发现了一个很牛很好用的 obsidian 的 skill, 跟大家分享一下,大家可以看屏幕当中呃这种手绘风格的呃结构图是不是还挺美观的?然后我们可以再看一下,这个都是这个 skill 一 键生成的,大家看 整体的效果,而且这个 skill 它可以一句话就生成这种呃风格的绘图,并且它能够给你的文章用来做配图,快速地去格式理解知识点,也可以制作很多口播的讲解博主这种白板风格的内容,这些都是可以实现的, 而且使用步骤真的非常简单,不管大家过去有没有编程的基础,都可以快速的实现使用步骤。跟大家分享一下,我们可以打开终端 terminal, 打开终端之后呢,我们先打开 call code, ok, 现在我们已经打开了 call code。 首先第一步我们跟 call code 说帮我安装这个 skill, 然后我们给到 gitap 的 地址,然后这个啊 skill 的 名称叫做 obsidian visual skill, 然后我们先嗯让 call code 开始进行安装。 那这个 obsidian visual skill 它的这个包呢?它相当于是格式化的三件套,嗯,主要会包含像 excel, ledger 这种啊格式化结构图的生成。然后第二个就是 mormad 的 格式化,然后它能够制作一些这个流程图,然后包括一些啊,思维导图啊等等。 第三个就是 obsidian canvas 的 生成了,然后这个是呃 skills 的 核心的,呃是格式化三件套的这个能力。然后我们再来到 terminal 当中去看一下它现在安装的一个进度, 对,大家可以看到呃,这里 coco 的 跟我说,呃,这三个 skill 在 我之前已经安装好了,都在我的 dcloud 杠 skills 的 目录下面,然后分别包含我们刚刚呃在 tiktok 当中看到的三个可直观的呃这个 skill 的 能力,呃无需重复安装,大家继续刚刚的这个操作步骤,然后直接去进行安装即可。 第二个步骤也不复杂,然后我们直接去打开 obsidian, 打开这个 obsidian 之后呢,我们打开这个设置,我们进入到第三方插件,然后这个部分我们进入到第三方插件,然后进入到插件当中,我们点击这个 呃社区插件市场浏览,然后打开之后呢,我们直接去搜索 excel 这个插件,我现在是已经安装的状态,然后大家可以直接点击这个插件,然后进行安装,并且注意要点击启用。安装和启用完插件之后,我们的操作步骤就进行完了,那具体怎么使用呢?我们可以打开这个 terminal, 然后进入到刚刚 colocode 的 这个界面哈,比如说我们直接来看一个安利,我们可以直接在 colocode 当中去调用这个 skill, 我 们可以用指令说用 excalibur 画一个 obsidian 对 接 ai 的 三种方式,然后我们直接在 colocode 里面点击回车, 它已经成功去加载了我们上面下载的 skill。 现在 skills 已经给我们返回结果,确认我是不是想生成这个 obsidian 对 接 a, p, i 三种方式的 markdown 文件,这里我点击 yes, ok, 它现在已经帮我保存了这个文件,然后它这里给到了我使用方法,然后我们把文件移到我的 obsidian value 里面, ok, 它现在已经帮我们把文件移到呃 obsidian 的 文件夹当中了。那第二步是我们在 obsidian 当中打开这个文件,并且切换到我们刚刚的安装的这个 excel 插件的仕图浏览模式。那我们打开 obsidian, 它其实已经有我们刚刚挪动过去的这个文件了,我们可以看一下就是刚刚这里挪动到这里的文件,我们可以看一下 它生成的效果是手绘风格的,而且结构很清晰,也很符合这个审美风格。我们刚在 opc 店当中安装了插件,所以它直接现在就是 excel 的 这个视图模式。 如果我们现在想进行这个口播讲解,我们直接去投屏讲就可以了,是不是很方便?如果大家想用的话,直接就可以试一试哦。直接在评论区可以看到 skills 的 github 的 地址,关注我理解的频道,将会持续输出 ai 的 前沿认知、学习资料的干货和使用场景。我们就下一期视频再见!拜拜!
粉丝2.0万获赞6.3万

每天一个 open class, 今天是 remotion, 想象一下用写代码的方式做视频,今天看看程序员怎么做视频。你是个程序员,想做个产品演示视频,打开 premiere, 发现完全不会用, 花了一整天学软件,视频还是做的一塌糊涂,代码能力完全用不上。这时候 remotion 就 派上用场了,他让你用熟悉的 react 代码来创作视频,就像写网页一样简单。 在终端输入 mpx create video, 选择你喜欢的模板,开始写 react。 组建保存代码,右便预览窗口,实时更新帧集,精确控制每一帧画面。在 opencore 里配置好,还能自动批量生成系列视频。 以前要学一周的软件,现在用代码思路,一天就能上手。从视频小白到批量生产,只需要懂 v at geekhub 用 remotion 给每个用户生成专属的年度回顾视频全球数百万份, 想做数据可视化,用 css 动画,想要炫酷特效,用 webgl, 想要矢量图形,用 svg 技术站随你选。 youtube 博主做片头 sales 产品做演示,电商批量生成商品视频培训机构做课程动画营销团队做个性化广告。传统视频软件像手工活, remotion 像工厂流水线,一个改代码,全职生效,批量生产,自动化完成。 三步开始,确保有 note js 环境运行。 npx create video, 选模板,打开 vs code, 开始写 react 组建,边写边看效果。点赞收藏关注我,每天一个 open class, 明天见!

expert ai 正式引入 skill 功能,实现在智能体基础上的使用升级。 简单来说, skill 是 一种基于 markdown 格式的标准化文档,它将复杂的技能、逻辑、知识库和 api 调用,封装成易读、易维护的文档。 灵活性与渐进式路由是它的核心。 agent 不 再一次性加载所有荣誉信息,而是根据你的需求动态激活 skill。 这种模式不仅避免了信息过载,还支持用户深度自定义,你的 agent 现在可以真正因地制宜。 spirit ai 平台内置了官方 skill 中间键,适应从开发到办公的各个高频场景。 你也可以上传自定义 skill 包,打造独属于你的私有专家库。接下来开始一个简单的实操,这里以上传 skill 包为例。首先在 github 上获取一份 skills, 下载成功后是压缩包形式, 打开 expert ai 平台官网,点击开始就会进入对话首页,点击新建数字专家,找到技能选项,选择上传技能, 把之前下载好的压缩包上传进去就可以了,这些都是可以使用的技能包。接下来选择创建数字专家,给智能提起个名字, 选择一个模型,画面中这个就是主智能题,我们给他一个系统提示词。 接下来不使用 skill 包的情况下进行测试, 我们等待一会 好执行完成。 我们看一下输出成果, 部分功能不是很全,现在为智能体增加 skill。 右键选择添加工作流,选择技能中间键勾选前端设计技能,可以添加一下技能描述, 把智能体和技能连接起来,对话框输入相同任务要求,等待运行结果,可以看到左侧技能中间键出现绿色圆点,说明技能已经被加载执行。 我们来看一下输出结果,可以看到画面更清晰,数据展示效果表现不错。 我们再来看一下使用技能前后页面对比,添加技能后,页面布局层次更分明,界面更友好。 测试完成,点击发布,填写一下发布说明,返回对话界面,就可以使用你的专属智能体了,在这开启你的新任务吧!

做产品的朋友们注意了,今天给你安利一个 skill, 装上之后, cloud 就 变成了你的资深产品经理搭档。 平时让 ai 帮你写 prd, 他 给你的东西一看就很烦,因为 ai 根本不懂产品经理的专业工作流。但有了这个 skill 就 不一样了,这个项目叫 product manager skills, 是 一位资深 pm 开源在 github 上的总共四十六个产品管理框架, rise 优先级排序、用户洞察、用户故事。这些真实的产品经理方法论,全部拆解成了 cloud 能够理解的 skill 模块。装上之后, cloud 就 像读过这些方法论的资深 pm, 会主动按框架引导你的工作 来看效果。我给 cloud 的 五个产品需求,让它做 rise 优先级排序,它按照 reach、 impact、 confidence 四个维度逐个打分,给出综合排序,还告诉你哪些是 quick win, 哪些是 big bet。 而且这四十六框架不只是产品经理能用,运营可以用它做用户洞察分析,创业者可以用它梳理产品定位,项目经理可以用它管理需求池。 本质上,这是一套决策框架,如果你有做需求分析的场景,这套技能包强推!收藏,关注我,带你了解更多 ai 实用技能!

本期分享一个自动化生成 skill 的 方法,那就是先让 cloud 按照我们的需求给我们工作, 然后让他帮我们把这个过程直接梳理,生成一个新的 skill。 skill 本身的价值是当我们需要做重复工作的时候, 它可以替代我们去自动化的完成这个工作。那么每当我们自己意识到有些工作任务本身呢,它就是重复的过程,是结构化的,可以被敷用的时候,我们就可以把这个过程给它封装成一个 skill。 接下来通过一个案例,我来做个演示,我自己有些口播稿呢,需要整理成文字版的教程, 每次手动做的时候呢,都觉得费时费力,其实就是把稿件里边的内容呢,把细节补充上 去掉口语化的描述,我就把这个过程呢交给 cloud, 让他来给我完成,我会审核他的结果,如果有问题呢,我就把要求再发给他,让他呢继续修改。在一两次的这个工作之后呢, cloud 基本清楚了我的需求,我就告诉他,你把这个过程呢给我封装成一个 skill。 这里有个前提,就是在 cloud settings 滑动到下边,点击 example skills, 这些呢是官方给我们提供的 skills, 然后找到 skill creator, 这个设置项必须是打开的,也就是说帮我们自动化封装 skill 的 这个过程,它也是一个 skill。 回到聊天窗口,我们告诉他给我生成新的 skill, 这个能力才会被触发,可 out 来帮我创建这个 skill, 并且呢已经完成了,这是它的一个过程。 skill 的 核心功能就是按照我的需求把口播稿转化为书面的教程,文字稿,内容描述的充分,但是不要啰嗦,并且清晰易懂。 同时他也告诉我这个使用方法,就是把它放到 cloud skills 的 这个目录里边,需要做内容转换的时候,我就直接调用这个 skill, 让 cloud 用它来帮我去做整理。这个是 skills 的 文件,这个是触发它使用场景的一个描述。接下来就是这个 skill 的 具体工作过程,比如说转换的原则, 然后转换的流程内容是如何在这个文档结构里边去呈现的,完成之后要做检查跟优化,有一些特殊的处理规则,这两检查清单,这些都是他自动给我放上去的。在生成的 skill 文档的右上角,我们点击这个按钮, 选择下载,然后把这个内容下载到我们的本地,这样我们就得到一个 skill 到 md 的 文件。拿到这个文件,我们可以把它放到 cursor 里边,借助 cursor 那 个平台,让它去帮我们做内容的整理,也可以直接把它放到 cloud 客户端, 也就是回到 cloud settings 这个页面,点击 capabilities, 滑动到最下方,这里有一个 your skills, 这就是我们自定义的 skills, 我 们把它添加上去就可以了。点击添加这个按钮,选择上传文件, 自定义的 skills 内容就被放到了这个客户端里边。之后我们就可以在这个客户端上通过聊天对话框,让它帮我们去做教程内容的整理。当然这个按钮一定要是开着的状态, 我们给他发需求,他才可以去调用这个 skill。 我 们来做个测试,在一个新的聊天窗口里边,我让他把口播稿给我整理成教程,我直接粘贴给他,直接发送 他已经给我整理完了,我们来看一下这个过程。一开始他就调用我们刚才设置的那个 skill, 其实在我的提示词里边也没有指定说让他去调用那个 skill, 但是我描述的场景是非常适合的,所以他就自动去调用这个 skill, 接着就帮我做内容的整理, 直到他都整理完成,把内容给我放在这个文档里面,我就可以去看他给我整理的一个效果,如果有问题 我就可以在对话框里面告诉他,让他根据这个结果继续帮我去修改。整个过程只需要我们明确工作的方式跟标准,中间繁琐的环节以及 skill 的 描述项可以都交给 cloud 去完成。

推荐六个我一定会用的 skill, 都是我一直在用并研究过的。第一个 skill creator, 这是所有 skill 的 鼻祖,官方认证的,直接帮你把跑通的工作流转化成独一无二的 skill。 自动分析工作流程,提取可附用模式,生成标准 skill 文档,一键安装,立即可用这个 skill 我是 认真读完所有文档的,绝对靠谱。第二个, document skills, 也是官方出品, ai 操作文档的天花板,自动填表,写 document, 批量处理 excel 数据,一键生成 ppt 演示,智能阅读 pdf 文档。 装上它,你的 ai 交互能力直接提升一大截。第三个, find skill, 能从几万个 skill 中精准找到适合你的智能匹配需求。场景筛选高评分 skill, 对 比相似方案,推荐最佳选择。做复杂的事,先先呼叫他,帮你找找,说不定有惊喜。第四个, frontend design, 官方出品 前端美化神器,专业级 ui 设计,一键美化界面响应式布局,避免 ai 审美疲劳。安装上你的网页,前端直接起飞。第五个, code simplifier, 使三代码终结者自动简化复杂逻辑,消除笼鱼代码,优化代码结构,提升可读性。安装上它, ai 再也不会给你写使三代码了。 第六个, graph loop ai, 无限打工模式,自动循环执行任务,无限搜索资料,持续迭代优化,直到任务完成。但记得用上包月编程套餐,不然费用可能顶不住。这六个 skill 我 每天都在用,关注大古,分享更多 ai 技巧!

最近爆火的 agent skills, 一个多月时间数量从三万充到了二十七万,翻了将近十倍。有做产品动画的 skill, 有 可以整理文档做 ppt 的 skill, 还有可以设计网页的 skill。 那 今天我们就来搞清楚什么是 skill, 有 哪些好用的 skill, 怎么找和安装 skill, 以及怎么创建自己的 skill。 每个 skill 就是 这样的一个文件夹。以这个周报 skill 为例, skill 点 md 是 核心文件。很多人会问,这跟平时的提示词有什么区别? 其实 skill 本质上也是提示词,但它真正的威力在于特殊的加载机制。这个机制分为三层,第一层是 skill 点 md 里顶部的 name 和 description, 它们叫做原数据, 如这里就记录着这个技能,是用来写周报的,下面的这些信息叫做指令,记录着写周报的流程。第三层是文件夹里其他的文件,叫做资源与代码, 比如这里的周报模板和制作表格的代码脚本。我们可以把一个 skill 理解成给 cloud 招了一个员工, 数据就是员工的名片,记录着员工的名字和能力,他们会长住在系统中, cloud 每一次接到任务会先扫描一遍所有员工的名片,匹配上了才叫那个员工来,员工来了才会按照工作手册,也就是指令去干活, 干到某一步需要什么才去取对应的资料或者工具。这个过程在技术上就叫做渐进式。譬如这样一来,就算你装了几十上百个 skill, 也只有在用到的时候才会加载,不仅极大节省了 token, 也保证了 ai 在 能力变强的同时不会被稀释掉注意力。 首先是 cloud 官方推出的办公四件套,可以让 ai 帮我们处理 word、 ppt 表格和 pdf。 比如我最近看到了一篇关于 web coding 的 深度长文,我就让 ai 帮我进行要点提炼,方便沉淀,形成自己的知识库, 还能快速生成 ppt, 整体结构非常清晰完整。第二个,动画视频生成 remote, 原本是程序员才能驾驭的动画工具,有了这个 remote skill, 你 只需要告诉 ai 每一段想要呈现什么画面,剩下的交给 ai。 海外已经有网友用它做出了这样的产品视频, 我自己也用这个 skill 做了两段,一句话特效,整体效果还是很不错的。第三个,网页设计。这个 skill 可以 避免 ai 的 通用美学, 做出一些风格化的页面设计,这是我没用 skill 生成的个人薄客网页,非常朴素,这是我用了 skill 之后设计出来的网页,大胆撞色,页面瞬间生动起来, 装上这个,让你的 ai 瞬间升级为设计师。第四个,头脑风暴。每当你有一个模糊的想法需要落地,这个 skill 就 派上用场了。它会使用苏格拉底式提问,帮你一步一步把想法具体化,最终形成一个方案。比如我想开发一个记账 app, 它就会一步一步的追问细节, 核心功能是什么, ui 风格是什么样的,形成设计文档之后才会进行开发。来看看效果,可以记下自己的支出,也可以记录收入、账本统计设置,该有的功能都有了。 说了这么多,那我们怎么自己找技能和安装技能呢?我给大家推荐两个网站, skills m p 和 skill s h。 skill m p 里输入了大量的 skill, 可以 按名称解锁 skill, 也可以按分类去浏览 skill six 点 s h 更适合看最近的热点 skill, 它有一个下载量的排行榜,也可以实时看到最近二十四小时内爆火的 skill, 随时都能尝鲜。那么问题就来了,这么多的 skill, 每次用的时候去找也太麻烦了。不用担心, find skills 就是 为此而生的。我们把这个网址给 ai, 让他大局安装 find skills, 安装好之后告诉他你想要什么样的 skill, 这个 skill 就 会自动在 skills 点 s h 上帮你寻找。比如我想找一个制作小红书封面的 skill, 可以 看到它会自动调用 find skill 这个技能去帮我们寻找。技能找到之后,我们就直接让 ai 安装就好。 它还有一个安全评级,可以帮你对 skill 做一个风险的初步判断。有时候我们可能需要把自己的工作流程做成 skill, 那 ansore pick 官方的原技能,也就是创建技能的技能就派上用场了。 skill creator 可以 帮助你按照 skill 规范生成 skill。 比如我想创建一个写周报的 skill, 它就会自动调取这个 skill creator, ai 会对我们进行一步步的引导,如这里它会提问使用场景、输出方式、 输出风格。比如这里我们就可以说包装一下语言,显得工作量多一些。这里他还会向我们提问需要包含哪些模块,那最后他就帮我们生成了一个周报 skill。 ok, 我 们来测试一下。 怎么说呢,这字还是很多的,本期就到此结束了,如果对你有帮助的话,记得点赞、收藏加关注。

如果大龙虾只装一个 skill, 就 装这个 skill self improving agent 中文翻译很奇怪啊,但是这个 skill 就是 一个让你的小龙虾学会自己复盘的 skill, 每一次他做错了任何事情,他都会 自己去记录正确的操作是什么,下一次的时候他就会使用这个记忆。你看每一次的时候我就说复盘使用提升 skill, 你 看看他是怎么说的,他说好怎么怎么怎么样,现在执行自我进化,把这次教训写到系统里面,这个真的非常 ok。

别再瞎找了,这是你唯一需要的一个 skill。 find skills 就是 帮你找 skills 的 skill。 比方如我想找一个 ios 开发的 skill, 那 就跟 ai 说,用找 skill 的 skill 帮我找一个开发 ios app 的 skill, 它就会自动调用 find skill 找到符合你描述的 skill。 当然,描述的越精确,找的就越精确。安装方法也非常简单,只需要官方的这行命令就可以。 这里需要注意的两个点是,第一是最好选择全局安装,第二个选择复制到所有的 a 阵,否则可能找不到这个 skill。 好 了,如果不会安装,可以在评论区留言关注我,了解更多 ai 干货,感谢大家观看!

先别急着去搭什么工作流,如果你连 skill 和 a 阵都分不清楚,那你搭出来的东西注定跑不通。想让 ai 替你干活,这堂课是你的必修地基。 先说 skill 技能,别把它想复杂了。 skill 就是 你厨房里那把菜刀,它再锋利,如果你不握住它,它永远不会自己切菜。而且它没有判断力,切完这刀,它根本不知道下一刀该切啥。 这就是你觉得用 ai 很 累的原因,因为全程都是你在用力。但如果你想解放双手,你就需要 agent 智能体。他不是刀,他是那个掌勺的大厨,你只用动动嘴,我要吃宫保鸡丁。 他脑子里的第一反应是把这道菜拆解成买鸡肉、调酱汁、爆炒三个步骤,这就叫 task decomposition。 任务拆解。既然是大厨,就不需要你教他怎么用刀,到了切肉环节,他会自主去拿勺子。 这个自己伸手拿工具的动作,在 ai 里就叫 function call 函数调用。但最让你省心的是它的 self correction, 也就是自我纠正。 大厨如果尝了一口发现太咸了,他绝对不会直接端给你。这种对结果负责的闭环能力,才是 agent 的 灵魂。看到这儿,明白了吗?你不需要练刀工,你需要的是学会制定菜单。关注我,下期视频,我手把手教你写出第一份 agent 菜单!

用 cloud code 加上 obsidian 的 skill 帮我把这一年所有 web coding 的 项目都整理汇总了一下,把它们的各种状态,各种简介做成了这样的看板,有这种图形的看板,还有这种表格式的看板, 并且我之后所有的 web coding 项目,但凡是有更新或者是有新增的,也都能一键同步到这个看板里,我个人觉得还是方便很多的。那所有流程其实特别简单,全都是在 cloud code 的 里面用 skill 加上 obsidian 的 插件来完成的。那第一步呢,其实我就是让 cloud code 帮我去把 本地所有的代码项目相关的文件梳理了一下,并且呢按照不同的状况给他标记了一下这个地方,就是我输入的提示词都超级简单。 第二步呢,我就让他调用了一下之前下载的 obsidian 的 这个创始人他创建的 skill, 他 创始人创建的 skill 呢,是可以直接来去创建 obsidian 里面的那个 base 文件的, base 文件就是刚才咱们展示的这种数据看板的文件, 这是第二步。那第二步除了这个之外呢,我还在 obsidian 里面接入了一个 excel 的 插件,就是那个画板的插件,然后再让他帮我把这一套东西做成一个 excel 的 文件,然后就变成了大家看到的这个图形化的界面。第三步呢,我会跟他说,后面我再有更新和同步的话, 你需要继续把这些信息都同步到 obsidian 的 看板里面来,所以他给每个项目都在这个 md 的 文件,并且就设置了后面每次项目更新的时候,就可以自动写入到这个 md 文件里面来了, 包括我整个流程完成了之后,我又让它把上面我所有的操作步骤再化成了一个 excel 桌面的这样的一个流程图。这次整理真的是让我感受到 openclip 这么好用,包括现在我的 openclip 也是直接接入 openclip, 在 用了后面还会有更多分享,欢迎大家关注,记得点赞连下期见!

想用 web coding 开发上线生产环境的复杂应用,一定离不开两项技术, scale 和 m c p。 今天这期视频我们就分几个部分讲清楚 agent scale。 我 们首先从 agent scale 的 概念出发,给大家讲明白它到底是个什么东西。 然后我会用一个实在案例给大家演示一下它的基本用法和 reference script 的 高级使用方法 及它的核心逻辑,三层加载机制是如何节省 token 的。 最后,我会从核心能力、部署方式以及可扩展性这几个方面深度对比 m c p 协议和原生 skill, 帮你看清楚它们的各自适用场景。好了,话不多说,我们这就开始第一部分, agent skill 到底是个什么东西? 用最通俗的话来讲, scale 其实就是一个大模型,可以随时翻阅的作业指导书。举个例子,比如你想要做一个电商智能客服,你可以在 scale 里面交代,遇到退货先询问退货原因,再检查凭证,最后再处理。 再比如你想要做会议纪要总结,你可以直接在 scale 里面规定必须要按照参会人员核心一体代办的格式来输出总结的内容,这样一来,你就不用每次都去复制这些要求了。 下面我就用会议纪要总结这个实际的场景,带大家看看它到底是怎么创建和使用的。这里我们使用科室来演示一下。 要想使用 a j t scale, 那 当然是要先创建一个了。这里直接告诉科室,让他给我们创建一个会议纪要总结的 style 文件,然后稍等一会好了,已经创建好了,我们会看到科室在根目录下创建了一个会议纪要总结的文件夹, 在这个文件夹里面创建了一个同样名字的 scale 主文件,还有填好了这个文件的主要内容,还有一个作为视例的文件,以及一个 reference 文件, 这个 reference 文件我后面会提到是怎样引用的,我们先来看看 scale 主文件,这个 scale 一 共分为两个部分, 头部这几行被这个短线包裹的叫做原数据,英文名叫 meta, 这一层就只写了 name 和 distribution 两个属性。 name 就是 a gentile scale 的 名称,这个名称要注意了,它和文件夹的名称是一致的。 name 下面的 distribution, 它代表这个 a gentile scale 的 描述, 主要是让大模型说明这个 a gentile scale 是 用来干什么的,我们看下下面这部分,这个就是具体的 a gentile scale 是 用来干什么的,我们看一下下面这部分,就是具体的 a gentile scale 的 说明了。这一部分就是在详细描述模型需要遵循的规则, 这个 scale 我 规定了它的提取规则,要提取讨论要点,代办事项,关键决策。好,现在我们的 agenda scale 就 做好了,这就是一个简单的说明文档,下面我们来测试一下, 我们在这里问科室一个问题,你有哪些 agenda scale, 可以 看出科室除了它自带的一些 scale, 它能够识别出来。我们创建了这样一个会议机要助手的 scale, 然后我们来看一下 ctrl 是 怎么使用这个 scale 的。 我们输入请求,布置一个会议录音文本,好,结果出来了,这完全符合我们在 scale 里面的规定,这个就是 agent scale 的 基础用法了, 哥瑟根据我们的指令意识到了这是归我们刚刚的那个 agent skill 管的,然后他就开始读取我们刚刚那个会议总结助手的 skill, 主要读取的也就是这份 skill md 文件了。现在你知道了如何创建和使用 agent skill, 那 么我们来看刚刚这个过程数据到底是怎么流转的。 首先整个过程中一共有三个角色,用户、科室以及科室背后使用的大模型。流程一开始的时候用户会输入请求,此时科室会把用户的请求连同所有的 scale 名称和描述一起发给大模型。 虽然说我们之前只演示了一个 scale, 但是你可以想象一下,哪怕你装了十几个 scale, 大 模型也只是在看一份只有名称和描述的轻量级目录。 在接到了用户请求和每一个 scale 的 原数据后,大模型会发现用户的请求可以使用会议记要总结这个 agent scale 来解决,他就会把这个信息告诉科室,科室接到大模型的响应之后会去会议记要总结这个目录,里面再去读取完整的 scale 详细论文, 这个时候读取的才是 scale 的 全部内容,而且要注意他只读取了会议记要总结这一个 agent scale 的 内容。 在拿到了会议就要总结的 skill 内容后,科室会把用户的请求和完整的 skill 内容再发给大模型,大模型根据 skill 的 要求来生成答案, 最后把答案发给科室,科室再将这个答案发回给用户,这样用户才看到了结果。这个过程就是 ai 的 skill 的 第一个核心机制,按需加载。 前面我们讲了,一开始 coser 会把所有的 i 键的 scale 的 名称和描述都给到模型,比如说如果一共有爆款文案 scale、 会议总结 scale、 数据分析 scale 等等,模型只会选中一个,最后只有选中的那个 scale 的 详细指令文件才会给到模型,这中间就能省下很多的 token。 接下来我们想一下,我们的会议纪要总结可能会越来越高级,我们希望它不仅仅是简单生成纪要,而是能够提供更有价值的补充说明。比如说当会议中谈到了报销的部分,那么他能直接在总结里面标注是否符合财务合规,当涉及到合同时,他能够提示法务风险。 这样大家在看会议总结的时候,就不需要再去翻阅公司的财务制度了,这就非常方便。但 skill 能做到这些事情的前提是它需要把相关的财务规定和法律条文都写入到这个 skill 文件里面,这些文件可能会非常长,都写进去的话,文件就会变得非常臃肿, 哪怕只是开个简单的早会,都需要再被迫加载一堆根本用不上的财务和法律废话,浪费很多的模型资源。 那能不能做到只有当会议内容真的聊到了财务报销内容,科室才会把财务规定加载给模型看呢?这里 agent scale 就 提供了 reference 的 解决方案,我们来看一下,那我们就把这个 reference 文件夹就命名一下,是公司 财务制度,我们在这个文件里面复制公司的财务制度。好,这样一个 reference 的 文件就建好了。这个财务制度里面包含公司具体的会计核算,以财务报告的标准,还有预算管理等规则。 然后我们让科室在原来的 skill 主文件里面新增一个财务提醒规则,里面写明清楚在提到钱、预算、采购这些费用的时候处发,出发的时候需要读取公司财务制度这个文件,根据文件内容明确报销流程,是否超标以及是否需要审批。 我们看一下 schedule 文件,里面有一块关于财务提醒的规则。好,我们现在拿一份有讨论到关于费用这一块的会议内容的文件,让科室帮我们测试一下。这个会议内容里面我们有提到一些预算啊,还有财务费用报销的问题啊, 我们来看看科室会不会触发这个公司财务制度的文件。好,我们会看到啊,科室识别了这个请求跟我们的会议总结助手相关,意识到了这个会议跟费用报销是相关的,根据 scale 的 主文件提示啊,它读取了这个公司财务制度的文件, 然后根据这个实际的会议内容达成了一个总结。可以看出,总结中不仅包含参会人员啊,一提就基础的这个会议内容还包含了财务提醒的规则啊,这完美符合我们的需求。这个就是 reference 的 核心逻辑了,在 agenda scale 的 体系里面,公司财务制度啊,就是一个典型的 reference, 请大家记住它的特性,它是由特定的条件触发的。 在刚才的例子里面,只有当科室读取完这个 scale 主文件的时候,判断出需要查询费用报销制度的时候,才会去加载这个文件,反过来说,如果这是一个跟财务没有关系的技术碰头会,那么就绝对不会占用任何一个 token。 好, 讲完了 reference 这个呢?接下来我们来讲一下如何让 agent scale 跑代码, 这才是真正的自动化。这个就利用到了 agenda scale 的 另一个大能力,也就是 script。 为了演示这个功能啊,我们这次就不搞复杂的服务器上传。我们来做一个最实用的功能,把会议总结自动保存为本地文件啊。 我们先在这个文件夹里面创建一个 python 脚本,这个脚本的功能非常简单,就是接受了一段文本,然后把它保存为一个带时间戳的 markdown 文件。来,我们创建一个这样的脚本 好了。我们发现科室在这个 scale 的 项目文件夹下面创建了一个 script 的 文件夹,里面就有我们的保存到当地文件的简单的拍摄脚本了。我们在这个 scale 的 主文件夹里面再增加一个保存规则。 好,这个保存规则说,如果用户提到了保存啊,存档或者生成文件这些的时候,再触发这个 script 的 文件。好了,配置完成了,我们来到 coco 这边测试一下,让它生成会议纪要,然后保存到本地,我们粘贴这个会议内容。 好啦,和之前一样,科室识别到了这个请求,是和我们刚刚的会议总结助手这个 skill 是 相关的,然后它输出了这个会议资料的内容,并且自动执行了这个 script 里面的脚本。好,执行成功,你会发现文件夹里面多了一个 macdunk 的 文件, 里面就是刚刚生成的会议总结,这里面大家要注意一下,我这次所使用的会议内容,跟财务费用这些其实没什么关系,所以科室也并没有读取这个公司财务制度的文件, 结果也没有财务提醒相关的内容。这正好印证了我前面所说的话, reference 是 按需加载的,如果用户没有提到和 reference 相关的内容,那科室是不会去读取它的,这样就达到了节省上下文 token 的 一个目的。 好让我们再回到代码执行层面,我们看一下,科室在执行这个脚本的时候,并没有去读取这个公司财务制度的文件, 也就是说, agent scale 里面的代码只会被执行,不会被提取。这就意味着,哪怕我们的脚本写了一万行复杂的业务逻辑,它消耗的模型上下文几乎是零。 所以我们会发现,虽然 reference 和 script 都属于 agent scale 的 高级功能,但是它们对于模型上下文的影响其实是不同的。 reference 是 读,它会把内容加载到上下文里面,所以是消耗 token 的, 但是 script 是 跑,它只会被执行,不, 不会占用模型的上下文。实践完两个高级功能,我们会发现, a t 的 scale 的 设计啊,其实是一个精密的渐进式批录结构。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,这是一份 a t 的 scale 的 名称和描述列表, 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 a t 的 scale 匹配。 第二层是指令层,对应 skill 文件里下面这部分,只有当大模型发现用户的问题与某一个 agent skill 相匹配的时候,它才会去加载这一层的内容。所以我们称这一层为指令层机制是按需加载。 第三层是资源层,这是最核心的一层,它包含 reference 和 script 两方面的内容。我们刚才例子里面的公司财务手册和保存文件到本地的 python 脚本就属于这一层。只有当模型发现用户问题与财务或者保存相关的时候,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,又做了一层资源加载。需要强调的是, reference 和 script 的 加载方式其实不太一样, reference 是 被读取的, coser 会把对应文件的内容放到模型的上下文中,在回答时参考 script 是 被执行的。科特根本就不会去看代码的内容,他只关心代码的执行结果。到这里,很多朋友可能发现 a j 的 skill 跟 m c p 有 点像,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, astropy 官方写过一篇相关的文章来解释,核心观点就一句话, m c p connects cloud to data lets teach cloud what to do with that data? 这句话可以说是直接点明了 m c p 与 agent scale 的 区别。 m c p 用来连接数据 scale 教你怎么使用数据 scale 的 底层逻辑是用文档和规则定义 agent 的 工作流程,当你编写一个 scale 时,你本质上是在回答四个终极问题, 一、判定边界什么时候 ai 该触发这项超能力?第二,思考路径,他应该按什么步骤去拆解任务?第三,交付标准,最终的输出应该长什么样?第四,安全红线。哪些行为是绝对禁止的? skill 的 适用场景呢?一个是脑力流程重复的任务,比如创意写作、深度研究或者知识整理。第二个是极简开发的工作,比如你想快速赋用某个能力,完全不想维护任何服务器和 api。 一 句话总结, skill 是 在让 ai 从随性发挥的聊天机器人变成循规蹈矩的业务专家。 mcp 的 本质就是给 agent 插上现实世界的手和脚,它存在的意义不是为了教 ai 怎么说话,而是为了解决那些 skill 触碰不到的硬核操作, 比如直接读取公司内部的数据库,调用企业级的内部 api 系统,真实环境的生产工具集成,就像丝滑连接、 slack、 github 等企业工具链。 为什么这些是 skill 做不到的呢?因为它涉及到了权限验证、服务端运行以及可靠的稳定接口。 skr 活在文件系统里面,而 mcp 活在网络协议和服务器里。 mcp 适用场景是非常硬核的企业级 agent, 还有需要处理真实业务数据以及多系统写作时,当你需要极低的上下文消耗和可靠性的连接方案的时候, 讲清楚这些呢?今天的视频就到这里结束了,我是阿阳,帮你节省时间是最大的美德。如果我的视频对你有帮助,欢迎点赞订阅,我们下次再见!

二零二六年最值得学习的技能呢,就是 cloud skill, 现在 osopik、 谷歌 openai 已经全部支持 skill 了,分享七个。最近一个月呢,在开元社区热度上涨最高的 skill 项目。第一个是 obsidian ceo, 他 自己写的一个 skill, 非常牛的用法是 直接绘制格式化的 canvas 画布。比如说,我让他创建一个 canvas 来解读刻意练习这本书,它会自动识别出需要调用 jason canvas 这个 skill。 大 概呢,花了两分钟啊,运行完成,生成一张 canvas 图,它直接把刻意练习书里面的内容和相互之间的关联化 出来,整本书的逻辑呢,一目了然。以前看书呢,容易迷失在细节和特定章节里面,现在用这种彩色的画布,让你瞬间纵览全书。再比如呢,让它创建一个读书的阅读管理系统,跟踪目前我读书的进度啊,它会自动识别并调用 obsidian faces 这个 skill, 然后生成一套读书管理系统, 显示了每本书的基本信息以及阅读的情况,并创建了子文件夹,对每本书进行总结。你还可以自行进行扩展,添加更多书籍笔记到书籍文件夹里面。地址呢,在这里。 第二个是 ospec 官方 skill, 里面有非常多的 skill, 比如说对 word, pdf 进行处理的 skill, 可以 从 pdf word 里面提取文本。再比如呢,前端设计的 skill, 最重要的是这个 skill creator, 它可以指导你创建自己的 skill。 地址呢,在这里啊。第三个是 gitup 上二点二万 star 的, 它可以指导你创建自己的 skill。 地址呢,在这里啊!第三个是 gitup 上二点二万 star 的 star, 它可以指导你创建自己的 这套 skill。 什么用呢?第一个,他懂得三思而后行,普通的 ai 拿到需求呢,一般直接开干,但是装了 superpowers skill 之后,他会先按住暂停键,会启动头脑风暴这个模式。 反过来问你这个功能的具体场景是什么,有没有边缘情况啊?他会先和你把需求聊透,把模糊的想法呢变成清晰的文档。第二呢,他是一个不折不扣的计划通,需求确定之后呢,他不会乱写,而是会生成一份详细的 实施计划。他会把大任务呢拆解成一个个两到五分钟就能完成的小任务,就像一个靠谱的架构师,把蓝图呢都给你画好了,你点头呢,他才开工。第三,他强制执行测试驱动开发,这是很多高级的程序员才有的习惯啊。他会先写测试用力,如果测试失败再去写代码让测试通。 最后呢,还要重构,这意味着它写出来的代码呢,其实会更加的健壮。这个 skill 库呢,还有很多功能,地址呢,在这里啊,大家可以去进一步的探索。第四个是模仿 manners 的 skills planning with fields。 这个 skills 借鉴的 manners 的 设计理念,将上下文窗口类比为内存,一时 有限。将文件系统类比为磁盘,持久而且无限。而核心的原则是重要信息均写入磁盘,而不是待在内存里面。 针对每一个复杂的任务呢,需要创建三个关键的 markdown 文件。第一个 task pen md, 用于跟踪任务阶段和进度。第二个 finding md, 储存研究内容与发现结果。第三个文件 progress md, 记录绘画日记和测试的结果。这个 skill 非常适合 多步骤的任务,三步及其以上研究类任务,以及需要多次调用工具的任务。地址呢,在这个地方,第五个是自动上传内容到 notebook l m 的 skill。 这个 skill 呢,也可以让你通过 cloud code 快 速获取带有来源引用的打 答案。对于每一个从 cloud 发出的问题呢,会先通过 notebook lm 进行一次答案的综合,然后再用 cloud 进行回答。这个技能借助 notebook lm 的 预处理能力,让 cloud 仅需要发送查询指令,接收精准答案,大幅地降低了 token 的 消耗。地址呢,在这个地方,第六个啊,是 skill prompt 检测 rater。 这个呢,是用来生成图片提示词的,内置了十二个专业领域的 skills, 比如说人像提示词专家,艺术风格专家、平面设计专家等等。它会根据用户的输入呢,自动匹配 对应的专家来帮助生成图片提示词,从而实现精细化生成的效果。比如说我让他生成生成电影级的亚洲女性张艺谋电影风格。使用豆包得到的图片呢,是这样的,而这个呢,是没有使用这个 skill 的 生成结果。我们可以发现呢,如果没有使用这个 skill, 生成的结果呢,更加的发散和随意。第七个是用来做内容营销的 skill, 可以根据多个关键词来生成文章,适用于 s e o 的 场景。地址呢,在这个地方, skill 呢,将 agent 和工作流的门槛呢,又降低了一个级别。二零二六年注定是各行各业 skill 的 爆发年。 现在看完这个视频呢,你就可以立刻去用起来,有什么不懂的可以评论区告诉我,想系统化学习呢,也可以加入我们的社区,下一期呢继续。

很多人听到 skill, 会以为这是某种高级能力或者 agent 专属魔法,但我们先把它拉回实际。 skill 本质上就是你早就会的那件事,把一件重复发生、部署、稳定、结果、可预期的工作整理成一套可以附用的做法。 你以前可能把它叫做模板、脚本、流程、 sop、 小 工具。现在我们把这些统一叫 skill, 只是为了让 agent 也能用同样的方式来工作。 关键不是名字变了,而是你开始用可附用的模块来思考工作。如果要把 skill 编成一个摸得着的东西,我最喜欢的比喻是一个文件夹。 这个文件夹里通常会放三类东西,第一,说明书告诉你这件事要达成什么目标,输入是什么,输出长什么样。第二,材料包,比如模板、视例、参考文案、品牌规范。第三,执行方法、步骤清单、检查点,或者一段脚本和提示词。 所以 skill 不是 一句我会做,而是一套别人拿走也能做的交付物。它让能力从人的脑子里搬到一个可传递的、可附用的载体里。 skill 最关键的武器其实就是四个字,按需加载。我们做工作时也一样,你不会把所有知识同时摊在桌上,你会在某个 task 出现时拿出对应的模板、规范和工具。 skill 就是 在帮 agent 做同样的事, task 来了,再把这一小包专用知识加专用流程加载进来。这样做有两个直接好处,第一, task 边界更清晰,输出更稳定。第二,维护成本更低。你改一个 skill, 就 等于更新了一类 task 的 做法,而不是指望模型自己悟。 所以 skill 不是 让模型变聪明,而是让工作变可控。我们用一个很生活化的例子,给一家轻食店做品牌物料。如果这件事每次都从零开始,就会遇到同样的问题,文案风格不统一,视觉元素乱跑,输出物料缺东缺西, 那我们就把它做成 skill。 这个 skill 的 因素很明确,店铺定位、目标人群、主打产品价格区间以及品牌调性 keywords。 它的材料包也很明确, logo 使用规范,配色与字体,几条固定的文案与期限里,常用物料模板,比如海报、菜单、设备封面等等。 流程更像一条 assembly line, 先定一句核心主张,再扩展三条卖点,再落到不同物料的版式与文案,最后用检查清单保证一致性。结果就是,不管谁来做,产出的品牌物料都向同一家店说出来的。很多人卡在这里。我知道 skill 很好,但我没时间写 sop 整理模板,这里有个省力的方法,也手写。让 ai 帮你做 skill。 你只要提供三样东西,第一,你过去做过的几个真实案例。第二,你评判做的好的省下,比如风格和规点,常见错误。第三,你希望最终产出的格式,比如一份流程清单,一套模板,一段可附用的提示词。 ai 擅长把散的经验整理成结构化的模块,它可以帮你抽共同步骤,补缺漏,把隐性规则写清楚。你要做的不是从零写,而是审核和微调,把它校准到符合你的工作习惯与质量线。那问题来了,我到底该从哪里做 skill? 答案通常不是最酷的,而是最平凡的。你可以用一个简单的判断,这件事情上是不是经常做,是不是每次都差不多,是不是出错,代价很大,或者质量波动会让你反复返工。如果是,那它就非常适合 skill 化。 因为 skill 的 价值本质是把一次次重复的脑力劳动变成一次性的整理,然后反复服用。高频工作最容易立刻看到收益,时间省下来,质量也更稳定,你还更容易把经验交接给团队。最后,我们把 skill 压缩成一句话, skill 不是 能力本身,而是把能力模块化、可附用、可按需来加载的方式。 他把你脑子里的经验变成一个可以被调用的工作包,把不稳定的临场发挥变成可控的流程。与时单纯把每次重新想变成每次直接用。当你用这种方式组织工作,你会发现你不是在追逐更聪明的工具,而是在打造一套更稳定的生产。