哈喽,我是 ai 普通话,用通俗易懂的语言讲解 ai 解决方案,既讲优点也讲缺点。今天来看一个为企业构建私有化 miniso 技术方案,它融合了 xrpcs 的 间接式夹杂哲学,有 open skill 的 通用加载机制,能让用户只需要自然语言的方式,就可以自动执行复杂企业事务。该方案运用标准化企业及技术组建,搭建大脑大模型 和手脚业务系统的连接桥梁。技术架构如下,一、技能存储层 skill 以标准文件夹结构存于 miniso 或企业 g nfs, 每个文件夹含核心表示文件 skill m t, 执行代码 space 和参考资料 references, 如同分类整理知识的图书馆。二、原数据与解锁层,用 postgraduate 维护技能状态和访问控制,通过 open 四二式对技能描述,所以可在大规模技能库高效匹配,意图类似图书馆解锁系统。三、协议加载层,采用 model context protocol m c p a 或 open source 标志,经统一接口动态加载技能四、万能钥匙可随时打开不同技能大门。四、 沙箱执行层,在轻量级虚拟机或刀口沙箱运行技能代码,实现代码执行环境和宿主系统的物理隔离。这就像是把不同的实验放在不同的隔离仓里进行,保证互不干扰。 再看看关键流程设计,注册流程是业务接口驱动的自动化入库,既能产生和业务迭代同步,不用人工手动维护,自动原数据解析。 新接口上线时,系统自动生成 skill m d 的 y m l 前置信息,定义技能的身份 和触发条件。操作手册封装,根据业务 sop 自动填充指令和势力,形成结构化的指令层。执行逻辑映射系统自动把 ipi 调用封装成代理脚板,执行流程是从用户输入到最终结果生成的完整链路。 遵循三级加载逻辑,用户发出业务指令 a 诊通过语音匹配发现意图动态,挂在详细操作指令, 调用脚本进行离线执行,最后给用户反馈结果。最后说说方案的业务价值,它有极致的成本效能, 按需加载,即使让 agent 平时只加载轻量化的技能锁页,不会让上下文一出或 token 成本飙升,就像你按需购买商品,不会造成浪费。能把企业特有的 s、 o、 p 和业务逻辑封装成可沉淀、可共享的数字化资产,保证企业领域知识不随人人变动,流失结果可能性大幅提升。 核心业务逻辑由脚本运行模型,只负责意图识别和参数填充,有效规避 ai 幻觉。业务逻辑还能灵活叠代业务专家更新 skill md 里的指令文档,就能调整 ai 作业规范,不用重新开发底层系统,非常方便家人们。对于这样一个能提升企业效率、高度自动化的技术方案,你们觉得在实际应用中可能会遇到哪些挑战呢?欢迎在评论区交流。
粉丝850获赞2393

最近爆火的构建 skills 完整流程呢,我花了一个星期时间终于整理出来了,包含了从零到一构建 skills 的 详细 sop 流程,内容呢从初级到高级,全部都包括,初级的,比如说使用扣子,直接在线使用, 不用下载软件,不用配置环境,通过自然语言就能可以搭建出我们第一个 skills 的 技能。具体的使用技巧呢,都在这个文档里了, 高级的用法也有,比如说 cloud code, 这个呢,可以使用国际顶尖的大模型,但是对你的网络环境呢有些限制。当然还有一种折中的方法就是国内的锐编辑器, 这个呢也需要你去下载软件,相比于扣子呢,它的数据是保存在本地,安全性更高一点。那么具体如何使用呢?都在这个文档里了。还有更重要的就是第六个部分,这个呢大家可以一定要去看一下,它讲的是如何进行 ai 落地,如何将 ai 与行业相结合, 真正的把 ai 转化成生产力,毕竟我们使用 ai 是 要进行转化的,对吧?需要的说一下,直接拿去。

今天给大家分享三个我常用的 skill 网站,再推荐一个找到 skills 的 skill 和一个产品经理必备的 skill, 帮助大家找到好用的技能。第一个网站就是 skills mp, 这个网站目前收入了三十五万个技能,含盖的类型有 工具类的、开发类的、商业类的,数据与 ai 的。 基本上你想要的 scale 在 这里都能找到,它的使用方法也很简单,比如我找到了一个数据分析的 scales, 它可以在 melons 中直接运行,你也可以直接复制,然后在你的任何 id 工具里面去运行或者下载下来进行安装。 我刚刚在 melons 里面添加了数据分析的这个 scale, melons 给它安装好了之后,还做了三个详细的案例,包括电商销售数据的搜索分析,用户行为数据的分析和格式化。 这个网站的好处一个是它 scale 的 内容比较多,第二个它和 melons 直接打通了,你在这边可以直接运行啊。第二个网站,这个网站里面目前只收入了四百个 cloud scales, 我 称之为是精选路线的 scale, 而且它不仅包含这些基础的 scale, 它还有一个博克,包含最新的资讯 和 scale 的 教程和见解。在这里面你可以学到如何用 scales 进行开发和构建一个好的 scale, 而且这里面的 scale 也都是质量比较高的,经过验证的 scale 你 可以放心去使用。使用方法也很简单,你可以点开查看详情,在这里直接复制,在你的 id 里面去直接运行,或者是 下载下来进行安装再使用。第三个是 scales s h, 这不仅是一个 scale 市场,而且是一个 scales 的 排行榜,它的排行榜是二十四小时的实时更新的,每天都会根据下载量去排列它的 scales。 然后我在这个网站也找到了两个我经常用的 scales, 一个是找到 scale 的 scale, 比如我们想实现一些技能,但不知道如何找到这样的 skill 的 时候,我们就需要一个 find skill 的 skill, 它目前为止也是这个排行榜里面一名列第一名的 skill。 我 们点击这个 find skill, 然后复制好了之后把它呃放到我们的 ide 工具里面安装,安装好了之后我就直接问他, 我想了解如何做好 seo, 帮我推荐一个 skill, 并且罗列出它的安装量,作者和这些 skill 的 特点和命令, 会根据这些内容再去进行筛选。第二个我经常用到的 skill 就是 product build 的 skill, 你 可以理解成它是一个帮你不断的挖掘需求,然后再进行追问的适合 ai 产品经理构思产品的一个 skill。 总之,这个网站能够让你快速的掌握当下最流行的 skill 的 技能。好了,今天分享就到这里,如果你想要了解更多的 ai 实战技能,欢迎关注我。

用可乐的扣子写项目有个痛点,复杂的点任务。一个绘画里面聊了三五十轮之后,他就开始抽风,原始目标会被遗忘。还有你半个小时前定的规则,他要么是忘了,要么是弄混了, 你还得再提醒一下他才能想起来。如果你有这个痛点,强烈建议安装普兰蒂威 feel, 这个是 q, 这个是 q, 完美复刻的麦纳斯的上下文管理方法,装上之后会在你的项目里面自动创建三个 markdown 文件, 这三个文件并不是让 ai 变得更聪明,而是让 ai 学会积累经验。第一个用来存储计划任务,相当于任务清单, ai 必须看完这个再干活。当前的进度在哪,最终目标是什么? 第二个用来存储调研结果与关键发现,相当于 ai 的 笔记本,比如发现了某个库的 bug, 或者是某个 api 接口变了,都会记录到这里。假设再遇到类似的问题, ai 会直接从这个文档调取记录,避免再次犯错。第三个用来存储操作过程的详细日子,相当于流水账,记录所有尝试的结果。 刚才跑测试挂了。挂在哪一行代码?上一次尝试修改了哪个函数,这主要是为了防止 ai 陷入死循环。有时候 ai 会反复的尝试同一个错误的修复方案。安装方法很简单,执行两条命令就能用了。 这个时刻就是对麦纳斯上下文管理哲学的完整复刻,简单但非常有效。点赞关注,每天获取一个新知识!

今天 manas 被 mate 收购的消息呢,刷屏了啊,然后早上起来之后,我看这个新闻,我想赶紧写一篇,于是我就呼唤出了我的访谈写作 skills, 他 大概花了十几分钟就帮我把这篇爆款文章给写出来了,大家可以看,这是今早九点钟发布,到现在阅读量已经接近一万了, 从标题到开篇都非常的吸睛,然后包括里面有很多的京剧,包括到最后整个文章都很自然的切入到卖皇书自己的社群上面去。 这一整篇文章是怎么写出来呢?其实非常的简单,可以看到皇叔是打开了 cloud code 终端,然后输入了一个 interview, 这就是我说的访谈写作的 skills, 然后呢,我就大概讲了一下一个基础的内容,接着他就来问我说,哎,这个故事非常好啊,所以我想问你一个细节,你听到第一反应是担心这个,然后呢,你说你会怎么想?这个背后隐藏了什么?那追问我了之后呢?那我就想到什么回答什么就行了, 包括如果我发现他跑偏了,我会说,啊,其实这件事情的重点是呢,我想表达说 manus 被收购给我带来了一个很大的冲击,并且鼓励自己,鼓励大家在 ai 时代要抓住机会,他就把焦点又拿回到了核心,继续在这个核心方向上面去问我一些问题,然后巴拉巴拉,你看 问了几轮之后呢?他说,哎呀,其实故事素材已经足够丰满了,他自己就判断说,好,这个时候我们不用再聊了,我接下来来给你讲一下整个故事的弧线是什么, 是从三千万到数十亿的一百倍的跃迁,我的第一反应和自我质疑。 madison 做减法的勇气给了我力量,然后我自己的收敛之路放弃做产品,反而产品长出来了,然后和阿宝姐 啊研究,然后希望和坚定的一起前行,你看他的弧线,马上给你一个轮廓。接着呢,他就开始进入到写作的阶段, 先去读我的风格参考,因为我会给他五篇过去我爆款文章的一个风格,他会先去阅读,参考完之后呢,接着同时去联网去剪辑相关素材, 你看他自己会去剪辑这些事实是什么,然后他就收集完素材之后呢,就开始写作。写作完你看他就直接出来一篇文章,那这篇文章呢, 包含了标题,包含了开头三行金句的密度,引经据典,对吧?震撼的数据。你看这里面他全部都给我讲的非常清楚,所以整篇文章出来之后呢,我几乎是非常快的一个调整就能直接去发布了。 所以我们详细来看一下他整个 skills 运行机制是什么样的。他首先有两个阶段,第一个阶段呢,就是访谈阶段,只要通过输入这个主题呢,他就会激发。然后呢,我给他定位是说他要帮我找到让人想转发这种核心冲突,然后他是一个故事的,是一个情绪的捕手。 然后呢,他就会来追问,追问,比如说转折点,这岸时刻那些戏,对吧?你其实想想,这非常像那种故事性的描述,包括他自己也有一个结束访谈那个条件啊,他会基于这些事情去判断说,哎,是不是 ok 了? 进入到第二阶段就是开始写作,写作呢?哎,他是不会中断,他完全自动化执行,会去读我的风格,参考,对吧?然后呢,参考我的这种语气特征啊,句子节奏,排版习惯等等。然后他会去联网搜索,然后写作 输出符合我要求的一些内容,包括他下面也讲他的核心的设计理念。啊啊,好故事是聊出来的,不是写出来的,你看这一点,我相信这个访谈写作师给我会对大家有很大的帮助,包括他也能够保持我的个人风格,对吧?而不是完全的 a r v。 因为他是参考我过去的文风去写作的, 不是直接让 ai 去生成。所以他最后总结了一下,他说这个 skills 本质上是把专业访谈记者的工作流固化成了一个可附用的 problem 结构,怎么样?你学会了没?如果你想学会更多这样的 skill 技巧,欢迎点赞转发,然后关注黄叔,我们明天见!

一天一个宝藏网站第三十七期,今天分享的是你有没有过这种体验,跟 ai 聊着聊着越改越崩溃,那你真的该给他装个技能包试试了。这个网站收集了全球最火的三万多个 agent 技能包,能让你的 ai 立刻变身。 打开网站,你能直接看到按安装量排行的技能榜单,还有最近二十四小时的热门 skills。 现在大家都在装什么?一眼就知道。 点击任意一个 skills, 信息非常全。怎么安装技能是干嘛的?工作原理、使用指南、来源、具体用法、势例,甚至还有最近一周的安装趋势,以及在不同 ai 工具平台上的安装量对比。比如这个 uiux, 技能包装上之后,你可以直接让 ai 按专业规范设计网页和 app 界面, 它内置五十多种设计风格,九十七种配色方案,九十九条用户体验准则,让 ai 设计出来的页面质感直接拉满。不管你在用 ai 做创作还是做产品,这个网站一定要赶紧收藏!


skills np 目前收入的 cloud 插件已经超过了六万个,为了让你不把时间浪费在无意义的试错上,我从这海量的库里通过实测筛选出了九个能直接改变工作流的高频神器。这套工具组合精准覆盖了知识库联动、自动化开发和容灾备份 这三个最核心的生产场景。先看第一个代号,任务规划师,这个插件直接像素级赋刻了那个位数 ai 的 核心工作流。 我们用 cloud 写代码,最头疼的就是写着写着他忘了前面的设定,这是因为他是基于上下文流的,而这个插件极其反直觉, 他会强制 cloud 停下来,禁止他想哪写哪,他会在你的项目跟目录强行生成 task plan md 这种任务书,把它的思考过程固化到硬盘里,这就相当于给 ai 外挂了一个永久的硬盘记忆。特别是做复杂功能开发的时候,它能让 cloud 像高级工程师一样,先写文档,谋定而后动。 如果说刚才那个是管进度的,那这个叫 superpowers 的 插件就是管脑子的,这是由资深开发者 jesse vincent 的 插件就是管脑子。之后, cloud 就 有了苏格拉底的大脑。 当你下达开发指令,他不会马上干活,而是启动多轮追问模式,他会反复盘问你的需求边界异常情况怎么处理,测试用力怎么写。他逼着你把逻辑理顺了, 生成一份无可挑剔的测试驱动开发方案,然后再动手。你会发现,虽然前面费点嘴皮子,但写出来的代码基本不用改这一部分。最后一个神器是打通 google lm, 读论文理思路极强, 但官方一直没开放完整的 api。 这个插件非常硬核,它直接用 playwrite 这种浏览器自动化技术,像艘走私船一样,强行连通了 cloud 和 google。 你 不仅能指挥它自动上传本地 pdf 和 youtube 链接给 google 读。最强的是,它能逆向把 notebook lm 生成的记忆闪卡、思维导图、深度简报,甚至视频竹子稿全部抓取下来,拉回本地, 直接把 google 的 模型变成了你本地 cloud 的 外挂阅读器,规划好以后就要开始干活了。第三个工具名字有点怪,叫拉尔夫威格姆,源自新普森一家那个傻孩子, 但功能非常暴力。它就是一个专门的死循环代码修复器。通常我们写代码是写完报错,再把报错扔给 ai, 再改 这个工具,把这套动作自动化了,开启它, cloud 就 会进入编辑、运行报错、修正的自动循环, 直到代码跑通为止。不过我得提醒一句,用的时候千万要把循环次数限制在五次或者十次以内,否则遇到修不好的逻辑死结,它能把你的 token 额度瞬间烧光, 代码能跑了,还得好看。第七组,其实是一套前端三剑客的组合拳。第一步,用官方调教的 design 插件,它能生成符合现代审美的 ui 代码,拒绝那种一眼假的 ai 塑料尾。第二步,页面里的图片空着很难看, 用 imagen 插件调用 d、 a、 l、 l、 e 或 gemini 接口,直接生成占位图和图标,解决有代码没图的尴尬。最后,代码写完,别再手动配置服务器了,直接调用 v、 c、 l 官方插件,一条命令推送到预览环境, 马上生成一个链接发给客户演示。这一套下来,行云流水。这一部分的最后,我要给你一颗后悔药。咱们用 ai 写代码,最怕的就是它写嗨了,把本来能跑的项目给改崩了, 连回退都找不到地方。这个容灾备份插件就是你的安全气囊,它会在你让 cloud 大 改代码之前,自动执行 get 暂存或者快照。不管 ai 怎么折腾,一旦搞砸了,你只用一条命令,就能从 get 历史里瞬间复原,这也是我们在生产环境敢放心让 ai 介入的底气。 这就来到了第三个阶段,也是最核心的质变,从用工具的人进化成造工具的人。 这里有两个圆工具壁装,一个是官方出品的技能工厂,你不需要懂复杂的配置格式,直接跟 clogs 说,帮我做一个把 github 秀转周报的插件,它就会自动生成标准化的代码和目录结构。 另一个更绝叫对话固化。当你和 ai 磨合出一套绝妙的工作流,别浪费,直接用这个插件把当前的对话上下文打包,从此你的灵感就变成了可附用的软件,再也不用重复第二遍。最后,要让 cloud 真正懂你的业务,还得喂给他高质量的数据。 微软开源的 markdown, 别被名字骗了,它不仅是转文本,而是目前最强的文档清洗,及时 一托微软深厚的技术积累,它能处理 pdf、 ppt、 excel, 甚至自带 ocr 识别图片里的文字。它能把你电脑里那些乱七八糟的企业文档,统统写成 ai 最容易理解的 markdown 格式。这是你构建本地知识库绝对绕不开的第一步。 刚才提到的所有技能安装过程非常简单,在克劳德代码的交互式命令行里,你直接用人话下指令就行。输入安装技能,后面接上吉特哈布的仓库地址,如果你觉得这九个还不够, 可以直接去技能地图点考姆看看,那是目前最大的插件锁影站,支持一键复制安装命令工具都在这里了,剩下的看你怎么用了。

一天一个 skills, 今天分享的是 remotion skills, 这是一个颠覆传统剪辑逻辑的技能包,能帮你一句话生成视频。原来你要使用剪辑工具操作半天的工作,现在直接交给 ai。 有 了它, ai 能够理解 remotion 的 视频制作流程, 然后自动生成高质量的视频代码,还能通过多轮迭代改进视频,优化动画逻辑。制作视频也很简单。我们安装好技能包,只需输入创作视频指令,稍等几分钟, ai 就 帮我们生成了视频,并打开浏览 渲染页面,整个过程都不用打开剪辑软件调整轨道,完全交给 ai。 这么硬核的视频自动化 skills, 赶紧装上试试吧!