鲁班 Skill 是一个用于升级 Claude Skill 的元工作流：它不只润色 SKILL.md，而是从定位、竞品分析、评分、候选改写、验证闭环几个阶段，把一个能自用的 Skill 打磨成别人能理解、愿意安装、可以复现结果的公开工具。
RED Skill 是小红书面向 AI Skill 的分发和挂载能力，让创作者可以把结构化技能挂到笔记下方，用户刷到内容后直接复制到 AI 助手中使用。它解决的是 AI Skill 过去依赖 GitHub 流通、普通用户安装门槛高、创作者难以触达真实需求的问题。
TencentDB Agent Memory 为 AI Agent 提供长期记忆和短期记忆能力，让智能体能记住用户事实、偏好和任务上下文。围绕它的核心机制、评测数据、接入方式和落地风险，系统讲清 Agent 记忆模块该怎么设计。
多 Agent 系统通常有两种协作方式：Subagent 负责把明确的小任务委派出去，Agent Team 负责让多个角色围绕复杂目标协同判断。理解二者的区别，有助于在代码开发、测试、Review、Bug 排查和方案设计中选择合适的 Agent 架构。
Step 3.7 Flash 是一款面向生产级 Agent 场景的开源多模态模型，最高生成速度可达 400 TPS。围绕 Agent 链路效率、多模态理解、搜索能力、开源部署和接入方式，讲清它适合解决什么问题以及实际接入时要注意什么。
Agentic Engineering 关注如何把 AI Agent 变成可靠的软件工程协作者。核心方法不是让 AI 自由发挥，而是通过结构化上下文、明确分工、分阶段验证和知识沉淀，降低需求到代码过程中的信息损耗。
Claude Code 的这轮升级重点不在模型“更聪明”，而在命令行 AI 编程智能体是否足够稳定、可观察、可恢复。围绕全屏 TUI、流式输出、可读错误、上下文压缩、MCP 连接和会话自愈，系统梳理这些能力解决了哪些真实开发问题。
达尔文 Skill 2.0 通过 9 维评分、多评委独立审查、验证闸门、自动回滚和人工卡口，把 Agent Skill 的迭代变成可重复的工程流程。它适合没有明确 benchmark、但需要长期维护提示词和 workflow 文档的个人开发者场景。
「伯乐」是一个开源 AI 热点聚合 Skill，用来从多个信息源抓取 AI 动态，并通过信息源健康检查、AI 相关性过滤、事件合并和可信度打分，减少重复阅读同一条消息的问题。
