標籤：cursor

self-learning-skills：把 agent 走通的黃金路徑沉澱成可重用 skill

Kulaxyz/self-learning-skills 是一個給 Claude Code、Cursor、AGENTS.md agent 的 meta-skill：在 session 走通難題後，自動把可重用流程、驗證方式與 dead-end 沉澱成 skill/rule，讓下次不用重學。重點是 skill promotion 必須有實測、失敗模式與排除過的 dead-end。

React Scan / React Grab / React Doctor：AI Coding 時代的 React 人機協作三件套，從找效能浪費到 CI quality gate

govin999999 分享用 React Doctor 搭配 Codex Goal，一次掃描並修掉大量 React 品質與效能問題。貼文也整理 Aiden Bai / Million 團隊相關三個工具：React Scan 用瀏覽器高亮重複渲染，React Grab 把 UI 元素轉成檔案路徑/行號/元件 stack 給 AI 精準修改，React Doctor 掃描 state/effect/performance/architecture/security/accessibility 等問題並可接 CI。GitHub/README 核對顯示 React Scan 與 React Grab 為 MIT；React Doctor repo 為 millionco/react-doctor，README 稱 MIT 並揭露 telemetry 可用 --no-telemetry 關閉。

codebase-memory-mcp：給 Claude Code、Cursor、Codex 的本地 codebase 記憶層，避免 AI 每次重讀整個專案

Threads 推薦 codebase-memory-mcp：一個本地 code intelligence MCP server，先把專案索引成 persistent knowledge graph，讓 AI coding agent 查結構時不用每次從頭讀檔。GitHub repo 驗證為 MIT License，README 主張支援 158 種語言、single static binary、zero dependencies、local-only processing，並可接 Claude Code、Cursor、Codex CLI 等工具。

Ponytail：讓 AI Agent 像懶惰資深工程師一樣先問「這段程式碼真的需要存在嗎？」

Ponytail 是一個熱門 AI agent skill / rule repo，核心是讓 agent 在寫程式前先檢查需求是否必要、標準庫/原生平台/既有依賴能否解決，最後才寫最小可用版本。

GSAP Skills：讓 Claude / Cursor 做出不再一眼 AI 味的網站互動動畫

Chrome DevTools MCP：把 console、network、screenshot 與 trace 交給 Coding Agent

ChromeDevTools/chrome-devtools-mcp 是 Google Chrome DevTools 團隊的 MCP server，讓 Claude、Cursor、Copilot、Antigravity 等 coding agent 控制與檢查 live Chrome browser。它能讀 console、network requests、screenshots、performance traces，減少前端除錯時人類轉述錯誤的來回；但 README 也明確警告不要把敏感瀏覽器資料暴露給 MCP client。

CodeGraph：先把大型 repo 建成語義圖，讓 Coding Agent 少找 code、少花 token

CodeGraph 把 codebase 預先索引成 symbol / call graph / code structure，供 Claude Code、Codex、Cursor、OpenCode、Hermes Agent 查詢；README benchmark 宣稱平均 35% 更便宜、49% 更快、70% 更少 tool calls，真正價值在減少探索型 grep/read 往返。

Hallmark：讓 AI 產生的 UI 不再一眼「AI 味」的開源設計技能

Hallmark 是 Nutlope / Together AI 推出的 anti-AI-slop design skill，支援 Claude Code、Cursor、Codex。2026-07-27 查證：MIT、約 18.3k stars、20 themes、57 slop-test gates；適合 landing page、prototype、UI audit，但仍需人工審查品牌、RWD、可用性與轉換目標。

K-Dense scientific-agent-skills：把 138 個科學工具變成 Agent 可讀的研究武器庫

K-Dense-AI/scientific-agent-skills 把 138 個科學與研究技能打包成 Agent Skills，涵蓋 100+ 科學/金融資料庫、70+ Python package skills、臨床、藥物探索、單細胞分析、材料、地理、科學寫作等工作流。重點不是又一個 framework，而是把工具正確用法轉成 Claude Code、Cursor、Codex 等 agent 能載入的操作知識。

Twinkle Hub 把台灣開放資料包成 MCP：真正價值是讓 AI 具備台灣在地工具層

Twinkle Hub 是台灣社群 TwinkleAI 打造的 MCP service，將 data.gov.tw 與台灣在地工具包成單一 MCP endpoint。它的重點不是又一個資料網站，而是讓 Claude、Cursor、Hermes、OpenClaw 等 agent 可以用一致協定查台灣開放資料、跑 SQL、做地址/統編/捷運/曆法等在地查詢。

從 1,200 萬 token 到 MCP GA：AI 正在從能力展示轉向系統嵌入

這篇整理 Cheng 的 2026/05/10 AI 科技摘要：Subquadratic 的超長上下文、OpenAI 即時語音推理、Cursor Canvas、JPMorgan 將 AI 歸為基礎設施，以及 AWS MCP Server GA。耐看的重點不是單一新聞，而是 AI 正從「能做什麼」轉向「如何嵌入既有系統」。

9Router：AI Coding 成本路由器很誘人，但正式專案最大的成本是 Prompt 外洩風險

Threads 貼文介紹 9Router：把 Claude Code、Cursor、Cline、Codex 等工具接到同一本機 OpenAI-compatible endpoint，再路由到 40+ providers，提供 quota fallback 與 RTK token compression。本文整理它的成本優勢、官方功能與安全邊界：適合低風險範例與 boilerplate，不適合機密正式專案。

Claude Context：大型 codebase 的 AI Coding 關鍵不是塞更多 context，而是先建立可檢索的語意記憶層

Claude Context 透過 MCP 與 semantic code search，先把 repo 做成可檢索的向量記憶層，讓 AI coding tool 在回答鑑權、退款流程、callback 串接等問題時能找到真實相關程式碼，而不是盲翻目錄或硬塞整包 context。

AI coding 工具會快速商品化：真正的優勢將屬於會切換工作流的人，而不是單一工具信徒

這則 Threads 真正值得記錄的，不是推薦哪個工具，而是它指出 AI coding 的競爭結構正在改變：當 Claude Code、Cursor、Windsurf、Codex CLI 等工具能力逐漸收斂，工程師的真正優勢會從工具忠誠轉向 multi-tool orchestration 與 workflow 選型能力。

RTK：在命令列前先壓縮輸出，替 AI 程式助手省下 80% token

RTK：在命令列前先壓縮輸出，替 AI 程式助手省下 80% token

中國的 Vibe Coding 都在玩什麼

中國的 Vibe Coding 都在玩什麼

4 種 AI Agent 實測比較：誰最像真的能把陌生專案跑起來的工程師

4 種 AI Agent 實測比較：誰最像真的能把陌生專案跑起來的工程師