Agent Skills 可以把提示词、操作步骤、脚本和业务约束封装成可复用能力。这里梳理 11 个可参考的 Skill 仓库，并讲清 SKILL.md 的结构、复用方法和用 skill-creator 生成初稿的工作流。
Claude Code Workflow Studio 是一个 VSCode 扩展，用可视化画布编排 Claude Code 的 Sub-Agent、Prompt、Skill、MCP 工具和条件分支。它适合把多步骤 AI 任务设计成可保存、可迭代、可导出的工作流，并生成 Claude Code 可直接使用的配置文件。
Dify 的普通 RAG 对精确问题效果较好，但面对“它能做什么”这类宽泛问题时容易只命中局部片段。通过 InfraNodus 提取主题、概念关系和结构性空白，可以把知识库的全局语义地图注入检索与提示流程，让回答更完整、更有层次。
Agentic AI 不是简单地让大模型回答一次问题，而是让模型能规划任务、调用工具、检查结果并迭代完成复杂工作。这里用 Python 讲清反思、工具使用、规划、多智能体四种核心模式，以及落地时的测试和生产注意事项。
CodeBuddy Skills 可以让 AI Agent 调用 document-skills 完成 PowerPoint 演示文稿的创建、编辑和模板复用。内容覆盖安装配置、典型 Prompt、PPT 制作方法，以及 html2pptx、OOXML 和模板替换三条 PPTX 工作流的内部机制。
MAI-UI 是面向手机、电脑和网页界面的通用 GUI 智能体基座。围绕主动澄清、MCP 工具调用、端云协同和动态环境强化学习，讲清它如何把复杂跨 App 任务拆成更可靠的工具调用与界面操作，并解读 MobileWorld 等评测结果。
Claude Skills 用 Markdown、脚本和资源文件描述任务流程，让大模型在运行时学会“什么时候做、怎么做、用什么工具做”。它和 MCP 一起，把 AI Agent 从单次问答推向可复用、可治理的工作流系统。
围绕 AI 应用开发中的能力封装、界面生成、语音合成、提示词工作流、结构化抽取、终端编辑和数据转换，梳理 7 个 GitHub 开源项目的核心思路、适用场景和上手方式。
LLMLingua 是微软研究院提出的 Prompt 压缩技术，用小模型或专用分类器在请求进入大模型前删掉冗余 token。它适合 RAG、长对话和长文档问答场景，可降低推理成本、减少延迟，并缓解长上下文中的信息丢失问题。
