介绍 6 个偏工具型 GitHub 开源项目，覆盖地图海报生成、X 推荐算法源码、极简笔记、本地 PDF 处理、键鼠统计和 AI 图像水印算法研究，重点说明它们解决的问题、核心机制和适合使用的场景。
OpenClaw 可以通过 Skills 调用浏览器、邮件等外部工具，把聊天机器人从“会回复”扩展为“能执行任务”的 AI Agent。这里以默认集成的 agent-browser 和手动安装 email Skill 为例，讲清楚 Skills 的作用、使用方式和配置流程。
Agent Skills 可以理解为给 AI Agent 使用的结构化技能包，用来沉淀指令、参考资料、脚本和模板。掌握它的核心后，可以把一次性的 Prompt 改造成可复用、可维护、输出更稳定的工作模块。
钉钉 Stream 模式可以让私有 Clawdbot 在没有公网 IP 的环境中接收消息。这里完整讲解钉钉机器人接入、Chrome 扩展控制浏览器、搜索结果回传、常见故障排查和安全配置。
围绕 Claude Code 的 AI 辅助开发实践，讲清对话流设计、Plan 模式、CLAUDE.md、SKILL、MCP 和子代理协作的使用方法，并给出复杂需求拆分、质量控制和团队落地策略。
Agentation 是一个面向 React 前端项目的可视化标注工具，可以把页面元素的选择器、文本、坐标和备注整理成 Markdown，交给 AI 编程助手精确定位要修改的 UI 区域。
AI Skills 可以把固定工作流封装成可复用能力，让助手按指令调用脚本、模型和浏览器自动化。围绕 videocut-skills、Humanizer-zh、Auto-Redbook-Skills 和 add-skill，讲清它们能做什么、适合什么场景，以及如何上手。
Prompt 设计不只是把要求写清楚，还要处理上下文长度、状态传递、边界意图和输出格式稳定性。围绕四类常见错误，给出可落地的拆分、状态管理、示例构造和测试优化方法。
Cursor 的动态上下文发现把工具输出、聊天历史、MCP 工具描述、终端会话等长内容放进文件，只在任务需要时让代码 Agent 主动检索和读取。这样可以减少上下文窗口中的无关信息，降低 token 消耗，并缓解摘要丢失细节、工具描述膨胀、终端日志过长等问题。
