agent skill本地部署教程

二零二五年十月十六号， anthropic 正式推出了 agent skill。 起初官方对它的定位相当克制，只是希望用它来提升 cloud 在 某些特定任务上的表现。但大家很快发现，这套设计实在是太好用了，因此行业里很快就跟上了节奏，包括 vs code、 codex、 curser 等工具都陆续加入了对 agent skill 的 支持。在这样的背景下，十二月十八日， anastropics 做出了一个重要决定，正式将 agent skill 发布为开放标准，支持跨平台、跨产品服用。 这意味着 agent skill 已经超越了 cloud 单一产品的范畴，正在演变为 ai agent 的 领域的一个通用的设计模式。那么这个让大厂纷纷跟进的 agent skill 到底是解决了什么核心痛点？它和我们所熟悉的 mcp 又有着怎样的区别和联系呢？ 今天这期视频我们就分几个部分彻底讲清楚这个 agent skill。 我 们首先从 agent skill 的 概念出发，也就是给大家讲明白 agent skill 到底是个什么东西。然后我来给大家演示一下它的基本使用方法。 在了解了基本用法之后，我们再来看看它的高级用法。高级用法一共是包含两块，分别是 reference 和 script。 最后，我会把 agent skill 和 mcp 做个比较，告诉你到底应该选哪一个。 好了，话不多说，让我们直接开始哦，不好意思，只是想证明自己不是 ai， 那 我们现在真的要开始喽。 那什么是 agent skill 呢？用最通俗的话来讲， agent skill 其实就是一个大模型，可以随时翻阅的说明文档。 举个例子，比如你想要做一个智能客服，你可以在 skill 里面明确交代，遇到投诉得先安抚用户的情绪，而且不得随意承诺。 再比如，你想要做会议总结，你可以直接在 skill 里面规定，必须要按照参会人员一提决定这个格式来输出总结的内容。这样一来，你就不用每次对话都去重复粘贴那一长串的要求了。大模型自己翻翻这个说明文档就知道该怎么干活了。 当然，说明文档只是一个为了方便理解的简化说法，实际上 agent skill 能做的事情要远比这个强大，它的高级功能我们待会儿就会讲到，不过在目前的起步阶段，你就把它当成是一个说明文档就行。下面我就用会议总结这个实际的场景，带大家看看它到底是怎么使用的。 这里我们使用 cloud code 来演示如何使用 agent skill。 要想使用 agent skill， 那 当然是要先创建一个了。 根据 cloud code 的 要求，我们需要在用户目录下的 dot cloud skill 文件夹创建我们的 agent skill。 所以呢，就让我们先进入到这个文件夹中，然后执行 maker 会议总结助手来创建一个文件夹，这个文件夹的名字就代表了我们 agent skill 的 名字，然后再使用 vs code 来打开这个文件夹，这样的话我们编辑文件会更方便一些。打开这个文件后，我们在里面创建一个叫做 skill 点 md 的 文件， 然后填好这个文件的具体内容就是这样了，每一个 agent skill 都需要有这么一个文件，它用来描述这个 agent skill 的 名称，能干什么事以及怎么干这个事情的。比如我们这里要创建的 agent skill 就是 用于总结会议目录内容的， 它的 skill 点 m d 一 共分为两部分，头部的这几行被两段短横线包起来的是叫做原数据，英文叫做 matte data， 这一层就只写了 name 和 description 这两个属性。 name 呢是 agent skill 的 名称，必须与文件夹的名字相同。 name 的 下面呢是 description， 它代表这个 agent skill 的 描述，主要是向大模型说明这个 agent skill 是 用来干什么的。然后再看下面剩余的部分，这个呢就是具体的 agent skill 的 说明了， 官方把这一部分呢是叫做指令，对应的英文是 instruction， 这一部分就是在详细描述模型需要遵循的规则。比如说你看这里，我规定了它必须要总结参会人员议题和决定这几个方面的内容， 然后为了确保他真的理解了，我这里还举了一个例子，输入的是会议的录音内容，然后输出的呢就是我们所需要的格式了。好，现在我们的 agent skill 应该是做好了。对，就是这么简单，就是一个说明文档， 下面我们打开 cloud code 来验货，首先随便找一个空目录，打开 cloud code， 然后输入下面这个问题，你有哪些 agent skill？ cloud code 给我们回答了，可以看出他已经发现了我们写好的 agent skill。 然后我们来看看 cloud code 是 怎么使用这个 agent skill 的。 我们输入请求总结以下会的内容，然后粘贴一段会议录英文本回车，让我们看看 cloud code 会如何应付我们这个问题。 好， cloud code 有 反应了，大家注意看屏幕，这里 cloud code 并没有直接开始下编，他根据我的指令意识到了这事归我们刚才上传的那个 agent skill 管，所以呢，他是在向我询问能不能使用这个 agent skill， 那 我们当然是同意了。同意之后，他就开始读取我们写的那个会议总结助手了，主要就是读取其中的那个 skill 点 m d 文件，让我们稍作等待 好，结果出来了，参会人员议题决定三点都清清楚楚，这完全符合我们在 skill 里面定的规矩。这个呢，就是 agent skill 的 基础用法了，是不是很简单？现在你知道了如何创建和使用 agent skill， 那 不妨让我们想想刚才到底发生了什么。 首先，整个流程中一共有三个角色，用户 cloud code 以及 cloud code 的 背后所使用的大模型。在我们的例子里，这个就是 cloud 模型 流程一开始的时候，用户会输入请求，此时 cloud code 会把用户的请求连同所有 skill 的 名称和描述一起发给大模型。注意，这里只带了名称和描述， 也就是我们前面所说的 skill 原数据层。虽然说我们之前只演示了一个 skill， 但是你可以想象一下，哪怕你装了十几个 skill， 此时的大模型呢，也只是在看一份轻量级的目录， 因为毕竟只有名称和描述嘛。在接到了用户请求和每一个 skill 的 名称描述后，大模型会发现用户的请求呢，可以使用会议总结助手这个 agent skill 来解决， 此时呢，他就会把这个信息告诉 cloud code。 cloud code 接到大模型的响应之后，会去会议总结助手那个目录里面读取完整的 skill。 md 正文儿对，这个时候读取的呢，才是 skill md 的 全部内容，之前就只是名称和描述， 而且要注意，他只读取了会议总结助手这一个 agent skill 的 内容哦。在拿到了会议总结助手的 skill md 内容后， cloud code 会把用户的请求和完整的 skill md 内容发给大模型， 大模型会根据 skill 点 m d 的 要求来生成响应，并且把响应发给 cloud code， cloud code 进而呢，会把这个响应发挥给用户，这样呢，用户就会看到结果了。 这就引出了 agent skill 的 第一个核心机制，按需加载。虽然 skill 的 名字和描述是始终对模型可见的，但具体的指令内容只有在这个 skill 被选中之后才会被加载进来给模型看，这个呢，就节省了很多的 token 了。 前面我们讲了，一开始 cloud code 会把所有 agent skill 的 名称和描述都给到模型，比如说什么爆款文案 skill、 会议总结 skill、 数据分析 skill 等等， 模型呢，会从中选择一个，之后只有选中了那个 skill 的 skill 的 md 文件才会给到模型。说白了呢，就是按需加载， 这个呢，已经很省 token 了，但是它还不够极致。大家试想一下，我们的会议总结助手可能会越来越高级，我们希望它不仅仅是简单复述，而是能够提供更有价值的补充说明。 比如说，当会议决定要花钱时，它能直接在总结里标注是否符合财务合规，当涉及到合同时，它能够提示法务风险。这样大家在看会议总结的时候，就不需要再去翻规章制度，一眼就能够看到这些关键的补充信息，这就非常方便了。 但问题在于， skill 能做这些事情的前提是它要把相关的财务规定和法律条文都写入到 skill 点 m d 文件里，这些文件可能会非常长，都写进去的话， skill 点 m d 文件就会变得无比的臃肿， 哪怕只是开个简单的早会，都要被迫加载一堆根本用不上的财务和法律。废话，浪费模型资源。 那能不能做到暗虚中的暗虚呢？比如说，只有当会议内容真的聊到了钱， cloud code 才会把财务规定加载给模型看。 其实这个呢，也是可以的， agent skill 呢，提供了 reference 的 概念，干的就是这个活，让我们来试一下。首先我们来给它加一个文件，也就是 agent skill 术语里面的 reference。 我们把这个文件叫做集团财务手册，里面写明了各种费用的报销标准，比如说是住宿补贴五百一晚，餐饮费人均三百一晚之类的。然后我们在原来的 skill 点 m d 文件里面新增一个财务提醒规则，里面写明仅在提到钱预算采购费用的时候出发。 出发的时候呢，需要读取集团财务手册，点 m d 这个文件，根据文件内容指出会议决定中的金额是否超标，并明确审批人，这就可以了。我们回到 cloud code 这里再试一下。 这次我们的请求仍然是总结下这个会议的内容，不过呢，这次使用的会议内容稍微换了一下， 这段对话呢，我们就不细看了，你只需要知道，在这段对话里面，老陈让小李订一千二百一晚的酒店，这涉及到了钱。按道理来说， cloud code 应该触发我们刚才新增的财务提醒规则，让我们看看 cloud code 能不能意识到这一点。 首先， cloud code 意识到了这个请求跟我们的会议总结助手相关联，请求使用这个 agent skill， 我 们同意。 然后他意识到了这个会议跟钱相关，根据 skilled md 文件的指示，他请求读取集团财务手册，这个文件用于查看里面的财务合规信息，这个呢，我们也同意。 最后，他根据实际的会议内容生成了总结，可以看出，总结中不仅包含参会人员、议题、决定等基本信息，还包含了财务提醒，这完美符合我们的需求。 这个呢，就是 reference 的 核心逻辑了。在 agent skill 的 体系里面，集团财务手册点 m d 这个文件就是一个典型的 reference， 请大家记住它的特性，它呢是条件触发的。 在刚才的例子里面，只有当 cloud code 读取完 skill 的 md 文件，判断出需要查账时，才会去加载这个文件。反过来说，如果这是一个跟钱无关的技术复盘会，那么这个财务文件就只会躺在硬盘里面，绝不会占用哪怕一个 token 的 上下文。 好，讲完了 reference， 接下来我们来讲讲如何让 agent skill 跑代码，毕竟查资料只是第一步，能直接动手运行代码，帮我们把活干了，这才是真正的自动化。这个呢，就用到了 agent skill 的 另一大能力， script 让我们在文件夹里面创建一个 python 脚本，文件名就叫做 upload 点 pi， 用于上传文件。之后我们填好这个代码文件的内容，然后我们来到 skill 点 m d 这个文件里再加上一段关于上传规则的描述， 如果用户提到了上传同步或者是发送到服务器这样的字眼，你必须运行 uploader pi 脚本，将总结内容上传到服务器。然后呢，我们来到 cloud code 这边，输入请求，总结下这个会议的内容，并把它上传到服务器中，然后我们粘贴会内容。 跟之前一样， cloud code 意识到了这个请求与我们的会议总结助手相关，所以呢，他请求使用这个 agent skill， 我 们同意，然后他把会议的总结内容输出了出来，并准备上传到服务器中，他请求执行 up 六点 pi 文件来实现这个功能，我们也同意 好，上传成功。而且 cloud code 还把上传相关的一些信息也展示了出来，非常棒。 这里面呢，有个小插曲，大家注意一下，我这次所使用的会议内容跟钱其实没什么关系，所以 cloud code 呢，也并没有去读取集团财务手册那个文件， 结果中呢，也没有财务提醒相关的内容。这正好印证了我前面所说的观点， reference 是 按需加载的，如果用户没有提到与 reference 相关的内容，那 cloud code 是 不会去读取它的，这样就达到了节省上下文 token 的 目的。 好让我们再回到代码执行部分，注意看这里， cloud code 申请执行这个 uploader pie 文件，它并没有去读取这个文件。没错， agent skill 里面的代码只会被执行，不会被读取。 这就意味着，哪怕你的脚本写了一万行复杂的业务逻辑，它消耗的模型上下文呢，也几乎是零。 cloud code 只关心脚本的运行方法和运行结果，至于这个脚本的内容，它可以说是毫不在意。 所以呢，虽然 reference 和 script 都属于 agent skill 的 高级功能，但是呢，它们对于模型上下文的影响其实是截然不同的。 reference 是 读，它会把内容加载到上下文里面，所以呢，是会消耗 token 的。 script 呢，是跑，它只会被执行，不会占用模型的上下文。讲到这里，我们需要停下来稍微做个总结，聊一聊 agent skill 的 渐进式批漏机制。 agent skill 的 设计其实是一个精密的渐进式批漏结构，这个结构里面一共有三层，每一层的加载机制都不太一样。 第一层是原数据层，这里有所有的 agent skill 的 名称和描述，它们是始终加载的，相当于大模型里面的目录。大模型每次回答前都会看一下这一层的信息，然后决定用户的问题是否与某个 agent skill 相匹配。 第二层是指令层，对应 skill 的 md 文件里面除了名称和描述之外，其余的部分，只有当大模型发现用户的问题与某个 agent skill 相匹配的时候，它才会去加载这一层的内容。所以呢，我们称这一层为按需加载。 第三层是资源层，这个呢，是最深的一层，它一共是包含 reference 和 script 两方面的内容。其实按照官方最新的规范，应该还有一个组成部分叫做 assets， 不 过我看了一下，它跟 reference 的 定义似乎有部分重叠，因此我们这里先忽略它。 好，我们刚才例子里面的集团财务手册和 uploader pie 脚本就属于这一层，只有当模型发现用户问题与财务或者上传相关的时候，它才会去加载这一层的内容， 这就相当于是在按需加载的指令层基础上又做了一次按需加载，所以我们可以称它为按需中的按需加载， 当然这是我起的名字啊。 reference 和 script 的 加载方式其实不太一样， reference 是 被读取的， cloud code 会把对应文件的内容放到模型的上下文中，一共回答式参考。而 script 是 被执行的， cloud code 根本就不会去看代码的内容，它只关心代码的执行结果。 当然这个也不是铁律啊，如果你没有把代码的执行方法说清楚， cloud code 还是有可能会去看一下代码的，毕竟跑不下去了嘛，这样的话呢，就会占用模型的上下文了。所以还是请大家写 skill 的 时候尽可能的把一切都解释清楚。 那聊完了 agent skill 的 用法，很多朋友可能会有种似曾相识的感觉， agent skill 好 像是跟 m c p 有 点像啊，本质上都是让模型去连接和操作外部世界。既然功能重叠，那我们到底应该用哪一个呢？ 关于这个问题，按 serapic 官方写过一篇相关的文章来解释，核心观点就一句话就在这里， mcp connects cloud data skills teach cloud what to do with that data。 这句话可以说是直接点明了 mcp 与 agent skill 的 区别，它其实就是在说 mcp 给大模型供给数据，比如说查询昨天的销售记录，获取订单的物流状态等等。 而 skill 是 教会大模型如何处理这些数据的，比如说是会议总结必须要有个议题啊，汇报文档必须要包含具体的数据啊等等。到这里，有些同学可能就会问了， 不对啊， agent skill 里面也能写代码？我直接在 agent skill 里面写连接数据的逻辑不就好了吗？这样呢，就不需要 mcp 了， agent skill 就 直接把这两个活都给干了。 确实啊， agent skill 也能连数据，功能上与 mcp 有 所重叠，但是能干并不代表适合干， 这就好像是瑞士军刀也能切菜，但没有人会这么干。我们这个场景呢，其实也是这样， m c p 本质上是一个独立运行的程序，而 agent skill 本质上是一段说明文档，它们的本质不同决定了适合的场景也是不同的。 agent skill 更适合跑一些轻量的脚本，处理简单的逻辑。在代码执行方面， agent skill 的 安全性和稳定性都不及 mcp， 所以 大家还是要根据场景选择合适的工具。甚至在很多的场景下，我们需要把 agent skill 和 mcp 结合起来一起使用，以便尽可能的满足我们的需求。 好，今天的视频呢，就到此结束了，我是马克，用最通俗的语言讲最硬核的技术。如果我的视频对你有帮助，欢迎点赞订阅，我们下次再见，拜拜！

这个 agent skill 每天可以节省你好几个小时，直接用它和你的 ai 对 话，就能自动连接 notebook lm。 我 之前用它生成了一段播课全程，完全不需要手动操作。网页 and apple chose， google's gemini to power the next generation of siri it's not just a friendly deal i think you described it perfectly before it's a shared vote a shared vote。 安装方法特别简单，下面手把手教你。首先你需要一个支持 skills 的 客户端，目前 cloud， opencode and gravity 等都支持。然后把 github 上这个项目页面发给你的 ai， 告诉他帮你安装这个 skill 就 行。 安装完成后，比如在 opencode 中，需要把这个 skill 加载的配置文件用同样的方式把这个页面发送给 ai， 他 会按照文档帮你配置好。成功后你就能看到这个 skill 了。现在让 ai 调用定制 skill， 自动搜索近期硅谷科技动态，汇总信息，并同步到 notebook i m， 最终生成一段定制薄刻整过程完全自动化，体验非常流畅。你甚至可以设定每日定时任务，让它自动为你完成这些工作。这样一来，就不再被动接收碎片化信息， 而是每天收获一段高质量的薄刻，轻松节省下几个小时的信息整理时间。而这个 skill 的 强大还不止如此，只要是 notebook i m 上有的功能，它全都可以调用，更多好用的玩法等你来发现！关注我，了解更多 ai 干货，感谢大家观看！

好，这节我们继续来学习 cloud 当中的 skills， 那 上一节当中我们学习的如何使用 ui ux pro max 这个项目去开发一个这样的 ui， 那 其实啊，整体流程大概是这样子，对吧？我们分布一个任务，然后 ai 读这个 skills 文件，最后去通过这个脚本查出当前样式，最后返回给你。那上一节呢？ 嗯，没看的小伙伴可以去看一下。好吧，这一节我们就不过多追述了，我们这一节呢，主要是给大家分享一下，就是关于 cloud skills 是 如何去使用的，因为我发现很多小伙伴有这方面疑问，就是什么是 skills 以及 skills 呢？它能够给我们的 cloud code 带来什么？或者给我们的 cloud 的 模型带来什么，对吧？首先我们先要明确一个， 首先我们需要明确一个概念，就是，呃， skills 呢，实际上是给 ai 加装的一个插件，类似一个插件，你可以理解为它是一个 prompt 的 集合， 需要按顺序加载，能够帮助你提高你的效率。那相比于 m c p 呢？它不需要去调用一些外部的工具，它只是单纯的一段题的词，仅此而已。好，我们开始走什么 skills？ 我 们刚说了，本上 skills 呢，就是一个文件夹，这个文件夹里面包含了指定脚本资源， cloud 呢，会按需加载，就是这个指令，什么时候需要使用这个指令，它会自己去找。什么时候需要这个脚本呢，它也会自己去找。那这时候呢， cloud 呢，是完全自动地接管了你的这个啊，这个权限，然后去，哎，去掉这个 skill， 哎，我该干什么干什么，所以你可以在这个 skill 里面去写，哎，你需要干什么？简单来说，对吧，给 cloud 加技能包， 让 cloud 变得更聪明，那这四个特性大家简单看一下就行了。好吧，我们就往下走，那下面我们来简单说一下， cloud 目前有三种分类，第一种呢是个人技能，也就是说你这个 skill 呢，你的所有项目 都可以使用，比如说我现在配置的一个全职的 skills， 对 吧？那你需要配置在这个点， cloud 杠 skills 下面，这是一个全职的技能，也就是你所有的项目啊，都可以去使用这个 skills， 而不仅仅局限于某一个项目。 第二个是项目级别 skills， 也就是说你这个 skills 呢，只对当前的这个项目的跟目录下面的所有文件生效。哎，秃了这个文件，对吧？它就不生效了，懂我意思吧？第三个是插件的插件也是一样的，就是你安装之后，你所有项目也是一样生效，只是说你可以随时卸载它。好吧， 我们继续往下走啊，首先我们要去使用 skills 呢，需要去插件市场安装一下啊，下面我给大家演示一下。首先我们打开 cloud code， 那 这里呢？我去，哎，去清空一下啊，这时候如果说我需要安装 skills， 你 可以执行这条 mini， 哎，去安装一下 astroc 的 这个 skills 啊，因为我这里呢，要叫有个窗口，我就发跳价哦，我直接发进到高度的 啊。然后这个时候我们再执行这条 mini， 这是那个 cloud 当中的一个 plugin mini 插件 mini 回车啊，这时候我们可以看到，对吧？它在添加这个 skills， 你 看 这个 skills 呢，它是存在 astropica 的 官网，所以呢，它通过 get 啊，给它下载下来啊，就就安装完成了，就安装这个配置，就安装完成了， 好吧，那这里我们就退出了，好吧，那我们可以选择去，哎，可以去安装你的插件，也可以选择去卸载你的插件，好吧，这时候我们就安装完成，之后呢，那 这时候我们就可以使用 skills 了，就这么简单。那这个默认的 skills 里面有什么东西呢？很好的一个问题，它目前提供了两个问题，第一个是 document， pdf 文件之类的， 第二个是一些视力技能包，比如说 m c， p 啊，视觉之类的，就是官方提供了两个 skills。 好， 这时候我们可以就可以去掉这个 skills。 好， 看它是不是创建成功了，比如说，哎，请你给我创建一个学生管理系统需求的啊，文件使用 skills 啊，这是这是 student 点 pdf， 它就这样子，它会给你一个 pdf 文件，那用到 skills 呢？其实这个 cloud code 呢，也会告诉我们是不是用到了这个 skills， 我 们可以看一下 啊，这时候你可以看到是否使用这个 skills， 也就是用这个 pdf 的 skills， 也可以看到这个地方出现这一段话，就是我们用到了什么，用到了第一个 skills， 这个 skills 呢，因为有一个 pdf 文件，那这时候我们可以选择 yes， 也可以选择，哎，下次不提醒它，我们选择， 那这时候我们可以的话就去调这个 skills 了，然后呢，哎，这个 skills 里面呢，因为本身就包含了这个这个命令，所以呢，你看它会自动去执行这个命令，我们并没有跟他说，哎，你要执行某一个命令，使用什么什么库，为什么？因为它的这个 skills 里面就包含了 pdf 的 操作。好，最后总结一下，对吧？所以我们实际上就是将 啊 astroc 它整理的一些啊技能包在这个 prompt 当中啊，给你声明好了，这些啊，比如说调 pdf， 它需要用到哪些工具，需要用到哪些题的词，对吧？它需要用到哪些插件，哪些库，对吧？它都给你整理好了，所以呢，这个时候我们就可以啊，去看到这个啊，这个目录下面会有一个这个 pdf 相关的技能包啊，类似于我们之前学习这个 啊 kilo 的 时候，你看是不是？我们学习 kilo 时候是不是讲过，对吧？是不是有一个 skill， 你 看这 skill 嘛，它会声明你用的是什么 python 什么的啊，什么样的版本，那就那么一个意思，好吧，好，最后呢，安装完成会保证这个目录下面我们先不讲啊，这里我们就我们可以看到就用了这个 skill， 我 们就跳过这样，我们执行完成之后还会确实会给你生成一个 pdf， 类似于人家已经封装好的 prompt， 好 吧， 这时候我们就明白了，对吧？当我们使用 skills 的 时候呢啊， cloud 会自动加载这个 pdf skills 以及文档分析 skills， 最后输出给你一个结果，而不是全部加载上下文中，有效节省头壳，就就是类似于那个 cloud 的 一个机制，好再往下走呢，其实我们和 mcp 的 一个区别是什么？就我们可以看到，对吧？ m c p 呢，是外部提供的应用工具能力，而 scuse 呢，更像是去教模型如何使用工具，在那个结识当中去声明，哎，声明我到底该怎么做，对吧？引导他去执行啊？教模型的一种方法，一般来说我们会通过 m c p 和 scuse 协调工作，最后呢，再通过 scuse 引导去来最终执行。好吧，那这个，这个是什么意思呢？这是斜杠命令啊，意思啊， 所以呢，它也是一个区别。好吧，好，那就本期视频的全部浏览。如果呢，你也对这种 sku 感兴趣的话，不妨去试一下。那通过这个杠 prang 的 插件，对吧？去选择你要安装的插件，包括这个管理所需要的插件。那正常的一个 sku 目录呢？是一个这样的目录，比如说文档啊，文档里面有这个，这个角落会写在这里面啊，资源会写在这里面，它就有一个清晰的分类，这就是所谓的 sku， 那 包括我们也可以看到，对吧？它全程在使用这个 sku 来去执行，我们并没有去插手。好吧，好，那就本期视频的全部浏览，我是小刘，我们下期再见。

如何在 obsidian 中使用 cloud skill 实现一个 ai 智能体？ obsidian 的 ceo stefan 最近发布的三个 skill， 你 用上了吗？ 我先来做个展示，如何用一句话让智能体下载 youtube 视频，并总结视频内容，刊写知识笔记，然后在无线画布中画出知识结构图。在 obsidian 界面中，我向 ai 发送了一个 youtube 视频链接，这个视频是油管著名博主单口大神的一条视频， 我让 ai 帮我下载这个视频的文案内容，然后提取视频的核心知识点，并刊写一篇带有 obsidian 专属于法的 macdonald 知识笔记， 然后根据视频的知识内容，在一幅无线画布上画出知识结构图。 ai 在 接收到指令后，先调用了 youtube transcript 这个视频，转录 skill， 下载了视频文案， 然后调用了 obsidian markdown 这个 skill， 拣写了一篇 obsidian 知识笔记，然后调用 jason combs 这个 skill 在 无线画布上画出了视频的知识加固图。后面的两个 skill， 也就是 obsidian markdown 和 jason combs， 就是 obsidian 的 ceo stefan 最近发布的三个 skill 中的两个。 我们来看一下生成的内容。首先是 obsidian 知识笔记，可以看到知识笔记带有详细的元素句区，并且含有 obsidian 专属的 callout 语法。 我们打开当前笔记的关系图谱，就能看到笔记中的双向链接。然后我们来看一下 ai 绘制的无线画布， 可以看到视频的知识架构被清晰的整理到了无限画布中，甚至还带有原视频的链接。那有了这样的智能体能，为我们省下很多重复性劳动，让我们能够专注在学习和思考上。 今天我就用一个视频教会大家这个智能体的实现步骤，整个流程非常简单，具体步骤和相关知识点还有提示词我都整理成了知识笔记，最后会分享给大家。 首先我们来快速安装一下相关的环境。首先是 cloud code， 关于 cloud code 和 cloud skill 这部分内容在我的上一期视频中已经讲得很详细了。如果你还不知道 cloud skill 和 cloud code， 我 强烈建议大家回看我的上一期视频。那么这里我就快速的过一下安装流程。 我们先安装 windows， 直接去官网下载，然后双击安装即可。打开命令行，通过一行命令来安装。卡洛克，如果你在这一步有网络问题，可以使用网络加速，或者使用国内的 npm 镜像。具体的做法是在命令行后面添加额外的参数， 具体的命令我也展示在屏幕上。安装完成之后，我们要把 cloud 的 ai 替换成兼容模型，因为 cloud 对 网络和地区的限制非常严格，且价格较贵。 目前国内的 ai 比如 deepsea、 智普 glm 都支持了 ospec 的 api 接口。相关的官方文档我已经展示在屏幕上。 我们在命令行中分别输入这三行命令，来把 cloud code 的 ai 接口替换成智普 glm， 然后重启命令行，输入 cloud， 然后回车， cloud code 就 运行起来了。那么到此 cloud code 就 安装完毕了。 接下来我们来配置 obsidian， 这里我们需要安装一个插件，名字叫 cloud 点，是专门为 obsidian 适配 cloud code 的 插件，目前这个插件还没有正式发布到第三方市场中， 我们在 github 上找到 clouding 的 仓库，在 reedme 中能看到安装方法。我们手动下载三个文件，分别是 main 点 js， mainfast 点 json， 还有 style 点 css， 然后来到 obsidian 仓库所在的文件夹，在点 obsidian 文件夹中找到 plug ins 文件夹，然后在 plug ins 文件夹下创建一个叫 clouding 的 文件夹， 并且把刚才下载的三个文件放进去。然后我们打开 obsidian， 在 第三方插件界面把 cloudian 这个插件的开关打开， 然后来到设置界面，插件的设置界面有一些基础设置，比如 cloud 应该如何称呼你，这里我填 jason。 然后我们把滚动条拉到最下面，找到自定义变量，这里我们需要设置三个变量， 分别是 ai 的 u， r， l， a， p， i， t 和模型名称，那这里我们依然使用智普 g l l 模型，那你也可以使用 deep six 模型，那具体的参数我已经展示在屏幕上了。 设置完毕后，重启 off c 点，然后在键盘上按下 ctrl 加 p， 打开命令面板，输入 cloud 点，选择 open chat view 来打开 cloud 点的 ai 对 话窗口，在对话窗口中输入一个你好能看到 ai 返回结果，说明配置成功， 那么到此我们就完成了环境的配置。那接下来我们要把相关的 skill 放置进来。首先就是 obsidian ceo 发布的三个 skill， 我 们来到 github 搜索 obsidian skills， 找到 cappano 这个人的仓库，点进来，我们看到说明文档中已经说得很详细了，一共 seven skill， 分 别是 obsidian markdown， 用来拷写含有 obsidian 专有语法的 markdown 知识笔记。第二个是 jason canvas， 是 用来让 ai 帮你绘制无线画布 canvas 的 skill。 第三个是 obsidian basis， 是 让 ai 来帮你创建 obsidian 数据库用的。我们点击右上角绿色的 code 按钮，把整个仓库以 zip 压缩包的形式下载下来， 解压缩之后，把 skills 这个文件夹复制出来，然后来到我们的 obsidian 仓库所在的文件夹，找到点 cloud 这个文件夹，进入之后把刚才复制的 skills 文件夹拷贝进来，那么现在我们的 obsidian 就 已经有这三个 skill 了。 我们回到 abc 界面，在 abc 插件的 ai 对 话窗口输入斜杠 skills， 然后回车 ai 如果能够列出它所拥有的 skills， 那 么我们的整个流程就实现完成了。我的 ai 之所以有这么多的 skills， 是 因为我在 cloud code 的 全句目录下放了很多 skills， 大家可以回看我上一期讲 cloud skill 的 视频， 那么现在我们就可以让智能体来调用 skill 帮我们完成任务了。首先我让他用无线画布 canvas 来画出有关地中海饮食的知识结构图，并把生成的无线画布文件保存到 opposite 仓库的根部部。 我们可以看到 ai 在 接收到指令后，马上选择使用 jason canvas 这个 skill， 经过一段时间的思考之后，画出了知识库的根目录中。我们点开这个无线画布来看一下， 可以看到 ai 画出了地中海饮食的知识框架，并使用不同的颜色模块进行了分组。那么到此我们就成功在 office 界面中调用 cloud skill 来实现智能体功能了。 如果你想要为自己的智能体安装更多的 skill， 可以 到 github 上搜索相关仓库，比如 awesome cloud skill 这个仓库，以及 ospec 官方 github 仓库相关内容大家可以回看我们上一期视频。 这里我想额外说一个问题， stefan 发布的这三个 skill 是 全英文的，如果你向 ai 发送中文指令， 大模型在匹配的时候不一定每次都能精准地认识到应该使用哪个 skill， 那 解决的办法也有很多，你可以在提示词中明确要求它使用某一个 skill， 也可以来到 clouding 插件设置界面中的系统提示词选项， 在系统提示词中，要求 ai 在 接受到用户指令后，优先思考应该使用哪个 skill。 那 这样一来，你的 ai 有 了 skill 的 加持，就能变得更加智能，对特定任务也会完成的更加精确。对于 obsidian 的 ceo stefan 发布的这三个 skill， 我 个人认为更多的是代表官方的态度。 dolphin 他 没有发布在 obsidian 官方的 github 上，而是发布在了自己的 github 账号上。可以看到 minimo 这个外观主题也是在他的这个账号上发布的，因为他是这个主题的作者嘛。至于他之前接受采访中所传达的理念，可以说是知心合一的。 之前的采访中他说过，出于隐私等因素， obsidian 对 于发布官方 ai agent 的 持谨慎态度，这一点是不同于 notion 的。 由于 obsidian 的 文件隐私性，他鼓励用户自己去决定以什么样的方式使用 ai。 也就是说，你如果想要 ai 智能体，就自己手搓一个，而如今他自己亲自下场，带头手搓 agent skill， 并且发布在他自己的推特和 github 账号上，而不是官方账号， 这就非常符合他之前所传达的观点。 obsidian 不 像 notion 那 样环境是封闭的，限制那么多， obsidian 的 文件完全本地化，完全掌握在你自己手里，大家可以根据自己的需求，灵活地通过各种方式使用 ai。 那么今天的视频内容就到这了，大家现在就可以上手把 stefan 发布的 thank you 用起来了。视频中的内容和知识点我都整理成了知识笔记，大家可以在我的主页或频道信息中找到我的个人主页地址来下载资料，有任何问题都可以在评论区中给我留言，记得点赞关注，谢谢大家！

skill 也特别适合做批量视频来 web marketing， 一 开始我很想用 n 八 n 来做这个流程，因为它里面会涉及到请求好几次不同模型，包括图像模型， banana， 还包括文本的模型，还包括这个视频的模型。但是 n 八有个问题啊，因为像 v u 三，它一个视频就几秒钟，我们完成一个完整的视频，它是需要 生成好几个视频，然后再拼在一起的。但是 n 八 n 去拼视频这个步骤有点麻烦，所以咱们用 skill， 它在 gl code 里面 是可以直接调用本地的这个服务的，那这个服务就是一个专门的去把视频进行拼接的一工具，超级好用。所以今天我对 skill 的 体验感就是，它不仅可以跟 s o p 化的把一些流程性的，批量性的工作把它固定下来，重复的去做，而且呢，它还可以非常方便的去调用你本地的各种文件，然后去使用一些非常好用的本地的服务。 所以这个视频就给大家展示一下这个 skill 是 怎么样制作的，非常简单。先打开 coco 的， coco 的 不会下载的朋友们请看之前的视频啊。 那完事之后我们直接把这个流程输入进来，这个流程里面需要注意的部分哈，首先你自己先是对你这一类视频的套路得是非常明确的，我建议大家最好提前在社交媒体上去找你这个业务的爆款视频，看是不是能够把它非常套路化的拆解出来的。 如果能的话再用这套流程，如果不能的话，那我们再用其他的方案去解决。 ok， 那 如果你已经确定了是可以用这种模板化的方式拆解的话，我们就直接把这些步骤给它输入进去，这个步骤主要就是包括你给他一个基本的图片，让他去生成提示词，再去生成你这个视频独有的分镜图。 接下来呢，再根据这个台词的长短切分成多个不同的视频。最后一步呢，就是用这个本地的工具， f f， m p、 e， g， 把 上一步生成的多个视频把它拼结合成在一起。最后一定记得给他指定一个文件夹保存的位置，可以把过程中所有的内容都保存下来，方便你在测试的时候去 check 到底哪里出问题了。 另外还有个小技巧，就是你第一次去给他输入提示词的时候呢，不用让他直接去干活，你让他先理解一下需求，跟你讨论一下他给你提的问题呢，你都跟他说清楚，这样的话他的成功率会更高一点。像我这条提示词生成的这个 skill， 我 基本上测试的第一次就完全跑通了，可以直接跑出来这个视频了，中间没有遇到任何问题， 所以我个人感觉还是非常方便的，给他剥个外壳，或者是给他直接接入到一些啊工作软件什么飞书里面，我感觉是可以直接大量的去服用了。今天就先分享到这，对这个工具感兴趣的朋友们可以在评论区扣一期，待一见再连下期见。

建议所有人都去学 cloud skills 真的 太香了！之前我们写篇文章，从折腾选择题到搜集资料，再到写出稿改稿叫对，就算是专业的创作者，至少也要两小时起步。 现在我将大博主都在用的写作流程提炼成 s o p， 再让 cloud 帮我写成 skill， 就 可以让 ai 帮你自动化写作和规党。一篇高质量的文稿，从之前的两小时起步到二十分钟就能搞定， 今天手把手带你过一篇整个流程，看看 skills 到底有多爽。前置的 clod code 安装模型接入切换 skill 如何安装的基础知识我这里不展开讲相关的操作，我会整理好知识库放在评论区。 装好 clod code， 建议大家第一步，先安装 skill creator 这个官方创建 skill 的 技能，它可以交互式引导你创建 skill， 只需通过一系列问题帮你梳理需求，就能自主帮你生成 skill。 在 开始创建我们的写作 skill 之前，我们需要拆解下我们的工作流程， 分为理解需求、信息搜集、选择题确认、创建任务拆解、学习我的风格、初稿创作、降 ai 位这几个步骤。第一步，理解需求，按照格式自动保存项目 brief 文件夹。第二步，信息搜集与知识管理。因为涉及到科技产品测评，所以多渠道的信息搜集是必须要做的。搜索完了自动保存到对应文件夹， 内容必须包含信息收集时间和信息来源。第三部，选择题讨论是必做的，不要让 ai 直接写文章，而是要先和你讨论选择题，让 ai 根据需求提供三到四个选择题，方向包含核心内容方向、工作量评估、内容大纲等。 第四步，如果选择题要真实测试或配图， ai 会创建文档到协助文件夹，帮你做一个任务肖像清单。第五步，学习风格，参考文件夹中历史文章的风格，提取开头方式、结构偏好、语言特征、京剧风格等内容。 第六步，根据我的风格加入实践案例进行初稿创作。初稿无需特别完美，咱们让它先把框架先搭出来。第七步，让它进行三重审效。就像在媒体工作一样，初稿是小编写的，刊登前要经过编的一层层审核，从数据校对到去 ai 位， 再到细节打磨，让初稿成为直接能用的高质量中稿文档。我同样整理在知识库了，直接把文档上传到 cloud， 让它理解内容，自己执行。你只等待十几分钟就创建好了创建好的 skill 文档，存放目录，在这个文件夹，你可以打开，确认文件是否符合 skill 的 标准。 skill dot、 md 是 必须有的。 重点关注 name description 这两个原数据，里面包含了 ai 自动触发的要求，其他的 reference 是 参考文档， scripts 是 运行脚本， templates 是 模板。大家可以看一下我的写作 agent 的 目录结构风格参考，放我之前写的几个平台数据都不错的报文 写作技巧。放我自己整理的 markdown 文件规范指南，目前是放一些防限流指南、运营细节、用户人设，关于我想让他知道的我的信息和写作需求与倾向。我的项目是按照文档用途分类，让 cloud code 自动写入对应文件夹，这样这个写作 agent 会随着我沉淀的资料越来越多，会变得越来越专业。 你只需自然语言就可以触发调用这个自动化写作 skill， 按需加载，高效的同时还十分节省投更消耗，真的很香。以上就是今天的全部分享，希望对你有所启发和帮助。我是 jackie， 关注我，陪你在 ai 时代无限生长！

大家新年好，今天是一个重磅的分享，经常看我视频的伙伴都知道，我在过去的时间里，用不读一行代码的方式，一种黑盒编程的方式，已经把一个项目做出了一个雏形。在这个过程中，我也积攒了一些经验，会陆续做成视频分享给大家。 去年 cloud 推出了这个 agent skills 这个功能之后，我也做了一些视频。现在 skills 的 使用价值已经完全的超越 mcp 了，而且我认为它的使用门槛是相当的低， 但是可能很多朋友还没有学会怎么用，今天我就教你们一个使用 skill 做自动化流程，给自己提效的一个万能公式。所谓的万能公式就是所有人都可以不用写代码就可以用。 那首先提到这个万能公式，我先介绍一个工具啊。这个经验来自于我之前用黑河编程做的项目，我经常让 ai 去做后端测试，他特别喜欢用这个命令， 我根据这条命令就构建了一套它用于测后端的一个脚本，所以我的项目开发的也比较顺。但这个命令我觉得我们不用去学习，你只需要知道，它可以模拟我们所有操作网页的方式。 如果你常用的 web 服务器是支持 api 访问的，那么你只需要让 ai 读一下 api 的 文档，它就可以构建出一套纯自动化的流程。当然这么听可能有点抽象，我会用了这个命令，跟我的这个 万能公式又有什么关系呢？我来举一个例子你们就懂了。我的女儿前几天考这个 g s p 的 五级 c y y 的 一个考试，她没考好，我分析了一下，其实是刷题刷的不够，虽然我给他做了一个 ai 工具，新奥制题助手，这个我之前分享过， 但是这个工具有一个问题，就是他没有自己的题库，这些所有的题其实还是我自己在网上找的，我要通过这个工具的内置功能给它加入进去。 但是这个怎么说也比较麻烦，你得录入题目，你得用 ai 分 析测试点，还得找答案。虽然我也在工具上做了一个类似 a 证的抓网页的功能，但我觉得不好用，而且它只能抓题目，它的测试点和答案你还得另找这个软件，它已经完全落后于这个时代了，我也懒得再去狗尾续貂， 但是我想了另外一个招，这招是什么呢？就是因为我的信号制题助手，它启动之后就会有一个后端服务器， 当初我觉得在这个 electron 里运行一个 python 服务器，这种设计还挺奇葩的，但是现在想想还是挺明智的。我把后端的 api 的 代码喂给这个 cloud code 之后，他竟然就把这个 skill 做出来了。 我只需要打开这个应用，然后让 ai 分 析我孩子的代码，让他有针对性的推荐题目，然后调用我的后端 api 加入我的提库。 所以说如果你有一个学习系统，他也是有后端的， ai 就 可以完全实现。他作为一个可以操作你后端的一个机器人，根据你的要求来操作你的后端，比如说给你出题，或者是帮你分析，可以把所有人需要去做的 任务一下一下点击做的任务，变成一个让 ai 去做的一个工作流，而且实现这个工作流，你不需要干任何事，你只要一句话，他就可以去执行很长时间。 给大家看一下我这个技能，做了两个技能，一个是一个叫 csp， 一个叫对拍。能不能看一下这个 csp 的 这个技能，这个技能 总体来说它就只有一个文档，它就是描述我这个信号制题助手的后端的 api， 它描述了一些场景，比如说它的基础的 url， 它怎么样去管理题库，应该怎么获取编程题，它的这个格式是什么？ 给了一些例子，怎么样去获取答题记录，是用什么样的格式？如果你要验证代码，用沙盒验证沙盒的 api 是 什么， 包括你可以 c 加加，也可以用 python， 它描述了一些场景，场景一是怎么样添加新题目，怎么样看学生的答题记录，怎么用沙盒快速验证， 还给了一个文档，这个文档是一个完整的一个 api 参考，我只是把我的这个 api doc 给 ai， 通过这个 sql creator， 它就自己给我全部创建了。我给大家演示一下啊。首先这是这次我女儿没做的这道题，五级的一个题，她没做出来，我就说我就用通过这一个 prompt， 让她来分析她的算法和考点，然后在立扣上帮我找类似的题， 然后制度相关的要求，难度中等，把题单抓下来，放到我的题库里，在入库之后，用对拍这个技能来求解，让他一步一步执行。你看他先做了个计划，他知识点，他分析出来了， 好去立扣抓题，他用了很多的任务，子任务，最后抓到了五道题，这入库的结果，他现在做了五道题，他能获取我们这个资料库，然后找到资料库，把题目放进去，然后就开始就要用对拍工具做对拍来求解了。 当然这个对拍工具我觉得还需要优化，他用的时间巨长无比，他现在已经跑了四十分钟还没有做完。 当然一次搞五道题可能是有点贪心了，但是它还在积极的运行中，如果我们正常的使用来说，其实就可以把它扔这，让它自己去搞就行。好吧，只是给大家演示一下这个 skill 运行好了是什么结果，基本上我到目前为止， 我除了输入那个 prompt 之后，我还没有管过，所以其实基本上就是 one side， 你 可以让它自己一直搞下去。那我们如果再把脑洞开大一点， 比如公司的系统是用来查数据库而做分析的，你也完全可以让 ai 去调用一个 skill 去查，直接做分析。现在的外部架构基本上都是有为 api 的 设计的，所以任何带有后端的服务，我们都可以通过 api 把它做成 skill， 然后让 cloud code 成为它的外挂，而你不需要做任何的开发， 这就是我称之为任何人都可以使用 skill 提效的万能公式。可能有朋友问了，那如果我有一个服务器，但是我不知道 api， 我 没有它的文档，或者说我不会做 skill， 那 该怎么办？ ok， 我 今天推荐两个工具啊，第一个就是 chrome devtools 这个工具，它简单来说就是给你的 cloud code 的 一个浏览器，我们来看一下，你看，我现在是让它用 chrome devtools 启动一个浏览器，访问落谷点 com， 它会打开这样一个浏览器，我在这上面做一个操作，接着我让它读一下它网络请求的这个日记。我刚做了个搜索，能不能分析下格式 ai， 它会自动从这个工具里把这个 network 的 请求全部列表出来，然后分析出来这个格式， 它会总结成一个文档，这个 json 格式。刚才我搜索了其实有一个是标签，这里要选标签的标签，标签其实它也是有一个 api 的， 所以我就问他有没有获取标签列表以及标签意义的处理啊？他发现找到了之后，他就给我去列举，他能把所有的标签列举出来，我让他去用这个方法去测试一下 五级减的二分题目，他很快就给我找到了一些这么多题目，五十三道题。有了这样一个东西， 我就可以让他帮我去找题目了。当然并不鼓励大家用这种方式对任何网站做这样的分析。你首先要看这网站允许不允许你这样做，如果他要求必须登录才能用的话，我建议还是不要做，这样 不太好。你们如果说你们自己的系统，比如说你公司内部的一个数据库，那你就完全随便了， 即使你没有这个文档，你也可以用我这种方法来获取。获取完了之后你会发现这整个的上下文就会充斥着这些关于结构的一些知识。我们该怎么做呢？我把以上获取的这个技巧放到一个新的技能，我让它创建技能了。最重要你要提到这个 skill creator， 这个 skill crit 是 一个 osophic 推出 skills 时的一个默认的一个基础技能，但是你需要去安装它， 我等一下说怎么安装？如果你安装好了之后，你在做任何技能的时候，你不需要自己去做，你直接告诉 cloud 用 skill crit 把以上的经验做成 skill 就 好了，就这么简单， 它会放到这样一个结构底下，就是放 skill 点 m d， 然后它会给你创建一堆脚本，当然这个脚本是什么样你们不用管，就反正它做好了，你直接用就行了。那么 skill crate 在 哪里找呢？在这个 repo 里头，这是一个 safari 推出的， 它也提供了一些安装手法， plug in， 通过 marketplace 方式，用 plug in 把这个 skill 安装进去，安装好了之后，它这个文档里头就会有所有的这个技能，其中你们看，这有一个 skill creator， 就是 这个 skill creator。 我 们再总结一下，如果你没有 api 的 文档，你不会做 skill 怎么办？首先你先操作一遍，让它抓取，然后给你生成一个文档， 接下来直接告诉他，用 skill creator 来做一个 skill， 就 这么简单。经常看我视频的朋友知道，我过去还分享过千万三 omni 的 语音互助，还有我的监工 agent 的 项目，还有我的 finnus 上的一些场景。 我相信呢，在今年就一定会实现一个场景，就是我们再也不需要使用 cloud code， 而是直接通过语音发出一个命令，然后我们的 worker 就 会在 boss 上给我们完成一个长线的任务，最后把结果给我们呈现出来。 所以我想说的是呢，我分享的这些内容并不是零散的，他们都是在为了实现这样一个目的，这样一个场景的技术战之一，所以我做的内容并不是为了做内容而找主题，而是为了实现我理想中的 agi 的 场景， 然后把我过程中的一些发现分享给大家，这是一个真实的长线的 ai 的 学习和成长，所以关注我，你们也可以获得同样的成长。 ok， 以上就是今天所有的内容了，谢谢大家。

hello， 抖音的朋友们大家好，今天我让大家一分钟了解大冒险的 eighteen skill。 我 不会像其他博主一样把大冒险 eighteen skill 讲的那么神乎其神。其实这个东西非常简单，它就是一个提示词模板，你把它说破天它也没那么复杂。 如果你现你现在也能得到答案，大模型的 agent skill 其实就是一个提示词模板，如果是已经得到答案的同学们就可以已经可以已经不用再往下继续深深听了。如果想要了解一下大模型的 agent skill 有 哪些场景，哪些关键能力要到底要怎么用，那么你可以继续再听一下。 然后现在我们再来讲一下，你是不是经常也跟我们一样，我每次去用 ai 都要重新去写提示词，因为我没有好的习惯，我不喜欢去把那个之前聊过的提示词比较好的提示词去保存。 嗯，用记事本啊，或者用有有有道云笔记这样去整理，我一般很少是这样，所有有时候经常调调试好的提示词，下次我又找不到了，我经常又去翻之前那些聊天记录， 有的时候我想让团队其他的一些小伙伴去用的时候，我只能去复制和粘贴，但现在 agent skill 来了之后，它就给我们 给我们解决了这个问题，就让你的提示词配置一次永久能就能复用了。相当于你把你的你的提示词保存，保存在你的本地，然后给它重新起了一个别名，然后你以后通过这个别名别名来唤唤醒这个提示词，自动发送给他。魔镜， 那大模型大模型的 agent skill 它到底是什么呢？其实就是说它在你的本地，本地里边你建了一个体式模板，然后它是把这个体式词放在 markdown 里边的，然后这个体式词里边有有告诉 ai 我 当前是在什么场景下面想要做什么事情， 然后你要按什么方式帮我做，然后你要给我的结果是什么？最后我需要什么样的格式？ 然后你做这件事情需要调用哪些工具？然后这就对你相当于一个规则，提一个提示词的规则，然后我们给这个规则起个别名， 然后就得到了这 agent skill。 agent skill 有 很多种，相当于大冒险，有很多的技能，每一个技能都是一个，都是一个可附用的一个提示词，完整的一个规则。 然后我我给大家举个例子， skill， 举举例子，你比如我们现在手上有很多的数据，比如客户投诉的一个数据，我们想要对这客户投诉进行分类， 那我们固定输入的是什么呢？固定输入就是一个 excel 文件，就是客户投诉的 excel 分 类规则是什么？就是说我们要根据用户反馈一些关键词，然后进行来分类，然后输出模板，就是我们想要把这个 最终分类之后整理的格式保持在另一个 excel 文件里的格式是怎么样的？这其实就是一个完整的一个提示词加规则，然后甚至还有工具一些调用， 那这些东西我们就可以把它保存起来，然后保存到一个 markdown 文件中，然后把它定义为叫客户投诉分类。 skill， 那 下次我们再用的时候，我们就给他直接扔一个文件，然后说请你按照客户投诉分类的 skill 帮我处理这个 excel 数据， 然后你就不用再写之前那么提示词了，你省时省力，甚至你还可以把这个客户投诉分类的 skill 直接发给你的其他同事。你一个团队大部分情况下都是一样的，在企业里非常有帮助。 如果是个人，你懒得用 skill， 那 你那，那你哪怕把这个把提示词，你每次保存的记事本啊，云文档啊，或者有道云笔记啊，你以后想附用就复制粘贴，也能实现 skill 的。 嗯， skill 的 能力在企业，如果用上 agent skill 之后， 一定会能够提效和降本。为什么呢？因为不是每个人都能把提示词写好，团队的少部分人，一些提示词专家，他把其整个流程梳理了之后，他写好一些规则，一些流程，一些工具调用， 就相当于一个完整的提示词模板。做好 agent 和 skill 之后，然后每个人都能附用，那整个团队里边儿的效率是不是又提升了？然后标准化的输出，我们不会因为每个人，然后 每个人做出的东西不一样，因为我们的提示词是一样的，模型的模型，最终输出的结果是一致的，然后我们的数据能够标准化。 另外就是知识沉淀，当我们把企业的一些内部一些流程梳理清楚了之后，把这些流程转换为 agent skill， 那 这些都是不是我们自己的知识沉淀？就算当前有一个人离职了，没问题，我们有现成的 agent skill 流程，流程都是基于 agent skill 管理的，人人走 查不良问题就不大了。我觉得这以后企业的竞争力就是一数据，数据是代表什么？就是企业自自由的知识，也就是说企业自己维护的知识库。二是模型的能力，三是 skill 体系， skill 体系也就也就是企业的流程梳理。 最后感谢大家，大家喜欢的话可以点个赞，关注评论也可以，转发也可以，因为我给大家讲的东西不会给他们讲的那么深，你比如像大模型 agent skill， 网上讲的那么天花乱坠， 实际上在大，实际上我们的大模型自身只有两个能力，一是跟你跟他聊天，然后他帮你推理。第二个就是函数调用能力， agent skill 这个东西它本身不需要大模型本身支持什么，只需要在调用端，然后智能体本身它把这个都通过 m c p 来实现，动态来加载提示词就行了，所以没那么复杂，感谢大家，拜拜。

兄弟们，这是腾讯开源的一个企业级 app 应用，有别于传统做法，它把 app 和 agent 融在一起，真正实现了 agent。 具体怎么用呢？你可以打开它的 web ui， 先创建知识库，然后上传文档、图片或提供网页链接，系统会自动提取内容，切块向量化并建好锁影。接着按需配置 m c p 服务器，接入本地或外部工具，同时开启网络搜索。 准备工作完成后，就可以在界面上提问了。他不会草率回答，而是进入一个多轮推理过程，根据问题需要动态决定是否解锁知识库，调用工具或查询网上信息， 如果中间发现偏差，还会自我反思，调整方向，最后才生成回答。为了不漏掉关键信息，他的解锁不依赖单一方式，而是采用混合策略，将关键词语、意向量和知识图谱剪辑结合，提升照回率。 另外，无论是模型推理参数，还是分块策略或解锁域值，甚至兜底机制，都可在界面上自由配置，从而使整个问答过程不再黑河。 这个项目采用 mit 协议，支持完整的本地私有化部署。我是小聪，每周分享几个有用的 ai 开源项目，带你发现更多 ai 黑科技。