xiaohack博客专注前沿科技动态与实用技术干货分享，涵盖 AI 代理、大模型应用、编程工具、文档解析、SEO 实战、自动化部署等内容，提供开源项目教程、科技资讯日报、工具使用指南，助力开发者、AI 爱好者获取前沿技术与实战经验。
缘起是受𝕏上某个大佬的启发（忘记名字了，只能匿名感谢）：要开发给小白用的工具。
所以 Vibe-Coding 了这个帮用户快速安装 Claude Code 并管理技能包（Skills）的桌面应用程序。
工具实现没啥难度，给 L 站大佬们一些启发。
工具可以：
项目地址：dalao-org/MirrorOne
老项目重构求点 Star
可能很多人还记得前几年的 Oneinstack/lnmp 脚本被收购后出现供应链投毒的问题。
但是投毒的方式并不是在脚本本身进行了修改，而是在脚本依赖的 oneinstack 托管的软件包里直接进行了投毒。相当于是脚本下载了含木马的软件包。因此，在那之后我就写了一个 Python 脚本来爬取 Oneinstack 全部依赖的软件包的官方下载地址，并通过 GitHub Actions 自动运行，生成 Cloudflare/Netlify 支持的跳转脚本。当 lnmp 这一类脚本请求下载时，会被自动跳转到原始的官方链接。
当你请求下载 MySQL 8.4.6 的时候，请求镜像地址 https://mirror.dal.ao/src/mysql-8.4.6-linux-glibc2.28-x86_64.tar.xz 会直接 302 跳转到 https://downloads.mysql.com/archives/get/p/23/file/mysql-8.4.6-linux-glibc2.28-x86_64.tar.xz
这两天因为重新部署服务器，因此重新把这个项目拾起来重构了一番。将原本依赖 GitHub Actions 的运行方式彻底抛弃了，改为 FastAPI 后端 + 定时任务来处理。主要原因有以下几个：
force_redirect=true 请求参数来强制使用重定向模式。最近有佬分享带有令牌的 outlook 邮箱；
正好手上也有一批号，想着做个管理和取件功能；
功能可能比较简单，简约风格；
这批有使用痕迹，不保证还有效哈。我试了几个是有效的；
增加了域名的临时邮箱功能，多种选择！
感谢佬提供的 API，暂时搞不到密钥，只能用默认的了；
400 + 域名的临时邮箱已就绪，API 已开放 (域名数量动态变化，以实际为准) - 资源荟萃 - LINUX DO
KoalaLink
有三个版本
PRO：https://gokaola.top
Lite 演示站（后台密码 admin）：https://go.dsi.mom
Nano：https://go.shanku.lol/
具体可以看演示站，已开源。PRO 版本还有点问题没有优化完。
GitHub - Bitkoala/KoalaLink: KoalaLink 考拉链 包含单文件以及自托管，极简单文件短链接跳转工具，零依赖、零配置，上传即用。轻量级短链接管理系统，内置品牌中转页与流量分析，基于 PHP + SQLite 开箱即用。
PRO 演示站点 vip 激活码
先上几张图：
上周周末赶汇报 PPT 正愁进度时，看到了论坛佬友们强烈推荐 banana-slides 项目，于是乎自己本地部署和使用了一下，体验是真的惊艳 —— 一方面是惊叹于大香蕉模型的图片输出美观程度，另外一方面也是感叹开发者的思路之优秀。
一句话 / 大纲就能生成，口头改改就迭代，导出可编辑 PPTX 也基本能用，确实改变了游戏规则。
但用着用着我就开始手痒了：文字偶尔还是会小崩（尤其是复杂表格 / 长句），纯图像 PDF 导出后想手动修又麻烦；预览是静态的，没法直接在浏览器里 “播放” 过一遍；而且我想加点更 “所见即所得” 的编辑（比如自动扣图层、前端拖拽改元素、在浏览器里加简单动画过渡），以及加入联网搜索、知识库的接入等等。
鉴于我 “非常喜欢自己造轮子” 的性格，于是我周末抽空基于 banana-slides 的核心思路（图像优先 + vibe 迭代），自己搓了个早期版本，主要改动点目前有这些（还在 WIP 阶段，佬们多来给点建议和 idea）：
后端生成后自动二次调用 AI 扣背景 + OCR 提取文字 → 输出分层数据（背景图 + 文字层 + 图标层），导出时可选 “纯图像 PDF”（快）或 “分层 ZIP/PPTX”（方便本地修）。
- 支持接入 rag 知识库，对一些学术类，需要大量参考资料的 ppt 生成更加友好。
前端加了个基础的在浏览器预览 / 播放模式（用 reveal.js 模拟全屏切换，带简单过渡），不用下载就能快速过一遍效果。
计划支持用户在线拖拽 / 改文字（Fabric.js 那种），但这个还在画饼阶段。
许可证打算用 Apache 2.0，更开放点（欢迎 fork / 商业用，只要留版权）。
目前核心生成已经能跑通，界面也基本可用，但前端编辑和动画还在迭代中，bug 肯定不少。于是乎想着提前来 linux.do 水个帖，顺便求拍砖：
感谢 banana-slides 作者的开源思路，没有原项目我根本想不到这么巧妙的设计思路
也感谢 linux.do 这个社区，让我能够了解到这么优秀的 AI 工具～
自己以前学过一些 OI，初来 L 站，发现有一个算法标签，遂试图把一些文章发出来水点经验之类的。
应该是无人在意的，写的也很浅略，如果发这类东西违反了某个我没有注意到的站规请告诉我……
说实话，这个东西还是过于冷门了，感觉刷题练这个真心没啥用。
2025年10月：我承认我以前说话太大声了，连着几次考试都能用这个。
对于一张无向图，我们可以通过 Kruskal 算法求出其最小 / 最大生成树。
在求最小 / 最大生成树的时候，设两点 x、y
这是原图：
找到它的最小生成树：
按边权从小到大建立 Kruskal 重构树：
Kruskal 最简单的应用就是直接求解最大边权最小值 / 最小边权最大值。
在 Kruskal 中，任何一个非叶子节点都可以被视为一种 “瓶颈”，即如果 LCA 作为瓶颈如果没有被限制，则其子树一定没有被限制。通过这一点，引申出了许多 Kruskal 重构树的应用。
事实上，这些都可以归类为树上 min-max 问题。
void Kruskal(){
sort(s+1,s+m+1,cmp);
cnt=n;
for(int i=1;i<=m;i++){
int x=s[i].x,y=s[i].y,k=s[i].k;
x=kru.find(x),y=kru.find(y);
if(x==y) continue;
cnt++;
add(x,cnt),add(y,cnt);
val[cnt]=k;
kru.merge(x,cnt);
kru.merge(y,cnt);
}
}
这是最简单的应用，一眼就能看出其要求是求出最小边权最大值。
应该建立最大生成树时建立重构树，然后求出 LCA。
注意本题图可能不连通，需要分开处理 LCA。
参考代码（Kruskal 重构树 + Tarjan LCA）。
复杂度瓶颈在于排序，为 O(n \log n)
同样是最简单的应用，这回要求求出最大边权最小值。
和上题相同，只是变成了建立最小生成树。
可以用此题继续熟练。
Kruskal 重构树本身可以作为 “瓶颈” 一类的限制。
可以考虑建立一颗最大边权的 Kruskal 重构树，此时，如果 一个结点的权值符合要求，则其子树也符合要求。
如果不符合要求，这个点会被断开，即断开朋友关系。
可以通过一次 DFS 统计叶子节点数量来回答问题 2
对于问题 3
20 岁的开发者
“微舆” 核心功能：
1 用户只需像聊天一样提出分析需求，智能体开始全自动分析 国内外 30 + 主流社媒 与 数百万条大众评论。
2 生成的研究报告
3 深度解析抖音、快手等短视频内容
4 数据可视化，数据分析
同样的测试：（小鹏汽车（XPENG）智能机器人 “IRON” 舆情报告）
提示语：
深度调研： 小鹏汽车（XPENG）智能机器人 “IRON” 舆情报告 ，
包括媒体新闻，社交媒体帖子，评论等等，写一个完整全面的报告
🔍 核心发现
1. 整体舆情积极正面: 正面评价占比39.2%，负面仅2.0%
2. 抖音是主阵地: 占76.5%讨论内容
3. 技术展示受关注: "无衣状态测试"视频获4.3万点赞、1.5万评论
4. 产品联动话题: 与小鹏P7+、陆地航母的联动讨论热烈
📁 生成文件
1. 调研脚本: xpeng_iron_robot_research.py
2. 原始数据: xpeng_iron_robot_research_raw_data.json
3. 简化报告: xpeng_iron_robot_sentiment_report.md
4. 详细报告: xpeng_iron_robot_sentiment_report_detailed.md ⭐
详细报告包含：各平台分析、情感分析、讨论热点、竞品对比、总结建议等8个章节的完整分析。现在才是最简单的基础，接下来一步一步完善项目…
等佬！你的 star 就是我的激励！
从 perplexity mcp docker 一键部署（pro 账号无限额度 ai 搜索 mcp）继续讨论：
当监测到账号过期，执行 tg 推送。
![[perplexity-mcp] 增加账号定时监测和 TG 推送1](https://xiaohack.oss-cn-zhangjiakou.aliyuncs.com/typecho/images/2026/01/14/20260114104529_69670349566d9.png!mark)
`@BotFather` 获取@get_id_bot 获取配置文件 token_pool_config.json 新增 heart_beat 字段控制心跳检测相关功能
{ "heart_beat": { "enable": true, "question": "现在是农历几月几号？", "interval": 6, "tg_bot_token": "12345678", "tg_chat_id": "12345678" }, "tokens": [...] } 仓库地址：
让 Claude Code 拥有项目感知能力的智能开发框架
更多详细的介绍内容与文档，请详见：
Claude-Code-Multi-Agent/README.md at master · Prorise-cool/Claude-Code-Multi-Agent
如果有功能上的疑问，请在 github 上提交 PR，此项目已内置 MCP
因为是个人使用的工作流，开源出来如果有无法复现的情况请反馈给我及时优化，欢迎提交 PR，分享更多实用的 SKILLS 技能
Claude Code Multi-Agent 是一个为 Claude Code 设计的智能开发框架，通过 Hooks 系统 在会话生命周期中自动执行智能操作，让 Claude Code 从 “通用聊天助手” 升级为 “懂你项目的专业开发伙伴”。
这不是一个插件生态，而是一个 Claude Code 的专属工作空间
你需要将仓库克隆后，将你的项目（或初始化项目）放在此文件夹中，即可享受智能 Hooks 定义以及 300+ Skills 方案。
问题：Claude Code 默认不知道你的项目是什么类型、使用什么框架、有什么依赖。每次都需要你手动描述项目背景。
解决：通过 Ollama 智能引擎 自动检测项目类型（Python/Node.js/Java 等）、识别框架（Django/FastAPI/React 等），并在会话启动时自动注入项目上下文。
问题：每次使用 Claude Code 都需要：
解决：零配置启动 - 克隆即用，所有配置通过 Hooks 自动完成。提示词模板化存储在 prompts.json，支持团队协作和版本控制。
问题：Claude Code 不知道什么时候该调用什么工具，也不知道有哪些可用的专家技能。
解决：智能意图分析 - 自动判断任务复杂度，推荐合适的 MCP 工具（Sequential Thinking、Task Manager 等）和 Skills（后端专家、测试专家等）。
问题：代码改了，文档忘了更新。项目知识散落在聊天记录中，无法沉淀。
解决：自动文档维护 - 每次代码修改后，强制提示更新 DEVELOPMENT.md、KNOWLEDGE.md、CHANGELOG.md，确保文档与代码同步。
所有判断逻辑通过本地部署 Ollama 完成，无需编写复杂的规则引擎。提示词模板化存储在 prompts.json，支持持续调优和版本控制。
会话启动时自动扫描并加载所有 Skills，包括：
/backend-specialist) - Django、FastAPI、Spring Boot 等/frontend-specialist) - React、Vue、Next.js 等/testing-specialist) - 单元测试、集成测试、E2E 测试/security-specialist) - OWASP Top 10、安全审计/architecture-specialist) - 系统设计、微服务架构/devops-specialist) - CI/CD、容器化、云部署强制维护三个核心文档：
文档在会话启动时自动注入上下文，替代 Memory MCP，避免上下文爆炸。
自动检测 Git 仓库配置，提示分支策略（github-flow /git-flow），确保团队协作规范。
基于 uv 的依赖管理，无需手动安装 Python 包。克隆项目 → 配置环境变量 → 启动 Claude Code，即可使用。
场景：你打开了一个新的 Python 项目，想了解项目结构。
操作：直接打开 Claude Code，系统会自动：
结果：Claude Code 立即了解你的项目，无需手动介绍。
场景：需要设计 RESTful API，但不确定最佳实践。
操作：在 Claude Code 中输入：
/backend-specialist 设计用户认证的 RESTful API
结果：Claude Code 以 “后端专家” 身份回答，参考 FastAPI/Django 最佳实践，提供：
场景：输入一个复杂任务：“实现用户登录功能”
操作：系统自动分析意图，推荐：
/backend-specialist、/security-specialist结果：无需手动思考 “该用什么工具”，系统智能推荐。
场景：修改了 user_service.py，添加了新功能。
操作：系统自动检测代码变更，强制提示更新：
结果：文档始终与代码同步，项目知识可沉淀。
Commands 是预定义的工作流，通过 /command-name 触发：
# 创建功能规格（从需求到实施计划）
/kiro/spec 用户认证功能
# 执行完整的代理工作流
/agent-workflow 实现博客系统
# Git 提交（自动生成 Commit Message）
/gh/commit
Command 示例：/kiro/spec
这个 Command 会引导你完成：
所有文档自动保存到 .kiro/specs/{feature_name}/ 目录。
本项目通过 Python Hooks 系统管理 Claude Code 的会话生命周期。每个 Hook 在特定事件触发时执行，通过 Ollama 进行智能决策。
核心设计理念：
.claude/hooks/prompts.json，用户可自由调整和优化每个 Hook 通过 exit_code 控制后续操作：
返回值格式：
{ "exit_code": 0, "message": "操作成功", "data": { "skills": ["backend-specialist", "testing-specialist"], "project_type": "Python", "framework": "FastAPI" } } exit_code=0：允许操作继续exit_code=2：阻止操作（如检测到危险命令）| Hook | 触发时机 | 核心功能 | Ollama 作用 |
|---|---|---|---|
| SessionStart | 会话启动 | 项目初始化 | 检测项目类型、推荐 Skills |
| UserPromptSubmit | 用户提交输入 | 意图分析 | 判断任务复杂度、优化提示词 |
| PreToolUse | 工具调用前 | 权限检查 | 评估操作风险 |
| PostToolUse | 工具调用后 | 文档更新 | 生成文档更新建议 |
| Stop | 会话结束 | 清理资源 | - |
| SubagentStop | 子代理停止 | 子任务处理 | - |
| PreCompact | 上下文压缩前 | 信息保留 | 识别重要上下文 |
| Notification | 系统通知 | 消息处理 | - |
核心 Hook 详解：
1. SessionStart - 会话启动处理器
这是最重要的 Hook，负责项目初始化：
# .claude/hooks/handlers/session_start.py 的核心逻辑 # 1. 调用 Ollama 检测项目类型
project_info = ollama_client.detect_project_type()
# 返回：{"type": "Python", "framework": "FastAPI", "version": "3.11"} # 2. 扫描 skills/ 目录
skills = scan_skills_directory()
# 返回：["backend-specialist", "testing-specialist", ...] # 3. 初始化文档系统
document_manager.init_documents()
# 创建：DEVELOPMENT.md, KNOWLEDGE.md, CHANGELOG.md # 4. 【核心改进】强制读取三个文档并注入上下文
development_content = read_file("project_document/DEVELOPMENT.md")
knowledge_content = read_file("project_document/KNOWLEDGE.md")
changelog_content = read_file("project_document/CHANGELOG.md")
# 将这些内容注入到系统上下文中，替代 Memory MCP # 5. 检查 Git 配置
git_status = check_git_config()
# 检查：.gitignore, 分支策略 2. UserPromptSubmit - 意图识别处理器
分析用户输入，提供智能建议：
# 用户输入："帮我实现用户登录功能" # Ollama 分析结果：
{
"intent": "feature_implementation",
"complexity": "medium ",
"recommended_tools": ["Write", "Edit", "Bash"],
"recommended_skills": ["backend-specialist", "security-specialist"],
"suggested_plan": [
"1. 设计数据库表结构",
"2. 实现认证逻辑",
"3. 编写单元测试",
"4. 添加安全防护"
]
}
3. PostToolUse - 工具使用后处理器
在每次代码修改后，强制 更新三个文档：
# 检测到修改了 user_service.py # 【强制】必须更新以下文档： # 1. DEVELOPMENT.md - 记录开发进度和任务状态 # 2. KNOWLEDGE.md - 记录技术决策和代码模式 # 3. CHANGELOG.md - 记录变更历史 # 文档更新提示通过 prompts.json 配置，用户可自定义格式和要求 提示词配置化：
所有提示词模板存储在 .claude/hooks/prompts.json，支持：
{变量} 占位符动态替换Skills 是本项目的 “专家团队”，每个 Skill 代表一个专业领域的智能体。
.claude/skills/ ├── backend-specialist/ │ ├── SKILL.md # Skill 定义（必需）
│ └── references/ # 参考文档（可选）
│ ├── cursor_rules_django.md
│ ├── cursor_rules_fastapi.md
│ └── restful_best_practices.md
├── testing-specialist/ │ ├── SKILL.md
│ └── references/ │ ├── pytest_guide.md
│ └── test_patterns.md
└── security-specialist/ ├── SKILL.md
└── references/ ├── owasp_top10.md
└── secure_coding.md
Ollama 是本项目的 “大脑”，负责：
没有 Ollama，系统会降级到基础模式（仅支持手动触发 Skills）。
uv 是 Rust 编写的超快 Python 包管理器，本项目用它来：
uv run 自动处理依赖隔离为什么不用 pip？ uv 会自动创建隔离环境，避免污染全局 Python 环境，且速度快 10 倍以上。
这个事儿我是 9 点半才知道的（
首先我选择了工商银行，然后进入到了预约界面：
像广大佬友一样，我等到了 10 点，结果一直卡死在加载，再过几分钟刷新好了，币也没了
但是我并没有灰心，转而去研究纪念币的链接构造：
在我点击兑换纪念币的一瞬间，先是跳转到了这个网页：https://jnb.icbc.com.cn/ICBCCOINWEBPC/?a=202611322#/1/null/pc?curtype=47 ，然后又跳转到了一个无规律可循的网页。
我试探性地把末尾的 47 改成了 48，结果发现：网页提示 22:30 才开始，真的是纪念钞。
于是我直接把这个链接放到地址栏，等到整点，别人还在走第一步中转，我已经到了第二步，直接发动母胎单身手速，光速输入信息和验证码，完美抢到
今天上午刷到了 One MCP 发布新功能 - 用 Skill 替代 MCP，省下 80% 的 Context 开销 ，奈何该工具需要 docker，而我又没有 docker，遂造轮之。
叠甲：我是不会告诉你们我今天晚上搜 gateway 在 npm 上发现了很多同类工具。所以请不要说我重复造轮子，我只是看了帖子上头了手搓了几个小时搓出来的
该 mcp 服务提供了 3 个工具以隐藏 mcp 服务。
获取全部的 MCP 服务以及其下属的工具摘要。
放心，它只会返回 MCP 服务的名字以及下属的全部工具名称以及经过处理的描述。
不会占用太多上下文。
批量获取 MCP 服务及其下属工具
该工具会返回要查询的全部 MCP 服务以及其下属工具的名称，描述以及调用参数约定
通过 MCP 服务名称和工具名称调用具体工具
首先，确保您使用 NodeJS v16 及以上版本。
npm install -g @kagg886/mcp-gateway@latest
其次，打开您的 AI 工具，编辑 MCP 文件，进行配置：
{ "mcpServers": { "mcp-gateway": { "isActive": true, "name": "mcp-gateway", "type": "stdio", "command": "mcp-gateway", "args": [ "-f", "/path/to/your/json" ], "installSource": "unknown" } } } /path/to/your/json 的配置如下：
{ "mcpServers": { "chrome-devtools": { "command": "npx", "args": [ "-y", "chrome-devtools-mcp@latest" ] }, "mcp-server-time": { "command": "uvx", "args": [ "mcp-server-time", "--local-timezone=Asia/Shanghai" ], "alwaysAllow": [ "get_current_time", "convert_time" ] }, "context7": { "command": "npx", "args": [ "-y", "@upstash/context7-mcp@latest" ], "alwaysAllow": [ "resolve-library-id", "query-docs" ], "disabled": true } } } 最后，在 AI 工具中进行测试：
-s 参数)web-ui，私认为这种工具不需要可视化配置，完全可以通过参数来隔离实例。虽然我在几个小时内匆忙地写完了这个工具，但是综合看来，还是有很多功能没有做，例如：
现版本只能代理基于 STDIO 的 MCP 服务
将部分 MCP 调用错误标记为 error，以供 Agent 识别
尽管我在 MCP 服务的 description 中给 Agent 添加了足够的提示。
但是在能力有限的模型中，可能不会调用代理工具查询可用的 Agent。
此时需要您手动在聊天框或 prompt 中显式告知 AI 可用工具
尽管配置了并发启动，但启动速度很明显受木桶效应影响。
大概有人用我才会更新，否则我会基于我自己的需求迭代这个工具 (x
未来可能会增加以下功能：
我将永远不会制作以下功能：
最好不要代理影响 LLM 行为的 MCP 服务，如 sequential-thinking
最佳实践是代理专业性较强，或者不常使用的 MCP 服务，如 chrome-devtools，github。
mcp-gateway 使用 MIT 协议发布。源码地址为：GitHub - magic-cucumber/mcp-gateway: an gateway to manage tools, keeping context clean and focused.
如果您喜欢这个重复的轮子，以及有建议，还请留言 / 收藏 / 标星，或者在原仓库提 issue (仅接受英文 issue，不过在这里反馈的话可以写中文)！
起因是日常使用 deepwiki 和 zread.ai 的时候，每次都要打开游览器网址然后选择相关部分然后修改，非常麻烦，本着程序员能自动就绝不动手的懒人思维，用 claude 写了一个油猴脚本，效果如下，供大家使用。
效果就是左下角的按钮点击新开页面跳转，仅仅在主页上实现这个功能
![[懒人] [前端组件] 简单写了一个 github 跳转 deepwiki.com 和 zread.ai 的油猴脚本1](https://xiaohack.oss-cn-zhangjiakou.aliyuncs.com/typecho/images/2026/01/14/20260114104138_6967026207f5b.jpeg!mark)
参考 Anthropic API 文档：https://platform.claude.com/docs/en/build-with-claude/pdf-support
仅 base64 和 url，url 可能无效
工具调用修复了，但或许还有点小问题
代码待我一段时间整理
现在的 AI 客户端简直是百花齐放，讨论相对较多的应该就属 CherryStudio 和 OpenWebUI 了
优点：走的是 Web 架构路线，界面复刻了 ChatGPT 的极简风格，上手几乎是零门槛。函数调用、知识库，还有高度可定制化的设置非常优秀，比如模型参数、权限、检索策略这类设置，很多客户端只是给个开关意思一下，它是给你一整套可控面板，当然还有我最需要的多端同步
缺点：模型太多的时候就很不方便管理，而且不支持 Gemini 接口的原生接入。高度可自定义化也意味着默认体验未必最佳 —— 你得自己调，调好了很爽，没调好就容易变成功能太多太杂，懒得去动的状态。
① 对话高级参数完整汉化 + info 黑框重做：能直接看到更明确的用量和消费
② 自定义上下文条数：可以设置发送给模型的历史消息上下文的最大条数，有效节省 Token
③ 外部连接显示优化：作为一只屯屯鼠，公益站 / API 站一多，设置界面简直就是灾难。改成双列显示，管理效率直接拉满
④ Gemini 原生端口支持：不依赖 OpenAI 兼容层，直接走 Gemini 原生接口，可同步模型列表，
thinking_budget这类特有参数也能上，同时支持流式传输图片
⑤ 外部链接可备注名称 + 可点击名称直达 URL 设置：
本屯屯鼠最大的噩梦，看着一堆 URL 无从下手，现在能直接备注，方便区分，还能点名字直接跳转到设置，不用怕点错小齿轮，适合链接多的佬
⑥ 模型界面缓存逻辑优化：当模型列表过多时，不用再转圈圈等待
⑦ 自动按模型名匹配 Logo：不用再手动每个模型点进去添加图标了，增加了常见的 LLM 品牌 Logo 自动匹配（GPT/Claude/Gemini/Qwen…），对齐 CherryStudio
⑧ 首页模型切换处增加直达模型设置按钮：选模型的地方增加设置跳转，方便快速管理模型
⑨ 模型计费 + 用量统计前端同步 info 黑框：支持免费 / 按次 / 按量三种模式，实时计算对话成本
⑩ 推理强度 / Reasoning Effort 支持下拉 + 自定义输入
1、先按照图片设置 Documents 文档和联网搜索，重排模型根据自己的模型配置：
2、复制这段提示词到 Documents 文档设置中的 RAG 提示词模板中，再次试试联网搜索，会有惊喜
### Task:
Respond to the user query using the provided context, incorporating inline citations in the format [id] **only when the <source> tag includes an explicit id attribute** (e.g., <source id="1">).
### Guidelines:
- If you don't know the answer, clearly state that.
- If uncertain, ask the user for clarification.
- Respond to the user query in Chinese.
- If the context is unreadable or of poor quality, inform the user and provide the best possible answer.
- If the answer isn't present in the context but you possess the knowledge, explain this to the user and provide the answer using your own understanding.
- Only include inline citations using [id] (e.g., [1], [2]) when the <source> tag includes an id attribute.
- Do not cite if the <source> tag does not contain an id attribute.
- Do not use XML tags in your response.
- Ensure citations are concise and directly related to the information provided.
- Current Date: {{CURRENT_DATE}}. If there is conflicting information, prioritize the latest events based on the timeline.
### Rules for using web sources (especially time‑sensitive questions)
- For time-sensitive queries, prioritize webpages published within the **last 3–5 days**.
- If old data conflicts with new data, strictly prioritize the **latest publication time**.
- If multiple sources conflict, prioritize sources that are both **most recent AND from authoritative media/official institutions**.
- If sources disagree on the same fact, explicitly point out the discrepancy in your answer and justify which source you consider most reliable.
- Verify key facts against other sources to check for contradictions.
### Example of Citation:
If the user asks about a specific topic and the information is found in a source with a provided id attribute, the response should include the citation like in the following example:
* "According to the study, the proposed method increases efficiency by 20% [1]."
### Output:
Provide a clear and direct response to the user's query, including inline citations in the format [id] only when the <source> tag with id attribute is present in the context.
<context>
{{CONTEXT}}
</context>
<user_query>
{{QUERY}}
</user_query>
docker run -d \
--name open-webui \ --restart always \
-p 3000:8080 \
-v open-webui:/app/backend/data \
ghcr.io/ztx888/openwebui:latest
http://你的服务器IP:3000open-webui（用于重启或者更新的时候不丢配置和对话）如果你本机没有 Docker 卷习惯，也可以改成本地目录挂载：
mkdir -p ./open-webui-data
docker run -d \
--name open-webui \
--restart always \
-p 3000:8080 \
-v $(pwd)/open-webui-data:/app/backend/data \
ghcr.io/ztx888/openwebui:latest
非常感谢各位公益站站长的付出和维护，真的帮各位佬省了太多折腾和成本。提供节点、反代、还是日常兜底运维，都很不容易，向各位站长致敬。
我会持续迭代同步更新官方上游，如果你装了之后遇到问题、或者有更想要的功能点，欢迎来反馈
这里简单介绍一下，这个平台相当于 老黄用自家的显卡，部署了这些模型，然后统一用 OpenAPI 接口来给大家造福利（bushi），但是也确实好用，虽然高峰期的时候会卡，但白嫖是吧
话不多说，让我们 勒死 go
起手先注册账户拿钥匙
baseurl: https://integrate.api.nvidia.com/v1/chat/completions
API Key: 就是第一步申请的 key
这里以沉浸式翻译插件，使用 Kimi2-thinking 举例。
添加自定义服务
注意，这里选择 open-api
配置如下：moonshotai/kimi-k2-thinking
然后手动调试一下是否可用
这里打 即可。
tip：如果不知道哪个模型，可以到官网中进行查看，方法如下：
后端部分
前端部分
（只需要听歌可以只部署前端的音乐播放器部分）
rua！~
相信各位佬友现在已经或多或少使用过 skills 并且创建了更好用更合适的协助式 skills，今天我以我个人这几天在简单使用中来小小的总结一下 skills 和 commands（希望各位大佬批评指正 ）
首先 skills 分为用户级与项目级，两者的存放位置如下，仅需要把你想要下载的 skills 放在下面的目录中，cc 在每次对话开始前就会自动识别并加载用户级与项目级的 skills，并且可以用 /{skill-name} 的方式调用或者根据你的上下文内容自动调用 skills：
~/.claude/skills/ 用户级的 skills 全局生效，可以在任何目录中调用用户级 skills<项目根目录>/.claude/skills/ 项目级 skills 仅在当前项目生效，适合针对该项目做专业的工作skills 的一般目录结构如下，以官方的 skill-creator 中的 SKILL.md 中的内容为例
skill-name/
├── SKILL.md（必需）
│ ├── YAML frontmatter 元数据（必需）
│ │ ├── name:（必需）
│ │ └── description:（必需）
│ └── Markdown 指令（必需）
└── 捆绑资源（可选）
├── scripts/ # 可执行代码（Python/Bash 等）
├── references/ # 需要时加载到上下文的文档
└── assets/ # 用于输出的文件（模板、图标、字体等） 在官方的 skill-creator 中的 SKILL.md 中介绍了每个 skill 所需要的内容
YAML frontmatter: Claude 会通过上下文中的内容匹配 description 中的应用场景来触发 skill，或者通过 /skillname {描述}l 来触发，需要简短并全面的描述整个 skill 的功能和应用场景。
---
name: <skill-name>
description: <简要说明技能功能>。当用户请求"<触发短语1>"、"<触发短语2>"、"<触发短语3>"，或涉及<相关领域/任务>时，使用此技能。
---
references/：在加载 skill 时会一并加载到上下文中来作为补充思考的参考资料，通常是执行一个 skill 中多个模式时的参考资料补充，也可以是每个模式具体的流程。
scripts/：skill 可以包含脚本，可以变成一个主动触发的小型 MCP 服务，一些重复性或者规定格式文件生成工作可以以脚本的形式写在 skill 中，比如你可以让它读取数据库指定表并按照模板自动生成全后端的 CRUD 代码。
assets/：静态的文件，图像、logo 等等，这个应该是写一些前端代码生成时用到的东西，目前我还没用到过。
---
name: skill-creator
description: 创建高效技能的指南。当用户想要创建新技能（或更新现有技能）以扩展 Claude 的能力时，应使用此技能，包括专业知识、工作流程或工具集成。
license: 完整条款见 LICENSE.txt
--- # 技能创建器
本技能提供创建高效技能的指导。
## 关于技能
技能是模块化、自包含的软件包，通过提供专业知识、工作流程和工具来扩展 Claude 的能力。可以将它们视为特定领域或任务的"入职指南"——它们将 Claude 从通用代理转变为配备程序性知识的专业代理，而这些知识是任何模型都无法完全具备的。
### 技能提供的内容 1. 专业工作流程 - 特定领域的多步骤程序
2. 工具集成 - 处理特定文件格式或 API 的指令
3. 领域专业知识 - 公司特定知识、数据模式、业务逻辑
4. 捆绑资源 - 用于复杂和重复任务的脚本、参考资料和资产
## 核心原则 ### 简洁至上
上下文窗口是公共资源。技能与 Claude 所需的其他所有内容共享上下文窗口：系统提示、对话历史、其他技能的元数据以及实际的用户请求。
**默认假设：Claude 已经非常智能。** 只添加 Claude 尚不具备的上下文。对每条信息提出质疑："Claude 真的需要这个解释吗？"以及"这段内容值得消耗这些 token 吗？"
优先使用简洁的示例，而非冗长的解释。
### 设置适当的自由度
根据任务的脆弱性和可变性匹配具体程度：
**高自由度（基于文本的指令）**：当多种方法都有效、决策取决于上下文或启发式方法指导方案时使用。
**中等自由度（伪代码或带参数的脚本）**：当存在首选模式、可接受一定变化或配置影响行为时使用。
**低自由度（特定脚本，少量参数）**：当操作脆弱且容易出错、一致性至关重要或必须遵循特定顺序时使用。
将 Claude 想象为探索一条路径：悬崖边的窄桥需要特定的护栏（低自由度），而开阔的田野允许多条路线（高自由度）。
### 技能的结构
每个技能由一个必需的 SKILL.md 文件和可选的捆绑资源组成：
```
skill-name/
├── SKILL.md（必需）
│ ├── YAML frontmatter 元数据（必需）
│ │ ├── name:（必需）
│ │ └── description:（必需）
│ └── Markdown 指令（必需）
└── 捆绑资源（可选）
├── scripts/ - 可执行代码（Python/Bash 等）
├── references/ - 需要时加载到上下文的文档
└── assets/ - 用于输出的文件（模板、图标、字体等）
``` #### SKILL.md（必需）
每个 SKILL.md 包含：
- **Frontmatter**（YAML）：包含 `name` 和 `description` 字段。这是 Claude 用来判断何时使用技能的唯一字段，因此清晰全面地描述技能是什么以及何时应该使用它非常重要。
- **Body**（Markdown）：使用技能的指令和指导。仅在技能触发后加载（如果触发的话）。
#### 捆绑资源（可选） ##### 脚本（`scripts/`）
用于需要确定性可靠性或反复重写的任务的可执行代码（Python/Bash 等）。
- **何时包含**：当相同的代码被反复重写或需要确定性可靠性时
- **示例**：用于 PDF 旋转任务的 `scripts/rotate_pdf.py` - **优点**：节省 token、确定性、可以在不加载到上下文的情况下执行
- **注意**：脚本可能仍需要被 Claude 读取以进行修补或环境特定调整
##### 参考资料（`references/`）
需要时加载到上下文中以指导 Claude 流程和思考的文档和参考材料。
- **何时包含**：用于 Claude 在工作时应参考的文档
- **示例**：用于财务模式的 `references/finance.md`、用于公司保密协议模板的 `references/mnda.md`、用于公司政策的 `references/policies.md`、用于 API 规范的 `references/api_docs.md` - **用例**：数据库模式、API 文档、领域知识、公司政策、详细工作流程指南
- **优点**：保持 SKILL.md 精简，仅在 Claude 确定需要时加载
- **最佳实践**：如果文件较大（>10k 词），在 SKILL.md 中包含 grep 搜索模式
- **避免重复**：信息应该存在于 SKILL.md 或参考文件中，而不是两者都有。除非信息确实是技能的核心，否则优先将详细信息放在参考文件中——这样可以保持 SKILL.md 精简，同时使信息可发现而不占用上下文窗口。仅在 SKILL.md 中保留基本的程序性指令和工作流程指导；将详细的参考材料、模式和示例移至参考文件。
##### 资产（`assets/`）
不打算加载到上下文中，而是用于 Claude 产出的输出中的文件。
- **何时包含**：当技能需要将在最终输出中使用的文件时
- **示例**：用于品牌资产的 `assets/logo.png`、用于 PowerPoint 模板的 `assets/slides.pptx`、用于 HTML/React 样板的 `assets/frontend-template/`、用于排版的 `assets/font.ttf` - **用例**：模板、图像、图标、样板代码、字体、被复制或修改的示例文档
- **优点**：将输出资源与文档分离，使 Claude 能够使用文件而无需将其加载到上下文中
#### 技能中不应包含的内容
技能应仅包含直接支持其功能的必要文件。不要创建无关的文档或辅助文件，包括：
- README.md
- INSTALLATION_GUIDE.md
- QUICK_REFERENCE.md
- CHANGELOG.md
- 等等
技能应仅包含 AI 代理完成手头工作所需的信息。它不应包含关于创建过程的辅助上下文、设置和测试程序、面向用户的文档等。创建额外的文档文件只会增加混乱和困惑。
### 渐进式披露设计原则
技能使用三级加载系统来高效管理上下文：
1. **元数据（name + description）** - 始终在上下文中（约 100 词）
2. **SKILL.md body** - 当技能触发时（<5k 词）
3. **捆绑资源** - 根据 Claude 需要（无限制，因为脚本可以在不读入上下文窗口的情况下执行）
#### 渐进式披露模式
将 SKILL.md body 保持在必要内容且不超过 500 行，以最小化上下文膨胀。接近此限制时将内容拆分到单独的文件中。当将内容拆分到其他文件时，非常重要的是从 SKILL.md 引用它们并清楚描述何时读取它们，以确保技能的读者知道它们的存在以及何时使用它们。
**关键原则：** 当技能支持多种变体、框架或选项时，仅在 SKILL.md 中保留核心工作流程和选择指导。将特定变体的详细信息（模式、示例、配置）移至单独的参考文件。
**模式 1：带参考资料的高级指南** ```markdown
# PDF 处理
## 快速开始
使用 pdfplumber 提取文本：
[代码示例]
## 高级功能
- **表单填写**：完整指南见 [FORMS.md](FORMS.md)
- **API 参考**：所有方法见 [REFERENCE.md](REFERENCE.md)
- **示例**：常见模式见 [EXAMPLES.md](EXAMPLES.md)
```
Claude 仅在需要时加载 FORMS.md、REFERENCE.md 或 EXAMPLES.md。
**模式 2：领域特定组织**
对于具有多个领域的技能，按领域组织内容以避免加载不相关的上下文：
```
bigquery-skill/
├── SKILL.md（概述和导航）
└── reference/
├── finance.md（收入、计费指标）
├── sales.md（商机、管道）
├── product.md（API 使用、功能）
└── marketing.md（营销活动、归因）
```
当用户询问销售指标时，Claude 只读取 sales.md。
类似地，对于支持多个框架或变体的技能，按变体组织：
```
cloud-deploy/
├── SKILL.md（工作流程 + 提供商选择）
└── references/
├── aws.md（AWS 部署模式）
├── gcp.md（GCP 部署模式）
└── azure.md（Azure 部署模式）
```
当用户选择 AWS 时，Claude 只读取 aws.md。
**模式 3：条件性详情**
显示基本内容，链接到高级内容：
```markdown
# DOCX 处理
## 创建文档
使用 docx-js 创建新文档。见 [DOCX-JS.md](DOCX-JS.md)。
## 编辑文档
对于简单编辑，直接修改 XML。
**对于修订跟踪**：见 [REDLINING.md](REDLINING.md)
**对于 OOXML 详情**：见 [OOXML.md](OOXML.md)
```
Claude 仅在用户需要这些功能时读取 REDLINING.md 或 OOXML.md。
**重要指南：** - **避免深层嵌套引用** - 保持引用从 SKILL.md 只有一层深度。所有参考文件应直接从 SKILL.md 链接。
- **结构化较长的参考文件** - 对于超过 100 行的文件，在顶部包含目录，以便 Claude 在预览时可以看到完整范围。
## 技能创建流程
技能创建包括以下步骤：
1. 通过具体示例理解技能
2. 规划可复用的技能内容（脚本、参考资料、资产）
3. 初始化技能（运行 init_skill.py）
4. 编辑技能（实现资源并编写 SKILL.md）
5. 打包技能（运行 package_skill.py）
6. 基于实际使用进行迭代
按顺序执行这些步骤，仅在有明确理由说明不适用时才跳过。
### 步骤 1：通过具体示例理解技能
仅当技能的使用模式已经清楚理解时才跳过此步骤。即使在处理现有技能时，此步骤仍然有价值。
要创建有效的技能，需要清楚理解技能将如何使用的具体示例。这种理解可以来自直接的用户示例或经过用户反馈验证的生成示例。
例如，在构建图像编辑器技能时，相关问题包括：
- "图像编辑器技能应该支持什么功能？编辑、旋转，还有其他吗？"
- "你能给出一些这个技能将如何使用的示例吗？"
- "我可以想象用户会要求'去除这张图片的红眼'或'旋转这张图片'。你还能想象这个技能的其他使用方式吗？"
- "用户说什么应该触发这个技能？"
为避免让用户不知所措，避免在单条消息中问太多问题。从最重要的问题开始，根据需要跟进以获得更好的效果。
当对技能应支持的功能有清晰认识时，结束此步骤。
### 步骤 2：规划可复用的技能内容
要将具体示例转化为有效的技能，通过以下方式分析每个示例：
1. 考虑如何从头开始执行示例
2. 识别在反复执行这些工作流程时哪些脚本、参考资料和资产会有帮助
示例：在构建 `pdf-editor` 技能以处理"帮我旋转这个 PDF"等查询时，分析显示：
1. 旋转 PDF 每次都需要重写相同的代码
2. 在技能中存储 `scripts/rotate_pdf.py` 脚本会有帮助
示例：在设计 `frontend-webapp-builder` 技能以处理"给我构建一个待办事项应用"或"给我构建一个跟踪步数的仪表板"等查询时，分析显示：
1. 编写前端 webapp 每次都需要相同的 HTML/React 样板
2. 在技能中存储包含样板 HTML/React 项目文件的 `assets/hello-world/` 模板会有帮助
示例：在构建 `big-query` 技能以处理"今天有多少用户登录？"等查询时，分析显示：
1. 查询 BigQuery 每次都需要重新发现表模式和关系
2. 在技能中存储记录表模式的 `references/schema.md` 文件会有帮助
要确定技能的内容，分析每个具体示例以创建要包含的可复用资源列表：脚本、参考资料和资产。
### 步骤 3：初始化技能
此时，是时候实际创建技能了。
仅当正在开发的技能已经存在且需要迭代或打包时才跳过此步骤。在这种情况下，继续下一步。
从头创建新技能时，始终运行 `init_skill.py` 脚本。该脚本方便地生成一个新的模板技能目录，自动包含技能所需的一切，使技能创建过程更加高效和可靠。
用法：
```bash
scripts/init_skill.py <skill-name> --path <output-directory>
```
该脚本：
- 在指定路径创建技能目录
- 生成带有正确 frontmatter 和 TODO 占位符的 SKILL.md 模板
- 创建示例资源目录：`scripts/`、`references/` 和 `assets/` - 在每个目录中添加可以自定义或删除的示例文件
初始化后，根据需要自定义或删除生成的 SKILL.md 和示例文件。
### 步骤 4：编辑技能
在编辑（新生成或现有的）技能时，请记住技能是为另一个 Claude 实例使用而创建的。包含对 Claude 有益且非显而易见的信息。考虑什么程序性知识、领域特定细节或可复用资产将帮助另一个 Claude 实例更有效地执行这些任务。
#### 学习经过验证的设计模式
根据技能需求查阅这些有用的指南：
- **多步骤流程**：见 references/workflows.md 了解顺序工作流程和条件逻辑
- **特定输出格式或质量标准**：见 references/output-patterns.md 了解模板和示例模式
这些文件包含有效技能设计的既定最佳实践。
#### 从可复用技能内容开始
要开始实现，从上面确定的可复用资源开始：`scripts/`、`references/` 和 `assets/` 文件。请注意，此步骤可能需要用户输入。例如，在实现 `brand-guidelines` 技能时，用户可能需要提供品牌资产或模板存储在 `assets/` 中，或文档存储在 `references/` 中。
添加的脚本必须通过实际运行来测试，以确保没有错误且输出符合预期。如果有许多类似的脚本，只需测试具有代表性的样本，以确保它们都能工作，同时平衡完成时间。
任何技能不需要的示例文件和目录都应删除。初始化脚本在 `scripts/`、`references/` 和 `assets/` 中创建示例文件以演示结构，但大多数技能不需要所有这些。
#### 更新 SKILL.md **写作指南：** 始终使用祈使句/不定式形式。
##### Frontmatter
编写包含 `name` 和 `description` 的 YAML frontmatter：
- `name`：技能名称
- `description`：这是技能的主要触发机制，帮助 Claude 理解何时使用该技能。
- 包括技能做什么以及何时使用它的具体触发器/上下文。
- 将所有"何时使用"信息放在这里 - 不要放在 body 中。body 仅在触发后加载，因此 body 中的"何时使用此技能"部分对 Claude 没有帮助。
- `docx` 技能的示例描述："全面的文档创建、编辑和分析，支持修订跟踪、批注、格式保留和文本提取。当 Claude 需要处理专业文档（.docx 文件）时使用，用于：(1) 创建新文档，(2) 修改或编辑内容，(3) 处理修订跟踪，(4) 添加批注，或任何其他文档任务"
不要在 YAML frontmatter 中包含任何其他字段。
##### Body
编写使用技能及其捆绑资源的指令。
### 步骤 5：打包技能
技能开发完成后，必须将其打包成可分发的 .skill 文件与用户共享。打包过程会自动先验证技能以确保它满足所有要求：
```bash
scripts/package_skill.py <path/to/skill-folder>
```
可选的输出目录指定：
```bash
scripts/package_skill.py <path/to/skill-folder> ./dist
```
打包脚本将：
1. **自动验证**技能，检查：
- YAML frontmatter 格式和必需字段
- 技能命名约定和目录结构
- 描述的完整性和质量
- 文件组织和资源引用
2. 如果验证通过则**打包**技能，创建以技能命名的 .skill 文件（例如 `my-skill.skill`），包含所有文件并保持正确的目录结构以供分发。.skill 文件是带有 .skill 扩展名的 zip 文件。
如果验证失败，脚本将报告错误并退出而不创建包。修复任何验证错误并再次运行打包命令。
### 步骤 6：迭代
测试技能后，用户可能会要求改进。这通常发生在使用技能后不久，对技能表现有新鲜的上下文。
**迭代工作流程：** 1. 在实际任务中使用技能
2. 注意困难或低效之处
3. 确定应如何更新 SKILL.md 或捆绑资源
4. 实施更改并再次测试
你可以在各类网站上找到你相中的 skills，然后直接把他们下载下来放在你的用户级或者项目集的 skills/ 目录中就可以了，你也可以直接用 cc-switch 来下载用户级的 skills
CliProxyApi 反重力生图 skill, 支持 4K, claude code ,codex 可用
GitHub - anthropics/skills: Public repository for Agent Skills
快速创建：
首先安装官方的 skill-creator，这里需要注意的是 windows 的 cli 中默认编码是 GBK，所以可能会遇见脚本执行编码错误的情况，直接让 cc 帮你修复，也可以直接下载这个修复后的 skill
安装好 skill-creator 后一定要重启 cc 让它加载好这个 skill，然后直接 /skill-creator 帮我创建一个项目级的{什么什么功能}的skill 然后 cc 就一顿操作猛如虎给你建好了，肯定少不了一顿改来改去的，所以一般都是拿现成的过来用。
甚至还有一个 mcp-builder 可以帮你创建 mcp 服务，我就拿他创建了一个可以连接 mysql 的 mcp，还是挺方便的，总之我觉得 skills 可以理解为各种各样的插件，你缺什么功能了你就拿过来，还是挺有趣的。
commands 可以理解为纯提示词版的 skills（貌似 cc 加载的时候也会把自定义的 commands 当作 skills 加载？调用 /skills 可以看到创建的 skills 和 commands）一般内容都是些工作流程的约束，比如项目分析、解释代码、审查代码等简单工作流程，也分为用户级与项目级，但是 cc 不会根据上下文来自动调用，而是需要手动调用 /{command-name} 阿巴阿巴
~/.claude/commands/ 全局生效<项目根目录>/.claude/commands/commands 的目录结构（支持命名空间）：
.claude/commands/
├── code/
│ ├── explain-code.md # /code:explain-code
│ └── review-code.md # /code:review-code
└── analysis/
└── analyze-project.md # /analysis:analyze-project 
在 commands 中同样也会要求规定 YAML frontmatter
--- description: "分析项目结构和技术栈" allowed-tools: ["read", "grep", "bash", "glob"]
model: sonnet ---description：命令描述。
allowed-tools：允许调用的工具。
model：指定的模型。
commands 的创建目前好像没有相应的 skills 支持（也可以使用 skill-creator 来创建一个 commands-builder ），但我们依然可以拜托万能 cc 帮我们创建，他自己知道 commands 的规则，直接让它创建一个项目级的分析代码commands 即可。
貌似也可以在 commands 的工作流程中让其调用多个 skills 和 mcp 协作，实现一个完整的大型工作流程，这个我目前没试过，现在日常的代码工作应该够用了。
【开源】CCG v1.7.24 : Claude Code 编排三 CLI 协作 | Codex + Gemini + Claude
[开源] CCW（Claude-code-workflow）6.3.X 版本新增 skill-generator-- 使用 ccw 设计具有 spec 风味的 Skill
以上就是我对于 skills 和 commands 的简单总结啦 ，大家快来鞭策我
之前做了个简单的 opencoed 的介绍和插件 Oh my code 的 Ultrawork 模式多 agent 的说明
很多佬说不会配置 今天瞎搓了一个配置管理器 就是简单的参数映射编辑
对于不喜欢搞 json 格式的佬们省了个心 懒得费那劲的佬们可以试试
初版肯定有很多问题 还在重构界面中 临时先用 0.6.4
PS：操作前先备份原始配置文件～～ 切记！切记！切记！
新更新 opencode 默认是关闭 think 模式的 新增了 think 选项 如果你的模型支持 think 可以添加 添加之后才会有
7:30 又是爆肝的一夜 一口气更新迭代了 10 个版本
上下文压缩 (Compaction)
选项 / 变体 配置结构
MCP 服务器配置
外部导入功能
Skill 管理
Rules 管理
Agent 管理
该有的咱家人都要有
这就是 ulw 模式的魅力～
有任何问题和建议欢迎留言 我们大家一起来完善他
本人胆小！ 高手勿喷..
觉得有帮助帮我点个 star
套壳了一下 DrissionPage，并做了优化
REPO:
微软 Fluent UI 风格，有空做下打包 :P，此项目完全本地（除了 Chrome 下载用的是谷歌的 api），无需登录，欢迎审查代码
（声明：由于以下并未控制变量，所以不能作为实际原因，仅为一个未控制变量的小测试，没有贬低 / 引起争论的意思，如果出现问题请通知我，谢谢 qaq）
不知道为什么 RoxyBrowser 注册不了的（使用邮箱：4e4f9ba9@aspireviastudios.org，此处指 Kiro AWS 账户，图片
邮箱均可通过：https://mail.chatgpt.org.uk/<我所引用的邮箱地址> 来证实
再次声明：无引战、贬低等意思，谢谢理解 XP
由于此项目刚开坑，功能可能不全，还请各位多多 Issues/PullRequest，谢谢啦
先放链接： https://apps.apple.com/cn/app/id6745865592
现在 AI 发展速度太快，量产了大量垃圾 App ，感觉 iOS App 审核速度都慢了许多。
过去 1 天就审核，这次上架花费了 15 天，每次打回来都要重新等 3-4 天。
回顾每一天，珍藏美好瞬间。
Moment ，让你以日历视图的方式，轻松回顾每一天的相册照片。
日历视图全自动完成，无需手动操作。
无论是查看“那年今日”的照片，还是按日历自动展示系统相册中的照片，一切都能简单操作，轻松完成。
主要功能：
那年今日：回顾每一天的“那年今日”照片，让你重温往昔记忆。
自动日历展示：自动按日历顺序展示系统相册中的照片，轻松查看每一天的珍贵瞬间。
自定义日历图片：让你自由设定每一天的日历图片，按需展示。
批量整理照片：轻松批量移动照片至不同相簿，保持相册整洁。
批量删除照片：一键删除多张照片，节省时间，快速清理。
未分类照片提醒：快速查看哪些照片尚未分类，避免错过重要记忆。
100% 隐私保护：你的隐私始终得到严格保护，我们承诺不收集任何个人数据。
无论是整理回忆，还是管理照片库，这款应用都能为你提供便捷与高效的解决方案。
或在 App Store 搜索：Moment - 那年今日，因为刚上架，搜索 Moment 可能看不到 App 。