macOS原生MCP服务器，让Claude、Codex、Cursor等AI助手直接操作Mac apps（Calendar、Mail、Notes、Messages），无需把数据上传云端。

具体来说，你每天在macOS上做的事情——查日历、回邮件、记笔记——现在可以让AI帮你做。更重要的是，与此同时，你的数据不需要离开Mac。对于在macOS上深度使用Claude Code的你，这是一个让AI”真正本地化”的关键工具。

# 1. 下载安装Macuse（macOS原生应用）
# 访问 https://macuse.app 下载.dmg文件

# 2. 安装后，授予macOS权限（系统设置 > 隐私与安全性）
# - 日历：允许Macuse访问
# - 邮件：允许Macuse访问
# - 辅助功能：允许Macuse控制电脑（Computer Use功能需要）

# 3. 连接Claude Code（MCP配置）
# 在 ~/.claude/settings.json 中添加：
{
  "mcpServers": {
    "macuse": {
      "command": "npx",
      "args": ["-y", "@macuse/mcp-server"]
    }
  }
}

# 4. 测试：在Claude Code中输入
# "帮我查看明天的日历安排，并起草一封回复邮件"
# AI将通过Macuse直接读取Calendar和Mail数据

首先，AI助手的”行动半径”从纯代码扩展到你的整个Mac工作流——日历管理、邮件起草、笔记整理都可以在Claude Code会话中完成。其次，因为是本地处理，敏感数据（邮件内容、日历事项）不会离开你的设备。最重要的是，Computer Use功能让AI可以控制没有API的老旧Mac应用，这是一个被低估的能力。

目前最全面的Claude Code技能集合库，包含354个生产级技能、82个插件、96个智能体，兼容13款AI编程工具（Claude Code、Codex、Cursor、Gemini CLI等）。

值得注意的是，你目前在做Claude Code深度开发（六顶思考帽Telegram Bot、数据预处理Agent），这个技能库可以直接提升你的开发效率。例如，营销类技能（48+个）可以帮你自动化公众号文章生产；工程类技能（80+个）包含代码审查、CI/CD构建、MCP服务器开发等。另外，这个库还包含593个纯标准库Python脚本，不依赖外部pip包，可以直接集成到你的自动化系统中。

# 1. 一键安装到Claude Code
curl -fsSL https://raw.githubusercontent.com/alirezarezvani/claude-skills/main/install-claude-code.sh | bash

# 2. 或者手动克隆仓库
git clone https://github.com/alirezarezvani/claude-skills.git ~/.claude/skills/
cd ~/.claude/skills/claude-skills

# 3. 按领域安装（例如只安装营销技能）
./install.sh --category marketing

# 4. 全量安装（354个技能）
./install.sh --all

# 5. 验证安装
claude --list-skills | grep "marketing"  # 应该看到48+个营销技能

# 6. 在Claude Code会话中使用
# 输入："/marketing-seo-audit https://justpeng.blog"
# AI将使用已安装的SEO审计技能自动分析你的博客

具体而言，安装后你的Claude Code会新增354个”专业技能包”——从代码审查到SEO优化，从邮件序列生成到学术研究。另外，这些技能都包含结构化指令文档（SKILL.md），AI执行时有明确的决策框架，不会”瞎编”。最重要的是，这个库有1493+测试用例，技能质量有保证，不像随机从网上找的prompt那样不可控。

一个会陪你写代码的桌面宠物，随着你在Claude Code中编程的进度而”成长”——写更多代码，宠物就升级。

虽然这是一个”趣味工具”，但值得注意的是，长时间独自编程容易疲劳，一个可视化的”成长伙伴”可以提供微妙的心理激励。与此同时，Tamamon还集成了Claude Code的使用统计——你可以看到自己今天写了多少代码、用了多少次AI助手。对于深度使用Claude Code的你，这是一个让编程过程更有”陪伴感”的小工具。

# 1. 下载Tamamon（macOS桌面应用）
# 访问Product Hunt页面获取下载链接

# 2. 安装后，连接Claude Code（通过MCP或本地API）
# Tamamon会监听Claude Code的活跃状态

# 3. 配置成长规则（可选）
# 在Tamamon设置中：
# - 每写100行代码 → 宠物升1级
# - 每完成一个Claude Code会话 → 宠物获得经验值
# - 每天首次打开Claude Code → 宠物打招呼

# 4. 使用（后台运行即可）
# Tamamon会在菜单栏显示一个宠物图标
# 点击可以看到宠物的"等级"和"今日编程统计"

首先，这是一个”情绪价值”工具，不是生产力工具——不要指望它帮你写代码。然而，与此同时，它能让你在长时间编程时感到不那么孤单。另外，如果你有”编程进度可视化”的需求（例如想知道自己每周写了多少代码），Tamamon的统计功能可以作为一个轻量级解决方案。

一个3D可视化工具，让你”看到”AI编程Agent（Claude Code、Codex等）的工作过程——代码怎么生成、文件怎么修改，都以3D动画实时展示。

具体来说，当你用Claude Code做一个复杂任务（例如重构一个模块、批量处理文件）时，你通常只能看到终端输出的文字日志。Termi Protocol让这个过程变成”可观看的”——你可以看到AI在”思考”什么、下一步要改哪个文件。更重要的是，对于做AI Agent开发的你（六顶思考帽Bot、数据预处理Agent），这个工具可以帮你调试Agent的决策过程。

# 1. 安装Termi Protocol（macOS/Windows桌面应用）
# 访问 https://termi.dev 下载

# 2. 连接Claude Code（通过MCP或日志监听）
# 在 ~/.claude/settings.json 中启用日志输出：
{
  "enableVerboseLogging": true,
  "logPath": "~/.claude/logs/"
}

# 3. 启动Termi Protocol，选择"监听Claude Code日志"
# Termi会自动解析日志并在3D界面中展示

# 4. 开始Claude Code会话，观察3D可视化
# 你会看到：
# - 代码生成过程（代码块"从天而降"）
# - 文件修改过程（文件图标"碎裂重组"）
# - Agent决策过程（决策树"生长"动画）

# 5. 调试用途：如果AI卡住了，Termi可以帮助定位
# 看3D界面中"卡住"的节点，对应到Claude Code日志中的具体步骤

首先，这是一个”可观测性”工具——让你看到AI Agent的”黑盒”内部。其次，对于调试复杂Agent工作流，3D可视化比文字日志更直观。最后但同样重要的是，如果你要做Agent开发的教学或演示（例如录视频讲解六顶思考帽Bot的工作原理），Termi Protocol的可视化输出可以直接作为素材。

一个跨AI编程Agent的共享记忆系统——你在Claude Code中学到的东西，可以自动同步到Codex、Cursor、Windsurf等其他工具，避免”每个工具都要重新教”。

值得注意的是，你现在可能同时使用多个AI编程工具（Claude Code做复杂逻辑、Codex做代码审查、Cursor做快速编辑）。然而，这些工具的”记忆”是隔离的——你在Claude Code中教过AI你的代码规范，切换到Cursor后还得重新说一遍。scritty解决的就是这个问题：一个统一的记忆层，所有工具共享。另外，对于做Agent开发的你，这个思路（统一记忆层）也可以借鉴到自己的Agent架构中。

# 1. 安装scritty（macOS/Windows桌面应用 + CLI）
# 访问 https://scritty.dev 下载

# 2. 初始化scritty记忆库（本地）
scritty init --path ~/.scritty/memory/

# 3. 连接Claude Code（MCP配置）
# 在 ~/.claude/settings.json 中添加：
{
  "mcpServers": {
    "scritty": {
      "command": "scritty",
      "args": ["mcp-server"]
    }
  }
}

# 4. 连接其他工具（例如Cursor）
# 在Cursor设置中添加scritty MCP Server

# 5. 使用：在Claude Code中"教"AI一些知识
# 输入："记住：我的项目使用Python 3.11，代码规范遵循PEP8"
# scritty会自动保存这条记忆

# 6. 切换到Cursor，问同样的问题
# Cursor现在也能"记得"你的Python版本和代码规范

具体而言，使用后你的AI工具们会”互相学习”——在A工具中积累的经验，B工具也能用。更重要的是，这减少了重复劳动（不用每个工具都重新配置）。另外，scritty的记忆是本地存储的，不会上传到云端，对于注重数据隐私的你来说这是一个重要优势。

一个统一的API，把网页抓取、数据清洗、信息提取三件事合成一步——你给它一个URL，它返回结构化数据（JSON/Markdown），适用于AI训练数据准备、竞品分析、内容聚合等场景。

具体来说，你目前在做公众号文章自动化（扫描热点→生成草稿），这个工具可以帮你更高效地抓取网页内容（热点来源页面）。与此同时，Context.dev的”数据清洗”功能可以过滤掉广告、导航栏等噪音，只保留正文——这正好解决了你之前遇到的”抓取内容质量不稳定”的问题。另外，对于做AI新闻日更，这个工具可以批量抓取多个来源的内容并统一格式化。

# 1. 注册Context.dev账号，获取API Key
# 访问 https://context.dev 注册（可能有免费额度）

# 2. 安装Context.dev CLI
npm install -g @context-dev/cli

# 3. 配置API Key
context config --api-key "your-api-key-here"

# 4. 基本使用：抓取单个URL
context fetch "https://example.com/article" --format markdown

# 输出：干净的Markdown格式正文（已过滤广告和导航）

# 5. 批量抓取（用于AI新闻日更）
context batch urls.txt --format json --output news.json

# urls.txt 内容：
# https://example-news.com/article1
# https://example-news.com/article2
# ...

# 6. 集成到你的自动化脚本（Python示例）
import subprocess
import json

result = subprocess.run(
    ["context", "fetch", "https://news-url.com", "--format", "json"],
    capture_output=True, text=True
)
data = json.loads(result.stdout)
print(data["content"])  # 清洁的正文内容

首先，网页抓取的成功率会显著提升——Context.dev专门处理了反爬虫、动态加载、广告过滤等痛点。其次，输出格式统一（Markdown或JSON），可以直接喂给LLM做后续处理。最重要的是，对于AI新闻日更这种需要”批量抓取多个来源”的场景，Context.dev的batch功能可以把原来需要写几十行代码的事情变成一行命令。

一个为所有AI Agent提供”统一共享上下文”的工具——你定义的任务背景、偏好设置、项目信息，可以同时被Claude、ChatGPT、Copilot等多个AI工具读取，避免”每次都要重新介绍项目”。

值得注意的是，你现在可能在多个AI工具之间切换（Claude Code写代码、ChatGPT做文案、NotebookLM做视频），每个工具都需要你重新介绍项目背景。N71解决的就是这个问题：你在N71中定义一次”项目上下文”，所有连接的AI工具都能读取。另外，对于做Agent开发的你，N71的”共享上下文”架构也值得参考——如何让多个Agent协同工作时共享状态，这是一个核心问题。

# 1. 注册N71账号，安装CLI
npm install -g @n71/cli

# 2. 初始化项目上下文
n71 init --project "六顶思考帽Telegram Bot"

# 3. 定义项目上下文（交互式编辑）
n71 context edit

# 输入内容示例：
# 项目名称：六顶思考帽AI讨论系统
# 技术栈：Python + Telegram Bot API + LLM API
# 核心功能：6个AI角色（白帽/红帽/黑帽/黄帽/绿帽/蓝帽）轮流发言
# 当前进度：已完成基础Bot，正在优化Prompt
# 我的偏好：输出去AI化，用具体数据说话

# 4. 连接AI工具（例如Claude Code）
# 在 ~/.claude/settings.json 中添加N71 MCP Server：
{
  "mcpServers": {
    "n71": {
      "command": "n71",
      "args": ["mcp-server"]
    }
  }
}

# 5. 使用：在Claude Code中
# 输入："帮我优化六顶思考帽的Prompt"
# Claude会通过N71自动读取项目上下文，不需要你重新介绍

# 6. 同步到其他工具（例如ChatGPT web界面）
# 安装N71浏览器插件，ChatGPT会话会自动加载项目上下文

具体而言，使用后你不再需要在每个AI工具中重复介绍项目——节省的时间大概是每次会话2-5分钟，长期积累下来可观。更重要的是，项目上下文统一存储，如果某个工具给出了好的建议，你可以手动把它加到N71上下文中，让其他工具也能”学到”。最后但同样重要的是，对于需要多个AI工具协同的复杂任务，N71可以作为”中央协调者”角色。