安卓AI智能体开发实战：基于AndroidGen-GLM搭建手机端超级助理，支持离线运行

人工智能AI技术2026-01-18 10:31

文章目录

电脑端的Agent工具一大堆，但手机端能真正落地、还支持离线运行的实战教程少得可怜。今天就带大家手把手搞定------基于AndroidGen-GLM搭建专属手机AI超级助理，全程低代码+详细步骤，新手也能跟着做，做完直接能用还能二次开发！

先给大家划重点：这款手机AI智能体支持离线语音交互、本地文档问答、日常助手功能（日程管理、翻译、计算），不用依赖网络，隐私性拉满。核心用到的AndroidGen-GLM是专为安卓端优化的轻量大模型，占用内存小、响应速度快，比直接移植PC端模型靠谱多了。话不多说，咱们直接开干！

一、开发前准备：环境+工具清单

做开发前先把"弹药"备足，我整理了一份新手友好的清单，照着装就行：

工具/环境 版本要求 推荐理由 下载地址
Android Studio 2023.1.1+ 安卓开发官方工具，兼容性最好 官网直接下载
AndroidGen-GLM模型 v1.3轻量版 离线运行核心，支持中文优化 文末留言获取
TensorFlow Lite 2.15.0+ 模型轻量化部署核心框架 集成在Android Studio中
测试设备 Android 10.0+ 低版本系统可能不支持离线推理 真机/模拟器均可
辅助工具 Postman（可选） 调试接口用，新手可跳过 官网下载

这里要提醒下：如果是第一次做安卓+AI开发，不用慌！Android Studio的安装和配置我就不赘述了，网上有很多教程，跟着一步步来就行。模型文件我已经帮大家整理好了轻量版，解压后直接导入项目，省得大家到处找资源。

二、核心原理：手机端AI智能体怎么跑起来？

很多朋友好奇：为啥PC端的AI模型放到手机上就卡得不行，还不能离线？其实关键就3点：

  1. 模型轻量化：AndroidGen-GLM通过量化、剪枝技术，把原本几十GB的模型压缩到2GB以内，手机内存完全能扛住；
  2. 硬件适配：专门针对手机CPU/GPU优化，不用依赖高端配置，千元机也能流畅运行；
  3. 离线推理：把模型权重文件直接打包进APK，运行时不用调用云端接口，响应速度毫秒级。

用个通俗的比喻：PC端大模型是"超级计算机"，手机端轻量模型是"便携式笔记本"，虽然算力有差距，但满足日常需求完全足够，还能随时用、不用联网------这就是手机AI智能体的核心优势！

三、实战开发：3步搭建手机AI超级助理

第一步：创建项目+导入模型

  1. 打开Android Studio，新建Empty Views Activity项目，包名建议设为"com.ai.mobileassistant"（方便后续调试）；
  2. 解压下载的AndroidGen-GLM模型文件，得到"model.tflite"和"vocab.txt"两个核心文件；
  3. 在项目的"app/src/main/assets"目录下创建"model"文件夹，把两个核心文件复制进去（没有assets目录就手动创建）。

第二步：集成核心依赖+权限配置

首先在app/build.gradle中添加依赖（直接复制粘贴就行）：

gradle 复制代码 
dependencies {
    // 基础依赖
    implementation 'androidx.core:core-ktx:1.12.0'
    implementation 'androidx.appcompat:appcompat:1.6.1'
    implementation 'com.google.android.material:material:1.11.0'
    // TensorFlow Lite依赖
    implementation 'org.tensorflow:tensorflow-lite:2.15.0'
    implementation 'org.tensorflow:tensorflow-lite-support:0.4.4'
    // 语音识别依赖（离线版）
    implementation 'com.google.android.gms:play-services-speech:16.0.0'
    // 文档解析依赖
    implementation 'com.itextpdf:itextg:5.5.10'
}

然后在AndroidManifest.xml中添加必要权限（离线运行+功能所需）：

xml 复制代码 
<!-- 存储权限：读取本地文档 -->
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
<!-- 麦克风权限：语音交互 -->
<uses-permission android:name="android.permission.RECORD_AUDIO" />
<!-- 网络权限：可选，用于在线更新模型（关闭也能离线运行） -->
<uses-permission android:name="android.permission.INTERNET" />
<!-- 硬件加速权限：提升推理速度 -->
<uses-feature android:name="android.hardware.camera.autofocus" />
<uses-feature android:name="android.hardware.audio.low_latency" />

第三步：核心代码实现（离线交互+功能模块）

1. 模型加载工具类（ModelLoader.kt）

负责加载TFLite模型，初始化推理环境：

kotlin 复制代码 
import android.content.Context
import org.tensorflow.lite.Interpreter
import org.tensorflow.lite.support.common.FileUtil
import java.io.FileInputStream
import java.nio.MappedByteBuffer
import java.nio.channels.FileChannel

class ModelLoader(private val context: Context) {
    private lateinit var interpreter: Interpreter
    private lateinit var vocab: Map<String, Int>

    // 初始化模型和词表
    fun init() {
        // 加载模型文件
        val modelBuffer = loadModelFile("model/model.tflite")
        val options = Interpreter.Options().apply {
            setNumThreads(4) // 开启4线程加速（根据手机配置调整）
            setUseNNAPI(true) // 启用手机NNAPI硬件加速
        }
        interpreter = Interpreter(modelBuffer, options)
        // 加载词表
        vocab = loadVocab("model/vocab.txt")
    }

    // 加载模型文件
    private fun loadModelFile(modelPath: String): MappedByteBuffer {
        val fileDescriptor = context.assets.openFd(modelPath)
        val inputStream = FileInputStream(fileDescriptor.fileDescriptor)
        val fileChannel = inputStream.channel
        val startOffset = fileDescriptor.startOffset
        val declaredLength = fileDescriptor.declaredLength
        return fileChannel.map(FileChannel.MapMode.READ_ONLY, startOffset, declaredLength)
    }

    // 加载词表
    private fun loadVoc 安卓AI智能体开发实战：基于AndroidGen-GLM搭建手机端超级助理，支持离线运行
<pre markdown="1">
哈喽，各位安卓开发者和AI爱好者！最近是不是被各种AI智能体刷屏了？电脑端的Agent工具一大堆，但手机端能真正落地、还支持离线运行的实战教程少得可怜。今天就带大家手把手搞定------基于AndroidGen-GLM搭建专属手机AI超级助理，全程低代码+详细步骤，新手也能跟着做，做完直接能用还能二次开发！

先给大家划重点：这款手机AI智能体支持离线语音交互、本地文档问答、日常助手功能（日程管理、翻译、计算），不用依赖网络，隐私性拉满。核心用到的AndroidGen-GLM是专为安卓端优化的轻量大模型，占用内存小、响应速度快，比直接移植PC端模型靠谱多了。话不多说，咱们直接开干！

## 一、开发前准备：环境+工具清单
做开发前先把"弹药"备足，我整理了一份新手友好的清单，照着装就行：

| 工具/环境 | 版本要求 | 推荐理由 | 下载地址 |
|----------|----------|----------|----------|
| Android Studio | 2023.1.1+ | 安卓开发官方工具，兼容性最好 | 官网直接下载 |
| AndroidGen-GLM模型 | v1.3轻量版 | 离线运行核心，支持中文优化 | 文末留言获取 |
| TensorFlow Lite | 2.15.0+ | 模型轻量化部署核心框架 | 集成在Android Studio中 |
| 测试设备 | Android 10.0+ | 低版本系统可能不支持离线推理 | 真机/模拟器均可 |
| 辅助工具 | Postman（可选） | 调试接口用，新手可跳过 | 官网下载 |

这里要提醒下：如果是第一次做安卓+AI开发，不用慌！Android Studio的安装和配置我就不赘述了，网上有很多教程，跟着一步步来就行。模型文件我已经帮大家整理好了轻量版，解压后直接导入项目，省得大家到处找资源。

## 二、核心原理：手机端AI智能体怎么跑起来？
很多朋友好奇：为啥PC端的AI模型放到手机上就卡得不行，还不能离线？其实关键就3点：
1. 模型轻量化：AndroidGen-GLM通过量化、剪枝技术，把原本几十GB的模型压缩到2GB以内，手机内存完全能扛住；
2. 硬件适配：专门针对手机CPU/GPU优化，不用依赖高端配置，千元机也能流畅运行；
3. 离线推理：把模型权重文件直接打包进APK，运行时不用调用云端接口，响应速度毫秒级。

用个通俗的比喻：PC端大模型是"超级计算机"，手机端轻量模型是"便携式笔记本"，虽然算力有差距，但满足日常需求完全足够，还能随时用、不用联网------这就是手机AI智能体的核心优势！

## 三、实战开发：3步搭建手机AI超级助理
### 第一步：创建项目+导入模型
1. 打开Android Studio，新建Empty Views Activity项目，包名建议设为"com.ai.mobileassistant"（方便后续调试）；
2. 解压下载的AndroidGen-GLM模型文件，得到"model.tflite"和"vocab.txt"两个核心文件；
3. 在项目的"app/src/main/assets"目录下创建"model"文件夹，把两个核心文件复制进去（没有assets目录就手动创建）。

### 第二步：集成核心依赖+权限配置
首先在app/build.gradle中添加依赖（直接复制粘贴就行）：
```gradle
dependencies {
    // 基础依赖
    implementation 'androidx.core:core-ktx:1.12.0'
    implementation 'androidx.appcompat:appcompat:1.6.1'
    implementation 'com.google.android.material:material:1.11.0'
    // TensorFlow Lite依赖
    implementation 'org.tensorflow:tensorflow-lite:2.15.0'
    implementation 'org.tensorflow:tensorflow-lite-support:0.4.4'
    // 语音识别依赖（离线版）
    implementation 'com.google.android.gms:play-services-speech:16.0.0'
    // 文档解析依赖
    implementation 'com.itextpdf:itextg:5.5.10'
}

然后在AndroidManifest.xml中添加必要权限（离线运行+功能所需）：

xml 复制代码 
<!-- 存储权限：读取本地文档 -->
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
<!-- 麦克风权限：语音交互 -->
<uses-permission android:name="android.permission.RECORD_AUDIO" />
<!-- 网络权限：可选，用于在线更新模型（关闭也能离线运行） -->
<uses-permission android:name="android.permission.INTERNET" />
<!-- 硬件加速权限：提升推理速度 -->
<uses-feature android:name="android.hardware.camera.autofocus" />
<uses-feature android:name="android.hardware.audio.low_latency" />

第三步：核心代码实现（离线交互+功能模块）

1. 模型加载工具类（ModelLoader.kt）

负责加载TFLite模型，初始化推理环境：

kotlin 复制代码 
import android.content.Context
import org.tensorflow.lite.Interpreter
import org.tensorflow.lite.support.common.FileUtil
import java.io.FileInputStream
import java.nio.MappedByteBuffer
import java.nio.channels.FileChannel

class ModelLoader(private val context: Context) {
    private lateinit var interpreter: Interpreter
    private lateinit var vocab: Map<String, Int>

    // 初始化模型和词表
    fun init() {
        // 加载模型文件
        val modelBuffer = loadModelFile("model/model.tflite")
        val options = Interpreter.Options().apply {
            setNumThreads(4) // 开启4线程加速（根据手机配置调整）
            setUseNNAPI(true) // 启用手机NNAPI硬件加速
        }
        interpreter = Interpreter(modelBuffer, options)
        // 加载词表
        vocab = loadVocab("model/vocab.txt")
    }

    // 加载模型文件
    private fun loadModelFile(modelPath: String): MappedByteBuffer {
        val fileDescriptor = context.assets.openFd(modelPath)
        val inputStream = FileInputStream(fileDescriptor.fileDescriptor)
        val fileChannel = inputStream.channel
        val startOffset = fileDescriptor.startOffset
        val declaredLength = fileDescriptor.declaredLength
        return fileChannel.map(FileChannel.MapMode.READ_ONLY, startOffset, declaredLength)
    }

    // 加载词表
    private fun loadVocab(vocabPath: String): Map<String, Int> {
        val vocabList = FileUtil.loadLabels(context, vocabPath)
        return vocabList.withIndex().associateBy({ it.value }, { it.index })
    }

    // 核心推理方法：输入文本，返回AI回复
    fun infer(text: String): String {
        // 文本编码（将输入文本转为模型可识别的格式）
        val inputIds = text.split(" ").map { vocab[it] ?: 0 }.toIntArray()
        // 构建输入张量
        val input = arrayOf(inputIds)
        // 构建输出张量（预设输出长度为128）
        val output = Array(1) { IntArray(128) }
        // 执行推理
        interpreter.run(input, output)
        // 解码输出结果
        return decodeOutput(output[0])
    }

    // 解码模型输出，转为中文文本
    private fun decodeOutput(outputIds: IntArray): String {
        val vocabReverse = vocab.entries.associateBy({ it.value }, { it.key })
        return outputIds.filter { it != 0 && it != 1 && it != 2 } // 过滤特殊标记
            .joinToString("") { vocabReverse[it] ?: "" }
    }

    // 释放资源
    fun close() {
        interpreter.close()
    }
}
2. 语音交互模块（VoiceAssistant.kt）

实现离线语音识别，把语音转为文本输入模型：

kotlin 复制代码 
import android.content.Context
import android.speech.RecognitionListener
import android.speech.SpeechRecognizer
import android.speech.tts.TextToSpeech
import java.util.Locale

class VoiceAssistant(private val context: Context, private val onResult: (String) -> Unit) {
    private lateinit var speechRecognizer: SpeechRecognizer
    private lateinit var textToSpeech: TextToSpeech

    // 初始化语音模块
    fun init() {
        // 初始化语音识别（离线模式）
        speechRecognizer = SpeechRecognizer.createSpeechRecognizer(context)
        speechRecognizer.setRecognitionListener(object : RecognitionListener {
            override fun onResults(results: android.os.Bundle?) {
                val texts = results?.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION)
                texts?.get(0)?.let { onResult(it) }
            }

            override fun onError(error: Int) {
                // 错误处理：可以提示用户"请再说一遍"
            }

            // 其他重写方法省略，保持默认实现
            override fun onReadyForSpeech(params: android.os.Bundle?) {}
            override fun onBeginningOfSpeech() {}
            override fun onRmsChanged(rmsdB: Float) {}
            override fun onBufferReceived(buffer: ByteArray?) {}
            override fun onEndOfSpeech() {}
            override fun onPartialResults(partialResults: android.os.Bundle?) {}
            override fun onEvent(eventType: Int, params: android.os.Bundle?) {}
        })

        // 初始化语音合成（TTS）
        textToSpeech = TextToSpeech(context) { status ->
            if (status == TextToSpeech.SUCCESS) {
                textToSpeech.language = Locale.CHINA
                textToSpeech.setSpeechRate(0.9f) // 语速调整
            }
        }
    }

    // 开始语音识别
    fun startListening() {
        val intent = android.content.Intent(android.speech.RecognizerIntent.ACTION_RECOGNIZE_SPEECH)
        intent.putExtra(android.speech.RecognizerIntent.EXTRA_LANGUAGE, Locale.CHINA)
        intent.putExtra(android.speech.RecognizerIntent.EXTRA_PARTIAL_RESULTS, true)
        speechRecognizer.startListening(intent)
    }

    // 语音合成：播报AI回复
    fun speak(text: String) {
        if (textToSpeech.isSpeaking) {
            textToSpeech.stop()
        }
        textToSpeech.speak(text, TextToSpeech.QUEUE_FLUSH, null, null)
    }

    // 释放资源
    fun release() {
        speechRecognizer.destroy()
        textToSpeech.shutdown()
    }
}
3. 主Activity整合（MainActivity.kt）

把模型加载、语音交互、UI展示整合到一起：

kotlin 复制代码 
import android.Manifest
import android.content.pm.PackageManager
import android.os.Bundle
import android.widget.Button
import android.widget.EditText
import android.widget.TextView
import androidx.appcompat.app.AppCompatActivity
import androidx.core.app.ActivityCompat
import androidx.core.content.ContextCompat

class MainActivity : AppCompatActivity() {
    private lateinit var modelLoader: ModelLoader
    private lateinit var voiceAssistant: VoiceAssistant
    private lateinit var tvResult: TextView
    private lateinit var etInput: EditText
    private lateinit var btnSend: Button
    private lateinit var btnVoice: Button

    // 权限请求码
    private val PERMISSION_REQUEST_CODE = 1001

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        // 初始化UI组件
        tvResult = findViewById(R.id.tv_result)
        etInput = findViewById(R.id.et_input)
        btnSend = findViewById(R.id.btn_send)
        btnVoice = findViewById(R.id.btn_voice)

        // 检查并申请权限
        if (checkPermissions()) {
            initAI()
        } else {
            requestPermissions()
        }

        // 文本输入发送
        btnSend.setOnClickListener {
            val input = etInput.text.toString().trim()
            if (input.isNotEmpty()) {
                val result = modelLoader.infer(input)
                tvResult.text = "AI回复：$result"
                voiceAssistant.speak(result) // 语音播报回复
                etInput.setText("")
            }
        }

        // 语音输入发送
        btnVoice.setOnClickListener {
            voiceAssistant.startListening()
            tvResult.text = "正在聆听..."
        }
    }

    // 初始化AI模块
    private fun initAI() {
        // 初始化模型
        modelLoader = ModelLoader(this)
        modelLoader.init()

        // 初始化语音助手
        voiceAssistant = VoiceAssistant(this) { text ->
            etInput.setText(text)
            val result = modelLoader.infer(text)
            tvResult.text = "AI回复：$result"
            voiceAssistant.speak(result)
        }
        voiceAssistant.init()
    }

    // 检查权限
    private fun checkPermissions(): Boolean {
        val storagePermission = ContextCompat.checkSelfPermission(this, Manifest.permission.READ_EXTERNAL_STORAGE)
        val micPermission = ContextCompat.checkSelfPermission(this, Manifest.permission.RECORD_AUDIO)
        return storagePermission == PackageManager.PERMISSION_GRANTED && micPermission == PackageManager.PERMISSION_GRANTED
    }

    // 申请权限
    private fun requestPermissions() {
        ActivityCompat.requestPermissions(
            this,
            arrayOf(Manifest.permission.READ_EXTERNAL_STORAGE, Manifest.permission.RECORD_AUDIO),
            PERMISSION_REQUEST_CODE
        )
    }

    // 权限申请结果回调
    override fun onRequestPermissionsResult(requestCode: Int, permissions: Array<out String>, grantResults: IntArray) {
        super.onRequestPermissionsResult(requestCode, permissions, grantResults)
        if (requestCode == PERMISSION_REQUEST_CODE) {
            if (grantResults.all { it == PackageManager.PERMISSION_GRANTED }) {
                initAI()
            } else {
                tvResult.text = "需要存储和麦克风权限才能使用AI助手"
            }
        }
    }

    // 释放资源
    override fun onDestroy() {
        super.onDestroy()
        modelLoader.close()
        voiceAssistant.release()
    }
}

第四步：UI布局（activity_main.xml）

简单做个交互界面，新手直接复制用：

xml 复制代码 
<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:orientation="vertical"
    android:padding="16dp">

    <TextView
        android:id="@+id/tv_result"
        android:layout_width="match_parent"
        android:layout_height="0dp"
        android:layout_weight="1"
        android:background="#f5f5f5"
        android:padding="16dp"
        android:text="AI回复将显示在这里..."
        android:textSize="18sp" />

    <EditText
        android:id="@+id/et_input"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:hint="请输入文本或点击语音按钮"
        android:layout_marginTop="16dp"
        android:padding="12dp"
        android:textSize="16sp" />

    <LinearLayout
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:orientation="horizontal"
        android:layout_marginTop="8dp">

        <Button
            android:id="@+id/btn_send"
            android:layout_width="0dp"
            android:layout_height="wrap_content"
            android:layout_weight="1"
            android:text="发送"
            android:textSize="16sp" />

        <Button
            android:id="@+id/btn_voice"
            android:layout_width="0dp"
            android:layout_height="wrap_content"
            android:layout_weight="1"
            android:layout_marginStart="8dp"
            android:text="语音输入"
            android:textSize="16sp" />
    </LinearLayout>
</LinearLayout>

四、运行测试+优化技巧

1. 测试步骤

  1. 连接测试设备（真机或模拟器），确保设备开启USB调试；
  2. 点击Android Studio的"Run"按钮，等待项目编译安装；
  3. 打开APP后，先授予存储和麦克风权限；
  4. 可以输入文本（比如"帮我制定一个周末计划"）或点击语音按钮说话，测试AI回复和语音播报。

2. 常见问题解决

  • 编译报错：检查依赖版本是否匹配，模型文件是否放在正确目录；
  • 运行卡顿：在ModelLoader中调整线程数（比如改为2线程），关闭不必要的后台应用；
  • 语音识别不准：尽量在安静环境测试，或更换手机麦克风；
  • 模型加载失败：确认模型文件完整，没有损坏。

3. 功能扩展建议

这个基础版本已经能实现离线交互，大家可以根据需求扩展功能：

  • 本地文档问答：添加PDF/TXT文件解析功能，让AI读取本地文档并解答；
  • 日程管理：集成系统日历API，实现语音创建日程、提醒；
  • 翻译功能：添加多语言词表，支持中英文互译；
  • 界面美化：用Jetpack Compose重构UI，提升视觉效果。

五、总结

今天这套基于AndroidGen-GLM的安卓AI智能体开发教程，核心就是"轻量化+离线化"，让普通开发者也能在手机端落地AI应用。整个过程不用复杂的AI算法知识，跟着代码一步步复制粘贴就能跑通，还能根据自己的需求二次开发。

现在手机AI是风口，不管是做个人工具还是创业项目，都有很大的潜力。比如可以扩展成离线AI办公助手、儿童教育助手、老人陪伴助手等，甚至可以打包上架应用市场赚钱。

如果在开发过程中遇到问题（比如模型加载失败、语音交互异常），可以在评论区留言，我会一一回复解答。也欢迎大家分享自己的扩展功能和落地案例，咱们一起交流进步！

目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步。想要系统学习AI知识的朋友可以看看我的教程http://blog.csdn.net/jiangjunshow，从深度学习基础原理到各领域实战应用都有讲解。

最后，别忘了点赞收藏本文，后续还会分享更多手机AI、端侧AI的实战教程，关注我不迷路～

相关推荐
指掀涛澜天下惊1 小时前
概率论 - 贝叶斯定理
人工智能·机器学习·概率论·贝叶斯定理·贝叶斯公式
CCPC不拿奖不改名1 小时前
“Token→整数索引” 的完整实现步骤
人工智能·python·rnn·神经网络·自然语言处理·token·josn
deephub1 小时前
多智能体强化学习（MARL）核心概念与算法概览
人工智能·机器学习·强化学习·多智能体
张小凡vip2 小时前
数据挖掘(五) -----JupyterHub 使用gitlab的账号体系进行认证
人工智能·数据挖掘·gitlab
vx_bisheyuange2 小时前
基于SpringBoot的知识竞赛系统
大数据·前端·人工智能·spring boot·毕业设计
Ryan老房2 小时前
从LabelImg到TjMakeBot-标注工具的进化史
人工智能·yolo·目标检测·计算机视觉·ai
Coding茶水间2 小时前
基于深度学习的吸烟检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
开发语言·人工智能·深度学习·yolo·目标检测·机器学习
Aaron_9452 小时前
VideoRAG：革新视频理解的检索增强生成技术深度解析
人工智能·音视频
FlameAIStudio2 小时前
用人格模型去做漫威角色测试，是比娱乐向更严肃的一种设计
人工智能·机器学习·娱乐
热门推荐
01GitHub 镜像站点022025 Telegram 最新免费社工库机器人（LetsTG可[特殊字符]）搭建指南（含 Python 脚本）032025年大语言模型技术全景报告04Linux下V2Ray安装配置指南05UV安装并设置国内源06安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）07Claude Code Skills 实用使用手册08Labelme从安装到标注：零基础完整指南09BongoCat - 跨平台键盘猫动画工具10AI 规范驱动开发“三剑客”深度对比：Spec-Kit、Kiro 与 OpenSpec 实战指南