60 kỹ năng, quy trình làm việc và dự án mã nguồn mở hàng đầu, Danh sách Đầy Đủ Nhất cho Claude Phát Triển
Tóm tắt: Cả nhà phát triển, người sáng tạo nội dung, người xây dựng sản phẩm và người mới học đều có thể sử dụng
Tiêu đề Gốc: Top 60 Kỹ Năng Claude, Luồng công việc và GitHub Repos cho AI—Danh sách đầy đủ.
Tác giả Gốc: Khairallah AL-Awady
Dịch: Peggy, BlockBeats
Biên tập viên Chú ý: Nếu bạn gần đây theo dõi về AI, rất dễ bị lầm tưởng: Có nhiều công cụ hơn nhưng ngược lại, các công cụ thực sự hữu ích lại ít đi.
Đối với hầu hết mọi người, vấn đề không phải là không có công cụ mà là cái nào xứng đáng sử dụng và bắt đầu từ đâu.
Danh sách này dựa trên các bài kiểm tra thực tế, đã hệ thống hóa hệ sinh thái công cụ AI hiện tại, lọc ra 60 công cụ và phân loại theo các cấp độ và tình huống sử dụng khác nhau: từ công cụ mã hóa và phát triển, đến khung agent và công cụ tích hợp, sau đó đến tự động hóa luồng công việc, xử lý dữ liệu và cơ sở hạ tầng, cuối cùng mở rộng đến nguồn tài nguyên học và con đường cập nhật liên tục.
Toàn bộ, nó vẽ ra một con đường rõ ràng từ "Sử dụng AI" đến "Xây dựng Hệ thống AI", cung cấp các con đường khác nhau cho người phát triển, người sáng tạo nội dung, người xây dựng sản phẩm và người mới học, giúp độc giả tìm thấy điểm bắt đầu phù hợp của mình trong hệ sinh thái công cụ phức tạp.
Trong bối cảnh các công cụ liên tục thay đổi, việc hệ thống hóa như vậy có lẽ có ý nghĩa hơn là chỉ đề xuất điểm duy nhất. Nó không cung cấp câu trả lời mà là một cách hiểu và sử dụng AI một cách hiệu quả hơn.
Dưới đây là bản gốc:
Tôi đã dành hơn 100 giờ để thử nghiệm các loại công cụ AI, vì vậy bạn không cần phải đi đường gồng lỗ nữa.
Hãy đánh dấu trang bài viết này trước :)
Hệ sinh thái công cụ AI năm 2026 đã đạt đến mức khiến mọi người bị "quá tải thông tin": Mỗi tuần đều có khung làm việc mới, mỗi ngày đều có agent mới, mỗi sáng GitHub đều có dự án mới leo lên bảng xếp hạng nóng.
Trong số đó, hầu hết chỉ là tiếng ồn. Một số có ích thực sự. Rất ít, sẽ thay đổi cách làm việc của bạn thực sự.
Tôi đã giúp bạn loại bỏ tiếng ồn đó.
60 công cụ dưới đây, đã được tôi tự kiểm tra và lọc ra, thực sự đáng để chú ý—được sắp xếp theo loại và đi kèm với các tình huống mà mỗi công cụ thực sự giỏi.
Gợi ý Lưu trữ, bạn có thể sẽ quay lại sử dụng nhiều lần.
Phần 1: AI Agent & IDE Lập trình
Các công cụ trong loại này cho phép AI hỗ trợ bạn viết mã, xem xét mã, thậm chí quản lý toàn bộ quy trình phát triển.
Điểm quan trọng là: Đây thực sự là những công cụ có thể chạy trong quy trình làm việc thực tế, không chỉ dừng lại ở bản demo.
1. Claude Code
Agent lập trình dòng lệnh do Anthropic phát triển. Có thể đọc tệp, viết mã, chạy kiểm thử trực tiếp trong môi trường cục bộ của bạn.
Nếu bạn muốn giữ hoàn toàn kiểm soát trong phát triển được hỗ trợ bởi AI, đây là "tiêu chuẩn vàng" hiện tại.
https://docs.anthropic.com/en/docs/claude-code
2. Cursor
Trình soạn thảo mã ưu tiên AI dựa trên VS Code. Hỗ trợ tự động hoàn thiện trong dòng, trò chuyện với thư viện mã, chỉnh sửa nhiều tệp.
Thích hợp cho những nhà phát triển muốn tích hợp AI một cách mượt mà vào quy trình phát triển hiện tại.
https://www.cursor.com
3. Codex CLI
Agent lập trình cuối do OpenAI phát triển. Sử dụng hướng dẫn bằng ngôn ngữ tự nhiên, nó sẽ đọc thư viện mã, tạo và thực thi mã.
Hiệu suất mạnh mẽ trong việc thực hiện nhiều bước trong một nhiệm vụ.
https://github.com/openai/codex
4. Windsurf
IDE lập trình AI do Codeium phát triển. Agent Cascade của nó hỗ trợ chỉnh sửa nhiều tệp, hiểu sâu về thư viện mã, và "luồng mã hóa nhút nhát".
Tăng trưởng nhanh chóng.
https://codeium.com/windsurf
5. Siêu Năng Lực
Bộ sưu tập hơn 20 kỹ năng thực tiễn dành cho Claude Code, bao gồm TDD, debug, pipeline từ kế hoạch đến thực thi, v.v.
GitHub với hơn 96.000 sao. Nếu bạn đang sử dụng Claude Code, đề xuất cài đặt ngay từ lần đầu tiên.
https://github.com/obra/superpowers
6. Spec Kit (GitHub)
Công cụ "phát triển dựa trên spec": viết bản spec trước, sau đó sử dụng AI để tạo mã. Bắt buộc bạn suy nghĩ kỹ trước khi bắt tay vào thực hiện. GitHub với hơn 50.000 sao.
https://github.com/github/spec-kit
7. Aider
Công cụ lập trình AI đôi trong terminal, hỗ trợ cho bất kỳ LLM nào.
Đặc biệt mạnh mẽ trong việc xử lý thư viện mã nguồn mở đã có. GitHub với hơn 30.000 sao.
https://github.com/paul-gauthier/aider
Phần 2: Khung Agent
Được sử dụng để xây dựng các hệ thống tự động có thể "suy nghĩ - hành động - lặp lại".
8. OpenClaw
Agent AI mã nguồn mở cấp độ hiện tượng. Hỗ trợ chạy lâu dài, đa kênh (WhatsApp / Telegram / Discord), và có khả năng tự viết kỹ năng.
GitHub với hơn 210.000 sao, là một trong những điểm khởi đầu dễ nhất cho Agent AI cá nhân hiện tại.
https://github.com/openclaw/openclaw
9. LangGraph
Sử dụng cấu trúc đồ thị để sắp xếp nhiều agent: hỗ trợ logic nhánh, can thiệp của con người (human-in-the-loop), trạng thái bền vững.
https://github.com/langchain-ai/langgraph
10. CrewAI
Khung làm việc hợp tác nhiều agent, mỗi agent đều có vai trò, mục tiêu và "bản thể".
Thích hợp để mô phỏng quy trình làm việc nhóm.
https://github.com/crewAIInc/crewAI
11. AutoGPT
Khung làm việc agent hoàn toàn tự động hàng đầu, phù hợp cho nhiệm vụ chạy lâu dài.
So với các phiên bản trước đó, đã trưởng thành nhiều.
https://github.com/Significant-Gravitas/AutoGPT
12. Dify
Nền tảng xây dựng ứng dụng LLM nguồn mở, tích hợp workflow, RAG, agent và quản lý mô hình lại.
Khá thân thiện với người không phải là nhà phát triển.
https://github.com/langgenius/dify
13. OWL
Khung làm việc hợp tác nhiều agent, vượt trội trong bài kiểm tra GAIA.
Là biểu tượng của xu hướng nghiên cứu tiên tiến hướng tới việc thực tiễn hóa.
https://github.com/camel-ai/owl
14. CopilotKit
Cho phép nhúng trực tiếp Cộ đồng AI vào ứng dụng React.
Không chỉ nâng cao hiệu suất phát triển, mà còn biến AI thành một phần của sản phẩm.
https://github.com/CopilotKit/CopilotKit
15. pydantic-ai
Khung agent an toàn về loại dữ liệu dựa trên Pydantic.
Thích hợp cho các nhà phát triển Python mong muốn đầu ra có cấu trúc và có thể xác minh.
https://github.com/pydantic/pydantic-ai
Phần 3: Tích hợp Dịch vụ và Công cụ MCP
MCP (Model Context Protocol) giúp AI thực sự "kết nối với thế giới". Kỹ năng là cách chỉ dẫn nó cách thực hiện, MCP là cách "cho phép nó thực hiện".
16. Tavily
Công cụ tìm kiếm được thiết kế đặc biệt cho agent AI, không phải là các liên kết màu xanh dương, mà là dữ liệu có cấu trúc, có thể được sử dụng trực tiếp bởi LLM.
Cung cấp bốn công cụ: tìm kiếm, trích xuất, lục, bản đồ, có thể kết nối với MCP trong một phút.
https://github.com/tavily-ai/tavily-mcp
17. Context7
Chèn tài liệu thư viện mới nhất vào bối cảnh của LLM.
Không còn "API ảo" hoặc phương pháp lỗi thời.
Chỉ cần thêm vào dòng lệnh "use context7" trong prompt, là có thể tự động kéo tài liệu mới nhất.
https://github.com/upstash/context7
18. Trí Tuệ Nhân Tạo Quản Lý Nhiệm Vụ
Quản lý dự án AI của bạn. Nhập PRD, nó sẽ phân rã thành các nhiệm vụ có phụ thuộc.
Sau đó, bởi Claude thực hiện từng bước, biến quá trình phát triển lộn xộn thành một dây chuyền có tổ chức.
https://github.com/eyaltoledano/claude-task-master
19. MCP Playwright
Cung cấp khả năng tự động hóa trình duyệt cho LLM.
Có thể điều khiển trình duyệt thực sự bằng ngôn ngữ tự nhiên: kiểm thử, crawling, tương tác đều có thể thực hiện.
https://github.com/executeautomation/mcp-playwright
20. fastmcp
Xây dựng dịch vụ MCP nhanh chóng với số lượng mã Python tối thiểu nhất.
Là một trong những con đường nhanh nhất để tạo bộ công cụ tùy chỉnh cho các mô hình như Claude.
https://github.com/jlowin/fastmcp
21. markdownify-mcp
Chuyển đổi định dạng từ PDF, hình ảnh, âm thanh và nhiều định dạng khác thành Markdown.
Biến mọi tài liệu thành luồng làm việc AI.
https://github.com/zcaceres/markdownify-mcp
22. MCPHub
Quản lý nhiều dịch vụ MCP thông qua HTTP.
Một bảng điều khiển để quản lý tất cả các kết nối công cụ.
https://github.com/samanhappy/mcphub
Phần 4: Kỹ Năng của Claude (Được Chọn Lọc)
Kỹ năng có thể trang bị Claude với "Khả năng làm việc chuyên nghiệp". Hiện tại cộng đồng đã có hơn 8 vạn kỹ năng, dưới đây là những kỹ năng thực sự đáng cài đặt.
23. Xử lý PDF (Chính Thức)
Hỗ trợ đọc PDF, trích xuất bảng, điền vào biểu mẫu, hợp nhất và chia tách tệp.
Đối với người làm về kiến thức, đây là một trong những kỹ năng hữu ích nhất.
https://github.com/anthropics/skills/tree/main/skills/pdf
24. Thiết Kế Frontend (Chính Thức)
Sử dụng để xây dựng hệ thống thiết kế thực sự có thể sử dụng, bao gồm kiểu chữ đậm và giao diện người dùng có thể triển khai.
Có thể thoát khỏi phong cách thiết kế "sinh ra từ trí tuệ nhân tạo" phổ biến. Đã có hơn 27.7 vạn cài đặt.
https://github.com/anthropics/skills/tree/main/skills/frontend-design
25. Tạo Kỹ Năng (Chính Thức)
Một "Kỹ năng mẹ". Sử dụng ngôn ngữ tự nhiên mô tả quy trình làm việc của bạn, tạo SKILL.md hoàn chỉnh trong vòng 5 phút.
Không cần viết cấu hình, cũng có thể tạo kỹ năng mới.
https://github.com/anthropics/skills/tree/main/skills/skill-creator
26. Kỹ Năng Marketing (Corey Haines)
Bao gồm CRO, viết copy, SEO, tự động hóa email, chiến lược tăng trưởng và 20+ kỹ năng khác.
Tương đương với việc "modular hóa" toàn bộ khả năng của một đội ngũ tiếp thị.
https://github.com/coreyhaines31/marketingskills
27.Claude SEO
提供全站审计、结构化数据校验、关键词分析等功能。
共 12 个子技能，覆盖完整 SEO 工作流。
https://github.com/AgriciDaniel/claude-seo
28.Obsidian Skills
由 Obsidian CEO 开发。支持自动打标签、自动链接，以及与知识库（vault）的深度整合。
如果你在用 Obsidian，这基本是必装。
https://github.com/kepano/obsidian-skills
29.Context Optimization
用于降低 token 成本、提升 KV cache 效率。
可以显著降低 API 使用成本。GitHub 13,900+ stars。
https://github.com/muratcankoylan/agent-skills-for-context-engineering
30.Deep Research Skill
8 阶段研究流程 + 自动续写机制。
适合需要 Claude 做「深度研究」而非浅层总结的场景。
https://github.com/199-biotechnologies/claude-deep-research-skill
Phần 5: AI Cục Bộ và Chạy Mô Hình
Chạy mô hình trên thiết bị cục bộ: Bảo mật cao hơn, đáp ứng nhanh hơn, không cần chi phí API.
31.Ollama
Chạy mô hình mã nguồn mở lớn trên thiết bị cục bộ thông qua một lệnh. Hỗ trợ Llama, Mistral, Gemma, v.v.
Lối đi nhanh nhất từ không gian AI cục bộ.
https://github.com/ollama/ollama
32.Open WebUI
Giao diện ChatGPT tự tổ chức. Đơn giản, nhanh chóng, đầy đủ tính năng.
Kết hợp với Ollama, bạn có thể xây dựng hệ thống AI hoàn toàn riêng tư.
https://github.com/open-webui/open-webui
33.LlamaFile
Gói toàn bộ mô hình lớn thành một tệp thực thi.
Không cần phụ thuộc, tải xuống và chạy ngay, cực kỳ đơn giản.
https://github.com/Mozilla-Ocho/llamafile
34.Unsloth
Tăng tốc độ điều chỉnh mô hình gấp đôi, đồng thời giảm 70% bộ nhớ sử dụng.
Nếu bạn cần huấn luyện mô hình của riêng mình, đây là một điểm khởi đầu tốt.
https://github.com/unslothai/unsloth
35.vLLM
Máy suy luận có khả năng xử lý cao, hiệu suất nhanh gấp 2-4 lần so với các giải pháp truyền thống.
Một trong các lựa chọn phổ biến hiện nay cho việc triển khai mô hình mã nguồn mở.
https://github.com/vllm-project/vllm
Phần 6: Quy trình làm việc và Tự động hóa
Đưa trí tuệ nhân tạo vào công cụ và quy trình hiện có của bạn.
36.n8n
Công cụ tự động hóa quy trình làm việc mã nguồn mở, hỗ trợ 400+ tích hợp và nút trí tuệ nhân tạo, có thể tự tổ chức.
Một trong những trình xây dựng tự động hóa trực quan mạnh mẽ nhất hiện nay.
37.Langflow
Xây dựng luồng agent thông qua kéo thả. Với hơn 140,000 sao trên GitHub.
Có thể xây dựng luồng agent phức tạp mà không cần viết code.
https://github.com/langflow-ai/langflow
38.Huginn
Web agent tự tự tổ chức, được sử dụng để giám sát, cảnh báo và thu thập dữ liệu.
Nhấn mạnh về quyền riêng tư, tất cả các tự động hóa chạy trên máy chủ của bạn.
https://github.com/huginn/huginn
39.DSPy
Sử dụng "chương trình" thay vì "prompt" để điều khiển mô hình.
Framework xuất phát từ nghiên cứu của Stanford, phù hợp cho các tình huống đòi hỏi tính ổn định cao.
https://github.com/stanfordnlp/dspy
40. Temporal
Engine đồng bộ công việc "Bản đồ công việc bền vững" hướng đến các nhiệm vụ chạy trong thời gian dài.
Khi quy trình tự động hóa của bạn cần xử lý các tình huống như sự cố, thử lại, vượt quá thời gian thực hiện, đây là giải pháp tiêu chuẩn.
https://github.com/temporalio/temporal
Phần 7: Tìm kiếm, Dữ liệu và RAG
Cho phép thông tin đi vào và ra khỏi hệ thống AI.
41. Nhà Nghiên Cứu GPT
Đại diện nghiên cứu tự động, có thể tạo ra báo cáo có cấu trúc.
Nhập một chủ đề, tạo ra phân tích đầy đủ với các trích dẫn nguồn thông tin.
https://github.com/assafelovic/gpt-researcher
42. Firecrawl
Chuyển đổi bất kỳ trang web nào thành định dạng dữ liệu thích hợp cho LLM.
Công cụ lấy dữ liệu dành riêng cho đường ống AI.
https://github.com/mendableai/firecrawl
43. Vanna AI
Chuyển đổi ngôn ngữ tự nhiên thành SQL.
Đặt câu hỏi bằng tiếng Anh, tạo ngay công thức truy vấn cơ sở dữ liệu.
Phù hợp cho những người không muốn viết SQL nhưng cần làm việc với dữ liệu.
https://github.com/vanna-ai/vanna
44. Instructor
Thực hiện việc đưa bất kỳ đầu ra LLM nào thành JSON có cấu trúc thông qua mô hình Pydantic.
Hỗ trợ cho hơn 15 nhà cung cấp như OpenAI, Anthropic, Google, vv.
Là lựa chọn thực tế của nhiều kỹ sư AI sản xuất.
https://python.useinstructor.com
45.Chroma
Database vector mã nguồn mở.
Một trong những cách đơn giản nhất để thêm tìm kiếm ngữ nghĩa và bộ nhớ dài hạn cho ứng dụng AI.
https://github.com/chroma-core/chroma
46.dlt
Công cụ ống dẫn dữ liệu hướng đến LLM, có thể kết nối với 5000+ nguồn dữ liệu.
Giúp bạn nhập mọi loại dữ liệu vào quy trình làm việc AI.
https://github.com/dlt-hub/dlt
47.ExtractThinker
ORM dành cho thông minh tài liệu.
Có thể trích xuất dữ liệu có cấu trúc từ bất kỳ loại tài liệu nào.
https://github.com/enoch3712/ExtractThinker
Part 8: API và Cơ sở hạ tầng
Đường ống cơ sở thực sự để làm cho mọi thứ chạy trong môi trường sản xuất.
48.FastAPI
Framework Web Python để triển khai ứng dụng AI.
Tài liệu rất đầy đủ và tích hợp kiểm tra dữ liệu Pydantic.
https://github.com/tiangolo/fastapi
49.Portkey Gateway
Kết nối thông qua một API với 250+ LLM.
Chuyển đổi mô hình mà không cần thay đổi mã.
https://github.com/Portkey-AI/gateway
50.OmniRoute
Hỗ trợ API Proxy cho 44+ nhà cung cấp AI.
Cung cấp cân bằng tải, chuyển đổi lỗi và tối ưu chi phí.
https://github.com/diegosouzapw/OmniRoute
51.lmnr
Sử dụng để theo dõi và đánh giá hành vi của agent.
Có thể rõ ràng nhìn thấy điều agent đang làm và đo lường xem hiệu suất của nó có đạt chuẩn không.
https://github.com/lmnr-ai/lmnr
52.Codebase Memory MCP
Chuyển codebase của bạn thành một "Đồ thị tri thức bền vững".
Để cho Claude có thể nhớ toàn bộ cấu trúc dự án qua các phiên giao tiếp.
https://github.com/DeusData/codebase-memory-mcp
Phần 9: Bộ Sưu Tập Chọn Lọc và Tài Nguyên Học Tập
Ở đâu để liên tục nhận thông tin và không ngừng cải tiến nhận thức.
53.Awesome Claude Skills
Bộ sưu tập kỹ năng chọn lọc, có hơn 2.2 vạn sao trên GitHub.
Nơi tìm kiếm lựa chọn kỹ năng mới.
https://github.com/travisvn/awesome-claude-skills
54. Kho Năng Lực Anthropic
Anthropic Repositories chính thức về Năng Lực.
Cũng là "mẫu mực tiêu chuẩn" hiện tại của việc xây dựng Năng Lực.
https://github.com/anthropics/skills
55. Các Điểm Đặc Sắc về Agent
Danh sách tổng hợp các công cụ Agent mã nguồn mở hàng đầu với hơn 100 mục.
https://github.com/kyrolabs/awesome-agents
56. Hướng Dẫn Prompting
Hướng dẫn toàn diện từ cơ bản đến nâng cao về Prompting.
57. Hướng Dẫn Kỹ Thuật Prompt Anthropic
Bao gồm 9 chương + Bài tập thực hành trên Jupyter Notebook.
Là một trong những con đường học Prompt hệ thống nhất.
https://github.com/anthropics/prompt-eng-interactive-tutorial
58. SkillsMP
Nền tảng thị trường với hơn 80,000 kỹ năng từ cộng đồng.
Là thư mục kỹ năng Claude lớn nhất hiện nay.
59.MAGI//ARCHIVE
Mỗi ngày cập nhật kho dự án AI mới nhất.
Dùng để theo dõi tiến triển hàng đầu.
https://tom-doerr.github.io/repo_posts/
60.Tài Liệu Chính Thức của Anthropic
Bao gồm tất cả nội dung cốt lõi như API, Prompt, gọi công cụ, agent, v.v.
Nếu bạn định nghiêm túc với sản phẩm AI, bạn nên đọc từ đầu đến cuối.
Làm thế nào để thực sự sử dụng danh sách này
Đừng cố gắng cài đặt đồng thời 60 công cụ này. Điều đó chỉ làm cho bạn bị quá tải thông tin và lãng phí thời gian.
Tôi khuyên bạn nên sử dụng như sau:
Nếu bạn là nhà phát triển: Bắt đầu từ Claude Code (01) + Superpowers (05) + Context7 (17) + Tavily (16).
Việc kết hợp này có thể giúp bạn xây dựng một môi trường lập trình AI mạnh mẽ có khả năng tìm kiếm và hỗ trợ tài liệu.
Nếu bạn là người sáng tạo / làm việc có kiến thức: Bắt đầu từ OpenClaw (08) + Obsidian Skills (28) + PDF Processing (23) + Frontend Design (24).
Việc kết hợp này có thể cung cấp cho bạn một trợ lý AI có khả năng quản lý tài liệu, xử lý tài liệu và sáng tạo nội dung.
Nếu bạn đang làm sản phẩm: Bắt đầu từ FastAPI (48) + Instructor (44) + Chroma (45) + LangGraph (09).
Việc kết hợp này bao gồm việc sử dụng khung backend, đầu ra có cấu trúc, hệ thống nhớ và khả năng xếp lịch trình của agent, đủ để hỗ trợ một ứng dụng AI sản xuất.
Nếu bạn chỉ muốn học: Bắt đầu từ Hướng dẫn Anthropic (57) + Hướng dẫn Prompting (56) + Tài Liệu Chính Thức của Anthropic (60).
Hãy củng cố cơ bản trước, sau đó mới xem xét công cụ.
Chọn một con đường và bắt đầu sử dụng sâu hơn.
Chờ cần đến, sau đó từ từ mở rộng công cụ.
TL;DR
Kỹ năng = Dạy cho AI "làm thế nào để làm tốt hơn"
MCP = Cung cấp khả năng cho AI "truy cập các công cụ và dữ liệu bên ngoài"
Repos = Cung cấp cơ sở hạ tầng mã nguồn mở cho mọi thứ
Kết hợp ba yếu tố này với nhau, bạn sẽ không chỉ nhận được "một bản demo cool" mà là một luồng công việc AI thực sự hiệu quả.
Vậy là tất cả. 60 công cụ. Bây giờ, hãy bắt đầu làm điều gì đó.
Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:
Nhóm Telegram đăng ký: https://t.me/theblockbeats
Nhóm Telegram thảo luận: https://t.me/BlockBeats_App
Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia
