接入 · 开放接口
01 · Agent Skill
Skill 与站点共用公开 API，并使用 LearnPrompt Skill 工坊同款跨 Agent 安装器：
npx skills add LearnPrompt/goodcase-lite --skill goodcase --global --copy --yes --full-depth装好之后，直接问你的 AI：「最近有什么好案例」，它就会自己来查。
02 · RSS
把下面的地址加进任何 RSS 阅读器。每条包含案例摘要与 Prompt 预览，按发布时间倒序。
https://goodcase.ai/feed.xml订阅之后
在阅读器里搜 goodcase 就能找到这条源；也可以把地址直接丢给你的 AI，让它每天早上帮你读一遍。
03 · REST API
curl -s "https://goodcase.ai/api/public/cases?category=video&q=umesh&take=5&locale=zh-CN"curl -s "https://goodcase.ai/api/public/cases/real-case-01-umesh-ai?locale=zh-CN"在列表字段之外额外返回 promptFull（完整 Prompt）、editorNote（编辑点评）、labNote（实验笔记）、spreadScore（传播势能分）、sourceHeatNote（来源热度计算说明）等深度拆解字段。
返回该案例站内逐模型复测记录：stabilityScore、evidenceLevel、按模型的最新结果与历史，以及完整记录列表。用来拿站内基线与自己跑的新模型结果对比。
以上全部接口匿名可用、不需要 API Key；服务端缓存 5 分钟；CORS 全开，浏览器里可以直接 fetch。
新模型出来当天，装了 goodcase skill 的 agent 就能按分类随机抽题跑一遍，和站内复测基线对比。
先安装 goodcase skill：npx skills add LearnPrompt/goodcase-lite --skill goodcase --global --copy --yes --full-depth
然后用 goodcase 评测 <模型名>：按 category=web、form=web-ui 抽 5 题（seed=20260906-<模型名>），逐条拉 promptFull 和 /retests 站内基线，用 <模型名> 跑每条 prompt，逐条记 reproduced / degraded / failed，最后给我对照表和 goodcase-model-eval-v1 JSON。这是自测，不算 goodcase 官方复测。自己跑的结果不是 goodcase 官方复测；finalScore（评审打分）与 stabilityScore（人审档位）不是同一量纲。
手头没有 codex / claude / grok 这三个评审模型也没关系：站内用的评审 rubric（reproduced / degraded / failed 三档的判定标准）会随 goodcase skill 一起公开，任何模型都能照着这套标准打分。跑完在结果里标 judge="self" 与实际用的评审模型名即可；站内会把自评结果和官方三模型结果分开展示，不会混进同一个排名。
这条案例的价值不在提示词本身（prompt 只是一个 GitHub 链接），而在于它开源了一整套图生 3D 工作台：后端统一代理 Tripo、Hyper3D、Fal.ai、Hunyuan3D 等多家图生 3D API 并自动降级，密钥不进前端、生成结果本地缓存复用，是少见的能直接跑起来学的工程参考，而不是一次性效果展示。 说明：该案例的创意归属存在争议——有创作者公开指出此想法与其更早发布的作品高度相似且未获署名，开源仓库的致谢也被指不完整。收录基于其工程实现的参考价值，归属争议请读者自行判断。
AI 编程 · X / 𝕏
Case
公开主体：作品、作者、方法与原始来源。
Creator
由已收录 Case 聚合出来的作者视图。
Lab
围绕 Case 的复测记录与稳定性证据。
Skill
多个 Case 反复成立后沉淀的方法包。
内容纠错、页面问题和产品建议进入独立人工队列，不会冒充 Case 投稿。
加入 GoodCase 飞书群
新案例、复测结果、投稿进度都在群里先聊，作者和运营都在。