有哪些好用的agent skill

如果你不知道去哪里找 skill， 这七个 skill 网站一定要收藏。第一个， skill map 可以 理解成 skill 界的淘宝，它最大的特点就是大而全，你想找 pdf 处理、公众号写作、数据分析、前端开发，直接搜关键词就行。如果你刚接触 skill， 可以 先在这个网站上看看它的生态到底都有什么。第二个 skills skill， 二十四小时的趋势正在涨，如果你想追热门的 skill， 看它是最直观的 四个 cloud hub 是 open cloud 生态的官方入口，它不只有 skill， 还有 plugins、 publishers， 你 不只能找技能，还能顺便看插件，看见发布者评分、下载量、 安全扫描等等。想追原生态的可以先看这个。第五个 agent skill 适合装之前做安全检查。有些 skill 看起来很像，但是到底靠不靠谱，这个网站就会展示它的质量评分还有安全评分。如果你装 skill 比较谨慎，可以先来这里筛一遍，比如编程开发、文档处理、市场营销，它 都帮你把分类做好了，你只要按需求去做筛选就可以了，效率高很多。第七个， cloud skill， 这是 cloud 的 官方出品，走的是精品路线，数量不一定最多，但是都是官方筛选过的，维纳也更清楚，新手也非常容易上手。如果你也有好的 skill 网站，欢迎评论区分享。

现在啊， agent 的 skill 已经多到失控了， skill s m b 上面有十一万个 skill， s h 上面啊有三万多个。问题已经不是有没有 skill， 而是你该怎么选。那为什么我们不让 open code 帮我们找呢？ 在 skill s h 上面啊，有一个官方的 skill 叫 find skills， 专门帮你找现场的 skill， 比如我直接说我要做 seo 的 优化，有没有好用的 skill， 你 看它会自动调用 find skills 在整个 skill 的 生态里。帮我搜列出来之后啊，再问我要不要装。我们还可以继续让 opencode 帮我们判断哪个更合适 find skill 啊，解决的是有没有更成熟的现成方案， skill 太多不是问题，不会选才是问题。

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！

如果你不知道去哪里找 skill， 这七个 skill 网站一定要收藏。第一个 skill map 可以 理解成 skill 界的，它最大的特点就是大而全，你想找 pdf 处理、公众号写作、数据分析、前端开发，直接搜关键词就行。如果你刚接触 skill， 可以 先在这个网站上看看它的生态到底都有什么。第二个 skill 是 skill， 二十四小时的趋势正在涨，如果你想追热门的 skill， 看它是最直观的 四个 cloud hub 是 open cloud 生态的官方入口，它不只有 skill， 还有 plugins、 publishers， 你 不只能找技能，还能顺便看插件，看看发布者评分、下载量、 安全扫描等等。想追原生态的可以先看这个。第五个 agent skill 适合装之前做安全检查，有些 skill 看起来很像，但是到底靠不靠谱，这个网站就会展示它的质量评分，还有安全评分。如果你装 skill 比较谨慎，可以先来这里筛一遍，比如编程开发、文档处理、市场营销，它 都帮你把分类做好了，你只要按需求去做筛选就可以了，效率高很多。第七个， cloud skill， 这是 cloud 的 官方出品，走的是精品路线，数量不一定最多，但是都是官方筛选过的，维纳也更清楚，新手也非常容易上手。如果你也有好的 skill 网站，欢迎评论区分享。

跟大家分享一个 ai 圈的秘密，其实很多效果特别好的 skill 底层都是需要调用 api 的， 但是呢，可能很多朋友对 api 还是比较模糊的，那我今天就准备用谁听了都能懂的大白话，给大家讲一讲到底什么是 api。 而且呢，我还会手把手的带大家走一遍，具体怎么接通，怎么用到我们自己的 skill 里面。看完之后呢，你就会发现这个事儿它非常的简单，完全不需要什么技术，并且呢，一旦我们学会，收益是非常非常大的，因为呢，它可以把我们的 skill 效果直接拉到顶级。 那作为一个实用主义的 ai 创业者，我先跟大家说一说，什么情况下需要去用这个 a p i？ 我 其实呢是非技术背景，所以呢，以前我对 a p i 其实是一知半解，也没有自己动手去接过那。但是在今年开始，我去做 skill 嘛，比如说自动剪辑啊，自动生成封面啊等等， 我就会发现这个 skill 的 效果它其实总是不理想。那仔细研究下来，我发现这个中间很多关键的点就在于 api， 我 们要想这个 skill 的 效果非常好，还真就得学会去接 api。 那 究竟什么是 api 呢？我给大家打一个比方啊，就比如说我们刚刚想做这个自动剪辑的 skill， 那 第一步呢，我们肯定得有一个技术，这个技术得帮我们把我视频里面说的话变成文字，这样后面才能方便剪辑。 那正常来讲呢，我们肯定是需要自己去研发一个这样的技术，但这太难了，也太慢了，那有没有什么捷径呢？哎，有，那我们直接买别人研发好的技术不就得了吗？ 但是这个太贵了，一般人也买不起啊，那有没有便宜点的方案呢？哎，也有，就是我们不买他们的技术，但是我们可以租他们的技术。那你说租个房子，租个相机，我们都能理解，因为有实物嘛，你一手交钱一手交货。但是在虚拟世界租个技术要怎么租呢？ 哎，我们也可以想象一下，他们其实在虚拟世界也把技术放在一个房间里，这个房间外面有一道门，这个门呢就叫做 api， 然后我们想要去租它这个技术，他们就会发给我们一个钥匙， 这个钥匙呢就叫做 api key， 这个钥匙就可以打开门，我们直接去用他们的技术了。那每开一次门都得给他们交一次租赁费，但不过不用担心啊，这个费用不是很贵，通常也就是几分钱到几毛钱不等。 那我们刚刚说这个自动剪辑的 skill， 我 们就可以先去租一个把我们声音转换成文字的技术。那具体要怎么操作？ 第一步我们先让我们的 a i a 枕头帮我们调研一下，我一般呢会用 cologold 或 codex 嘛，让他帮我们去调研。目前把口播声音转化成文字效果比较好的 a p i 有 哪些？ 很快呢？ ai 就 会把调研结果给我们了。我们这里可以看到国外效果比较好的是这个 eleven lab， 那 国内呢？是火山引擎，就是豆包背后的同款技术，是不是还挺香的？我们花几毛钱就可以用上字节跳动，花几个亿研发的同款技术。 那接下来呢？我们就是去到它的官网，哎，我们把它官网打开一看，我晕了，因为发现根本看不懂，信息太多太杂了，看的我就是脑袋疼。但是没关系，这个时候我们可以再次请出我们的 agent， 直接把这个链接丢给他，让他帮我们分析到底我们这个声音转文字应该去申请什么样的 api， 那 他就会把调研结果按照收费的高低给我们列出来，然后我们就选一个自己合适的，然后让 agent 把申请 api 的 界面给我们找到， 哎，我们顺着这链接点进去，自己手动新建一个 api 就 可以了。那到这呢，我们就相当于拿着这把租技术的钥匙了。那接下来呢，我们转手把这个 api key 发给我们的 agent， 让他帮忙我们接通，那基本上要不了十来分钟吧就好了。到这啊，这个技术已经接通了，我们就直接可以用了， 但是谨慎如我呢，还会给自己加一层防护措施，因为 ai 有 可能会泄露我们的 api key， 那 如果别人盗用了，那我们的钱包不就遭殃了吗？所以说呢，我会再来一步，就是在手动新建一个全新的 key， 然后这次呢，我们不发给 ai 了，我们要手动去替换，这样就安全多了。听到这呢，基本上国内很多顶尖的技术，我们都可以通过 api 去调用上了。 但是有的朋友会想说，那国外的一些顶尖技术怎么办呢？比如说我们很想去体验一下最近很火的 chat gpt 的 image 生图功能，有没有什么办法呢？哎，这里面还有一个信息差，叫做中转站，就是会有一些人专门把国外的 api 卖到国内，但是这个领域目前是比较混乱，也有点灰，所以说用的时候大家千万要万分小心，最好找一个大一点的靠谱的。 但是无论多靠谱啊，咱们最好一次只充一点点钱，比如说五块十块的，这样就算有损失我们也能承担得起。然后 呢，通过接中转站的 a p i， 我 们就可以去用到很多国外的技术能力了，然后再把这些能力按照我们的 skill 需求按需调用就可以了。当然呢，很多朋友也会吐槽说，哎呀，这个接 a p i 要花钱不划算， 但是我觉得对很多企业来讲，或者是对很多时间宝贵的朋友来讲，花点儿小钱就可以用上全世界最顶级的模型和服务，快速走通我们想要的 ai 流程，我觉得还是非常值得的。

你敢信吗？我用 open 可乐再加一个 skill， 就 实现了跨境电商全流程，从市场调研，选品、竞品挖掘，再到专利合规检测，幺六八八找货源，最后文案断写，产品图片素材，六大环节全部搞定。最牛的是 全流程，跑完只需要十几分钟，如果你自己做的话，少说也得一个周吧。大家看一下演示过程，我让龙虾帮我查一下项链这个品类好，他开始按照 opencloud， 再加上 linkfox agent 一 人跨境电商的流程开始跑，总共六大步， 好，跑了大约十几分钟，出结果了。他跑完了，上来给结论，项链啊，这个类大类能做，但不能犯错，必须细分领域，好往下一直分析，从价格到评价，痛点还有差评。 最后建议给出的切入方向，十四 k， 十八 k， 这个项链还找到了幺六八八相关的货源价格，还有近几天的销量， 最后还有专利筛选，发现有的可能会涉及到，还有给了这次的草稿，这个标题，还有五大描述方向主图的建议。 这个是他的一个执行过程啊，先去查选品，一步一步筛查，看一下这些报告，这个报告就是跨境市场分析报告，这边是所有的项链，还有他的一些发现。看一下这个报告啊， 这个报告是什么？也是幺六八八优质货源推荐，看看批发价，还有销量，供应商是不是非常全面，他会把所有的数据全部存到本地。

这才是真正好用的 skill， 已经斩获了十七点八 k star， 让你的 ai 智能体拥有洞察整个互联网的双眼。这个项目补齐了 agent 的 联网搜索和内容读取短板，像 youtube、 twitter， 还有小红书、微博等主流平台信息，它都能更方便地搜索读取。更省心的是无需手动配置运行环境， 这些不难实现，但是需要自己折腾配置。 agent to reach， 将这件事浓缩成一句话，只需上传安装文档，就能自动完成全套工具链部署。最后，我把视频中提到的知识，总共一百八十九级的大模型核心知识都对应拆解成系统的教程，并且还可以提供一对一专业辅导，需要的留下九五二七。

这才是真正好用的 skill， 已经斩获了十七点八 k star， 让你的 ai 智能体拥有洞察整个互联网的双眼。这个项目普及了 agenche 的 联网搜索和内容读取短板，像 youtube、 twitter， 还有小红书、微博等主流平台信息，它都能更方便的搜索读取。 更省心的是无需手动配置运行环境，这些不难实现，但是需要自己折腾配置 agent to reach， 将这件事浓缩成一句话，只需上传安装文档，就能自动完成全套工具链部署。最后，我把视频超好用，视频又分享出来。教程怎么学，做什么项目可以留下学习，我来安排。

我的电脑装了上百个 skill， 但其实每天真正在用的就只有这八个，那我把它分成两组，一个是做产品写代码的，一边是搞自媒体的。那我们先说做产品的这一组， 当你想要做点工具啊，网站啊，我都是从 superpowers 这个技能组开始的。那其中有两个 skill， 我 最常用 wordstorming。 那 帮你把想法聊清楚， writing plan 呢？把你的想法拆成可以执行的步骤，那很多时候脑子里面只有一个模糊的想法，一个方向的时候啊， 跟这两个 skill 聊一圈，那思路就会慢慢的顺了。当代码跑起来的时候啊，页面通常不是很好看，那我就会把它丢给 fronten 的 design， 还有 u x or max。 那 让 cloud 重新过一遍排版，配色，交互细节，那就算你不懂设计也没有关系啊，它会自己去判断，最终帮你做出比较好看的页面。那然后呢，我就会用 a v t m c p 来去做自动化测试，那去帮我修改一些细节，它会让 cloud 装成真实的用户，去点你的页面，那看哪里会有问题，那自动的帮你去改。 以前这一步都是我手工在测啊，现在我是直接用这个 m c p 在 跑另一条线啊，是做自媒体，那我查资料的时候，就会用 agent rich 让 carol 的 联网搜索直接整理成我想要的格式。那当稿子写出来之后啊，我几乎避过回门 neither zh 这个 skill， 那 ai 写的句子啊，通顺归通顺啊，那读起来就是没有人味。那这个 skill 专门治这个问题，那过完之后啊，就会自然很多。 那下一步呢？就是 content risk detector， 这是我自己写的一个 skill。 那 在平台发布内容的时候，最怕踩到敏感词被限流，所以我发布前都会用这个 skill 扫一遍，那这样才放心。 最后一个 skill 是 我觉得最有价值 skill creator， 那 它可以把多个 skill 串成一个自定义的工作流。比如我刚才查资料啊，写稿啊， qq 啊检测的这一条内容线，那现在我把它封装成一个 skill， 就 能把整个流程抛起来，你不需要每次一步一步地去调，那你可以让 cloud 按你的方式来工作。 那这八个 skill 两条线基本上覆盖了我百分之九十的日常场景。那你们都在用什么 skill？ 欢迎在评论区分享。

一个视频带你看懂最近爆火的小龙虾杀手 hermes agent， 它是一个可以自己进化的 ai 助手。首先我们来对比一下 hermes cloud 还有 opencloud cloud 呢？它如果嵌在 v i store 里面，所有文件都是透明方便查找的，但目前无法直接通过一个通讯软件跟它交互。记忆呢，主要靠手动维护。 cloud md 内置的 skill 本身会比较少，但是生态非常的丰富，上限很高，稳定性也很高。 opencloud 它可以集成到通讯软件里面，本身内置了很多 skill， 适合呃纯粹的技术。小白有一些记忆文件，而且可以定时的自动触发任务。 hermes 呢，我们 call 有 的它都有，但体量更小，而且它有自我净化反思的能力，对国内生态的集成也很不错，飞书还有微信都是可以连的。 hermes agent 有 五大核心的模块，这五个模块形成闭环， memory 用来积累上下文， skill 用来模板化重复的操作， so 保持风格的一致。 craw 用来实现自动化， self improving 持续优化前面所有模块的质量。实际使用上呢，你不需要每次对话都重新描述项目的背景，可以直接调用之前已经跑通过的技能，它对话风格也完全遵循你的旨意。 它有一个三层的记忆系统，第一层是关于用户的记忆，写在 user 点 m d 里面，里面有用户的长期偏好语言，在做项目界面信息等等。第二层是关于项目的记忆， 写在 memory 点 m d 里面，里面主要是一些实时性的信息，比如说部署脚本在什么什么什么目录里面。第三层是历史对话搜索，它能在几个月的聊天记录里面搜到某次讨论的具体的内容， 也就是说过去聊过的方案随时都可以翻出来。 hermes 也支持 skill， 很 适合做重复执行的知识类工作， 但它和 cloud 的 有两个主要的不同。首先就是当你连续两至三次执行相似的操作序列的时候，它会主动的去问你要不要附装成一个 skill。 其次，它内置的技能会更丰富，同时也像 cloud 的 一样，可以从社区官方那里面继续下载好用的 skill。 它的定时任务要比 windows 更完善，它可以把任务串联成一个流水线， a 的 输出自动传给 b， 数据采集、分析、推送， 很适合多步骤的这样的工作。同时简单的日常监控不会消耗他的 token， 只要在智能判断的时候才会介入消耗 token。 而人们最特别的是他的自我进化机制，他会主动进行反思，查找之前的规律，然后将这些高价值的反思提炼成规则。 每次提炼的时候他都会经过你的允许，而且每次重大改进都会生成一个可生化的版本，就像一个人格的进化报告一样。 那有没有必要用呢？其实之前 opencloud 刚出来的时候，我也觉得这样的工具是给一些技术水平比较低的人用的，更像是一个营销的噱头。但我一直在思考啊，就这么一个框架，有革命性的工具，它到底能在什么场景中使用？或者说真正阻碍我从 cloud 换到 hermes 或者是 opencloud 的 原因是什么？ 我觉得更换成本是一个非常重要的一点，因为要把我现有的工作流完整的搬在 hermes 上，需要进行很多的重新培养和配置，这会让 hermes 前期的使用变得非常麻烦，效果可能没有可拉的那么顺手。但对于我大部分的创作内容来说，长线来看， hermes 很 可能是要优于可拉的。 比如说定时任务数点、 m d 自动化机制，这些都属于长线复利型的机制，你用的时间越长，他就越能解放你的生产力。 所以我现在正在把整个工作流尝试搬到 hermes， 你 可以把它理解成一个在旁边看着你干活的实习生。一开始他可能确实没有看到这样的强能工具好用，但是一旦掌握了完整的工作流程，掌握了你那些可能写不在 skill 里面的个人使用习惯，他就可以爆发出惊人的战斗力。

别再纠结是 codex 还是 cloud code 了，我在实测了数十个 agent 之后，发现真正决定生产力上限的不仅仅是 agent 工具，还有你手里的 skill 配置。如果你的 skill 没配对，换再强的 agent 也是在浪费时间。 所以我根据实际开发场景和我的日常使用，筛选出了这四组最核心的顶级 skill， 包含了原能力扩展、工程化开发、前端设计和内容创作。 它们完全不挑平台，不管你以后切换到哪个 agent 装上都能用。先讲最根本的两把钥匙，我称为原 skill。 你 可以把它理解成让 ai 自我进化的能力，它不负责具体的活，而是专门用来扩展 agent 的 能力边界的。不管你用 ai 做什么，这都是你第一天就应该打好的地基。 第一个是 skill creator， 来自 antropic 官方。如果你想把一套成熟的工作流变成一个新的 skill， 便于后续调用，那么选它就对了。 以前想自己做个 skill 特别麻烦，得先去研究半天复杂的格式，不然可能写出来的 skill 还会报错。就算写出来了，使用效果也不一定尽如人意。但现在有了它，你不需要去研究什么复杂的格式，也不用手动改文件， 你只需要像给同事交代工作一样，用大白话把你的流程说一遍，或者直接把你的操作手册丢给他，他就会自动帮你起草、测试、反复迭代。在你自己完全不用看开发文档的情况下，一分钟就能写出一个既标准又好用的 skill。 安装和使用方式也很简单，在安装完成后， 只需要在 agent 里选中 skill creator， 然后输入你的需求，和它一步步地进行沟通就好。建议直接局安装，这样无论你在哪个项目里，都可以随时进行调用。第二个是 find skills， 大家千万别把它当成一个普通的搜索插件， 觉得还得自己手动去查。真正的用法是你直接给 agent 派任务就行了。比如你让他帮你做个 ui 设计，要是他发现自己不会，他就会自动把你的需求拆解成 ui 抵赞你这种关键词，然后自己去全网搬救兵。他在后台连接的是 skill 点 s h 这个平台，他会自己查看哪个 skill 安装量大，哪个作者靠谱， 然后挑出最好的那个供你进行选择。在你选择好之后，它还能直接一行命令帮你安装上 skill。 creator 是 让它能自己造工具，而 find skills 是 让它能去外面找现成的，这两个配合使用，一定能大大提升你的 agent 的 工作效率。接下来是针对具体场景的 skill。 先说软件开发， 我选了这三个， superpowers， j stack 和一个前端大神的 skill， 它们针对的场景略有区别，但核心都在解决同一个问题，就是终结那种看似逻辑闭环，实则无法落地的代码幻觉，帮你守住工程底线。第一个 superpowers， 他的杀手锏在于他把测试驱动开发这套严苛的工程标准，直接变成了 agent 必须遵守的硬规则。其实很多人刚开始用 ai 编程，最容易上手的场景就是让他写测试，而 superpowers 顺着这个逻辑直接把开发流程给正规化了，他 会强制 agent 进入一套标准的红绿重构循环，先写一个必然失败的测试，证明功能还没实现，然后写最少量的代码，让它变绿，最后再进行优化， 而且它非常稳。 agent 写完之后，它会自动开启两轮内部审计，一轮看代码，实现跟你的需求对不对的上。另一轮则专门盯着代码的质量挑毛病。这种慢思考的模式能帮你抓出很多隐藏的边界问题。 虽然看起来多花了一点点时间，但因为它第一遍就能把代码写到八十分以上，省掉了后面无数次反复抵 bug 的 时间，长期来看反而更省头肯也更省钱。它的整个工作流程大致如下， 首先他会拉着你做头脑风暴，把需求细节彻底磨清楚，先出一份整体的设计文档。然后他会把大任务拆成一个个几分钟就能搞定的小碎活儿，每个活儿都有明确的验证标准。接着就是让紫 a j 特自己去跑， 他自己写，自己查，严禁跳步，你只要在旁边关键节点确认一下就行。最后等测试全部通过了，他会把选项丢给你，是直接合并代码，还是先留着分支，或者觉得不行直接丢掉？第二个是 j stack， 作者是 y c 的 总裁 gary 谭。如果你还不知道 y c 是 什么，简单说，它就是全球最牛的创业孵化器，像 airbnb、 dropbox 这种巨头都是它孵化出来的。所以这位大佬出的工具，骨子里带的就是那种硅谷创业者的实战基因。这个工具有一点不同， 它不是那种功能单一的 skill， 而是在 agent 里内置了二十三个不同的专家角色，从 ceo、 设计师到发布工程师，你都可以通过斜杠命令直接调用，这相当于给 agent 配齐了一整支团队，让他不再是单兵作战。为什么要搞这么多角色？ 因为真正做商业系统，代码行数不值钱，能跑通才值钱。有了这群专家帮你交叉审计， agent 就 能在不同的专业视角下， 把你揪出那些隐藏极深的问题。我来向你介绍一下它的实战流程。首先，在你动手写第一行代码之前，先跑一下 office hours 命令。这就是 yc 最出名的灵魂拷问。 ai 不 会立刻写代码，而是像个严厉导师一样， 反问你六个最尖锐的问题，把不靠谱的假设先掐死。接着可以用 plan ceo review 命令，让 agent 站在 ceo 的 高度审视计划，看看有没有更优解。到了代码复合阶段， review 命令就是你的资深工程师，他不光找小 bug， 更盯着那些 c i 能过，但一上线就可能爆炸的工程隐患。另一个具有实战特色的是 q a 命令，以前 a 阵呢，只能在代码里纸上谈兵，但这个命令是真的，会打开浏览器，像真人测试员一样去点击验证， 直接把 bug 抓出来修掉。最后活干完了，直接执行 shift 命令，它会自动同步跑测试、推代码、开 pr。 整套发布动作一气呵成。该瑞坦统计过，二零二六年，它的代码产出是二零一三年的二百四十倍。这不是说 ai 写的代码行数多就是厉害，而是同样的需求， 他一个人现在能顶一支小团队在干活，这就是角色分工带来的本质变化。第三个是一套前端大神 mod， 自己日常工作用的 skill， 作者是 typescript 的 布道者，如果你平时前端开发比较多，那么可以试试这个。 这套工具重点解决的是人与 agent 之间沟通对不起的问题。 mark 总结过，如果没有好的引导规则， agent 写代码很容易陷入几种困境。首先是理解偏差， agent 可能根本没听懂你需要什么，或者写得太啰嗦，废话很多。然后是执行失败，好不容易写出来的代码，结果发现根本跑不通。最后是架构隐患， 虽然代码能跑，但因为缺乏整体规划，后期维护起来会非常痛苦。所以他的这套 skill 核心逻辑很简单，宁可在前期多花几分钟对其需求， 也不要在后期花几个小时去处理这套低质量的代码。具体到这套 skill 里面的指令，我建议你重点关注这几个。首先是 graeme 系列的命令，这就是刚才提到的拷问模式，当你提了一个模糊的需求，比如说想加个登录功能，他不会马上动手，而 是会回过头来不停地拷问你细节。可能问完之后，他发现你真正想要的是 sso 环境下的多租户登录，这就把隐患消灭在开工之前了。接着是 tree 命令，也就是 aure 分 诊，他会帮你把所有的任务都过一遍， 分清楚轻重缓急，确保你不是在修一些细枝末节的小 bug， 而忽视了真正堵塞进度的核心问题。最后还有一个 improve 命令，这是代码库的架构急救包， 你可以每隔几天就跑一次，让 agent 站在大局的视角审视你的代码库，找出那些以后可能会越来越难改的地方，并给出重构的建议。接下来是前端页面设计，这是最开始编程 agent 出来时，他做的最差的一个领域之一。 agent 化 u i 出来的永远都是那些固定的套路， 固定的字体，蓝紫色的渐变背景、圆角卡片、特定的按钮样式。你在网上看到的那些 ai 生成的界面，十个里面有十二个长的都一样。解决这个问题的 skill 有 两个，第一个是 frontend design， afropic 官方出品。如果你受够了那种千篇一律的 ai 审美， 那它就是你的救星。以前的 ai 画 ui， 一 眼看过去全是圆角卡片加紫色渐变，就像是在共用一套廉价的模板。 而 front and design 的 核心是帮你洗掉这些 ai 位。它不是机械的套用组建，而是根据你的产品调性去推敲更有质感的纹理，或者尝试那种更有呼吸感的非对称布局。比如你给他提一个具体的风格要求，想要一个杂志感带点硬核感的页面，他给出的方案里， 字体的比例和模块间的留白都会处理的很到位。有了这种对视觉细节的把控，你的 ui 就 从一眼 ai 变成了真正意义上的耐看。 第二个是 u i u x pro max。 如果说前面的工具是帮你找灵感，那这个就是直接帮你配了一个设计总监。它的特点在于，它不是在靠直觉画图，而是把专业设计的那些条条框框全部变成了底层的逻辑。比如你要做一个金融或者医疗类的界面，它会非常明确地告诉你 什么样的配色能体现安全感，什么样的字体更显专业。他甚至还会给你列出一份避坑指南，直接点出哪些设计在商业场景里是绝对不能碰的。之所以能这么专业，是因为他后台内置了一百六十多个行业的深度规则， 不管你遇到多冷门的业务，他都能拿出一套成体系的方案，从交互细节到动效走位，都给你安排的明明白白。 而且它有一个很实在的功能，就是能帮你生成一套可以持久化附用的设计系统。有了这套规范，你下次再开发新项目， 直接把文件丢给 agent 就 能用，不用每次都从零开始打磨风格。而且它的上手门槛很低，无论是装插件还是用命令行，都能快速跑起来。 这两款工具的分工也很明确， front and 底钻负责把画面画得出彩，而 u i u x pro max 负责把产品做的更专业。有了它们， ai 的 输出就再也不会有那种廉价感了。最后一类，内容创作。如果你用 agent 做内容创作，那这组宝玉老师的 skill 我 一定要强力推荐给你。 它首先解决的就是内容本身的高质量产出，比如它能帮你生成一张极具审美，完全不输专业设计师的封面图，或者把一大段枯燥的文字直接变成一张高信息密度的格式化信息图。 在内容做漂亮之后，他还会顺手帮你搞定后面那些讨厌的碎活，比如说转格式、做排版，最后还能直接一键发布到各个平台，他把从生产到发布的全流程都打通了，有了它，你就能真正实现生产和发布一体化，把所有的精力都集中在打磨好内容上。 宝玉老师的这套工具箱里包含了十几个好用的 skill， 我 这里简单带大家看几个。首先是用于生成封面图的 cover image skill， 它最强的地方在于有一套五维控制系统，从构图类型、色调方案、渲染风格到文字排版和情绪基调， 全都能精准调优。这七十七种预设组合，能让封面彻底告别开盲盒的随机感，每一张出来的效果都像是为你的文章量身定制的专业设计。 如果你平时觉得画逻辑图、架构图很头疼，那这个信息图相关的 skill 绝对是神器。它内置了二十一种专业的信息布局，像分析原因的鱼骨图、做转化的漏斗图、梳理层级的金字塔图应有尽有。更聪明的是， 它能自动读懂你文案里的逻辑结构，直接推荐最合适的布局方案。以前要在设计软件里磨半天的信息大图， 现在只需要几秒钟就能产出出版级的可量化成果。如果你经营小红书，那么可以使用小红书 image skill， 它能将长文章自动拆解为一到十张卡通风格的轮播卡片。通过内置的十一种视觉风格和八种排版模式， 如对比、清单、流程等，可以快速生成符合平台排版习惯的图文内容。针对排版环节， 这个 markdown to html 的 skill 解决的是一个非常具体的痛点，那就是在微信公众号这种不支持 markdown 的 平台上，如何保留精致的排版。它内置了多套公众号主题，能自动处理代码、高量和数学公式。 最实用的一点是，它能把文中的普通外链自动转为文末的底部引用，彻底解决了公众号里链接打不开或者被截断的尴尬。如果你平时还有翻译文章或者精读外文资料的需求，那这个翻译 skill 就 派上用场了。 他最强的地方在于提供了一个正式出版级的模式，这个模式不是直接进行翻译，而是会走分析、翻译、校正再到润色这整整四步的流程。 而且他有一个非常人性化的功能，就是能让你指定你的读者是谁。比如你告诉他你的读者是资深开发者，他就会自动省略掉那些庸愚的解释， 翻译出来的语气读起来就像是真正的圈内人写的。最后，当你把内容全部准备妥当，可以通过发布微信或者发布微博这两个 skill 来实现一键跨平台分发。 它区分了不同的分发逻辑，你可以发长文形式的文章，也可以选择只发几张图片配一段摘药的贴图模式。它把那些复杂的后台操作全都变成了 agent 里面的一行指令， 从本地草稿到最终发布，整套流程都可以在 agent 里面直接闭环完成。今天分享的这些 skill 只是个开始，其实最关键的是大家要根据自己的工作流程和使用场景，去打磨出真正适合自己的 skill。 如果觉得视频对你有帮助，别忘了点赞和订阅，我是俊旺，我们下期再见！

来给你们看一下我一共玩了十二天，我花了多少钱啊？呃，总积分是二十九万八，这个是订阅积分，就是一个个人高阶一个旗舰， 然后呢，我又有增购的积分，增购的积分给你们看一下啊，五十块钱，五十块钱，五十块钱啊，一共是一百五十块钱，也就是说相当于是十二天我开发了六七个 skill， 然后我花了 四百多块钱，所以扣子吧，你说他便宜吗？他也其实也没有便宜到哪里去。让我给大家看一下我的这个我的技能啊。呃，我的技能，现在我的技能是直接是装载到里面了，你看啊。 呃。视频图片生成，女装图片生成，贴纸词批量技能，或者抓取女装带货视频制作啊，这个是还是半成品？但是我不想在扣子上开发这个实在是太熬人了。 呃，产品提示词提取，这个是根据图片和画面啊，这个反推提示词的，然后搜索器呢？我这里绑了一个 gpt 五点五在这啊，这个你们对这方面有需求啊，到时候我们再聊。 对，因为扣子自带的豆包大屏实在是太蠢了，所以我专门去绑了个 gpt 五点五在上面。然后呢，我正常用用这个，这个有一些特别复杂的。呃，信息搜索时候我用它，然后抖音的口播就是什么，这里边包含了单条和 多条批量的这种，这个口播视频的竹子稿子抓取。好吧，这就是很多人一直在琢磨的这个技能啊，这块我把它直接是技能包给分装了。然后呢，女包生成技能啊，这个是女包图片哎，就是针对不同的电商场景的快速的深图。 好，这些呢，我还都没发布啊。为什么没发布呢？有一个很重要的原因就是它的稳定性实在是太差了，就算是我把它打包成这样子， 我告诉你豆姐会干一件什么事情，他不会去按照你 skill 的 流程去做，这是他妈最头疼的我，我明明写了叫他一二三四五六七好，他非要去按照二三四给跳过了，然后自己去写代码然后自己去执行 好，我为什么要一二三四五六七？因为我之前拿来开发的时候对吧，我就已经试出来他就是个蠢蛋，他这就肯定会出错，所以我才一二三四五六七他就按照之前的错误的东西又来了一遍。所以我这十二天的时间基本上有有一半的时间以上啊，都在去帮豆姐去纠错。 不是我给你纠错了，你倒是改呀，关键他不改他记忆力有限他他的伤害我一结束好，你发现那豆姐又变成蠢蛋了 啊，这个是很头疼的问题，他解决不了这个事。所以，呃，我觉得啊，扣子是个好东西，但是啊，豆姐的这个模型真的太恶心了啊。所以所以 现在我是什么呢？就是如果说你们要玩一玩，简单的玩一玩啊，用这个扣子完全没有问题，实现一些我们日常的这种这各种各样类型的小 skill， 但是兄弟们如果说你想要去把它做做商业化的推广，比如说我现在已经做出来八个 skill 用的老六了，我能不能去卖啊？不好意思我不敢， 我不敢在扣子上卖，为什么？因为它不稳定啊，你拿到这个 skill 以后你部署到你的你自己的这个新的这个扣子上面，你会发现他妈跑不通。 我昨天去给我的这个客户去现场部署，我亲自现场部署一个已经打包封装好的，在我的手机上面，在我的扣子上跑，一点问题都没有的。然后一个 skill 我 给他布了四个小时没出来，就反复报错，反复报错 里边的原因是什么？有两个，第一个是扣子本身啊，扣子本身他豆姐去写代码的精准度你敢相信他？我告诉你，我的所有的代码全部都是在扣子里边用 g p t 五点五专门去跑，是五点五啊，哎，不是五点四啊，最贵的那个啊，当然现在也很便宜。然后跑完了以后 出现了第二个问题，扣子他会私自的去改你的 skill， 私自改你的 part 就是 你的提示词， 你这让我咋去卖吗？咋去商业化吗？对吧？所以我现在放弃了啊，放弃了，我不用扣子了啊，我不用扣子开发了，呃，我转 cody， cody 开发，但是呢，我的目标还是纯手机，直接就可以执行这个操作啊，这扣子跟逗你玩真的在逗你玩一样。 嗯，你们如果想玩一玩，然后自己有时间有这个耐心去跟他去豆姐去 pk， 跟豆姐一起成长的话，我觉得扣子非常棒啊。然后以上的所有的这个，呃， skill 我 全部打包了啊，这个群里面见。

之前六叔分享了一个 skill 的 管理工具，统一管理的，很多人想要发现啊，这个需求很有代表性，我又找了一个更好用的，就这个 cc switch 啊，之前有介绍过，它是作为 第三方各种主流模型的 a p i 统一接入统一管理，然后你在用的时候在这里统一的去启动切换，非常非常的方便。各大编程智能帖都支持啊，包括龙虾的 code x， c c 的 都可以支持。除了这些，它里面也有统一管理 skill 的 功能，大家看这个扳手 点击啊，这里面就是六叔所有已经安装的 skill， 然后你会发现啊，我有些 skill 全部装的是 c c 里面的，如果你想在 code x 里面去使用呢，直接点一下， 再点一下，你看这些点一下全部同步过去了，包括 open code， 其他的平台，相当于一处安装，直接同步就都可以共享使用了，删除就可以全部删除了。然后安装有几种方式啊，一种就是直接把 skill 下载成 zip 包， 通过这个包去安装。还有呢，你看这里面，它也自带一个 skill 的 应用商店，你需要什么 skill， 只要知道名字就可以在在这里面去搜索啊，欢迎 skill 我 已经装好了，然后添加过的 skill 的 仓库呢，在这里都会有记录， 可以删除，可以一键链接过去啊，新的仓库进的仓库，可以在这里做添加。在身份上面去管理 skill 啊，集中管理你的模型的 a p i， 包括模型的切换，就非常方便了啊，真正的 all in one。 好， 大家可以把这个 skill 管理的工具啊，在这个上面用起来，关注我，持续丰富你来进了库，拜了个拜。

我的天呢，我的 a 阵呢学会了设计，大家都知道编码的 a 阵呢，其实它的设计能力是非常差的，前两天我在做自己的项目，他给我做的那个东西真的是非常非常的难看，就跟像呃， 上个世纪做的设计一样。然后后来我就跟朋友聊了一下，我说有没有一个比较好用的 skylake 推荐一下。他给我推了一个东西，是他一直在用的叫做 u i u x pro max 这个 skill， 它有个好处是它里面内置了大量的配色方案，设计方案和字体方案，大概有个几百种，应该有了七十七 k 的 star 的 一个星星，我觉得大家可以去试一下，就是它不会做的非常非常的牛，但是它起码做出的东西能看了，而不像一开始我们做的那些产品出来说真的是不能看。 这个项目我认为是一个大家可以去避装的一个项目，因为无论如何你做产品一定会需要设计，去给你展现，去给你展示出来，去给你做规划，去做一些嗯，初期你能看得懂的东西。

我们常说 agent， 但它并不只是一个更会聊天的大模型。更准确地说， agent 是 一个会循环工作的系统，它先理解目标，再选择下一步行动。 agent 执行之后观察结果，然后根据新的反馈继续修正。 一个 agent 的 底层通常有五块拼起来，第一块是模型，负责理解、推理和生成方案。第二块是工具，比如搜索、读取文件、写代码和调用接口。第三块是上下文，也就是当前任务现场。 第四块是记忆，用来保留长期篇好和经验。第五块是反馈，让系统知道刚才那一步到底有没有用。所以， agent 的 核心不是一次性给出答案，而是一轮一轮地推进。他观察当前状态，思考可能原因，制定短期计划， 调用工具去行动，最后再叫验，结果叫验，之后得到的新信息又会回到下一轮思考里。 举个例子，你让 agent 修一个漏洞，他会先读报错日制，判断失败发生在哪里。 然后定位相关文件，提出修改方案，编辑代码，再运行测试。如果测试失败，他不会停在原地，而是把失败日制当做新的反馈，进入下一轮排查。因此， agent 的 能力边界来自四件事的质量。 首先就是模型是否可靠，工具是否真的可用，还有上下文是否完整，反馈是否真实。 理解 agni 就是 理解一个由模型、工具和反馈组成的闭环系统。

这个工具把世界上几乎所有工作的 skills 都收集起来了，一天一个神奇的工具。第九十一期今天要讲的是本 站收入了二十多种分类的五千多条精选 skills。 无论是办公用的表格管理、 ppt 制作、自媒体用到的文生图、语音转文案，还是开发用的各种技能，这里全都有，而且每个技能都经过了 cls 安全检查，无恶意代码，无隐私泄露风险，就很省心。

腾讯的 workbody， 字节的扣子越至暗面的 kimi， astropik 的 cloud code 到底哪个更适合打工人？上一期我们已经测评了 workbody 跟 code， 那 么这一期我们继续测评 kimi 跟 cloud code。 我 们先来回顾一下测试案例啊，大家在工作过程当中经常会写各种报告，各种方案啊，这类报告方案的格式啊，风格呀，排版啊，数据表格呀，分析方法等等都是固定模板。 所以今天我就用这四个工具，生成同样的这样一个可以随时附用的 skill 技能，不管多么复杂的拍板和框架，只需要生成一次，以后遇到同类工作，让 ai 直接调用这个 skill， 就 可以一键为你生成同等水平的内容 啊，提高你的写报告呀，做拍板啊，做设计啊，或者说做 ppt 的 质量和水准。好，接下来我们挨个测试，我们再来看一下最近旋转很厉害的 kimi 啊，到处都是软广。我觉得啊， kimi 是 一个很套路的产品， 你想用它来做 skill， 必须先充值会员，然后你想用更厉害的功能，或者说匹配啊，更强大的模型的时候，哎，你必须继续升级。这其实就是国内一众产品啊，典型的 vip vvip 的 套路模式，并且它的收费是非常高的， 并不是说你充值了会员，这个月就可以随便用，它是限制次数的，我后面给大家看花费情况的时候，大家就能够一目了然了。 那么今天呢，我们不过多的去吐槽这个产品啊，我们只做测试。我们来到 kimi 首页，在哪里创建技能呢？在这个输入框下面有一个加号， 大家点击加号，里面有一个技能啊，有一个技能，这个列表就是我们已经有的技能，那我们刚刚给的那个测试用力，其实 kimi 是 有一个专门的技能的，就是 office 文档转技能，我们点这一个，然后把我们那个样例啊，同样的样例传给他， 然后给他同样的指令。好，这个时候我们点创建技能， 大家可以看到啊，这个是需要二十到三十分钟的，我们耐心去等待 later， 那 这里会有疑问啊，那如果我想去做别的事情，我这个页面能关掉吗？是可以关掉的啊，大家直接关掉，那我怎么看他有没有完成了呢？ 还是从同样的入口技能，然后这里有一个管理技能，点进来之后你就可以看到了啊，我们这里就不等待了啊，为什么呢？因为我之前已经给大家生成这样一个技能了， 这个技能花费时间是三十八分钟啊，生成这样一个技能三十八分钟，那么我们来测试一下 kimi 自己生成的这样一个技能，它的效果。好，我们选择技能啊，选中我们刚刚生成的那样一个技能，然后给他一个指令。 好，整个过程呢，大约五分钟左右啊，五分钟左右，它帮我们生成了这样一个 pdf 文档 啊。我们首先来看封面啊，封面的风格也好，拍版也好，都是比较符合我们的要求的。然后整个目录啊，结构也是没有任何问题啊，和我们原先那个模板是一致的 啊，论文的内容也没有非常明显的这种错别字啊，或是排版错乱的啊。然后呢，图标大家也可以看到，图标的数据，包括格式也是没有问题的， 整个这个文档的话，我觉得是基本上可以拿过来直接用的。最后我们来看一下成本啊，这个成本的确是震惊我了， 嗯，怎么看呢？在用户这里设置啊，里面有一个订阅和发票，大家可以看到啊，有一个使用量，还有一个账单的概念，两个概念账单是什么意思呢？就是我昨天啊，花四十九块钱充了一个月的会员， 然后今天我就已经用了百分之十三点二了，按照常理来讲，我充了一个月的会员，应该是这一个月都可以用的，对吧？但是当我用量达到百分之百之后，我就不能够再使用了。那这百分之十三点二是怎么来的呢？我们看一下， 我是用了百分之五点四啊，其中是做了一个 office 文档转技能，就是刚刚啊，然后呢用这个技能去生成了这样一个文档，用了百分之零点九七，也就是说我用这一个 office 文档转技能生成这样一个 skill， 用了百分之五点四，那我后面 每次去用调用这个技能的时候都需要百分之一，这是这样一个消耗的百分比。 这还是一个最简单的一个技能，就是他自带的一个技能，如果你要用一个全新的技能， 并不是他本身自带的，那么他消耗的百分比是更多的，所以说这个成本是非常高的啊，并不是说你一个月都可以用，你这里满了，你这个四十九就相当于用完了，这是一个点。第二个点是什么呢？就是我们来看一下啊，在他订阅的这些呃，套餐里面， 我当前定位的是这个啊，四十九一个月的，那这这两个啊，这两个还有包年的，这两个是和我我们这一个是有什么区别呢？区别在于它可以调用的模型不一样，我给大家看一下， 在这里我们可以选模型啊，我们现在这个套餐只能用前三个，不能用集群，你必须得升级套餐。 所以这个我感觉是有点套路的啊，虽然说它生成的质量比较高，但是这个套路我感觉不是很喜欢。最后呢我们再来看一下 cloud code， 我 们在这个文件夹下面打开我们的 cloud code， 然后给它复制同样的指令 回车，那它就会帮我们生成这样一个 skill。 那 我为什么把 cloud code 放在最后呢？啊？是因为它有一个行为让我非常的舒服啊，就是前面三个工具我们给指定之后，它们就会自己去干， 中间会遇到各种卡点，比如说安装什么插件啊，升级什么功能啊，会各种各样的问题，他们自己会处理，对吧？我们不知道到底处理了什么。而 cloud code 在 遇到这类问题的时候，它会给某我们很多提示 啊，就是他会告诉我们遇到什么问题了，然后他下一步要怎么解决，然后询问我们是否要按照这个执行，那我们同意之后他才会继续执行，不同意的话他会继续找别的方案，然后呢再来询问我们，如果是同类的问题，他还会增加一个选项，就是后面这类问题都可以按照本次选择去执行。 那你看这就是一个非常人性化的设计逻辑，我觉得国内的产品啊都应该学习一下。 好，一共是用了五分二十三秒， cloud code 帮我们把这个技能给做出来了，并且它还给我们补充了一个报告风格分析的 md 文件， 也说后面我们再调用这个技能的时候，它帮我们生成的文档是继续，还会继续参考这个报告风格分析的这样一个文档的啊，保证我们的文档是更符合我们的要求。那我们在 cloud code 里面怎么去测试这个技能的效果呢？ 和前面三个是有点区别的啊，我们需要先在对话框里输入一个斜杠，然后输入斜杠之后，下面出现的这些都是我们已经安装的技能啊。第一个其实就是我们刚刚创建的技能，那我们先回车选中他，他会先去读取这样一个技能。 ok， 他 现在已经加载了这个技能了啊。然后我要告诉他接下来让他干什么 好的，整个过程的十二分钟啊，他帮我生成了这样一个报告，那我们来看一下这个报告的效果。呃，文字内容没有什么错误啊，然后表格也是挺符合需求的， 可能有一些变形的啊，圆形是有点变形的，总体而言的话其实还是挺不错的，这个也基本上可以拿过来用啊，我们如果要改的话，就让它生成 word 文档就可以了。 最后我们来看一下成本啊，创建这个 skill 一 共花了不到五块钱，但执行这个工作居然没有花钱，这点我有点震惊啊。嗯，我不太清楚为什么会有这种情况，因为我测试了好几遍，的确是创建 skill 花钱，然后执行这个 skill 去做任务的时候没有花钱。 呃，难道是因为这个任务太简单吗？我也没太搞明白啊，如果有懂的朋友可以在评论区里告诉我一下。最后我们来看一下总结。其实啊，每个工具都有自己擅长的不擅长的领域，呃，我建议大家还是要多用多体验，才能找到最适合自己工作的工具。