astrbot的skills怎么弄

兄弟们，发现一个非常好用的 skills manager， 这个呢就是专门管理电脑上的所有的技能的，不论是你的小龙虾， oppo 可乐，还是现在的爱马仕，他们的技能呢，现在非常多，你电脑里面越用越多，积累的越多，到时候呢，你不知道如何管理呢？现在呢这个小工具呢，非常方便， 所有的技能全部在这个框里面一键管理，非常非常哇塞，你看还包括这些编程类的，这 ai， 不 管是 cloud code 还是 code desk 还是 tree， 还有这种龙虾类的产品，所有的只要你电脑上安装的技能，他都能一键拉取，并且统一管理，非常方便。那这个技能呢，其实非常简单，我已经把它打包到这个文档里面了，你看有 windows 版的，有这个苹果版的，全部都给你下载好了，需要的说一下，免费分享给你。

我装了两百多个 skills， 但发现百分之八十从来没打开过。最近我发现了一个小技巧，原理特别简单，来自于一个叫圆点系统的东西，每次打开一个收纳盒时，就在其正面贴一个彩色圆点贴纸，以此优化收纳位置和决定物品去留。于是我就想到了创建一个 skills， 让每次调用 skills 的 时候就记录一下 skills 的 使用次数和时间，存放在一个 md 文档里面。一个月之后，你再打开这个文档，清清楚楚哪个 skill 你 天天用哪些，完全没动过，一目了然。工具不需要多，需要的是知道自己真正在用哪些。

ai 全 skills 排行榜来了，先看效率工具 top 三第一名， agent brother 浏览器自动化神器第二名，谷歌全家桶管理工具第三名， out of data 自动更新系统再看成本控制神器 free ride 聚合免费资源 token operator， 降低百分之九十 七的成本。认知进化系统 self improving agent 排名第一的自进化系统 delete long time memory 让 ai 越用越聪明，你用过几个。

如果你用了最顶级的模型，依然还是写出了一堆史诗代码，那么你一定需要这些 skills。 这哥们根据他所有的编程经验，把自己蒸馏成了一堆 skills。 有 人就要问这哥们了，你有什么实力？老弟我说，你看看这发型就知道了， 他的 type script 圈算是一个技术大佬。这套 skills 把 ai 编程变成了一套更稳定的工作流，先问清楚需求再拆任务，还能按照实际情况赋现 bug 并帮你修复以及做回归测试。还有按照 tdd 原则， 先测试再写代码，防止 ai 胡乱改写你的项目。总之，有了这些 skills， 你 的 agent 呢？真正变成了顶级程序员。好了，关注我，了解更多爱干货，感谢大家观看！

给你们看看 skills 到底有多恐怖，这个网站上集合了几万个 skills， 我 们在这个二十四小时热榜里就能看到最热最新的 skills， 大家都在用什么？一看就知道，重点是这个后面它还有一个星标和下载量，告诉你哪个到底是最热的。就拿这个最热的 fun skills 举例，它现在已经有十一点七 k 的 收藏了， 点进来之后我们就能看到它的技能简介和每周的一个安装量。可以看到啊，它是一个专门寻找 skills 的 skill， 并且它在下面都写了详细的使用教程，告诉你如何去使用。有了这个 skills 啊，我们再也不用在几万个 skills 来找寻那个适合自己的 skills 了，还不知道是什么和不知道怎么用的小伙伴点赞收藏，主页踢我！

你发愁吗？一款逆天的 ai 工具剪映 skills 来了！它能让 ai 全自动接管剪映，替你完成视频剪辑工作，而且还是开源免费的哦！ 这款工具功能异常强大，含盖素材导入、 ai 配音、字幕生成、自动配乐、特效转场滤镜、网页动效转、视频录屏加智能变焦、影视解说、自动导出关键帧动画等诸多实用功能，每一项都能让你的视频创作效率翻倍。 安装过程也很简便，提供 windows 一 键脚本安装等多种平台 资源，下载版本配置、拍送、依赖安装以及剪映安装、位置确认等环境配置步骤。教程里都讲解的清晰明了。这是一位技术大神分享的开源项目，从安装到使用的全流程都已整理妥当。 如果你也想体验 ai 自动剪辑的高效，就赶紧行动起来吧！ nice！

宝子们大翻车啊，人家三分钟搞定的事，我花了两三个小时谁懂啊！刷抖音刷到个神仙教程，说 tree 配瑞 motion 技能包，三分钟就能用 ai 生成完整动画言，从 get up 下技能包到切换 solo 模式，用 c 带二点零模型，全程丝滑到像开了挂自动带浏览器预览的样子也太酷了！我当场就激情开干，跟着教程一步步点复制粘贴代码都超认真，感觉下一秒就要变身动画小达人！ 结果呢， ch 是 生成代码了，转头就告诉我需要 n e a 李叔命令，好家伙，爆错爆的红衣片比我涂的口红还刺眼， 气的我直接删项目重开，主打一个暴躁小公主式编程。不死心的我掏出花钱买的 curser， 同样配置如 motion 技能书一样的指令，人家不愧是付费选手呀，刷刷刷就生成好了，还自动打开浴篮！虽然效果就普普通通，但这速度直接让我堵了两小时的乳腺瞬间通畅，呼吸都变甜了！就在我以为却要彻底翻车的时候，它慢悠悠弹出浴篮，哇塞， 效果居然比科 sir 还好看一丢丢！可问题是，人家教程三分钟搞定的事，我硬生生折腾了二个多小时，从暴躁山项目到付费软件救急，再到免费工具，后来追上，这剧情跌宕起伏的，比我追的甜宠剧还刺激！果然女生学编程没有一看就会，只有一上手就废呀！剩下的细节明天再慢慢研究吧！今天先为这来之不易的小动画奖励自己一杯蜜雪冰城！

在之前视频中我已经介绍了什么是 scales， 并且通过命令行界面演示了它的基本使用方法。很多朋友反馈说，虽然 c l i 命令行模式很强大，但有没有更直观、更容易上手的方式？本期我将带大家使用 open code 桌面板，用格式化的方式来创建和使用 scales。 这种方式不仅界面友好，操作也更加清晰，特别适合刚入门或者是喜欢图形化操作的朋友。我们先来看一下我们本期的主要内容。第一部分就是桌面端的安装与出体验，我会带大家一步一步地去安装并使用，熟悉界面。 第二步就是深入理解 scales。 在 这里以天气查询为例，我将通过一个实际的例子天气查询 scales， 带大家直观地感受 scales 的 作用。 三部分就是动手创建属于你的第一个 scales。 在 这里我们以写作助手为例，带大家一起体验中文提示词，创建自己的专属 scales。 第四部分就是目录的结构与命名规范讲解， 会分享一些其他工具的命名规则。好，现在我们先来看。第一部分就是安装与出体验，在这里仅需三步就可以搞定。下面我们来到官网，然后选择这里， 这时候我们就看到了它有终端，有桌面板，还有这个拓展，在这里我们选择桌面板，这里选择自己的系统去下载就可以。这里我们以 windows 为例，我们直接选择，我们保存到本地之后，就会有一个这样的安装包，然后我们双击打开，然后我们直接选择下一步。 这里大家可以设置一下安装路径，我这里就默认安装到了 c 盘，然后直接选择下一步，然后我们再选择下一步， 这时候就安装好了，然后我们直接选择完成，这时候就会自己打开初步化界面，然后我们在桌面上新建一个文件夹，直接命名为 file 好 了，然后我们再回到 open code， 然后我们选择打开项目，我们选择桌面上的 file 文件夹，然后选择文件夹。 现在我们来认识一下这个界面，它的界面也是非常简洁的，左侧就是我们的绘画记录，就是我们每次绘画在这里都会显示绘画列表，然后中间这一栏就是我们 ai 对 话的区域， 然后指定框下面这里我们可以去选择模型，它有一些免费的模型去供我们去选择。然后第三列，这里就是如果我们创建 g i t 仓库之后，就可以实时的看到文件的一些修改变动。 然后第四部分，这里就是显示我们的文件列表，就是我们打开项目之后，我们项目里面有哪些文件，都是在最右侧这里显示，这就是它的界面功能的一个导览。 然后我们再看下一章节，就是深入理解 skills， 在 这里我演示一下天气查询的 skills， 在 没有配置 skills 之前，我们先来尝试一下，比如我们问他北京天气，然后我们直接发送 好，这时候回答我们了，可以看一下它的获取方式，是通过网络搜索添加一个 scales， 我 们再来看它的变化。现在我们来到刚刚创建的这个文件夹里面，我们来创建放置 scales 的 目录，我们第一层就是要输入点 open code， 然后 open code 里面再新建一个文件夹，这时候我们命名为 scales， 然后这个 scales 里面我们要放置查询天气的技能，可以看一下，我已经粘贴了过来， 然后我们再回到 opencode， 这时候我们再回到 opencode， 把刚刚第一次的对话删除掉了，担心它有缓存，在这里我们再问它北京 天气，然后我们直接发送，可以看一下它这里已经调用了我们刚刚放入的 scales， 就是 查询天气的 好了，这时候它就查询出来了，可以看一下。一开始我们第一次查询，它显示的是通过网络搜索，这时候我们放入 skills 之后，它直接就会调用我们这个 skills 技能，然后帮我们去查询天气，这次就不是通过网络搜索了，而是通过 skills 查询。 好，下面我们进入第三小节，下面我将实操分享，就是创建一个邮件写作的 skills， 在 这里有一个重要的前提，就是我们需要先将创建 skills 的 技能放到我们的 skills 目录里面， 放入之后它就可以像查询天气一样去调用创建的技能，自动去创建。下面我们直接进入实操环节，我们一起来看一下， 在这里我们还是打开这个 file 文件，然后点 open code， 然后 skills 里面，然后我们把创建 skills 的 技能粘贴过来，像这些技能大家都可以去搜索去找到。我们放到这个 skills 目录之后，然后我们再回到 open code。 在创建之前，为了让大家更清楚的了解，我们先来看一个案例，我们以这个为例，就是我们在平时让 ai 帮我们创作的时候，就是每次创作我们都要给他特别长的提示词，而且每次都要把要求重新告诉他， 然后我们这次就是要把我们经常用的这个题日词给它创建一个 scales， 后面我们就可以重复使用，不用再去输入特别长的题日词。下面我们直接把这段内容复制一下，就是这段题日词， 然后我们回到 open code 这里，然后我们选择粘贴，再给它提示词，帮我把以上提示词做一个 scales， 每次当我给你产品名称和 写邮件内容的时候，你就调用这个 skills， 然后我们就直接发送 好，这时候就帮我们创建完成了，就是我们使用的时候仅需提供给它产品名称，目标用户群体，还有产品核心卖点，还有公司名称，在这里我们新建一个绘画窗口，然后我们把它需要的内容提供给它，我们直接粘贴过来， 在这里我们给他产品名称，目标用户群体，产品核心卖点，还有公司名称，然后我们告诉他帮我写营销邮件，然后直接发送 好了，这时候就帮我们生成了。之前我们要实现同样的内容创作，我们需要输入一大长串的提示词，在这里我们仅提供我们主要的内容，然后告诉他帮我写营销邮件，他就可以帮我们去生成， 然后写完之后带上公司名称，它是严格遵守我们的提示词要求的，这时候就是这个 scale 的 一个作用，它是可以附用的，还有可以告别重复输入一长串的提示词， 在这里还有一个注意事项，就是大家创建好了这个 scales， 一定要重启一下这个 open code， 它才能去识别我们已经创建好的技能，到这里就是利用 open code 的 使用和创建 skills 的 全流程， 下面我们再来看一下第四部分，就是项目结构与命名规范，只有正确的创建目录层级才能识别到我们的 skills， 在 这里我们可以看一下第一个 open code， 第一级目录就是点 open code 命名，然后第二级目录就是 scales， 然后第三级目录就是 scales， 里面放的就是 scales 名称，比如 ai news， 然后这个文件夹里面放的就是 scale， 点 md 就是 scale 的 内容。如果大家用的是 ai 编程工具这个 tree， 第一级目录就是点 tree， 像这个其他的二级、三级还有一些目录层级都是一样的， 那么我们如果使用的是 colode code， 那 么第一集目录命名就是点 colode code， 像这些目录命名只有第一集它是有区别的，其他的都完全一样，这是关于这个目录的命名规范。 好了，这就是我们本期的所有内容，现在大家就可以去动手把自己经常使用的一长串的题日词封装成自己的可附用的技能，可附用的数字资产，下期我还会分享更简便的使用 skills 的 方法。好了，本期内容分享就到这里，我们下期再见。

很多人现在已经下载了一些 skills， 甚至自己也创建过一些 skills， 但是可能用起来会发现，说好像它也不是很好用啊。就同一个任务，今天能跑，明天换一个材料，就有可能跑偏。今天你提醒他一次，他能做对，下一次又要重新去解释。 我觉得这不是说你不会用 skills， 而是你还没有把自己的需求或者那部分重复的工作变成一个真正属于你自己的高质量 skill。 哈喽，大家好，我是 fred， 今天这一期就手把手的教大家哎，怎么做出一个你自己的一个高质量 skills。 我们先给新朋友去补充一句啊，就是到底 skill 是 什么呢？你可以把它理解成一个写给 ai 的 一个操作手册。就不是说你每次都临时说一句，帮我写周报，帮我剪视频，而是您提前告诉他什么时候该用这套方法， 先看什么材料，中间按什么步骤去做，然后最后交付什么样的结果。所以说 skill 呢，不是让 ai 突然变聪明，它更像是让 ai 少猜少，让你每一次都从头去解释。 我觉得 skill 对 于普通人最大的价值就是它把重复解释变成了固定的规则。比如说你一件事情已经讲过三次呢，可能先读哪个文件，输出一什么格式，结果放在哪里，最后再检查什么，那它就很适合作为一个 skills。 然后更重要的是它能够沉淀经验，你这次发现 ai 漏了一个检查项，就能够让 ai 补充写进去，下一次发现输出的格式不稳定，那就补一条规则，这样你的经验就会流到 skill 里，而不是每次都重复去说 啊，那什么叫一个高质量 skill 呢？我觉得不用讲太虚啊，就看一句话，它到底稳不稳，也就是不是看它写的有多长，也不是看里面有多少高级的词汇或者什么用法，而是同一件事情，今天你让他做，他能够交出来， 明天再做，它还能够按照同一套步骤去做。通俗一点来讲就是高高质量的 skills， 要弄清楚四件事情，就是每一步怎么做，每一步用什么工具做完怎么去检查，然后如果不对，回到哪一步去修 啊，写清楚这些，那它就不是一个临时的 prompt， 而是一套可以反复跑的一个工作流。那怎么样才能够呃做自己的高质量 skill 呢？哎，我觉得第一条路就是拿自己的真实任务去跑， 就我们不用考虑说一开始就写个很完美的版本啊，就第一单，比如说写出来，哪怕出一点，看它能不能完成。 第二本呢，就换一个类似的任务去继续跑。这时问题通常就会出来，比如说格式，可能格式乱了，或弄了一些文件，或弄了一些数据，或检查不够啊，或者结果放错了一些地地方。 第三部分呢，就把这些问题写回 scuse， 然后也就是说不是靠你下次继续口头提醒他，而是把这种提醒变成规则。 而个人工作流的高质量 skill 通常不是一次写出来的，而是持续的不断的去迭代，跑出来，改出来。比如说我的一些 skill， 可能改过了超过五百次啊，就每一次有问题我就更新，然后它下一次可能就不会再犯了。 第二条路啊，我觉得就适合一些通用的需求，比如说一些视频的转写啊，字幕啊，网页检查， ppt 生成啊，周报整理啊，这些事情已经很多很多人做过。你可以先看别人已经写好的 skill， 看的时候呢，也不用被那种很长的文字要吓到，也不用一上来去照搬。你可以看三件事情，就是他到底适合什么任务，他把这些任务拆成了哪几部，以及做完了之后怎么去检查，然后怎么去返工。 比如说 fred 自己的一个剪辑的 skill 啊，就参考的很很火的这个 video card， 这个 skill， 然后去参考它的一些转写啊，纠错啊，一些审核的流程啊， 然后那么大家可能会问你，第一版的 skill 怎么去生成呢？这里我就给大家推荐一个我觉得所有人都需要安装的一个 skill， 就 叫 skill creator， 你可以把它理解成一个专门帮你去写 skill 出版的一个 skill， 你 也不用一开始就懂 skill 点 m d 是 怎么写的，你只需要先用人话去所清楚。哎，我要做什么？比如说，我要写个周报啊，我要做什么？ skill 输入是什么？输出是什么？哪些地方不能乱来啊？你的要求是什么？ 你可以把这些，呃，比如说，你想跟他说一个，我要生成一个周报给 us， 对 吧？然后输出一个，输入是一个文，呃，工作记录，然后输出是个表，表单啊，周报，然后要求不能编造， 然后它就 skill creator 会继续追问你的保保存的地址啊，边界和规则，然后帮你生成第一版的 skill 点 m d， 但注意啊，它负责起草，也并不负责一次就完美，真正的高质量还是要拿真实的任务去跑，跑出问题再把规则写进去 啊。比如说我拿我自己的 free talk 这个剪辑的 skill 呢举例子啊就，呃，比如说它会分几步啊？就先会看素材，然后对齐声音，转写字幕，看画面，最后交付 q c。 如果不通过再回到上一版本去秀，哎，我可以给大家演示一下我的 skills 有 哪些东西啊， 比如说我这里让他打开我的 friend video editing 啊，大家可以看到其实是非常非常长的，但是简单来说，它就只服务于我的 friend talk 的 竖版的视频的流程 啊，去参考的我之前第十一期我觉得最满意的那一版成片，然后去完成我的竖版的成片字幕啊，音频， bgm 啊， qc 和发布素材。他的工作流是什么呢？就是比如说他要需要读取我的项目的 a， gm， d 啊，然后帮我把我的这一个文件夹的目录变成啊，输入材料，最终输出和制作过程，对吧？新次建建立的时候需要怎么怎么样？ 然后如果在我的音频的转成字幕之前啊，需要怎么样？然后如果我有 test cam， 就是 我自己的录音笔啊，或者其他的外录的音频，它需要怎么样？然因为我每次录需要先拍拍个手啊，然后把这个前要删掉，然后再去替换掉老的音频，对吧？ 然后基于之前的一些可能会有些交接内容或者字幕源，然后他去做呃输输字幕啊，然后做渲染前的一些 q c 就是 说脚标标题啊，录屏的区域，这种字幕英文是不是都 ok 的？ 如果是 ok 的， 然后开始去做渲染， 然后最终从 m p 四里面去抽针，去检查，做 q c 的 报告，然后最终输出。呃，时间进度条啊，方便我放到抖音里面的那个编辑里面，然后给到大家去看时间进度条，最后再输出啊，给到我的这个文件里面， 然后同时呢我也会调用一些 sub agents 并行来提高一些效率，然后面就些一些目录啊， 比如说一些外录音频的同步的一些具体的 skills， 所以 大家可以看到前面这个属于一个工作流 sop 啊，就那次我要安装一个自行车，我需要一二三四五六七八步，然后面就属于每一步一个详细的一些工作，这个就是我的一个迭代呢，可能至少有个 一一百多次的一个 skill 是 吧？就因为之前也很多呃，视频剪辑的，我觉得质量不是很好。那刚刚这个就属于我的第一步啊，基于我自己的需求去迭代，但实际上这个过程中呢？ 呃，这说实话是一个通用的需求，所以说我也去搜索了一下，有没有一些高高清的这种开源的啊？剪辑的 skill 当然也有 啊，比如说我就找到这个 video call 这个，然后我们就可以呃，大家要去评估说这种高清的 skill 对 我有什么参考，那很简单，就是比如说帮我看一下这个，呃， skill 对 我当前的 skill 还有没有什么可以参考和优化的，你可以看到它就明显还是能够给到你一些建议啊，比如说你的优先级 啊，要不要人工审核，然后比如缩影或者这种净化的这种写法，然后以及它建议不要照搬之类的啊， 所以说这就是，呃，可以看到就是我自己做出了一个 skills， 然后参考别人的 skills， 然后去帮我去迭代 skills， 这样其实速度是最快的 啊。然后最后总结一下就是，如果是自己的私人的工作流啊，就先拿一些真真实的任务去跑 啊。第一版出来之后，第二版找问题，第三版再把这种问题写进 skill。 如果他自己通用的一些 skill， 那 就看别人跑过 skill， 重点去学人家是怎么拆步骤，怎么检查和怎么返工的。 一句话就是，好的 skills 呢，不是让 ai 变得更聪明，而是让 ai 少靠猜啊。 ok， 我是 fred。 呃，后面我会跟大家直率去猜如何把我们的 ai 用到我们真实的工作流。我们下期再见。

面试官问你，在大模型的 agent 架构当中，海量的 skills， 也就是技能，到底是怎么样去加载的？哎，各位同学，大家先别着急的去翻那些代码库，我们先思考一个最基本的问题，面试官为什么要问这个问题？它其实不是考的是你某个框架的 api， 它考的是你对系统资源 跟模型注意力的极致把控。大家好，我是静者。你想啊，现在的 agent 随随便便呢，我们就要挂在几十个甚至上百个工具， 如果每个工具的说明书都有几千个字，你一股脑塞进 plymouth， 那 你光读这些啊，上下文就要烧掉几万个 tokyo 老板的钱包呢，也是支撑不住模型的，脑子也乱了，那这种全量投喂的做法呢？在工业界就不是 啊，一个不合格的一个做法。好，我们看到下面，那今天我们要讲的就是一个满分架构的方案间接式。譬如我们首先对比一下左右两边， 那左边这个传统方案呢，也就是全量加载，那全量加载呢，他最大的问题就是上下文爆炸，由于信息太多呢，模型会产生一种叫做 rosa 印章 made 的 一个现象，也就是中间的信息他全部忘了， 并且每轮对话都要重复加载，贵的要命。而右边的这个，现在的啊，这个方案就是我们的主角，间接式批录，他的核心的逻辑呢，就八个字，按需加载，极致清亮。 这就像我们去图书馆，你不需要去把整座的图书馆啊背在身上，你只需要背上一本目录，想看哪本呢，再去抽哪本。接下来呢，我们顺着中间的这条彩色连线，看一看这套三层炸孔是怎么样跑起来的。 第一层啊，也就是我们的感知层啊，这一层呢，做的事情叫做原数据挂载，说白了就是只给目录，当大模型刚启动的时候呢，系统只会告诉他你现在有这个 web search， 或者是啊什么什么样的工具。那模型呢，这个时候只需要知道有什么就行了， 大家看到这个设立的代码极其的精简，这样呢模型就能把宝贵的注意力全部放在理解用户的意图上面。接着用户提问查一下今天的这个新闻，模型反馈说，我想用搜索的时候呢，咱们就进入了第二步，也就是理解层， 那在这个时候呢，系统的编排层会瞬间去拦截到啊，这个意图， 把 webster 起的详细的接收代码，具体的参数格式，还有一堆相关的例子，喷的一下注入到三层文中，这就是确认啊意图之后才去给到具体的这个手册，保证模型在调用工具的一瞬间呢，拿到指定是最清晰最专业的，那如果任务特别正， 特别的重，比如代码跑错了，要看几万字的这个报错手册怎么办？那这个时候呢，我们还有第三层执行层， 那执行层做的事情呢，就是运行时上下文，也就是我们真正在运行的时候才会去翻的一些副路，那些重篇幅的背景文案，只有真正需要深度理解的时候呢，才会加载进来，平时呢他就静静待在数据库里面，不占模型一丁点内存。 讲到这里大家可能会傻，这方案听起来逻辑满分，但实际落地的时候真的就会一帆风顺吗？那接下来我们重点来看一下这个面试总结区。 首先我们总结一下咱们的核心知识点啊，间接式，譬如呢，本质上是模仿我们人类的工作记忆，他成功的把这个大模型的推理负债和外部技能的扩展给结偶了，这就意味着你的系统理论上面呢，是可以挂在一万个技能，但模型的提示时呢，依然可以保持的非常的苗条。 但是大家要注意，这套架构在工程落地呢，一定要提出来，这叫降维打击。第一个难点是什么呢？就是他的这个解锁的精度， 解锁进度呢？如果你第一层的目录写的太糊涂，模型选错了工具，那后面全部白搭。第二层呢，就是，哎，能启动延迟， 每你每一步都要动态加载，用户等的着急了怎么办？第三个呢，就是状态管理，如果你把技能全部卸载了，对吧？那模型待会忘了之前干到哪一步了。那针对于我们这个问题，那我们的破解方案是什么 啊？第一个就是引入我们的语义路由，在请求到达大模型之前呢，先用一个轻量级模型做精确分类，保证啊，我们选对人，干对事。第二个呢，用提示词缓存，提示词缓存技术把这些高频出现的技能说明直接锁在缓存里面，实现真正的秒开。 最后呢，我们会搭建一个记忆模块啊，不计权量对话，只计核心的状态在内，这样的话呢，我们让模型长畸形，又不会让这个上下文爆掉。 所以啊，我们在回答这个问题的时候呢，你不能只谈加载，你要从这个认知的复旦开始讲清楚它的三层递进的逻辑，最后呢，用羽翼路由跟这个缓存优化来收尾。

剪映 skills， 你 现在呢说一句话就可以自动的去剪视频了，我们这个文档呢，今天呢给大家做了一个更新，包括这里的安装教程，环境配置如何使用，案例的展示，最主要的呢就是这个如何去使用 好，咱们来看一下，当你安装好这个 skills 之后，如何去用呢？对吧？怎么让它去剪视频呢？主要分为两步，第一步呢就是让 ai 了解这个 skills 的 底层原理，下面呢有一段题词，你直接把这个题词呢给到你的 ai 工具，比如说小龙虾，对吧？都是可以的。 然后呢把这句的这个位置给他改一下，改成你自己的 skills 的 存放位置，学习之后呢再让他去生成具体的剪辑任务的 skills， 然后呢下面这段题词直接给到他，然后呢把这里的基础信息这里修改一下，然后素材的信息改一下，改成你自己的素材文件夹的一个位置啊， 然后呢这里的剪辑逻辑改一下，也就是你想让他如何去剪辑视频，对吧？这一点也是很重要的。另外呢就是样式的设计，比如说你的字幕 对吧？你的标题的这个字体颜色这里啊你需要去修改一下，其他的呢基本上就不用去动了。下面呢具体的剪辑效果呢，给大家列了几个案例啊，比如说有产品的婚检，把所有的素材都放在文件夹里面，让他去按顺序或者说随机去抽取，都是可以的。 然后具体的这个剪辑逻辑这边呢有视频的这个案例，另外呢就是这个片段的提取也是可以的，比如说两个小时的视频，你让他提取里面的特定的内容，这个都是可以实现的。包括这个视频的这个口播视频去口误和停顿， 大家就使用这个这个剪辑的逻辑。然后这边呢有案例这个文档呢，现在去剪辑一些特定这个固定流程的，或者说比较简单的这种视频的形式还是非常好用的。好需要这个文档呢？直接说一下。

瞬间就不担心我的 cloud skills 学习了，谁懂啊！最近吴恩达联合 ant hr、 opic 低调上线的这门新课 agent skills with the ants are opic， 在 全网都被讨论疯了，我必须给大家好好安利一波。课习不长，总共就一个小时，但我消完后发现，这可能是目前系面向关于 ai 智能题技能最清晰的一次官方科普。 如果你对 cloud 最近更新的各种生产力工具感兴趣，或者想知道未来的 ai 到底怎么更高效率的干活，这门课非常值得利用，周末刷一遍。 为什么这门课值得看？第一，官方下场制定标准。这次是 ntropik 官方的教育负责人出镜，它们并不是在泛泛而谈，而是直接把 cloud 内部定义 a j skill 的 那套标准格式 skill md 开源了出来。这意味着你学到的不是屠龙记，而是未来通用的工业标准。 第二，机器不写代码也能看懂。虽然题目带有 agent， 但课程门槛很低，它没有讲复杂的拍放架构，而是侧重于讲逻辑。 ai 怎么理解一个工具？为什么要把复杂的 prompt 拆解成一个个小技能？如何让 ai 只在需要的时候才去加载机器、渐进式批录？ 这些逻辑对于产品经理或者普通用户理解 ai 的 工作流都非常有帮助，无人打扰。习的课一向一把复杂便简单就成。在一个大家都急着把 ai 往复杂里做的时代，官方出来教大家如何用最简单文本来构建强大的 agent， 这件事本身就很值得学习。

一个视频讲明白 ai 领域的 skills 到底是什么？ ai 怎么从只会说话的语言模型变成真正能干活的智能体？答案就两个字， skills。 你 可以把 ai 想象成一个超级大脑，但没有手脚。 skills 就是 给这个大脑装上各种工具，搜索、写代码、挑 api。 有 了工具， ai 才能真正干活。 skills 按功能分三大类，第一类，信息获取、搜索网页、抓取数据。第二类，计算执行、运行代码做数学。第三类，交互控制，调 api 操作系统。每个 skill 的 底层都是一份 json 格式的工具描述器，约 它告诉模型三件事，工具叫什么名字，能干什么，要传什么参数公式就是 to， 等于名字加描述加参数的 json 模型。看懂这份契约，才知道什么时候该调用哪个工具模型使用工具的过程，遵循一个经典模式， react， 循环三步走，先思考，再行动，调用工具，最后观察结果， 然后回到第一步，继续思考，直到任务完成。就像厨师做菜，想菜谱，动手炒，尝味道再调整。面对多个工具，模型怎么决定用哪个？其实模型会给每个工具打一个饮食的概率分数， 最适合当前任务的工具，得分最高，被优先选中。这不是随机的，是模型基于训练数据学到的判断力。你说一句自然语言，模型要把它转化成结构化参数， 比如查北京天气，模型自动提取 ct 等于北京，这个过程叫参数提取，是 skills 能正常工作的关键。 工具运行不是在模型内部，而是在独立的沙箱环境里。沙箱就像一个玻璃展柜， ai 能看里面，但无法随意操控外部系统，这是安全边界的核心设计。 工具调用的底层是一套请求响应协议模型，发出结构化调用请求，包含工具名和参数。外部执行器收到后运行，把结果打包返回给模型， 就像客户下单，餐厅做菜，服务员端菜回来。真正厉害的地方在于工具可以练式调用，先搜索拿到数据，再用代码处理，最后通过 a p i 发送结果。 多个工具串联完成复杂任务，有个隐藏成本。你必须知道，每次工具调用结果都会塞进上下文窗口，上下文窗口是有限的， top 数量有上限。 工具调用越多， token 消耗越快，成本越高，速度越慢。所以工具不是越多越好，要精准使用，工具调用不总是成功的。错误处理同样是 skills 的 一部分，超时就重试参数，错误就修正参数，再试， 权限不足就放弃，并告知用户原因。安全设计的核心是最小权限原则， ai 应该只拥有完成当前任务所必需的最小权限。字集能读数据，但不能随意写。系统删文件，这防止了工具被滥用，保护了用户数据安全。 skills 不 只是文字工具，现代 ai 的 技能已覆盖多种模态，视觉工具分析图片、语音工具处理音频、浏览器工具操控网页，让 ai 真正拥有多感官能力。你可能听过 function、 calling to use actions 这些词， 它们叫法不同，但底层机制完全一致。东市定义、气约、模型、决策、执行、返回这三步， skills 是 对这套机制的通用描述，换个名字原理不变。高级玩法是用 d a g 有 向无环图来编排工具，多个工具可以并行执行，结果汇聚后再传入下一个工具。 这种编排方式大幅提升了复杂任务的执行效率。总结一下， skills 就是 ai 的 行动力定义、契约模型、决策杀伤、执行结果反馈、四步循环。明白了这套机制，你就真正懂了 ai agent 的 底层原理。

最近大家是不是频繁刷到三个 ai 新词， skills、 m c p 和 agent， 很多人越看越懵，感觉三个长得一模一样，完全分不清。那身边其实也有很多的好朋友，因为他本身不在这个行业，也会来问我这三个到底是啥区别？分别能干啥？普通人到底该怎么用呢？ 那今天小兔就不讲枯燥的官方术语，不用晦涩的技术定义，我用所有人都能看懂的场景，一分钟带你彻底吃透这三个 ai 的 核心能力。听完你就懂现在的 ai 到底强在哪。假设你现在有一个目标，独立做出一条高质量可直接发布的完整视频，那为了完成这件事，刚好对应 ai 的 三种核心能力，三者分工完全不一样。 第一， skills， 它是 ai 的 专业技能大脑一句话讲明白， skills 就是 给 ai 特训一门垂直专业手艺。如果把 ai 比作一个普通人，原生 ai 只是一个普通人，只会基础的聊天基础写作基础排版，写出来的内容很普通，没技巧，没质感。 而 skills 就是 一套专家训练手册，它包含完整的专业规则、创作说明书、行业模板，专门用来拉高 ai 的 做事标准。你给 ai 装上短视频文案 skills， 它就不再是随便写几句话，它会懂黄金开头，情绪递进、节奏铺垫，结尾留人。 你给 ai 装上剪辑 skills， 它就会懂镜头节奏、卡点逻辑、字幕排版，还有画面质感。 如果说你给 ai 装上商业文案 skills， 那 他就懂用户痛点、情绪共鸣和转化逻辑。记住一句话， skills 不 负责流程，只负责专业，负责质量，让原本普通的 ai 直接变成某个领域的专业高手。那第二个就是 m c p。 m c p 是 ai 的 工具、手脚、资源、连接器。 skill 解决的是 ai 会不会专不专业的问题，而 mcp 解决的是 ai 能不能动手，能不能联网，能不能调用外部的资源。以前的传统 ai 是 封闭的断网，看不到文件，打不开软件，查不到实时信息。说白了，只会动嘴，不会动手。 那现在 m c p 就是 有了手的功能，它是 ai 的 万能接口，万能双手。它可以打通全网数据、本地软件、各类平台工具，查资讯、查实时数据、读文档、读表格，开浏览器，调取素材，所有需要连接外部需要调用工具的动作，全都靠 m c p 实现。 再直白一点，没有 m c p， ai 就是 纸上谈兵。有了 m c p， ai 才能触碰真实世界，真实的干活。 skills 是 脑子懂技术， m c p 是 手上有工具。那第三个就是 agent。 agent 是 什么呢？他其实是 ai 的 自主全能执行者。如果说 skills 是 专业脑子， mcp 是 工具、双手，那 agent 就是 一个会独立思考、自主干活的完整员工，也是三者里维度最高的存在。 skills 只能按固定套路做事， mcp 需要你一步步下指令，但 agent 不 一样，你给他一个终极目标，他全程会自主落地。 我们还是举做短视频的例子，你只需要告诉 agent， 帮我做一条 ai 干货，短视频风格通俗，时长一分半可以直接发布。那接下来你全程都不用插手， agent 会自己思考，自己找热门选择题，自己写脚本，自己匹配素材节奏，自己剪辑优化，素材不够，节奏不对，还会自主调整方案。 它呀，有思考，有规划，有执行，当然它也有兜底，这就是 ag 的 核心，自主智能，全流程自动化。最后给大家一个最好记，最精准的一个定位。 skills 就是 等于专业大脑，它是灌输行业经验、专业方法论，让 ai 做事更专业，更有质感。 m c p 就 等于工具双手，它主要用来打通软件网络所有资源，让 ai 从只会聊天变成能实操、能干活的 agent。 它就等于完整的智能员工，会拆解任务，会串联技能，会调用工具，它可以独立完成一套复杂的工作。 那普通人到底该怎么用呢？重点来了！首先，这三个根本不是三选一，它是层层叠加，组合变强的逻辑。最完美的 ai 工作逻辑就是 agent 整合规划加 skills， 保质保持质量，再加 m c p 落地执行。 这也是现在所有主流 ai 统一迭代的终极方向。未来的 ai， 不 再是你发一句，他回一句，而是你给一个目标，他会全自动、全链路帮你落地出结果。看懂这三个能力，你就看懂了未来 ai 的 全部趋势。好了，关注小兔，带你开启小白 ai 之路！

一行命令让你的 ai 编程助手直接升级 godhab， 七万星，完全免费。你是不是也遇到过这种情况，让可 code 或者 codex 来帮你写个功能，他上来就闷头写，写完一看完全不是你想要的。 adopac 开源了一个 skill 项目，它是专门解决这个问题， 可以通过这行命令进行安装，运行这个 skill 进行辅助。安装完后，你的 ai 助手就多了一套技能。首先就是通过这两个 skill， 让 ai 先把需求问清楚，减少做出来，但并不是你想要的这种情况。 其次，它会通过这个 t d d skill 和 dagnis skill， 让 ai 写完代码会自动地跑测试，确认没问题之后才好教给你。而且它更多的是关注架构，而不是说只会对代码。 它会通过这些技能定期的检查你整体的架构，避免把整个项目越写越乱，就相当于给你的 ai 请了一个项目经理。安装命令我放在评论区了，大家复制粘贴就能用。如果觉得有用的话，可以点赞收藏关注。

hi， 大家好， figma make 在 上周支持了 skill 的 功能，然后呢，这一次这个视频我们就大家一起来体验一下这个 skill 到底怎么用，好不好用。 我们打开 figma make， 点击前面的加号，会发现多了一个 skills， 然后这里有创造 skill 还有管理 skill。 我 们先从习 skill 开始， 点开之后有两个选项，一个呢，一个是从电脑本地导入，还有一个就是写，那我们就直接先从写开始啊，这里呢会有一个 skill 名称， skill 描述，还有 skill 的 内容，让我们先随便填一下。 到了 skill 内容这里呢，我们肯定是不要自己写，然后我们接着还是打开 codex， 然后让 gpt 来给我们写一个 ui skills。 这里呢，我还是以嗯晒思恩为例，就是我们之前视频里有推荐过这套组建库，然后我也还是用这一套组建库来写一个 skill， 我 们来应用一下试一试。 在等待了一段时间之后呢，呃， codex 已经把 skill 帮我们写好了，这个时候呢，我们过来预览一下看一看。因为这个时候其实我们也找不出什么问题，因为我们并没有提出什么特别的要求，我们就只是让它来应用这套组件库而已。 那我们就看一下，然后直接复制粘贴到 fake 码中去， 粘贴完成后，我们直接去点击保存即可。这时候我们再回到 figma make， 然后点击加号 skills， 发现有一个 use skills， 然后刚刚我们创建的 skill 已经出现在这里了。 接下来我们就来测试一下这个 skill 它到底有没有生效。然后呢，我让 figma make 给我做一个宠物社交类的产品，包含 web 端和移动端， 然后呢给了它一些嗯主要的功能，比如说呃电商啊，社交啊，还有个人宠物的这样一些界面，然后让它来给我去完善，就是我只提出一个非常模糊的需求，然后这里在模型上我选择了 cloud cloudsonnet 四点六，因为 oppo 的 四点七它所费的点数会非常的多。 然后在 figma 干活的期间呢，我就给大家再次安利一下这套组件裤，它是一套 开源的组件库，免费的，而且呃它所适配的场景啊也非常的多，大家可以看到现在这我在看它的组件列表，反正这些组件基本上已经覆盖了我们常用的一些功能， 然后我们就可以一起简单的看一下它的样式啊，代码呀，然后安装方式啊，链接就在这里。如果说前端想要使用或者我们自己想要使用这套组建项目的话，可以直接点击右上角到它的 github 链接，然后从 github 上直接下载就可以了。 如果想要在 figma 中使用这套组建的话，其实到社区里面，然后直接输入呃组建库的名称，就会发现其实在呃我们的社区里面有非常非常非常多的这个组建的资源，我们可以直接拿来用就行。 在又等了一段时间后呢， figma 终于把我们的需求给做出来了，我们来一起看一下吧。 首先要说一点，就是呃 fake mac 打出来的东西的质量其实还是跟模型有正相关的，然后我们通过 skill 来约束之后，其实更多是在设计和审美层面 给它做一个规范化的约束，但是像我刚刚给了一个非常模糊的需求，然后它具体能把这个需求完善成什么样，还是需要根据模型能力来看的。 呃，我们快速的浏览点击一下，我们的现在完成这个产品好像是还不错，它把功能完善的很闭环，而且呃界面呀，组件使用也完全遵循了这套组件库的规范， 并且它还做了移动端。这时候我们看一下这个卡片规范是不是和它组件库中的组件规范完全一致，是完全一致的，没有问题， 接下来呢，我们来说一下很多设计师忽略的问题，就是 figma make 完成设计之后里面的这个代码， 这个代码其实它是已经是一个完整的前端项目文件了，如果说你所使用的 skill 里面的组建库和前端使用的组建库是一致的话，那这套代码其实可以完全直接拿给前端来用，那我们先把它下载下来， 下载完成之后呢，我把这个文件直接丢给 codex， 然后让 codex 把这个项目在我本地的前端跑起来，我们来看一看它是不是能跑成功。 codex 跑完之后，我们一起来看一下啊，这个项目已经在我们的浏览器中跑起来了，并且外部段和移动段也都做了适配，所以呢，我们的设计师在 fake map make 升完图之后，千万不要直接把它当做图无赖用了，它还有更多的用处，代码也是完全可用的。 那第一种直接在 fake mark 里面写 skill 的 方式我们已经尝试过了，接下来我们来试一试。第二种从本地导入 skill 的 这个方式，看看怎么样？ 我们再次打开 fake， mark make， 然后点击前面的加号，然后去找到创建 skill 的 这个地方。接下来呢，我们使用一个之前视频里有用到的我们写的 on the design 的 skill。 呃，看过之前视频的同学应该还记得，在这个 skill 里面，我把主题色的蓝色改成了橙色，所以呢，当这个 skill 上传上去之后，它是否生效，我们是很容易进行验证的，所以我们把里面的 skill 文件，然后直接去 呃上传到 facebook 里面，然后我们再来试一下。为了方便区分这里，我直接就叫 ant 点赞杠 ui， 然后杠 orange。 然后呢，我们点击加号，然后 skills use skills， 然后选择我们刚刚创建的这个 skill。 为了能更好地看到效果啊，所以我是让它去做了一个弊端的流量使用和 token 使用的这样一个项目，因为这种项目来说，它所用的图标会比较多，然后验证我们这个 skill 中成色有没有生效的。呃， 视觉辨别方式也更简单。好，现在我们的项目已经构建完成了，让我们可以看到我们的 skill 生效了，它是以 ant 组建为基础，然后以我们的成色为主要颜色。 那其实，呃，在今天我们一起调研完这个之后呢，我们会发现，这个 skill 无论是在 figma 中还是在大模型中，它们所完成的工作是一样的，都是对模型所输出的结果进行一个控制和约束。 但是我们会发现它的交互逻辑是完全不一样的， figma 还是更偏向于设计师层面的交互，让你直接能看到你所出的东西是不是符合 skill 预期的， 而且这个东西其实在 figma 中它更多的还是我们最开始所说的 u i skill， 而不是说像大冒险中它可以用 skill 去做任何任何更多的事情。

很多以为 skills 装得越多， agent 就 越强，但其实装太多反而会把你的 agent 养废。因为 skills 本质上不是插件，是业务流程。如果一个 skills 没有对应具体任务，没有固定触发词，也没有清楚的交付标准，那它装进去以后，不是在帮你提效，而 是在制造更高级别的混乱。无论是 open call 里的 agent， 还是爱马仕里的 agent， 本质上就像一个刚入职的高智商实习生，聪明是聪明，但它不会自动知道自己该干什么。你不给他岗位说明书，他就只能猜， 不给他流程，他就只能每次临场发挥。所以问题不是你还缺不缺新的 skill， 而是我现在装的 skill 到底有没有对应我的真实工作。如果没有，装再多也没用。最后你会发现 ai 会乱调，你自己也会忘哪个 agent 装了哪个 skill， 哪个 skill 对 应哪个任务，哪个任务应该交给哪个 agent。 这些问题你如果自己都没理清楚， ai 更不可能替你理清楚 我自己。真正从网上下载的 skills， 其实也就两个，一个是 self improvement skills， 应用市场里常年排第一。另一个是 ai 新闻 skills， 但 ai 新闻这个我也没有直接用原版，因为原版逻辑是每天抓全网 ai 新闻，然后告诉我今天最火的三条是什么。 听起来很有用啊，但对我来说太泛了，我不需要知道今天 ai 圈又发生了什么。我真正想要了解的是，这条新闻跟我的业务有没有关系，能不能帮我做自动化？能不能帮我减少重复劳动，甚至能不能变成我下一条内容选择题？所， 所以我下载这个 skills 之后，第一步不是安装，而是先丢给 check b d 改，把它从一个普通 ai 新闻播报改成只筛选对我业务有用的 ai 新闻，这样它抓进 open code 之后，才不是在执行别人写好的流程，而是在服务我自己的系统。除此之外，我大部分 skills 都是根据自己的工作流定制出来的。重点是这件事不需要你会写代码，你只需要把流程拆清楚， 清楚到什么程度呢？清楚到你在网页上点哪个按钮，复制哪个字段粘贴到哪里，什么情况跳过，什么情况报错，最后交付成什么格式，这些全部写出来，然后让大模型帮你封装成 skills， 再装到 agent 里面。最后给这个 skills 绑定一个很短的任务词。比如我有一个 skills， 英文名特别长，但它本质上就是帮我做封面图， 我就不会去记英文名。我会绑定一句话，制作封面图以后，只要跟 agent 说这几个字，他就知道该调用哪个 skills。 这一步非常重要，因为一个系统如果每次使用都要靠你回忆，他迟早会被你抛弃。所以说白了，装 skills 就 三个原则，第一，一个 agent 最好不要装超过十个 skills。 第二，每个 skills 必须绑定触发词， 让 agent 知道你说哪句话，他该用哪个 skills。 第三，网上下载 skills 不 能直接装第三方 skills， 本质上就是第三方代码，你不知道他会不会读取你的文件、环境、变量、 api、 key， 甚至偷你的 token。 所以 下载之前先看作者是谁，有没有足够多人使用。下载之后，也先别急着装，先检查安全，再判断他能不能改成适合你的版本。因为通用 skills 不是 没有用，但通用一定不够贴合你的业务，也不够贴合你这个人。以前很多脑力活的工作，我一直以为只能自己做， 最近我才发现，很多时候不是 ai 做不了，而是我自己对这个工作本身脑子都是一团浆糊。我没有把流程拆清楚，只要你把判断标准、操作步骤、报错规格、交付格式写出来，它就不再是模糊的脑力虎， 它就是一个可以被 ai a 诊执行的业务流程，它就可以被 skills 接管。现在我大概已经有百分之七十的非常明显的复制粘贴工作交给了 opencool。 以前一周要花五个小时浪费生命，现在能压到两个小时。接下来我觉得还有很多可以压的空 间。我尽量做到以后只负责出 idea、 出镜、拍短视频，剩下都交给 ai。 所以 别把 skills 当成干货。短视频 skills 真正的价值不是你拥有了多少个，而是它能不能稳定执行，能不能减少重复劳动，能不能真的帮你产生结果。无论是现金结果，还是时间结果，这才是判断一个 skills 值不值得装，值不值得花 tokens 制作的最基础标准。