baoyu-skills：AI Coding Agent 深度研究市场分析技能套件完全指南

TextMatrix 发布于 2026-03-31 收录于技术笔记

baoyu-skills：AI Coding Agent 深度研究市场分析技能套件完全指南

§1 学习目标

完成本文档后，你将能够：

✅ 理解 baoyu-skills 的核心定位与设计理念
✅ 掌握 baoyu-skills 的七个核心技能
✅ 熟练安装和配置 baoyu-skills
✅ 使用 /baoyu-research 进行深度研究
✅ 使用 /baoyu-financial 获取实时股票数据
✅ 使用 /baoyu-market-analyze 分析市场动态
✅ 使用 /baoyu-linkedin 优化 LinkedIn 内容
✅ 使用 /baoyu-stocks 和 /baoyu-ticker 获取股票报价
✅ 使用 /baoyu-x 分析 Twitter/X 趋势

§2 项目概述

2.1 什么是 baoyu-skills？

baoyu-skills（官方仓库：JimLiu/baoyu-skills）是一套高级 AI Coding Agent 技能套件，为 Coding Agent 添加深度研究、市场分析、财务数据等功能。

Plannotator：AI 编码 Agent 交互式计划与代码审查工具完全指南

TextMatrix 发布于 2026-03-31 收录于技术笔记

Plannotator：AI 编码 Agent 交互式计划与代码审查工具完全指南

§1 学习目标

完成本文档后，你将能够：

✅ 理解 Plannotator 的核心定位与设计理念
✅ 掌握 Plannotator 的五大核心功能
✅ 熟练安装和配置 Plannotator（支持 Claude Code、Copilot CLI、OpenCode、Pi、Codex）
✅ 使用 Visual Plan Review 审核 Agent 计划
✅ 使用 Code Review 功能审查代码差异
✅ 配置团队协作与分享功能
✅ 理解端到端加密原理
✅ 为 Plannotator 贡献代码

§2 项目概述

2.1 什么是 Plannotator？

Plannotator（官方仓库：backnotprop/plannotator）是一个交互式计划与代码审查工具，专门为 AI 编码 Agent 设计。

Worktrunk：AI 并行开发 Git Worktree 管理器完全指南

TextMatrix 发布于 2026-03-31 收录于技术笔记

Worktrunk：AI 并行开发 Git Worktree 管理器完全指南

§1 学习目标

完成本文档后，你将能够：

✅ 理解 Worktrunk 的核心定位与设计理念
✅ 掌握 Worktrunk 的四个核心命令（switch/list/merge/remove）
✅ 熟练使用 Hooks 实现自动化工作流
✅ 配置 LLM Commit Messages 自动生成提交信息
✅ 使用 Merge Workflow 一键合并分支
✅ 启动多个 AI Agent 并行开发
✅ 调试和排查 Worktrunk 问题
✅ 为 Worktrunk 贡献代码

§2 项目概述

2.1 什么是 Worktrunk？

Worktrunk（官方仓库：max-sixty/worktrunk）是一个 Git Worktree 管理 CLI 工具，专门为并行运行 AI Agent 而设计。

Rivet：新一代 Actor 持久化运行时完全指南

TextMatrix 发布于 2026-03-31 收录于技术笔记

Rivet：新一代 Actor 持久化运行时完全指南

§1 学习目标

完成本文档后，你将能够：

✅ 理解 Rivet Actor 模型的核心思想与价值主张
✅ 掌握 Rivet 的技术架构（Engine + RivetKit）
✅ 理解 Actor 与传统基础设施的对比优势
✅ 熟练使用 RivetKit TypeScript/Python/Rust 客户端
✅ 构建 AI Agent 应用
✅ 实现多人协作应用
✅ 部署到 Self-Host 或 Rivet Cloud
✅ 理解 Rivet 的适用场景与选型建议

§2 项目概述

2.1 什么是 Rivet？

Rivet（官方仓库：rivet-dev/rivet）是一个新一代 Actor 持久化运行时，核心理念是：

AutoResearch：AI 自主科研智能体完全指南

TextMatrix 发布于 2026-03-31 收录于技术笔记

AutoResearch：AI 自主科研智能体完全指南

§1 学习目标

完成本文档后，你将能够：

✅ 理解 AutoResearch 的核心思想与愿景
✅ 掌握 AutoResearch 的技术架构
✅ 熟练部署和运行 AutoResearch 实验环境
✅ 理解三个核心文件的作用（prepare.py / train.py / program.md）
✅ 使用 AI 智能体自主运行实验
✅ 理解 val_bpb 评估指标
✅ 根据硬件平台调整超参数
✅ 为不同平台（MacOS/Windows/AMD）贡献移植版本

§2 项目概述

2.1 什么是 AutoResearch？

AutoResearch（官方仓库：karpathy/autoresearch）是 AI 自主科研智能体项目，核心理念是让 AI 智能体像人类研究员一样自主进行 LLM 训练实验。

NEAR Protocol 核心节点完全指南

TextMatrix 发布于 2026-03-31 收录于技术笔记

NEAR Protocol 核心节点完全指南

§1 学习目标

完成本文档后，你将能够：

✅ 理解 NEAR Protocol 的核心定位与技术架构
✅ 掌握 nearcore 作为参考实现的角色与价值
✅ 理解 NEAR 的共识机制与分片设计
✅ 熟练构建和运行 nearcore 节点
✅ 掌握智能合约开发（Rust + TypeScript）
✅ 理解 NEAR 的生态工具链
✅ 参与网络验证（Validator）
✅ 为 NEAR 协议贡献代码

§2 项目概述

2.1 什么是 NEAR Protocol？

NEAR Protocol（官方仓库：near/nearcore）是 NEAR 协议的参考实现，是一个为服务器级应用和智能合约提供支持的区块链基础设施。