大家好！我是一个 agent 相关的研究者，也是一个萌新 quant ORZ ，想来推广下自己做的小工具
不知道大家有没有这种困扰：
为此真正将这些零散的页面转为知识和生产力，又不想在本地部署功能过于成熟的 AI 知识库（感觉光配置就要折腾好久...），于是我做了这样一个相对简单的工具 Tapestry 🧵，中文名可以叫织锦（感觉挺贴切的）。简单说，它是一个 AI 原生的技能包，让你通过和 Claude Code （或其他 Agent 框架, OpenClaw, Codex 等应该都支持）对话，就能：
repo 链接：https://github.com/NatsuFox/Tapestry
看起来知识库 UI 和终端演示都无法预览，请前往 repo 了解详情
下面有些例子，都是可以直接跑通的（我用的是 opus-4.6 with max effort ，跑通 workflow 完全没压力）。当然我之后也会不断添加 crawler 实现，争取支持更广泛的数据源，向 yt-dlp 这样的大作看齐。
出于个人偏好吧，比较喜欢可扩展，但同时结构又非常清晰简洁的设计（可能也是因为太早期，功能太少...）。这样开源以后，自己做定制化什么的也都会很方便。
下面是一些使用场景示例：
场景 1：追踪技术讨论
"摄取这几个 HN 讨论：
https://news.ycombinator.com/item?id=123
https://news.ycombinator.com/item?id=456"
"综合这些讨论，找出共同观点"
场景 2：归档研究资料
"摄取这个知乎问题下的所有高赞回答"
"在知识库中创建新主题：机器学习基础"
"把这些回答组织到新主题下"
场景 3：内容策展
"摄取这个博主的所有文章"
"生成这个博主的内容摘要"
其实场景是很多的，怎么用都行。现在 Agent 已经足够智能，我所做的也是将更复杂的/重复性的任务做好定义而已。过程中，AI 会自动爬取、分析、整理成一篇结构化的笔记。如果笔记积累到一定程度，就可以自动构建一本书出来。为了便于查看这样的知识库，我也写了一个前端页面，实时从本地数据中构建。
更具体来说，目前这个项目支持：
安装上，当作一般的 skill 就行了，各种 agent 框架，只要兼容 agent skills 规范，就都是一样的。
不过我这个和一般的独立 skill 其实也有区别，主要就在于是一个 skill bundle ，抽取了共享的代码实现、profile 、配置等等，这就引出了一些目前的设计范式问题和一些个人思考。我看近期一些比较火且类似范式的项目，都还没有很标准化的设计。结尾我会详细探讨。
具体的安装命令如下：
# 克隆仓库
git clone https://github.com/NatsuFox/Tapestry.git
cd Tapestry
# 链接到 Claude Code （或其他框架，比如 .codex/skills/, .clawd/skills/）
ln -s "$(pwd)/skills/tapestry" ~/.claude/skills/tapestry
# 让 AI 帮你安装依赖
# 在 Claude Code 中输入：
"安装 Tapestry 的依赖"
agent 会自动检测你的环境，生成安装计划，征求你同意后自动安装必要的依赖（比如 playwright ）。这也是单独设计的一个 skill ，期望能用 agent 的本体智慧提高跨平台兼容性。
这个项目刚起步，之前一直以来的习惯是，喜欢自己开发点工具，放到本地来用，也不开源（研究相关的代码除外）。但前段时间也是见证了社区的汹涌力量。既然也是我日常要用的，为什么不聚起来有同样需求且有能力和兴趣的网友一起来推进呢？现在这样的时代，涉及到 AI Vibe 的工作流，最大的瓶颈就在人本身。目前我也还没有过这样看到项目迅速成长的经历，所以想要试试看。
为此，非常欢迎朋友们：
充斥着过剩自我意识的不一定正确的思考，赶时间的朋友可以直接跳过
这个项目的初衷很简单：我想要一个能帮我管理网络知识的工具，而不是让我被书签淹没。尤其是那些零散的知识、页面、链接，日复一日，也积累了很多了，然而从未仔细学习过 XD ，我觉得知识库是缓解人在 AI Vibe 链路中瓶颈作用的重要工具，尤其是定制化的知识库，因为可以加快知识的吸收摄取。使用 AI 工具的效果，目前看很大程度上还是取决于使用者自己的认知水平和知识积累的。
关于这种 skill bundle 的设计，主要受到 ARIS 这个项目的启发。目前规范的 agent skills 接口定义，还不支持（就是没有规范说明）如何处理多个 skill 之间共享代码、配置、profile 等的问题。Claude Code 虽然支持以 plugin 的形式引入，但毕竟只有它一家支持，而且也不是很美观。所以我现在的设计是把 sub-skill 包在 skill bundle 里，这个 bundle 本身也定义为一个 skill ，但是是用来驱动整个流程的。这导致用户无法直接调用 sub-skill （嵌套的 skill 不会被识别），但实测完全可以通过 bundle skill 路由到 sub-skill ，现在大模型已经足够聪明，来做这些随机应变。如果不这样设计，就要直接把包内的零散 skill 都拷贝到 .claude/skills/ 下，再配合大量软链接指向共享实现。这实在太丑了。
因为 skill 等的存在，尤其是现在如此火热的生态，我觉得 OpenClaw 这些其实还是很有用的，并不完全是炒作。就像操作系统内核一样，提供了接口，给了 skills, memory 和 personality 这些新范式充分的自定义的灵活性。很多感兴趣的人也可以通过这样一个早期的玩具，提前窥探、适应甚至改进 AI 大流行之后的人机交互模式。考虑到 agent skills 的接口规范足够简单，所以可预见的将来，skill 应该会像天然跨平台的 app 一样，成为 agent 生态中的重要一环。而这个 agent 具体是 claude code, codex, openclaw, nanoclaw 还是什么别的，其实都不太重要。
过段时间也会发布用于 A 股市场各种操作的 skill bundle （目前这个 repo 也已经 init 起来并 public 了）。至于为什么做这个，首先是我觉得炒股还是挺有意思的😂，其次是发现很多已有的 stock agent 框架，似乎都喜欢在内部自己再实现一个 agent ，导致用你家的，也要重配一遍，用他家的，也要重配一遍，确实是麻烦。如果能实现为 skill bundle ，就也如上所言，可以拿着这套 skill 走天下了，管它什么 agent 。而且我很喜欢那种可积累的、可自我成长甚至能自我迭代的 skill ，而非钉死的工作流。所以我后面计划做的 skill bundle 都会是这样的风格，争取制造一种越用越爽的体验。Tapestry 就是第一个（本地积累笔记、知识库）。
有些啰嗦，其实还是来推广自己的项目的，欢迎感兴趣的朋友们使用，点点 star 或是一起讨论 :)
P.S. 项目目前处于早期访问阶段，可能会有一些 Bug 和不完善的地方，欢迎随时反馈 🙏 近期我也在全力推进，毕竟自己也着急用哈哈
P.P.S. 第一次在 V2EX 上发帖，如有不当之处欢迎大家指正 🙏
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。