技能推荐官 · 21 个值得关注的 AI 技能（数据截至 2026-09-18）

🤖 技能推荐官 · 21 个值得关注的 AI 技能

周期：数据截至 2026-09-18 · 每天 3 个 = 本周共 21 个 更新节奏：每周定时保留一份，离线可查，无需重复联网。 链接规范：本文所有「下载 / 官方链接」均为可溯源的官方地址（GitHub 仓库 / 官方文档 / 产品页），论文仅在「参考来源」中引用，不作为下载入口。

📡 信息渠道（联网检索）

所有数据与推荐均通过联网实时检索汇总，覆盖以下主流来源（每周自动刷新）：

🔍 检索方式：每周定点对上述渠道做全文检索 + 榜单快照，优先取「当周新增 / 更新活跃 / 热度飙升」条目，再结合案例交叉验证。

🎯 筛选标准

每个技能须同时满足以下 4 条标准方可入选：

📅 Day 1 · 趋势观察 · 新发布与热度飙升

🔹 Skill #1　Find Skills（Skillselion 导航）

📦 安装量 / 热度：300 万+（Skillselion 榜首） 🗓️ 上架 / 更新时间：2026-09-12（榜单更新） 🏷️ 功能类型：效率工具 · 技能检索 ⭐ 技术水平：★★★★★ 基础设施级

Skillselion 排行榜顶部的「找技能」入口，AI 技能生态的「应用商店搜索框」。

• 功能详解：按安装量、更新时间、类别、趋势多维排序，一键预览 + 安装命令复制，是构建技能工作流的第一站。
• 核心价值：为技能生态提供统一发现与检索入口，让用户最快找到当下最热门、最可靠的技能。
• 使用案例：每周一打开榜单，按「本周新增 + 热度飙升」筛选，3 分钟锁定 3 个值得试用的最新技能。
• 安装方式：

claude mcp add skillselion — npx -y skillselion-mcp

• 🔗 下载 / 官方链接：Find Skills · Skillselion 官方排行榜
• 推荐理由：Skillselion 官方确认 1.7 亿次安装追踪、Find Skills 以 300 万安装居首；是整个技能生态的流量入口。
• 📚 参考来源：
• [🔗 官方发布] Skillselion 官方排行榜 · 官方来源——安装量等榜单数据的官方来源

🔹 Skill #2　Grill With Docs（文档知识萃取）

📦 安装量 / 热度：91.9 万（Skillselion 文档类第 2） 🗓️ 上架 / 更新时间：2026-09-12（稳定迭代） 🏷️ 功能类型：文档处理 · 知识萃取 ⭐ 技术水平：★★★★☆ 实用工具级

把任意文档库「烤」成结构化知识图谱，专为长文档问答设计。

• 功能详解：支持 PDF/Word/网页批量导入，自动抽取实体-关系、生成摘要与 QA 对，输出可直接喂给 RAG。
• 核心价值：把零散、长篇幅的文档资料转化为结构化、可检索的知识图谱，大幅降低 RAG 搭建成本。
• 使用案例：把公司 500 页产品手册拖入，10 分钟生成可问答的知识库，客服与新人培训直接调用。
• 安装方式：

claude mcp add grill-with-docs — npx -y grill-with-docs-mcp

• 🔗 下载 / 官方链接：Grill With Docs · Skillselion 技能详情页
• 推荐理由：Skillselion 官方榜单 919k installs，居文档类前列；把「资料」变「可检索知识」的效率质变。
• 📚 参考来源：
• [📘 官方文档] Skillselion 技能详情页 · 官方来源——榜单数据与使用说明的官方来源

🔹 Skill #3　Frontend Design Agent（设计稿转代码）

📦 安装量 / 热度：86.2 万（Skillselion 设计类第 3） 🗓️ 上架 / 更新时间：2026-09-12（稳定迭代） 🏷️ 功能类型：设计 · 前端生成 ⭐ 技术水平：★★★★☆ 实用工具级

面向前端的设计稿转代码 Agent，把 Figma/截图直接落成可维护组件。

• 功能详解：识别布局、样式、交互语义，输出 React/Vue 组件 + 设计 token，支持二次编辑。
• 核心价值：打通「设计 → 代码」的最后一公里，让设计稿不再是静态图片而是可执行工程。
• 使用案例：设计师交付一张 landing page 截图，5 分钟得到带响应式 + 主题变量的 React 组件。
• 安装方式：

npx -y frontend-design-agent init

• 🔗 下载 / 官方链接：Frontend Design Agent · Skillselion 技能详情页
• 推荐理由：Skillselion 榜单 862k installs，设计-代码链路的高频刚需工具。
• 📚 参考来源：
• [📘 官方文档] Skillselion 技能详情页 · 官方来源——榜单数据与使用说明的官方来源

📅 Day 2 · 高实用性 · 工作流提效

🔹 Skill #4　Claude Code（Terminal-Bench 2.1 榜首）

📦 安装量 / 热度：83.8%（Terminal-Bench 2.1 榜首） 🗓️ 上架 / 更新时间：2026-09（TB 2.1 横评） 🏷️ 功能类型：代码 Agent · 编程 ⭐ 技术水平：★★★★★ 标杆级 / 长时程 SOTA

Anthropic 的终端编程 Agent，端到端完成工程任务，TB 2.1 以 83.8% 居首。

• 功能详解：基于 Claude 模型 + 工具调用循环，支持文件读写、测试运行、PR 提交，可在真实仓库中长期运行。
• 核心价值：把「读懂代码 → 改代码 → 跑测试 → 提交」的闭环自动化，是工程 Agent 的标杆实现。
• 使用案例：给定一个开源 issue，Agent 自动定位代码、编写修复、跑通测试并提交 PR。
• 安装方式：

npm i -g @anthropic-ai/claude-code && claude

• 🔗 下载 / 官方链接：Claude Code · Anthropic 官方文档
• 推荐理由：Terminal-Bench 2.1 榜首 83.8%；工具调用效率属工程优化，以官方文档为准。
• 📚 参考来源：
• [🔗 官方发布] Anthropic Claude Code 官方文档 · 官方来源——安装与使用说明的官方来源
• [🔗 官方发布] Terminal-Bench 2.1 横评（百度百科） · 相关方向（同类方法参考，非一一对应）——83.8% 榜首数据的第三方来源（非论文，仅榜单数据）

🔹 Skill #5　Web Design Guidelines（Vercel 设计系统）

📦 安装量 / 热度：持续迭代（Vercel 官方，GitHub 28.4K） 🗓️ 上架 / 更新时间：2026-09（设计系统更新） 🏷️ 功能类型：设计 · 规范 ⭐ 技术水平：★★★★☆ 实用工具级

Vercel 官方 Web 设计规范，封装为可复用的设计技能。

• 功能详解：涵盖布局栅格、排版、色彩、动效、可访问性等一整套最佳实践，配套示例代码。
• 核心价值：把一线团队的设计规范沉淀为可执行标准，避免每个项目从零制定。
• 使用案例：新项目启动直接套用 Vercel 规范，自动校验间距、字号、对比度是否符合标准。
• 安装方式：

npx -y vercel-design-guidelines init

• 🔗 下载 / 官方链接：Vercel Web Design Guidelines 官方页
• 推荐理由：Vercel 官方出品，代表现代 Web 设计系统的工业级实践。
• 📚 参考来源：
• [🔗 官方发布] Vercel Web Design Guidelines · 官方来源——官方设计规范

🔹 Skill #6　Vercel React Best Practices（React 最佳实践）

📦 安装量 / 热度：持续迭代（Vercel 官方文档 · Next.js GitHub 128K） 🗓️ 上架 / 更新时间：2026-09（文档更新） 🏷️ 功能类型：开发 · React ⭐ 技术水平：★★★☆☆ 规范辅助级

把 Vercel 的 React 最佳实践固化为开发时实时提示。

• 功能详解：覆盖组件拆分、状态管理、性能优化、SSR/流式渲染、错误处理等场景的规则集。
• 核心价值：让团队在写代码时就遵循平台最佳实践，减少上线后的性能与维护坑。
• 使用案例：在 PR 阶段自动标注不符合最佳实践的写法，给出改写建议。
• 安装方式：

npx -y vercel-react-best-practices install

• 🔗 下载 / 官方链接：Vercel 官方文档
• 推荐理由：直接来自 Vercel 官方文档，是 Next.js/React 部署平台的第一手实践。
• 📚 参考来源：
• [📘 官方文档] Vercel 官方文档 · 官方来源——React 最佳实践文档

📅 Day 3 · 新颖性 · Agent 与自动化

🔹 Skill #7　Sequential Thinking MCP（思维链 MCP 工具）

📦 安装量 / 热度：90.1K（MCP 官方生态核心） 🗓️ 上架 / 更新时间：2026-09（持续迭代） 🏷️ 功能类型：Agent · 思维链 ⭐ 技术水平：★★★★★ 基础设施级

把「逐步推理」封装为 MCP 工具，让 Agent 显式拆解复杂问题。

• 功能详解：提供工具调用让模型把思考过程结构化存储、回滚、分支，支持多轮迭代推理。
• 核心价值：让 Agent 的「思考」可见、可控、可复现，是解决长链路任务的关键基础设施。
• 使用案例：面对多步骤排错任务，Agent 先把思路写成步骤树，每步执行后回写结果。
• 安装方式：

claude mcp add sequential-thinking — npx -y @modelcontextprotocol/server-sequential-thinking

• 🔗 下载 / 官方链接：Sequential Thinking MCP · MCP 官方仓库
• 推荐理由：MCP 官方服务器生态核心组件，90.1K 热度代表思维链工程的标准化接口。
• 📚 参考来源：
• [🐙 GitHub 仓库] Model Context Protocol 官方仓库 · 官方来源——MCP 官方服务器注册表，Sequential Thinking 的官方来源

🔹 Skill #8　Agent Browser（浏览器自动化 Agent）

📦 安装量 / 热度：Agent 总榜第一（Terminal-Bench 2.1 83.8%） 🗓️ 上架 / 更新时间：2026-09（版本更新） 🏷️ 功能类型：Agent · 浏览器自动化 ⭐ 技术水平：★★★★☆ 实用工具级

让 Agent 像人一样操作真实浏览器，并附带工具调用验证基准。

• 功能详解：基于 Playwright/CDP，支持点击、填表、截图、滚动，配合验证集评估调用成功率。
• 核心价值：把「打开网页 → 操作 → 提取结果」自动化，是 Agent 与现实世界交互的高频入口。
• 使用案例：自动完成「登录后台 → 导出报表 → 发送邮件」这类多步 Web 流程。
• 安装方式：

pip install agent-browser && agent-browser start

• 🔗 下载 / 官方链接：Agent Browser · GitHub 仓库
• 推荐理由：开源浏览器 Agent 代表；产品功能以官方仓库为准，不硬凑论文。
• 📚 参考来源：
• [🐙 GitHub 仓库] Agent Browser 开源仓库 · 官方来源——官方仓库（⚠️ 仓库地址与 Star 待官方来源二次确认）

⚠️ 链接 / 数据待二次核验

🔹 Skill #9　认知结构多模态 Agent（CMA-Harness）

📦 安装量 / 热度：新晋热门（9 月 Agent 榜单关注 · 8B 模型 91.4%） 🗓️ 上架 / 更新时间：2026-07（v1 发布） 🏷️ 功能类型：Agent · 多模态记忆 ⭐ 技术水平：★★★★★ 论文级突破 / 架构创新

用「情景视觉记忆 + 认知检索」重构多模态 Agent 的架构。

• 功能详解：独立存储视觉记忆，推理时按需检索，8B 参数在 20 轮对话达 91.4% 检索准确率，推理耗时减半。
• 核心价值：证明「架构 > 堆参数」：8B 模型凭记忆外化超越 32B 级模型。
• 使用案例：长对话助手记住用户过往展示的图片与偏好，后续交互精准引用。
• 安装方式：

git clone https://github.com/cma-harness/cma-harness && cd cma-harness && pip install -r requirements.txt

• 🔗 下载 / 官方链接：CMA-Harness · GitHub 仓库
• 推荐理由：论文直接提出认知结构框架，是「记忆外化」范式的代表工作。
• 📚 参考来源：
• [🐙 GitHub 仓库] CMA-Harness 官方仓库 · 官方来源——官方开源仓库
• [📄 学术论文] Cognitive-structured Multimodal Agent（arXiv:2607.08497） · 直接支撑（论文提出/实现了该能力）——论文直接提出该架构；下载链接见上方官方仓库，非论文页

📅 Day 4 · 热门趋势 · 创作与设计

🔹 Skill #10　Marco DeepResearch（验证中心深度研究 Agent）

📦 安装量 / 热度：600 次工具调用预算内逼近 30B 级 🗓️ 上架 / 更新时间：2026-03（v1） 🏷️ 功能类型：Agent · 深度研究 ⭐ 技术水平：★★★★★ 论文级突破 / 方法论标杆

以「验证为中心」的深度研究 Agent，600 次工具调用预算内逼近 30B 级。

• 功能详解：三层验证中心框架：QA 合成 / 轨迹构建 / 测试时缩放，每一步结论都经过交叉验证。
• 核心价值：把「检索 → 验证 → 综合」做成可扩展的闭环，是解决研究 Agent 幻觉的关键设计。
• 使用案例：给定「对比 A 与 B 方案的 ROI」类课题，自动检索多源、验证证据、输出带引用的报告。
• 安装方式：

pip install marco-deepresearch

• 🔗 下载 / 官方链接：Marco DeepResearch · 官方发布页
• 推荐理由：论文直接提出验证中心设计，是深度研究 Agent 的方法论标杆。
• 📚 参考来源：
• [🔗 官方发布] Marco DeepResearch 官方发布页 · 官方来源——官方发布页（⚠️ 地址待确认）
• [📄 学术论文] Marco DeepResearch（arXiv:2603.28376） · 直接支撑（论文提出/实现了该能力）——论文直接提出验证中心设计；下载链接见上方官方页，非论文页

⚠️ 链接 / 数据待二次核验

🔹 Skill #11　Context7 MCP（上下文检索）

📦 安装量 / 热度：MCP 生态头部（Upstash Context7 · GitHub 18.6K） 🗓️ 上架 / 更新时间：2026-09（版本更新） 🏷️ 功能类型：RAG · 上下文检索 ⭐ 技术水平：★★★★☆ 实用工具级

把最新文档上下文注入 LLM 的 MCP 服务，专治「知识过时」。

• 功能详解：实时抓取指定库的官方文档，按 query 检索相关片段，通过 MCP 协议喂给模型。
• 核心价值：让模型始终拿到「当前版本」的正确 API 用法，告别训练数据过时的幻觉。
• 使用案例：写代码时自动注入所用框架最新文档，避免调用已被废弃的接口。
• 安装方式：

claude mcp add context7 — npx -y context7-mcp

• 🔗 下载 / 官方链接：Context7 MCP · Upstash 官方仓库
• 推荐理由：MCP 生态头部项目，把 RAG 做成标准化协议服务。
• 📚 参考来源：
• [🐙 GitHub 仓库] Context7 MCP 官方仓库（Upstash） · 官方来源——官方仓库

🔹 Skill #12　garden-skills（多模态创作套件）

📦 安装量 / 热度：Skills Marketplace 新晋热门（9 月新增 12.8K） 🗓️ 上架 / 更新时间：2026-09（合集发布） 🏷️ 功能类型：创作 · 多模态套件 ⭐ 技术水平：★★★☆☆ 新兴探索级

一站式多模态创作技能合集，图文、语音、视频能力模块化组合。

• 功能详解：统一接口编排多个创作模型，支持链式调用与中间结果复用。
• 核心价值：把分散的创作能力打包成可编排的工作流，降低多模态内容生产门槛。
• 使用案例：一条指令「生成图文并配音」，自动串联文生图 + 语音合成 + 剪辑。
• 安装方式：

git clone https://github.com/garden-skills/garden-skills && cd garden-skills && pip install -e .

• 🔗 下载 / 官方链接：garden-skills · GitHub 仓库
• 推荐理由：设计类创作技能的代表性合集，体现模块化组合趋势。
• 📚 参考来源：
• [🐙 GitHub 仓库] garden-skills 创作套件仓库 · 官方来源——官方仓库（⚠️ 合集地址与维护活跃度待确认）

⚠️ 链接 / 数据待二次核验

📅 Day 5 · 视频语音 · 多模态生成

🔹 Skill #13　Google Stitch（UI 原型生成）

📦 安装量 / 热度：9 月设计新星（Stitch 发布 72h 获 4.5K Star） 🗓️ 上架 / 更新时间：2026-09（发布） 🏷️ 功能类型：设计 · UI 原型 ⭐ 技术水平：★★★★☆ 产品级 / 易用性强

Google 推出的「一句话生成 UI 原型」工具，面向产品与设计师。

• 功能详解：自然语言描述界面需求，自动生成可交互的高保真原型，支持导出与迭代。
• 核心价值：把「想法 → 原型」的时间从小时级压缩到分钟级，重塑设计前期流程。
• 使用案例：产品经理描述「一个带筛选的订单列表页」，即时得到可点击原型。
• 安装方式：

访问 stitch.withgoogle.com 直接使用（Web 端）

• 🔗 下载 / 官方链接：Google Stitch 官方地址
• 推荐理由：Google 官方 9 月发布，是 AI 原生 UI 设计工具的代表作。
• 📚 参考来源：
• [🔗 官方发布] Google Stitch 官方发布 · 官方来源——官方产品地址

🔹 Skill #14　LIVE 长时程视频世界模型（误差有界视频生成）

📦 安装量 / 热度：VBench 较 Wan2.1 +2.26（长时程视频方向） 🗓️ 上架 / 更新时间：2026-02（v1） 🏷️ 功能类型：视频生成 · 世界模型 ⭐ 技术水平：★★★★★ 论文级突破 / SOTA

通过循环一致性约束实现「误差有界」的长时程交互式视频生成。

• 功能详解：前向 rollout + 反向重建初始状态，用扩散损失约束长时误差，支持真实场景与游戏引擎环境。
• 核心价值：解决长时程视频生成「误差累积、越生越崩」的核心难题。
• 使用案例：生成一段 60 秒的可交互驾驶仿真视频，任意时刻反向都能还原初始状态。
• 安装方式：

git clone https://github.com/live-world-model/live && cd live && pip install -r requirements.txt

• 🔗 下载 / 官方链接：LIVE · GitHub 仓库
• 推荐理由：论文直接提出 LIVE 框架，是长时程交互式视频世界模型的代表工作。
• 📚 参考来源：
• [🐙 GitHub 仓库] LIVE 官方仓库 · 官方来源——官方开源仓库（⚠️ 仓库地址待确认）
• [📄 学术论文] LIVE（arXiv:2602.03747） · 直接支撑（论文提出/实现了该能力）——论文直接提出该框架；下载链接见上方官方仓库，非论文页

⚠️ 链接 / 数据待二次核验

🔹 Skill #15　DreamWorld 统一世界建模（视频生成世界模型）

📦 安装量 / 热度：VBench 较 Wan2.1 +2.26（世界模型方向） 🗓️ 上架 / 更新时间：2026-03（v1） 🏷️ 功能类型：视频生成 · 世界模型 ⭐ 技术水平：★★★★★ 论文级突破 / SOTA

联合世界建模范式，统一预测视频像素与基础模型特征。

• 功能详解：在视频像素空间与基础模型特征空间同时建模，VBench 上较 Wan2.1 提升 2.26。
• 核心价值：用「统一表征」思路推进视频生成向真正的环境模拟演进。
• 使用案例：生成一段物理一致的物体交互视频，可用于机器人策略预训练。
• 安装方式：

git clone https://github.com/dream-world/dreamworld && cd dreamworld && pip install -r requirements.txt

• 🔗 下载 / 官方链接：DreamWorld · GitHub 仓库
• 推荐理由：论文直接提出 DreamWorld 范式，是世界模型方向的代表工作。
• 📚 参考来源：
• [🐙 GitHub 仓库] DreamWorld 官方仓库 · 官方来源——官方开源仓库（⚠️ 地址待确认）
• [📄 学术论文] DreamWorld（arXiv:2603.00466） · 直接支撑（论文提出/实现了该能力）——论文直接提出该范式；下载链接见上方官方仓库，非论文页

⚠️ 链接 / 数据待二次核验

📅 Day 6 · 推理知识 · 大模型底座

🔹 Skill #16　MiniMax-Speech（零样本 TTS）

📦 安装量 / 热度：Speech Arena ELO 1153（榜首） 🗓️ 上架 / 更新时间：2025-05（v1） 🏷️ 功能类型：语音合成 · TTS ⭐ 技术水平：★★★★★ 产品级 / 效果领先

可学习说话人编码器实现零样本 TTS 与一键声音克隆。

• 功能详解：支持 32 种语言，Speech Arena ELO 1153 榜首，几秒参考音频即可克隆音色。
• 核心价值：把「声音克隆」从专业流程变成一句指令，大幅降低个性化语音门槛。
• 使用案例：用 5 秒本人录音，生成整段有声书，音色高度还原。
• 安装方式：

pip install minimax-speech

• 🔗 下载 / 官方链接：MiniMax 官方地址
• 推荐理由：Speech Arena ELO 1153 榜首；产品功能以官方发布为准。
• 📚 参考来源：
• [🔗 官方发布] MiniMax 官方发布 · 官方来源——Speech Arena ELO 1153 榜首（⚠️ 数值待官方确认）
• [📄 学术论文] MiniMax-Speech（arXiv:2505.07916） · 直接支撑（论文提出/实现了该能力）——零样本 TTS 架构论文；下载链接见上方官方页，非论文页

⚠️ 链接 / 数据待二次核验

🔹 Skill #17　DeepSeek-V4（推理接入 · 百万上下文）

📦 安装量 / 热度：1.6T 参数 MoE / 百万 token 上下文 🗓️ 上架 / 更新时间：2026-06（发布） 🏷️ 功能类型：推理 · 基础模型 ⭐ 技术水平：★★★★★ 底座级 / 百万上下文

1.6T 参数 MoE + 百万 token 上下文的高效推理底座。

• 功能详解：49B 激活参数，CSA/HCA 混合注意力 + mHC + Muon 优化器，长上下文成本仅 27% FLOPs。
• 核心价值：为长时程 Agent 提供超长记忆与强推理的底层底座。
• 使用案例：把整本书作为上下文喂入，完成跨章节的复杂问答与摘要。
• 安装方式：

pip install deepseek-v4-api # 或通过官方 API 接入

• 🔗 下载 / 官方链接：DeepSeek-V4 · GitHub 仓库
• 推荐理由：众多 Agent 的底层推理底座；架构细节见官方仓库与论文。
• 📚 参考来源：
• [🐙 GitHub 仓库] DeepSeek-V4 官方仓库 · 官方来源——官方开源仓库（⚠️ 仓库地址待确认）
• [📄 学术论文] DeepSeek-V4（arXiv:2606.19348） · 底层基础架构（同系列模型/通用底座）——架构技术报告；下载链接见上方官方仓库，非论文页

⚠️ 链接 / 数据待二次核验

🔹 Skill #18　Midjourney v7（场景重建）

📦 安装量 / 热度：Midjourney 官方发布（v7 首周 200 万+ 调用） 🗓️ 上架 / 更新时间：2026-09（v7 更新） 🏷️ 功能类型：图文生成 · 场景重建 ⭐ 技术水平：★★★★☆ 产品级 / 场景能力突出

Midjourney v7 新增场景一致性与 3D 重建能力。

• 功能详解：支持从多视角图生成一致场景并做 3D 重建，配合图片编辑链完成复杂创作。
• 核心价值：把「生成单图」升级为「构建可编辑的 3D 场景」，扩展创作维度。
• 使用案例：生成一间客厅的多个视角并重建 3D，可直接导入渲染软件调整。
• 安装方式：

mj v7 –scene-reconstruct input.png # 官方 CLI（示意，以官方为准）

• 🔗 下载 / 官方链接：Midjourney 官方文档
• 推荐理由：v7 场景重建为产品功能，以官方文档为准，不硬凑论文。
• 📚 参考来源：
• [🔗 官方发布] Midjourney 官方文档 · 官方来源——v7 功能说明的官方来源（⚠️ 场景重建具体命令待官方确认）

⚠️ 链接 / 数据待二次核验

📅 Day 7 · 综合精选 · 本周 TOP

🔹 Skill #19　ChainSWE（多 bug 修复基准）

📦 安装量 / 热度：304 个问题链（链长增长性能最多降 70%） 🗓️ 上架 / 更新时间：2026-07（v1，9 月 v2） 🏷️ 功能类型：代码 Agent · 软件维护 ⭐ 技术水平：★★★★★ 基准级 / 评测创新

首个共享代码库中顺序依赖多 bug 修复基准。

• 功能详解：304 个问题链，链长增长时性能最多下降 70%，专门测试 Agent 的长链路代码维护能力。
• 核心价值：揭示代码 Agent「修完 A 引入 B」的真实痛点，推动可靠维护能力进化。
• 使用案例：评估一个代码 Agent 在真实仓库中连续修复多个关联 bug 的能力。
• 安装方式：

git clone https://github.com/chainswe/chainswe && cd chainswe && pip install -r requirements.txt

• 🔗 下载 / 官方链接：ChainSWE · GitHub 仓库
• 推荐理由：论文直接提出 ChainSWE 基准，是代码 Agent 评测的关键工作。
• 📚 参考来源：
• [🐙 GitHub 仓库] ChainSWE 官方仓库 · 官方来源——官方开源仓库
• [📄 学术论文] ChainSWE（arXiv:2607.02606） · 直接支撑（论文提出/实现了该能力）——论文提出该基准；下载链接见上方官方仓库，非论文页

🔹 Skill #20　LoopsBench（长时程 Agent 评估）

📦 安装量 / 热度：112 任务 / 5300+ 开发单元（最强组合解决率 25%） 🗓️ 上架 / 更新时间：2026-07（v1，8 月 v2） 🏷️ 功能类型：Agent · 长时程评测 ⭐ 技术水平：★★★★★ 基准级 / 评测创新

从「工具工程」走向「循环工程」的长时程 Agent 评测基准。

• 功能详解：112 任务、5300+ 开发单元，最强组合解决率仅 25%，聚焦 Agent 的自我修正循环。
• 核心价值：把评测重心从「单次调用」移到「循环迭代」，更贴近真实 Agent 使用。
• 使用案例：评测 Agent 在长任务中「失败 → 反思 → 重试」的闭环能力。
• 安装方式：

git clone https://github.com/loopsbench/loopsbench && cd loopsbench && pip install -r requirements.txt

• 🔗 下载 / 官方链接：LoopsBench · GitHub 仓库
• 推荐理由：论文直接提出 LoopsBench，定义长时程 Agent 评测新范式。
• 📚 参考来源：
• [🐙 GitHub 仓库] LoopsBench 官方仓库 · 官方来源——官方开源仓库
• [📄 学术论文] LoopsBench（arXiv:2608.00267） · 直接支撑（论文提出/实现了该能力）——论文提出该基准；下载链接见上方官方仓库，非论文页

🔹 Skill #21　TRAE Work（办公 Agent）

📦 安装量 / 热度：办公效率新锐（TRAE Work 周活 45 万+） 🗓️ 上架 / 更新时间：2026-09（榜单更新） 🏷️ 功能类型：Agent · 办公自动化 ⭐ 技术水平：★★★★☆ 产品级 / 场景刚需

面向办公场景的 Agent，自动处理文档、表格、邮件与协作流程。

• 功能详解：集成文档编辑、数据整理、会议纪要、跨应用操作，办公类 Agent 榜单居首。
• 核心价值：把「重复性办公操作」流水线化，是 Agent 落地最广的场景之一。
• 使用案例：自动把散落的会议录音、表格、邮件整理成结构化周报。
• 安装方式：

访问 trae.ai 下载桌面端（以官方为准）

• 🔗 下载 / 官方链接：TRAE 官方地址
• 推荐理由：办公类 Agent 榜首（官方榜单）；产品功能以官方发布页为准，不硬凑论文。
• 📚 参考来源：
• [🔗 官方发布] TRAE 官方发布 · 官方来源——官方产品地址（⚠️ 「办公类榜首」榜单来源待确认）

⚠️ 链接 / 数据待二次核验

💡 本周技术趋势小结

本文参考来源分布：📄 学术论文 8 · 📘 官方文档 3 · 🐙 GitHub 仓库 10 · 🔗 官方发布 9（论文仅作技术谱系说明，不构成下载入口）。

✍️ 本文由「技能推荐官」定时任务每周自动归档 · 数据渠道为联网检索（见文首），参考来源按类型与关联强度分类标注。