vibeship-spawner-skills
vibeship-spawner-skills 是一个专为 Claude 等 AI 助手打造的高质量技能库，旨在将简单的文本提示词升级为具备生产级能力的智能系统。它解决了传统 AI 提示词过于通用、缺乏实战经验且容易忽略潜在风险的问题，让 AI 在终端或 IDE 中不仅能提供建议，还能像资深专家一样执行复杂任务。
这套工具特别适合开发者、技术创业者以及希望提升 AI 协作效率的专业人士使用。其核心亮点在于独特的“四文件架构”：除了定义角色与最佳实践外，还包含“尖锐边缘（sharp-edges）”文件以自动检测常见陷阱，“验证（validations）”文件用于代码质量检查，以及“协作（collaboration）”文件实现不同技能间的自动调度。目前库内已收录 462 个经过实战检验的技能，涵盖从微服务启动到代码审查等多种场景。
用户只需一条命令即可完成安装，并支持离线运行与 MCP 协议集成。vibeship-spawner-skills 不仅免费开源，更通过结构化的知识体系，帮助 AI 避开“功能蔓延”等致命错误，确保输出结果既专业又可靠，是构建高效人机协作工作流的理想选择。
使用场景
一位独立开发者正利用 Claude 辅助构建并启动其首个微 SaaS 产品，急需从架构设计到市场推广的全流程指导。
没有 vibeship-spawner-skills 时
- 建议空洞泛化：AI 仅能提供“快速迭代”等通用理论，缺乏经过实战验证的具体代码实施路径和两周 MVP 执行表。
- 陷入功能蔓延陷阱：由于缺乏反模式（Anti-patterns）预警，开发者容易在上线前过度堆砌功能，导致无法按时交付。
- 忽视分发策略：AI 不会主动质疑“先开发后营销”的错误假设，导致产品完工后才发现毫无获客渠道这一致命隐患。
- 协作断层：不同任务间（如后端开发与落地页设计）缺乏自动上下文传递，需人工反复粘贴背景信息，效率低下。
- 错误难以自查：缺少基于正则的自动化验证机制，常见的逻辑漏洞或配置错误只能靠人工肉眼排查。
使用 vibeship-spawner-skills 后
- 获取实战蓝图：
micro-saas-launcher技能直接输出包含认证、支付及着陆页的详细两周执行计划，提供可落地的代码模式。 - 自动规避风险：系统识别“稍后再做营销”等危险信号，立即触发“尖锐边缘（Sharp Edges）”警告，强制开发者先回答获客问题再写代码。
- 智能拦截错误：内置的
validations.yaml自动扫描代码库，实时标记关键级（Critical）的分发缺失或架构缺陷。 - 无缝技能协作：当讨论到落地页时，系统自动将上下文移交给
landing-page-design技能，无需人工干预即可保持逻辑连贯。 - 结构化知识沉淀：所有决策依据、避坑指南和替代方案均以 YAML 结构化存储，形成可复用的生产级知识体系。
vibeship-spawner-skills 将零散的提示词升级为具备自我纠错、风险预警与协同能力的生产级智能体系统，确保微 SaaS 从第一天起就走在正确的发布轨道上。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
生成器技能
适用于 Claude 的 462 个生产级技能。零成本，离线可用。全面集成 MCP。
为什么选择生成器技能？
大多数“AI 提示”只是文本文件。而生成器技能是 生产级知识系统，每个技能包含 4 个专用文件：
maker/micro-saas-launcher/
├── skill.yaml # 身份、模式、反模式、交接
├── sharp-edges.yaml # 具有检测模式的陷阱
├── validations.yaml # 自动化代码质量检查
└── collaboration.yaml # 技能之间的协作方式
我们的技能有何不同
| 特性 | 普通提示 | 生成器技能 |
|---|---|---|
| 模式 | 通用建议 | 经过实战检验的实现代码 |
| 反模式 | 无 | “不要这样做，因为……”并提供替代方案 |
| 尖锐问题 | 无 | 可自动检测的陷阱 |
| 验证 | 无 | 捕获错误的正则表达式模式 |
| 协作 | 无 | 技能之间相互委托 |
| 严重程度 | 无 | 关键、高、中、低 |
快速入门
# 完整设置：技能 + MCP 服务器（推荐）
npx github:vibeforge1111/vibeship-spawner-skills install --mcp
此命令将：
- 将 462 个技能安装到
~/.spawner/skills/ - 配置 Spawner MCP 服务器，用于 Claude Desktop 和 Claude Code
- 启用项目记忆、代码验证和尖锐问题检测功能
其他命令
# 仅安装技能（无需 MCP）
npx github:vibeforge1111/vibeship-spawner-skills install
# 为现有安装添加 MCP
npx github:vibeforge1111/vibeship-spawner-skills setup-mcp
# 更新技能至最新版本
npx github:vibeforge1111/vibeship-spawner-skills update
# 查看状态
npx github:vibeforge1111/vibeship-spawner-skills status
手动克隆（替代方法）
git clone https://github.com/vibeforge1111/vibeship-spawner-skills ~/.spawner/skills
四文件技能系统
1. skill.yaml - 身份与模式
定义技能的身份及其工作方式：
id: micro-saas-launcher
name: 微型 SaaS 发布者
identity:
role: SaaS 发布架构师
personality: |
你已成功发布 12 款微型 SaaS 产品。你深知“构建”与“上线”的区别，并且会毫不留情地推动 MVP。
patterns:
- name: 两周 MVP
when_to_use: 开始任何新 SaaS 时
implementation: |
第一周：核心功能 + 认证 + 支付
第二周：着陆页 + 上线
anti_patterns:
- name: 上线前的功能蔓延
why_bad: 你永远无法上线。用户需要的是解决方案，而非功能。
what_to_do_instead: 以一个核心功能上线，后续根据反馈逐步添加。
handoffs:
- trigger: "landing page|sales page"
to: landing-page-design
context: "需要 SaaS 着陆页"
2. sharp-edges.yaml - 陷阱与警告
在生产环境中可能遇到的问题：
sharp_edges:
- id: no-distribution-plan
summary: 在不知道如何触达客户的情况下进行开发
severity: critical
situation: 你在开发，却完全不清楚客户从哪里来
why: |
分销比开发更难。
“如果你建好了，他们自然会来”纯属谎言。
大多数失败的初创公司产品不错，但分销策略糟糕。
solution: |
## 在开始写代码之前，请回答以下问题：
| 问题 | 你的答案 |
|----------|-------------|
| 你的客户通常在哪里？ | _________ |
| 你本周能否触达 100 名客户？ | _________ |
| 你的不公平分销优势是什么？ | _________ |
如果你无法回答这些问题，立即停止开发。
symptoms:
- “营销以后再说”
- “产品会自己卖出去”
- 无用户情况下持续开发超过 3 个月
detection_pattern: "marketing later|users will come|viral"
3. validations.yaml - 自动化代码检查
在代码上线前捕捉错误：
validations:
- id: no-payment-integration
name: 缺少支付集成
severity: critical
type: 概念性
check: “SaaS 应该具备支付集成”
indicators:
- “没有 Stripe 或其他支付代码”
- “仅有免费层级”
- “支付功能即将上线”
message: “缺少支付集成——你是在做兴趣爱好，而不是生意。”
fix_action: “务必在上线前加入 Stripe 结算，绝不例外。”
- id: api-key-exposed
name: 前端代码中暴露了 API 密钥
severity: critical
type: 正则表达式
pattern: '(sk_live_|sk_test_)[a-zA-Z0-9]{20,}'
file_patterns:
- "*.js"
- "*.ts"
- "*.tsx"
message: “Stripe 秘密密钥暴露在前端代码中！”
fix_action: “请将其移至后端环境变量中。”
4. collaboration.yaml - 技能协作
技能之间的协同工作方式：
receives_from:
- skill: landing-page-design
context: “SaaS 着陆页”
receives:
- “转化率优化的设计”
- “英雄区结构”
provides: “完整的 SaaS 产品发布”
delegation_triggers:
- trigger: “着陆页|销售页”
delegate_to: landing-page-design
pattern: 顺序
context: “需要 SaaS 着陆页”
- trigger: “SEO|有机流量”
delegate_to: seo
pattern: 平行
context: “为 SaaS 内容做 SEO”
common_combinations:
- name: 完整 SaaS 发布
skills:
- micro-saas-launcher
- landing-page-design
- stripe
- seo
workflow: |
1. 验证创意（micro-saas-launcher）
2. 构建带支付功能的 MVP（micro-saas-launcher + stripe）
3. 创建着陆页（landing-page-design）
4. 上线并迭代
5. 添加 SEO 以实现自然增长（seo）
您将获得的内容
本地技能（462 个）
Claude 直接从 ~/.spawner/skills/ 读取 YAML 文件：
- 模式、反模式和最佳实践
- 针对每项技术的尖锐问题（陷阱）
- 离线使用，无需 API 费用
MCP 服务器工具
当您使用 --mcp 选项时，以下工具将可用：
| 工具 | 功能 |
|---|---|
spawner_orchestrate |
自动将您的请求路由到正确的流程 |
spawner_validate |
对您的代码运行护栏检查 |
spawner_remember |
保存决策以供后续会话使用 |
spawner_watch_out |
提醒您相关的尖锐问题 |
spawner_unstick |
当您陷入循环时提供帮助 |
spawner_skills |
根据上下文搜索并加载技能 |
技能类别（35）
| 类别 | 数量 | 描述 |
|---|---|---|
| 游戏开发 | 51 | Unity、Godot、Phaser、多人游戏、游戏设计 |
| 市场营销 | 36 | AI视频、文案写作、SEO、内容创作、病毒式传播 |
| 集成 | 25 | AWS、GCP、Stripe、Discord、Slack、Twilio |
| 人工智能 | 24 | 大语言模型架构师、嵌入表示、微调、自然语言处理 |
| 战略 | 24 | 产品战略、增长策略、竞争情报 |
| AI智能体 | 23 | 自主智能体、浏览器自动化、语音交互 |
| 创意 | 23 | 段子、彩蛋、游戏化设计、病毒式传播钩子 |
| DevOps | 22 | CI/CD、Docker、K8s、可观测性、SRE |
| 后端 | 21 | APIs、微服务、消息队列、缓存 |
| 区块链 | 20 | 智能合约、DeFi、NFT、Solana |
| 安全 | 13 | 身份验证、OWASP、合规性、隐私保护 |
| AI工具 | 12 | 代码生成、图像编辑、多模态工具 |
| 设计 | 12 | UI、UX、品牌设计、着陆页 |
| 框架 | 12 | Next.js、React、Svelte、Supabase、Tailwind |
| 社区 | 11 | Discord、Telegram、开发者关系、大使计划 |
| 数据 | 11 | Postgres、Redis、向量数据库、图数据库、时序数据 |
| 创客 | 11 | 病毒式工具、机器人、扩展程序、SaaS、模板 |
| 思维 | 10 | 调试、决策制定、系统设计 |
| 开发 | 9 | 通用开发工具 |
| 前端 | 8 | React、移动端、状态管理 |
| 测试 | 8 | QA、测试架构、代码审查 |
| 教育 | 7 | 课程开发、AI辅导、学习设计 |
| 产品 | 7 | A/B测试、数据分析、产品经理 |
| 生物科技 | 6 | 基因组学、药物研发、实验室自动化 |
| 企业级 | 6 | 合规、治理、架构设计 |
| 金融 | 6 | 算法交易、DeFi、衍生品 |
| 硬件 | 6 | 嵌入式系统、FPGA、机器人技术、传感器 |
| 交易 | 6 | 执行算法、量化研究 |
| 气候 | 5 | 碳排放、能源、可持续发展 |
| 沟通 | 5 | 开发者沟通、危机公关、利益相关方沟通 |
| 法律 | 5 | 合同、GDPR、专利、SOX法案 |
| 仿真 | 5 | 蒙特卡洛模拟、数字孪生、物理引擎 |
| 航天 | 5 | 轨道力学、任务规划 |
| 科学 | 4 | 实验设计、统计分析 |
| 创业 | 3 | YC创业指南、创始人模式 |
技能包
| 包 | 描述 |
|---|---|
essentials |
构建应用的核心技能（自动安装） |
agents |
自主智能体与自动化 |
community |
社区建设与管理 |
education |
课程创建与在线学习 |
maker |
病毒式工具、机器人、扩展程序、SaaS |
enterprise |
合规与治理 |
finance |
交易与金融科技 |
mind |
调试与决策制定 |
specialized |
生物科技、航天、气候、硬件 |
complete |
包含全部462项技能 |
文档
工作原理
- 使用
npx github:vibeforge1111/vibeship-spawner-skills install安装技能。 - 告诉Claude读取某项技能：
Read: ~/.spawner/skills/maker/micro-saas-launcher/skill.yaml - Claude现在具备了该领域的专业知识——可以请它完成相应任务！
许可证
Apache 2.0
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。