如何把skills工程化

hello， 我是 ai， 普通话，用通俗易懂的语言讲解 ai 方案，既讲优点也讲缺点。今天咱们来聊聊怎么给 open curl 开发一个对接内部信息系统的 skill。 大家都知道 open curl 很 厉害，但是怎么自定义扩展技能 是陪自己企业的系统，这就是问题了。接下来我就一步步给大家讲讲怎么开发这个自定义技能。咱们就以查询内部员工信息系统为例。第一步，得给这个技能创建一个家。 open call 的 自定义技能一般都放在工作群里， 咱们就给内部系统技能专门建个文件夹，就像给一件宝贝找个专属的盒子一样，这样管理起来更方便。具体操作就是在命令行里输入一些指令，创建好对应的文件夹，一个用来放调用内部系统的代码，另一个可以放一些相关的文档资料。 第二步，要写一个核心的配置文件，这就好比给这个技能制定一套规则，这个文件会告诉大模型什么时候该用这个技能 以及怎么用。比如说当用混公司内部人员信息的时候，就可以调用这个技能。同时还规定了只能进行精确查询，不能大批量查询，这也是为了保证系统的安全和稳定。第三步， 要编辑具体的业务逻辑脚本，这就像是给技能装上一个大脑，让他能真正的干活。脚本会根据用户输入的信息去内部系统里查询相关的数据。这里要注意， 千万不要把系统的健全信息直接写在脚本里，要通过环境变量的方式来设置，这样能保证信息的安全。第四步，这一步是可选的，如果内部系统的业务逻辑比较复杂，咱们可以写一些文档资料，帮助大模型更好的理解系统的规则和操作， 就像给大模型一本说明书，让他能更准确的工作。最后一步就是测试和部署，先重启一下网关或者重载配置， 然后在聊天工具里和 open core 对 话，比如让他查一下某个员工的联系方式， open core 就 会按照咱们之前设置的规则 去查询数据，然后把结果整理成大家能看懂的话反馈给我们。这里我要给大家提几个安全方面的建议。在给 open core 对 接内部系统的时候，要遵循最小权限原则， 只给他必要的权限，别给太大的权限，不然可能会有安全风险，还要明确约束他的行为，比如在进行一些重要操作之前，要先和我们确认。另外 一定要把系统的密钥通过环境变量的方式来设置，别直接写在配置文件或者脚本里。你们在实际应用 open call 的 时候有没有遇到什么难题呢？可以在评论区和我交流交流。

实际项目中如何使用好 skills roots 多智能体协调呢？今天来做一个示范啊。先看一下目录结构，打开点 tree roots 下的 project roots， 点 md 这个文件，如果没有，可以手动创建一下， 设置这么几条规则，如果用户输入了杠 get， 请减速当前的任务描述并部署到服务器。手动提交不比 get 快 多了吗？并不是啊。 首先 ai 会分析当前的代码，然后帮你设置好要提交的描述，在有必要的时候，它会设置好需要忽略的文件。 甚至你可以告诉 ai 啊，你只想提交和哪些模块相关的功能， ai 会自己分析需要提交哪些文件。那你可能觉得这不也很浪费时间吗？哎，并没有。 get 提交和其他任务啊，是不会冲突的，完全可以变形，你只需要输入一个杠 get， 就 可以去干其他事了，所以反而更快。 回来我们继续看其他的规则配置啊。这里我写了很多规则，是让 ai 持久化记忆每一次对话的详细过程，以后如果有需要，可以让 ai 解锁记忆库啊。 重点是这里啊，我明确要求 ai 不要自己去做具体的任务，只需要做好调度，制定计划。如果涉及到写代码，就调用工程师智能体，让他先熟读开发规范文档以后再进行开发，然后把开发规范文档的链接给他。 开发完以后，调用代码检测员检查代码是不是符合规范。之前不是已经让 ai 按照规范开发了吗？为什么这里还要让检测员再按照规范来检查呢？ 因为写代码需要消耗超长的上下文， ai 经常写着写着就把规范给忘了，所以这里要让检测员根据修改的代码，再去按照规范检查一遍，就不容易出错了。 然后调用图书馆馆长来维护文档。最后是要求 ai 把绘画持久化存储为文件。好，规则里写了这么多智能体，怎么定义这些智能体呢？非常简单啊，你只要告诉 ai， 请按照项目规则帮我创建相关的智能体就行了。 好，我们看到 ai 已经在点翠目录下创建了 a 整数目录，按照要求啊，它已经创建了四个智能体了。 最后我们验证一下这些项目规则能不能生效啊。现在我向 ai 提了一个需求， ai 开始分析好，然后他调用了 python 工程师写代码，写完代码以后，又调用检测员开始检查好，没问题。 哎，这里检查出问题了。检测员明确指出啊，这里违反了数据管理条例的第五点一条， 因为我在代码规范里写了，凡是涉及到数据操作的，必须用 data manager 这个类来操作。这种项目级的规范， ai 是 特别容易忘记的。这里代码检测员就能给检查出来，因为它的上下文比工程师要少很多，只有规范文档和修改过的代码，所以它就能检查出来。 再往下看啊，违反异常捕获规范。因为 ai 特别喜欢 try catch 吧，所以我严格要求 ai 不要乱用 try catch， 还检查出来了很多其他问题啊，什么代码片段重复，没有封装好啊，存在硬编码类型提示不统一啊，等等啊，这就是多 agent 协同工作的重要性，让每个 agent 都有自己独立的上下文，更专注一个领域，这样工作就更搞笑了。 好了，最后说一下我在做的这个项目啊，我是准备做一个客户端软件，一键下载视频和转文字。我之前也没有做过客户端软件，所以这个项目我会全程不手写一行代码全由 ai 完成，而且是国产免费的 ai。 我 也会持续分享项目上的实战技巧啊， 后续也可能会把项目开源出来，包括所有的文档结构啊，路由啊， skills 的 配置啊，还有 ai 的 绘画记录等等啊，有兴趣的兄弟可以关注一波啊，拜拜了。

费劲装上 openclaw， 却发现什么也干不了，甚至还有点笨笨的，那是你还没给他装 skill。 每日五个 openclaw 使用 skill 第二期第一个 use in superpowers 来源于强大的 superpowers 插件，核心理念是让 agent 严格按照先查 skill 在 行动的规则做事，杜绝偷懒和无距离探索。如果你发现 agent 不 用你装好的 skill， 自己瞎搞， 这个 skill 能帮你管教它。第二个 nano， 不 用你装好的 skill 自己的专业级 i 图像生成模型，支持原声四 k 输出八张参考图，融合 网络搜索实时数据，借地它有思考模式，能推理复杂提示，还能保持五个人物的一致性。产品摄影、品牌设计、营销海报一张图解决专业及需求。第三个， obsidian skills obsidian 官方开源的二 ai 技能工具包，让 ai 真正理解 你的知识库。三大核心能力， abcde markdown 知识微机链接嵌入、 keloid 等特有语法 abcde coms 创建数据库时图 jason combs 一 键生成 combs 思维导图，知识管理重度用户 b 招第四个，浏览器操作技能，让 open curl 像人一样操作网页，打开网页，点击按钮， 填写表单、截图画面样样精通，自动化网页操作从此变得简单高效。第五个， github github 全流程操控，让微诊直接操作你的 github 仓库。 h s p r c i 一 条命令搞定，开发写作效率瞬间翻倍。关注我，一起看清 ai 发展，跟上 ai 脚步！

hello， 大家好，今天想给大家分享一下如何在 tree 里面安装以及使用 skills 本视频呢，分为四部分内容，第一点的话如何安装本地的 skills 包，第二个是如何下载 get 上的 skills， 第三如何查看以及编辑 skills。 第四点的话是如何使用 skills。 在 开始之前呢，我们需要做两个前置准备，第一个它就是我们的脆版本，需要更新到最新版，建议的话就是更新到三点三点二一以上的版本。第二个的话就进入 solo 的 模式，在这个左上角这里可以点击切换 solo 模式，然后进入到这里。 接下来我们就讲一下如何去安装本地的 skills 包，比如说我这边分享过的一些安装包。首先的话我们先打开一个项目， 可以随便找一个已经创建好的项目，也可以重新创建一个，直接打开，然后进入到这个页面之后，在这边点击这里的设置按钮，然后这里有一个目录选择规则与技能， 技能这里的话它现在是空的，说明我们现在是还没有添加任何技能。然后在这里我们直接点击创建，在这里我们可以上传我们本地保存好的 skills 包， 比如说这里我想上传一个生成 excel 测试用力的这个 skills， 选择它之后呢，点击打开它就会进行自动解析，然后将对应的记的名称描述以及相关指令都上传进来， 然后这里的话你也可以按照自己的需要重新去修改，都是可以的。然后在这边点击确认，然后在这个列表这里它就会将这个 skills 包添加进来，然后是启动状态，在这里我们就已经成功地将我们本地的 skills 包上传进来了。然后有时候网上有人会开源一些功能比较强大 skills， 并且放到 gpa 上，我们也可以直接拉取下来进行安装。 比如说我现在想要下载一个 cloud skis， 官方提供的一些 skis， 我 们可以在这边选择这一个，然后将我们然后将我们在 github 上找到的一些 skis 地址复制进来，然后点击回车，它会提示你要不要打开你这里，要也可以打开，也可以选择天在新窗口打开， 打开之后呢，它就会将我们刚那电话地址上所有的 skills 包都拉取下来，然后存放在这个资源管理器这里，然后这些包的话都是存在我们本地里面的，我们需要用哪一个，我们就按刚刚前面导入本地 skills 包的一个步骤，直接将这些包导入进来就行了。然后接下来讲第三点，如何去查看和编辑 skills 最高前面其实也有讲到，在这边的话，我们是可以对我们已经添加的 skill 是 进行编辑的，点击这边设置按钮进行编辑。就比如说我们就比如说我提供了这个一下用力的生成工具，如果生成的用力格式不是很满意的话，我们也可以直接在这个指令里面去调整这里面的格式，字段以及一些提示词等等都是可以调整的， 然后点击确认就可以了。接下来我们进入最后一步，如何使用我们刚刚安装好的 skills， 这里头我已经上传了一个需求文档，然后我希望 ai 能够调用我刚刚的技能去生成对应格式的用力。在这里头我们直接在对话框这里输入使用 这个的话就是我们刚刚下载好的 skills 包的技能名称，然后这里再引用我们的需求文档，点击回车。 在这里可以看到他已经调用了对应的技能，然后先去生成追踪文件，这边他如果说有语法错误的话，也不需要我们人工去修改，哎呀，他这边会自动去检查，然后去自动修复。 在这里我们可以看到他已经生成了一些格式的用力，然后在这边也新增了一个文件，这个追踪文件爆红的，我们先不用管它，我们看下用力能正常生成， 在这里我们可以看到它已经按照我们的要求正常生成的用力。那关于这里爆红的话可以不用管它，因为我们的文件是正常生成的，它这边其实也是已经修复了，可能是这个工具里面有缓存。以上的话就是今天的全部分享。

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。

今天给大家分享一个 cloud code 的 skill， 叫做 superpowers， 如果你也在用 ai 写代码，并且你觉得自己是一个没有软件工程经验的小白的话，那这个 skill 应该很适合你，为什么呢？ 如果我们非常简单的让 ai 去写代码的话，你会发现它写的非常快，但是写完了可能出现一堆 bug， 而且很难定位。 那如果你有一点代码经验，你会发现它底层的代码其实写的不是那么的规范，它仅仅是为了完成功能，对于未来长期维护性，他不会考虑那么多。 那这也是 ai 编程目前存在的一个通病了。可能非常好的模型，比如说 codex， 它的价格能力好一点，它可能会稍微做的好一点，但是能力稍微弱一点的模型，这一块几乎是没法看的， 到底层会出现很多的问题，那我之前写代码的时候也会发现这样的问题，那这个 skill 它会帮助你做什么事情呢？ 它会把整个的软件过程拆分成三个阶段，第一个阶段先跟你一起把需求设计好，把需求先沟通清楚，也就是头脑风暴的阶段， 把你一个模糊的想法，把它形成一个专业的设计文档，那这已经是软件工程当中的需求分析的阶段了。那第二个阶段是制定计划，也就是制定开发计划，他会把你的需求分析的文档 拆解成一个微小的任务，这个任务可能让 ai 编程的话，可能一两分钟就可以完成，或者更短的时间，那它可以把一个大的任务拆到很小的力度，并且可以让你快速的迭代，快速的测试，那这样出这种大 bug 的 几率就很小了， 这也是我们之前在软件工程当中常用的快速迭代，并且他还第三步执行计划的时候，他运用了测试驱动开发，这也是在软件工程领域非常好的一个时间， 会大大的减少软件开发中的 bug。 因为他是先写测试再写代码，代码完成的标准是看测试有没有通过， 并且他会帮你进行代码的审查，所以他会快速让一个小白变成一个有软件工程实践的一个老手，至少有这么一个，你可以想象一个技术团队从 需求分析到任务拆解，到代码开发到测试， 整个的闭环帮你去完成了，帮你去兜底了。所以如果你觉得自己没有那么多的技术经验，那这个 skill 真的 太适合你了。但是如果说你有丰富的技术经验，可能你会觉得这个东西有点太繁杂了，因为 他会写很多非常详细的技术文章，其实我刚才看的时候我都觉得稍微有点多了，说实话， 但是我觉得对于小白这个真的是非常合适，它会让你未来开发的产品更加的稳定， bug 更少，而且未来更加容易维护， 那安装也非常简单，按照这个指令去安装就可以了，或者更简单，你可以直接告诉 cloud code， 你 去网上帮我找一下，帮我安装好这个插件就可以了。 code x 也是一样，那这本身也是一个开源的项目，所以编程模型它是可以找到它并且安装好的。 那接下来给大家看一下，我也用它去写了一个开发计划，我们来看一下，那在这个项目当中，我已经跟 ai 把 prd 文档已经写的非常详细了，接下来我用这个 skills 怎么调取它？很简单，在 codex 里面我们用 slash， 也就是下划线斜线去调取 skill， 这里面有一个 writing plans 写计划，那我把这个计划 在这里描述我要写什么样的计划就可以了。在这里我是根据这个文档帮我写一份开发计划，那他就会开始拆解了，最终他给我写成的就是这样一份计划。大家可以在这里来看，写的是非常详细的。说实话把 整个的开发过程拆成了 task， 不 同的 task， 每一个 task 里面又分了 step， 每一步你看它是先写测试，然后再去写代码，这就是测试驱动开发的一种方式。每一步你看先写基础架构，然后再写数据库， 数据库写完了再测试，再写去前后端，你会发现它的拆解还是非常合理的，也非常细。 但是你什么我刚才说的，如果你有丰富的技术经验，你会发现他写的有点过于细了，这样其实有点消耗透坑，你知道吗？ 所以这就是一个平衡了，你如果要让他完成的很细，他一定透坑，消耗在前期会比较大一点，但是前期消耗大一点，其实在后面写代码的时候又会更快一点，其实到最后可能也差不多，透坑消耗我觉得大家可以自己去平衡。好，那我其实 用我会还是多个模型，有时候交叉来审一下，因为各个模型它的能力也不一样，比如说我让他去写开发计划，我就会让 code x 先写一份， 让 code 交叉审，就看他写的这份你觉得怎么样，比如说我，我也会让 code x 写一些计划，写完了我会让 code x 去评，他问的，问我的一些问题，我会让 code x 直接帮我回答。 所以这也是一个实践了多个模型之间帮你去交叉的平审你的代码，或者在设计阶段也好，开发阶段也好，都可以让他们互相配合，这就延伸了一点，那大家可以去尝试一下，也希望这个插件能够让你们在开发的时候尽量少走一点弯路，少踩一些 bug。

如果你想把这段平平无奇的视频变成一个随滚动火起来的高端网页，接下来我将一步一步带你复刻整个过程。首先使用 nano banana， 二来生成首尾帧图片，然后用这段提示词让 cloud 生成一段 ai 视频提示词。 接着使用可灵 ai 根据首尾帧图片和提示词生成一段完整的产品演示视频。在生成的过程中，下载这个 skill md 文档， 然后在你的本地项目创建一个 skills 文件夹，将这个 skill 文档复制粘贴进去。接着把这段提示词扔给 ai， ai 就 能够根据我们的 skill 文档去生成这个酷炫高级的网页了。

在 cursor 中怎么使用 agent skill 的 功能？咱们一个视频说明白啊。上个视频咱们聊了 agent skill 的 基本概念，今天咱们继续来做实操。 首先咱们打开 cursor， 点击文件首选项 cursor setting， 然后选择这个 root subagent commands 这个选项啊，就可以看到里面有 input agent skill 的 这个开关儿哎，但是大部分小伙伴可能会发现，哎，我的 cursor 怎么就没这个功能呢？啊，为什么呢？我已经更新最新版本了 啊，因为截止我视频发布，这 cursor 的 正式版还没这个功能哎。不过不要紧啊，大家可以切换到开发版来使用 skill 功能， 大家可以在 cursor setting 中点 beta 这个选项啊，然后把第一个选项，哎，这个大家应该是 default 给它改为 nightly。 nightly 是 开发版的意思啊，大家就当做是像游戏内测的版本就行，能提前体验一些功能，但是功能可能不太完善， 如果大家体验完了，不想用这个开发版了啊，也可以回来把这个 nightly 改为 default， 再重新更新一下就回来了啊，所以这个大家可以放心修改 啊。那咱们继续啊，改完这个 nightly 之后呢，再点击帮助选项，点击检查更新啊，然后等程序更新完成之后，再回到 cursor setting 里面这个 rules subazon 这个选项，就能看到 import asian skill 开关了。打开这个开关， cursor 的 环境咱们就配置完了。 那具体要如何在 cursor 里用 skill 的 功能呢？我先创建一个新的项目，在 cursor 中打开一个空的文件夹。那要想使用这个 skill 的 功能，咱们需要在项目中先创建一个点 cursor 的 目录， 点 cursor 里面我们再创建一个 skills 的 目录，那这个 skills 目录里面存放的内容就是智能体可以使用的 skill 了。 大家看，我这里有一个写好的项目啊，里面我放了好几个 skill 啊，有操作 excel 的， 有操作 pdf 的， 还有将 markdown 转换成 stm 毛的各个 skill。 那 我们打开一个 skill， 看看里面到底具体有什么东西，我们就打开这个 text converter， 它是一个把 markdown 转换成 stm 的 skill 啊， 打开之后可以看到里面有一个 skill 点 m d 文件，那这个文件就是 skill 的 主文档，里面描述了这个 skill， 它能干什么活？文档开始的内容呢，叫做原数据，那这个很重要啊，里面定义了 skill 的 名字描述，还有版本 curser 的 对话框。如果调这个 skill， 其实就是根据这个描述来决定什么时候来调这个 skill 来工作的啊，比如我这个 skill 里面描述是当用户询问把 markdown 转换成 atm 等等。问啊，那如果用户说了这些的话啊，这个 agent 呢，就会调这个 skill 来干活了，那我们来调一下试一下啊。 呃，我打开 cursor 的 ai 对 话模式，咱们得调成 agent， 我 对这个 agent 说呢，将 pip 的 这个教程的 markdown 文档转换成 a。 天毛，大家可以看到 agent 就 开始干活了， 他会先读这个 skill 点 m d 啊，然后按照文档里面的要求执行任务啊，执行过程中还会参考 skill 目录中 example 文件夹来参考里面这个事例来操作， 那这样的话，它就可以按照我们给的这个视例来更准确地完成任务，那这样 agent 工作的准确度就会更高了。而且 agent skill 还有一个巨大的优势， 就是 skill 目录里面的所有内容，包括这个主文档，还有 example， 可能还有一些代码，它都是这个 skill 被调用之后才加载的，相当于是一个懒加载，不会在初始状态占用大模型的过多上下文，那这样性能就上来了 啊。那最后呢，大家可以看到啊，我得到了一个想要的 atm 文件，这就是 cursor agent skill 的 用法。那有朋友可能问了，说，那这个 skill 都得自己写吗？啊，当然不是啊，我们还可以使用第三方的 skill， 比如我这个 skill 目录里面的 excel pdf 的 skill 呢， 其实就是 as topic 在 github 上发布的 skill 啊，都是官方的 skill， 大家可以到 github 上直接下载下来。你想用哪个 skill 呢？就把这个 skill 复制粘贴到自己的 cursor 的 这个 skill 目录里面啊就行，直接复制粘贴就行啊，特别方便。所以大家以后如果让智能体干什么事儿的话 啊，以前咱们可能需要 m c p 啊，然后填写配置文件啊，参数错了还得改，就很麻烦。但是以后呢，直接复制一个 skill， 哎，这功能就能实现了，是不是特别方便 啊？当然不是说 a n 的 skill 就 可以代替 m c p 啊，它们还是各有各的优势。那具体 skill 和 m c p 有 什么区别？下个视频咱们再来做详细的介绍啊，不知道我讲的清不清楚啊，朋友们有问题可以给我留言啊，我是小周，分享 ai 开发知识，咱们下期再见。

安装好 oppo klo 大 龙虾以后，第一件要做的头等大事就是要学会如何给他安装技能，安装 skill， 今天这条视频我就手把手教会大家如何给你的大龙虾安装技能。安装 skill 大 龙虾呢，就好比是我们的手机技能呢，就相当于我们手机里的 app， 所以说我们给手机要装 app， 大 龙虾呢，它就需要装技能。 ok， 现在我们就演示一下给你的龙虾安装技能，鼠标呢，放到电脑左下角，然后我们点右键点运行，然后在这个窗口里呢输入 cmd 回车， 然后苹果电脑呢，你只需要打开终端就可以了。然后我们在这个位置呢输入 n p m i 杠 g， 然后 c l a w 卡拉哈巴，好，回车啊，我们等待这个命令，行，安装结束就可以，非常快。然后打开浏览器，在地址栏输入 卡拉 power， 点 ai 啊，然后我们回车。好，现在我们就打开了 open klo 大 龙虾的技能仓库，然后我们点这个位置 skills， 这个输入框呢，就可以搜索我们想要的技能名啊，所有您看到的好用的技能啊，都可以在这个位置搜索， 比如说我们搜索出来这个技能啊，目前这个是下载量排行第一的一个技能，然后我们只需要复制这个技能名，然后我们只需要复制这个技能名呢，输入 klo hardware， 然后加上这个技能名啊，然后我们回车就开始安装了。 ok， 这就装好了，是不是非常简单呢？下面呢我们就打开我们的 open club 大 龙虾，来看一下我们装的技能有没有成功。然后我们打开这个 open club 大 龙虾的仪表盘，然后我们在这个列表里呢找到技能啊，点击技能， 然后在打开的目录里呢选择 work space 啊这个工作空间里的技能。看，这个就是我们刚才安装的技能啊，已经成功进行安装了。 ok， 现在呢，您就学会了 open club 大 龙虾的技能安装，点击下方小黄车马上拥有一只属于自己的大龙虾。除了刚才这种方式呢，还有第二种方式给我们的 open club 大 龙虾增加技能，大家呢好好看，好好学， 依然呢是打开我们 cloud 哈巴点 ai， 然后呢我们点击技能下载，然后呢在这里呢找到我们的想要的技能，然后这个位置呢有一个 download 的 点 cip 啊，我们把这个下载下来啊，点击下载啊，等待下载完成啊，我这已经下一个。 打开啊，打开我们下载好的这个压缩包，然后点击右键显示，全部给它解压到当前文件夹这里，我们把解压的技能文件复制啊，到我们电脑 c 盘，然后用户， 然后以我们电脑名开头的这个文件夹，然后这里边呢 有一个 skills 啊， skills 把它粘贴到这里就可以了，这有个坑啊，大家一定要注意，就说，呃，有的版本呢，它并不是在这里，有的版本呢，它是在我们电脑文件夹下 open cloud 啊，然后 还不是这个 skills， 是 这个 work space 啊里边的 skills 啊，粘贴到这里 有的是在这里，因为版本不一样，所以说呢，粘贴的位置也不一样，大家呢狠一点，就是两个目录都给它粘一遍，宁可错杀一千，也不放过一个，两个目录都给它复制上， 这样呢，我们再回到我们的 open club 大 龙虾啊，点开我们的仪表盘，然后呢依然呢在我们这个技能窗口里呢，看一眼啊， 技能搞没搞进来？ ok， 已经安装成功了。好，您现在就学会了两种 open klo 大 龙虾安装技能的方式，有没有觉得自己很强？

mclu 最强外挂，其他 skills 爬起不到的数据由我 scrapping skills 来进行抓取。我们先来看看这个 skills 它到底留在哪里？最后我们来实操看一下它的一个整体效果到底如何。 这个 skills 它不仅能够穿透各种防爬的一个网页护盾，同时它还能把网页的一个原码给扒下来，然后把它进行清洗为干净的一个结构化数据。这个 skills 已经在 github 上面已经收获了二十六点七 k 的 一个 stars， 它主要有如下四个特点，第一个，它能够完美的模拟最起码的一个浏览器的一个指纹和操作行为，可以帮 oppco 呢去开箱即用的绕过这些阻拦。第二个， 还有一套智能的自适应算法，即使网站为了防爬或者是为了换新视觉而打乱了 h t m l 的 一个结构，它都能够重新精准定位。第三个，这个框架这样的内存真的非常小，所以即使你手头上只有一个吃亏多年的笔记本，或者是出一个入门的一个服务器，你都能够轻松的跑起来。第四个，它还有一个记忆功能， 即使你偶尔遇到了一个断网或者是突然断电，它都能把你爬取的一个进度保存下来。当恢复了一个电源啊或者是恢复了一个网络，它都能够无缝衔接的重新继续它的一个任务，完全不需要你人工的去进行重启。最后我们来实操一下，我们还是使用 charles studio 里面的一个 open cool 安装的一个方法呢，我在之前的视频也有讲过， 我们直接在这个 open crawl 里面跟他进行描述，说使用 scraping skills 去帮我们爬取某网站的一个数据，然后告诉他我们需要爬取的哪些字段呀，以及保存的一个本地路径，可以看到它经过一系列的一个分析，最终是成功的把这个网站的一个数据爬到了一个本地目录上， 然后我们打开本地目录也能成功的看到这个爬取来的数据，然后我们打开这个数据，结果我自己也验证过了，这个链接以及对应的书名都是一一对应的，所以这个 skills 我是 觉得很不错的，大家可以去试一试。

今天我们来介绍 viso 出的 react 最佳实践的性能提升的 skills， 那 这个 skills 呢，它是作用于我们现有一个 react 或者 next 这种代码，它里边有很多性能相关的问题，通 过这样的一个 skills 呢，会把我们现有的代码呢帮我们进行优化和整理。我在实际项目中呢，实测它的效果是非常好的，这是一个真实的项目，它的代码量是非常大的，它的打包呢，就减少了这么多百分之三十， 然后它的 api 的 这个 process 呢，减少百分之五十，然后它的这个交互率呢，增快了百分之四十。那这些指标呢，我们能看提高是非常明显的，为什么把它拿出来讲，它为什么重要呢？其实我们现在啊，很多的东西，我们使用 v 零或者 level 去开发前端开发架构，甚至有的话，我们可以做到后期的一个产品级的运行， 但是当它运行的时候，它其实会呃 ai， 在 做的时候，它不会考虑大部分的性能问题，它更多是考虑功能的问题。 所以呢，那这些性能问题呢，我们再通过这样的一个 skills 呢，就可以帮我们优化掉，那它主要优化哪些问题呢？随着 level 这些代码越来越多，它的重要性就变得越来越大， 它优化问题啊，主要有几几个，那做 react 开发的同学肯定不陌生，比如说瀑布流这样的一个问题，整个 ui 呢，在进行渲染的时候，先是进行 parent 渲染，然后再进行 child 渲染， 那这个渲染过程中呢，实际呢，他们糟糕的做法呢？是这样的，就是在副主页中呢，加载一个非常大的一些数据，导致子主页它不进行加载了， 那这里边的 react 最佳实践呢，就会把它们呢都做成异步合并型的，那这样的话就不影响子主页加载了，那这个呢是一种它的优化方案。 那第二种呢，就叫统文件，统文件大家肯定不陌生啊，就是写一个 index 点 t s， 我 不管有没有用的话，我都把它导包进来，那这样的话它的严重后果呢？就是在于导包的时候，我要加载所有这些文件，就导致啊，用户访问这个页面的时候，可能不需要那么多组卷，但是它都加载下来了，它的性能就变得很慢。那这里边最优的做法呢，就是你要导包它 最关键的这个组垫就可以了，那这样的优化呢， skills 也会帮我们去把它做掉。还有一些呢，导第三方包的时候，其实不需要在 high 的 里边，它不可能不影响我们的组垫，但是呢它需要加载起来以后呢做一些买点分析啊， 做一些广告型的这些代码呢，那它呢就可以把 script 的 代码呢放在最后，这也是一种优化方案，但是他提了提到了很多优化方案啊，然后他把这些优化方案呢都分为高中低这样的一个编辑，这个是由 vos 的 工程师 然后去编写的，为什么？它的参考价值很大？你看 viso 做 v 零的时候，其实整个的架构就是用 nex js 去编写的嘛，所以它里边的高级工程师来整合的这种性能优化的 skills 是 非常重要的。嗯，也也许你是一个非常厉害的一个高级工程师，但是这些优化点 有可能你在做 feature 整个功能的时候你就忘掉了，那你最后让这个 skills 帮你去审一遍也是非常好的，这样它就做了整个性能优化。随着以后 level 或者 v 零这种 max j s 类或者说 react 的 框架越来越多的时候，其实这样的 scale 的 价值会变得越来越，甚至你在学习 react， 它也是你一个最佳实践的一个学习资料。 ok， 今天内容就是这么多，如果你觉得有收获，给我点一个小心心。关注雷哥，关注 ai 工程化落地。

skills 确实好用，你有没有发现自己花了很大功夫写的 skills？ cloud code 有 时候根本不用，你写得很认真，每个步骤都理清楚了，结果他跑任务的时候自顾自的干，你的 skills 就 那么静静地躺在那里，像从来没存在过一样。 lincoln 最近把这件事测出来了，他们给自己的工具写 skills， cloud code 全程一次都没调用，但同时他们发现有 skills 没用，是根本没被用上。 lanchain 搭了个评测管道，思路很简单，先跑没有 skills 的 基线，再跑有 skills 的 版本，对比完成率， 结果出来，没有 skills 完成率百分之九。有了 skills 且正确调用百分之八十二，这不是小涨，这是重生币。但这里有个大坑， skills 不是 你写了就自动有用。他们明确告诉 cloud code 去找 skills， 调用率也只到百分之七十三次里还有一次 agent 直接当 skills 不 存在，自己上了。 所以问题的核心不是我写的 skills 质量够不够好，而是它到底有没有在用我写的 skills。 这两件事你得分开看起 long chain， 找到了两个根本原因。说出来你可能会心一笑。第一个 skills 太多了， agent 选错了二十个相似的 skills 放进去， cloud code 会挑错，缩到十二个就能稳定选对。 就像菜单太长，服务员不知道推荐什么，随手一点点了。到最不合适的十二个，大概是上限超过了就开始乱。第二个 skills 放错地方了， skills 是 动态解锁的，但 agent 的 流程有时候直接跳过解锁，你的 skills 就 这么被晾在那里，没人请他出场？ 最可靠的位置是 agents md 和 cloud md 这两个文件， agent 它启动必读，不会漏。你要把什么时候用哪个 skill 写在这里，不能只靠 skill 等着被人发现，那就像手册锁进档案柜，还没告诉任何人里面有什么。 还有个意外发现， skill 内容格式的影响其实没那么大，真正决定 agent 调不调，用的是 skill 的 名字和描述够不够准，这才是关键。 三条结论， luncheon 踩了一堆坑才总结出来的。第一， skills 总数控制在十二以内，相似的合并，别让 agent 在 一堆相似选项里迷路。第二，使用指导写进 agents md 或 clod md 不要只靠 skill 自己等着被发现。 第三，用 xml 标签给 skill 内部分 section， 可以 单独替换某一段最有效，不用每次改了全扔重来。 还有条零号。结论也是最关键的。先测基线，你不知道没有 skills 时完成率是多少，就没法知道加了 skills 有 没有涨。 lincoln 要不是做了这部，还以为自己写的 skills 挺管用的呢。 你写的 skills 有 没有被用上？测一下就知道了。 lincoln 测出来百分之九和百分之八十二差了九倍，不是 skills 没用，是没被用上 skills 总数别超过十二。使用指导进 agents md 先测基线，关注我，每天一个技术深浅。

今天我们聊一下 ai 应用层的本质到底是什么？我们在做的 a 阵的开发也好， define 控制工作流这种开发，包括我们现在用的比较火的 opencloud， 它们都正在做什么？就 ai 应用层到底在干什么样的一个工作？ 那这里边呢，就要从我们 ai 智能化水平从底呢到向上去看，就是越向上呢智能水平就越高。那从最底层呢，我们传统的编程的话，因为没有输入输出的文字去转结构化，所以每一部分的节点呢， 我们都需要把这些节点的输入输出都把它定好。那这个呢，就是以前我们有 b a 啊，需求工程师啊做的一些工作，结合我们成员去做的一些工作呢， 去把整个的一个场景的一个流程呢疏梳理成一个一个小的一个流程节点，每一个节点呢我们进行逐个的一个设计，这就是传统的编程。那后边呢，随着 ai 水平呢变高一点之后呢， 它中间的某一些节点呢，我们就可以把它用 l l m 的 方式呢，把自然语言呢去转换成一个结构性的语言，那它前后的流程呢，再结合大模型处理其中一个节点呢，也可以把整个的 workflow 去连连接起来。所以我们平时看到，比如说我们去到这个节点的话，从直接从大模型呢一直到后边的节点，包括后边也是这样的一个一个节点啊，如果入口呢放成了大模型，那它其实就是一个对话程序嘛，后边我们依然可以去编排 workflow， 这是因为它的智能化水平呢提高了一部分，所以有一些文字去转结构化的东西可以做得很好了，那为什么后面的节点还需要我们去编排呢？就是因为这些节点的话，模型理解的还不是那么好，它自己不能一下子去找到一个解决方案，或者自己写一个小程序，把这个节点给它补齐，它现在还做不到这种程度。 所以呢，当时的话，去年的时候我们就觉得 def 啊， code 啊这种平台就比较火，尤其是 workflow 这种，我们可以搭出很多自动化的一个流程，但是前面呢输入呢，都是通过一些意图识别啊，一些其他方式， 模型呢，把这些文字转成结构化的数据，然后后边呢再结合我们不同的 workflow 呢，去做出很多看相去很智能的一些服务和平台。随着模型能力越来越强，然后呢就是这种 react agent 方式呢，就慢慢能落地了，我们见到最有可能落 我们现在使用最多的，比如说像 cloud， code 啊或者 cursor 啊，或者这种都是属于 react agent 的 这样的一个范畴，都是音符的呢，给到大模型，大模型自行的再去判断，去做什么什么样的事，一轮一轮的把这个事情呢做好，最终呢返回结果。 那你发现这一轮一轮的过程呢，其实是他自己在做每一个节点，然后把这些节点呢进行重新的选择和排列，也形成这样的一个 workflow。 如果这样的 workflow 呢，就让 ai 自己去做了，那它呢就变成了一个 ai agent， 我 们看上去呢是给它一个输入，然后它结合这个输入呢，自己在所有的节点里边自己去找，我应该去 处理哪一个节点的具体的流程，从而把这个任务完成，那这个呢就是我们现在熟悉的 react agent 的 架构。所以就说回 ai 应用的本质呢，其实是工作流编排，在每一个可能空间里边都去找一个一个可能完成这个任务的小节点，然后并且把它编排好进行运行。所以从以前我们智能话说没有智能化，到有一点智能化， 到我们最后有 a 阵的这样的智能化的话，他是逐渐的把工作流编排这个事，我们可以理解成他给到大模型了，让他们去在可能性空间里边去找可以串联其这样的一个流程去完成我任务的方法。那我们既然呢把整个 ai 的 应用层的本质我们聊清楚之后呢？那有什么帮助呢？其实这里边最大的帮助就是你发现啊 整个的一个循环呢，每一次呢它都是在去找可能空间和可能性的解决方案，那如果呢有一些场景的话，这一些方案我们就已经是确定了，我们觉得这样做呢就一定是对的，就不用去让它再帮我们去找了。 那这样的一个一个小的节点呢，我们就可以把它封装成一个工具，或者封装成一个 skills， 不 让它再去别的可能空间里边去找这个解决方案了，直接在我封装好的 m c p 里边直接去调用，然后在 skills 里边 告诉他什么时候去调用哪些工具，应该怎么去调用，然后规则去写好了。所以你会发现啊，整个的这个流程呢的智能化水平是是由我们自己包装成确定的一些解决方案， 以及我们告诉模型怎么去做，怎么去调用我们封装好的已经呃成熟的这些函数，那这样的话他就变成了 function， 加一个指导的提示词，也就是说上下文工程这样的一个概念。那把整个逻辑呢？都解释通之后呢？ 你发现 ai 应用的最后的自动化水平呢？是一个从效率变效能的一个转变，就是把以前我们需要点很多很多按钮，现在呢，我们需要把经验沉淀下来，直接变成效能，就是效能，就是我现在要什么，我不看你做了多长时间，我就看你现在能不能给我这样的一个结果。 但是给我结果的这个基础呢，是基于我已经有的经验，把我封装好的 m c p 也好，把我封装好的一个提示词，上文工程的逻辑也好给到模型，让它从而呢在确定性中呢帮我完成事情。那今天内容呢，就这么多，如果你觉得对你有帮助，给我点一个小心心，关注雷哥，关注 ai 工程化落地。

今天我们要聊的是如何用一些 ai 的 工具和设计指令库，把那些看起来很普通的由 ai 生成的 ui 界面变得更有质感，更高级。没错，这个话题最近很多人都在关注， 那我们就直接开始吧。咱们先来谈谈很多人都遇到过的一个问题，就是 ai 生成的 ui 界面总是会有一些让人觉得不够高级的地方，对 这些问题具体都有哪些？其实很多人都发现， ai 做出来的东西不能说它丑，但是总让人觉得有一股廉价感。对，缺乏那种精致和高级的气质，然后又不知道怎么去修改， 因为里面很多技术和设计的细节你根本就摸不到门道。那有没有什么比较简单直接的方法，能够让大家快速的提升 ai 生成的 ui 的 这个品质呢？当然有了，作者今天就给大家带来了六套经过行业实测的 ai 设计指令库，使用这些指令库就相当于给你的 ai 请了一位资深设计总监。 ok， 你 只要一键应用，它就能帮你把界面的质感瞬间提升，而且还能帮你节省百分之七十调整细节的时间。听起来很不错啊，那我们接下来要聊的就是全流程设计技能和 impactable 之间的差别。对， 很多人都很纠结，说这两个工具到底我该怎么选，其实很好区分的，如果你已经有了一个现成的界面，只是想让它看起来更加精致，细节更加到位，那你就直接用 pick up 就 可以了。那如果你现在要从头开始设计一整个系统，比如说你要确定它的整体风格、 字体配色这些基础的规范，那作者还是建议你选择全流程设计技能，这样就不会选错了。哦，我明白了，那 impico 到底是个什么东西？它背后的设计理念是什么？它其实就是一个已经整理好的设计指令库，你只要在代码编辑器或者说 ai 的 聊天框里面 输入斜杠，就能直接调用里面的二十一个设计指令， ok， 而且每个指令都有非常明确的优化目标， 你根本就不需要去想一些很复杂的提示词。原来是这样，那 impacable 到底有哪些具体的功能，能够这么大幅度的提升 ui 的 设计效率和质量？说起这个，根据技术社区 infoq 二零二四年的报告，百分之八十二的前端设计师都在使用 impacable 来优化他们 ai 生成的界面， 它可以直接让你的 ui 质感提升百分之七十九。它的功能也非常全面，比如说你想要让你的界面自动适配各种设备，或者说你想要添加一些动效微交互，又或者说你想要优化一下排版间距， 它都可以一键帮你完成，几乎覆盖了所有常见的 ui 优化场景，确实很实用啊，那我们接下来就来看看它的安装和使用体验吧。大家肯定也很好奇，说这个东西到底好不好上手，对，实际用起来之后能给我们的工作流带来多大的提升呢？这个工具安装起来特别简单，你只要在官网上找到安装教程， 然后跟着它的步骤一步一步来，整个过程五分钟就可以搞定。嗯，如果你实在是看不懂，你还可以直接让 ai 帮你安装，完全不用动脑， 这也太方便了吧？那有没有什么真实的案例可以说明，他到底能提升多少效率呢？当然有了，作者身边有一个做外包的前端朋友，以前他要花两三天的时间来微调 ai 生成的界面，但是他现在用了这个工具之后，半天就可以完成所有的优化，客户满意度也提升了不少。 效果这么明显，那我们就接着往下说说其他五个很厉害，但是又比较小众的设计工具。对，这些工具到底能够帮设计师解决哪些实际的问题，然后到底能提升多少效率呢？这五个工具是作者从一些大神设计师那里收集来的，非常实用。根据稀土掘金的开发者调研， 这五个工具加起来可以满足百分之九十五的 ui 设计的细分需求，然后平均可以帮设计师提升百分之六十以上的工作效率。听起来就很全能啊，那他们五个分别都擅长解决什么类型的问题呢？ 一个工具呢，是一个 ui 技能包，里面有十五个小工具，可以帮你解决一些，比如样式框架的一致性、无障碍性审计、搜索原数据的优化、动画性能的优化，甚至可以帮你做一些基于迪士尼动画原则的动效，嗯， 非常全面，这也太实用了。那其他四个呢？又有什么特别之处？第二个是质感技能包，它可以帮你一键升级项目的代码和设计质感，让你的界面瞬间变得高级。第三个是图标工具，它集成了二十多万个可商用的图标，你再也不用为了找图标和版权的事情头疼了哦。 第四个是设计大脑，它里面有六十多个组建的最佳实践和五种设计风格，帮你快速规避一些常见的设计错误。 第五个是动效工具，它是 motion 会员专属的，有动画专家技能和性能审计，可以帮你一键生成高性能的动效代码，这些工具都很实用啊。那我们接下来要聊的这个话题就很关键了，就是为什么在 ai 工具这么发达的今天， 设计师依然需要不断的提升自己的审美和设计能力？这个问题其实在知乎的设计专栏里面有专门的讨论，虽然说现在 ai 可以 帮我们快速的生成一些基础的代码和框架，但是真正能够决定一个产品的质感和用户体验的还是那些非常微妙的细节， 比如说按钮的点击反馈是不是自然，嗯，字体的层级关系是不是很清晰，还有色彩的温度是不是能够体现产品的定位，这些东西都是需要设计师的审美和判断力的，工具是没办法替代的，所以说工具只是辅助，对，真正的核心还是设计师的创造力和想法，对吧？ 对，今天给大家介绍的这些工具，其实就像给 ai 加了一个审美插件，嗯，它可以帮我们把关，让我们的界面不至于看起来很廉价，但是最终做决策的还是设计师自己， 所以好的创意和审美才是最关键的。那为了提升大家的设计能力，有没有什么具体的学习资源或者学习建议？作者有整理过一个比较完整的设计知识库，里面不光有界面布局、色彩心理，还有交互逻辑的一些深度解析， 也有很多 ai 辅助设计的一些提示词模板和实战案例。嗯，可以帮大家系统的建立起设计思维，遇到一些比较复杂的问题也可以有自己的解决思路，确实不错。那有没有一些比较具体的可以马上就用起来的提升设计水平的小技巧？ 作者给大家准备了三个很落地的小建议。嗯，第一个是，如果你现在手头上有做好的 ui， 想要优化， 那你可以先装 in pickable 指令库，然后用它的布局和排版指令先跑一遍，基本上一次就能看到很明显的提升。 好的，那如果你是想做一个新项目呢？有没有什么比较好的工作流可以推荐？如果你是想做一个新项目的话，可以先用全流程设计技能把你的基础风格定下来，然后再用其他的工具去做一些细节的打磨。嗯， 如果你是想要长期的去提升自己的设计能力，作者建议你可以每周花一个小时的时间去研究一下设计知识库里面的实战案例， 慢慢的培养自己的审美和判断力，时间长了你就可以一眼看出哪些地方需要改进。好的，今天我们聊了这么多关于提升 ai 生成 ui 质感的内容， 从一些很实用的工具到一些很落地的建议，大家应该都有不少收获吧。没错，那这期节目就到这里了，感谢大家的收听，咱们下期再见，拜拜！拜拜！

先给结论，剪辑式的 skill 本质是专业提示词加工具接口的组合器，同时通过渐近式提示词让 ai 按步骤完成整个剪辑流程， 这不是未来，而是正在发生的现实。 skill 的 两点核心本质，一、加 a 专业提示词加工具接口组合 提示词告诉 ai 风格节奏、剪辑规则，工具接口让 ai 调用剪辑软件素材库、音频处理工具执行操作。二 d 渐近式提示词展现 skill 不是 一条一次性指令， 而是分阶段分步骤驱动 ai。 比如先筛选素材，再剪辑片段，再调整时间轴，再添加转场，再处理音频，再生成字幕，再生成字幕，最后输出多版本。每个阶段的提示词都有明确目标， ai 根据前一阶段结果逐步完成下一阶段任务。第一次点名剪辑师的具体工作内容， 你每天做的事包括 skill。 将每一步拆解成可执行模块， ai 自动按步骤执行，几乎不需要人工干预。 skill 拆解流程示意，一 john 上传素材并选择风格。一、 ai 根据提示词筛选高质量片段。二、抵 a 时间轴排列， ai 按节奏自动剪辑。三、 它我转场特效处理耶， ai 自动添加符合风格的特效。四、 ro 音频处理耶自动匹配音乐和音量 五、 g a 字幕生成一，自动生成并嵌入六天它多版本输出杀不同平台尺寸和格式自动生成，每一步都是渐进式提示词驱动，确保 ai 完整理解目标并执行智能体协调。多个 skill 同时运行，全天候处理几十条视频， 输出，质量可控统一，无需疲劳，企业效率提升数倍，成本大幅下降。最后一句话， skill 的 本质决定了它能逐步替代剪辑师的重复工作，这是不可逆的趋势。

每次你向 cloud 解释你们团队的编码规范时，其实你都在重复自己。 每次做 pr 审时，你都要重新描述你希望反馈的结构方式。每次提交 commit 信息时，你都要提醒 cloud 你 偏好的格式， 而技能可以解决这个问题。技能是一份 markdown 文件，只需教 cloud 一 次如何做某件事，之后 cloud 会在相关场景下自动应用这些知识。代理技能是一组包含指令，脚本和资源的文件夹， 代理可以发现并使用这些内容，从而更准确高效地完成任务。在 cloud code 中，我们有技能的 md 文件描述部分决定了 cloud 是 否会使用这个技能。当你让 cloud 审查这个 pr 时，它会将你的请求与可用的技能描述进行匹配，并找到这个技能。 cloud 会读取你的请求，将其与所有可用的技能描述进行比较，并激活那些匹配的技能。你可以根据需要技能的人将技能存储在不同的位置。 个人技能存放在瞩目下。 cloud skills， 并且会在你所有项目中跟随你。这些包括你的偏好，你的提交信息风格，你的文档格式以及你喜欢的代码讲解方式。 项目技能则存放在仓库跟目录下的 cloud scales 文件夹中。任何克隆该仓库的人都会自动获得这些技能。这里存放的是团队标准，比如你们公司的品牌指南， 首选字体，以及用于网页设计的颜色。 cloud code 有 多种方式可以自定义行为。技能的独特之处在于它们是自动的，并且针对特定任务。 cloud md 文件会在每一次对话中加载。如果你希望 cloud 始终使用 type script 的 严格模式，那就把这个要求写进你的 cloud 文件。而技能则是在与你的请求匹配时按需加载。它只会加载名称和描述，因此不会占满你的整个上下文窗口。当你在调试时，拉取请求的审核清单并不需要出现在上下文中，只有当你真正请求审核时，它才会被加载。 斜杠命令需要你手动输入，技能则不需要。当 cloud 识别到相应情境时会自动应用这些技能。 技能最适合用于适用于特定任务的专业知识，比如你团队遵循的代码审查标准、你偏好的提交信息格式、你所在组织的品牌指南等。 如果你发现自己总是反复向 cloud 解释同一件事，那么这其实就是一个等待被编辑的技能。

通过前面的学习，我们已经学习到了如何从 crawl harbor 社区去部署一个我们所需要的 scale 啊。今天呢，我们就要来通过一个手搓我们自己手搓的一个 scale 来学习一下 scale 在 open crawl 的 内部的一个工作流程。大家看一下，这是我自己写的一个 scale， 这个 scale 的 工作内容就是说将我们发送给他的数字转大写，那这边我给他发送了一个三六八点六转大写，然后他返回给我们一个将数字转换成人民币汉字大写的一个结果。 好了，我们一起来看一下这个 scale 的 文件结构。我们先从 manifest 的 这个文件开始，这个文件呢是 opencloud 的 入口文件，它决定了这个 scale 叫什么名字，然后这个 scale 是 如何使用的。首先 opencloud 会去读取这个 scale 的 名字，对不对？那么第二个会来读取这个 scale 的 一些简介，然后会来通过 interpret 来看这个 scale 是 如何工作的。 那么第一个你看这个地方，我看可以看到 interpret 指向了我们的这个 py 脚本文件， 在这个脚本文件里面又后面又跟这个冒号指向了这个脚本文件里面里面的一个函数，就是这个函数，它通过调用这个函数来执行工作，然后在这个函数的内部呢，我们先获取了上面这个 number two rmb upper 的 这个函数来获取结果 啊，这就是它输出的结果这个地方，然后呢它将执行的结果 return， 也就是返回给我们， 就是这个返回给我们。好，这是第一个。那么第二个就是 sigma 的 这个，这个呢就是决定了这个，呃 scale 它的 执行方式是什么？我们可以看一下 sigma 的 节省，这里面就决定了最主要的，我们可以看一下这个 amount 这个参数，这个参数就告诉了这是我们所需要的， 所需要传入的参数是什么，其中参数的类型我们这里说的是字母串，那么这关于这个参数的一个简介，然后呢，这是一个 required amount， 这个就告诉 amount 是 必须的，不能空，如果为空，这个 scale 就 调用不成功的 好了，这是最重要的三个文件，一个是我们的程序执行主体，由它来完成如何去进行工作，就点 py 文件，当然也可以去试其他的任何脚本文件也是可以的。 那么 manifest 这个是让 open color 来知道如何这个 scale 是 如何工作的，这个 scale 包括有哪些功能可以做什么都是由它来操作的。然后这个 scale 是 一个说明文件，它告诉我们人类 这个 skill 可以 做什么，这是很重要的一个东西，包括下面我们可以挑一点重点的去看一下，这上面是一个执行方式使用方法是怎么使用的。然后最下面一个关键触发词， 当我们给他的东西里面包含这些的时候，他会进行一个匹配，如果匹配成功，他就会把这个就会这个 skill 就 准备开始工作了。 在前面我们简单地说明了一下，当 open color 调用 scale 的 时候， scale 去如何工作的。就深入到另外一个问题，就是说 open color 是 如何知道完成某项工作的时候是去调用哪一个 scale， 或者是调不调用 scale 去完成工作， 那么这是你就深入到另外一个话题了，就是 open color 与大模型之间的沟通一个问题，当用户输入一二三四五点二转大写这么一条信息的时候， open color 它首先会筛选它本地的所有的模型去进行 一个初略的匹配，那么匹配的主要的文件呢？是哪些？是 manifest 里面中的 exclamation， 这个里面的内容进行匹配，包括 sigma 点 jason 的 匹配，还有 scale 点 md 中间的信息进行匹配，比如像我们刚刚展示了，我们可以看一下， 我们可以看一下这一个触发关键词，当这些关键词匹配上的时候，那么它就会将匹配到的 scale 的 信息发送给 大模型，那么发送的信息包括用户的输入，一二三四五点二转大写这个用输入信息还有 test 的 描述，描述信息，记住并不是说整个内容全都发送给大模型，大模型收到过后 就会进行判断，当大模型去进行判断，这个工具就是这个 scale 和用户想要的结果是否匹配，如果不匹配的话，它最终它就直接输出一个我们想要的结果给我们交给 open curl， open curl 再返回给我们。那么还有种情况就是匹配到了， 就是说大模型判断为用户想要的结果和这个 scale 功能匹配的时候，那么大模型就会传一个 toker 的 一个信息给我们的 open curl， 大 模型 里面就包含了用户的一些信息，大家这里你看，大家看一下，这里就直接传入了一二三四五点二这么一个信息给我们的 open curl， open curl 呢？再去调用我们的呃 scale， 要用 scale 和 scale 再把信息给让 open curl 传输给大模型，大模型将我们的结果进行加工过后 再传输给 open curl， open curl 最终返回我们的结果。那么这里听起来有一点绕，其实也很简单，我给大家看下这个地方，大家就明白了。大家可以看下这个地方， 我给他 open color 发送的消息是五三八点六转大件，那么这个时候这条信息会直接在这个地方， 而 open color 将用户输入直接发送给大模型，这个地方会。大模型过后，当匹配到这个 scale 的 时候，那么它会提炼结果，将 它实际上得到的输入是它将三五三六八点六这个字母串，把后面的转大写几个字直接去去掉了，然后发送给 open claw， open claw， 然后再将五三六八点六这条信息发送给 这个 scale 去工作，当 scale 完成的时候，它就将这个 scale 生成的结果信息再交给 open core， open core 交给大模型，大模型 将加工后的输出再发送给 open core， open core 再发送给我们。这也就是为什么这条信息为什么会有一条五三六八点六元等于五千三百六 十八元六角这条信息，而不是直接给我们的。我们也就是说在整个过程中，其实 open 格勒和大模型进行交互了，其实是交互了很多次的，所以这就是为什么我们一个简单的工作会消耗很多的 talking 的 一个原因，就在这个地方。

卧槽，这个前端开源项目已经成了很多团队做后台和萨斯界面的默认选择。莎莉 c n u i 组建已超过一百 k 的 收藏，如果你在做管理后台、低端平台、 ai 产品界面这些精致的数据图绝对用得上它并不需要你手动携带，完全支持 ai 帮你来完成它。内置 skills 和 m c p 等服务， 只需要快速安装项目，依赖环境，再搭配官方出的 ai skills， 直接帮你快速使用。萨里茜使用前提也需要先安装 skills 才能给你的 ai 附加这个技能包，不安装 skills 也可以，也支持 m c p 服，当前 ui 组建简直就是 ai 神器，直接让你不再手动编辑后台代码，也能统一规范。