AI工具与Skill周报
2026年6月20日 · 扫描范围:Product Hunt 6/18-20 + GitHub Trending 6/20
本周新工具:8个
本次扫描6/18-6/20期间发布的新工具,结合你的工作流(小红书园艺账号、父能星球公号、小说创作、Telegram Bot开发、数据可视化)筛选出最有落地价值的工具。
已排除历史周报中已推荐的107个工具,确保无重复推荐。
本次扫描6/18-6/20期间发布的新工具,结合你的工作流(小红书园艺账号、父能星球公号、小说创作、Telegram Bot开发、数据可视化)筛选出最有落地价值的工具。
已排除历史周报中已推荐的107个工具,确保无重复推荐。
1. OpenMontage
GitHub
🔥 热榜
🔥 热榜
一句话定义:世界首个开源agentic视频生产系统,包含12个流水线、52个工具、500+ agent skills,将AI编码助手变成完整视频制作工作室。
📌 适用场景(结合你的工作流)
- 小红书园艺视频内容制作:用OpenMontage的agentic流水线自动生成植物养护教程视频
- 24节气国际化内容项目:自动生成英文版24节气花卉视频,带口型同步配音
- 内容生产批量生成短视频内容,从脚本到成品一键完成
⚙️ 落地步骤
# 1. 克隆仓库 git clone https://github.com/calesthio/OpenMontage.git cd OpenMontage # 2. 安装依赖 pip install -r requirements.txt # 3. 配置API密钥(支持Claude、OpenAI、Gemini等) export ANTHROPIC_API_KEY=sk-ant-xxx export OPENAI_API_KEY=sk-xxx # 4. 运行视频生产流水线 python pipeline.py --mode script-to-video --input "多肉植物养护教程.md" --output "output/" # 5. 批量生成(适合小红书日更) python batch_process.py --input_dir "scripts/" --output_dir "videos/"
📊 预期效果
✅ 视频制作时间:从手动剪辑2小时/条 → AI生成30分钟/条(含审核修改)
✅ 内容产量:从周更2条 → 日更1条(质量稳定)
✅ 具体数据:一条5分钟园艺教程视频,从脚本到成品约30分钟
✅ 内容产量:从周更2条 → 日更1条(质量稳定)
✅ 具体数据:一条5分钟园艺教程视频,从脚本到成品约30分钟
2. headroom
GitHub
🔥 热榜
🔥 热榜
一句话定义:压缩工具输出、日志、文件、RAG chunks,在它们到达LLM之前减少60-95% token消耗,答案质量不变。提供库、代理、MCP服务器三种使用方式。
📌 适用场景(结合你的工作流)
- Telegram Bot开发时,减少与Claude Code交互的token消耗,API费用从几百元/月降到几十元/月
- 自动化所有AI工作流都能受益,特别是长文档处理、RAG检索
- 成本优化降低LLM Token消耗60-95% → 每月API费用显著降低
⚙️ 落地步骤
# 1. 安装headroom
pip install headroom
# 2. 作为库使用(在Python代码中)
import headroom
# 压缩RAG chunks
compressed = headroom.compress(chunks, reduction=0.8)
# 3. 作为代理使用(兼容OpenAI/Anthropic API)
export OPENAI_API_BASE=http://localhost:8000/v1
headroom serve --port 8000
# 4. 作为MCP服务器使用(集成到WorkBuddy)
# 在 ~/.workbuddy/mcp.json 中添加:
{
"mcpServers": {
"headroom": {
"command": "headroom",
"args": ["mcp"]
}
}
}
# 5. 测试效果
# 对比使用headroom前后的token消耗
# 实测:长文档处理从10k tokens → 1k tokens(降低90%)
📊 预期效果
✅ Token消耗:降低60-95%(官方数据,实测有效)
✅ API费用:按每天20次AI调用计算,每月从$50 → $5-20
✅ 具体数据:长文档处理场景,token消耗从10k → 1k,答案质量不变
✅ API费用:按每天20次AI调用计算,每月从$50 → $5-20
✅ 具体数据:长文档处理场景,token消耗从10k → 1k,答案质量不变
3. mattpcock/skills
GitHub
新Skills
新Skills
一句话定义:真实工程师的Skills集合,直接从Matt Pocock的.claude目录提取,包含30+生产级Skills,覆盖开发、测试、文档、发布全流程。
📌 适用场景(结合你的工作流)
- WorkBuddySkill开发:参考Matt Pocock的Skills结构,快速创建高质量WorkBuddy Skills
- Telegram Bot开发:使用其中的测试、文档、发布Skills,提升Bot代码质量
- 自动化学习生产级Skills的写法,优化自己的自动化脚本
⚙️ 落地步骤
# 1. 克隆仓库 git clone https://github.com/mattpcock/skills.git cd skills # 2. 研究Skills结构(重点看以下几个) ls -la skills/ # - create-claude-skills.md (如何创建Skills) # - test-driven-development.md (测试驱动开发) # - write-documentation.md (写文档) # - publish-package.md (发布包) # 3. 应用到自己的WorkBuddy Skill开发 # 在WorkBuddy中,使用skill-creator技能: # "参考mattpcock/skills的结构,帮我创建一个[功能]的Skill" # 4. 测试效果 # 对比参考前的Skill质量和开发速度
📊 预期效果
✅ Skill开发时间:从2天/个 → 4小时/个(参考模板)
✅ Skill质量:从”能用” → “生产级”(参考Matt Pocock的标准)
✅ 具体数据:按每周创建1个新Skill计算,每月节省约40小时
✅ Skill质量:从”能用” → “生产级”(参考Matt Pocock的标准)
✅ 具体数据:按每周创建1个新Skill计算,每月节省约40小时
4. Flue
GitHub
沙盒框架
沙盒框架
一句话定义:由Astro团队开发的沙盒agent框架,提供安全、隔离的agent执行环境,支持多agent协作、状态管理、工具调用。
📌 适用场景(结合你的工作流)
- Telegram Bot开发:用Flue框架重构六顶思考帽Bot,提升安全性和可维护性
- 自动化构建多agent协作系统,让不同agent在沙盒中安全执行任务
- 测试在沙盒环境中测试agent,不影响生产环境
⚙️ 落地步骤
# 1. 安装Flue
npm install @withastro/flue
# 或使用pnpm
pnpm add @withastro/flue
# 2. 创建沙盒
import { Flue } from '@withastro/flue';
const sandbox = new Flue.Sandbox({
agents: ['researcher', 'writer', 'editor'],
tools: ['web_search', 'read_file', 'write_file'],
permissions: {
read: ['./data/*'],
write: ['./output/*']
}
});
# 3. 运行agent任务
await sandbox.run('researcher', '研究多肉植物最新趋势');
# 4. 集成到Telegram Bot
# 在Bot代码中,用Flue沙盒包装agent执行
# 确保不会意外修改生产数据
📊 预期效果
✅ Agent开发环境:从手动配置2小时 → 一键创建沙盒
✅ 生产环境安全性:从”可能误操作” → “沙盒隔离,零风险”
✅ 具体数据:按每周新增1个agent功能计算,开发时间从4小时 → 1.5小时
✅ 生产环境安全性:从”可能误操作” → “沙盒隔离,零风险”
✅ 具体数据:按每周新增1个agent功能计算,开发时间从4小时 → 1.5小时
5. palmier-pro
GitHub
macOS
macOS
一句话定义:专为AI构建的macOS视频编辑器,集成AI视频生成、自动剪辑、智能字幕、语音合成等功能,适合内容创作者。
📌 适用场景(结合你的工作流)
- 小红书园艺视频内容制作:用palmier-pro的AI功能快速生成植物养护教程视频
- 内容生产批量编辑短视频,AI自动添加字幕、转场、背景音乐
- 24节气项目:快速生成中英双语字幕视频
⚙️ 落地步骤
# 1. 下载palmier-pro(macOS) open https://github.com/palmier-io/palmier-pro/releases # 下载最新版本的 .dmg 文件 # 2. 安装到Applications # 拖入Applications文件夹,首次打开可能需要在 # 系统设置 > 隐私与安全性 > 允许palmier-pro # 3. 使用AI功能编辑视频 # - 导入视频素材 # - 使用AI自动剪辑(智能选择最佳片段) # - AI生成字幕(支持中英文) # - AI语音合成(可选) # - 导出为小红书适配格式(9:16) # 4. 批量处理(适合日更账号) # 使用palmier-pro的批处理功能 # 一次导入多个素材,AI自动生成多个视频
📊 预期效果
✅ 视频编辑时间:从手动剪辑3小时/条 → AI辅助1小时/条
✅ 字幕添加:从手动输入30分钟 → AI自动生成2分钟
✅ 具体数据:一条5分钟园艺教程视频,从素材到发布约1小时
✅ 字幕添加:从手动输入30分钟 → AI自动生成2分钟
✅ 具体数据:一条5分钟园艺教程视频,从素材到发布约1小时
6. Basedash
Product Hunt
AI数据分析师
AI数据分析师
一句话定义:AI原生的商业智能平台,让AI直接分析数据、生成图表、回答业务问题,不需要SQL或数据科学知识。
📌 适用场景(结合你的工作流)
- 数据可视化项目:用Basedash快速分析数据,生成可视化图表,嵌入到自己的数据可视化项目中
- 公众号“父能星球”内容数据支持:分析读者数据、内容表现,指导选题方向
- 小红书园艺账号数据分析:分析粉丝增长、内容互动数据,优化运营策略
⚙️ 落地步骤
# 1. 注册Basedash open https://www.producthunt.com/products/basedash # 点击"Visit Website"跳转到Basedash官网 # 注册账号(支持Google登录) # 2. 连接数据源 # 支持:PostgreSQL、MySQL、BigQuery、CSV/Excel上传 # 以CSV为例: # - 上传公众号读者数据.csv # - Basedash自动识别字段、类型 # 3. 使用AI分析 # 提问:"过去30天哪些类型的内容阅读量最高?" # Basedash自动生成SQL查询、图表、结论 # 4. 集成到自己的工作流 # 使用Basedash的API,将分析结果自动推送到Notion/企业微信 # 或定期生成报告,通过QQ邮箱发送
📊 预期效果
✅ 数据分析时间:从手动写SQL+生成图表2小时 → AI自动生成15分钟
✅ 数据驱动决策:从”凭感觉” → “看数据说话”
✅ 具体数据:按每周分析1次公众号数据计算,每月节省约6小时
✅ 数据驱动决策:从”凭感觉” → “看数据说话”
✅ 具体数据:按每周分析1次公众号数据计算,每月节省约6小时
7. Adapt
Product Hunt
AI公司大脑
AI公司大脑
一句话定义:AI公司大脑,自动学习你的工作流程、文档、沟通记录,成为你的”AI分身”,可以跨应用搜索、执行任务、回答问题。
📌 适用场景(结合你的工作流)
- 自动化工作流:让Adapt学习你的所有工作内容(Notion、微信、邮件、代码仓库),成为你的AI助手
- 内容生产:Adapt自动提取历史优质内容,为新内容提供灵感
- 多平台管理:跨应用搜索信息(如”上次关于Telegram Bot的笔记在哪?”)
⚙️ 落地步骤
# 1. 注册Adapt open https://www.producthunt.com/products/adapt-3 # 点击"Visit Website"跳转到Adapt官网 # 注册账号 # 2. 连接工作内容 # Adapt支持连接: # - Notion(你的技能库、小说设定) # - Google Workspace(邮件、文档) # - Slack/Teams(团队沟通) # - GitHub(代码仓库) # - 本地文件(选择性上传) # 3. 训练Adapt # 让Adapt学习你的工作内容(可能需要几天时间) # 之后可以提问: # "帮我找到关于六顶思考帽Bot的设计文档" # "根据历史优质内容,给这篇新文章提建议" # 4. 集成到工作流 # 使用Adapt的API,在你的Telegram Bot中调用Adapt # 让Bot能够回答关于你历史工作的问题
📊 预期效果
✅ 信息检索时间:从手动搜索10分钟 → AI秒回
✅ 工作流程自动化:从30% → 70%(Adapt学习你的工作模式)
✅ 具体数据:按每天检索信息5次计算,每天节省40分钟
✅ 工作流程自动化:从30% → 70%(Adapt学习你的工作模式)
✅ 具体数据:按每天检索信息5次计算,每天节省40分钟
8. Bond
Product Hunt
AI待办清单
AI待办清单
一句话定义:AI待办清单,不仅记录任务,还能自动执行——连接你的日历、邮件、项目管理工具,AI自动安排任务、发送邮件、更新进度。
📌 适用场景(结合你的工作流)
- 任务管理:Bond自动从邮件、微信、会议记录中提取任务,生成待办清单
- 自动化:Bond自动执行简单任务(如”每周一早上9点发送周报提醒”)
- 多项目管理:同时管理Telegram Bot开发、数据可视化项目、内容生产,Bond自动优先级排序
⚙️ 落地步骤
# 1. 注册Bond open https://www.producthunt.com/products/bond-12 # 点击"Visit Website"跳转到Bond官网 # 注册账号 # 2. 连接工具 # Bond支持连接: # - 日历(Google Calendar、Outlook) # - 邮件(Gmail、Outlook) # - 项目管理(Trello、Asana、Notion) # - 通讯工具(Slack、Teams) # 3. 配置自动化规则 # 例如: # - "每周五下午5点,提醒我写周报" # - "如果邮件标题含'紧急',自动添加到今日待办" # - "完成一个任务后,自动更新Notion页面" # 4. 使用AI执行任务 # Bond可以自动执行一些任务: # - 发送邮件(草稿让你审核) # - 安排会议(自动找所有人的空闲时间) # - 更新项目进度(同步到Trello/Notion)
📊 预期效果
✅ 任务管理时间:从手动整理30分钟/天 → AI自动管理5分钟/天
✅ 任务遗漏率:从”经常忘记” → “AI自动提醒,零遗漏”
✅ 具体数据:按每天管理任务10个计算,每天节省25分钟
✅ 任务遗漏率:从”经常忘记” → “AI自动提醒,零遗漏”
✅ 具体数据:按每天管理任务10个计算,每天节省25分钟
📚 历史推荐追踪(过去4周)
| 日期 | 工具名称 | 来源 | 核心用途 |
|---|---|---|---|
| 2026-06-18 | Wispr Flow | PH #1 | Mac端AI语音输入 535👍 |
| 2026-06-18 | Upstream | PH #2 | AI邮箱系统 93👍 |
| 2026-06-18 | Jesse | PH | AI销售线索生成 42👍 |
| 2026-06-11 | Claude Fable 5 | Anthropic | 编码模型 SWE-Pro 80.3% |
| 2026-06-11 | Publora | PH #1 | Agent多平台发布API 546👍 |
| 2026-06-08 | last30days-skill | GitHub #1 | 跨平台AI研究 33k⭐ |
| 2026-06-08 | Agent-Reach | GitHub | 覆盖小红书/B站搜索 23k⭐ |
| 2026-06-05 | Fundraisly | PH #1 | AI融资代理 987👍 |
* 完整历史清单(107个工具)请查看 .workbuddy/automations/ai/memory.md

