Resumo: Desenvolvedores, criadores de conteúdo, construtores de produtos e principiantes também podem usar

Título original: Top 60 Claude Skills, Workflows, and GitHub Repos for AI—The Complete List.
Autor original: Khairallah AL-Awady
Compilação: Peggy, BlockBeats

Nota editorial: Se tem estado a acompanhar a IA recentemente, é fácil cair numa ilusão: há cada vez mais ferramentas, mas, na prática, há cada vez menos que realmente funcionam.

Para a maioria das pessoas, o problema não é saber se existem ferramentas, mas sim quais valem a pena e por onde começar.

Esta lista baseia-se em testes reais e faz uma abordagem sistemática ao ecossistema atual de ferramentas de IA. Seleciona 60 ferramentas e organiza-as por níveis e casos de uso diferentes: desde ferramentas de codificação e desenvolvimento, passando por frameworks de agentes e integração de ferramentas, até automação de workflows, processamento de dados e infraestruturas; por fim, estende-se a recursos de aprendizagem e a um caminho de atualização contínua.

De forma geral, traça um percurso claro desde “usar IA” até “construir sistemas de IA”, fornecendo aos desenvolvedores, criadores de conteúdo, construtores de produtos e principiantes caminhos de iniciação diferentes, ajudando os leitores a encontrar o ponto de entrada mais adequado num ecossistema de ferramentas complexo.

Numa altura em que as ferramentas estão em constante mudança, talvez uma estrutura como esta tenha mais valor do que recomendações isoladas. Não fornece respostas, mas sim uma forma mais eficiente de compreender e usar IA.

A seguir, o texto original:

Passei mais de 100 horas a testar vários tipos de ferramentas de IA; assim, não tem de tropeçar pelos seus próprios erros.

Guarde esta publicação :)

O ecossistema de ferramentas de IA de 2026 chegou a um ponto em que causa “sobrecarga de informação”: há novos frameworks todas as semanas, novos agentes todos os dias e, todas as manhãs, novos projetos no GitHub entram de imediato no top de tendências.

A maior parte é apenas hype. Algumas são realmente úteis. Pouquíssimas irão, de facto, mudar a forma como trabalha.

Ajudo-o a filtrar o ruído.

As seguintes 60 ferramentas — selecionei-as pessoalmente depois de as testar — são as que, neste momento, vale verdadeiramente a pena ter em atenção. Estão organizadas por categoria e acompanhadas dos cenários em que cada uma se destaca.

Recomendo guardar. É muito provável que volte a usá-las repetidamente.

Parte 1: Agentes de programação em IA & IDE

Este tipo de ferramentas permite que a IA lhe ajude a escrever código, a rever código e até a gerir todo o processo de desenvolvimento.
O ponto-chave é: estas são realmente capazes de funcionar nos workflows do dia-a-dia, e não ficam apenas a nível de demo.

1.Claude Code
Agente de programação via linha de comandos lançado pela Anthropic. Pode ler ficheiros, escrever código, executar testes e operar diretamente no seu ambiente local.
Se quer manter controlo total no desenvolvimento assistido por IA, esta é, atualmente, o “padrão de ouro”.
https://docs.anthropic.com/en/docs/claude-code

2.Cursor
Editor de código com prioridade para IA construído com base no VS Code. Suporta preenchimento em linha, conversa com bases de código e edição multi-ficheiro.
Adequado para desenvolvedores que querem integrar a IA sem falhas no seu fluxo de desenvolvimento existente.
https://www.cursor.com

3.Codex CLI
Agente de programação para terminal lançado pela OpenAI. Com comandos em linguagem natural, lê a base de código, gera e executa código.
Mete muito forte na implementação de tarefas em múltiplos passos.
https://github.com/openai/codex

4.Windsurf
IDE de programação em IA lançada pela Codeium. O seu agent Cascade suporta edição multi-ficheiro, compreensão profunda da base de código e “fluxo de codificação imersivo”.
Está a crescer rapidamente.
https://codeium.com/windsurf

5.Superpowers
Conjunto de mais de 20 competências práticas criado para o Claude Code, incluindo TDD, debug e pipeline desde o planeamento até à execução.
Mais de 96 mil estrelas no GitHub. Se usa o Claude Code, recomenda-se instalar logo de imediato.
https://github.com/obra/superpowers

6.Spec Kit（GitHub）
Ferramenta de “desenvolvimento orientado por especificações”: escreve primeiro a specification e depois a IA gera código. Força-o a pensar bem antes de pôr mãos à obra. Mais de 50 mil estrelas no GitHub.
https://github.com/github/spec-kit

7.Aider
Ferramenta de programação em pares com IA no terminal, com suporte para qualquer LLM.
Especialmente forte ao lidar com bases de código existentes. Mais de 30 mil estrelas no GitHub.
https://github.com/paul-gauthier/aider

Parte 2: Frameworks de agentes

Para construir sistemas automatizados capazes de “pensar — agir — iterar”.

8.OpenClaw
Agente de IA open source em destaque. Suporta execução prolongada, canais múltiplos (WhatsApp / Telegram / Discord) e até escrever as suas próprias competências.
Mais de 210 mil estrelas no GitHub; é um dos acessos mais fáceis atualmente para começar com agentes de IA pessoais.
https://github.com/openclaw/openclaw

9.LangGraph
Orquestra múltiplos agentes com base em “estruturas em grafo”: suporta lógica de ramificação, intervenção humana (human-in-the-loop) e estado persistente.
https://github.com/langchain-ai/langgraph

10.CrewAI
Framework de colaboração multi-agente: cada agente tem uma função, objetivos e um “personagem”.
Adequado para simular fluxos de trabalho de colaboração em equipa.
https://github.com/crewAIInc/crewAI

11.AutoGPT
Framework de agentes totalmente automatizado clássico e maduro, adequado para tarefas de execução prolongada.
Em comparação com versões anteriores, já está bastante mais consolidado.
https://github.com/Significant-Gravitas/AutoGPT

12.Dify
Plataforma open source para construção de aplicações com LLM: integra workflow, RAG, agentes e gestão de modelos.
Também é bastante amigável para não programadores.
https://github.com/langgenius/dify

13.OWL
Framework de colaboração multi-agente que se destaca em testes de referência GAIA.
É uma representação da investigação de ponta que se está a transformar em algo prático.
https://github.com/camel-ai/owl

14.CopilotKit
Permite incorporar um AI copilot diretamente em aplicações React.
Não é apenas para aumentar a eficiência de desenvolvimento; é tornar a IA parte do produto.
https://github.com/CopilotKit/CopilotKit

15.pydantic-ai
Framework de agentes com segurança de tipos baseado em Pydantic.
Adequado para programadores Python que querem obter resultados estruturados e verificáveis.
https://github.com/pydantic/pydantic-ai

Parte 3: Serviços MCP e integração de ferramentas

O MCP (Model Context Protocol) permite que a IA “se conecte ao mundo”. Skill serve para ensinar-lhe como fazer; MCP é para lhe dar “permissão para fazer”.

16.Tavily
Motor de pesquisa concebido especificamente para agentes de IA: não são “links azuis”, mas sim dados estruturados que podem ser usados diretamente por LLM.
Oferece quatro ferramentas — busca, extração, recolha e mapas — e pode ser integrada em MCP em um minuto.
https://github.com/tavily-ai/tavily-mcp

17.Context7
Injeta a documentação mais recente de bibliotecas no contexto do LLM.
Deixa de aparecer “API fantasma” ou métodos desatualizados.
Ao adicionar uma frase no prompt, “use context7”, a documentação mais recente é puxada automaticamente.
https://github.com/upstash/context7

18.Task Master AI
O seu gestor de projetos de IA. Introduz PRD e ele divide em tarefas com dependências.
Depois, o Claude executa passo a passo, transformando o processo de desenvolvimento caótico numa pipeline ordenada.
https://github.com/eyaltoledano/claude-task-master

19.MCP Playwright
Fornece capacidades de automação do browser ao LLM.
Pode controlar um browser real com linguagem natural: testes, scraping e interações podem ser feitos.
https://github.com/executeautomation/mcp-playwright

20.fastmcp
Constrói rapidamente serviços MCP com o mínimo de código Python.
É um dos caminhos mais rápidos para criar integrações de ferramentas personalizadas para modelos como Claude.
https://github.com/jlowin/fastmcp

21.markdownify-mcp
Converte PDFs, imagens, áudio e outros formatos para Markdown.
Permite que qualquer documento entre no workflow de IA.
https://github.com/zcaceres/markdownify-mcp

22.MCPHub
Gerir múltiplos serviços MCP via HTTP.
Um painel para gerir todas as ligações às ferramentas.
https://github.com/samanhappy/mcphub

Parte 4: Skills do Claude (selecionadas)

Skills podem injetar no Claude “capacidades de workflow profissional”. Atualmente existem 80 mil+ skills na comunidade; as seguintes são as que valem mesmo a pena instalar.

23.PDF Processing（官方）
Suporta leitura de PDF, extração de tabelas, preenchimento de formulários e junção e divisão de ficheiros.
Para trabalhadores do conhecimento, é uma das skills com maior utilidade prática.

https://github.com/anthropics/skills/tree/main/skills/pdf

24.Frontend Design（官方）
Para construir sistemas de design realmente utilizáveis, incluindo tipografia ousada e UI com possibilidade de publicação.
Permite escapar ao estilo de design típico de “IA a parecer”. Já tem 277 mil+ instalações.

https://github.com/anthropics/skills/tree/main/skills/frontend-design

25.Skill Creator（官方）
Uma “meta-skill”: descreva o seu workflow em linguagem natural e gere um SKILL.md completo em 5 minutos.
Sem necessidade de escrever configuração, consegue criar novas skills.

https://github.com/anthropics/skills/tree/main/skills/skill-creator

26.Marketing Skills（Corey Haines）
Cobre mais de 20 skills, incluindo CRO, copywriting, SEO, automação de e-mails e estratégias de crescimento.
Equivale a “modularizar” um conjunto completo de capacidades de uma equipa de marketing.

https://github.com/coreyhaines31/marketingskills

27.Claude SEO
Fornece funcionalidades como auditoria do site inteiro, validação de dados estruturados e análise de palavras-chave.
Com 12 subskills, cobre todo o workflow de SEO.

https://github.com/AgriciDaniel/claude-seo

28.Obsidian Skills
Desenvolvida pelo CEO do Obsidian. Suporta marcação automática, ligação automática e integração profunda com a base de conhecimento (vault).
Se usa o Obsidian, isto é praticamente obrigatório instalar.

https://github.com/kepano/obsidian-skills

29.Context Optimization
Para reduzir custos de tokens e melhorar a eficiência do KV cache.
Pode reduzir significativamente os custos de utilização da API. Mais de 13.900 stars no GitHub.

https://github.com/muratcankoylan/agent-skills-for-context-engineering

30.Deep Research Skill
Fluxo de investigação em 8 etapas + mecanismo de continuação automática.
Adequado para cenários em que precisa que o Claude faça “pesquisa profunda” e não apenas um resumo superficial.

https://github.com/199-biotechnologies/claude-deep-research-skill

Parte 5: IA local e execução de modelos

Executar modelos no dispositivo local: mais privacidade, respostas mais rápidas e sem custos de API.

31.Ollama
Execute modelos grandes open source localmente com um único comando. Suporta Llama, Mistral, Gemma e outros.
O caminho mais rápido do zero até à IA local.

https://github.com/ollama/ollama

32.Open WebUI
Interface tipo ChatGPT autohospedada. Simples, rápida e com funcionalidades completas.
Em conjunto com Ollama, pode construir um sistema de IA totalmente privado.

https://github.com/open-webui/open-webui

33.LlamaFile
Empacota o modelo inteiro num ficheiro executável.
Sem dependências: basta descarregar e correr, extremamente simples.

https://github.com/Mozilla-Ocho/llamafile

34.Unsloth
Aumenta 2x a velocidade de afinação do modelo e, ao mesmo tempo, reduz a ocupação de memória em 70%.
Se precisa de treinar o seu próprio modelo, é um excelente ponto de partida.

https://github.com/unslothai/unsloth

35.vLLM
Motor de inferência de alta taxa de transferência; desempenho 2–4 vezes mais rápido do que soluções tradicionais.
Atualmente é uma das escolhas mais comuns para produção e deployment de modelos open source.

https://github.com/vllm-project/vllm

Parte 6: Workflow e automação

Ligue a IA às suas ferramentas e fluxos existentes.

36.n8n
Ferramenta open source de automação de workflows, com suporte para 400+ integrações e nós de IA, com possibilidade de autohospedagem.
Atualmente, um dos construtores visuais de automação de IA mais fortes.

https://github.com/n8n-io/n8n

37.Langflow
Construa workflows de agentes por arrastar e largar. Mais de 140 mil stars no GitHub.
Sem escrever código, consegue montar pipelines complexas de agentes.

https://github.com/langflow-ai/langflow

38.Huginn
Agente web autohospedado, utilizado para monitorização, alertas e recolha de dados.
Dá prioridade à privacidade: toda a automação corre no seu próprio servidor.

https://github.com/huginn/huginn

39.DSPy
Conduz o modelo usando “programas” em vez de “prompts”.
É um framework proveniente de investigação da Stanford, adequado a cenários com exigências mais altas de estabilidade.

https://github.com/stanfordnlp/dspy

40.Temporal
Um “motor de workflow persistente” para tarefas de execução prolongada.
Quando os seus processos de automação precisam lidar com falhas, novas tentativas, timeouts, etc., esta é a solução padrão.

https://github.com/temporalio/temporal

Parte 7: Pesquisa, dados e RAG

Permita que a informação entre e saia do sistema de IA.

41.GPT Researcher
Agente de pesquisa automatizado, capaz de gerar relatórios estruturados.
Introduz um tema e obtém uma análise completa com citações de fontes.

https://github.com/assafelovic/gpt-researcher

42.Firecrawl
Transforma qualquer site num formato de dados adequado para LLM.
Ferramenta de scraping (crawler) concebida especificamente para pipelines de IA.

https://github.com/mendableai/firecrawl

43.Vanna AI
Linguagem natural para SQL.
Ao fazer perguntas em inglês, gera diretamente instruções de consulta à base de dados.
Adequado para quem não quer escrever SQL, mas precisa de usar dados.

https://github.com/vanna-ai/vanna

44.Instructor
Permite que qualquer LLM produza JSON estruturado através de modelos Pydantic.
Suporta 15+ fornecedores, incluindo OpenAI, Anthropic, Google e outros.
É uma escolha prática para muitos engenheiros de IA de nível de produção.

https://python.useinstructor.com

45.Chroma
Base de dados vetorial open source.
Uma das formas mais simples de adicionar pesquisa semântica e memória de longo prazo às aplicações de IA.

https://github.com/chroma-core/chroma

46.dlt
Ferramenta de pipeline de dados para LLM, com suporte para 5000+ fontes de dados.
Ajuda-o a importar vários tipos de dados para o workflow de IA.

https://github.com/dlt-hub/dlt

47.ExtractThinker
Um “ORM” para inteligência documental.
Consegue extrair dados estruturados de documentos de qualquer tipo.

https://github.com/enoch3712/ExtractThinker

Parte 8: API e infraestruturas

Para tudo correr verdadeiramente num ambiente de produção — “o canal de base”.

48.FastAPI
Framework Web Python para deployment de aplicações de IA.
A documentação é extremamente completa e inclui validação de dados Pydantic.

https://github.com/tiangolo/fastapi

49.Portkey Gateway
Aceda a 250+ LLM através de uma única API.
Sem necessidade de alterar código para alternar de modelo.

https://github.com/Portkey-AI/gateway

50.OmniRoute
Suporta APIs de 44+ fornecedores de IA.
Oferece balanceamento de carga, failover e otimização de custos.

https://github.com/diegosouzapw/OmniRoute

51.lmnr
Para rastrear e avaliar o comportamento de agentes.
Permite ver claramente o que o agente está a fazer e medir se o seu desempenho cumpre os objetivos.

https://github.com/lmnr-ai/lmnr

52.Codebase Memory MCP
Transforma a sua base de código num “grafo de conhecimento persistente”.
Permite que o Claude se lembre de toda a estrutura do projeto entre sessões.

https://github.com/DeusData/codebase-memory-mcp

Parte 9: Compilações selecionadas e recursos de aprendizagem

Onde obter informação continuamente e iterar o seu entendimento.

53.Awesome Claude Skills
Compilação de skills selecionadas, com mais de 22 mil stars no GitHub.
O acesso preferencial para encontrar novas skills.

https://github.com/travisvn/awesome-claude-skills

54.Anthropic Skills Repo
Repositório oficial de skills da Anthropic.
Também é, neste momento, a “norma-padrão” para construção de skills.

https://github.com/anthropics/skills

55.Awesome Agents
Lista selecionada com a compilação de ferramentas open source para 100+ agentes.

https://github.com/kyrolabs/awesome-agents

56.PromptingGuide
Cobre um guia completo de engenharia de prompts, do nível base ao avançado.

https://www.promptingguide.ai

57.Anthropic Prompt Engineering Tutorial
Inclui exercícios práticos em 9 capítulos + um Jupyter Notebook.
É um dos melhores caminhos para aprender prompts de forma sistemática.

https://github.com/anthropics/prompt-eng-interactive-tutorial

58.SkillsMP
Plataforma de mercado com 80 mil+ skills da comunidade.
É atualmente o maior diretório de skills do Claude.

https://skillsmp.com

59.MAGI//ARCHIVE
Atualiza diariamente os repositórios de projetos de IA mais recentes.
Serve para acompanhar progressos na vanguarda.

https://tom-doerr.github.io/repo_posts/

60.Anthropic Documentação oficial
Abrange todo o conteúdo central, como APIs, prompts, chamadas de ferramentas, agentes, etc.
Se vai levar a sério o desenvolvimento de um produto de IA, recomenda-se ler esta desde o início até ao fim.

https://docs.anthropic.com

Como usar verdadeiramente esta lista

Não tente instalar todas as 60 ferramentas de uma só vez. Isso só vai causar sobrecarga de informação e desperdiçar tempo.

Eu recomendo usá-la assim:

**Se é um programador: ** comece com Claude Code（01）+ Superpowers（05）+ Context7（17）+ Tavily（16）.
Esta combinação ajuda-o a montar um ambiente de programação em IA robusto, com capacidades de pesquisa e suporte documental.

**Se é um criador / trabalhador do conhecimento: ** comece com OpenClaw（08）+ Obsidian Skills（28）+ PDF Processing（23）+ Frontend Design（24）. Esta combinação pode dar-lhe um assistente de IA com capacidades de gestão de ficheiros, processamento de documentos e criação de conteúdos.

**Se está a fazer um produto: ** comece com FastAPI（48）+ Instructor（44）+ Chroma（45）+ LangGraph（09）.
Esta combinação cobre frameworks de backend, saídas estruturadas, sistemas de memória e capacidades de orquestração de agentes — suficiente para sustentar uma aplicação de IA de nível de produção.

**Se apenas quer aprender: ** comece com o tutorial da Anthropic（57）+ PromptingGuide（56）+ Documentação oficial da Anthropic（60）.
Primeiro, fortaleça as bases; depois, vá acumulando ferramentas.

Escolha um caminho e use-o a fundo primeiro.

Quando aparecerem necessidades, vá expandindo as ferramentas aos poucos.

TL;DR

Skills = Ensinar à IA “como fazer melhor”
MCP = Dar à IA “capacidade de ligar ferramentas e dados externos”
Repos = Fornecer toda a infraestrutura open source

Juntando estas três coisas, o que obtém deixa de ser “uma demo com ar fixe” e passa a ser um fluxo de trabalho de IA verdadeiramente produtivo.

É só isso. 60 ferramentas. Agora, vá fazer alguma coisa.

[Link original]

Clique para saber mais sobre as vagas em aberto da律动 BlockBeats

Bem-vindo a juntar-se à comunidade oficial da律动 BlockBeats:

Grupo de subscrição no Telegram: https://t.me/theblockbeats

Grupo de discussão no Telegram: https://t.me/BlockBeats_App

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia