เขียนสเปคก่อน จากนั้นให้ AI สร้างโค้ด บังคับให้คุณคิดให้รอดีก่อนการเขียนโค้ดจริง ๆ GitHub มีจำนวนดาวเกิน 50,000 ดวง
https://github.com/github/spec-kit
7. Aider
เครื่องมือ AI Pair Programming บนเทอร์มินัล รองรับ LLM ได้ทุกแบบ
เป็นพิเศษในด้านการจัดการโค้ดเดิม GitHub มีจำนวนดาวเกิน 30,000 ดวง
https://github.com/paul-gauthier/aider
ส่วนที่ 2: โครงสร้างเอเจนต์
ใช้ในการสร้างระบบอัตโนมัติที่สามารถ "คิด-ทำ-วนรับ" ได้
8. OpenClaw
เอเจนต์ AI ระดับธรรมชาติ รองรับการทำงานในระยะยาว หลายช่แนล (WhatsApp / Telegram / Discord) และสามารถเขียนทักษะของตัวเองได้ GitHub มีจำนวนดาวเกิน 210,000 ดวง เป็นหนึ่งในทางเข้าที่ง่ายที่สุดสำหรับเอเจนต์ AI ของบุคคลในปัจจุบัน
https://github.com/openclaw/openclaw
9. LangGraph
ใช้ "โครงสร้างกราฟ" ในการจัดเรียงหลายเอเจนต์: รองรับตรรกะสาขา การเข้ามือของมนุษย์ (human-in-the-loop) และสถานะที่ต่อเนื่อง
https://github.com/langchain-ai/langgraph
10. CrewAI
โครงสร้างการทำงานร่วมกันของหลายเอเจนต์ แต่ละเอเจนต์มีบทบาท เป้าหมาย และ "ตัวละคร"
เหมาะสำหรับจำลองกระบวนการการทำงานเป็นทีม
https://github.com/crewAIInc/crewAI
11.AutoGPT
โครงสร้างเอเย่นต์แบบอัตโนมัติชั้นเก่า ที่เหมาะสำหรับงานที่ต้องทำงานในระยะเวลานาน
เปรียบเทียบกับเวอร์ชันก่อนหน้าได้โตมาก
https://github.com/Significant-Gravitas/AutoGPT
12.Dify
แพลตฟอร์มสร้างแอป LLM โอเพ่นซอร์ส ที่รวมเวิร์กโฟลว์ โดย ร.ก.โปรแกรม (RAG) เอเย่นต์ และการจัดการโมเดลไว้ด้วยกัน
เหมาะสำหรับผู้ไม่ใช่นักพัฒนาโปรแกรมด้วย
https://github.com/langgenius/dify
13.OWL
โครงสร้างสหายเอเย่นต์หลายๆ ตัว ที่นำมาทำงานร่วมกัน ซึ่งมีผลสำเร็จในการทดสอบเบนช์มาร์กของ GAIA นำาเสนอ
เป็นตัวอย่างของการนำการวิจัยขั้นสู่การใช้งานในปฏิบัติ
https://github.com/camel-ai/owl
14.CopilotKit
สามารถฝัง AI copilot เข้าไปที่แอป React โดยตรง
ไม่ใช่เพียงแต่เพิ่มประสิทธิภาพการพัฒนา แต่ก็ทำให้ AI กลายเป็นส่วนหนึ่งของผลิตภัณฑ์
https://github.com/CopilotKit/CopilotKit
15.pydantic-ai
โครงสร้างเอเย่นต์ประเภทที่ปลอดภัยจากการระบุลักษณะของ Pydantic
เหมาะสำหรับนักพัฒนาโปรแกรม Python ที่ต้องการผลลัพธ์ที่มีโครงสร้างและสามารถทำการตรวจสอบ
https://github.com/pydantic/pydantic-ai
ส่วนที่ 3: บริการและอุปกรณ์การผสานของ MCP
MCP (โครงสร้างข้อมูลของโมเดล) ช่วยให้ AI เข้าถึงโลกอย่างแท้จริง Skill คือการสอนมันว่าต้องทำอย่างไร MCP คือการให้มัน"มีสิทธิในการทำ"
16. Tavily
เป็นเครื่องมือค้นหาที่ออกแบบมาเฉพาะสำหรับ AI agent ไม่ใช่ลิงก์สีน้ำเงิน แต่ข้อมูลที่มีโครงสร้างและสามารถใช้โดยตรงโดย LLM
มีเครื่องมือให้ค้นหา, สรุป, เว็บค้น, แผนที่ สามารถเชื่อมต่อกับ MCP ใน 1 นาที
https://github.com/tavily-ai/tavily-mcp
17. Context7
ฝังเอกสารที่เป็นกำลังสูงลงในบรรยากาศของ LLM
ไม่ต้องมี "API แฮลลูซี่" หรือเมทอดที่ล้าสมัยอีกต่อไป
ใน prompt เพียงพิมพ์ "use context7" ก็สามารถดึงเอกสารล่าสุดๆ มาใช้งานได้
https://github.com/upstash/context7
18. Task Master AI
ผู้จัดการโปรเจกต์ AI ของคุณ ใส่ PRD เข้าไป มันจะถูกแยกออกเป็นงานที่มีความเกี่ยวข้อง
จากนั้นให้ Claude ดำเนินการต่อเนื่องโดยจะทำให้กระบวนการพัฒนาที่วุ่นวายกลายเป็นสายการผลิตเรียบร้อย
https://github.com/eyaltoledano/claude-task-master
19. MCP Playwright
ให้ความสามารถในการอัตโนมัติเบราว์เซอร์ให้กับ LLM
สามารถควบคุมเบราว์เซอร์จริงด้วยภาษาธรรมชาติ: การทดสอบ, เว็บค้น และการโต้ตอบ สามารถทำได้ทั้งหมด
https://github.com/executeautomation/mcp-playwright
20.fastmcp
ใช้โค้ด Python ต่ำที่สุดเพื่อสร้างบริการ MCP อย่างรวดเร็ว
เป็นหนึ่งในวิธีการที่เร็วที่สุดในการสร้างเครื่องมือที่ปรับแต่งสำหรับโมเดลเช่น Claude
https://github.com/jlowin/fastmcp
21.markdownify-mcp
แปลงไฟล์ PDF, รูปภาพ, เสียง และรูปแบบอื่น ๆ เป็น Markdown
ช่วยให้เอกสารใด ๆ ก็สามารถเข้าสู่ขั้นตอนการทำงานด้าน AI ได้
https://github.com/zcaceres/markdownify-mcp
22.MCPHub
จัดการ MCP หลายรายการผ่านทาง HTTP
แผงควบคุมที่สามารถจัดการเครื่องมือทั้งหมดในการเชื่อมต่ออย่างเดียว
https://github.com/samanhappy/mcphub
ส่วนที่ 4: ทักษะของ Claude (คัดสรร)
ทักษะสามารถช่วยเพิ่ม "ความสามารถในการทำงานที่เชี่ยวชาญ" ให้กับ Claude ให้เรียบร้อยแล้ว ส่วนท้องที่ของชุมชนมีทั้งหมด 8 หมื่น+ ทักษะ และนี่คือบางส่วนที่ควรติดตั้งจริง ๆ
23.PDF Processing (อย่างเป็นทางการ)
รองรับการอ่าน PDF, สกัดข้อมูลตาราง, กรอกแบบฟอร์ม, รวมและแยกไฟล์
สำหรับผู้ทำงานที่ใช้ความรู้, เป็นหนึ่งในทักษะที่มีประโยชน์มากที่สุด
https://github.com/anthropics/skills/tree/main/skills/pdf
24.การออกแบบ Frontend (อย่างเป็นทางการ)
ใช้สร้างระบบออกแบบที่แท้จริงที่ใช้งานได้ รวมถึงการจัดวางตัวอักษรที่ขีดสุดและ UI ที่สามารถนำออนไลน์ได้
สามารถกำจัดสไตล์การออกแบบที่มีความคล้ายคลึงกันจาก AI ทั่วไป มีการติดตั้งมากกว่า 27.7 หมื่นครั้ง
https://github.com/anthropics/skills/tree/main/skills/frontend-design
25.ผู้สร้างทักษะ (อย่างเป็นทางการ)
เป็น "ทักษะหลัก" คำอธิบายด้วยภาษาธรรมชาติเกี่ยวกับเวิร์กฟลอว์ของคุณ สร้างไฟล์ SKILL.md ทั้งหมดภายใน 5 นาที
ไม่จำเป็นต้องเขียนคอนฟิกเพื่อสร้างทักษะใหม่ได้อีกด้วย
https://github.com/anthropics/skills/tree/main/skills/skill-creator
26.ทักษะทางการการตลาด (Corey Haines)
ครอบคลุม CRO, การเขียนคำโฆษณา, SEO, อัตโนมัติอีเมล, กลยุทธ์เพิ่มการเติบโต เป็นต้น มี 20+ ทักษะ
เทียบเท่ากับการ "แยกทั้งทีมการตลาดเป็นบทบาทย่อยๆ"
https://github.com/coreyhaines31/marketingskills
27.Claude SEO
มีการตรวจสอบทั้งเว็บไซต์, การตรวจสอบข้อมูลโครงสร้าง, การวิเคราะห์คีย์เวิร์ด, เป็นต้น
มีทักษะย่อย 12 รายการ ครอบคลุมเวิร์กฟลอว์ SEO โดยสมบูรณ์
https://github.com/AgriciDaniel/claude-seo
28.ทักษะ Obsidian
พัฒนาโดย CEO ของ Obsidian รองรับการป้อนแท็กอัตโนมัติ การเชื่อมโยงอัตโนมัติ และการผสานร่วมกับคลังความรู้ (vault) อย่างเชื่องอาน
ถ้าคุณใช้ Obsidian นี่เกือบจะเป็นการติดตั้งที่จำเป็น
https://github.com/kepano/obsidian-skills
29.การปรับปรุงบริบท
ใช้เพื่อลดต้นทุน token เพิ่มประสิทธิภาพของ KV cache
สามารถลดต้นทุนการใช้ API อย่างมีนัย 13,900+ ดาวน์โหลดจาก GitHub
https://github.com/muratcankoylan/agent-skills-for-context-engineering
30.ทักษะการวิจัยลึก
กระบวนการวิจัย 8 ขั้นตอน + การทำงานต่อเนื่องแบบอัตโนมัติ
เหมาะสำหรับบริบทที่ต้องการ Claude ทำ \"ทำความเข้าใจลึก\" ไม่ใช่สรุปแบบเชิงพื้นที่
https://github.com/199-biotechnologies/claude-deep-research-skill
ส่วนที่ 5: การเรียกใช้ AI ภายในเครื่อง
เรียกใช้โมเดลบนอุปกรณ์ท้องถิ่น: ความเป็นส่วนตัวที่สูงขึ้น การตอบสนองที่รวดเร็วมากขึ้น และไม่มีค่าใช้จ่ายในการใช้ API
31.Ollama
รันโมเดลโดยใช้คำสั่งเดียวบนเครื่องท้องถิ่น รองรับ Llama Mistral Gemma และอื่นๆ
จากศูนย์ไปสู่ AI บนเครื่องท้องถินที่รวดเร็วที่สุด
https://github.com/ollama/ollama
32.เปิด WebUI ออก
อินเทอร์เฟซแบบ ChatGPT ที่เป็นเจ้าของเอง ที่เร็ว กระชับ และทันสมัย
ใช้งานร่วมกับ Ollama สามารถสร้างระบบ AI เต็มที่เป็นส่วนตัว
https://github.com/open-webui/open-webui
33.LlamaFile
แพ็คโมเดลขนาดใหญ่ทั้งหมดเป็นไฟล์ exe ได้
ไม่ต้องไปพึ่งพา ดาวน์โหลดได้เลย ง่ายมาก
https://github.com/Mozilla-Ocho/llamafile
34.Unsloth
เร่งความเร็วในการ Fein-tune โมเดล 2 เท่า พร้อมลดการใช้ RAM ลง 70%
หากคุณต้องการฝึกโมเดลของตัวคุณ นี่คือจุดเริ่มต้นที่ดี
https://github.com/unslothai/unsloth
35.vLLM
เครื่องพิสูจน์ที่มีประสิทธิภาพสูง ทำงานเร็ว 2-4 เท่าของวิธีเดิม
เป็นหนึ่งในตัวเลือกการใช้งานโมเดลแบบเปิดที่หลากหลาย
https://github.com/vllm-project/vllm
ส่วนที่ 6: ขั้นตอนการทำงานและอัตโนมัติ
นำ AI เข้าสู่เครื่องมือและกระบวนการที่คุณมีอยู่แล้ว
36.เอ็นแปดเอ็น (n8n)
เครื่องมืออัตโนมัติเวิร์กฟลว์โอเพ่นซอร์สที่รองรับโหนด AI มากกว่า 400 โหนดและสามารถใช้งานเองได้
เป็นหนึ่งในตัวสร้างเว็บตัวแอน AI แบบวิ視ชวลที่เข้มแข็งที่สุดในปัจจุบัน
37.แลงฟลาว (Langflow)
สร้างเว็บตัวแอนโดยวิธีลากและวาง มีดาว GitHub มากกว่า 140,000
สามารถสร้าง agent pipeline ที่ซับซ้อนโดยไม่ต้องเขียนโค้ด
https://github.com/langflow-ai/langflow
38.ฮูกินน์ (Huginn)
Web agent ที่สามารถใช้เอง ทำหน้าที่ควบคุม แจ้งเตือน และเก็บรวบรวมข้อมูล
เน้นความเป็นส่วนตัว การอัตโนมัติทั้งหมดทำงานบนเซิร์ฟเวอร์ของคุณ
https://github.com/huginn/huginn
39.ดีเอสไพ (DSPy)
ขับเคลื่อนโมเดลด้วย "โปรแกรม" ไม่ใช่ "โปรมะท"
เป็นกรอบงานที่มีต้นฉบับจากการศึกษาที่สแตนฟอร์ด ใช้สำหรับสถานการณ์ที่ต้องการความเสถียรสูงขึ้น
https://github.com/stanfordnlp/dspy
40.เทมพอรัล (Temporal)
เชิงเน้นภารกิจรันนานนาน ด้วยเชนจการณ์เรื่องงานที่อยู่ตลอดเวลา
เมื่อกระบวนการอัตโนมัติของคุณต้องรับมือกับข้อผิดพลาด การลองใหม่ การหมดเวลา นี่คือวิธีการมาตรฐาน
https://github.com/temporalio/temporal
บทที่ 7: การค้นหาข้อมูลและ RAG
เปิดรับและส่งออกข้อมูลไปยังระบบ AI
41.นักวิจัย GPT
เอเจ้นต์วิจัยอัตโนมัติที่สามารถสร้างรายงานโครงสร้าง
กรอกหัวข้อ 1 ครั้ง ผลลัพธ์คือการวิเคราะห์เต็มรูปแบบพร้อมการอ้างอิงแหล่งที่มา
https://github.com/assafelovic/gpt-researcher
42.Firecrawl
แปลงเว็บไซต์ใดก็ได้ออกมาในรูปแบบข้อมูลที่ใช้ใน LLM
เครื่องมือครอลเวอร์ที่ออกแบบมาเพื่อไปยังกระแส AI
https://github.com/mendableai/firecrawl
43.Vanna AI
แปลงภาษาธรรมชาติเป็น SQL
ถามเป็นภาษาอังกฤษแล้วสร้างคำสั่งคิวรีฐานข้อมูลโดยตรง
เหมาะสำหรับผู้ที่ไม่ต้องการเขียน SQL แต่ต้องการใช้ข้อมูล
https://github.com/vanna-ai/vanna
44.Instructor
ผ่านโมเดล Pydantic ทำให้ LLM ใดก็ได้ส่งออก JSON โครงสร้าง
รองรับผู้ให้บริการ OpenAI、Anthropic、Google และอื่นๆ 15+
คือทางเลือกจริงๆ ของวิศวกร AI ในสายการผลิต
https://python.useinstructor.com
45.Chroma
ฐานข้อมูลเวกเตอร์เปิด原始碼
เป็นหนึ่งในวิธีง่ายๆ สำหรับเพิ่มการค้นหาความหมายและความจำในระยะยาวให้แอปพลิเคชัน AI
https://github.com/chroma-core/chroma
46.dlt
เครื่องมือท่อข้อมูลสำหรับ LLM ที่สามารถเชื่อมต่อกับแหล่งข้อมูล 5000+ รายการ
ช่วยให้คุณนำเข้าข้อมูลทั้งหมดเข้าสู่เวิร์กฟลาว์ AI
https://github.com/dlt-hub/dlt
47.ExtractThinker
ORM สำหรับความสามารถในการอ่านเอกสาร
สามารถสกัดข้อมูลโครงสร้างจากเอกสารประเภทต่าง ๆ
https://github.com/enoch3712/ExtractThinker
ส่วน 8: API และพื้นฐาน
ท่อใต้ดินที่ทำให้ทุกอย่างเริ่มทำงานจริงในสภาพแวดล้อมการผลิต
48.FastAPI
เฟรมเวิร์ก Web ของ Python สำหรับการใช้งาน AI
เอกสารมีความสมบูรณ์มาก และมีการตรวจสอบข้อมูลด้วย Pydantic ในตัว
https://github.com/tiangolo/fastapi
49.Portkey Gateway
เชื่อมต่อกับ LLM 250+ ผ่าน API เดียว
สามารถสลับโมเดลโดยไม่ต้องแก้โค้ด
https://github.com/Portkey-AI/gateway
50.OmniRoute
พร็อกซี API สำหรับผู้ให้บริการ AI 44+
มีการทำโหลดให้เท่ากัน การสลับอุปกรณ์เมื่อเกิดข้อผิดพลาด และการจัดการต้นทุน
https://github.com/diegosouzapw/OmniRoute
51.lmnr
ใช้สำหรับติดตามและประเมินพฤติกรรมของเอเจนต์
ทำให้เห็นชัดว่าเอเจนต์กำลังทำอะไร และวัดผลการปฏิบัติตนว่าผลสำเร็จตามเกณฑ์หรือไม่
https://github.com/lmnr-ai/lmnr
52.Codebase Memory MCP
แปลงรหัสของคุณให้เป็น "กราฟความรู้ถาวร"
ทำให้คลอดจีจำโครงสร้างโปรเจกต์ทั้งหมดระหว่างเซสชัน
https://github.com/DeusData/codebase-memory-mcp
ส่วนที่ 9: คอลเลกชันความรู้ที่ถูกคัดสรรและทรงพลัง
ที่ที่คุณสามารถได้รับข้อมูลอย่างต่อเนื่อง และปรับปรุงการรับรู้ตนเองอยู่ตลอด
53.Awesome Claude Skills
คอลเลกชันทักษะที่ถูกคัดสรร มีดาว GitHub มากกว่า 2.2 หมื่นดวง
เป็นทางเลือกแรกที่ดีที่สุดในการค้นหาทักษะใหม่
https://github.com/travisvn/awesome-claude-skills
54.Anthropic Skills Repo
คลังข้อมูลทักษะ Anthropic อย่างเป็นทางการ
เป็นดัสนาการมาตรฐานของการสร้างทักษะในปัจจุบัน
https://github.com/anthropics/skills
55.เอเจนต์ที่น่าทึ่
รวมรายการที่เลือกสรรของเครื่อขอมูลเอเจนต์ตัวนี้
https://github.com/kyrolabs/awesome-agents
56.คู่มือการให้คำให้กำกับ
คู่มือโปรเจ็กต์ที่ครอบคลุมตั้งแต่ขั้นพื้นฐานไปจนถึงขั้นขั้นสูงสุด
57.สอนการสร้างโปรมปต์ Anthropic
ประกอบด้วย 9 บท + การฝึกปฏิบัติด้วย Jupyter Notebook
เป็่ช่เส้ยี่่ที่ดีที่สุดในการเรียนรู้เร็้าีผสมมอม็อ็
https://github.com/anthropics/prompt-eng-interactive-tutorial
58.SkillsMP
มีตลาดสไคลส์กว่า 8 หมื่ชบอซซ'่ ํี
เป็็เป็รอื่ท็ถุเาลเไเ็ทีร่็เหใ ี่ี่
59.MAGI//ARCHIVE
ปรับปรุงโปรเจ็กต์ AI ล่าสุดทุกวัน
นึ้มใช้ให้้ช้้าาาถบรถมวา่อษก ่ชุ่พ ่าี่ำี่
https://tom-doerr.github.io/repo_posts/
60. เอกสารทางการของ Anthropic
ครอบคลุมเนื้อหาหลักทั้งหมดเช่น API, Prompt, เรียกใช้เครื่องมือ, agent ฯลฯ
หากคุณต้องการจะทำผลิตภัณฑ์ AI อย่างจริงจัง คำแนะนำเล่มนี้ควรอ่านทั้งหมด
วิธีใช้รายการนี้อย่างแท้จริง
อย่าพยายามลงเครื่องมือทั้ง 60 อันในคราวเดียว ทำแบบนั้นอาจทำให้คุณได้รับข้อมูลมากเกินไปและเสียเวลา
ผมแนะนำให้ใช้ดังนี้:
หากคุณเป็นนักพัฒนา: เริ่มจาก Claude Code (01) + Superpowers (05) + Context7 (17) + Tavily (16)
ส่วนประกอบเหล่านี้สามารถช่วยให้คุณสร้างสภาพแวดล้อมการเขียนโปรแกรม AI ที่มีความสามารถในการค้นหาและสนับสนุนเอกสาร
หากคุณเป็นผู้สร้าง / นักงานที่มีความรู้: เริ่มจาก OpenClaw (08) + Obsidian Skills (28) + PDF Processing (23) + Frontend Design (24)
ส่วนประกอบเหล่านี้สามารถให้คุณได้มีผู้ช่วย AI ที่มีความสามารถในการจัดการไฟล์ ประมวลผลเอกสารและสร้างเนื้อหา
หากคุณกำลังพัฒนาผลิตภัณฑ์: เริ่มจาก FastAPI (48) + Instructor (44) + Chroma (45) + LangGraph (09)
ส่วนประกอบเหล่านี้ครอบคลุมเฟรมเวิร์กที่ด้านหลัง, การแสดงผลที่มีโครงสร้าง, ระบบช่วยจำและความสามารถในการจัดเรียง agent ซึ่งเพียงพอต่อการสนับสนุนแอปพลิเคชัน AI ในระดับการผลิต
หากคุณต้องการเรียนรู้เท่านั้น: เริ่มจาก คู่มือการใช้งาน Anthropic (57) + คู่มือการให้คำใช้บริการ (56) + เอกสารทางการของ Anthropic (60)
เริ่มด้วยรากฐานก่อน จากนั้นค่อยไปเรียนรู้เครื่องมือต่างๆ
เลือกเส้นทางเดียว ให้เริ่มใช้ในลึกๆ
รอจนกว่าความต้องการจะปรากฎขึ้น จากนั้นค่อยขยายเครื่องมือ
TL;DR
ทักษะ = สอน AI "วิธีการปรับปรุง"
MCP = การให้ AI "ความสามารถในการเชื่อมต่อเครื่องมือและข้อมูลภายนอก"
Repos = การให้พื้นที่พัฒนาโปรแกรมเปิดรหัส
เมื่อสามอย่างนี้รวมกัน คุณจะได้ไม่ใช่ "การสาธิตที่ดูเท่" แต่เป็นกระบวนการทำงานของ AI ที่สามารถใช้งานจริงได้จริง
นั่นคือ 60 เครื่องมือ ตอนนี้จงไปสร้างสิ่งสำคัญ
ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:
กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats
กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App
บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia
บทความที่เกี่ยวข้อง
