繁體中文
返回首頁

AI 開發工具

AI 開發工具的功能、安裝與使用說明

這些工具將程式碼生成、檢索、測試與自動化能力帶入軟體開發流程。不同工具的權限、適用環境與成熟度各不相同,使用前應核對官方文件與安全界線。

開放工具與平台

這些開放工具與平台均有公開 GitHub 倉庫。星標數每日同步並標註日期。程式碼授權、模型授權與託管服務條款並不相同,請分別以官方倉庫和服務說明為準。

Claude Code

AI 編程夥伴

153k · 同步於 2026-10-22

Claude Code 是 Anthropic 面向終端與 IDE 工作流程的代理式編程工具。它可以檢查程式碼庫、編輯檔案、執行命令與測試,並在使用者可設定的權限下參與版本控制工作流程。

主要功能

  • 理解整個程式碼庫
  • 編寫和修改程式碼
  • 執行測試和建構
  • 執行 Git 操作
  • 使用終端命令
  • 互動式編程對話

安裝方法

遠端安裝命令會執行下載的程式碼。執行前請審查官方安裝頁面與指令碼,在高權限或企業環境中尤其應謹慎。

# Mac/Linux(推薦)
curl -fsSL https://claude.ai/install.sh | bash

# Windows(推薦)
irm https://claude.ai/install.ps1 | iex

# Homebrew (macOS/Linux)
brew install --cask claude-code

# WinGet (Windows)
winget install Anthropic.ClaudeCode

# 註:`npm install -g @anthropic-ai/claude-code` 已棄用
驗證
環境
macOS / Linux / Windows · zsh / bash / PowerShell

使用方法

安裝後在終端執行 `claude` 即可啟動互動式對話。

MCP (Model Context Protocol)

AI 連接的開放標準

91k · 同步於 2026-10-22

MCP 是 Anthropic 推出的開放標準協議,旨在為 AI 模型與外部工具、資料來源之間建立標準化的連接方式。它被譽為 AI 領域的「USB-C 介面」,讓 AI 能夠靈活地與各種工具和資料進行互動。

主要功能

  • 統一工具連接標準
  • 支援多種資料來源
  • 安全的授權機制
  • 可擴展的架構

安裝方法

遠端安裝命令會執行下載的程式碼。執行前請審查官方安裝頁面與指令碼,在高權限或企業環境中尤其應謹慎。

# MCP 本身是一種協定——需要透過 Claude Desktop 或 Claude Code 這類用戶端來使用。

# 1. 編輯設定檔:
#    macOS:   ~/Library/Application Support/Claude/claude_desktop_config.json
#    Windows: %APPDATA%\Claude\claude_desktop_config.json
# 2. 新增 mcpServers 區塊(見下方範例)。
# 3. 重新啟動用戶端。

# 4. 也可以直接安裝一個參考伺服器:
npx -y @modelcontextprotocol/server-filesystem /path/to/folder
驗證
環境
取決於用戶端 · zsh / bash / PowerShell

使用方法

在 Claude Desktop 中,透過設定選單新增 MCP 伺服器即可使用。

OpenAI Codex CLI

終端機裡的 AI 程式設計代理

130k · 同步於 2026-10-22

openai/codex 是 OpenAI 開源的輕量級終端機程式設計代理(github.com/openai/codex,以 Rust 實作)。它在本機終端機中執行,使用 OpenAI 目前提供的模型,可按工作階段選擇,可透過 ChatGPT OAuth 登入,並能呼叫 MCP 伺服器。Codex CLI 是 Claude Code 在 OpenAI 陣營中的對應產品。

主要功能

  • OpenAI 官方開源
  • 以 Rust 實作的 TUI
  • 使用 OpenAI 目前的模型
  • ChatGPT OAuth 登入
  • 可載入 MCP 伺服器
  • 在沙箱中執行任意程式碼

安裝方法

遠端安裝命令會執行下載的程式碼。執行前請審查官方安裝頁面與指令碼,在高權限或企業環境中尤其應謹慎。

# Mac/Linux 推薦
curl -fsSL https://chatgpt.com/codex/install.sh | sh

# Windows 推薦
powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"

# npm 全域
npm install -g @openai/codex

# Homebrew (macOS/Linux)
brew install --cask codex
驗證
環境
macOS / Linux / Windows · zsh / bash / PowerShell

使用方法

# 啟動互動式工作階段(自動 OAuth 登入)
codex

# 單次任務(headless 模式)
codex exec "解釋 src/ 下的所有 .ts 檔案"

# 切換模型(Nous Portal / OpenRouter / 自行部署等)
# 見官方文件:https://github.com/openai/codex

browser-use

AI 瀏覽器自動化

119k · 同步於 2026-10-22

browser-use 是一個開源的 Python 函式庫,用來建構操作瀏覽器的 AI Agent(github.com/browser-use/browser-use)。它讓 LLM 能像人一樣操作真實的瀏覽器(點擊、輸入、捲動、截圖),適合需要與沒有 API 的網站互動的情境。可作為 Python 函式庫直接呼叫,也可作為 MCP 伺服器提供給 Claude Code 等用戶端。

主要功能

  • 支援所有主流 LLM(GPT / Claude / Gemini / 本機模型)
  • 可作為 Python 函式庫或 MCP 伺服器
  • 支援真實的瀏覽器(Chrome / Chromium)
  • 視覺 + DOM 雙模式理解
  • 可截圖並交給 LLM 推理

安裝方法

pip install browser-use

uvx --from 'browser-use[cli]' browser-use --mcp
驗證
環境
macOS / Linux / Windows · zsh / bash / PowerShell

使用方法

# 在 Python 指令碼中:
from browser_use import Agent, ChatOpenAI

llm = ChatOpenAI(model="gpt-5")
agent = Agent(
    task="造訪 https://news.ycombinator.com 找出今天得票最高的 5 則 AI 新聞",
    llm=llm,
)
result = await agent.run()
print(result)

# 作為 MCP 伺服器:
# 1. 設定 .mcp.json
# 2. Claude Code 啟動時自動載入

OpenClaw

開源 AI 助手

393k · 同步於 2026-10-22

OpenClaw 是一個開源的個人 AI 助手,執行在你自己的電腦上,並在你已經在用的聊天應用程式中回應你,例如 Discord、iMessage、Slack、Telegram 和 WhatsApp,也提供桌面與行動裝置的應用程式。它的狀態、記憶與憑證都保存在你自己的裝置上。背後使用的模型,無論是代管還是本機,都是可以自行選擇與更換的外掛。專案採用 MIT 授權,由非營利組織 OpenClaw 基金會負責維護。

主要功能

  • 完全開源
  • 跨平台支援
  • 可自架設部署
  • 活躍的社群
  • 支援多模型供應商(在引導或設定中選擇)

安裝方法

遠端安裝命令會執行下載的程式碼。執行前請審查官方安裝頁面與指令碼,在高權限或企業環境中尤其應謹慎。

# 安裝指令碼(macOS / Linux / WSL2),會在需要時提供受支援的 Node.js 執行環境
curl -fsSL https://openclaw.ai/install.sh | bash

# Windows PowerShell
iwr -useb https://openclaw.ai/install.ps1 | iex

# 或用 npm 安裝(Node 24.16+ 或 26.1+;npm 11.15 及更早版本請去掉 --allow-scripts)
npm install -g openclaw@latest --allow-scripts=openclaw

# 執行設定精靈(將常駐程式註冊為使用者服務)
openclaw onboard --install-daemon

# 查看閘道狀態
openclaw gateway status
驗證
環境
macOS / Linux / Windows · zsh / bash / PowerShell
來源
OpenClaw

使用方法

根據專案文件設定並執行,可自訂擴展功能。

Hermes-Agent

成長的 AI Agent

256k · 同步於 2026-10-22

Hermes-Agent 是 「The agent that grows with you」——一個會隨著使用不斷成長的 AI Agent。它能夠自主學習使用者習慣,最佳化任務執行方式,提供越來越個人化的服務。

主要功能

  • 自適應學習
  • 長期記憶
  • 個人化服務
  • 任務持續最佳化
  • 多模態支援

安裝方法

遠端安裝命令會執行下載的程式碼。執行前請審查官方安裝頁面與指令碼,在高權限或企業環境中尤其應謹慎。

# 執行環境:Python 3.11+(安裝指令碼會自動處理)

# Mac/Linux(一行指令)
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# Windows (PowerShell)
iex (irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1)

# 安裝指令碼會自動安裝 uv、Python 3.11、Node.js、ripgrep、ffmpeg 和可攜式 Git Bash
驗證
環境
macOS / Linux · zsh / bash

使用方法

安裝後設定 API 金鑰即可開始使用。

Anthropic Skills

Claude Skills 官方實作庫

183k · 同步於 2026-10-22

anthropics/skills 是 Anthropic 官方維護的 Claude Skills 參考實作庫,示範如何把 Skills(提示詞、指令碼、資源的資料夾)寫成 Claude 可動態載入的擴充。Skill 是 Claude 學習「如何完成特定任務」的可重複使用單元,例如套用企業品牌指南產生文件、依照組織流程分析資料、自動化個人工作等。

主要功能

  • Anthropic 官方維護
  • 可動態載入的 Skills 規範
  • 示範 Skills 與 Claude API 整合
  • 涵蓋文件、資料、工作流程等領域
  • 可作為自訂 Skill 的範本
  • 遵循 agentskills.io 標準

安裝方法

/plugin marketplace add anthropics/skills

/plugin install document-skills@anthropic-agent-skills
驗證
環境
Claude Code / Claude API · Claude Code / HTTP

使用方法

Claude Code:在請求中直接提及已安裝的 Skill 名稱。

Claude API:透過 Messages API 的 `container.skills` 欄位與程式碼執行工具來執行 Skill。`GET /v1/skills` 只列出 Skill,不會執行 Skill。
https://platform.claude.com/docs/en/build-with-claude/skills-guide

Claude Code Security Review

GitHub Action 安全稽核(Anthropic 官方)

6.5k · 同步於 2026-10-22

claude-code-security-review 是 Anthropic 官方維護的 GitHub Action(github.com/anthropics/claude-code-security-review),用 Claude 對 PR 的 diff 進行自動安全審查。它支援 diff-aware 掃描(只分析變更的檔案),把發現的安全問題作為行級審查評論自動發布到 PR 上,並內建 False Positive 過濾(自動排除 DoS、速率限制、記憶體/CPU 耗盡、泛化輸入驗證、開放重新導向這五類雜訊問題)。

主要功能

  • Anthropic 官方維護
  • Diff-aware 掃描只分析變更檔案
  • 行級 PR 評論自動發布
  • False Positive 過濾 5 類雜訊
  • GitHub Action 原生整合
  • 可自訂 Claude 模型(預設值由儲存庫設定)

安裝方法

# 在 GitHub 儲存庫的 .github/workflows/ 下建立 security-review.yml

name: Claude Code Security Review
on:
  pull_request:
permissions:
  pull-requests: write
  contents: read
jobs:
  security-review:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
        with:
          ref: ${{ github.event.pull_request.head.sha || github.sha }}
          fetch-depth: 2
      - uses: anthropics/claude-code-security-review@main
        with:
          comment-pr: true
          claude-api-key: ${{ secrets.ANTHROPIC_API_KEY }}

# ⚠️ 此 Action 未針對 prompt injection 加固,建議只用於受信任的 PR
# 建議搭配 GitHub 的 「Require approval for all external contributors」 設定
驗證
環境
GitHub Actions · YAML / bash

使用方法

# 1. 在儲存庫中設定 ANTHROPIC_API_KEY secret
# 2. PR 提交後,Action 會自動分析變更檔案,並以審查評論回報安全問題
# 3. 維護者可在 PR conversation 中查看 Claude 提供的風險等級與具體位置

Ollama

本機模型執行環境

184k · 同步於 2026-10-22

Ollama 可在 macOS、Linux 與 Windows 上下載和執行模型,並提供命令列工具與本機 HTTP API。模型是否完全在本機執行、會占用多少資源,以及資料是否會傳送到遠端,取決於所選模型與實際設定。

主要功能

  • 在本機下載與執行模型
  • 模型庫與 Modelfile
  • 命令列工具與本機 API
  • 支援嵌入、視覺與工具呼叫
  • Python 與 JavaScript 函式庫
  • 可選用雲端模型

安裝方法

遠端安裝命令會執行下載的程式碼。執行前請審查官方安裝頁面與指令碼,在高權限或企業環境中尤其應謹慎。

# macOS / Windows
# 從 https://ollama.com/download 下載官方安裝程式

# Linux(執行前請先檢查遠端指令碼)
curl -fsSL https://ollama.com/install.sh | sh
驗證
環境
macOS / Linux / Windows · zsh / bash / PowerShell
來源
Ollama

使用方法

# 啟動本機模型對話
ollama run gemma4

# 確認本機服務版本
ollama -v

Hugging Face Hub

開放式 AI 協作平台

4k · 同步於 2026-10-22

Hugging Face Hub 是用於探索、分享與協作開發模型、資料集和 Spaces 的 AI 平台,並提供公開與私人資源。huggingface_hub 函式庫及 hf 命令列工具可用於搜尋、下載、上傳、快取管理與推論服務。每個模型和資料集的授權條款需分別確認。

主要功能

  • 模型、資料集與 Spaces
  • 公開與私人儲存庫
  • 模型卡、資料集卡與授權資訊
  • hf 命令列工具與 Python 函式庫
  • 推論提供者與推論端點
  • AI Agent 的 MCP 與 Skill 整合

安裝方法

# 安裝 Hugging Face Hub 命令列工具與 Python 函式庫
pip install -U "huggingface_hub"

# 需要存取私人資源或上傳時再登入
hf auth login
驗證
環境
macOS / Linux / Windows / hosted · zsh / bash / PowerShell / Python

使用方法

# 下載公開模型儲存庫中的單一檔案
hf download gpt2 config.json

# 搜尋模型並限制結果數量
hf models ls --search bert --limit 5

抽象概念

AI Agent、Skill、Harness 是本站用於梳理這一領域的抽象概念,沒有單一的 GitHub 倉庫。它們描述的是跨實作的模式,而不是某個產品的功能。

AI Agent

自主執行任務的 AI 系統

AI Agent 是能夠自主規劃並執行複雜任務的 AI 系統。與問答式互動不同,Agent 會理解目標、制定計畫、呼叫工具、評估結果,並根據回饋調整行為。這是一個跨實作的通用概念,而不是某一款產品:本頁收錄的 Claude Code、Codex CLI、Cursor、OpenClaw 與 Hermes Agent 都是它的具體實作。

主要功能

  • 自主任務規劃
  • 工具使用能力
  • 結果評估與回饋
  • 多步驟複雜任務處理
  • 程式碼庫理解和操作

安裝方法

Agent 是概念,不是可單獨安裝的產品。要執行一個 Agent,需要安裝某個具體實作。本頁開放工具與平台分類下的各個條目都給出了各自的安裝方式。
驗證
環境
implementation-dependent · n/a
來源
AI Agent

使用方法

不同實作的呼叫方式不同:命令列 Harness 通常直接描述任務即可,框架類實作則需要在程式碼中定義目標與可用工具。具體方式見對應條目的使用說明。

Skill(技能)

擴展 AI 能力的方式

Skill 把領域知識、操作步驟與可重複使用的提示打包成按需載入的模組。一個 Skill 通常是一個包含 SKILL.md 的目錄,其中的 name 與 description 決定它在什麼時候被呼叫。該格式由 Anthropic 提出並公開,因此並不限定於單一用戶端。

主要功能

  • 自訂命令
  • 工作流自動化
  • 特定領域知識
  • 可複用的提示範本

安裝方法

把包含 SKILL.md 的目錄放到 ~/.claude/skills/(個人)或專案的 .claude/skills/ 下即可。也可以透過 Claude API 的 Skills 介面載入。
驗證
環境
Claude Code · n/a

使用方法

Skill 通常由模型依據其 description 自動比對並呼叫,也可以明確以 /skill-name 觸發。

Harness(代理腳手架)

Agent 的執行時承載層

Harness 是把 system prompt、工具迴圈、記憶、外掛組裝起來執行 Agent 的執行時層。Claude Code、Codex CLI、Cursor Agent、OpenClaw 都是 Harness 的具體實作——改 Harness 設定 = 改宿主;寫新 Skill = 為宿主安裝新工具。Harness 是 MCP/Agent/Skill 之上承載三者的宿主,詳見 MCP 頁面。

主要功能

  • system prompt 組裝
  • 工具迴圈管理
  • 工作階段狀態與長期記憶
  • Skill 與 MCP 調度
  • 權限與沙箱控制
  • 跨形態託管(CLI/IDE/Serverless)

安裝方法

遠端安裝命令會執行下載的程式碼。執行前請審查官方安裝頁面與指令碼,在高權限或企業環境中尤其應謹慎。

Harness 本身是概念/模式,不是可獨立安裝的產品。要「使用 Harness」,就是安裝其中一個 Harness 實作:

# Claude Code
curl -fsSL https://claude.ai/install.sh | bash

# Codex CLI
curl -fsSL https://chatgpt.com/codex/install.sh | sh

# OpenClaw
curl -fsSL https://openclaw.ai/install.sh | bash
驗證
環境
implementation-dependent · n/a

使用方法

本頁列出的 Claude Code / Codex / Cursor / OpenClaw / Hermes Agent 都是 Harness 實例。每個 Harness 都有自己的啟動方式(請參閱對應項目的「使用方法」)。也可以自行編寫最小 Harness:組裝 system prompt、工具迴圈並載入 MCP/Skill 即可。

閉源商業產品

閉源商業產品,無公開 GitHub 倉庫可追蹤星標數。

Cursor

AI 驅動的程式碼編輯器

Cursor 是基於 VS Code 的 AI 增強程式碼編輯器,可選用 OpenAI、Anthropic、Google 等多家廠商的模型,也能為每個請求自動選擇。它能夠智慧補全程式碼、產生函式、解釋程式碼、修復 Bug。

主要功能

  • 智慧程式碼補全
  • 產生整個函式
  • 程式碼解釋和重構
  • Chat 模式互動
  • 內建終端

安裝方法

# 從官網下載安裝(推薦)
# https://cursor.com

# 或 WinGet (Windows)
winget install Anysphere.Cursor

# 或 Homebrew (macOS)
brew install --cask cursor
驗證
環境
macOS / Linux / Windows · IDE terminal
來源
Cursor

使用方法

# 1. 啟動 Cursor
# 2. 開啟專案資料夾
# 3. 用 Cmd+K(行內編輯)或 Cmd+L(對話)
# 4. Agent:按 Cmd+I 在側邊欄開啟
# 5. 登入帳號啟用 Pro/Ultra 功能

結語

這些工具可以改變程式碼撰寫、審查與自動化流程,但效果取決於任務、模型與設定。採用前請評估權限、資料處理方式、維護狀態及團隊的審查要求。