三个热门AI工具学习Wiki

三个热门AI工具学习Wiki#

目录导航#

文章概述#

本文来自"逛逛GitHub"微信公众号，介绍了近期GitHub上三个热门的AI开源工具：

  1. intelligent-terminal：微软在Build 2026发布的Windows Terminal实验分支，原生集成AI Agent

  2. Claudian：Obsidian插件，将Claude Code深度嵌入笔记库，7个月获得1.3万Star

  3. book-to-skill：将技术书籍编译成Agent Skills，2个月获得6.8k Star，token消耗节省15.6倍

这三个工具分别代表了AI工具发展的三个重要方向：终端AI化、知识工具Agent化、知识结构化。

原文链接：https://mp.weixin.qq.com/s/gFlPzfjpY8zs3tOcw3o5Lg

工具一：intelligent-terminal（微软AI终端）#

项目定位#

intelligent-terminal是微软在Build 2026上发布的Windows Terminal实验分支，核心创新是将AI Agent原生集成进命令行终端。用户无需在聊天窗口和终端之间反复切换，Agent可以直接监控Shell输出并提供即时帮助。

作为微软官方出品的工具，其最大特点是对所有主流Agent CLI一视同仁地支持，这在微软产品中较为少见。

核心功能#

  1. Agent面板

    • 停靠式上下文面板，自动读取Shell输出

    • 快捷键：Ctrl+Shift+. 一键唤起

    • 无需切换窗口即可与Agent交互

  2. 错误自动检测

    • 命令执行失败时，状态栏指示灯亮起

    • 快捷键：Ctrl+Alt+. 将错误上下文直接发送给Agent

    • Agent可以解释错误原因或直接修复问题

  3. 协议无关设计

    • 基于Agent Client Protocol（ACP）

    • 未来接入新的Agent几乎零成本

    • 开放协议设计，支持生态扩展

技术亮点#

  • 多Agent平等支持：原生支持Copilot、Claude Code、OpenAI Codex、Gemini CLI，也支持本地自建Agent

  • 本地传输层：仅作为本地传输层，不直接调用云API

  • 数据自主：不持久化会话数据，数据走向完全由用户选择的Agent决定

  • 架构简洁：底层设计干净，职责单一，只做Agent与终端的连接层

系统要求与安装#

系统要求：

  • 仅支持 Windows 11 22H2 及以上版本

安装命令：

winget install --id Microsoft.IntelligentTerminal -e

开源地址：https://github.com/microsoft/intelligent-terminal

适用人群#

  • Windows 11用户

  • 日常高频使用Shell/命令行的开发者

  • 需要在终端中快速获得AI帮助的运维人员

  • 多Agent CLI用户（同时使用Copilot、Claude Code等）

工具二：Claudian（Obsidian+Claude Code插件）#

项目定位#

Claudian是中文博主Jackywine开发的Obsidian插件，它将Claude Code深度嵌入Obsidian笔记库，让整个vault（笔记库）直接变成Agent的工作目录。

核心价值#

在Claudian出现之前，Obsidian用户要使用Claude Code，大多需要依赖Terminal类插件，体验非常糟糕。Claudian解决了这个痛点，实现了在笔记软件内的AI Coding闭环。

功能特性#

  • 侧边栏集成：Agent直接嵌入Obsidian侧边栏，无需切换应用

  • 文件读写：Agent可以直接读写笔记库中的文件

  • 搜索功能：在笔记库内进行全文搜索

  • 跑bash命令：直接在笔记环境中执行bash命令

  • 多步工作流：支持复杂的多步骤工作流，全在笔记库内闭环完成

社区热度#

  • Star数据：7个月拿下1.3万Star

  • 社区地位：已经成为Obsidian社区最火的AI插件之一

  • 开发者背景：中文博主Jackywine的作品

适用人群#

  • Obsidian重度用户

  • 使用Claude Code进行AI Coding的开发者

  • 希望在笔记环境中完成知识管理+编码工作流的用户

  • 个人知识库与AI编码深度结合的实践者

开源地址：https://github.com/YishenTu/claudian

工具三：book-to-skill（技术书籍转AI Skill）#

项目定位#

book-to-skill能够将任意技术书籍编译成符合Agent Skills开放标准的结构化技能。当用户使用Claude Code、Codex等工具时，AI可以按章节即时调用书中的知识，而不是简单地检索原文片段。

核心思想：与RAG的本质差异#

维度

RAG（检索增强生成）

book-to-skill

处理时机

查询时实时处理

编译时一次性处理

处理方式

向量相似度搜索

深度挖掘作者知识框架

输出结果

返回原文片段

输出可推理的结构化知识

理解深度

表层匹配

理解框架、命名方法、反模式

作者的核心洞察是：RAG就像是在书架上找书（indexes a shelf），而book-to-skill是真正掌握了一本书的精髓（masters a spine）。

金句解读#

"RAG indexes a shelf, book-to-skill masters a spine."

—— book-to-skill 作者

这句话精准概括了两种技术路线的本质区别：

  • RAG是索引层面的匹配，知道"知识在哪里"

  • book-to-skill是理解层面的掌握，知道"知识怎么用"

基准测试数据#

作者提供的基准测试数据（基于256K token的技术书籍）：

方案

单题发现循环token消耗

相对倍数

全上下文塞入

77,866 token

15.6倍

book-to-skill

5,000 token

1倍

结论：使用skill后token消耗节省15.6倍。

成本分析#

  • 一次性编译成本：单本书约1美元（使用Sonnet 4.5）

  • 后续查询成本：每次查询固定约5,000 token

  • 性价比：对于需要频繁参考某本书的场景，长期使用成本优势明显

使用方法#

git clone https://github.com/virgiliojr94/book-to-skill.git ~/.claude/skills/book-to-skill/book-to-skill 你书籍的地址

开源地址：https://github.com/virgiliojr94/book-to-skill

Star数据：2个月破6.8k Star

对比分析#

9维度对比表格#

对比维度

intelligent-terminal

Claudian

book-to-skill

工具定位

AI原生终端（Windows Terminal实验分支）

Obsidian+Claude Code集成插件

技术书籍→Agent Skills编译器

出品方/作者

微软（Microsoft官方）

中文博主Jackywine

virgiliojr94

发布场景

Build 2026

X平台（推特）推广

GitHub开源

Star增长

微软官方项目（未提及具体Star）

7个月1.3万Star

2个月6.8k Star

技术路线

ACP协议+本地传输层+多Agent支持

Obsidian插件+侧边栏嵌入+vault作为工作目录

编译时结构化+Agent Skills标准+可推理结构

核心价值

终结终端与聊天窗口切换，错误一键修复

笔记库内AI Coding闭环，替代蹩脚Terminal插件

token消耗降15.6倍，从检索到真正掌握

平台要求

Win11 22H2+

Obsidian（跨平台）

Claude Code/Codex等支持Skills的Agent

适用人群

Windows终端重度用户

Obsidian+Claude Code用户

需要深度使用技术书籍的开发者

代表趋势

终端AI化

知识工具Agent化

知识结构化

技术趋势分析#

从这三个工具可以观察到AI工具生态发展的三个重要趋势：

趋势一：终端AI化#

代表工具：intelligent-terminal

核心特征：

  • AI不再是独立的聊天窗口，而是原生嵌入工作环境

  • Agent能够实时感知上下文（Shell输出、错误状态）

  • 快捷键唤起、错误自动检测等设计体现"AI在身边"而非"AI在对面"

  • 协议标准化（ACP）让终端成为Agent的通用宿主

发展方向：未来的开发环境不再是"人找AI"，而是"AI在人工作的地方随时待命"。命令行作为开发者最核心的工作界面之一，其AI原生改造具有标志性意义。

趋势二：知识工具Agent化#

代表工具：Claudian

核心特征：

  • 笔记软件不再是单纯的"信息容器"，而是Agent的"工作区"

  • Agent拥有对知识库的完整读写、搜索、执行权限

  • 工作流在单一工具内闭环：记录→思考→编码→验证

  • 个人知识库与AI Coding深度融合

发展方向：知识管理工具正在从"被动存储"向"主动工作"演进。Obsidian作为本地优先、高度可扩展的笔记工具，成为Agent的理想工作目录，这预示着未来PKB（Personal Knowledge Base）将成为每个人的AI工作主界面。

趋势三：知识结构化#

代表工具：book-to-skill

核心特征：

  • 从RAG的"片段检索"进化到"编译式理解"

  • 知识处理从查询时前移到编译时，一次性深度加工

  • 输出符合开放标准的可推理结构，而非原始文本

  • token效率大幅提升（15.6倍）预示着成本结构的改变

发展方向：RAG解决了"能不能找到"的问题，book-to-skill解决了"会不会用"的问题。未来的知识处理将更加注重理解深度和推理能力，知识编译（Knowledge Compilation）可能成为一个重要的技术方向。与软件编译类似，一次编译、多次高效使用。

内容评估#

准确性评估#

  • 信息来源可靠：intelligent-terminal来自GitHub Trending（微软官方仓库），Claudian来自X平台中文博主推广，book-to-skill来自GitHub开源社区

  • 数据可验证：Star数量、token数据、安装命令、快捷键等均可通过GitHub仓库验证

  • 客观性：文章既介绍亮点，也指出劝退点（如intelligent-terminal只支持Win11 22H2+）

准确性评分：★★★★★（5/5）

实用性评估#

  • 每个工具都提供了明确的安装方法：winget命令、git clone命令

  • 适用场景清晰：明确指出了每个工具的目标用户

  • 快捷键、系统要求等关键信息齐全：用户可以直接上手

  • 不足：Claudian未提供具体安装步骤，book-to-skill的书籍格式要求未说明

实用性评分：★★★★☆（4/5）

创新性评估#

  • 三个工具分别代表三个不同方向：没有同质化

  • 技术路线有新意：特别是book-to-skill的"编译式"vs RAG的"检索式"对比

  • 微软的开放态度值得关注：多Agent平等支持在微软产品中少见

  • 中文开发者作品登上国际舞台：Claudian的成功有激励意义

创新性评分：★★★★★（5/5）

常见问题解答（FAQ）#

Q1：intelligent-terminal只支持Windows吗？有没有macOS/Linux版本？#

A：根据原文信息，intelligent-terminal目前仅支持Win11 22H2+。这是Windows Terminal的实验分支，微软未提及macOS/Linux版本计划。不过由于它基于ACP开放协议，理论上未来可能有跨平台实现，或者其他终端模拟器会借鉴这个思路。

Q2：Claudian必须使用Claude Code吗？能不能用其他AI模型？#

A：根据原文，Claudian的定位是"在Obsidian里最便捷最强大地使用Claude Code"，从命名和描述来看它是与Claude Code深度集成的。原文未提及是否支持其他模型，建议查看项目GitHub仓库获取最新信息。

Q3：book-to-skill支持哪些书籍格式？PDF、EPUB都可以吗？#

A：原文未明确说明支持的书籍格式。从使用命令来看，它接受"你书籍的地址"作为参数，具体格式支持需要查看项目文档。这是一个相对早期的项目（2个月6.8k Star），格式支持可能在持续完善中。

Q4：三个工具可以组合使用吗？#

A：理论上可以形成有趣的组合：

  • 在intelligent-terminal中使用Claude Code

  • Claudian已经把Claude Code嵌进Obsidian

  • book-to-skill编译的技能可以被Claude Code调用

也就是说，你甚至可以在intelligent-terminal里启动Claude Code，让它调用book-to-skill编译的技能，同时Claudian在Obsidian里管理整个过程的笔记。不过这是推测性的组合，原文并未提及这种用法。

Q5：ACP（Agent Client Protocol）是什么协议？和LSP有关系吗？#

A：原文提到intelligent-terminal基于Agent Client Protocol（ACP），这是一个用于Agent与客户端通信的开放协议。从设计理念上看，它和LSP（Language Server Protocol）有相似之处——都是通过标准化协议实现"一次实现，多处接入"。LSP标准化了编辑器与语言服务器的通信，ACP可能正在标准化终端/客户端与Agent的通信。

Q6：book-to-skill与RAG是互斥的吗？#

A：不是互斥关系，而是适用场景不同。对于临时查阅、大规模知识库等场景，RAG仍然是合适的选择；对于需要深度掌握某本书的知识体系、频繁参考、追求token效率的场景，book-to-skill的编译式方法更有优势。两者可以互补使用。

资源链接#

原文来源#

  • 微信公众号文章：https://mp.weixin.qq.com/s/gFlPzfjpY8zs3tOcw3o5Lg

  • 来源公众号：逛逛GitHub

工具GitHub仓库#

  • intelligent-terminal（微软AI终端）：https://github.com/microsoft/intelligent-terminal

  • Claudian（Obsidian插件）：https://github.com/YishenTu/claudian

  • book-to-skill（书籍转Skill）：https://github.com/virgiliojr94/book-to-skill

相关概念参考#

  • Agent Client Protocol（ACP）：intelligent-terminal所采用的开放协议

  • Agent Skills开放标准：book-to-skill编译输出所遵循的标准

  • Claude Code：Anthropic推出的AI编码工具

  • Windows Terminal：微软官方的现代化终端应用

  • Obsidian：本地优先的Markdown笔记工具