skills 在什么时候加载

大家好，我是 map。 今天我们按照扎瓦图 ai 上的 agent framework 的 skill 教程，把技能这套机制讲清楚。 skills 本质是一套可附用的指令和上下文包。智能体在做相关任务时会自动发现按需加载，而不是一次性把全部说明塞进提示。你先说核心的概念官方文档里，官方文档里强调一个词叫渐近式。譬如意思是系统提示 先指注入技能列表，也就是每个技能的 name description 型和 skill pass 模型，据此判断要不要用这个技能。但他认为需要时再调用 reader schema 并传入技能名，这时才加载完整的 schema。 点 md， 也就是 skill 的 markdown 文件。 之后可以按需访问技能目录下的资源，或者使用和该技能绑定的工具。这样既能让模型知道有哪些能力，又不会把大量说明一次性塞进上下文，对 token 和效果都更可控。负责这一套的主要是 skill register 和 skill aren't 户口 registry 管理技能的注册 以列表互可，负责把 read skill 譬如成工具，并把技能列表注入系统提示，技能在词典上的组织方式很简单，每一个技能对应一个 目录，目录里必须有一个 skill 等 and d， 当然还可以有 reference， 简谱 script 等子目录放参考和脚本。那 schematics md， 它的规范式有两个必填的，第一个是 name， 第二个是 description， 也就是描述 name。 建议小写字母数字连接连字母，最长是六十四个字母，那 description 的 话过长它是会被截断的。 那下面就是它的一个正文，主要写功能说明、使用方法，可用资源等。文档里建议单份 schema 点 m d 控制在一千五到两千的 token 左右，长内容要放在 reference 里面，并在正文里列路径。这是一个建议。经验， 这是一个经验的建议，那便于模型快速扫一眼再决定是否 these skill。 在 agent 里 skill 是 常见的，有两种注册。第一种的话就是 file system skill 文件 registry， 从本地文件系统加载，那构建时可以指定项目的一个 指定这个 project skill directory 和 user skill directory。 那 对应项目级和用户级的技能目录不配的话，用户即默认式当前用户目录下的 啊。想想欸，斜杠 skills 那 项目级默认是当前工作目录下的 skills 同名的技能以项目级为准，然后拿这个 registry 去去见 skill agent hook， 把 registry 传进去，再把 hook 挂到， 再把这个或可挂到这个 react agent agent agent 启动的时候就会在系统提示里带上技能列表，并暴露 read skill 工具。第二种是 class pass skill registry 技能，它主要是放在我们的这个 main 路径下面的 resource 目录下面的 skills， 或者说随价打包。那构建时指定 class pass 雷。呃， scuse 那 可选的像这个 bash pass 那 指定解压或复制到的一个目录，同样用这个 register 编辑 skill aire 的 付款挂到这个 react in 的 上面。那两种方式都是 register registree 管技能从哪里来，然后赫克管怎么注入提示，怎么暴露 reader skill， 那 文档里也给了我们一个完整的视力。 呃，主要是这个 skills 加排行榜加 shell 流程是先用 class pass 奎，当然是 pass skill register， 当然 gans pass 的 skills 目录加载技能，再建这个赫克， 当然这边是 skills agent 库克和 shell errant fork 就 这两个 fork。 shell 的 工作目录是当前的工作目录，然后 react errant 上同时挂这两个 fork， 先挂一个叫做 python 的 一个 tool， 最后是 enable login 启动日制方面排查。这样用户问请从某路径的文件里提取关键信息时，模型可以先 reading the skill， 拿到对应的技能的 skills 点 m d， 再根据说明去拼路径跳 python 或 shell 处理技能目录下的文件 技能列表理会带每个技能的 skill pass 模型可以用它拼出文件文件的绝对路径。这个就是典型的技能描述加工具执行的 我们法令法，那进阶用法里有两块值得我们去看的。第一个是工具和技能的一个绑定，嗯， 叫做 group 的 group 的 druse， 那 把一批 to 拷贝克，按技能名分组，那在 skis 迎刃帖 fork 里用 group to 也传进去。只有模型 对该技能调用了 readers q 之后，这批工具才会加入单次的请求，实现暗叙的暴露，那同一次绘画后续轮次里，这些工具仍然可用。第二个是生产环境，可以给或可配一个 auto 配一个 auto reload， 这样子每次 agent 执行前会尝试调用 re， 支持就 reload， 若实现支持就会加载最新智能文档也提醒了 reload 只在一次执行的首次推理时作保证同一次执行内行为是稳定的。 那在基于呃 graph 和 chat client 的 链路里，用 不用 react int 时，可以用 skype promta argument aviator aviator， 它是 spring i 的 aviator， 在 请求的 before 阶段把技能的原数据注入系统提示实现技能发现这部分，但它不注册 read skill。 若需要模型，按需读完整的 skill 点 a 要自己在 check client 或者 ins 里再挂了 rescale 工具和对应的节点。构建时可以用指定目录让 avira 内部建这个 fire system。 skill register 也可以先建好 skill sir register 再传给 advisor 那 文档里，文档里他明确说了，技能通常还要再配合脚本执行和 shell 才能在生产里真正用起来，所以和前面的 skill， python 和 shell 的 视力是对得上的。 架构上我们可以记成一条线。首先 secure registry 决定技能从哪里来，比如说文件系统或 classpath， 然后 skill agent 库克或者 skill prompt argument advisor 决定怎么把技能列表塞进系统提示 接定 skill， 决定何时加载完整的 skill。 四点，能递，然后 group toots， 决定哪些工具跟着技能做间接式 p o 落地时三点注意技能的名称。 skill read skill 参数， cropped toots 的 key 要保持一致，指对必须随技能激活的工具用 group toots， 其余的用 agent 的 toots 即可。 那 skill 点 m d 要控制它的体积。长内容拆到 reference， 这是我们当地给的呃经验建议。好了，以上就是我们今天的所有内容，感谢大家观看，我们下期再见。

现在 skill 这么火，大家都在用什么样的 skill 呢？我今天无意中刷到了这个网站，就是 skills 点 s h 这网站可以看到现在就所有 skill 的 热度。可以看到第一个是这个 vs react best practice， 其实就是写 react 怎么样把 react 写好的，它安装了，呃，相当于六万多次，六万次， 然后也可以看最近二十四小时哪些最火，二十四小时里面最火就是这个 python skills， 看起来大家其实，而且你看他这个明显比其他的要多得多，他安装了十四点四 k， 然后第二名只有七点五 k， 看起来大家都在 找什么样的 skills 好 用？我其实简单的看了一下，这里边好多都是跟前端相关的，比如像这个其实就是前端的，然后这个 web design 也是，其实也是前端的， 然后包括像下面，比如 front designs， 然后还有就是，哎，比如 u i， u x， pro max 啊这些，还有 react， native skills， 就 感觉前端的占比真的非常大。

基于 oslopez 的 官网，我们谈一下构建 skill 的 最佳实践，一共包括五点，第一呢，环境要隔离。第二个呢， skill 变大之后呢，我们如何渐近式的加载。第三个呢，我们优先去保证它确定性的时候，要去使用 code 的 方式执行。第四个呢，是持续改进我们的 skills。 第五呢，是如何去安全使用这些 skills？ 从第一点开始呢，它有一张图，这张图呢右侧呢是一个虚拟机，或者说我们叫一个沙箱的一个环境。前两天我有给大家介绍说 docker， sandbox 这样的一个环境，它的逻辑呢是我们在执行这些代码或者 skills 的 时候，我们最好有一个沙箱的一个环境，这 些沙箱环境呢，可以保证我们主机自己的资产的数据，资产是安全的。整个沙箱环境表现的是有两部分呢，一个是 cloud code 里边我们设置这些 settings， 它就是在本地终端运行的时候呢， 是有一个受限的一个文件的访问权限和执行权限的。还有一部分呢，是之前给大家讲过的这个 dakar 的 一个纯沙箱的一个这样的一个环境，基于这个方法呢，我们去把环境进行一个隔离，因为 skills 呢，有些呢是要执行代码的，有些要读取我们文件，要基于这些文件呢，去做一些处理的一些工作的。第二部分呢，就是 skills， 如果我们在持续的改进的 过程中呢，它会变大，那变变大之后呢，这些 skills 呢，我们就要把它相关的这些文件呢，去给它拆出来，变成相关的一个子文件，让整个 agent 在 操作的时候呢，如 如果需要的时候再去访问相关的子文件，那这样的话在 skills 内部呢也是一个渐进式的一个加载。第三呢就是优先去使用 code 去执行，保证一些确定性。我们知道模型啊会擅长很多任务，但是它输出的任务呢，仍然是有一些不确定性的，那我们为了保证这些确定性呢，很多东西呢，我们要去给它写成 python 这些固定性的这些代码， 需要去执行这些固定性的算法的时候，我们就在 skills 里边写好，让他们去执行相关的代码，所以这也是跟大家之前提过的，在 ai 落地的过程中呢，如果是你可以用代码或者让流程去固定下来的这些操作，我们就让传统的代码去操作， 如果不能的话，我们才考虑引入 ai， 这是 ai 落地最关键最核心的一个地方。第四部分，如何持续的去改善 skills？ 首先呢我们先有一个简单的一个 skills， 我 们去先自己去识别它跟我们要完成任务之间的差距是什么，如果有这些差距的话，我们去完善 skills 里边的内容。 然后第二部分呢，就是 skills 变大之后呢，我们把不同的上下文呢进行不同文件的切分，从而呢让它也进行一个渐进式加载。 我们从 cloud 或者大模型的视角呢去看 name 和 description 是 不是描述清晰了，这块呢是保证我们可以去触发 skills。 第四部分呢，就是我们要利用模型的自己的审核能力，把 good case 和 bad case 我 们都给他，让他进行了反思和一些改进，那我们拿到改进的这些结果呢？我们从而去改善我们自己的 skills。 第五部分也是我认为很重要的一部分，就是市面上有太多的 skills， 那 这些 skills 呢？如果我们直接去使用呢？会有很大的风险， 所以在我们使用之前呢，我们一定要确保这些 skills 我 们是审核过的，我们觉得它确定可以应用于我们这个场景，它是安全的情况下，我们才去使用这些 skills。 希望这五点呢，对你在座 skills 有 启发。关注雷哥，关注 ai 工程化落地。

ai 圈呢，没有新东西，只有旧逻辑的新名字，所以呢，别被像 prompt， skills， projects 和 m c p 啊给糊住了， 今天我就用大白话一次性去带你搞懂，那看完之后呢，你就能够去轻松的跟上 ai 圈的节奏了。首先我们先说 prompts， 这个呢叫做提示词，主要呢就是去控制 ai 输出的一个基础工具，它的核心定义很简单， prompt 呢，就等于你去给 ai 的 指令， 比如下面这个场景，你说的内容呢，比如说像帮我写一段 java 代码，实现用户登录的一个叫验，或者是说用小学生能够听懂的话去解释什么是 jvm， 或者假设你是一个资深的 java 架构师，帮我设计一个高级可用的订单系统。 所以一句话去总结呢， problem 的 本质就是你去跟 ai 去沟通的时候的自然语言指令，或者是可附用的模板，核心作用就是去精准的去传递需求， 为模型呢去提供上下文和方向。另外呢，需要注意的就是 prompts 它是及时的，一次性的，除非呢，你刻意保存，否则呢，它是仅存在于当前的对话里面。 ok， 那 我们再讲讲为什么 prompt 会这么重要，为什么会有这么多的 prompt 工程师？因为 ai 它是没有读心术的，它只会去严格按照你给出的一个指令去执行，所以你的 prompt 的 一个质量会直接去决定输出结果。 那你的 prompt 如果模糊呢，那它的输出就是敷衍的，抓不住重点的。但是如果你的 prompt 写的很清晰，那 ai 的 输出就是很精准，专业度去拉满。如果你想验证呢，你可以用同一个 ai 去测试一下，比如说你可以用我现在给的模糊的 prompt， 比如给我讲一下 radis， 那 ai 呢，就可能是泛泛而谈，只去讲 radis 的 一个基础定义，但是没有实际的应用价值。但是如果你可以这么去写， 用 java 后端工程师的视角，结合高并发的场景，去讲一讲 radis 的 缓存策略穿透的解决方案。那这块呢，你就能够去聚焦后端的核心需求，从原理到实践，附带代码示意和闭坑指南。 所以这就是为什么 prompt engineering 会成为一个热门的技能，说白了，它就是去把需求讲清楚，说精准的一个工程化的能力。 接下来我们再去讲第二个部分， skills。 如果说 prompt 呢，是一个单次的一个指挥能力啊，那 skills 呢，就是模型可以去附用的专业能力包。什么是 skills？ ai 领域的 skills 呢，定义很精准而且明确， skill 就 等于 可附用动态加载的专业能力包，它的核心呢，就是通过结构化的流程以及知识去增强模型执行复杂任务的能力。 skills 呢，就是一组可以封装好的专业知识，操作指导和执行逻辑，包含了像指令、像方法、像脚本、像资源， 能够在多个对话或者项目中去重复的使用。那当模型判断需求匹配的时候呢，也会去做自动加载并且去调用。 另外需要特别纠正的是 skills 它不是给 ai 去装上工具，因为这个工具呢，更像的是一个 m c p 的 作用。而 skills 呢，更像的是专业手册加上操作说明，加上业务流程的模板，比如我列一些典型的 ai skills， 比如说像代码编辑，以及呢像长文本总结， 或者呢数据库查询。所以通俗理解， skills 就是 ai 的 专业工具箱里的标准的工具套装。举个例子，如果你常做精品分析呢，你可以去创建一个叫做精品分析的 skill， 里面包含了解锁数据的步骤、分析框架、输出格式和相关方法。 当你下达了竞品分析的需求的时候呢，模型会自动的识别，并且加载这个 skill 去辅助的完成你的任务。那用一句话去总结呢，就是 prompt 是 一个单次指令，而 skills 呢，是分装好的，结构化的 专业的解决步骤。所以为什么现在大家都会去强调说去配上这个 skill 呢？因为核心原因就是 ai， 它早就不是之前那种一问一答的聊天机器人了。 比如你以前你用 ai， 你 问一句，他答一句，主动权呢，完全是在你的手里的，需要一步一步的你去做引导。现在呢，用 ai 你 会不会发现，哎，你抛一个目标，他自己去猜步骤，去选技能，去落地执行。 那这个时候你关心的核心问题呢，已经从哎他聪不聪明变成了他能不能够精准匹配我的需求，把这件事给干成。而 skills 呢，就是判断 ai 能力边界的一个核心标准。那我们再讲第三个 projects， projects 呢，我们直译过来就是项目或者工作区， 如果再去给他讲的更明确一点，就是它是一个持久的上下文空间，那这个空间呢，就是 ai 去提升任务连贯性的关键设计，它呢，能够去把 ai 从一个碎片化的对话记忆升级化到集中化的 上下文管理。所以呢， ai 的 project 就 可以等于带有大的上下文窗口的独立工作区，用来去集中存放单一一个任务所需的背景资料，知识库、规则和文件。那模型呢，在这个项目范围内持续的去利用这些内容， 不需要去重复的上传或者解释背景。比如下面的这个场景呢，我都可以去把它定义为 ai projects， 像从零到一的拓客，开发，设计一套高病发的秒杀方案，开发一个自动生成 ufo 的 工具，或者呢，去搭建一套 ai 的 客户系统， 那这个关键区别就不再是问一句答一句的碎片互动。那更核心的是，一个项目里面就这 project， 它所有的这个上下文，这个背景资料是始终可用的，而且上下文呢，可能是有非常大的关联的， 这我们对比一下，就是之前没 project， 目前只能记住对话上下文的关内容，需要重复上传或者解释任何背景。那有了 project 呢，一个项目中的背景资料是始终可用的，向内部持久的去保存背景知识。 所以 project 不 仅仅是解决记忆的缺失，而且呢，能够提供一个空间让上下文啊长期有效。 那为什么 project 会出来呢？或者为什么 project 这个产物一些越来越重要？因为真实事业工作从来就不是一句话去解决的，一个完整的真实任务必然会包括几个环节，想要精准的去理解需求，拆解任务步骤以及选择工具或者技能 落地执行好，然后再是迭代修正，最后呢，交付最终的成果。而 projects 呢，就是把 ai 的 工作场景给固定化、集中化的一个核心主体，让复杂任务推进的更加连贯， 更加高效。 ok， 接下来我们再说 mcp 啊， mcp 呢，就是让 ai 真正的去揭露真实世界的一个关键，它的核心作用呢，就是让 ai 安全的去动手干活。 它的全称啊，叫做模型上下文协议，它呢就是让模型让 ai 更安全更规范的去接入到外部的数据源和工具的一个开放协议标准。所以呢，它通过标准化的接口来实现 ai 和外部资源的对接，也不需要为每个资源去编写定制代码， 从根本上能够解决大约模型无法去天然访问外部数据工具的问题。那这里的外部世界呢，就是我们真实 工作中会遇到的各类系统，比如说像企业内部的数据库，或者呢公司的业务系统 e r p， 或者呢各类的办公工具，没有 m c p 呢，我觉得 ai 啊就是纸上谈兵，所以呢，像他没有这个约束， ai 再聪明也只能是像是关在一个玻璃房的专家，能够出方案，但是没法去落地执行。 比如他做不了去查询你内部数据库的东西，或者呢直接调你的一个业务接口，或者呢直接去帮你去写表格，填代码，写文档以及把它下载下来。而有了 m c p 呢， ai 才能去合法的、受控的，可审计的去接入这人世界的资源，并且动手干活， 这就是企业级 ai 应用的一个核心前提。另外还要值得去提的就是 m c p 解决的核心问题啊，是可控性，企业用 ai 最担心的不是说 ai 不 聪明，而是 ai 呢，乱干活。那 m c p 的 核心价值呢，也是去解决这个可控性问题。 具体来说呢，它能够去保证去不乱调用接口，不乱去读数据，不去做越权的操作， 以及呢，操作可以去追溯。所以 mcp 的 本质啊，不是让 ai 更加聪明，而是让 ai 具备连接真实世界能力，能够成为真正落地的企业级工具，可靠可控，可对接外部资源。那我们再回过来看看啊，就是从 prompt、 skills、 projects 到 mcp 啊，单看每个概念都会有个散，但把它串起来，你就能够去理解 ai 工作的完整逻辑了。 prompt 呢，就是你通过自然语言精准的去告诉 ai 你 要做什么，要什么，结果 这个呢，是启动信号。首先就是让模型去听懂需求， ok。 再说 skills 技能包， ai 呢，根据指令，从专业的能力库里面挑选封装好的流程知识，比如说像竞品的分析框架，代码的编辑规范。然后再去到 projects， ai 在 专属的这个持久化的 空间里面去推荐任务背景资料，中间成果是远程可用的，无需重复沟通， ok。 再是到 m c p， ai 通过标准化的接口，安全地去接入企业的数据库、云盘等外部资源，落地执行真真真实的一个业务的操作。 所以最后让我用一句话去总结呢， prom 呢，是让模型听懂指令， skills 呢，是让模型做设的一个专业流程。 projects 呢，是模型工作的专属空间，和 m c p 是模型连接真实世界的桥梁。那以上就是我今天的一个从 prompt 基础概念最后到呢 m， c， p 的 这样整个的一个介绍。 当然除了这四个概念以外，我觉得 ai 领域的新词会越来越多，那今天的黑化呢？可能会变成明天的基础概念，但无论出现多少的黑词新词， 判断他们有没有价值的标准只有一个，是他能不能去帮你把事给干成，把效率给提上去。所以呢，不用为了去懂黑化而懂黑化，能精准的去理解概念，用好这些工具，让 ai 成为你的得力助手，才是你的最终的一个目的。 ok， 那 如果你也想去了解更多的 ai 底层逻辑啊，也想与更多的一个 ai 爱好者同行呢？也欢迎去加入我的江学长 ai 学习圈，感兴趣的朋友可以在评论区回复安排。

今天我们用 opencloud 的 安装技能，同时呢做一个应用，什么样的应用呢？我们去监控这个网站的，然后这个商品的价格，如果说他低于五十刀了，那么自动用我们的邮件技能给我们的邮箱发一份邮件。好，我们开始干。 然后呢这边其实就是呃， cloud 的 一个技能的一个库，那么我们可以怎样的去查找技能呢？比如说我们这里可以搜索 email， 然后就可以找到很多的技能，比如说我们这一次其实要装的就是 这个。好，那我们直接在这里执行命令行，找到我们的控制台好，执行命令行， 好，已经安装完了。好，我们继续。然后呢我们看一下它这边需要怎么样去配置，它说需要在你的 skill 技能里面呢，创建这么一个文件，同时呢要放上你的邮箱还有你的一个密码，这里呢我们就要去找 gmail 的 这个密码。然后呢我们可以打开这个， 好，打开这个网址，好，登录一下， 好，这里呢我们就起一个 boat 创建， 看，这里它给了我一串密码，对吧？那我们要记住这个密码。然后呢把我们刚才的内容填充一下，比如说这里 your password， 是 吧？这里也是 your password。 好， ok 啊，但是这里应该是不要有空格的。对， 好，然后他说的是到我们的一个目录文件里面，我们去看一下那个目录文件。呃，在 这里，然后我们去 cd 的 它，它安装到这里了嘛？ cd 的 它，然后呢他要求我们去创建一个点 e n v， 那 我们就 v i v i 一个它，然后去搞我们的文件，这里把我们的用户名和密码相关的都给它怼进去， 粘贴 esc 冒号 w q。 好， 这个时候呢，我们可以去测试一下，然后来到这里，比如说给二八二八六七九零八 qq 点 com 发送一封邮件，标题为啊， open cloud 测试邮件内容和标题一样，直接发送就可以了，看看它能不能生效。它说邮件正在处理中， 缺这个邮件工具。嗯，我现在正在为你安装他，请稍后片刻让他自己装。嗯，你安装好了吗？安装好了继续发送邮件。 嗯，安装已经完成了，哎，已经发掉了，我们来 qq 邮箱这边收一下看，哎，邮件收到了是吧？ 好，我们去监控网站的一个商品价格变动，比如说这边，然后这个商品就是比较好看，对不对？我们去监控他的一个价格，如果说低于五十刀的话，让他们给我们发一份邮件，然后这边呢，我们就可以直接这样子去操作，比如说发送给他， 然后双手举起来，等他自己去操作。好，你看他这边已经执行完成了，然后同时呢向我们发了一封邮件，这边呢， qq 邮箱也收到了，说，哎，这个商品降价了。 好，这样子呢，我们就完成了邮件这个技能的一个安装和使用，以及实际的应用场景。

skill 到底是什么？一句话说清楚。 skill 就是 知识加工作流水，打包它，把你的专业知识、操作步骤，重复指令封装在一起，让 ai 按需调动你。 举一个关于审文章的例子，以前你让 ai 审校文章，每次都要说一遍，检查事实准确性，去掉 ai word， 句子要短，像真人说话，每次审校都要说一遍，很烦。涛克也烧的很厉害。 现在你用 skill 来解决这个问题，提前把知识和流程写进去，下次只需要说一句，帮我审校这篇文章， ai 就 能自动加载你的工作流，按你的标准执行。再说一个回复邮件的例子，以前你让 ai 写客户回复邮件，每次都要重复，语气要专业但不老，先共情再解决问题，给出明确的步骤，结尾加一句感谢。 每封邮件都要讲一遍，也很烦。 top 仍然是烧的很厉害。现在用 skill 把回复模板、语气和流程提前写进去， 下次只要说一句话，帮我回复这封客户邮件。 a s 动加载你的流程，按你的标准生成回复， 如果流程里配置了发现权限，还能直接帮你发邮件。这其实就是 skill 的 核心价值，也就是把专业知识和工作流程打包，按需调用一次，配置永久省事。到这里，你心里一定有一个问题，如果我装了很多 skill， 启动时全部加载 hulk 不 就爆了吗？下一集就会告诉你 asylocke 或者 skill 用了什么样的松嫩机制来解决这个问题。下一集是本系列的题三题， skill 智能加载百分之七十的 top， 看完这个系列，相信对你使用 skill 乃至 ai agent 的 能力都会有巨大的提升，下一集还是干货，千万别错过！点赞加关注，获取更多的有价值的 ai 新信息。

hello， 各位精神股东们，我是 next 菜菜，今天和大家分享一个很实用的 skills， 可以 帮我们快速找到最匹配当前任务的 skills。 之前在 skills 蓝皮书和大家分享过 skills 点 s a 这个高质量的 skills 源库， 这两天就在他的二十四小时榜看到了个冲上榜一的 skill。 find skills 每天都是十 k 以上的安装，和第二名远远拉开差距，目前是总榜第二，而且还有上升的趋势。为什么 find 剪 skills 这么火呢？ 因为它很好地解决了我们到处找 skills 的 痛点。以前我们找 skills 可能是通过其他人的分享，或者自己在各种仓库中搜索。 虽然之前分享的 skills mp 这个资源库也支持搜索，但它目前的搜索体验比较一般，一是中文搜索命中比较低，即使用 ai 搜索也没有特别理想。二是它需要跳出当前任务，打开 skills mp 才能搜索，会切断工作流。 而 find skills 只需要运行在单个 a 阵中就可以完成 skills 从搜索、安装到后续检查、更新的全过程。接下来给大家演示一下如何在 cloud code 使用 find skills， 同时会分享一些注意事项。 这是 find skills 的 项目仓库，虽然你可以用之前 skills 蓝皮书分享的任意一种方法进行安装，但如果想方便后续管理和更新的话，那我建议用 versale 官方发布的属于原汤化原石。 运行这条指令后，它会有这么几个选项让你选。首先是安装的 agent， 就是 让你选择安装到哪个 coding agent 中，可以一键安装到全部 agent 中，我是没想到自己安装了这么多个 coding agent， 也可以选择具体的 agent， 具体看你的个人偏好。 接着是安装的范围，可以选全区范围或项目范围。最后是安装的方式，分为 simlink 和 copy to all agents 两种。 simlink 就是 通过创建符号链接实现集中管理，保证单一真实来源且便于统一更新。 copy to all agents 就是 将文件直接复制到所有 agent 节点，每个节点独立存储。我选的就是所有 agent， 加项目范围加 simlink， 安装成功后，就会在当前项目里看到成功安装的各种 agent skills 路径。 这一步就很简单了，打开 cloud code， 输入你想要找的 skills 方向。你可以用 npx skills、 find skills 关键词这种指令也可以直接用自然语言提问，比如帮我找下 seo 标签优化的 skills， 或者有没有 youtube 视频下载相关的 skills， 然后 find skills 就 会给你找出相关的。 接下来你只需要告诉他你要安装哪个 skills 即可。如果他能在搜索结果中加上 skills 安装数，这样我们就能更好地判断哪些 skills 更安全点。 这里分享使用 find skills 的 两个小 tips， 一、 无论你是用 n p x skills、 find 指令还是用自然语言搜索词，都尽可能细化。比如能用 seo meta 就 不用 seo， 能用小红书封面就不用小红书。 你可以去观察每次搜索的输出过程，它的搜索词是根据我们给出的关键词进行拓展的，如果给出的词太大，搜索精度就会下降。二、如果你用英文提问的话， find skills 只会搜索相关的英文关键词，但如果你用中文提问的话，它会同时搜索中文关键词以及相关英文关键词。 除了找 skills， find skills 其实还有三个功能指令容易被大家忽略。一、 n p x skills list， 用来列出已安装的 skills， 大家后面可能会安装越来越多 skills， 这个指令就可以让大家快速知道自己都安装了哪些 skills。 需要特别注意的是，这个指令有个局限性，就是只能识别通过 n p x skills add 安装的 skills。 如果你是通过其他方式安装的，那么它就不会识别出来。还有两个指令，分别是 n p x skills check， 用来检查可更新的 skills。 nmx skills update， 用来更新所有安装的 skills。 这两个更新一定程度上解决了之前在蓝皮书里提到的 skills 更新维护问题，但使用的前提，尤其 npx skills update 的 使用，一定是你信任这些 skills。 find skills 目前已收入进 skills 蓝皮书，还没看过蓝皮书的精神股东可以一步查看。今天这期视频的内容就到这里了，我们下期见。

那这个 skills 呢？它是有什么的一个作用呢？那我们首先啊带大家来看一下这样的一个效果，然后首先呢打开一个我们的打开呢以后我输入一个 open code， 然后进入到我们的这样的一个命令行，之后呢我去艾特一下啊，首先我让它呃列出列出当前 的 skill， 我 们来看一下啊，当前有什么样的一些 skill 啊？已经注册在我们的这样的一个大模型里面了。啊， 好，这个时候我们就看到有十七个是 q， 对 吧？那现在呢，我就来使用我们自己创建，也是待会要带着他手把手去做的这样的一个，或者是代码全面审查这样的一个是 q， 我 通过艾特艾特一下我们这个 demo 的 这个文件啊，那这个文件呢，打开给大家看一下，写了很多一些语法问题的一个函数，我让他 审查这个代码文件。好，我们来看一下他整个运行的一个效果啊，好，这个时候你可以看到他立马就发现了这个技能发生我们这个克罗尔的这样的一个 skill， 利用这个 skill 来做整个的工作流程。好，我们可以看到啊，他非常快的就已经 定位到相关的问题，并且会把各个问题的类型啊，并且他整个的流程呢给他全部做出来。他做完以后呢，我们就可以来看一下啊，他做这个审查有什么样的一些问题，对不对？ 你别说啊，他说在先啊，看一下他在前面的啊，比如说第二十八到二十九行，他说会捕获所有的异常禁摩，我们来看一下二十八到二十九，二十八到二十九就在这里，对吧？那这个地方就是把所有的大家在这里捕获异常之后呢？ pass 掉了，对不对？ 我们再来看一下啊，他在三十一行，对吧？无效模式的这个禁摩处理，我们来看一下三十一行，哎，这个地方，对吧？哎，这是确实好，所以这里呢，我们就是， 哎，这样的一个 skill， 我 们到底是怎么样去做出来的啊？包括它的整个的运行。那首先我们要去理解什么是 skill？ skill 实际上就是，呃，基于之前我们 m c p 也好， a 技能也好，都是一次性将这样的一个规则，对吧？我们所说的提示词还有对应的这个脚本文件呢？一次性打包给谁啊？打包给大，打包给这个上下文，嗯，打包给大模型，这样的话会造成大模型它的一个什么它的整个的啊，接受的上下文过长，它的这个 很大一部分的注意力要集中在规则的理解上面，明白吗？那么这个时候呢啊，他对于业务的这一部分的这个注意力可能就没有那么完整了。并且我们可以看到 啊，刚才呢已经生成了一个啊，这样的一个审查代码审查报告，并且写入到本地了，那这就是啊来包括他代码的原因，对吧？怎么样去优化，哎，怎么样去优化这样的一个建议，那我们可以看到这个就是我们这个代码审查的一个指标，所以呢 他的这一种做法实际上就是 let， 首先将我们这些 skill 也就是技能的名字以及他的描述先注册给大模型，那大模型只需要知道有什么样的一些技能就可以了。 至于，哎，比如说刚才我们问了这个问题，问到了这样的一个什么问题呢？我们问到了哎，审查一下这个代码的时候呢，哎，他一匹配对吧，他就匹不到我们这个代码。审查这样的一个 scale， 然后呢再去渐进式的将他所有的细节，或者说如果有找本再去做一个深入的这样的一个调用。 那我们现在看到这样的一些操作以后，那么接着我们要做一个什么样的事情呢？我们首先要去安装一个 open code 啊， open code 呢？我们安装它之前呢啊，大家如果是 windows 的 话啊，那首先要去安装一下这个 note g s， 诺基亚 s 呢，这个就不需要多收多说了啊，你就直接点击获取，然后一直下一步。然后啊我们在安装这个 oppo 扣子的时候呢，你就使用 npm， 那 安装完成以后啊，你会在哪里呢？我们会打开 cmd， 你 的诺基亚是如果装完了以后啊，你输入那个高 v 就 会有一个版本， 然后你再站，再将这一行命令啊，给他复制过来，记住不要用上面的，用这个呢，它是啊，适配我们这个贝斯命令的， 那所以像 mac 电脑就可以用这个，那你再复制运行就可以了，那我这个地方已经安装好。已经安装好了啊，安装好了的话，我打开这个 mac 的 呢，就输入他就会自动跳转到 mac 的 这样的一个命令行的界面上面来。 那我们来看一下他的官方的一个定义，以及官方的一些 qq 的 一些模板，这是阿斯洛克的 它的一个官网。怎么样去创建一个自定义的 excel， 那 这个是它官方的一个代码库，那我打开一下啊，它在什么地方啊？我们如果说默认安装的话，它就会在我们 c 盘的用户这个下面，这里会有一个点 config， config 上面会有这样的一个 open code， 你 点进去之后呢？ 第一次你进来的时候，大家一定要记住这个地方是六十 k， 没，这个是 kel 文件夹的，那这个文件夹是我自定义创建的，我将官方将它 gethelp 提供的这样的一个十六个是 kel。 啊，把它下载下来以后啊，这样放进来了， 好，那刚才呢，我们实际上是看到我们在这个地方呢，是没有的，对不对？我们是多了一个，多了一个在那个 sky， 那 么这个 sky 呢？我们怎么样去做？包括怎么样去创建啊？那在这里呢，我首先把它删除掉。啊，那这个名字呢？那我就把整个文件夹都删除掉，可以吧？我把整个文件夹都删除掉， 那删除完成以后，我们就右键新建一个什么呢？新建一个文件夹的名字，我们就叫做等一下啊，那删除完成以后，我们重启一下，这个 好崩阔的啊，重启一下崩阔的，我们俩来看一下他的这个整个的，看一下他的技能的猎取啊， 当前有哪些？我们刚才将将之前制定的已经创已经删删除掉了，我们再来看一下他的这个输出。好，现在我们可以看到已经没有了之前我们创建的这样的一个 skill， 那 么我们如何去创建呢？那这个地方啊，我们首先进入到我们这个 cal 的 文件夹里面，我们去右键右键新建一个文件夹，新建一个文件夹的名字呢，我们就给它叫做库对位，好，在里面呢，大家一定要注意啊，我们要创建一个文件，这个文件呢它的名字一定要遵循这个标准，大写的是 cal， 记住是大写的 后缀是 md， md 这样的一个文件名。好，创建完成以后，我们再右键去把它打开，做一个编辑。那这个编辑呢？这个地方我就不带着大家一步一步去走了啊，我先给大家把上面的这个规则给它扩比过来， 来，我们看一下啊，在最上面是一个，三个，三个红杠，上面三个红杠结尾中间是一个 name， name 呢？后面加上一个分号，后面就是这个 sky 的 一个名字，那接下来就是它的一个描述，它的一个 description， 对 吧？表示这个 sky 是 做什么的？ 好，后面我们可以去做一个深度的提示词啊，包括你的一些提示词，其他的一些编辑了啊，甚至可以去调用一些编程的脚本， 通过命令来调用。好，这个地方我们来看一下啊，那现在我把这一部分的提示词呢，给他角色的设定技能的目标。好，在这里呢，我这个地方扎一个输出一份结构化的审查报告。那这地方呢？ 好，我在这个地方我让他输出报告，并且并且以文件以文件命名写入本地。 好，这是我们的输出的格式。那在这个中间呢，我们就可以根据你自己的需求跟业务去的啊，做一些种不同的相关的这样的一些，这样的一些要求，或者是设置。好，那这样我们就编程完成了， 大家一定要记住啊，他的识别，他的这个头就是这个是 qq 的 名字，跟他的 description 一定要写的清晰明了，好吧，好，那现在我们已经写完了，写完了以后呢，我们 ctrl s 保存， 保存那回跳转一下，我们现在已经创建了，创建了以后我们现在再回到这个地方上面，我再回到这个地方上面呢，我再用键打开它。啊，打开，我们再来试一下啊，我打开我们的这个 open code， 打开它以后呢，我们再让它列出 列出当前所有的 q， 是 吧？这个时候呢，我们就可以看到我们整个的 q 就 已经创建好了，那创建完成以后，我们再让它来啊，审计一下刚才这个代码， sim， 检查一下这个代码文件。好，那我们来看一下啊，这个时候它又一次又再一次加载到我们这个库德鲁尔的 skill 来做的这样的一个操作，这就是我们如何根据自己的需求去创建这样的一个自定义啊。 接下来呢，它跟我们之前的这个 m、 c、 p 啊，它的服务的构建的方式呢，从大体上来讲是差不多的，但是关键的地方就是在于它是渐近式，譬如记住这个词语渐近式它是懒加载，它最开始加载的给这个大模型的只有每个技能的名字，对不对？ 当我们就像刚才我们的用户的输入，我通过这个输入审查触发到什么呢？触发到了这个技能以后，大模型才会去 调用这样的一个技能啊，才会一步一步把这个技能所有的提示词，所有的脚本全部加载进来。那么这个就是我们只看跟之前的 a 镜头也好，跟我们的提示词工程也好，跟我们的 m、 c、 p 也好，它最大的一个区别，它能够呢让我们的大模型呢 将注意力集中在业务上面，而不是啊花费大量的托管呢，去计算，去耗费在这样的一些规则上面，耗费在这种残题事实的一个个上下文里面。那这样的我们的业务呢？就会那大拇指在处理不同的业务流程的时候呢，他就会变得更加清晰，更加明亮。

我们来看一下我们自己写的 a 警的代码，它是如何去加载 skill， 简单的演示，我们来跑一下，是以交互的模式去跑的。哈，那我这边就拿这个来去做演示，我们给他一个啊链接，让他帮我们去总结这个平台的一个信息内容，开始 好，他开始总结了，总结的话，他这儿开始是 thinking， thinking 的 时候他会发现他需要用这一个技能，他就去加载了，把那个 bug down 加载到这一个上线文中嘛，加载完之后他会发现啊，他需要 去用脚本，他这个时候就执行脚本了，然后去爬虫嘛，爬虫完了之后把这个数据存成 markdown 或者 json， 存完了之后他再把这个 markdown 读，读到，读到之后放到上下文里面，这个时候他就开始总结了。最近 skill 真的 特别火，它是真的能够让 ai 变成专家，但是我看了十几个教程啊，全部都在教你怎么用， 有没有人想过他到底是怎么实现的？今天我不光要告诉你原理，我还要带你看一下一个能跑 skill 的 agent 是 怎么写出来的。好，下面我们看一下 skill 它到底是什么？我用一句话总结啊，他就是给 agent 装备了超级多的一个技能包， 那这个技能包它长什么样子？本质上啊，它是一个文件的结合，包含了一些啊说明书，依赖资源可以执行的脚本没有特别神奇的东西，就是一个固定的流程，能够去解决某一类业务问题，并且它不需要 ai 现场去写代码，也不会占用过多的一个上下文。 我们来看一下 skill 它的一个核心的一个原理。我们先来看一下 android 官方的一个 agent， 待会我们自己写的这个 agent 就是 按照这种设计来的， 从图的左边可以看见 agent 配置着各种各样的 skills， m， c， p， 核心的提示词等等。那图的右边就是这个 agent 本身是跑在我们的电脑上嘛，那 skill 又是存在文件系统中的，我们有各种各样的工具，比如说 bashpass 或者 json， 那 这就天然的给 agent 带来了一个环境，它就可以利用 skills 中的一个指令和外部环境去做很多编程类的一个任务。那我对这个 skill 的 核心原理的一个指令和外部环境去做很多编程类的一层，第一层 启动时，第二层，那触发时，第三层执行时。好，我们现在来看一下启动时它做了一个什么样的一个事情。 ok， agent 启动的时候，它会去扫描我们整个的一个 skill 的 安装目录嘛，去看一下它到底有哪些 skill， 把它们全部找出来，读取每一个 skill 的 原信息，也就是名字跟简介嘛，然后注入到整个系统的一个提示之中，那后续 agent 它就可以去按需加载 skill 了。 那这玩意儿啊，它是真的省托管啊，我们即使装一百个 skills， 按照一个 skills 一 百托管算的话，启动成本也才一万托管，这就是为什么这个 skills 它几乎可以无限的拓展。 好，我们下面看一下第二层啊，它这个触发时，那触发的话，它分为两种情况，第一种自动， 因为在 agent 启动阶段，我们不是已经把所有的 skill 全部注入到系统提示里面了吗？当我们让 agent 去干活的时候啊，他在推理阶段，他就发现啊，我需要这一个 skill， 他 就会自动去加载这一个 skill 更加详细的说明书，也就是那个 bugdown 文档啊。那第二种手动， 其实你也可以在提示时中手动去啊，让它啊，我要让你使用某一个 skill， 你 去帮我做这个事情， ok， 另外最近最新版的一个 curl code， 它已经支持了通过一个斜杠主动调起一个 skill 了，直接就可以出发了。 skill 加载了之后啊，它其实本质上就是把 skill 的 整个的一个说明书包含的一个指令内容，它全部放到了这个 a 阶的路谱的一个上下文中了，那进到了上下文中之后，它这就跟普通的提示词没什么区别了。 ok， 那 下面到第三个阶段，就是执行时，如果 agent 它加载了 skill 之后，发现当前的业务需求，它需要 skill 额外的能力，比如说有一些参考的文档，或者要执行一些捆绑的代码， 这个时候它就会按照 skill 的 markdown 的 说明书文档去做。你看这个图片里面哈，它就有 skill skill 的 markdown 的 说明，然后有一些脚本文件以及一些资源。 但是这个阶段哈，它不是一定会发生的，因为有的 skill 本身它可能就只有一个 markdown 文档嘛，不一定有其他的资源或者脚本。那下面就到了今天的一个重头戏，就是我们的 agent 代码的一个演示环节啊，主要分为两个部分，第一个部分 agent 代码加载 skill 的 一个运行演示，第二个就我们自己实现的这个 agent 代码到底是怎么写的？ 好，我们来看一下我们自己写的 a 警的代码，它是如何去加载 skill？ 简单的演示，我们来跑一下，是以交互的模式去跑的哈，跑完之后可以看到它这里有一些简单的输入信息以及一些命令嘛。那这个时候我们先看我们上面有其实有提到 他的分为三个阶段吗？第一个阶段是把 skills 全部拿出来去注入到系统提示词里面，我们来看一下我们的系统提示词是不是有这些信息。 ok， 可以 看到我们的系统提示词里面除了他本身那些能力以外，他帮我们把这个 skills 全部加载进来了，就是我这一个里面已经安装的。好，下面我们看一下他具体的 skills 哈， 可以看到他有这一些，那我这边就拿这个来去做演示，我们给他一个啊链接，让他帮我们去总结这一个平台的一个信息内容，开始 好，他开始总结了，总结的话他这开始是 thinking， thinking 的 时候他会发现他需要用这一个技能，他就去加载了，把那个 markdown 加载到这一个上下文中嘛，加载完之后他会发现啊，他需要 去用脚本，他这个时候就执行脚本了，然后去爬虫嘛，爬虫完了之后把这个数据存成 markdown 或者 json 存完了之后他再把这个 markdown 读，读到，读到之后放到上下文里面，这个时候他就开始总结了。整个过程就是这样子的，就这个接收到一个业务，然后由这个 agent 他 自主去判断 他需要哪些技能，然后这个技能他具体的指令是怎么样子的？ skill 里面我们可以看一下这个 skill markdown 哈，这个里面其实有告诉我们的 a 技能他要去做哪些事情，他支持的平台是什么啊？他的一些依赖你要怎么去运行他这里面对应的脚本，那刚刚我们看到了这一个 a 技能里面的话，他就做了这个事情， 那我们自己写的这个 ac 呢？其实看起来也像那么回事，他也能去做到把 skill 把它注入到系统提示词，并且啊根据一个业务需求自己去匹配相关的技能，然后去做后续的一个动作嘛。 那下面的一个流程的话，就是带着大家一步一步的把我们这个项目跑起来，以及带着大家去理解这个代码是怎么写出来的，拿到这个代码之后，跟着我这个一步一步的操作就 ok 了。 好，下面我们开始吧，大家拿到我给你的整个 a 镜的元代码之后，进入我们对应的这个目录哈，然后去把相关的 pass 一 来安装一下，我这边是使用 uv 管理的，大家也用这个吧，我们来开始， 我们进入到工作目录之后，你直接 uv 信可一下把相关的一来安装了，那因为我这里已经安装过了，你到时候安装了会看到他安装很多包。 那第二步的话，我们需要配置一个啊， asp 的 一个 cloud 的 一个模型，因为这个 agent 我 还是跑在 cloud 官方的一个模型上的。我们先把这一个 环境变量这个复制一下，你选中复制，然后把它重命名一下，重命名成点 e n v， 因为这个是没有被 get 管理的，所以说你就可以大胆的在这边去写。那 这里的话我用的是一个呃，国内接口 i 的 中转啊，他们对标 open lut 的， 之前我的视频也有推荐过，他是国内只连的，你不需要模仿那 cloud 官方的模型的话， 你还可以打九折。为什么要用官方的模型呢？因为你如果用逆向的，他的那个 thinking 跟工具调用不一定支持，而且不一定是满血版的。我最近做的 agent 的 项目哈，如果需要用到国外的 cloud 呀， gpt 模型全部是用的他家的， 就你用多少算多少嘛，按量付费就还好，目前测试下来挺稳定的，可以到这个页面的上方有个 api key 管理，大家直接添加一个，然后你随便取一个名称，我就取一个 skill 吧， 点击确定，然后我们把这个复制直接粘回我们的代码里面， 按着我这个流程就可以了。其他的你不需要动啊，因为模型也放在这一块的，你不需要动就可以了。这个时候我们就开始来跑一下 uv run， 我 们看一下它可不可以。好，我们来看一下我们的配置有没有生效。哈喽，你有哪些能力 看一下它这一块是不是可以的？可以看到它已经开始回复了哈，到这个时候其实就已经配置成功了，因为我这个项目里面还把我们这一个新闻 t 区的这个 skill 也给你了，也给到你了，你可以直接去测试， 你给他一个这个平台的一个链接，你让他帮你总结一下，你看一下它能不能做到从加载这个技能，然后去发现里面的指令，以及去运行 这个目录下面对应的脚本，那你就会对整个的一个 skill 完全的去理解它整个的一个交互的一个过程了。那下面我们来看一下，就是这个代码是怎么写的。好，我们来看一下文档，其实这个代码也不难， 是基于 nink 去写的， nink 的 一个 agent 代码是用 react 去写的，然后我们定义了一些工具，这工具里面比较核心的两三个吧。第一个是 他呀，他得知道去加载技能嘛，你得给他一个技能名称，他要去加载模型，在内部去调这个工具，然后传一个呃 skill 的 名称过去。第二个就是 bash， 因为我们这一个 skill 里面他需要去运行一个 python 脚本嘛，去爬虫嘛，所以说这个命令需要。那第三个的话，就是你爬虫得到的结果是放在 skill 的 某一个目录下面，比如输出 markdown 或者输出 jason， 那 他需要这样的一个工具，那其他的话可以先不考虑。 那还有一个比较关键的是这一个 skill 的 一个加载器，因为你要让 agent 能够去发现你的所有的技能，这第一点，第二点你得让它去加载技能嘛，那第三点就是你如何把你的系统提示词注入进去，就把我们的 skill 注入进去嘛，那我们现在一步一步去看我们的代码哈， 好，我们来看一下我们核心的一个 agent， 代码入口的话就是这个 create skills 这个 agent 哈，它返回的这个类，那这个类的话，我们把代码折叠一下， 我们只需要去关注其中比较关键的几个哈，我们创建这个 agent 之后哈，你就可以去调用这个 agent 了，它背后就会去处理你的请求，然后去自动去推你做工具调用，就典型的 react 那 一套。 那我们比较关键看的就是两个部分，第一个这个工具的一个定义，第二个部分这个系统提示词，我们先来看系统提示词吧，系统提示词的话，这块它是掉了这个方法嘛？这个方法的话是先有了一个基本的呃， ai 工具的一个能力嘛，它是一个帮助助手， 紧接着它再返回了这一个我们的一个 skill 的 一个加载器，这个内里面的话就把我们的基本的提示词给它，给它完了之后呢，它帮助我们去扫描了所有的就是 skill， 就 包括你工作目录以及项目目录下面的 skill， 扫描完了之后把这个提子追加过去，也就是我们在前面实战，实战演示那个环节中，我们通过 prompt 看到它下面追加那部分信息， ok， 我 们继续返回。 好，对于这一个提子这块就很简单。那我们来看工具调用，工具调用的话，你先得定义工具吗？定义工具啊，这边定义了有这几个工具啊，主要看这两个吧。 那这个的话也是比较简单的，就是你传，因为这个是大拇指去调用的，对不对？大拇指调用了，它会传一个它需要知道的一个 skill， 它要去加载嘛？所以第一个参数自然而来就是你这个 skill name， 核心就是你传一个 skill 的 name 过来，我要保证 我能把这个 skill 的 这个 markdown 哈，把这个 markdown 给你读出来，然后返回就完事了，那这个工具就做这个事情，那下面呢？就是一个普通的一个命令行的一个工具了，命令行工具也不带着大家去过了，都比较简单，是用了一些传统的一个手法去运行命令啊，然后再返回结果。好，我们来看这个 skill 的 一个 核心的加载器这个类吧。这个类的话前面部分就定义了我们有哪些目录嘛？我这边定义了两个层级哈，一个是啊，我们的一个用户层级，就是你如果装了 curl code， 在 这个目录下面是会把所有的 skill 放到这下面去。第二个的话就是 有很多 skill， 它可能是针对项目而言的，你就放到项目下面去，就像我这个一样啊，我这个里不是有一个啊，新闻提取器吗？会给到大家用，所以我就把它放到了我们这个 get 项目下面去跟踪。那看一下这个类的话，其实 它的核心职责就比较简单，第一个先去扫描，就去发现这个目录里面所有的一个啊 skill 目录，然后去读它的那个 markdown 文档，把它原型记拿出来。第二个就是去加载，你给他一个名称，他帮你加载。第三个就提示词整体的实现其实 非常的简单，让 ai 去做一下就做完了。 ok， 那 这就是这一期视频的全部内容了，谢谢大家，拜拜拜拜拜。

朋友们， copilot 现在终于支持 skills 了，我们可以看到新版的 vs code 的， 这里已经有了 user agent skills 的 开关，只要把它打开之后，将你下载的 skills 保存到这个目录，我们再和它交互的时候，就能看到模型已经能够提取到这些内容了。 以我现在的这个工作区为例的话呢，我把 sopro pick 的 一些官方 skills 放到了这个文件夹下，这个时候我再和模型交互，就可以看到它已经能够提取到我对应的一些 skills 模块了。 至于为什么我二零二六年还在用 copilot， 还是因为它采用暗次计费的方式，即使单次任务它迭代了非常多轮的执行步骤，它依然会收取一次的费用。 这样的话对于 cloud ops 这样比较贵的模型或者大型的项目特别友好，因为可能你重构一次大型的项目就会用掉好几道。并且我们可以看到 copilot 的 c r i 这里 它对于主流的模型都是支持的，并且像五点二的这些 high 和 extra high feature 它也能够支持的了。所以虽然它对于这些 feature 以及 skills 支持的还是挺晚的，但总归还是赶上主流的用起来吧，各位。

嘿嘿，兄弟们，我又来了，最近 space 技术嘎嘎火，不知道你们听过没，这玩意呢，也是由这个 ansore 公司出的？对，就是那个提出 m c p 的 公司，并 且这个技术规范呢，也迅速在各大智能代码编辑当中接入，比如说啊，像这个 ansore 公司，它自家的 cloud code 啊，还有像啊， koser 啊，对吧是吧，这个 anti gravity 啊等都已经接入，甚至最近这两天非常火爆的智能体啊， cloud board 也有这么个玩意儿。 那么它到底是啥呢？今天只要你给我五分钟，带你迅速去魅啊，了解这个技术到底干啥，你就怎么使用。首先，一键三连交学费，我们现在开始 skill， 翻译成中文是啥？是不就技能的意思啊， 在后面呢，加一个 s 是 不是就指一堆的技能呢？哎，这就是 skills 的 根本用处，用来快速给 ai 一 些技能。不过这里的技能呢，可不是指让你去啊，费劲巴拉的去训练大模型，让他学什么新的知识， 本质呢？还是去引导 ai 根据某种方法或者规则去回答你的问题？哎，有些敏感的小伙伴可能已经猜到了，这不就是啊 pro 的 提示词吗？没错， skill 的 本质就是提示词工程。 比如之前我想让大模型每次都按照特定的套路规则来教我怎么随论文，我以前可能得准备啊，这么长一段的提示词，然后每次提问都得把这段话啊粘贴到问题的前面，比较麻烦，这就叫做上下文注入。 现在 skill 是 引入了啥呢？他说，哎，你不用每次都手动粘贴啊，多麻烦，你直接存到文件里头就行，咱规定呢，给这个文件取名叫做 skill 的 md， 我 每次和 agent 唠嗑的时候，先读起一波指定目录下的所有的 skill 的 文件， 一般这里的指定目录呢，每个编辑都不一样，比如说像这个 anti gravity 存放在这个点 agent 的 目录下的，而 cursor 呢，又是存放在这个点 cursor 目录下， 然后你和 agent 在 唠嗑的时候呢，他就先去这个 skill 的 目录下获取所有技能的这个 skill 点 m d 文件，再来根据你的提问来回答。此时可对有些小伙伴就要问了，那既然就是一个提示词，本地词语话那，那为啥索尔匹克要给他一个新的名字，并且这么多工具像 corsair 的 都迅速跟进了呢？ 这就要提到一个关键词规范，你会发现 sirp 这家公司很会搞规范，之前的 mcp 是 工具调用的规范，而这次的 skills 呢，则是提示词的规范，它规定所有的技能，也就这个 skill 点 m d 的 文件都得按照这个格式去写。第一行呢，写这个技能的名称， 然后第二行呢，写一个技能的减速啊，也就这玩意是干啥的？然后这两玩意呢，通过这个符号啊包裹住，然后最下面呢，开始写你的题字词的具体的规则。有了这个规则，所有接入 skills 的 编辑器啊，就知道该怎么去读你的技能包了。而这个规范也引出了另外一个好处，叫做渐进式批录。 这是个啥呢？原本没有这个技术的时候，你如果有多个提示词啊，想喂给 ai， 是 不得将所有的提示词都扔给这个大模型呢，然后让他来选择回答，不管最终你的提问命中了哪个提示词，所耗费的上下文是不是还是所有的提示词啊，而且又慢又贵。而现在使用 skills 之后呢， 模型只会预先加载每个 skill 点 md 里的名称和简数部分，当用户提问的时候，再根据用户的问题来判断是否要继续加载某个完整的 skills 内容， 这样就会大大的减少上下文窗口的一个占用，只在必要的时候加载部分的提示词，并且它还可以俄罗斯套娃就这个 skill 点 md 文档里头再引用其他的文档。 比如说我把论文选择题策略这一部分的内容从 skill 点 md 啊，放到了这个 name selection 这个 md 这个文件当中。这样当用户询问和选择题相关的问题时，他会先去读取这个 skill 文件当中发现，哎这部分的内容，要再去读取这个 name selection 的 这个文件， 则又会去查看这个文件，就不断的套娃可以看到这边的提问，是吧？又去读取了这个 name selection 这个文件，然后给出了这个 selection 里面的这个规范的选择题。 同时它这个套娃不止可以套 markdown 文件，也可以套代码。比如说在这个 skill 点 m d 当中提到了啊，可以去运行某段代码，如果你的提问真的涉及到这段代码，这 a j 呢，就会真的去执行这段代码，然后把运行结果拿回来思考。就例如咱查字典是吧，你想获取某部分的内容，是不是得先看目录，然后找到具体的页数， 然后只看单独这一页就行，件件式批录也是一样，用不到的则不会去查看。最后总结一波，这个新的样式技术呢，其实最主要就是制定了一套技能规范啊，等于 a 键的，你按照这个规范去写提示词的内容， a 键的呢，则会自动去看目录啊，自动翻鼠册啊，来干活！ 好，如果这期视频你有帮助的话，马上点赞，一键三连，你的支持是我更新视频的最大动力啊，咱们下期视频见！

那接下来呢，我们就进入咱们前期准备的最后一个环节，去准备好我们需要用到的 skills 了。那正如刚才所说呢， ctrl 现在已经原生支持使用 agent skill， 所以 你既可以通过 create skill 去自定义一个技能，那你也可以去网上搜集一些已有的 skill， 把它复制粘贴到你本地的项目里边去用。 好，那我们就分别来给大家去演示一下。好，那我们在科室里边创建了一个完全空的项目，来给大家来演示一下如何安装我们需要用到的 skills， 我 们还是把它把科室拖到最右边，然后现在左边呢是我们的指导文档，右边呢是我们一个空的科室项目。 好，首先我们来快速看一下，为什么说现在 ctrl 它原声支持 skills 了，那之前如果你要在 ctrl 里面去使用 enter skill， 可能还需要借助于 open skills 这种开源项目去操作一下。想了解 open skills 呢，你可以看一下咱们之前的往期视频。那目前呢，比如我们点击 ctrl 的 这个设置小按钮， 然后我们找到它，找到 cursor settings， 然后找到 rules skills， 大家来看一下，现在呢，在 cursor 里边它就有一个这个 skills 的 选项，那如果你配置好一个 skill， 就 会在这个里面 用列表的形式来显示出来。那接下来我们首先为大家来自定义一个 skill， 那 不如呢，我们就用刚才 这个产品经理的提示词来为大家来做一下简单的演示。这个提示词呢，在咱们第二杠二节，例如就是这么很长的一个提示词，比如角色，还有背景，还有任务目标等等，咱们把它先复制一下， 复制备用，然后再回到咱们的指导文档里面。那我们需要做的就是在科室的这个对话界面，我们输入斜杠，然后 create skill， 找到它。好，那这个指令呢，就是去自定义一个技能的指令，比如帮我们自定义一个技能， 这个技能我之前已经用提示词描述过了，帮我转换为一个 skill， 那 提示词如下，那把刚才粘贴过来的提示词放到这里。好，同时呢我们可以在这里加上一句，比如你可以给这 提示词起名为产品经理，是 product manager 模型呢，我们就选 composer 一 点五吧，这也是 composer 可能最新推出的字眼模型，那我们 点击发送，在它创建的过程中呢，大家注意观察左侧的这个文件列表哦，可以看到，首先呢多出了一个点 composer 文件夹， 我们不同的 skills 的 文件夹呢，就会放在这个点 cursor 路径下。好，我们展开就可以看到，现在呢多了一个点 cursor， 然后 skills 的 子文件夹这里边呢就存放着 product manager 命名的这个具体技能的子文件夹了， 那它这里边呢，只有一个，必须的，大型的 skill 点 md 文档。好，我们点进去来看一下， 大家可以看到，那这就是这个 product manager 最核心的 skill 点 m d 文档了。那如果您刚才在听 skill 它具体的架构的时候不是很了解，就是在这个图这个文件夹的项目组成的时候不是很了解，现在我们可以对照着一起来看一下。 首先可以看到这个 product manager 这个技能呢是以一个文件夹存在的，对吧？那同时呢，它有一个核心的必须的 markdown 文档，就这个 skill dmd 文档，那这个文档里面呢，有两个必须的，一个是 instruction， 那 它是一个压默格式， 那 instruction 呢？里面有这个技能的名称，还有对于它功能的描述，那同时呢，还有它的原数据，那这些原数据呢，就是对于这个产品经理它一些具体的目标角色，工作流程的一些改写，或者更气化的一些改写。 好，那现在呢，我们就成功的自定义了一个 product manager skill， 那 正如文档所示，这些 skills， 它们的路径都在你的根路径下，有一个点 cursor 的 文件夹，然后呢有一个 skills 的 文件夹，那这这后面呢，就会存放着不同的技能，例如第一个 product manager ui design， 对 吧？然后 你可能会用到很多的 skill， 那 当我们创建好后呢，咱们可以再返回到刚才 cursor 的 这个设置页面， 那找到 root skills 这个选项卡，你就可以看到，现在在 skills 这个列表中呢，就多出来了我们这个 product manager 这一条技能了，也就是说这个自定义技能已经被创建好，同时呢也部署好了。 那同样的，我们回到刚才这个完整的开发流程来看啊，那这里的 skill 咱们就已经准备好了， 那因为我们 ui 制作，我们用 google 的 stage 这个完整的服务，咱们就不用再去新建一个 ui design 的 skill 了。 当然 ui 设计也有很多流行的 skill， 你 可以去看一看。那接下来呢，我们还需要找到微信云开发这一整套的 skill， 那 例如对于前端后端共同开发的一些具体的规范要求啊？ 那经过查找呢？确实腾讯云官方就推出了这么一整套 skill， 那 相应的，如果你现在着手的项目可能不仅仅是微信小程序，可能还有其他平台的小程序， 你也可以去对应的平台找一找他们官方有没有推出类似于这种整套 skill， 可以 直接拿来就用的。那接下来咱们继续来看一下，腾讯云官方针对微信小程序开发， 并且是采用微信云开发这个后端环境的小程序开发的时候，这一整套 skill 大 概长啥样？那这一套官方 skills 的 地址呢？我们也提供给大家，那你可以去这个仓库里面下载，如果觉得比较麻烦呢，我们已经把 咱们这个项目会用到的所有 skills 也已经打包好，你到时候直接减压缩到这个路径下就可以用了。那接下来我给大家来下载一下。好，我们点击这个链接，然后就打开了这个腾讯云官方的对于 skills 的 这个仓库，然后呢我们找到它的这个 按钮，然后有一个 down load 的 按钮，就把这个压缩包就给下载下来了。然后接下来在您的电脑上把这个压缩包给它解压，然后呢放到刚才那个空的文件夹里边， 好，那解压粘贴后，大概的效果就长这样了，我们可以看到在这个 skills 文件夹下呢，又多了很多很多的技能，对吧？ 像刚才这个 product manager 这一个呢，是我们自己自定义的，那其他的这一些呢？都是文信云官方给我们提供的针对微信小程序云开发的一整套的 skill， 那这里边有一些需要重点关注的，我们来点开看一下。首先第一个对这个 cloudbase guidelines， 就是 这个云开发指南，那你可以把这个 skill 呢理解为一个是必读的总纲，那我们点进去来看一下。哦，好，我们找到这个 guidelines skill。 好，那我们可以先看一下他的 description， 就是 对于这个技能的描述，也就是如果我们在进行一个微信云开发项目的时候，你必须先读这个总纲。 如果你去开发类似于外部端的应用，或者说一个微信小程序，或者说你的后台服务，采用了微信云开发的平台，都需要先读一下这个 guidelines， 就是 这个类似于一个总纲。那在这个总纲中呢，他可能还会告诉你，如果你涉及到具体的一些工作，需要再去调用哪一个 skill。 好，那我们找到这个就是不同平台所采用的 skills 这个列表。因为我们是小程序嘛，咱们就看这个 mini program projects， 它的会用到的一些细节的 skills 的 列表， 那比如首先这一个 mini program development 就是 微信小程序开发，那就对应着这个 skill， 也就是说如果我们的项目在读到当前的这个总纲后，发现呢，你是一个小程序，那它就需要去读这个 mini program development 这个对应的 skill， 以至于这整个的 cloud based guidelines 呢，它是一个类似于导航的技能。真的，如果你在小程序中涉及用户的登录，那就需要用到这个 os 杠 wechat 就 对应着这个技能，那如果你需要用到 ai 大 模型，那你可能就需要用到这个 ai 下划线 model， 然后呢 wechat 这个技能，好吧，相当于一个指路的大纲，那相应的还有一些通用的技能，我们可以来看一下， 例如这里的通用技能，那对于第一个就是对于微信云开发的一些背景的知识，是吧？还有 ui design， 就是 去设计 ui 的 一个 skill， 对 应的在这里 那还有 spec workflow， 那 这个就和 spec coding 就是 s d d 很 像，就是去开发一个软件的时候，一个大的流程大概是啥样的，那例如呢，我们就用这个微信云开发平台的这个背景知识的技能，咱们来看一看它的描述跟刚才咱们对于微信云开发的介绍大概一不一致， 那我们就找到这个 platform 这个技能，然后点进去咱们来看一下，那可以看到它的 description 呢，就是你用这个技能来去了解一下和微信云开发平台相关的一些背景知识，那例如存储，还有认证，还有云函数，对吧？ 那这个 skill 就 具体介绍了很多和微信云开发相关的背景知识，例如在微信小程序中，用户进行登录认证，那它就叫做 logan free， 就是 没有那种前后端分离架构中那种复杂的登录流程， 而且呢只需要通过云函数就能够获得到用户的一个标准的身份标识，就是 openid， 那 么刚才咱们讲解的也是基本一致的。 还有像这里还说了，那对于云函数呢，它大部分都是一些 node js 函数，那所以啊，结合这套 skill， 如果你想对微信云开发进行进一步的更深层次的了解，有了这个技能之后，你就可以在 ai 编程里边那去问，对吧？ 目前云开发这个整个的环境有一些哪些独特的优势？还有云函数应该怎么设计，还有前端应该怎么样直接去操作数据库，那他都会告诉我们的。好，那我们已经基本搞定了咱们在开发过程中需要用到的 skill， 咱们有一个自定义的产品经理的 skill， 帮我们写产品需求文档。在具体的前后端开发的时候，我们还用到了微信官方提供的一整套来用于微信小程序，还有微信云开发的 skill。 好， 那这一整套 skill 其实就是我们的五 g 库，对吧？它让我们可测的能力大大增强了。

我再次被现在的 ai 网站震撼到了，我感觉就算像我这种零设计经验的纯小白都可以靠它去接设计单了。今天就分享拉瓦特的新功能 skills 的 五种实用玩法，最后一个做跨境电商，小伙伴一定要码住哦！ let's go！ 玩法一，一句话制作品牌 logo 首先我们来到拉瓦特的首页新建项目，在右边对话栏就可以看到新上线的功能，点击 logo 与品牌，在对话框输入指， 他会像专业的设计师一样跟我们确认细节。你们看，当我们给到的信息越完善，最后得到的效果就越好。 玩法二，我们要搞定社交媒体内容传播大家平时发一些社交媒体配图排版，包括抢文案，真的很费时间，但是在 love 里面，我们只用一句话，他就能根据我们的需求自动匹配图片，做一些简单的排版。 玩法三，一键完成角色故事分镜左边的画布上是我提前准备好的动画人物，点击一下分镜故事版功能，然后点一下相应的图片，在对话框下达文字指定，很快我们就能得到一份完整的背景设定。我们从这里挑一个自己想做的故事方向，让 ai 帮我们整理成分镜脚本， 比我之前一句句给到提示词去反复调整画面方便多了。玩法四，一句话制作营销宣传册之前像这种双折三折的宣传册，我们公司都是直接找工厂外包设计的，现在只要给到产品信息和活动介绍就 ok 啦，这是他给到的指出设计效果。点击编辑文字我们可以直接修改图上的文字， 点击编辑元素，还能替换贴纸、背景等等玩法。五、一分钟生成亚马逊产品套图。例如我今天想要主推这个大容量保温杯，点击对应功能，上传提前保存好的商品图和产品卖点，不用担心自己准备的不够充分，它会引导你一步步去补充信息，最后给到完整的设计方案。 它还会衍生出很多我们后续可能要做的方向，所以就算是纯设计小白也可以完成整套操作。大家不要再把 love art 当成一个普通的生土工具了，它就像一个真人的设计师。小伙伴懂我们想要的高级感，用过一次你就知道它有多香。

今天给大家分享一个专门用于管理 skills 的 一个 skills， 它叫 versatile skills， 直接用这个命令就可以安装，它主要的功能就是因为我们有非常多 skills， 而且有非常多的这种编程工具，比如说 cloud code， 比如说 codex， 它们都支持了 skills， 那 么你怎么样让你的 skills 可以 在中间进行复用？ 如果是之前的方式，你可能需要每一个都复制到它的文件夹下面，或者说复制到项目的文件夹下面就非常麻烦，如果我们进行加载的话，也是很麻烦的， 这里卸载了，你下一次要在另外一个编程工具的话，你另外一个编程工具又要加载，所以说他们开发了这样一个项目，它的 star 数也达到了五点四 k， 它非常方便的，你只需要安装这个，然后你就可以直接用这个来去进行你的 skills 管理，你可以同时安装在你的 coser cloud 还有 code 里面， 它主要的功能给大家看一下，列出已经安装好的，还可以，你还可以去进行搜索，你可以进行关键词搜索，它可以在网络上，其实它们有一个这样的一个商场， 或者叫集合，他们会去搜索里面匹配的，你自己去选择匹配的里面的一些 skills， 你 可以快速的安装，可以卸载 skills， 可以 检查 skills 的 一些更新去进行检查，当然你也可以自己去创建一个新的 skills， 反正这个项目的话还是非常方便，可以去管理你的一些 skills， 因为这些 skills 太多了，它也是支持了三十五种这种编程工具，只要它支持了它，基本上这些编程工具都支持到了，所以说这个项目还是非常不错，大家可以去尝试一下。

梅猴王朋友们， agent skill 最近真的太火了，但很多朋友肯定还是很困惑， skill 到底是啥？有什么牛的？没关系，草旅从 skill 大 全它来了。 今天呢，我们会通过一个逐步升级的案例来理解 skill 的 结构和原理，然后我们还会学会定制自己的 skill 这个 skill 呢，只需要我们说帮我做一个促销海报啊，优惠券，员工服装，它就会生成符合我们品牌风格，带 logo 的 物料图片。 另外，我也会推荐给大家一些好用的必用的 skill， 比如说帮你的文章配图，把杂乱的知识变成教学网页，一句话处理表格等等等等。 我还做了个秋之技能生成器，大家只要回答一下 ai 给的选择题，为你量身定制的技能就轻松完成了。并且今天所有的资料链接以及补充资料我都做成了一个网页，大家只需要一步步的跟着做，跟着看，就一定能搞定， 非常值得一个点赞收藏关注哦！来吧，准备好我们 go go！ go！ 首先，到底什么是 skill skill 呢？翻译过来就是技能呗， 它其实和人类的技能是类似的，比如说你是一个厨师，那你就有炒菜的技能，处理食材的技能，摆盘的技能等等等等。那每个技能里面，比如说炒菜技能，这里面就包含了你的流程，你要先炒什么，后放什么， 还有你的配方，你的油温多高，盐放多少。有了流程和配方呢，你可能还会需要一些工具，需要煤气灶什么的， 甚至你可能还会有一些独家的材料，有一勺秘制辣椒酱什么的。那 agent 的 技能也是同理，它要来做菜，它也得有流程、配方、工具和材料。 所以在 agent skill 的 术语里面呢，它就是 skill 点 md， references， scripts 和 assets 这些东西打包成一个文件夹，这就是一个技能，一个 skill 了。我们先来个简单的， 比如说我们要做一个写作 skill， 那 我们就在 skill 里面可以要求他先去啊这些网站去搜集信息，然后再按这个爆款原则去写个大纲，然后再参考这个语气来写稿啊，最后按照平台要求来审稿等等等等。那有朋友就很疑惑， 那这不就是写提示词吗？哎，本质上还真是的，毕竟啊，我们跟大模型的交互其实都离不开提示词， 但是呢，这并不是 agent skill 的 全部，它在工程上是有很多优势的，能做的肯定比我们拷贝粘贴提示词要多很多。好处我们后面都会说到，那先让我们通过创建一个 skill 来理解它的结构和原理， 我这里用的是谷歌反重力来做编辑器来看文件，然后呢，用的是 cloud code 来做 agent 来处理任务。这俩东西的下载方式呢，我也都放在资料里了，非常清晰简单，大家一步步跟着做就行了。 接着你只要在反重力的这里创建一个项目，比如说我的就叫丘之 project 吧，然后呢，我们调出终端， 输入 cloud cloud code 就 调用出来了，这个界面大家看着会有点复杂，但是不要怕，跟着我一步步来就可以了，之后我们跟 agent 的 对话都会在这里进行。 ok， 那 我们开始创建， 那我们先要做的是一个最简单版本的 skill， 后面呢，我们会逐步升级的哈， 那现在假设我是一家轻食店的老板，那这是我们秋之餐厅的一个品牌 logo， 那 我希望做一个 skill 呢，能够按照我的品牌调性和视觉规范，帮我们去想各种物料的创意，做一个创意生成器。 那按照 cloud 的 规定，我们创建一个 skill， 得在规定的点儿 cloud skills 文件夹里面去创一个 skill 文件，那我们用最原始的方式，直接手动的来创建这些文件夹哈，点儿 cloud skills， 然后我们再创建一个文件夹，这个文件夹的名字呢，就是我们 skill 的 名字，我们叫它秋之创意吧。那这个 skills 的 文件夹里面呢，必须规定有一个 skill 点 md 的 文件，这个大写的文件，那文件里面放啥呢？我已经写好了， 粘贴进来，那就是这么些文字。好了，这就是一个 skill 了，大家先压住脑子里面的问号，我们再来细看一下，那这个文件里呢，上面这两个横线里面的它叫做元信息 matlab， 写着两个东西啊，一个呢是 skill 的 名字，一个呢是 skill 的 描述，这两个东西专门用来告诉 ai 这个 skill 叫什么名字，是干嘛用的，什么时候可以用它，那我这就写着是做创意物料用的啊，当用户说要做个海报什么的物料，他就自己触发它了。 而下面这些信息呢，叫做指令 instruction， 其实就是具体告诉 ai 怎么样做的一些提示词喽。 ok， 那 我这写了我们的餐厅叫做秋之餐厅，品牌的风格有这么些要求，输出的格式让他是这样等等等等，非常的简单哈，那我们保存好一个 skill， 真的 就创建完了？来，我们启动 cloud code 来问问他，你有哪些 skill？ ok， 你 看，他现在就已经识别到了我们的秋之创意 skill 了。 ok， 我 们直接问他，我要做一个秋之餐厅的春节促销海报，让他给个创意 好，他这里就开始提示我们，他正在加载这个 skill 了，我们同意 ok， 他 就输出了创意，并且是按照我们的要求和格式来的。 那有朋友就受不了了，哎呀，这一通操作不还是提示词吗？跟我自己写一段这个提示词存着给 cloud code 看有什么区别呢？最大的区别之一在于它是按需加载的， 什么意思呢？其实啊，当我们正常的这样跟 cloud 去聊天的时候，大模型它只会看到我们这个 skill 里面这两行短短的圆信息。 只有当我们说我们要做一个秋之物料的时候，他才意识到，哦，该看具体的指令了，他才会去加载这下面这部分的完整指令，否则这些他都不会看到。 这样的好处就是方便我们可以同时拥有很多个 skill。 每次 a 正的都会看一遍所有 skill 的 简短的原信息，但是只有当 a 正的意识到他要去具体调用一个技能了，他才会去看下面的一大堆指令，而且 ai 的 回答也会更精准， 因为他没有了其他提示词的干扰，那 ai 加载的少了， open 自然也就省了一堆。那这是他按需加载的第一层。 当然了，刚刚这个 skill 实在是太基础了啊，就算一口气把它下面的指令都加载完，好像 token 也不多哈。 但是如果我们的要求变得复杂了呢，比如说我们秋之餐厅的物料其实分很多种， 常规的呢，有海报、菜单，也有比较特别的一些实体物料要设计，比如说餐盒、杯子，员工服装，还有一些社交媒体的物料，比如说公众号封面，微博配图等等等等，他们的尺寸都不一样，配色要求也不一样， 还得符合各平台的一个规范。每一个物料呢，我们都假设它有详细的长长的说明，那这时候我们如果把所有物料的要求都写进 skill 点 m d 里面，那这个文件就会变得巨长。 但是很多时候呢，我只是想做一个，比方说实体餐盒的设计大模型，根本就不需要知道公众号封面的规格，但是 ai 还是得把整个文件都读一遍，那这就造成了 token 的 浪费，也可能会造成一些信息干扰。那怎么办呢？ isopec 就 又规定了一个文件夹叫做 references， 我 们呢可以把实体的物料和社交媒体的物料这个两个规格单独拆出来，单独的给它放到这个 reference 文件夹里面去。 那这个实体物料规格点 md， 我 们就写一些线下的工服呀，餐盒之类的要求， 那这个社交媒体物料规格呢，我们就去写公众号封面呀，微博配图这些的尺寸和要求，甚至我们都可以拆得更细。 然后呢，我们只需要在 skill 点 m d 这个总指令里面只留下那几个常见的物料要求，并且我们还需要写上一个指引 啊，告诉他如果用户要做线下物料的话，那就要去读这个实体物料规格点 m d。 如果要做社交媒体类的图，那就要去读社交媒体规格点 m d， 那 现在同样的一句话， 他给出的方案就更精准了。这样当我们只做常规物料的时候，这两个 reference 的 文件大模型压根就不会看。然而当我们说做实体参合的时候，他也会通过 skill 点 md 的 指引，只去看 reference 里面的这个实体规格文件， 那这就是它的进一步按需加载了。那我们可以想象，我们可以有好多种不同情况的 reference， 反正它只会在需要的时候自己去看指定的文件。 但是现在我们的秋之创意 skill 呢，只能输出创意，还得我们自己去做图，所以呢，我就还想让它可以按照我们的品牌规格，直接帮我们把图做出来， 也没有问题。那这就要用到 skill 的 另一种文件夹了，叫做 scripts， 那 这个 scripts 里面呢，一般放的是一些可执行的脚本， 那我这里呢，实际上也就放了一个非常短非常简单的脚本，其实就是在调用 nano banana 的 api 来生图的一个脚本。那有了这个脚本之后呢，我们还得去 skill md 里面在指令里说一声，告诉他，如果用户要求直接生成图片， 那他就得把之前我们想的这个创意转化成生图的提示词，然后按照这个命令去调用这个生图脚本，这样他就能一句话自动去生成精准的图片了。 不然我们还得自己去拷贝提示词，打开软件再粘贴，再生成，再下载保存，现在我们一句话就搞定了。 另外我还有个需求，我希望深层物料的图片能保持秋之餐厅的 logo 不 变， 所以我们还得给他几张 logo 图作为深图的这个参考。那我们就可以再建一个 最新规定的一个 s s 文件夹，我们把两张的 logo 图片放到这个文件夹里，当然我们还要回到 skill 的 md 里面，告诉他参考图在这个 s s 文件夹里面，如果要深图的话，需要把这个图片当做参数给脚本传进去来执行。 好朋友们，现在这个 skill 就是 一个完整的官方完全形态了，其实有点像我们在用自然语言写程序，对吧？那我们先来试试效果，来帮我做一张周六饮料免费的一个实体海报， 你看它发生了什么？它先是加载了这个 skill， 然后它内部可能发现啊，要做的是这种实体物料，它就要去看另一个解说，于是它去检查了这个实体物料的规范。那并且它意识到我们需要的是直接生成图片， 所以呢，它又生成了提示词，把这个提示词和 logo 图片一起给到，并且运行了这个脚本。那最后它输出的图片告诉我们，在这里我们看看结果， 你瞧瞧它这个尺寸，配色 logo 是 完全符合我们这个品牌规范的啊。那为了防止这个是一次性的结果，我还多试了几次，它这个深层的效果都很不错。 然而如果我们的要求还跟之前一样，我们只要创意并不要直接深图的话，那他的这个脚本他也不会被执行。 而且呢，刚才我们说到这个 scripts 脚本，这里面其实还有一个重点，这个脚本里的代码它是写好了的， agent 根本就不需要去看里面写了什么，它只要知道我们在 skill 点 m d 里面写的那些指引，告诉它传什么参数，会输出什么，它只管运行脚本就行了。 所以不管我们在 scripts 里面写了多少行代码，大模型它都不会去读取，一点 token 都不占。 当然了，如果我们在 skill 点 md 里面的那个指引写得不够清楚，大模型不知道怎么用这个脚本，那他有可能也会不得不自己去看一下这个脚本，但他的机智和园艺是不需要去读这些脚本的。 好，那我们来回顾一下，其实创建 skill 就是 在指定的文件夹下去创建一些文件，那最简单的 skill 呢？只要一个 skill 点 m d 就 够了，里面有这个原信息和指令，而完整形态的 skill 可以 加上 references， script s s 这些可选的文件，那这些东西是怎么配合工作的呢？这就是 skill 最重要的设计。按需加载的三层结构，第一层，源信息。 这一层呢，是始终加载的， ai 的 每一次对话都会看一眼所有的 skill 的 源信息，它去看到自己有哪些技能，就像一个目录。那第二层，指令层， 这层是只有当 ai 判断并且决定我要用这个 skill 的 时候，它才会去加载完整的 skill 点 m d 文件。第三层，资源层， 这层包括了 reference 里面的参考资料， scripts 里的脚本， assets 里的资源。只有当 ai 进一步判断任务需要更详细的信息，或者它需要执行某个脚本的时候，它才会去按需加载，并且脚本它是只执行不读取的，完全不占用托克。 好了，这下我们完全理解 skill 的 按需加载，也就是官方定义的渐进式批漏机制和三层结构了。可是对于普通人来讲，这又是写 markdown 又是脚本的，好像创建一个 skill 还是挺复杂的。 no no， no， 现在谁会用手写呢？我是用这个创建 skill 的 skill 啊，秋之 skill creator 创建的。 那这个呢，是我基于很火的 skill 创建器改良的一个更加互动式，更加小白的一个 skill 创建器。那大家把它下载下了以后，放到这个点儿 cloud skills 文件夹里面就好了。那下好之后，我们想要创建什么 skill， 直接打开 cloud 直接跟它说就行， 或者我们也可以斜杠来调用他，那他呢，会开始一步步的引导和追问我们，来帮我们梳理这个需求。而且我特意设计的是这种用选择题的方式来追问我们整个过程，我们就只需要用大白话回复他的问题，以及按一按上下键做一做选择题就好了。 他这个追问的过程啊，到时候大家问题可能和我现在这个不一样，因为他会根据你的需求去做灵活的调整啊，他都是现编的。 然后呢，这个过程中因为我们要做图片，所以我们还需要给他提供 logo 图的参考，以及那个 nano 不 nana 的 a p i 和文档。那我也给他直接拖到了这个项目文件里，然后告诉他了一下这个文件的路径， 他就会自己去参考和把它们放到 excel 文件夹里面。那这两个素材我也都已经放在了我们的课后网页上了，大家可以去用做练习来试试复现它。 那问完这些问题之后呢，他还会给我们核对一下方案，如果我们看着方案没问题，那他就会自动帮我们生成所有的 skill 文件了。 那做好 skill 之后呢，他还会帮你想几个例子来跑一下测试。我们这里其实测了好几个，风格都很一致，很好看。大家在这个调整的过程中，也可以去点开他写的这些 skill 文档来手动的修改一些，反正都是提示词嘛。 所以总之只要你有明确的输出要求，或者有明确的方法规范流程知识，创建器就会指引你帮你来写出一个定制的 skill。 而且除了自己创建，网上也有很多现成的 skill 资料里，我也整理了一些集合网站和 skill 仓库，成千上万的 skill， 大家可以去逛逛。并且我也给大家打包了几个普通人常用的必备 skill， 比如做 ppt， 处理文档， excel， pdf 这些基础的，我们直接把它拖进 skill 文件夹就可以，一句话让它帮你把乱糟糟的表格梳理得整整齐齐。 还有这个官方的前端设计 skill， 这是直接让 cloud code 生成的前端网页，而这个是挂载了这个前端 skill， 做出来的网页，效果明显大幅提升。还有这个动画生成的 skill， 用这么一段提示词就可以做出这样一段演示动画。 当然大家也不用去装一堆自己根本用不上的技能，一个游戏英雄也只需要四个技能 q w e r 就 能杀遍全场。所以最有效的还是把你最最高频做的几件事，打磨成一个你独家的稳定产出的 skill。 尤其是你对结果有明确的要求，你有经验和方法，你验证过的事情。 比如说打工人，你的周报每周都要写，那就做一个让 ai 来主动采访你，然后出周报的一个 skill。 比如说老师每节课都要背课，那就做一个你只要给出课题，就能给你一整套课件习题和 ppt 的 skill。 又比如说，你总是要给你的文章配图，那就做一个给他一篇文章，他就按你的风格做配图的 skill。 又比如说，你总是在审核，那就做一个按照你的规矩自动批阅合同来写备注的 skill。 因为大多数的人都不需要成为一个技能开发者， 我们只要先把自己掌握的小技能交给 ai， 让他替你重复劳动。好了，资料链接都在评论区了，大家动手试试吧！这个时候呢，点赞、收藏、关注的技能就该出发了，我们下次见了！

哎呀妈呀，这个给我太适合做 ppt 了，看见没，你随便输入点自然语言就能输出这种小动画，关键是手速快，根本就没有门槛，直接安装了就就能用，现在这个千万都出来了吗？你不会安装，你就点这个 盖特克隆一个复制，然后让那个千万帮你装就完事了。给大家展示一下我装完之后的这个效果啊， 我是比较喜欢用谷歌这个反重力啊啊，你们用其他的都可以，然后我这边已经 skill 已经安装好了。然后呢？比如说啊，你随便写一点啊，就是我这写的是什么呢？就是 金融杠杆的一个流程图啊，自有资金，怎么变成翻倍了这个资金，然后我就把这个你看简简单单的这个啊，提示词啊，就发过去就行了，就简单的这几个流程，然后就等待 坨子就生成好了啊，然后我打开看一看啊，生成在这里。打开的方式很简单啊，就直接用那个浏览器打开就行了啊，随便一个浏览器都可以啊， 你看看这小动画，哎呦，这小特效，这小字幕，哎呀，美观大方又可爱啊，这你给客户一讲，谁听谁不迷糊啊，快去下载起来。