先说你的任务，
我们给你一条能落地的 AI 路线

先放 4 个样板项目。每页都写清楚项目用途、试用步骤、权限边界、成本、风险和来源。

1 Skills

1 MCP

1 Prompts

1 Agents

当前样板项目

先用这 4 页校准分析框架，再批量扩展同类项目。

给 Claude Code、Cursor、GitHub Copilot 使用的 Skill，把 URL、GitHub、YouTube 资料整理成可引用的本地 wiki。

Scrapling 是开源网页抓取框架，内置 MCP Server，可让 Claude Desktop、Claude Code 和其他 MCP 客户端调用抓取、动态渲染、截图和会话工具。

Prompt Optimizer 是开源提示词优化工具，支持 Web、桌面、浏览器插件、Docker 和 MCP，用来改写、测试、保存提示词。

Pi 是一个开源的 AI 编程工具。你在命令行里打开它，让它看一个代码项目、解释文件、改小问题、运行检查命令。它适合懂代码的人先在测试仓库里试，不适合直接碰真实项目。

四个入口分别对应不同的使用场景。先从项目页进入，再看具体步骤、成本、风险和来源。

把 AI 用起来的最小完成单元。看目标、步骤、工具、成本和风险。

把外部工具接进 AI 工作流。先看能连什么，再看会碰到哪些数据。

能复用的任务模板。复制前先看变量、适用模型和输出要求。

有边界的 AI 执行者。适合多步任务，交给它之前先看可碰范围。