2026年，新的一年，你都立了哪些 flag？
我的 flag 是今年再学一些 AI 产品的使用。正好摸鱼网上冲浪的时候，看到了 2 个能提升学习与开发效率的利器，整理分享给大家。
如果你平时会用 AI 开发，或者正打算用 AI 提高学习效率，那就接着往下看吧~
一、Claude Scientific Skills
编程认准Claude？
最近大家应该都被 Google 首席工程师 Jaana Dogan 这条帖子刷屏了吧。
谷歌负责 Gemini API 的首席工程师 Jaana Dogan 在 X 上公开盛赞对家的 Claude Code。
从这种给对家产品打 call 的行为可以看出这是真服气。
Dogan 透露，团队从去年开始一直在尝试构建分布式代理编排系统，至今也没得出一个统一可行的方案。
放假的时候，Dogan 在 Claude Code 中通过 3 段简略的提示词，Claude 只用了一个小时就生成了团队一年构建的东西。
为 Opus 背书的不仅仅有 Dogan ，同一天，前谷歌杰出工程师，也是 Gemini Flash 构建者之一，现 Anthropic 工程师的 Rohan Anil 紧随其后发推表示：
如果当初有 Opus 这样的代码 agent ，自己最初 6 年的工作能压缩到小几个月就能完成。
Dogan 的帖子一出，无数自来水的网友冒泡，对 Claude Code 的好评疯狂刷屏。
对这样的现象我其实并不意外，之前和身边一些同行交流，代码编程认准 Claude 已经是有一段时间的共识了。
就像 Dogan 呼吁的，所有对编码代理抱怀疑态度的可以上手试试，亲自评判效果。
强大归强大，能不能让它进一步如虎添翼呢？
项目介绍
我在 GitHub 上挖到了一个宝藏项目：Claude Scientific Skills 。
K-Dense 团队给 Claude 开发了一套包含 138 项科学技能的综合工具包。
让它可以无缝地使用多个科学领域的专业科学图书馆、数据库和工具，成为用户的 AI 研究助手，能够执行多个科学领域的复杂任务。
集成方便
它使用起来非常方便。
通过 Claude Code 或 MCP 服务器一键即可安装。
安装后 Claude 会自动查找并使用相关技能。
也不用担心自己不会用，每项技能（ skill.md ）都包含代码示例、使用案例和最佳实践。
全面覆盖
项目包含的 138 项科学技能可以分成下面几类：
项目涵盖的领域也非常全面：
使用高效
它的核心优势在于通过 skill 这样的形式，能够把原先多步骤的复杂工作流封装，让用户使用单个提示词就可以执行。
效率直接起飞。
快速上手
安装好 Claude Code 后，在 Market Place 进行注册：
/plugin marketplace add K-Dense-AI/claude-scientific-skills
注册完之后逐步进行以下操作即可
打开 Claude Code 。 选择 " Browse and install plugins " 选择" claude-scientific-skills "。 选择" scientific-skills " 点击立即安装即可。
项目官网上提供了不少示例，感兴趣的小伙伴自行移步：
https://github.com/K-Dense-AI/claude-scientific-skills
二、DeepTutor
逛 GitHub 的时候，我还发现一个刚刚开源的新项目正在悄悄上星：DeepTutor 。
它由香港大学数据智能实验室（ HKUDS ）于去年年底推出。
上线短短 6 天，就已经收获 3.3k 星标，并且还在不停增长中。
项目的作者指出现有的 AI 工具要么过于分散，要么无法有效捕捉个人学习情境，也就是因材施教。
基于这样的背景，DeepTutor 被打造成一款真正能够记住用户学习进度并适应用户独特学习风格的 AI 学习伙伴。
项目框架：
核心优势
海量文档知识问答
学习的知识点再偏也没问题，DeepTutor 支持上传教科书、研究论文、技术手册和特定领域文档。
用户可以根据自己的需求构建一个专属的智能知识库，随时随地访问。
DeepTutor 支持多智能体协同工作，采用 RAG、网络搜索和代码执行的双循环推理架构，提供带有精确引用的逐步解决方案。
交互式学习可视化
DeepTutor 可以将复杂的概念、知识和算法转化为生动、详细、且易于理解的视觉辅助演示。
它还可以根据用户的学习进度进行情境感知对话，并提供交互式页面和基于会话的知识跟踪，确保学习的沉浸度。
课后巩固
DeepTutor 不仅承包学习过程，课后作业也能自动生成。
它会针对用户当前的知识水平和具体学习目标生成定向测验和练习题。
除了刷题，它还能给你帮你考前突击，非常贴心了。
用户只需要上传一套供它参考的往年真题或者模拟题，它就能生成与原题风格、格式和难度完全匹配的练习题，用户可以考前拿来做模拟考试。
深度研究与创意生成
除了上面这种问答、交互、刷题模拟更偏低年龄段的学习，DeepTutor 也能用来进行深度研究，辅助创新。
比如它可以对指定主题进行深入探索和系统分析。识别模式，联系跨学科的相关概念，并综合现有研究成果。
最后产出结构化学习材料，并揭示该主题下尚未被研究的知识盲区。通过智能跨领域知识综合，识别有前景的新研究方向。
快速上手
预配置
克隆仓库
git clone https://github.com/HKUDS/DeepTutor.git
cd DeepTutor
设置环境变量
cp .env.example .env
# Edit .env file with your API keys
配置端口和 LLM （可选）
端口：编辑 config/main.yaml → server.backend_port / server.frontend_port
LLM ：编辑 config/agents.yaml → 每个模块的 temperature / max_tokens
创建自己的知识库
访问http://localhost:3782/knowledge。
点击"新建知识库"→输入名称→上传 PDF/TXT/MD 文件。
在终端中监控进度。
Docker 部署
快速入门 ：
# Build and start (~5-10 min first run)
docker compose up --build -d
# View logs
docker compose logs -f
docker compose up -d # Start
docker compose logs -f # Logs
docker compose down # Stop
docker compose up --build # Rebuild
开发模式 ：添加-f docker-compose.dev.yml。
# Build custom image
docker build -t deeptutor:latest .
# Run standalone
docker run -p 8001:8001 -p 3782:3782 \
--env-file .env deeptutor:latest
安装到这里就结束了，如果安装前想先亲自看看 demo 效果，可以使用如下代码：
# Clone and setup
git clone https://github.com/HKUDS/DeepTutor.git
cd DeepTutor
# Install dependencies
bash scripts/install_all.sh
# Start the application
python scripts/start_web.py
还有更多相关内容可以到项目的官方地址进行了解：
https://hkuds.github.io/DeepTutor/
三、最后
工具已经端到面前了，感兴趣的小伙伴抓紧去试试吧~
如果喜欢这类内容，记得点赞收藏转发，我们下期再见。
没有评论:
发表评论