java编程哪些skills必装

我发现真正会用 ai 的 人，他们已经不写又臭又长的体式词了，而是在用更简单的方式给 ai 装。既能外挂 这个网站有七万多个 skill， 它不是模板，也不是简单的体式词，而是直接可以让 ai 使用的能力模块。本质上，这就是一整套已经打包好的工作流程，有写文章的，有做 ppt 的， 有制作网站的，有升图升视频的等等，使用起来也特别简单。 比如我们随便找到一个做视频的 skill， 直接复制他的安装代码，然后打开你的 ai 编程工具，粘贴到对话框，然后告诉他安装这个 skill， 几分钟就能装好。从此，你的 ai 就 学会了制作视频的一整套流程。只需要说出你要制作什么视频，他就会自动触发技能，自动帮你规划内容，几分钟就可以生成这样。这样的内容 会用 skill 才能让你的 ai 真正替你干活。不过，这里七万多个技能并不都适合普通人，我筛选了五个普通人也能直接用的 skill， 能帮助大家快速找到 skill， 创建属于自己的 skill。 我 把它整理到我的文档里了，免费分享给大家。

有没有觉得你的 open cloud 小 龙虾教他一件事情要很长时间？如果开了一个新绘画，天呐，又要重新教一次。这个问题你应该使用 skills 来解决，没错，就是 cloud 推出的 agent skills。 opencloud 原生支持，在网页左侧的菜单可以看到它已经内置了很多的 skills。 好 的 skills 从哪里找？推荐三个地方，第一个， versale 的 skills 点 s h 偏产品和开发的质量最好的 skills 都在这里，按照热门榜单倒序排列，准没错。 第二个， opencloud 的 官方的簿册收集了大量的可用于 opencloud 的 各种各样场景的 skills， 可以 搜索，但是没有分类。 第三个， github 上的这个开源的 cloud skills 的 合集，它对 skills 做了非常清晰的分类，可以快速地找到我们想要的技能。二零二六，一定是 skills 之年。 skill 是 agent 时代的 app， 是 在 open cloud 里实现能力赋用的最佳手段。关注我，带你玩转 open cloud 加 skill， 实现自动化内容创作。

各位同学大家好，这节课我们来学习 vtable 的 scales 使用，我们来看一下怎么去使用这个 scales， 我 们可以通过 npx scales a， d， d 来装这个 scales， 它的作用就是可以去简化配置项，然后快速上手去创建一个 vtable， 不 需要手动的去官网上面找它的配置文档和一些 案例啊。 skills 它就像是给我们的一个 ai 添加了一个大脑，然后让它可以根据文档进行学习。我们来进行一下安装和不安装 skills 的 一个代码区别，主要看一下在 ai 上面它是怎么样的一个回答。 我现在来打开一下编辑器，大家看一下效果，我已经打开了这个编辑器，我用的是翠的编辑器，我选了这个智能体，我现在给他说一个，让他生成一个，使用 skill 生成一个表格吧， 复制过来，我们来看一下他是怎么回答的，他是先去查一下可用的技能，我们现在来看一下我们的技能有哪些，在这里设置里面是可以看到规则和技能这一项的，可以看到大局跟项目 现在都是空的，那他这里是让我们去选择一个，我就选一个 html， 下一个静态数据，没有就直接提交，看一下他会怎么给我们创建。我们稍等一下， 我们可以看到它已经给我们创建了，它是创建了一个用的是 table 和 t r t h 然后这种标签来创建的， 我们想要的是用是用那个 vtable 来进行创建，所以这个肯定是不对的，现在就需要我们去给他装首 vtable 的 技能了，我给他推销一下，我再进行给他把这个 vtable 的 项目技能给他加上去，稍等装好可以看到这个技能是去这个 g tab 里边 去找的啊，我这里呢是访问，这里访问失败了，没有安装成功。嗯，不过其实也没有关系，我这里提前准备好几个文件，我先暂时拿来直接用。我这个 skills 目录下已经准备好了这两个技能文件。好，我们先拿来直接用给他。今天进来之后我们再来看一下这个设置里面规则和技能的，这里看一下这种项目，我刷新一下 可以看到他已经被引进来了，被引进来之后我们看一下这个到底是什么。他也有个 skills skills， 他 主要是引的是这个 skill 的 马克丹文包。这里呢他引入了很多的知识库， 这个里面的知识库他都是从知识库里面去获取的。我们继续再回到 ppt 上面，这个情况已经讲过了，我们再来讲一下安装之后的一个效果，然后我在这里再发送一下这个，它帮我们生成一个基本的 vtable 表格， 我们可以看到他的这个思考过，他这里在调用了 skill 技能，然后他会帮我们去装这个 v t p。 这个要稍微的等一会，然后他安装太慢了，手动终止一下，再给它重新按一下好了已经。我们先来看一下这个项目，这个项目是我之前提前准备好的一个 v o e 搭建的一个项目，我重新生成一个兑换，然后粘贴我刚刚发的内容， 然后发送来看一下它是怎么给我们去创建这个基本的 vtable 表格的， 我们可以看到它是，嗯，要学习 skill 技能，在它会去检查相关的 skill， 然后帮助完成这个任务， 它调用了这个技能，我们来等待它完成， 因为这个依赖我已经装好了，它就不需要再给我们去安装了。我们看一下它生成的这个有一点不留意， 它在这里边加了几个数据，然后加了一个这个 a c l 的 这个主题，这个主题我们不想要，我给它删掉，然后再看一下运行后的代码，我之前有运行键是八零端口， 你看到基本的样式已经出来了，然后但是现在这个效果的话没有任何的操作。我想给他加一个右键的时候，有一个右键菜单，然后加一个添加的功能， 所以在我先把这个保留一下，添加一个右键菜单的功能，告诉他一下 右键车灯的功能。功能有一个添加按钮，点击添加调用 添加事件，好，他在帮我们启动了，等待他上一个事件执行完成， 它会启动的。哦，这个右键拆弹的右键写错了，它会有一个内置的这个编辑器，我们看一下， 可以看到他去就是帮我们去生成这个功能的时候，他会去这个相关的 markdown 文件里面去查找，这个就是他的一个知识库，会去帮我们先从这个知识库里面去查找， 然后他已经找到了，找到已经在生成了，我们再看一下他改了一下这个宽度跟高度啊，我给我特效一下，我不需要。 然后后边的话数据他给加了一些 添加，加了一个，加了一个操作力， 我们先保留，看一下 它这个添加刚刚有什么代码加错了，我们来看一下是哪一个代码加错了？ 肉，哦，这个不是加错了，搜一下 两个没有用到，给它删掉，看一下这个效果，看一下这个它是给我们在右边加了一个添加的功能，但是跟我们的不太符合，它可能 功能是实现了，但是不是我们想要的，我们再来给他说一下， 可能刚刚描述的不是很清楚，那这个右键拆弹写错了嘛？ 我们再来告诉他一下 啊。可以看到这个时候他给咱们添上了一个订单，但是他又把删除给添加了，我看一下这是删除，不需要删除，删除，我不需要删除，把删除给删掉吧。 复制弹一下，复制加上 u 加上吧，然后剩下的保留一下。 又是这个，又是这个没有引流的， 再观察一下，还有哪个没有引流吗？还有哪个错了？让他来帮我们找一下这个错误问题吧。 都是这个 e s link 的 一个处，它给我们修复，我们再看一下啊，这里保留一下， 我们再来酝酿一下。可以看到右键已经出来了，但是删除的话我们没有写功能，所以现在也不用管它。然后复制的时候会有一个就是弹出框指示添加添加，我看一下 添加的时候也也可以，也有一个好，这个基础的功能已经实现了， 我们现在再回到 ppt 上面去，然后那个刚刚基本的使用我们已经实现了。 好，下一步我们做一个今天这节课的一个课堂总结。我们首先是去对比了一下安装和不安装 s 的 一个代码上的区别， 安装的话他是会直接去从 vtable 的 那个文档里边去查找，然后如果不安装的话，他会去默认去创建一个 table， 这个也是很正常的，因为他并没有去学习到 vtable 的 一个使用技能。然后他的作用的话就是啊不用我们去一个一个的去对调的文档去翻阅，去查看。 然后像一就是这个技能的话也可以，其实也可以去添加一些其他的技能的。不只是 wechat， 像我们的这个 wechat 团队的一个 wechat 也可以去安装一下这个技能。然后后面这个基础使用的话， 我们尽量的话就是把文字描写清楚，就像我刚刚右键菜单那个右键写错了，然后他就就是没有去精准的去识别出来了吗？这也是可以理解的很正常的一件事情。 然后这个的话是我们本节课配套的一个安利仓库，下面的话是 vtbo 的 一个官方文档资料，还有一个公众号，大家课堂下面可以去练习一下。好了，今天的这节课我们就讲到这里，谢谢大家的观看。

这两年的 ai 领域，具象化体现了什么叫用概念的堆砌来演示技术能力的匮乏。最近又又又出现了个很火的新词 skills， 它的本质是什么？跟 workflow、 prompt、 mcp、 command 又有什么关系？接下来我们就一次性将这些概念串起来，带大家看清楚。看之前你点赞了吗？关注了吗？谢谢！ 提示词我们知道，要让 ai 干活，最简单的办法就是给他发一句指令，也就是 prompt 提示词。比如帮我写个简历，但 ai 吐出来的结果可能在格式和内容上都不太符合我们预期。 为了让效果更好，你可能会加入很多规则，比如个人信息要居中、教育经历要用表格列出，项目经历要用 star 法则拆解。这种详细规定步骤的提示词，我们称为结构化提示词。 come 的是什么？但提示词这么长，每次都说 手敲，不太现实。所以很多 ai 客户端，比如 cloudcod， 会支持把常用提示词固化成文件，需要时就通过类似快捷键的命令换出。这种用短命令替换一段固定内容的功能就叫 comend。 system prompt 是什么 come on 让我们更方便输入长提示词，但提示词变长后，我们会发现 ai 越来越不听话。让他用表格，他给你纯文本，你让他居中，他直接忽略， 那有没有办法让他更听话？有，我们在输入框输入的内容在大模型领域叫用户提示词 user prompt。 他还有一层优先级更高的指令，叫系统提示词 system prompt。 一般来说，同样的要求放进系统提示词，大模型的指令遵循效果，遵循效果会比用户提示词更好。但我们平时用 ai 的时候，就一个输入框，敲进去的内容默认都会被当成用 提示词发给大模型。系统提示词都是 ai 客户端在背后发的，怎么才能将输入的内容作为系统提示词发给大模型呢？一些 ai 软件特地留了个口子，让我们可以用文件的形式记录要发的系统提示词，比如 cursor 的 ctrl cloud code cloud 点 m d， 最常见的里面可以放，请用中文回复我看爽了吗？那来个一键三连不过分吧？ met data 是什么？我们平时需要面对很多场景，比如写简历、写周报、写邮件，对应的要求各不相同，将他们全塞进一个系统提示词文件里，明显不合适怎么办？ 最直接的做法就是按场景拆成一个个独立的 m d 文件。那问题就来了， ai 怎么知道该用哪个文件？将文件全部给大模型读一遍再做判断也不现实，毕竟文件内容会转为数字，也就是 token 文件阅读 多，运费脱肯太贵了，怎么办呢？我们可以在每个文件的开头加一段很短的描述信息，写清楚这个文件是干什么的，什么情况下该被调用。这种提示型的数据叫原数据 met data。 这样，当用户在 ai 客户端里发送帮我写个简历时， ai 客户端只需要将这些 mate data 发给模型。由于 mate data 很小，所以也不费什么 top 模型，判断出是简历场景并返回 ai 客户端，就会自动加载简历专家的全部内容进系统提示词发给 ai， ai 根据提示词开始生成简历内容，然后返回给客户端，这样既保证了提示词效果，又省下很多 token。 看到这里，还没睡着的弹幕扣个零，让我看看还有多少人？ reference 和 script 是什么？随着需求越来越细，单个文件依然会变得很大。比如同样是写简历，不同岗位 有不同写法，产品需要突出业务理解，开发岗要体现工程复杂度，算法则更关注论文成果怎么办？继续拆，我们可以在写简历点 md 中留一个岗位入口，不同岗位路由到不同文件。 如果单个岗位文件还是太大，那继续拆，这样 ai 客户端就会用 cat 等系统命令读取文件总纲，再根据岗位方向一路下钻，只查看需要的那一小撮文件，用不到的文件完全不消耗。 tok 这种按需加载数据的读取方式，也就是所谓的渐进式披露。 这些被拆分出来的文件，我们可以作为参考资料，放入到一个叫 references 的文件夹底下。顾名思义，只要大模型有需要，就可以参考里面的材料。既然能调动系统命令读文件，那按理说也能执行命令跑代码，那写个 python 脚本，将文本写入 word 文档里，再导出成 pdf， 也就顺利 成章了。同样将这些代码文件放到一个叫 scrap 的文件夹里，在提示词里写清楚什么情况该执行什么脚本。这样大模型就能和 ai 客户端配合，通过代码脚本实现纯文本聊天之外的功能。看到这里，你已经超越百分之九十九的观众。扣个一，让我看看到底有多少人 skill 是什么？到这里，我们已经把自己常用的用户提示词变成了一段段以文件形式存在的系统提示词，再通过 metadata 和拆分文件，实现按条件和场景加载数据，大大减少托肯消耗量。 并将提示词可能用到的参考资料和代码分别放入 reference 和 script 文件夹，一个负责读参考资料，一个负责跑代码。将提示词文件主入口改名为 skill， 点 m d， 再将他们共同打包为一个文件夹给个命名。比如写简历的叫 resume writer， 写文章的叫 article writer。 这个被外化为文件夹形式存在且可动态加载的系统提示词，其实就是所谓的 skill。 我们来看一下 skill 的完整工作流程。首先将它放到 cloud code 的 skills 目录底下，这样就算完成了安装，此时 cloud code 就能识别到它的命令。 然后我们像往常一样在聊天框里发送自己想做的事情。比如帮我写个简历 pdf， cloudcod 就会加载本地的多个 scale 文件，将他们的 met data 一起发给大模型， 大模型识别返回当前需要哪个 skill， 告诉 cloud code。 cloud code 加载对应 skill 文件到系统提示词里发给大模型。 大模型根据需要，让 cloudcod 依次读取可能需要参考的多份资料，甚至是执行本机代码脚本，生成 pdf， 并将结果给到大模型，大模型最终输出完整结果给用户，完成整个流程。那 skill 跟 mcp workflow 的区别是什么呢？ skill 和 mcp 的区别我们知道，大模型就像大脑，为了让他能够操控外部工具，大佬们引入 mcp 协议，他就像给大脑配的手一样， mcp 插件就是手上的工具， 给一个大学生一堆工具，他也不一定能修好车，毕竟他缺的是经验和流程。所以才有了 skills。 你可以将它理解为是操作经验，规定在什么场景下，按什么顺序组合，使用哪些工具。注意，这里提到的工具既可以是 mcp 插件，也可以是本地的 script 脚本。 看上去 skill 像是编排工具，那他跟 workflow 又有什么区别？ skill 跟 workflow 的区别我们知道，很多任务其实可以拆解成好几个步骤，比如做视频，可以分为找选题、写文案、做分镜等几个步骤。为了解决这类流程化需求，不少大佬开源了一些低 代码工具，比如 n 八 n， 通过拖拉拽的方式快速构建一条流水线。这种通过规则配置，把多个步骤进行编排和调度的流程就叫 workflow。 skills 本质上也是做逻辑编排，但跟 workflow 不同的是， workflow 的流程结构在设计阶段就确定好了，而 skills 的执行流程则由大模型驱动，灵活性相对更高，两者最终都能做到类似的功能。所以不那么准确的说， skills 可以简单理解为是大模型驱动的 workflow。 现在大家通了吗？好了，如果你觉得这期视频对你有帮助，记得转发给你那不成器的兄弟。文字版的笔记见评论区最后遗留一个问题，哎，算了不留了，提前祝大家新春快乐呀，祝大家暴富暴美暴帅！ 评论区告诉我你还想了解什么？这里是小白的 bug， 我们聚焦一切可能影响人类历史进程的技术，如果你感兴趣，记得关注我们，下期见！嘟嘟嘟嘟嘟嘟嘟嘟嘟。

今天这个视频教你无痛安装 cloud code， 在 国内的网络环境下，用上 cloud gpt 等国外的顶尖模型，有些人可能还不了解 cloud code 是 什么，先简单介绍一下。 cloud code 可以 说是现在最强的 ai 编程工具， 再加上最近爆火的 skill 加持，很多人也用它写作、学习、做数据分析、办公等等。 cloud code 可以 说是现在最火热的 ai 助手之一，网上有很多的安装教程， 但是实际上你去安装就会发现不是那么回事，网络限制、安装配置中出现的各种问题能把你搞得焦头烂额。我也是看了很多的教程，结合自身安装过程中遇到的一些坑， 整理了一份 cloud code 在 国内网络环境下的安装使用指南，这份指南能帮你省下几个小时的折腾时间。接下来我会将原理和操作方法用通俗的语言给大家讲明白。好了，我们开始。 首先在安装 cloud code 之前，我们需要做好前置准备。 windows 电脑需要先下载 git， mac 系统自带 git， 无需下载， 不去这个网站选择 windows 叉六十四 setup 这个版本下载。安装完成以后呢，在 powershell cmd 中输入 git vision， 如果能输出正确的版本号，就代表 git 安装成功了。接下来要安装的是 node js 跟 npm， 我 们去这个网站选择适配自己的安装包下载即可。安装完成以后呢，如果你是 mac 用户，在启动台搜索终端， windows 用户在开始菜单里找到 git bash。 为了讲解方便，后面我们统一把终端和 get bash 统称为命令行。接下来我们在命令行输入这两条指令，如果都能显示版本号，就代表 node js 和 npm 安装成功了， and code 安装的所有的前置条件就已经完成了。 接下来我会手把手教你安装和使用 cloud code。 具体从哪里下载呢？我们有两个选择，一个是 npm 的 官方源，一个是国内的镜像源，你可以把它们类比成一个软件仓库， cloud code 也发布在这个仓库里面。那所谓的镜像源呢，其实就是官方的软件仓库同步复制了一份，那因为默认的 npm 源在国外 我们访问不是很方便，所以我们选择国内的镜像员下载 cloud code。 接下来是实际的操作步骤。首先我们打开命令行，输入下面的命令回车执行，然后再输入这条指令， 如果显示我们刚刚配置的镜像员地址，就代表我们已经成功的切换到国内的镜像员了。接下来你只需要在命令行中输入这条指令，回车执行即可安装。那这里要注意一个常见的问题啊， 系统可能会提示权限不足，这个时候你就只需要重新执行这条命令，输入管理员的密码。这指令的意思呢，就是我要用管理员权限强制覆盖安装 cloud code 的 最新版本。当安装完成以后呢，你在命令行输入这条指令，如果输出版本号，就代表 cloud code 安装成功了。 第三步是给 cloud code 配置模型。我们首先要去模型供应商平台开通账户，获取 api key， api key 相当于你在模型平台开户的凭证， 可以自己去创建获取。另外呢，要有可用的 token 额度，你可以在平台充值或者购买套餐。对模型供应商呢，大家可以根据自己的需要去选择， 你像国内的智普 glm 五、 mini max 的 m 二点五都是不错的编程模型。如果你想用 cloud opera、 四点六、 gemini、 三点一 pro 等国外的顶尖模型啊，因为国内的网络环境问题，你可以通过一些合规的中转站去订阅。 接下来我们就要把 api k 请求地址给到 cloud code， 在 这里我们用到一个叫做 c c switch 的 工具，下面是具体的操作步骤。首先我们去这个地址下载 c c switch， mac os 系统下载这个版本， windows 系统下载这个版本安装完成以后呢，打开 c c switch， 选择第一个标签 cloud， 点击右上角的加号。 第二步呢，选择要接入的模型供应商，如果没有我们需要的供应商，可以选择自定义配置。这里有三个最重要的信息需要注意一下。首先是 api key 和请求地址， 这两个是我们必填的，也就是前面我们在模型供应商中获取的信息。请求地址呢，在 cc switch 中，根据选择的供应商已经预填好了，一般在模型供应商平台的 api 文档中也能看到 行信息是选填的，但是也建议你指定一个模型，因为有些供应商会支持多个模型，换人情况下，你不知道他选择哪一个模型。接入 cloud code， 这里要注意的是，填写的模型必须是供应商支持的模型，否则 cloud code 会无法识别。那其他的配置信息呢？保持默认即可。 配置完成以后呢，我们选择一个供应商起用，后面你也可以切换至其他供应商，这样 cloud code 就 能够接入不同的模型。 不过要注意的是，每次切换供应商以后，都需要在 cloud code 里面切换模型，这样配置才能生效。那把 cloud code 装好了，模型也配置好了，接下来我们终于要使用 cloud code 了，我们在命令行中输入 cloud， 然后回车直行，这样 cloud code 就 被起用了。 当我们在 cloud code 里输入这个指令，回车直行，就会弹出模型选择的列表，我们用键盘的上下箭头选择第一个默认的模型，也就是 c c switch 里起用的那个供应商。接下来你就可以指挥 cloud code 帮你干活了。 在选择和切换模型后，啊， cloud code 可能会出现找不到模型的情况，这个时候你可以进行下面这几步排查。 首先你可以退出克拉的 code， 重启后再试一下，如果还是不行，你就要去核实一下 c c switch 中的 api key 请求地址，模型的名称是否填写错误，微商平台是否有充足的余额和套餐。 另外，我还整理了 cloud code 的 三类常用的指令，放在了指哪里。第一类是启动类的指令，在中单命令中执行，包括 cloud code 的 重启，继续上次对话，查看历史对话记录。第二类是对话类的指令，在 cloud code 里输入斜盖，你就能查看所有的绘画指令。 第三类是安装卸载类指令，前面我们安装的时候也已经用到过一部分。最后再给大家分享一个小技巧，如果你在安装和使用过程中遇到了任何你解决不了的问题，你可以连同问题和截图一同给到 ai， 你甚至可以直接给豆包共享屏幕，让他现场指导你。一般情况下，大部分问题都能够解决。这份 cloud code 的 安装指南除了有详细的安装步骤和注意事项，我还对用到的一些技术概念和工具做了小科普，如果你想要这份安装指南，我可以分享给你，而今天的视频就到这里，别忘了点个关注，我们下期见！

ai 的 大肆流行某种程度上导致了软件工程发展的停滞。新的开源项目编程语言想要发展出成熟的生态越来越难了，因为这些新轮子没有充足的语料，那 ai 就 无法生成精准的内容， 那开发者宁可选择更老更成熟的开发工具，也不会选择这些新的。当这种停滞发展到极致的话，就会像散体中的质子锁死微观物理学一样，锁死软件工程的创新和发展。好在现在很多的开源项目都在文档上更新了自己的 skill 的 安装方式， 用户可以在命令行中很方便的为当前 agent 集成各种 skill。 接下来我们一起看一看什么是 skill 以及 skill 能否像破壁人那样打破 ai 给软件工程造成的这个恶性循环。 开发者在用 ai 编辑代码的时候，为了提高生成代码的可用度，就得告诉他设计文档、代码规范、 a p r 文档等等。但 ai 能记住的上下文是有限的，你对话次数多了， ai 就 容易忘记前面的文档和规范。这点跟人也一样，你打开手机可能只是为了回复个消息， 不知不觉就刷了半天短视频，忘了最初想干啥了。但开发者为了避免这种情况，就不得不一次一次地重置资料，这意味着会消耗大量的 token， 并且容易让 ai 出现幻觉。 如果一次一次地为提示词的过程比喻成手敲代码的话，那 skill 就是 给提示词工程带来了包管理工具， 你可以把它想象成 npm、 pip 这类包，仓库里面放着各种好用的工具，包 工具包里是放着好大哥总结出来的提置词以及脚本，让 ai 自己分析当前场景需要哪个趁手工具需要运行哪个脚本，从而减少了透光的使用。因为这些提置词都是高度封装且附用的，所以总能产出风格统一、符合规范的代码。 那我们不难想到可以给每个项目都编写符合当前实际场景的 skill， 作为指导 ai 编程的行动纲领。这其实就是软件工程中最常用的封装思想。 我们可以看看 astropics 自己在开源 skill 库的时候是怎么写的，特别是我们关键的 web 开发部分，我们可以打开项目地址， 我们可以看到这个 skill 本质上就是一个 markdown 文档，在源信息里简要概括了文档的内容。比如当前这个 skill 就 指明了用于构建现在的前端项目，并且把基础站固定在了 react 的 excel， css 和 shift cny 上， 这体现了最主流 ai 语料最完善的现代前端技术站。如果你还不熟悉这套技术站，你可以先点波关注，因为博主一直致力于更新相关技术视频，帮助更多的初级开发跟上大部队。接下来看摘奥部分， 他用脚本去抽象项目，那我们看看这脚本里都写了啥。我们可以看到它包括了检查 node js 版本，检查 wait 版本，根据操作系统来设定 c 的 命令，这个 c 的 就是 stream editor 流水编辑器，用于文本操作的。 他还检查了 p n p m， 如果没有的话就安装。后面的脚本我就不一带大家看了，就是用 p n p m 抽象化一个 v t 项目，并集成 excel 设置设置样式，还有安装依赖安装组件库，启动开发服务这些命令。那第二步它是生成代码，修改代码。 第三步通过另一个脚本打包代码到一个单一 h t m， 这个脚本也不带大家看了，大意就是用 pass 去做打包工作。第四步就是向用户展示项目成果，第五步是可选的测试项目。 这里的构建工具开发时用的是 v t， 打包用的是 pass。 我 觉得可能是为了避免在脚本里写大量的 v t 配置文件， pass 更倾向于零配置的一键生成。 下面在样式部分我们可以看到大写的 very important， 在 告诉 ai 在 生成样式的时候一定要遵守它规则，为了避免被称为 ai 垃圾，不要过多的使用居中布局，紫色界面，统一圆角，还有 insert 字体。 因为 ai 用了大量 turbo wind css 作为训练语料，而 turbo wind 的 ui 的 作者为所有按钮都设计成了蓝紫色，渐变就成了万恶之源，间接的导致当下处处都是蓝紫色的局面。那接下来文档详细说明了每一部 ai 都该做什么，其实就是对前面的文档的戏化，丰富词汇的细节。 最后我还把设置 c n u i 的 文档网址添加进去，生化这个 ai。 傻儿子离开了文档就开始胡说八道了。那我们深入学习这个 skill 有 什么用呢？大厂开发者为了 kpi 喜欢造轮子，造出来轮子要么文档不全，要么角度极其刁钻。 我在这里说一个暴论，只要这些轮子不开源，不接受广阔世界的考打，就必定是个别人满足一己私欲的玩具， 并且很快在 ai 这个时代因为没有语料而被弃用，如果你们公司也有这么一套十三代码，他大量的使用了内部轮子，并且堆积了很多反之觉的业务逻辑，那你想在里面 web 扣顶肯定很痛苦，效率可能都不及你去问问坚持不换工作的那些老员工。 现在好了，你可以写个 skill， 指明内部轮子的文档地址，如果有的话，并且写清楚所有反直觉的设计原由，帮助 ai 提高理解力，从而一次编写终身受益。如果 ai 还是理解不了，那要么就是老邓写代码时用尽了防御性编程技巧， 要么就是业务开发过程中充满了人定胜天的时刻，通过一次次加班熬夜克服了项目上的不可能，让 ai 这个初出茅庐的毛头小子因为经验不够老道而无法融入理解人情味的业务。如果你用过 kris 或者 clark co， 你 会发现这种 markdown 提着词的御制菜似曾相识。 cloud 的 code 通过定义 cloud 的 md 来为大模型定制提示词里面也可以写针对项目架构的描述代码生成标准的设定。类似功能呢？还有 curses 官方文档，明确说明了用户可以在 curses 中通过编辑文档来沉淀代码库相关知识，设定自动化工作流，还有固定代码风格等等。 所以 skill 和这些基于 markdown 的 提置词又有什么区别呢？我个人的体会是，别的提置词文档，它的抽象层级一般是针对于当前项目或者当前开发环境的，而 skill 的 抽象层级更多是聚焦在开源项目上。就如果你有开源项目的话，我觉得你应该着手编辑一份 skill。 另一方面， skill 往往是人来教 ai 怎么写代码是最佳实践，这对于那些新手开发来说意义非凡，因为它可以通过阅读 skill 文档来提高自己编程水平，这是一种学习编程的现代化方案。以上就是我想分享的内容，谢谢大家。

hello， 大家好，我是徐树，本视频将会给大家讲解什么是 skill， skill 的 原理，以及怎么通过 spring ai、 阿里巴巴对接任意大模型来实现 skill。 那 首先呢，我希望大家知道一点， skill 它的本质呢，其实也离不开 function call 就是 toos， 所以 我们就先从 toos 开始给大家进行讲解，比如我让大模型呢帮我查询北京的天气，那由于大模型呢，它本身欠缺这种实时信息的获取，所以它就会看有没有哪一个工具，也就是 toos 能去处理当前这次对话。那经过它的推理之后呢，它会发现有一个专门用于查询天气的 toos， 那 么它就会返回一段调用 toos 的 名称以及方法需要的参数， 比如需要查询天气的位置，北京也携带过来，那么我们的应用程序识别到这段交审信息之后呢，就会通过反射的方式找到这个方法 来进行调用。所以 to 的 本质其实就是将这种非结构化的自然语言转化为可处理的结构化的交审信息。这样呢就可以让大模型间接的 去调用我们自己应用程序当中的方法。所以通过 tools 解决的是怎么调用的问题？那么接下来呢，我们会面临一个调哪里的问题？比如我们现在呢，想让大模型去查询一些第三方的服 信息，比如我要查询某一个 github 的 开源项目的信息，比如我要查询某一篇博客，比如我要查询某个地图的位置信息等等。那我们是不是就需要为每一个第三方的服务查询来声明一个对应的 to 方法，然后每一个 to 方法呢，去调用第三方服务的接口来获取信息， 那么这种方式它的实现成本是非常大的。首先第一个问题就是，如果这些第三方的服务非常多，那么我对应的也要去实现很多的突破方法。另外，如果我有很多的 ai 应用程序， 我也需要在每个 ai 应用程序当中呢，重复地去实现一遍。因为这些托管方法它不能共享，所以能不能让这种自己声明托尔斯的工作交给第三方服务他们自己去做呢？比如他们各自都提供了外部的托管方法。那接下来的问题就是大模型 我怎么去直接调用这些外部的第三方服务接口呢？那么这个时候 m c p 就 出现了 m c p 呢？它解决的问题就是我大模型怎么可以用统一的方式来去对接这些第三方服务的共享 tools？ 它提供了两种调用方式， s t d i o 和 http 的 方式。这 t d p 的 方式呢，又有 s s e 和 streamable， 通过这两种方式就可以远程你 去调用这些第三方的外部 tools。 但是我应该怎么调呢？你又应该返回什么样的数据给我呢？这个全由 m c p 的 这个协议说了算。 但是 m c p 呢，它实际上依然离不开方程控，因为对于大模型来说呢，它是不区分第三方的外部 tool 还是你自己应用程序的内部 tool。 我 不关心，我只知道对我来说这些都是工具。整个过程是这样的啊，比如说我们让 大模型帮我查询某一个 github 的 开源信息，那么大模型经过推理之后呢，它同样的会返回一段调用 tool 的 教程信息，其中呢就包含需要调用的 tool 方法，比如说有一个这样的 tool 方法，那么这个方法呢，我们自己应用程序 依然需要通过 function call 集中给大模型，然后再通过这个 function call 去调用这些外部的第三方共享 tool， 从而呢来实现 数据的传输。所以通过 m c p 就 可以解决让大模型间接的去调用这些外部的通用工具的问题。那现在问题来了啊，大模型它的调用不再局限于调用某一个 too， 它可能需要经过一系列的工作流， 然后再结合 too 才能完成一个任务。比如我让大模型帮我打开浏览器，请求百度查询询述，获取询述相关的信息，又或者我让大模型 帮我获取桌面上的一些不重要的信息，那这里呢，就涉及到获取桌面物理路径下面所有的文件，然后把文件名称，文件类型发给大模型，让它自己去做推理。那这其实就是所谓的 walk flow 模式下的 agent， 我 们需要通过大量的提示词去告诉大模型 你应该针对不同的任务应该怎么去做拆分，每一步应该怎么去处理。比如用户让你去网络上面搜索某些信息，那你需要拆分成，打开浏览器，输入百度搜索对应的信息，然后获取网页上面的内容，最终进行推理返回。每一步你都需要 通过提示词去告诉大模型，这里面的提示词非常的庞大，那 astropik， 也就是 close。 大 模型它意识到这个问题呢，就推出了 skill， skill 呢，是由一个 markdown 的 文件，它里面呢会包含原数据，也就是我当前这个 skill 它的作用。比如说我可以定义一个网络搜索的 skill， 那 么另外一部分呢，是 指令，在指令当中呢，你就可以详细地去编排每一步应该怎么执行，比如第一步要用启动浏览器的 to， 第二步搜索关键词编码。第三步你甚至可以去执行一些脚本语言， 如 python 或者 js 来去解析网页上面的内容。这样呢，你还可以去定义一个 skill 来做专门的文件处理，并且在指令里面去定义应该怎么去进行文件的操作。那么这样的话，就不需要把所有的提示词 一次性的都发给大模型了，大模型它会按需加载，它是怎么做的呢？首先呢，会将每一个 skill 它的原数据，也就是每一个 skill 它的作用发给大模型。那比如说我跟大模型说，我要进行网络搜索，去百度中搜索学术，那么它就会进行推理，看哪一个 skill 呢能够进行处理，那么它同样的会返回一段教程信息，代表我需要调用 core skill， 然后呢，带上 skill 的 名字，那么这个 core skill 啊，它其实依然是沿用的 function call， 也就是在应用程序当中 会有一个叫做 or kills 的 这样的一个拓方法，那么这个方法呢，它就会根据 kills 的 name 来决定读取哪一个 markdown 文件。比如说你网络搜索就有网络搜索的 markdown， 你 的文件操作就有文件操作 对应的 markdown 文件，然后把对应的 skill 的 markdown 再发给大模型。大模型呢，再进行推理，看我要调用哪一个错误方法来进行处理，它不会像 workflow editor 一 样，把所有的处理能力提示词通通都发给大模型，它只需要 发送当前所需能力的 skill 的 markdown 相应的指令信息即可。所以 skill 我 们也把它叫做 subadent， 它只是一个大的智能体当中的其中一环，并且 skill 它也非常方便大家进行传输， 进行共享。所以听到这里你会发现啊， skill 它其实依然沿用的是 function 这一套，只不过呢， 它内部提供了一个内置的 function call 来去读取对应的 skill 文本，然后再返回大模型，让它进行推理，执行下一步操作。所以也必须要有支持 function call 的 大模型才能支持 skill， 这就是它的原理。好，那么讲到这里，我相信大家应该对 skill 有一个基本的认识，但是我们刚刚提到这种实现方式其实是由 cloud 模型提供出来的，目前只有 cloud 才支持。但是没关系，我们既然知道了它的原理，那其实我们就可以通过 spring ai 阿里巴巴结合 tools 来对接任意大模型实现 skill。 接下来我给大家演示一下，结合我们之前讲的 skill 原理，来看一下这段 spring 阿里巴巴的代码。当然，如果你现在还不会 spring ai agent from arc 或者需要当前的势力代码，可以找我。那么在这里呢，我们定义了一个 skill 的 agent hulk， 这都是 目前最新版本 ai 阿里巴巴，它内置就帮我们实现了，我们只需要把 skill 对 应的文件地址，比如说我们在这个目录里面 犯了三个 skill， 一个 skill 呢，代表一个技能，比如说有网络搜索的呀，我们可以打开其中一个，你看它里面就包含了原数据，也就是 skill 的 名字， skill 的 描述也就是它的作用，咱们把这三个 skill 对 应的这个根目录路径告诉它，那么它内部呢，会自动帮我们进行提取，因为它的内部呢实际上已经定义了一个提取文件的 tool， 然后呢在这里还定义了一个用于 执行 shell 命令的一个 hock， 因为我们之前说了 skill 它除了能够读取这个 markdown 的 文件以外，它还可以去执行一些脚本语言，对吧？比如说 python， 那 么要执行 python 的 话，我们就需要呢 通过 c， m d 命令的方式来去执行这个文件，那么把这两个 hock 呢交给当前我们声明的这个 agent， 以及呢还需要提供 python 的 代码，那怎么执行 python 代码？我不在这里去细讲啊，其实我们也是依靠呃 rawvm 它提供的一个第三方库来进行支持的，那我们来看一下这个视力，在这里呢，我有一个 control 接口来去接收信息，然后呢去调用这一次的大模型请求，比如说我让他帮我搜索关于蛋白质折叠预测的最新论文， 那它对应的呢就是这个 skill， 好 吧，我这里的这个描述呢，就是去搜索物理啊，数学啊，计算机科学啊等等这些论文的，并且呢它还会使用 python 来去搜索 这个网站来获取对应的论文。那这里面对应的这些指令信息我就不带着大家去看了啊，也就是什么情况需要去执行 python 应该怎么去执行？这里面都已经编排好了，那么我们来请求，此时呢，我们可以来到控制台，你看他这个时候啊，就会按照我们预设的提示词会告诉他应该怎么使用 skill， 那 么这些提示词都已经在我们对应的这个 skill 内置都已经定义好了，所以呢，它会自动发给大模型，告诉大模型你应该怎么去用这种 skill。 他 说呢，你首先呢需要读取 skill 对 应的马可刀文件，然后呢你还可以执行对应的脚本，然后呢读取到这个马可刀文件，发现需要执行 这个 python 文件，那它首先呢就会检测是否需要安装，它就会要用我们的那个 python tool 来去检测是否具备 python 的 环境，当发现我们具备 python 的 环境呢，它就会去运行 python 脚本，帮我们去这个网站 i x v 去搜索关于这个蛋白质折叠的最新论文，那么搜索完之后呢，他说看起来没有搜索搜索到任何结果，然后呢他还呃推理说可能是因为命令执行有问题，所以这整个过程呢，他会自动的推理，然后自动的检查。然后呢他会去查看这个 python 文件的一些 语法内容，然后检测到呢这个脚本逻辑是正确的，然后呢他重新运行这个脚本，哦，接下来呢，他就搜索到了五篇论文，然后呢说似乎与蛋白质折叠预测不相关，然后呢他通过分类的方式来进行更加精准的搜索啊，最终我就不看了，好吧，总之呢，他会根据我们的这个 skill 的 描述文件 来决定一步一步应该怎么执行，以及应该以什么样的方式去执行那个 python 文件，那么最终我们也可以看到它就搜搜索到了对应的五篇论文。所以我们会发现啊，在 spring ai 阿里巴巴目前最新的版本当中呢，它已经把 skill 对 应的实现都已经封装好了，我们要做的是什么？只需要提供 skill 的 markdown 文件以及对应的 python 脚本。那现在其实呢，也有非常多现成的 skill， 大家可以通过这个 skills 点 s h 来进行搜索，里面有非常多啊，目前呢有四万多个，大家可以按需自行搜索。好，那我就给大家分享到这里，我们下期见， nice。

三万多个 a 程的技能免费给你用，只需要在 skills 后面加个 s h 网页开发 s u 优化，数据库管理，甚至连 做 ppt、 做图标这种杂活的都有免费的技能给你一键搞定。最离谱的就是这个爆火的 remotion， 本地新建文件夹后，随便打开一个 ai 编程工具，让他把这个 skill 安装到 这个文件夹后，从此你就拥有了一个本地做动画的神器，直接丢个 excel 表格进去，动动嘴这种专业的动态图标就能直接生成。除此之外，像这样的 这样的这样的动画也全部都可以。

挑战每天只用一分钟，学会一款宝藏 skills！ 今日 skills agent browser 前端开发平台 versale 一 位名叫 chris kate 的 工程师利用周末构建了 agent browser 项目。它是一款面向智能体的自动化命令行工具，具有零配置、有头或无头模式，相比 playrite mcp 上下文占用大幅减少百分之九十等特性。 马上进入实战。在 c n d 命令窗口中打开 open code， 让 ai 使用 agent browser 的 skill 访问一个敲电子木鱼的网站，敲一百下以后截图保存功德增加的证据。 agent browser 经过解析域名、执行命令、编辑、登录脚本等步骤，很快完成了敲木鱼和截图任务。赶紧打开截图看一下怎么今日功德还是零。把这个情况反馈给 agent browser， ai 不 仅重写脚本完成截图，还特意在页面中显示多个功德加一的效果，打开截图验证一下，果然成不欺我。想完成更复杂的自动化任务怎么办？我们打开 try， 在 solo 模式下配置好 agent browser。 具体配置方法参考往期视频 我们给 ai 某网站的登录信息，让它登录成功以后截图。 agent browser 经过不断试错，终于成功登录，并且还贴心地为你总结好了登录过程。打开它保存的登录成功截图，来验证一下和手工方式登录是否一致。 果然一模一样！有了 agent browser 这款神级 skill， 在， 配合当下最火爆的 open call 方案，只要给 ai 足够的权限，它就可以自动发社交媒体、游戏自动挂机、商品自动秒杀等场景。心动不如行动，点关注不迷路， app 带你上高速！

太疯狂了！这个网站，我愿称之为 skills 的 偷懒天花板，它还要将近六万个开源免费的 skills， 像网页设计、浏览器自动化、 pdf、 word 文档编辑等等应有尽有。再也不用每次都给 ai 重复输入相同的提示词了， 随便点进去一个，怎么添加到本地，什么时候使用，每使用步骤都写得清清楚楚。你看，这个 find skills， 可以 帮我们找到任何我们需要的技能。而且这个网站就是可拷抠的二十多个 ai 工具，一次安装，全平台通用。 且它还有个热门榜单，每二十四小时自动刷新，根本不用我们在六万多个技能中自己去筛选。最关键是，这个网站完全免费！

推荐三个超级实用的 skills， 第一个 superpowers， 四环形，你只需要给他一个模糊的想法，他就能帮你发散思维分解步骤，还能直接生成可执行方案。第二个 planning with files， 它会自动创建三个文档来解决 ai 记性差的问题，等于给 ai 配了个移动硬盘，能让你的任务完成率飙升百分之四十。 第三个是 notebook lm skill， 它能让 cloud code 无缝对接 notebook 进行对话，支持批量上传素材，一键生成播客思维导图和 ppt， 甚至能解析 youtube 视频内容。这三个 skills 的 名称我都放评论区了。

目前全网最火的 skill 你 还不会用吧？今天就把我压箱底的绝活分享给你。这个方法就是用 cos 它刚刚完成二点零的重磅升级，新增的 agent skill， 让你不用懂代码，直接对话，就能够去创建专属的 skill。 先给你 battle skill 到底是啥？它可不是人的技能，而是 ai 工具，超能力的 buff。 这就好比让你新手和大厨做同样一道菜，为了天差地别， skill 就是 ai 的 大厨 buff。 那 些技术含量的活，流程化的任务，全部交给带 skill 的 ai， 效果直接升值一个 level。 那 些 codes 里咋玩 skill 呢？听好了，打开 codes 的 首页，点击 codes 编程，再点技能，直接和它对话就能生成。 我亲测做了一个小书爆款标题，生成器就跟他说，根据脚本生成十个爆款选择题，他上上就开始建，而且把每个标题都设计逻辑给你解析的明明白白。就像有一个资深的运营在身边教你， 更觉得是你还能够把方法论位给他，他立刻就升级 skill。 甚至标题不仅爆款范儿十足，而且小白也能够秒懂爆款逻辑，做好后点下部署，分分钟就能在 cos 对 话框里面用。 而且 cos 商店里面还有海量的现场的 skill， 都是行业专家和大佬做的，质量杠杠的，拿来就能用。不管是做数据分析、写文案还是搞设计，有了这些 skill， 效果直接起飞！

真的太离谱了，这个项目我愿称之为二零二六年 cloud bot 的 最强外挂，有大佬直接把七百多个 cloud bot 的 核心 skill 全部开源了， 整整覆盖了三十一个气氛领域，不管你是想搞代码开发，网页自动化，还是视频生成、数据分析，甚至是市场营销，这里面全都有。 最牛的是他把每个 skill 的 核心工作流都给你拆解好了，你直接抄作业就行，完全零基础上手。最关键的一点是全部免费，这种顶级资源建议先收藏，晚了真怕他被下架。

挑战只用两分钟，从零到一速通 cos skills 相信经过前面两期视频的介绍，大家对 agent skills 已经不再陌生。二零二六年一月十九日， cos 二点零新发布了 skill 功能，本期视频教你玩转 cos skill。 玩法一，到技能商店找 skill 进入 cos 官网，点击对话框下方的艾特按钮，可以看到 cos 已经为我们预设的 skill。 以写作为例，像平常与 ai 聊天一样，帮我写一份关于 agent skills 用户量变化的调查报告， cos skill 就 开始飞速生成了。点击生成好的调查报告，调查报告格式内容都像模像样。点击左侧菜单中的技能商店， 可以根据需要挑选免费或付费的 skill。 玩法二，对话创建 skill 对 ai 说帮我创建一个爆款文案的 skills cos 分 配一盒 cpu 和二 g 内存去处理。 cos 的 界面分为两个区域，左侧区域用来控制大模型，在生成 skill 的 过程中自动生成和执行一些命令，最后根据需求帮我们生成 skill。 右侧区域用户可以使用 skill 来下达指令。刚生成的 skill， cos 会对 skill 是 什么，怎么触发做介绍， 告诉 ai， 我 要生成一个 cos 使用 skill 的 小技巧的小红薯笔记， cos skill 就 开始飞速生成内容了，妥妥的小红薯种草笔记风格。 点击右上角部署按钮，点击开始部署，等待一会儿就部署成功了。点击立即体验按钮，点击艾特，我们的爆款文案， skill 就 出现在这里。 玩法三，引入第三方 skill， 点击扣子编程，点击技能选项卡。三个按钮分别为上传附件、生成配置和上传 skill 文件包，点击上传 skill 文件包，选择财务分析的 skill 文件包 cos 就 开始分析配置第三方 skill 啦。 大致看一下 skill 的 创建过程，点击右上角部署按钮，点击开始部署，稍后 skill 就 部署成功了。点击立即体验。我们马上来试用一下，告诉 ai， 帮我看一下韩王的财务状况，资产负债和营收利润尽收眼底，还附赠投资价值分析。 点击技能商店，点击我的技能，点击我创建的，可以将好用的技能上架商店，小白也可以轻松实现技能变现，怕你后面找不到，点关注不迷路， app 带你上高速！

各位小伙伴大家好，今天带来的是教你自己做一个 skill， 那 么 skill 是 什么呢？ skill 是 一个用于为 ai 智能体扩展专门能力的开放标准，它其实是一个标准，而 skill 的 作用是它将特定领域的知识和工作流封装起来，智能体可以通过这些 skills 来执行特定的任务。 skill 从出现到现在已经有一段时间了， 而我对于 skill 的 理解是，它既是一个一个技能或者工作流的实体，而实体就以 skill 来进行命名。 举一个比较简单的例子，上一个视频里面我们介绍了源码学习的新范式，但是有一个问题， 咱们不能每次都复制那么多的提示词，然后给到 ai， 让 ai 帮我们去分析生成我们想要的东西，那有没有更好的方法方便我们做这个事情呢？那显然 skill 是 一个比较好的一个解决方案，我们可以把做这一个事情封装成一个技能， 而这个技能可以在我们的 project 里面去使用，也可以打包给到别的项目或者别人去使用。而这里面 skill 我 认为最核心的点其实无外乎使用了工程化思维的方式，也就是封装和复用。我们把重复的 工作或者流程封装成一个一个 skill 文件，而这些文件其实就是技能的具象化表现，而把这一些文件封装好一个整体给到别人，那其实就是附用。而我今天就是给大家实操一下怎么做一个自己的 skill。 那 首先 skill 的 生成方式，目前我总结下来或者使用的无外乎几种，第一种，如果你使用 ai 编程工具 ok， 那 你是幸运的，你使用的方式其实会比较简单。 那么第二种是用 scale 做 scale， 那 这里面跟为什么再讲一下呢？是因为 ai 工具它使用的方式其实就是用 scale 做 scale， 就是 有网上有一个技能可以下载到，而史劳克他也公布出来了， 就是你可以可以使用这个技能去做你的技能。之前我们说过， scale 也是一个开放的标准，既然是标准，它必然有相应的一个文件结构和文件内容的格式，那既然是这种形式，那必然会有一个工具可以帮助你或者辅助你完成这一个的编辑， 而有一个技能叫做 create skill， 也就是可以用这个 skill 去生成你要的 skill。 而第三点就是如果你懂了原理， 因为它是一个开放的标准，它有自己的结构，你完全可以自己去做一个 skill。 如果你使用的是 ai 的 编程工具，那有两种方式可以唤起这样的技能，斜杠命令和自然语言的唤起。那比方说 call 手这里 我打一个斜杠，我们可以看到这里面是有一个 skills 这样的技能库，我可以去选择它，那比如说我选择的是 create create skill， ok， 那 我如果是斜杠加上技能名称，那会自这个 call 手会自动调用这个技能去帮我们去创建创建我们想要的技能。 那如果是斜杠 create skill 之后，我要需要告诉 skill 说我要去生成一个什么样什么样的技能，它会自动调取 create skill 这一个 skill 的 技能去创建我们想要的技能。那说话说起来其实有点绕，但是确实是这么一回事儿， 但是 coco 有 斜杠，斜杠的一个方式唤起，但是 char 其实是没有的，那所以说 char 这里呢，就只能使用 第二种方式，自然语言的唤起，就告诉他我想创造创造一个技能，然后呢跟 ai， 也就是 char 或者 cos 这样的 ai 的 编程工具，会去调用 create skill 这样的技能，去帮你创建你要的技能。 ok， 我 们接下来进入实操阶段， 我们打开我们自己的 ai 的 编程工具，那我这边今天演示就是使用 char， 因为很多我发现很多的小伙伴使用的都是 char， 而并不像 cloud， cos 这样的。呃，国外的产品，那 char 因为免费，那其实另外一个原因呢，确实也挺好用。 ok， 我 打开的这一个 pro 九的是之前 github 上下载的 openspec 的 源码。那上一节呢，其实是教大家怎么去分析这么一个源码，快速的进入研研究的节奏。 当时是我们输入了一段提示词，就告诉他是一个高级架构师，让他帮我们去分析项目的结构，目录的结构，使用的基础站及如何使用。那如果说我们研究的项目过多，那每次都贴这么一段提示词，其实是挺烦的，所以说我们可以把这一个工作变成一个新的 skill 这样的一个技能， 下次呢直接调用这个技能，就能帮我去分析这一个项目的内容。我们新开一个绘画，告诉 ai 说我想新建一个技能， ok， 我 们看一下它的一个思考过程，其实就能理理解它的一个原理。我们输入的是我想新建一个技能，然后劝他会理解成，呃，他会去根据语义去分析说其实是创建或者添加任何技能时，然后呢需要去调用 skill creator 这样的一个技能，也就是说 我通过自然语言的方式去唤醒了 skill creator 这样的一个技能，而这个技能的目的是帮助我们去创建一个新的一个技能， 所以呢他会去调用技能这一个技能，去接下来去一步一步的完成我们自己想要开发的技能。然后呢，我们可以通过对话的方式告诉 说技能的名称是什么，技能的用途是什么，然后他会自动的去创建我们想要的 skill。 在 这里呢，我给大家介绍一种可塑化的方式去创建，不通过绘画的方式 打开设置，这里有个规则和技能，那这里面会有一个技能的一个功能，而这个功能其实是就前不久券发布的新版才出现的，之前券里面只有 solo 模式下才会有。 那这里面的技能其实分为全局和项目，什么概念呢？就全局的话是我创建的这个技能是以后所有通过券生成的。呃， project 都能适用，那项目级呢？也就说这个项目里面才会适用，那我们这边随便都一样，后面的逻辑都是一样，我点创建， 那他支持几种方式，一种是上传进行智能解析，也就是说我可以从网上下载一个这样的技能包，直接拖拽线进来之后他进行分析，然后构建出我这边的技能名称，描述和指令，这样的话就是自动变成了一个技能，加载到你的 try 这个 id 里面， 然后下次通过跟 ai 进行对话的时候，通过语义去分析的时候，会发现关联到这个 scale 进行调用。呃，那我们这边会去做一个技能名称的一个制定，技能名称我们这边填，随便填。呃， create d o c， 然后指令其实就是我们之前的一个提示词，但这个是比较简单啊，这个，这个写的比较简单，可以后面大家有兴趣的话可以看研究一下其他的 skill， 他 们写的会更专业些。而我们这边是做一个粗俗化的一个呃，技能包， 比如说描述是这一段 ok 确定，然后它会自动去加载好这一个技能库供我们去使用。 我们创建了这个技能之后，我们我们其实可以发现其实这里面会有一个文件夹，而这个文件夹的目录其实是很有意思的。 呃， char 是 代表了我们的 ai 编辑器叫 char， 然后 skills 是 一个标准的一个目录，然后下面就是技能的一个名称，然后这个 skill 是 我们刚才生成的，它会有个名称描述，再加上刚才说的一个提示词，就是刚才一个格式化的一个展示。我们创建了技能之后，我们如何使用它呢？我们先看一个绘画，比如说使用 这个技能主动唤起，精确唤起。但如果说我们在嗯提字词，也就是我们的 skill 里面的描述的提示词里面写的比较 ok 的 话，那它会通过各种语音分析去调用。 a few， moments， later， ok， 我 们来看一下整体的一个过程，我们输入了使用分析这个项目整体架构的这个技能，也就是我们刚才生成这个技能，然后呢，因为是精确的匹配，所以说他会主动去唤起这一个 skill， 那 思考的过程是我会，也就是去他会是使用 collect d o c 的 技能来分析这个项目的整体架构。 呃，然后呢，一步一步他会去做我们刚才让他要去做的这个事情。最终呢，我们后面有一个叫保，把最终的文件是保存到 alt 这个文件目录下， 而且这里其实已经有一个这样的项目架构的文件夹了，也就是说它其实是完全调用了这一个刚才我描述的这个过程，产生了我们这个项目架构的马克当的一个文件，完成了我们一个技能的一个调用和文档的一个输出。 然后这里补充一点，除了这种方式的换取。呃，使用这一个技能的方式的话，还有另外一种方式是我直接拖一个这样的一个文件告诉我应该说使用这个技能 也是进行精确匹配，精确匹配到我使用这个技能，那还有一种方式就是刚才我们演示的，比如说 chart 的 那个 cosuo 这样的 id， 它是支持斜杠进行，也是精确匹配到这个 skill。 而这种方式其实是在整体的你有一堆 skill 的 过程中，或者说我创建了很多的 skill， 而每个 skill 是 专业的去干自己的任务的时候，我们使用的方式是我们会把这一个技能放在相应 id 下指定的目录下，那这样的方式的话， 这个 id 会主动去加载这个 skills 的 技能库，通过这个描述，如果匹配出来，语义分析出来说，发现这一个我用户正在想干的这个事跟这个技能的描述相匹配，他会主动去调用这一个技能，然后再去具体的加载 下面这一段的文案或者叫提示词去完成像类似于专业的技能的工作或者工作流的 工作。而 ai 智能体通过渐进式批录的方式加载这一些 skills 的 技能库，可以有效地降低我 token 的 使用，因为它一开始是加载我整一个 name 和描述，那这样的话它的一个提整个的 token 的 消耗其实是有限的。 然后呢，如果是命中了我这一个 skill， 也就这个技能，它会再去加载我下面的内容，所以整体的设计是还是属于提示词的进阶，进阶的玩法，那我们再回到 我们的内容页，当我们通过 ai 编程工具去生成了我们的 skill， 而且它的原理其实是调用了 skill creator 这样的技能去创建我们这个 skill， 那 也完成了这么一个 skill 的 生成，那这个原理其实大家都已经明白了。之后下一步 各个不同的 id 的 一个目录的一个结构，之前我们选用的是 chart， 那 如果是 coos 或者 code code 其实都一样，也就说它在它的一个目录下，我会有一个 scales 这样的一个标准的一个目录结构，然后再下面才是真正的技能的一个名称 目录，那如果说是放在点下面，也就项目级，那如果是用户级，也就是之前也说过它分为全局和项目级 啊。 scale 的 结构，其实刚才我们只有一个 markdown 这样的一个 markdown 的 一个文件，但实际上它还会有其他的一些文件去辅助完成这个技能，呃，一个是它的脚本，我们可以把一些长的脚本放进去呃 scale 去调用这些脚本还会有一些依赖，比如说一些文档的依赖，然后一些静态资源。 因为我们呃官方也是建议 scale 它最好不要超过五百行，因为这样的话一个文件其实是就非常大了，它可以支持我分分文件夹，然后按照不同的呃文件的类型，分目录的存储， 而 scale 可以 去调用这些不同的文件，而这里的话是运行的一些脚本，而这一个的依赖的文档，比方说我现在要生成一个 ppt， 或者生成一个网页，而网页的格式的一些标准的内容就可以放在这个依赖里面，然后包括一些静态的资源。 而一个完整的一个 markdown 的 一个文件的格式是刚才我们其实已经看到过了，就是头部是一个 name， 也就是我 skills 的 名称，然后是一个描述，描述是它的一个 skill 的 功能，即什么时候会使用它， 然后下面是我的技能的一些描述，使用的一些时机。那所以说标准的一个 skill， 它其实还会有一些，我什么时候会去使用它，然后这个技能会适用于什么？再一次的明确我这一个 skill 的 一个能力。然后再下面是我的一个具体的一些内容，需要让我这一个调用这个 skill 时的时候去做什么事情， 我可以是干一个生成网页的一个一个，一个一个内容，也可以是我几个步骤或者工作流的方式去呈现我的一个能力。 那除了刚才的内容之外，头部信息也就说在这里还会有很多的其他的属性，我认为比较关注的除了最上面这两个之外还有一个，而这一个参数如果设为 q 的 时候，该技能仅会通过斜杠 skill name 的 显示的方式进行调用，而不会说自动根据上下文去调用它 什么概念。如果我这一个设置了 q， 那 刚才的方式自然语义的方式去调用已经不不可能了，只能通过斜杠的方式精确的匹配到这个技能才会被调用。那这个是刚才我们提说的一个提示词，也就说生成技能里面的一个内容， 然后呃，完成了我们这个 skill 的 一个基本的一个概念，再加上实操了一次如何去创建一个 skill， 那 我提问说一声，就是这一个页面的生成，你们看到这一个体系的生成，其实是我也是因为之前做很多的解释用的是纯文本， 那这样的话整体的视觉效果并不炫酷。那我自己也做了一个 skill， 是 专门去做做这一个页面的 skill， 它根据我的一个文案去生成了我这一个演示的 ppt 效果的。呃，网页，那有兴趣的小伙伴的话，下一次我可以专门介绍一下怎么去创建这么一个 skill。

二零二六年初， ai 领域爆火的关键词就是 skew， skew 是 给 ai agent 的 一个专业技能包，或者说是一种带目录的说明书。我们可以把工作流、专业能力或者某些规范封装定制成一个个 skew 交给 ai agent， 让 agent 在 执行特定任务的时候更稳定，更高效，输出也更可靠。在之前的视频里面，我们介绍了 skew 的 概念与技术原理。 本期视频的重点，我们来看一下 skills 的 实战，我准备从数据分析、内容创作、编程等多个场景来实战下 skills 的 使用。这次我使用的 ai agent 使我们的老朋友 tree 国际版现在还限时免费，可以在 solo 模式下面直接使用 skill。 在 我们的日常工作中，免不了需要处理各种重复的数据分析任务，这种场景就非常适合使用 skills。 我们可以把数据分析的相关知识沉淀成 skills， 变成可拓展、可长期积累的能力交给 ai agent 上手。 skills 最简单的方式就是把社区里面别人已经写好的 skill 直接拿过来用。在 github 上面有很多 skill 仓库集合，比如有 ansorepec 官方维护的 skill 仓库， 还有 ansorepec 的 另外一个官方仓库叫 cloud cookbooks。 我 们来到这个仓库的 skills 文件夹，进入 custom skills， 这里面有一个叫做 analyzing financial statements 的 文件夹，这是一个财报数据分析的 skill， 可以 帮助我们在长篇大论的财报里面提取关键的市盈率等重要指标，并且输出分析解读。 这个文件夹就是一个完整的 skill， 里面有一个 skill 点 m d 的 定义文件，还有两个 python 脚本。 skills 把内容分成了三层，原数据，指令，还有资源。 我们可以把原数据类比成一本书的目录，指令则是对应书的正文部分，而资源则是书的目录。其中 skill 点 m d 文件存放的就是原数据和指令， 文件夹里面的其他部分都属于资源。在 ai 使用 skills 的 时候，先把目录或者说原数据加载进提示词，然后根据需要再决定是否查阅正文与附件。这样比起传统的 system prompt 或者说 m c p 的 方式， skill 的 最大好处是大幅降低了 token 消耗与提示词的复杂度。我新建了一个空的项目文件夹，然后使用 tree 把它打开。接下来我们来到 github 仓库，在 code 这里点击 download z i p。 先把代码整个下载下来，进入到代码的压缩包里面，找到我们需要的这个 skill， 把它解压出来。接下来我们把这个 sq 文件夹压缩成一个 vip 包。我们回到 tree， 打开右上角的设置，找到规则和技能，在下面找到创建技能，点击这个上传按钮，找到我们刚才准备好的压缩包，点击打开确认，这样一个 sq 就 安装完成了。我们来看一下这个 sq 长什么样。我 我们看到这个 skill 是 以一个文件夹的形式放到了项目目录，点 tree skills 文件夹下面这个 skill 点 m d 就是 skill 的 定义文件。上面六个横杠包裹起来的部分是 skill 的 原数据， 只有这一部分是固定加载进 ai 提示词的，由于原数据都比较简短，所以这一部占用的模型上下文是非常少的。然后下面这部分是指令层， 指令层的部分是按需加载，只有 agent 确定使用这个 skill 的 时候，才会查阅这部分的内容。这样做的最大好处是大幅降低了 token 消耗与提示词的复杂度。文件夹里面还有两个辅助的 python 文件， 用来帮助 ai 计算适应率，比较行业标准等等。 ai 会在认为需要的时候运行这些脚本，并且进行计算。接下来我们来测试一下这个 skill。 我 找到一个 mata 二零二五年三季度的财报，里面是密密麻麻的英文与表格数据，如果人工分析这些数据可能需要一两天的时间。 这里我们直接使用 skill 交给 ai 进行分析。我的提示词是分析这个财报，用中文输出分析结果， ai 意识到这个任务跟 analyzing financial statement 有 关，需要调用 skill 完成任务。 接下来它就加载了 skill 的 指令部分，按照指令里的需求开始了工作。我们看到 ai 调用了 python 脚本，计算了一些关键指标，并且输出了一个完整分析。 不过这些分析总结还是一些冷冰冰的数字，如果把这些数字跟客户或者领导展示，那就太枯燥了。我们可以想个办法把它们编排成一个吸引人的故事线，让用户能够跟着讲述者的思路听下去。这里我们再引入一个 skill 叫做 data storytelling， 它可以把原始数据转换成引人入胜的故事风格的叙述。我们来到这个 github 仓库，把 skill 下载一下，同样的方法导入到 tree 里面。接下来我们就可以告诉 ai， 把上面分析的数字结果转换成吸引人的故事线。 ai 学习了怎么把数字转换成故事的技巧，为我们输出了一个不错的故事线。有了这个故事线加数据以后，我们就可以很轻松地生成 ppt， 这样汇报的时候就会变得非常的出彩。 接下来我把 ai 总结的数据加故事线，添加到 notebook lm 里面，点击右侧的 slide 按钮，让它生成一份 ppt。 最后我们看到生成的效果非常的不错。 我们使用 skills 成功分析了一个枯燥冗长的财报，提取了里面的亮点数字，变成了一个图文并茂的 ppt， 用来做 presentation， 效果非常的好。 除了使用社区里面别人已经写好的 skill， 我 们也可以根据需求创建自己的 skill。 前几天有观众朋友们询问我一个问题，不知道应该把哪些工作封装成 skills？ 这里我有一个很简单的思路，我们不妨回想一下自己在工作中有没有收藏过一些固定的提示词， 这些提示词你已经给 ai 粘贴过很多次了，或者有没有固定的多步骤工作流需要执行。如果有这种场景，就非常适合封装成 skill， 比如爬爬虾。作为一个软件类的科技博主，经常需要去调研 github 热门开源项目，作为视频选择题，我们就可以创建一个 skill 来自动完成这个任务。 我们还是来到 tree 的 solo 模式，直接把自己的需求告诉 ai， 创建一个 skill 功能如下，第一步，爬取今日热门的前五个 github 项目。 第二步，获取他们的 readme 文件。第三步，把前五个项目总结成一个中文摘要，需要包含项目是什么，解决什么问题，技术站是什么， 有多少 star 等主要内容。第四步，调用 python 脚本发送总结的中文摘要内容到我的邮箱。这个 skill 应该包含两个 python 脚本，第一个脚本用来爬取数据，第二个脚本用来发送总结邮件，发送邮件可以参考以下代码。好，我们开始 a few moments later， 过了一会 solo 就 完成了开发。我们看到他交付了一个 skill 点 m d 文件，还有两个 python 脚本。第一个脚本用来获取 github 的 热榜数据， 第二个脚本则用来发送邮件。在 skill 点 m d 文件的指令部分列出了详细的工作流需要先运行获取数据的脚本，把获取到的数据保存成 json 文件，然后用 ai 总结翻译这些数据，整理成 markdown 与 html 双格式的报告，用邮件发送出去。 接下来我们来测试一下，我们开启一个新的任务窗口，获取今日热榜。 ai 调用了我们刚刚创建的 skill， 它的第一步，运行 python 脚本获取数据，并且把 jason 数据输出到了 output 的 文件夹。接下来 ai 读取了这个 jason 数据，进行了总结，并且翻译， 交付了 markdown 与 html 双格式的总结报告。最后他调用了发送邮件的脚本，把报告内容发送到了我的邮箱。我们打开看一下，这个邮件格式清晰又非常的有条理，效果非常的好。 接下来我们来看一个编程方面的 skills 案例。 uix pro max 是 近期 github 上面热度最高的编程类 skills， 这个 skill 里面内置了上百条特定行业的网站设计规则，通过 skill 内置的查询引擎， 可以查找到各个行业网站相关的推荐设计标准，比如页面布局、色调、字体动画。使用这个 skill 就 可以摆脱千篇一律的 ever 的 蓝紫色配色，快速生成一个贴近行业标准的网站。我们先来把这个 skill 安装一下，在它的 github 首页有安装方式， 先执行第一个命令，安装 c l i 工具。第二个命令进入项目文件夹，现在已经在项目文件夹里面已经满足要求了。我们跳过第三个命令，我们找到 tree 的 专用安装命令，执行一下。安装完成以后，一个全新的 skill 就 加入到了项目的 skills 文件夹里面。 这里需要提醒一下这个 skill， 它有内置的 python 脚本，这些脚本依赖的 python 版本至少是三点一二。接下来我们来创建一个网页来测试一下我， 我的提示词是开发一个兽医的首页网站，用模拟数据完成，不必实现后端功能。 solo 使用了 u i u x pro max 技能， 然后他调用了 search 点 p y 这个拍摄脚本，查询了兽医行业的 u i 推荐设计标准。在他的思考过程中，我们已经看到 a a 已经获取了对应的设计标准，比如主色是蓝色和浅蓝色， c t a 使用橙色，背景则使用浅灰色等等。接下来 a a 制定了一个计划， 并且按照这个计划逐项开发。我们来看一下最终的效果。网站的名字叫做 happy pos 快 乐爪子。在 u i u x pro 的 官网 demo 里面，按照行业过滤可以看到医疗健康行业的推荐风格，这次觊觎取的是中间这个 蓝灰色调的网站设计，我们的网站在字体、色调、布局等方面严格遵循了这个推荐风格，很好地避免了 a i v 的 蓝紫色配色。 u i。 好， 本期视频就到这里，感谢大家点赞支持，我们下期再见！