这里收录一些我在法律专业使用AI方面阅读文章的笔记

1.《我用 AI Agent 翻译了一本德文法学教科书》

作者：马强伟

在对话窗口时代，用AI翻译文献必须借助OCR，此时AI只是辅助，而且需要打磨prompt，核心在于：要求 AI 扮演德汉法律翻译专家，重点破除翻译腔、拆解德语长难句、统一专业术语，并设定了“初稿→自我诊断→定稿”的三步工作流。

AI Agent的特点是：可以安装在电脑上，直接读取、控制和编辑本地文件。你可以用自然语言指挥它干活。

Claude 现在还推出了桌面版的 Claude Coworker，有传统的软件交互界面，OpenAI 推出了 Codex 应用版、谷歌的 Antigravity 也很不错。MiniMax也有本地 AI Agent 工具。

（等DeepSeek有了专门的工具我也会试试，目前我用的是Claude Code）

利用Claude Code进行翻译的流程：把人工翻译的流程还原出来，让 AI 照着做。

具体包括

①把书末的关键词索引翻译出来，统一全书重要术语，再逐章翻译正文

②把传统的 PDF 文献转换成 Markdown 格式

第一步 PDF 转 Markdown

传统 PDF 文献是为印刷设计的，页眉页脚、分栏排版、脚注尾注，人读着方便，但 AI 读起来很容易上下文断裂、结构错乱。Markdown 是纯文本格式，没有复杂排版，是最方便 AI 阅读和处理的格式。

该项工作可以让Claude Code代劳

如果是需要 OCR 的扫描版文献，难度要更大一点，因为目前的 OCR 工具准确度还不能满足翻译的精准要求。最经济的方式还是让 Claude Code 直接调用国内比较便宜的支持 OCR 的大模型 API，例如千问 OCR 模型，把模型的说明文档发给 Claude Code，它可以自己写脚本完成 OCR 任务。

对于特殊格式（如德文著作）还需要具体说明，例如：在原文段落的首行的左边或右边有一个数字，是德文著作中的边码，需要保留，用【1】这样的格式统一放在段落首行；原文中有脚注，要准确提取为 Markdown 格式的脚注，统一放在文档末尾。

按照同样的流程把全部章节导出为 Markdown 文件后，开始关键词的翻译工作。

第二步   术语统一

此时需要借助词典，常用方法是：把一本常用的德汉法律词典转成了词条格式，也用 Markdown 文件保存，方便 AI 工具检索。

例如：

文件中词条的格式如下（每一行也一个单词，方便AI检索）：

**Zivilgericht** (Neutrum, 中性名词)：民事法院  

**zivilgerichtlich** (Adjektiv, 形容词)：民事法院的,民事诉讼的  

**Zivilgerichtsbarkeit** (Femininum, 阴性名词)：民事审判权, 民事诉讼管辖权

之后让 Claude Code 参照词条中的译法，把关键词索引翻译成中文。完成后换 Codex 去审核和标注。

第三步   逐章翻译与交叉审核

Skill 也是一个 Markdown 文件，里面写好了你要 AI 执行的全部指令——角色设定、工作步骤、注意事项等等。和直接把 prompt 一股脑丢给 AI 不同，Skill 可以分步骤、按条件地向 AI 披露指令：先做什么、再做什么、遇到什么情况怎么处理，像一份详细的操作手册。在skill的顶部是对这个技能的描述，除了用户指明调用某个skill外，在自然语言交流中如果触发关键词，AI Agent也会主动调用。所以，你还可以安装很多个 Skill，AI Agent 会根据每个 Skill 的描述，在需要的时候自动判断该调用哪一个。

AI Agent 相比对话式 AI 的一个优势：你可以把自己的经验沉淀为可复用的工具，越用越顺手。

术语统一完成后，我把翻译 prompt 发给 Claude Code，让它帮我生成了一个 Skill。

作者这里用的是Codex（因为Claude太贵），然后用Antigravity 以专业编辑的身份去审核

三、启示

1.先用起来。

提早把 AI 融入自己的工作流，你才能发现哪些活 AI 能干、哪些干不了，然后你才会想怎么去解决这些痛点。更重要的是，只有开始用了，你才会发现自己现有的工作方式哪些地方是不兼容 AI 的。

2.不要创造伪需求。

一方面它还没有成熟到让我完全脱离电脑，另一方面我的大部分工作本来就是在电脑前完成的——“用手机指挥 AI 干活”在现阶段对我来说就是一个伪需求。

3.AI 放大的是你已有的经验，不是凭空给你经验。

AI 复现的是最后那个“建造”的动作，前面那些认知劳动全是人完成的。换一个不懂的人，给 AI 同样的篇幅，大概率出不来能用的东西。

AI 可以快速生成译文，但术语对不对、句意准不准、概念在中国法语境下能不能用——这些判断只有懂行的人才能做。越是功力深厚的译者，越能发现不容易察觉的翻译错误；功力不够的人来审校，错误照样会漏过去。

也就是说，尽早用起来就是在摸索怎么更好地把自己的专业经验传导给 AI。

法律人的核心竞争力还是在对法律问题的理解和判断。AI 不会改变这一点，但它正在改变我们把理解和判断落地的方式。

重要的其实是主动接纳AI进入我们的工作流程中。我更建议的方式是：选一个工具装上，遇到不会的直接问 AI 本身。这恰恰就是使用 AI Agent 的第一课。

附录：作者早期借助AI翻译法学文献的prompt

2.《你可以把思考外包，但不能把理解外包》

作者：马强伟

地址：https://mp.weixin.qq.com/s/GXY4A--IducMdwKZclXqsQ

大模型的文本其实是可以加水印的——不是肉眼能看到的那种，而是藏在用词选择的统计规律里。

到现在，国内主流大模型厂商基本都是加一个可见的“AI 生成”标签和文件元数据。没有谁公开部署统计层面的文本水印。原因也好理解：水印可以被改写绕过。

在 AI 时代，大量脑力活动确实可以外包出去：检索、整理、翻译、起草，Agent 都能做。但你自己“懂不懂”，是没办法外包的，只能靠自己学出来。说到底，还是那句话，AI 放大的是已有的经验，不会凭空给你经验。

大胆用这些工具，甚至要主动去用。但你一定要能理解 AI 给你的东西。一个法律适用观点、一段论证摆在面前，你得知道它对不对，好在哪、差在哪。如果自己基本功不扎实，分不清对错，甚至根本读不懂它在说什么，那才是真正有问题的。

3.《Agent 帮我出的民诉案例题》

作者：马强伟

地址：https://mp.weixin.qq.com/s/MIJGg9pbrDBzepZwnIkX2w

对于需要创新性的规范法学研究论文，目前Agent还做不好。规范背后的价值评判太难了。人类自己还没搞清楚、无法用语言精确描述的东西，指望语言大模型来解决，还很遥远。

但是，毕竟不是所有的研究内容都涉及这么复杂的价值评价问题，所以 Agent 在法学论文写作中还是大有可为。

比如：文献梳理（尤其是比较法文献）；讨论思路（发送问题和材料后讨论）；法律检索（准备法律法规、司法解释和案例集）

让人担心的可能是，Agent 的出现让论文变得更容易被制造出来。真正让人担忧的是，我们的学术界还有没有识别出优秀研究成果的能力。

📝 让 Agent 出案例题

案例 1：建设工程质量保函纠纷中的共同诉讼、管辖与上诉效力

（重点：共同诉讼管辖竞合、主-保共同诉讼性质、证明责任分配与鉴定费承担、上诉审理范围与不利益变更禁止）

案情

甲建设投资有限公司（B 公司，住所地 A 市）于 2024 年 3 月与乙建筑工程有限公司（U 公司，住所地 B 市）签订《建设工程施工合同》一份，约定 U 公司承建 B 公司在 D 市开发的"星河商业广场"项目，合同价款人民币 8000 万元，工期 12 个月。合同第 37 条载明：「因本合同发生的争议，双方协商不成的，由发包人住所地人民法院管辖。」（即约定由 A 市法院管辖）

为保证工程质量，合同另约定 U 公司应在开工前提供「工程质量保函」一份。2024 年 4 月 5 日，C 银行 C 市分行（X 银行，住所地 C 市）应 U 公司申请向 B 公司开具《工程质量保函》，承诺：「在受益人（B 公司）出具书面索赔通知，证明承包人（U 公司）违反合同约定的工程质量标准时，本行作为连带责任保证人，在保函金额人民币 600 万元范围内向受益人承担赔偿责任。」保函未约定争议管辖条款。

2025 年 3 月 1 日，U 公司完工交付，B 公司组织五方验收，出具《竣工验收意见书》，意见为「基本合格，部分细部缺陷需整改」。U 公司完成整改后，B 公司分期支付了大部分工程款。

2025 年 8 月，星河商业广场地下室出现严重渗水。B 公司单方委托甲市某工程质量检测中心出具《工程质量鉴定意见书》，认定地下室防水工程因施工不规范存在重大质量缺陷，修复费用约 480 万元。

2025 年 10 月 8 日，B 公司依据主合同第 37 条协议管辖条款，向 A 市某区人民法院起诉，将 U 公司、X 银行列为共同被告，请求：

1.判令 U 公司向原告赔偿工程质量修复费用 480 万元；
2.判令 X 银行在 480 万元范围内（且不超过保函金额 600 万元）与 U 公司承担连带赔偿责任。

问题

请结合中国《民事诉讼法》《民诉法解释》《民法典担保制度司法解释》等相关规定，回答以下问题：

1.A 市某区人民法院对本案是否具有管辖权？U 公司与 X 银行的管辖权异议是否成立？
2.B 公司将 U 公司、X 银行作为共同被告起诉，构成何种共同诉讼？U 公司对 480 万元的认诺，对 X 银行有何效力？法院应否依 U 公司的认诺直接判决 X 银行承担保证责任？
3.关于工程质量缺陷是否存在的鉴定，应由哪一方预付鉴定费？B 公司逾期未预付，承担举证不能后果的范围应当如何确定（仅对 X 银行部分？还是包括对 U 公司部分？）？这一处理是否符合证明责任分配的原理？
4.(1) B 公司仅就驳回对 X 银行诉讼请求的部分上诉，U 公司是否当然成为二审的当事人？U 公司在二审中的诉讼地位是什么？ (2) 二审法院能否对一审"U 公司赔偿 480 万元"的部分进行审理？ (3) 假设二审经鉴定查明工程质量缺陷修复费用实际为 300 万元（低于 U 公司认诺金额），二审能否主动将 U 公司的赔偿数额由 480 万元改为 300 万元？

4.《装好了 Claude Code，下一步做什么——写给法律人的 Agent 入门指南》

作者：马强伟

地址：https://mp.weixin.qq.com/s/Srf8QgqBxjDVaiscY_11wg

很多人抱怨 Agent 不好用，其实模型没那么差，差的是你还没告诉它在哪儿干、用什么干、干什么。换个说法，Agent 不是装上就自动好用。它需要一个工作目录（在哪儿干），需要规则文件和几个常用 skill（用什么干），也需要知道这一次到底想让它做什么（干什么）。

遇到具体技术问题，有一个非常好的窍门是，直接问豆包、Kimi 或者其他网页 AI，把报错截图发过去，让它一步一步教你。现在学习工具，很多时候就是这样开始的。我最近越来越强烈地感觉到，AI 时代的学习范式已经变了。很多东西不再是等别人教会你，而是自己带着问题去试，试不通就问 AI。

🧰 Agent 强在哪里

以前我们用 AI，大多是在聊天框里。复制一段材料进去，问它怎么看。它回答。再追问。再回答。它再聪明，也只能看见你喂进去的那一点东西。

Agent 可以进入你电脑的某个文件夹里，自己读文件、改文件，必要时调用工具，在你允许的范围内执行命令。可以说，Agent提高了模型的能力上限。

（所谓Harness工程，就是给大模型配一套干活的环境：它能看到哪些文件，能用哪些工具，遇到 PDF 怎么处理，检索先查哪里，写完以后怎么自检，哪些动作必须先问你）

🧩 先让工具在电脑上跑起来

以 Claude Code 为例，官方文档给 macOS、Linux、WSL 的安装命令是：

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

复制到终端里运行，就可以安装 Claude Code。具体步骤以 官方文档为准。Claude 账号不好处理的，也可以按 DeepSeek 的 接入说明，把 Claude Code 接到 DeepSeek 的 API 上。

Codex 可以在 OpenAI 的 官网下载。最近 Codex 更新很频繁，桌面应用也更像传统软件界面，对非程序员会友好一点。国内类似工具还有 Qwen Code、CodeBuddy等。我的感觉是，入门阶段先选一个能跑起来的，不要一开始就同时折腾好几个。

安装过程中遇到问题，就把报错发给 AI 问。大部分入门问题，都能这样解决。

📁 给 Agent 一个工作现场

Claude Code 通常是在终端里打开的。终端里最常用的命令之一是 cd，意思是进入某个文件夹。比如你的论文材料放在桌面上的“论文”文件夹里，就可以在终端输入：

cd ~/Desktop/论文
claude

这样启动以后，这个“论文”文件夹就是它的工作目录。它能优先看到的，就是这个文件夹里的材料。

如果不知道文件夹路径怎么复制，macOS 可以在访达里右键文件夹，按住 Option 键，选择“拷贝……作为路径名称”；Windows 可以在资源管理器里右键文件夹，选择“复制为路径”。熟练以后，还可以探索更快捷的打开方式，这里先不展开。

不要在一个空地方打开 Claude，然后问它“帮我改论文”。写论文，就建一个论文文件夹；学习一门课程，就建一个课程文件夹；做案例研习，就建一个案例题文件夹。正文、文献、案例、笔记都放进去，文件名尽量让人能看懂。当然也可以和 Agent 讨论，文件夹内的文件该怎么管理。

📝 工作手册比提示词更重要

文件夹准备好以后，还要告诉它这个项目大概怎么做。Claude Code 里常见的是CLAUDE.md，Codex 里对应的是 AGENTS.md。可以把它理解成一份写给 Agent 的工作手册。

比如 GitHub 上有人把 Karpathy 对 LLM 写代码的要求整理成了可直接用的 CLAUDE.md 规则。可以让 Claude 参考这类规则，再结合自己的工作习惯，生成一个初稿。

但这个文件最终还是要自己改。全局规则写长期习惯，比如用中文回答、不确定不要猜。

Claude Code 的全局文件通常放在 ~/.claude/CLAUDE.md，Codex 的全局文件通常放在 ~/.codex/AGENTS.md。这些都是隐藏文件夹，找不到就问 AI 怎么打开。项目规则写当前文件夹里的事，比如论文题目、核心判断、材料位置、哪些观点已经被否定过。项目规则就放在项目根目录下，比如 CLAUDE.md 或 AGENTS.md。

拿我自己的配置来说，全局 CLAUDE.md 里写了：我的研究方向是民商事争议解决；涉及学术或法律内容，不能编造文献标题、案号和页码；找不到支撑就写“待查证”；工作时尽量按最短路径解决问题等。在公众号这个项目的 CLAUDE.md，则会写得更具体：这是 Zivilist Newsletter 的写作区，文章要像跟同行聊天，先有素材和主线，再写正文，文中观点要具体到来源，正文风格要符合我的表达习惯。

这样的规则不复杂，但会让 Agent 少走很多弯路。

更玄一点说，这些规则文件会慢慢塑造你使用 Agent 的“手感”。同一个模型，全局规则和项目规则写得不一样，回答的气质、谨慎程度、做事顺序都会不一样。这类文件没有一个标准答案，我自己的感觉是，先写下最重要的几条，用着用着再改。Agent 哪些地方老出错，哪些地方总是不符合你的习惯，就把它写进去。时间久了，它会越来越像一个熟悉你工作方式的助理。

这也是 Agent 和以前的办公软件很不一样的地方。装好只是第一步，后面还要在使用中慢慢磨合，能交给它做的事也会越来越多。

🛠️ 重复做的事，写成 skill

CLAUDE.md 解决的是“你是谁、这个项目是什么”。skill 解决的是“这类事情平时怎么做”。

比如法律检索、PDF OCR、论文审改、公众号排版，这些事情会反复出现。每次都在对话框里重新解释流程很烦，就可以写成 skill。它通常是一个文件夹，里面有一个 SKILL.md，写清楚触发条件、操作步骤、输出格式和不能做的事。

skill 可以自己写，也可以先找现成的。我一般从下面这几个地方找：（1）腾讯的 Skillhub、Clawhub 中国站；（2）让 Claude 去 GitHub 搜有没有现成 skill；（3）或者先安装 find-skills 这类发现工具，再让它帮我找。找不到合适的，就用内置的 skill-creator，根据自己的流程写一个。（备注：还可以在Github上找）

这里不用一开始下载太多。最好的入门方式，是先找一两个真正用得上的 skill，调用它做几次事，再打开它的 SKILL.md 看看里面到底写了什么。

我自己常用的一个 skill 是 PaddleOCR。它把 OCR 流程封装起来，配置好以后，可以把扫描版 PDF 解析成 Markdown，并尽量保留页码、脚注和标题层级。PaddleOCR 的 API 目前是每天有 2 万页的免费额度。

另一个是我自己和 Claude 写的 legal-search，还在完善中。基本思路是把国家法律法规数据库的法条、公开可检索的指导性案例、最高法院公报案例、法答网精选问答等下载到本地，备课或写作时先做一轮基础检索。我还在尝试接入北大法宝 MCP，也在想办法处理人民法院案例库的检索。再往后，还可以根据个人需要增加地方高院网站、国家机关网站等公开信息源。

Skills 是我日常用得最多、也花时间调试最多的工具。有些 skill 很有意思，比如 Superpowers 插件里的 brainstorm，适合在复杂任务开始前和 Claude 讨论一轮。写代码的人常用的 Andrej Karpathy Skills，也可以下载来看看它的设计思路。

🔌 MCP 不是越多越好

MCP 可以先理解成连接外部工具的转接头。比如让 Agent 控制浏览器，可以用 Playwright MCP；连接数据库、读取笔记系统，也可能要靠 MCP。

北大法宝提供了 MCP 服务，也提供了 CLI 等工具。但按我目前的使用，检索案例时返回的往往不是裁判全文，而是摘要。不知道是不是我调试的问题。

入门阶段不用急着装一堆 MCP。先把工作目录、CLAUDE.md 和一两个常用 skill 跑顺，等真的需要调用浏览器、数据库、笔记系统时，再去接外部工具。

📚 把材料变成 Agent 能读的东西

法律人的工作，很大一部分是在处理文字。Word、PDF、PPT 这些格式，对人来说很自然，对大模型来说未必友好。模型读 PDF，并不是像人一样看见一本书。技术上通常还是要先把文字抽出来；如果是扫描版，还要先 OCR；如果页面里有表格、分栏、脚注、页眉页脚，还可能要理解版面。人读 PDF 时会自动忽略很多噪音，模型不一定会。

和大模型交互时，最干净的格式还是纯文本，比如 Markdown、txt。标题就是标题，段落就是段落，脚注也可以保留下来。它没有 Word 里的修订痕迹和复杂样式，也没有 PDF 里的分页、分栏和扫描噪点。给 Agent 一个结构清楚的 Markdown 文件，它更容易知道哪里是正文，哪里是脚注，哪里是章节层级。

Markdown 软件推荐 Obsidian、Typora、妙言（MiaoYan）。前两个软件支持显示行号，就是下面图里最左侧的数字。和 Agent 交互时，这个功能很好用。我可以直接说“第 95 行这一段……”，它立刻就能定位，基本是指哪打哪。第三个是github一个独立开发者的产品，设计很有美感，Kami 和 Waza 插件也是他的产品。

🧭 几个常用的场景

前面这些配置，如果不上手实操，听起来还是有点抽象。很多人刚看到 CLAUDE.md、skill、MCP 这些名字，可能已经被吓退了。更麻烦的是，如果没有亲自用它解决过一个真实任务，也很难感受到 Agent 到底能省下多少重复劳动，自然就没有继续探索的动力。下面按几个常见入门场景，说说它大概能帮我做什么，以及用了哪些工具。

① 头脑风暴

对于复杂项目，我现在习惯在动笔前先把问题想清楚。比如 Waza 里的 think，或者 Superpowers 这类插件里的 brainstorm。研究生开题、选论文题目，就很适合把材料给 Agent，让它帮忙梳理：到底想解决什么，手里的材料够不够，哪些判断还拿不准。开始写之前，先把问题、材料和大致结构说清楚，后面会省很多时间。

② 文档处理和展示

PDF、Word、Excel 这些日常文件，Claude Code、Codex 往往已经有一些处理能力，我平时会再搭配 markdown-converter、paddleocr 之类的 skill。这里最明显的效率提升，是把很多格式转换、初步整理、结构搭建的活交给 Agent。我就集中注意力在内容上，最后格式的设置问题，不用再费心。

比如扫描版 PDF 先 OCR 成 Markdown，Word 初稿统一标题层级，Excel 表格先清洗和分类。Markdown 导出 Word，可以走 pandoc，也可以配自定义 Word 模板，像 pandoc_docx_template 这类现成模板可以拿来参考。

最近在尝试把上课用的 PPT 转成 HTML slides。这样我就可以先用 Markdown 写大纲，再让 Agent 转成 HTML slides。试了一两个，效果很不错。用的是 guizang-ppt-skill、Kami 这类工具。

③ 信息检索

对于一般性网页检索，有的 Agent 环境自带 web search，没有的话，也可以按需接 Multi Search Engine、Baidu Search 这类检索 skill。比如之前有学生问，能不能批量检索各地市场监管部门的公告。我当时的做法是先让 Agent 搜集各省市市场监督管理局官网，逐一核对后，再让它在这些网站里检索目标信息。如果这件事以后要定期做，还可以再设计成自动化监测任务。它节省的时间，主要在反复打开网站、换关键词、复制结果这一串机械动作上。

对于给定文献材料的文献问答，我之前用的是腾讯的 IMA，但它的大模型底座感觉不够好，总是有遗漏的信息。现在我最常用的是 NotebookLM，在 Agent 里通过 notebooklm-mcp-cli 这个项目提供的 nlm 工具来调用，不用自己去 NotebookLM 网页。我把论文等文献放进去，基本就能搭一个小型知识库。后面围绕这些材料提问，它会回答并标出来源。

如果是要做一个比较严谨的法律检索，目前没找到成熟的工具。我自己在写 legal-search skill，可能会再配合北大法宝的 MCP 和 CLI，这样可以按法规、案例、专业数据库、公开网站几个层次去核对来源，尽量模仿真实法律检索的步骤。还没有调试完成。尤其是知网这类数据库目前没有特别顺畅的开放入口，很多时候只能让 Agent 借助浏览器去模拟人工检索，稳定性一般。GitHub 上的 OpenCLI 可以把知网操作沉淀成命令，但这类方案需要折腾，也会受到网站登录和反爬机制影响。

④ 文字表达

文字表达、润色层面，用到的是 Humanizer、Humanizer-zh 这类 skill，可以用来去掉 AI 腔，也可以让文字更接近自己的表达习惯。我最近是基于 Waza 项目中 write 这个 skill，修改了一个比较符合自己习惯的 skill。

这些工具目前主要是写公众号文章时会用上。不过我发现，让 AI 起一版草稿以后，即使再润色一遍，还是会留下不少 AI 痕迹，最后还是要自己通读一遍。但工作量已经减轻不少。

附：文中工具清单 

入门与安装

Claude Code 官方文档：https://code.claude.com/docs/zh-CN/overview
接入 DeepSeek（Claude 账号不便时）：https://api-docs.deepseek.com/guides/agent_integrations/claude_code
Codex 官网：https://openai.com/codex/
安装教程视频：数字游牧人（B 站 BV1kX546QEjG）、秋芝2046（Claude：BV1NvRyBzEhq；Codex：BV1Nd596vEyU）

规则文件（CLAUDE.md / AGENTS.md）参考

Karpathy 风格的 CLAUDE.md 规则：https://raw.githubusercontent.com/forrestchang/andrej-karpathy-skills/main/CLAUDE.md
Andrej Karpathy Skills：https://github.com/forrestchang/andrej-karpathy-skills

Skill 资源站

Skillhub：https://skillhub.cn/#featured
Clawhub 中国站：https://cn.clawhub-mirror.com/

头脑风暴

Waza（think）：https://github.com/tw93/Waza
Superpowers（brainstorm）：https://github.com/obra/superpowers

文档处理与格式转换

paddleocr（扫描件 OCR 成 Markdown）：https://skillhub.cn/skills/paddleocr-doc-parsing（API 申请：https://aistudio.baidu.com/paddleocr）
markdown-converter：https://skillhub.cn/skills/markdown-converter
pandoc_docx_template（Markdown 转带模板的 Word）：https://github.com/Achuan-2/pandoc_docx_template
guizang-ppt-skill（转 HTML slides）：https://github.com/op7418/guizang-ppt-skill
Kami：https://github.com/tw93/Kami
TRex（macOS 截图 OCR）：https://github.com/amebalabs/TRex

Markdown 编辑器

Obsidian、Typora、妙言（https://github.com/tw93/MiaoYan）

信息检索

Playwright MCP（控制浏览器）：https://github.com/microsoft/playwright-mcp
北大法宝 MCP：https://mcp.pkulaw.com/
Multi Search Engine：https://skillhub.cn/skills/multi-search-engine
Baidu Search：https://skillhub.cn/skills/baidu-search-1-1-0
NotebookLM：https://notebooklm.google.com/
命令行调用 notebooklm-mcp-cli：https://github.com/jacob-bd/notebooklm-mcp-cli
OpenCLI（把网站操作沉淀成命令）：https://github.com/jackwener/opencli

文字表达

Humanizer：https://skillhub.cn/skills/humanizer
Humanizer-zh：https://skillhub.cn/skills/humanizer-zh
Waza（write）：https://github.com/tw93/Waza/tree/main/skills/write