研究笔记

dsh-antigravity：社区模型适配器的实现与接入边界

看适配，不看“蹭额度”：协议转换值得学，客户端身份、上游条款和模型透明度不能靠技术可用来替代。 资料核对：2026 10 13，读取项目 README、实际适配源码、许可证及 Google 官方条款/数据政策；未安装登录、调用模型或验证额度，不作完整安全审计。

项目研究：guizang-material-illustration

归藏把“文档配图”整理成了可插拔的 Agent Skill ：给文章、截图或数据，让 Agent 选择构图、压短标签，再调用可用的图像工具生成中心图。它的卖点是 短标签、数据核对和统一视觉的工作流 ，不是自行生成图像，也不保证中文或数值一次正确。 比喻 ：图像模型像一位会画画、也可能写错字的画师，这个 Skill 像给它配的质检清单：标签…

项目研究：awesome-llm-apps

给“读完框架文档，却还不知道第一个项目怎么组织”的人准备的一本可执行菜谱。 它不是只有外链，而是包含 Agent、RAG、多智能体、语音、记忆、MCP 等方向的代码、说明和依赖。 “有代码”是优势，但不能进一步说“全由维护者亲手写、全部端到端测过、三条命令必定跑通”。不同目录是不同项目，模型、密钥、外部服务与运行入口各不相同。Apache…

项目研究：xiaohu-ip-studio

给文章配图的 Agent Skill、角色库与图像 API 适配器 。重点不是多按几次生成，而是先读文章、找值得可视化的认知锚点，再让固定角色服务于图意。 这更像一个有方法的设计助理：能减少从零开始的随意性，但不会因为用了同一张参考图就永远不跑偏。角色、文字、箭头和事实仍要看实际成图。

项目研究：jianying-editor-skill

给 AI Agent 用的剪映自动化工具库 ：把自然语言要求转成 Python 操作，写入剪映草稿数据，再在剪映里检查和导出。它不是一个能自动判断所有节奏、版权和画面质量的真人剪辑师。 我看重的是“绕过大量重复点击，直接组织时间轴”。但直接写工程文件也意味着：格式兼容、原稿保护和最终验收必须自己管，不能只看生成了 JSON 就算成功。

项目研究：EverOS

把 Agent 的记忆从一段临时提示词，变成可持久化、检索和整理的系统。它最吸引我的地方，是把 Markdown 作为可读的记忆真源，而不只留下难以检查的向量。 “用户拥有”更多指本地存储和可迁移的设计取向，不代表记忆天然正确、不外发或已加密，也不是接上所有聊天产品就会自动共用的跨平台记忆。

项目研究：agent-native

一个把 Agent 作为应用入口之一的框架。最值得学的不是聊天框，而是 把业务动作、参数校验和权限边界收在一处，让 UI 和 Agent 调用同一套实现 。 比如“创建工单”：按钮和自然语言入口不该各写一份不同的权限逻辑。共享 action 可以降低分叉，但是否真做到一致，还要看你的 action 实现和各入口认证。

项目研究：awesome-design-md

把公开网站的视觉设计语言，整理成给 AI Agent 看的纯文本说明书：颜色、字体层级、间距和组件规则都能读。放进项目并告诉 Agent 使用，可以帮助约束风格， 不是 CSS 源码复刻，也不保证像素级一致 。官方 README 它把设计参考写成可执行的约定，最后的取舍和验收仍然要有人做。

项目研究：Agent-Reach — 给 AI Agent 一键装上互联网能力的「能力层」

一个给 Agent 做联网能力检查、安装指引和渠道接入说明的工具箱。核对的是 Panniantong/Agent Reach，不是同名 PyPI 包。 它有点像“上网前的体检员”：告诉你哪些后端已装好、哪些需要登录、哪些暂时失败，再让 Agent 选择合适工具。项目采用 MIT，底层平台和第三方服务另有条款与费用。