grep 搜文件内容、rg 是 grep 的现代升级、glob 匹配文件名——三者名字长得像，但 各管一摊。

1. grep：POSIX 自带文本搜索，-r/-n/-i/-E 是高频选项
2. rg (ripgrep)：Rust 写的现代版，默认跳过 .gitignore 和二进制
3. glob：shell 通配符（*/?/[...]），没加引号会被 shell 展开
4. globstar：shopt -s globstar 后，** 才递归匹配任意层级
5. find -name：find 自己的类 glob 语法，不走 shell 展开
6. 别乱混：grep *.js 被 shell 拆成多文件，只搜当前目录

MiniMax-Coding-Plan-MCP 让 Claude Code 一次性获得 web_search + understand_image 两个能力。

1. 核心定位：专为 Coding Plan 用户设计的 MCP 服务器，2 个工具：网络搜索 + 视觉理解。
2. 背景：纯文本模型（如 DeepSeek v4）原生不能看图，understand_image MCP 给纯文本客户端补齐视觉能力。
3. web_search：调搜索引擎返回有机结果 + 关联查询，替代手动查资料。
4. understand_image：用视觉语言模型分析图片（本地或 URL），支持 JPEG/PNG/WebP。
5. 接入方式：一行 uvx 起服务，Claude Desktop / Claude Code / Cursor 全家桶通用。
6. 关键陷阱：API Key 和 Host 必须同区，否则直接报 invalid api key。
7. 发布：2025-11-20 首发，MIT 协议，stdio / SSE 双传输。

bilibili-mcp 是把 B 站 27 个 高频操作打包成 MCP 工具的服务器。

1. 核心定位：B 站官方 API 之外的 AI 接入通道，覆盖 登录/采集/发布/分析/互动 五类场景。
2. 最大特色：登录由 AI 直接展示二维码，全程不需要切到终端。
3. 采集能力：搜索、评论、字幕、弹幕、视频详情一步到位，支持批量采集。
4. 发布能力：视频、图文动态、图文专栏（Opus）三类内容都能用 AI 代发。
5. 数据分析：热门视频、热搜词、每周必看、17 个分区排行榜、内置 UP 主画像。
6. 互动运营：私信、回复评论、未读消息、收藏夹查询。谨慎使用避免封号。
7. 接入成本：Python 3.10+，一个 git clone + pip install 就能跑。

drawio-skill：让 AI 用自然语言画 draw.io 图，省掉手动拖拽。

1. 它是什么：Agent Skills 格式的 Skill，AI 把一段描述转成可编辑的 .drawio 文件。
2. 核心痛点：流程图脑里清楚、手里画废；让 AI 写代码容易，画图靠拖拽。
3. 典型用法：自然语言描述图 → 生成 .drawio → 2 轮视觉自检 → 导出 PNG/PDF。
4. 对比 drawio-mcp：mcp 走 XML 动作点画；skill 走声明式一次性成型。
5. 成熟度：官方（jgraph）+ 社区（Agents365-ai）双线并存，跨 6+ Agent 平台。
6. 适用：架构图、流程图、ERD、UML 等结构清晰的图。
7. 结论：不想拖拽就首选 Skill。

写 Agent Skill 最容易踩的 4 个坑，加一份最小可用的模板。

1. 最小目录：一个 SKILL.md，Agent 只加载这一份。
2. 核心定位：description 决定何时调，不是"能做什么"。
3. 坑一：description 写漂亮话 = 装了个寂寞。
4. 坑二：SKILL.md 里塞百科，首次加载被拖垮。
5. 坑三：把 Agent 已经会的事写进去，浪费 token。
6. 坑四：装太多 Skill = 每轮白付 token。
7. 结论：Skill 的价值 = 领域知识 + 不可替代的本地动作。

iTerm2 历史丢失是两套独立机制，默认都是真丢弃。

1. scrollback 输出：默认 ~2000 行，clear/CLI 会发 CSI-3J 主动清空
2. zsh history：HISTSIZE/SAVEHIST 默认 500/1000，只 exit 时写盘
3. tmux 独立 history-limit，外层 iTerm scrollback 直接失效
4. 已丢内容就是真丢，macOS 不留终端文本
5. 长期任务用 script 录屏，iTerm 崩溃也能找回
6. 关闭 Tab 自动存盘：Save scrollback to file when window is closed，默认目录 ~/Library/Application Support/iTerm2/Scrollback/

Context7 把 AI 编码从"凭训练记忆"变成"实时查官方文档"。

1. 它是什么：Upstash 开源的 MCP 服务器，索引 3500+ 库的官方文档。
2. 核心痛点：LLM 训练数据落后于库迭代，AI 经常用旧版 API 或凭空幻觉 API。
3. 触发方式：在 prompt 末尾加 use context7，MCP 自动把最新版文档塞进上下文。
4. Token 友好：~1K token 工具开销，比 GitHub MCP 少一个数量级。
5. 成熟度：截至 2026-06 GitHub 57k+ Stars，覆盖 Cursor/Claude Code/Codex 全家桶。
6. 局限：私有仓库需 API Key，未收录的库 MCP 返空。
7. 结论：对不熟的库懒得翻文档，装它最划算。

Skills Manager 解决多 AI 编程工具 Skills 分散管理的痛点，15+ 工具用一套中央库 + 工作区 + 预设搞定，再也不用手动复制。

• 痛点：每个工具自己一份 Skills 目录，复制几次后不知道哪份是新的
• 解法：中央技能库统一托管，跨工具一键同步（复制或软链接二选一）
• 三层工作区：全局（每工具默认生效）/ 项目（仅当前项目生效）/ 预设（一组常用技能打包）
• 跨设备同步：接私有 Git 仓库自动备份，冲突时本地版不会被覆盖
• 适用：同时用 2+ AI 编程工具 / 自己写 Skill / 团队共享常用技能
• 边界：偶尔用网页聊天的人先不用装，装任何 Skill 前先看 SKILL.md

Monorepo 不需要从 pnpm / Turborepo 开始——npm 7+ 自带的 workspaces 字段就能跑，是真正零成本的入门。

1. 是什么：多项目放一个仓库，不强制任何工具
2. 第 1 档：npm workspaces（npm 7+ 内置），根 package.json 加字段
3. 第 2 档：yarn workspaces（早期方案，yarn 1 时代）
4. 第 3 档：pnpm workspace（当前事实标准，磁盘节省 50%+）
5. 第 4 档：Turborepo / Nx，只有跨包 build 依赖才需要
6. 口诀：包数 <5 npm workspaces，<10 pnpm，10+ 才上 Turborepo

DESIGN.md 是 Google Stitch 提出的设计系统规范，把 token 化的视觉语言写进项目根目录。

1. 痛点：AI 写组件超过 5 个，颜色 / 间距 / 圆角就开始漂移
2. 解法：把9 大模块（视觉主题 / 色彩 / 字体 / 组件 / 布局 / 深度 / Do's / 响应式 / Agent 指南）写进 DESIGN.md
3. 格式：YAML Front Matter + Markdown 正文，机器可读 + 人类可读
4. 生态：awesome-design-md 70+ 品牌（9.6 万 Star）+ getdesign.md 索引站 + Chrome 扩展 逆向竞品 + webdesignhot 403 个 CLI 模板
5. 本质：和 AGENTS.md 平行的"视觉约束文件"
6. 局限：直接套别人的设计只适合原型 / 内部工具，自有品牌仍得手写