这份清单重新梳理 AI 工具笔记，回溯原始开源仓库，只保留能嵌入 AI 工作流、解决具体问题的工具，剔除观点文、教程、新闻、模型和提示词合集。共收录 15 个，覆盖 AI 编程 Agent 配置、上下文体量与成本控制、科研/文档/交易等垂直场景，以及数据采集；每项说明使用场景、解决的问题和官方地址。其核心结论是：这些工具共同把 AI 从“会答题”推向“能干活”，以 Skills 封装能力、MCP 连接工具、压缩与规范控制质量；但它们只降低重复劳动和上手门槛，判断力、合规与最终把关仍需人承担。
文章认为，提示词不好用多因目标模糊、上下文缺失、格式与失败态缺失，本质是模型在猜需求。七个技巧涵盖反问澄清、去套话、结构化框架、少样本示例、显性推理与自检、输出契约、上下文工程。落地SOP为定标、起草、审题、补缺、生成、评估、归档，强调跑三次、单变量迭代、六维指标和资产库。工具如Prompt Optimizer、Prompt Master、prompts.chat可辅助优化、跨工具适配与模板复用。结论：提示词是工程链路而非咒语，先有判断再写提示词，质量上限取决于对问题的理解深度。
这是一个非常高维度的思考转变。作为“半个产品经理”并希望通过 AI 落地项目，你的目标不应该是成为“熟练工”，而是成为**“懂行的包工头”**。 你需要掌握的是**“架构思维”（我们要造什么楼）和“环境认知”**（地基在哪里），而具体的砌砖动作（命令参数、具体语法）完全可以扔给 AI。 以下是你必须
