webmcp skills怎么写

八十六教截至目前，在摩达社区 sequo cunqin 的 钓用量已经达到八十六教，它所在的官方仓库也达到了八万 size， 它就是 sequo cunqinqin， 在 科四早期，一条对话最多二十五次攻击，钓用达到象限自动断开。 sequo cunqinqin 每走一步就消耗一次， 况且其调用也让 ai 完成任务的时间拖得更长，但仍然有一大批人热衷于使用它。为什么一个让 ai 慢下来的工具，能在 m c p 生态里拿到这个位置？这期我们就来聊聊曾经 m c p 调用当之无愧的榜一。 c c 兄 thinking 做对了什么？ ai 有 时候给答案很快，但快不一定对大多数模型的磨练，行为系拿到问题直接输出最可能的答案 就在简单问题上没问题，但遇到需要多步推理的场景，他就开始走捷径，跳过中间步骤直接给结论，然后用听起来合理的理由把结论包装起来。却不喜模型不够聪明， 就喜模型再用直接回答本来需要推理的问题。此昆兄 thinking 做的事情就是强制 ai 进行推理，他让 ai 能先把问题拆开去想 这个问题有几个维度，每个维度的约束是什么，猜清楚了才能往下走。本届像是把 ai 从快思考拉到了慢思考，好比让 ai 一 口气翻译一篇很强的文章，质量往往很差， 但你把文章切成段，一段一段的给它，效果就好很多。不是因为模型变聪明了，而是每次处理的信息量变小了， 他的注意力才能够更专注。习坤兄 thinking 的 道理是一样的，把大问题切成小块，每一步只处理当前这一段。这套思路和 chain of thought 研究不谋而合。 c o t 是 一种提现技术，通过在 prompt 里引导模型输出中间推理步骤来提升复杂任务表现，由谷歌的 jason 等人提出，又因 open ai 发布的 oe 模型一直为世人所知。 ic 昆兄 thinking 是 一个极星框架强技结构化的推进，两者机器不同，但方向一致，都是把 ai 从基建拉向推理。研究发现，推理炼泥某些关键步骤对最终答案有决定性影响。 推理链的内部结构本身就是准确性的强预测因子。对于没有内置推理能力的模型来说， sequencer thinking 的 价值尤其明显。二零二四年十一月他发布的时候， oe 刚发布 pre 六版没多久， deep c 二 e 还未发布。 当时除了 o 一 主流模型，都没有内机的推理模型。在那个背景下，它填补了一个真实的空间，这是它能成为 m c p 榜一的根本原因。它解决的不是某个垂直场景的问题，而是 ai 推理本性的问题， 所有需要 ai 深度思考的场景都可以用它。后来还出现了一些演性版本，比如 ultrace 里奥斯特之类的，都是在它基础上做优化或扩展。 谢坤修 thinkin 的 成功一定程度上也是 mvp 这套机制的一次验证。但用过 mcp 的 人都知道， mcp 的 缺陷也是实打实的配置要改。 jason 连象棋、本地会棋多个独立进程，每次启动 i d e 都要等这些进程就绪，还时不时不明原因断开。更麻烦的是， m c p 的 工具描述从对话一开始就绽满了向下纹，不管你这次用不用得下。二零二五年十月， a n s r opik 推出了 cloud skills， 与 m c p。 思路不同，一个 markdown 文件加上少量代码，或许参考按需加载，不需要跑任何 m c p 服务器了。直到现在，我已经几乎把 m c p 全部换掉了。而实际经验， cop 深度推理基本已经成为每个模型必备的能力， sequential thinking 很 大程度上已经不再被需要了，取而代之的是一段段 thinking 思考框。最后，在我们这个几乎每月都有新模型发布的今天，我做了一个 skill 版本的 sequential thinking， 加了一个清淡的 c l i 来取代了原来的 m c p 协议，给仍在使用非思考模型但又想全面转向 skills 的 同学做个过渡 一项，就是本期视频的全部内容了，感兴趣的小伙伴可以按照这些命令安装，我们下期再见。

我们 google 极本质上来说就是将我们的聊天工具和我们的 m c p 整合，当我们在各种各样聊天平台，比如飞书、叮叮、 what's up 以及 telegram 上面发送消息的时候， 我们的消息会到达网关，由我们的网关去用掉我们的模型以及决定是否掉某一个 m c p 或者 skills。 那 通过这样的方式呢？比如说像我在这里能发送一个消息，对吧？我发送一下如何变得优秀，那当我这个消息发出去之后呢？他会跑到哪里呢？他第一步要做的就是把消息，你看拿消息呢，他就是助理， 处理的时候呢，会创建一个绘画，就是当前这个飞书。那这绘画是怎么来的呢？当我们每一个群呢？相当于，哎一个绘画的分组，当我在这个群里面发送一个消息，这时候可以看到这里是一个群的 id， 飞书、冒号跟这个群的 id 就 会创建好这么一个绘画。那为什么很多人觉得 open 越用越好用，它的窍门在哪里呢？ 说我现在在群里发消息，对不对？我发消息发出去了，这个时候呢，他首先会根据你的消息来进行记忆，比如说这里有一个代理，代理呢，可以看到这我们当前这个代理代理会分为文件以及能调用的工具，哎，有技能以及当前你连接的这个有像飞书，对吧？那通过这样的方式来给你分门别类，包括我们的定时任务。 那在刚刚我们对话，比如说我告诉他我是谁，以及我要做什么，这个时候呢，他会把你的信息，比如说，哎，我是小刘，他就记住了我是小刘，他会把我是小刘这个信息呢记录在这个地方，这个地方里面存放了很多核心的文件，比如说你的灵魂，对吧？ 你是一个怎样的人，以及哎，你能够调用的工具有哪些？你看是能调用的工具，以及哎，他的这个定位是什么？比如说，哎，你看我是刘晓，对吧？小刘，你看是不是， 是不是？他，呃，就会把你的一些信息，每一轮对话的信息给它抽取出来，放入这个文件里面，就说明呢，你每越跟他聊天，对吧？你越跟他聊天，他会变得越好用啊，就这么一个点啊。好，我们先来看一下这个 open log， 首先从概览这边开始看起，概览这边我们可以看到它当前的这个网关，也是我们说的这个啊， get 网关，我们所有的信息呢，都会经过这个网关，由这个网关去 给它分发到不同的 agent， 最后去创建绘画，就我们当前的绘画钥匙啊，好，那这时候我们可以看到，对吧？我们的网关有一个状态，就代表，哎，我们这个网关是运行的，那你也可以停止网关，那如果说你想看网关的命令呢？这个时候你可以在这边，哎，你输入一个这个 open log， 杠杠 hero， 那 我们来试一下啊，杠杠 hero， 这是我们 openclaw 的 一个命令，这个命令呢是有一个固定的格式的，你不需要记任何的啊，使尽心力，只要看这个格式 options， 你 看，跟上这个格式，再跟上这个命令，所以呢，它是先 openclaw 固定格式，再跟上 options， 再跟上 command， 对 吧？你这时候就可以哎去掉不同的信息了，比如说你想看文档，你就直接，哎， 哦，直接 boss 词，对吧？如果说你想看具体的模型，你就用这个命令，对吧？你想看具体的连接在哪些学校用这个命令以及当前的这个端口是什么，对不对？那当你停止了这个当前的这个啊网关，那这时候就不是正常了，对吧？好，那当前我们可以看现在目前有三个绘画以及计时任务，是不是起用，对吧？从这个地方可以看到 那频道也就说我们是哪些聊天工具连接了它，因为现在我们只有一个飞书嘛，对吧？所以这里呢只显示了一个飞书，那可以看到，对吧？就当前的这个频道里面目前显示一个状态，以及它是使用什么方式连接的，比如说 voip socket 啊，去连接它，以及它连接的时候是不是要发送心跳啊？是不是实时检测啊？这里就是一些基础配置了，那实力什么意思呢？ 我们每一次连接他，对不对？每一次连接他了之后呢？我们可以看到是有一个设备，这个设备就我们当前这个设备来告诉来他，我们先是某一个设备，设备什么信息啊？连接他对不对？通过这样的方式连接他，对吧？以及你连接他的时候用哪一些啊？ ui 去连接他，你可以看到当前五分钟前响应对不对？ 以及绘画，绘画不用说了吧？就说这里呢是针对某一个绘画的设置举个例子啊，比如说我在飞书里面跟他聊天对不对？我艾特他，你看艾特他， 好，这时候我想问你，是不是他在绘画里面加了一下小筛选消息，对不对？所以呢，这时候就是我们在跟他对话的时候呢，他这个飞书的一些啊，绘画的详细配置，比如说啊，我现在要在飞书里面，我要求他这个回答我的时候，你看在的，你看是不是我要加短一点或者长一点？怎么做？ 你看这边就可以设置啊，设置思考是不是思考思考的长短啊，以及你这个是不是回答是不是要拢长一点还是短一点，以及他是不是需要推理啊，通过这样的方式可以去设置，当你可以把这个话给删掉，删掉之后呢，这个非书他就不能聊天了，就比如说我现在给你，哎，我删除，你看，我现在一旦删除，你看这里面，嗯，其实你说实话， 你在里面聊天，你看啊，这里还有一个绘画，不过你看啊，其实它本质上来说，你把这个绘画三呢下面的这些记录呢，它都不见的，你懂我意思吧？好，下面这使用情况就是，哎，代表他你最近的时间使用的一个 token 呢，你使用的一个具体的次数啊，你看调用消息啊，以及你发送的这个 金额啊，你看我现在使用的是偷看还比较少，对不对？以及这回回复的一些结果啊，最近都可以看到，相当于做一个查询吧。好吧，好，那我再往下看，这有个定时任务，这个定时任务啥意思啊？就是你可以去设置某一个任务，某时某刻某点，哎，比如说像闹钟啊，像，哎，像给你一个提醒啊，你通过这样的方式，你可以取个名字，比如说早上提醒， 那啊，好处是什么呢？你看这时候呢，你设设置这个任务之后，他可以在飞速里面去提醒你，相当于本身上来说，你在手机上也好，你在哪里好，你都可以通过这样的方式来去操控你的电脑。为什么？因为你在飞速上发消息的时候，本身上来说，他就接听到了这个啊，接听到这个啊，消息最后再发送到你的网关。 那本身上来说，你用的是飞速的服务器，你用在飞速上服务器发消息，他掉的还是你自己的网关，所以呢，这个网关在你电脑上，他就可以去处理你的电脑上的一些任务，包括，哎，你的一些文件也好，还是什么也好，对吧？ 代理，不用说了，这个我们就刚刚说了，我们现在目前只有一个 id 的 代理主主要的代理，好吧，这里是我们整个 id 的 一个信息啊，存哪里啊？以及你用了什么模型啊？包括你现在是不是啊？针对哪些技能可以用啊？你看我所有技能可以用，是不是？那包括这里呢？你也可以选择哎，其他的模型，这是我目前配置这些模型啊， 非，有的话不用说了，对吧？这是我们刚刚说的一些行为啊，比如说你这个人是谁啊？你，你要做什么？你，你能做什么？都是你配以及他能调用的工具啊，比如说你所有工具，对吧？以及编程的一些工具。那这个 open to law 它能做哪些事情？取决于你的工具有多少？比如说我想要登录小红书，那我就用小红书的这个 m c p， 我 想调 gitlab， 那 我就调 gitlab 的 m c p 啊，通过这样的方式去调，那 skills 呢？更像的是这个 toss 的 一个抽象啊，这里你可以选择去创建不同的技能，教你怎么使用这个，我我觉得这个不用多讲了。好吧，这个已经是司空老生常谈了，好吧，司空见惯的一个东西了。好吧， 那这个就是我们当前的一个连接啊，连接哦，我们连接飞书对不对？以及飞书它连接了以以后，对吧？它是一个想要上下文，你看都在这里，上下文可以去管理，上下文相当于，哎，好吧，第十任务，嗯，我现在没设置第十任务，所以这里没展示， 你可以相当于理解，这里是配置代理相关的啊， skill 不 用说了吧，就是你可以去选择安装某个技能，开启关闭某个技能，比如说我关闭它啊，开启它，对吧？那就开启对吧？关闭，那就是你开启关闭之后呢，他在聊天对话的时候呢，他就少调用那些技能，比如说像节点啊，这里的节点就是说，哎，我们可以去 跟他进行配对，然后哪些是公开的一个节点，你看这里面我们可以看到，对吧？有一些我们常用的一些节点设备信息啊之类的好 配置，这里就是说我们整个 opencloud 详细的配置，比如说，哎，环境也好啊，以及当前 opencloud 的 一个版本呢，以及我们的 agent 啊，这这你就像一个我们手机里面设置类是这样的，就是啊，喜欢详细的一个配置， 包括我们的浏览器啊，你是不是可以连浏览器，是不是？那下面就是一些啊详细的这种调试的一些东西了，你可以去调试一下，调试，哎，它是不是掉哪些东西？然后呢？可以刷新一下 这里，你可以推出一些信息调 rbc 也好，那这里就是日制，就我们整个 open ledger 聊天过程中它会调哪一些日制在这里，那这就文档啊。好吧，就整个 open ledger 本质来说就是通过聊天工具去调用不同的 mcp 啊，最终实现我们的一些啊基础任务。好吧，那就本期视频全部留。那我是小刘，我们下期再见。

相信各位已经刷到过非常多关于 skills 与 mcp 协议的一个区别，以及它们各自的用途，但是关于如何自己去开发一个号属于自己或者公司的一套 mcp， 那 么这个流程应该是怎么样的？今天我们去看一下。首先在 github 上， github 上我们找到 model context protocol 这个仓库， 那 model context protocol 它是 m c p 的 一个缩写，意味着用于给 l l m 模型的一个上下文交互协议。那 m c p 它主要做的事情就是给到我们的大模型 工具模板以及查询数据的一些能力。那在这个模型仓库里面呢？我们可以找到它它的 repository 这个 tab， 在 其中可以看得到非常多的主流编程语言的 sdk， 目前主要用到的其实就是 tab script 以及 python， 或者说其他的一些语言，例如 go cately。 那 这边我们先用到 python 做一个测试。 首先打开 python 的 一个仓库，拉到下面会有关于我们如何通过 python 去开展 m c p 项目的一个简介， 拉到 installation， 然后看到它下面这一段就是我们如何在本地去开发 m c p 服务的一些基础的脚本。 第一个 we recommended using uv to manage your python projects。 那 首先我们先先要安装 uv， 那 uv 我 们可以打开 uv 的 官网， 在 uv 上找到它的一个安装这个菜单，然后可以看得到 提供了 macos， linux 以及 windows 的 安装方式。那我的电脑是 windows， 那 我们这边就可以通过 power share 去安装这个 uv 的 脚本以及安装。安装完成以后，我们可以打开一个 后台，那这边我用到的是 command， 各位也可以用一些其他的脚本，其他的一些 command 工具。我们这先去到预先设定的一个目录，我们在预先设定的目录回到这个 tab 界面上来。首先需要先出使画我们的 uv， 那 刚刚已经完成了 uv 的 安装了，这个时候就可以进行 uv 的 出使画了。首先检测一下 uv 的 安装是否成功，这边使用 uv 的 word 命令， 看一下本地有没有什么 python 的 已安装版本，那这边可以看到我这边是有三点一二，三点一三和三点一四几个版本的。那我们现在可以抽象，那抽象先使用 uv init m c p server， 通过这个指令进行我们的项目抽象， 然后去到 m c p 的 server demo， 可以 看到现在初识化了两个非常重的文件，一个是命令派，一个是派 project 点套两个文件，那这个是主要的运行程序。随后需要将 python 的 依赖安装到项目中，通过 uv add， 然后 m c p 杠 c i， 那 这一步就相当于将拍将 m c p 的 s d k 安装到我们的拍摄项目中。这一个步骤大概会耗费两分钟到五分钟之间的时间啊，现在安我们的依赖就已经安装完成了。 随后我们可以去打开我们的项目目录，这边我们使用 vs code， 使用 vs code 的 进行测试，打开我们的项目文件夹，这样就可以看到这样的一个虚拟环境点， v， e， n， v 以及我们的项目文件。先在 vs code 上运行一下，点击右上角的运行按钮，可以去执行我们这段 方法。它主要的功能就是 print 一个 hello from mcp server 港 demo 的 一个字母串。回到 gitlab 上，我们可以将 quickstart 中的一个简要 mcp 服务样例代码贴上来，那它主要就是暴露了一个 calculator tool， 一个计算工具以及获取一些信息的短点，将它完整地贴到我们的命令派上。 接下来我们一行一行看一下，那首先它是从 mcp server 点 fast mcp 中导入了一个 fast mcp 包 进行抽象。随后我们可以看到三个修饰符。第一个 tour 意味着我们暴露了一个工具给到模型，那这个工具主要做的事情就是将 a 和 b 进行相加。那需要重点关注的呢？第一个 就是我们的手环注视，注视是我们需要通过自然语言告诉大模型这个方法，这个工具它是做什么事情的。 例如这个地方，它是 add two numbers， 将两数相加之和返回给到我们的大模型，并且我们需要在方法的参数上明确它的一个参数类型，这样让我们的大模型能够更加精准地调用到我们的 tool。 那第二个就是 resource， resource 就是 辅助，要是用来做数据获取类型的，它基本我们不做一些 d b 的 调整，或者说是一些文件改动。 类似于 rest 协议， rest 请求方式中的 get 请求，那上面的是类似于 get， 类似于 rest restful 的 post 请求 post 请求。 下面第三个最近新增的一个修饰类型就是 prompt， 那 prompt 的 类型， prompt 的 修饰符它是用于约束我们的回复的一些规范，一些模板 啊。这个地方我们暂时先把下面两个删掉，我们用 to 这个修饰来先做镜，先做演示。最后一行可以看到目前 的方法，我们执行的是 streamable http 协议，这是我们到时候在云服务器上部署，或者说某一个服务器上部署的时候，我们需要用 streamable http 或者 sse 来进行部署。那本地开发我们可以把它先换成 s t d i o， 那 s t d i o 就是 一个标准的输入协议了，我们适合在本地做调试，或者说未来将它打包成本地应用上传到牌牌上。接下来我们先先试一下， 这样我们的一个基本的 demo 就 已经完成了。随后我们可以先打开 cherry studio。 cherry studio， 是 啊，先看到我这边本地去做 m c p 调试用的一个工具，那它当然也可以去接受非常多的模型。先打开 m c， 打开这个 share studio， 右上角的一个 setting， 就 往下拉一点， 先看到右上角的一个 setting， 在 setting 里面找，我们看到 setting 里面有五模模型服务，当我们下载到 share studio 以后，它默认会有一个 cherry 音， cherry 音的一个模型，那这个是免费使用的， 我们可以配置一些其他自己的一些大约模型的地址，这边我配了一个 tipsick， 当然用其他的都是 ok 的。 去找 mcp 服务，找到第一项 mcp 服务里面，首先关注这个地方，它可能是成色的，意味着我们有些依赖没有安装完成，那依赖没有安装完成这个里面的一些 指令，那可能就会用不了，那我们点开来可以看到他，他需要我们安装 uv， 需要我们安装包，那如果没有安装，右边会有两个按钮，点击安装即可。那随后如果安装完了以后，这两个就变绿，回到这个主界面上也会变成绿色，这个时候我们点击添加， 快速创建一个 m c p 服务，名称描述无所谓，随便写协议类型。由于我们在项目页面上这边使用的 s t， d， i o 的 标准输入输出协议，那这边也需要使用标准的输入输出 命令呢？我们用 uv 之前安装的 uv 包管理，不用管参数，我们需要启动本地的 python 代码，那需要指定一下我们的启动路径，刚刚 direct 指定它的一个项目路径，回到 vs code， 然后复制我们的项目地址，将它贴到第二行，这些可以看到叫问号，每个参数它是占一行的，所以我们的每一个参数都要换行， 如果有些人这边是有两个杠的，那删掉一个就行了。第三行 run 启动，我们的 main 点拍就是 main 拍，省的脚本，那这样就已经配置完成了。 这边点击不错，启动，启动完成这边就会开启，这边要日上可以看到它已经启动完成了。我们可以在工具里面看到我们刚才的方法提示，如果我们加了 resource 或者 prompt， 那 这边也会有相应的提示的资源，以及 呃以查询数据的资源。现在只有一个 id 可以 看到报两个参数，一个 a， 一个 b， 并且都是 a t 这类型的整型，然后可以关掉了。回到这边看到 m c p 服务的状态是启动即可。接下来我们切到首页，在聊天窗口随便建一个， 打开下面的锤子，它是 m c p 服务的一个配置方式，可以自动，我们这边调试就改成手动，会比较方便，手动选择到我们的 m c p。 服务， 并且输入随便选一个，刚输入完就开始调用我们的 m c p。 的 app 服务了。 app 工具可以看到 m c p。 服务爱的工具托尔扣，并且传入了两个参数，一个是一二三一二三，第二个是一串长数字，并且得到了结果，那这样的话我们本地的一个 m c p。 服务就已经配置完成。当然我们在实际开发过程中， 我们可能很多的 m c p。 服务进行的是企业内部的业务封装，那这个时候我们就不太方便去使用 s t d i o。 的 一个方式进行 m c p。 的 部署。 我们可以这个时候把它换成 s s e。 的 协议，回到这个 chris 六，把它的 m c p。 服务先关了，然后回到项目进行保存，这个时候我们的 m c p。 服务就会以 s s s e。 协议 来提供 server service 回到 m c p。 服务，我们重新编辑，将它的类型从 s d d i o 换成 s s e。 我 们的请求地址也调整为 http local host。 八千 m c p。 服务，我们默认启动是八千杠 s s e。 然后进行保存。我们先不要急着启动，可以在 visual studio 里面把它起起来，启动完以后可以看到它起了一个八千端口的本地服务， 那这个时候可以在这边再起一次，把它开起来，那这样我们的 sse 的 一个服务就已经启动了。同样是工具提示资源，看到三方内容，回到业务的首页新建话题，我们将这份访问的重新复制一下。 新建话题，然后填进来，虽然同样会调用我们的 mcp 服务进行一个结果获取， 那这边我们可以看到是用的 tray studio， 那 如果想用我们的其他的 ide， 比方说 tray 或者 cursor 或者 cloud code 去配置我们的 mcp 服务该怎么办？ 那么下期我将介绍如何将自己编辑的 mcp 服务连接到其他的 ide 上进行调试，例如 cursor vs code 或者 tray， 并且将它们部署到云服务器上面进行远程连接。公网访问关注我，学习更多 agent 的 相关的使用小技巧。

第八期， skills skills mcp、 open c l a w 一 次性讲透 ai 应用层最硬核的三个新名词。大家好，欢迎回到我的 ai 大 模型应用系列。前面七期我们把模型摩塔 r a g d five codes、 n 八 n 全自动 ppt 智能体全都做完了。这一期我们把你最开始点名要的二零二五年之后最火的应用层三大件， skills， m c p open c l a w 一 次性讲透，讲明白，让你看懂未来 ai 是 怎么组织，怎么调度，怎么落地的。 全程不搞玄学，只讲能听懂、能用上的人话。首先第一个 skills skills ai 的 专业技能包。你可以这么理解，以前的 ai 靠一段长题式词干活儿， 现在的 ai 靠一个个 skills 技能干活。 skills 是 什么？就是把固定任务、固定流程、固定格式打包成一个可附用、可挂载、可管理的技能，比如总结文档 skill 生成大纲 skill 生成 ppt skill、 代码编辑 skill， 客服应答 skill。 它比提示词强在哪儿？稳定不跑偏，可以版本管理，可以共享给别人用，可以被智能体自动调用。我们在 code 里用的那些插件，专业能力本质上就是 skills。 一句话，提示词是临时指挥， skills 是 ai 真正的手艺。第二个， m c p 模型控制平台， ai 的 调度中书 m c p 全称，一般叫 model control platform， model computing platform， 翻译成人话 ai 的 总调度中心。它解决什么问题？ 现在有一堆东西，好几个大模型，一堆 r a g 知识库，一堆 skills 技能，各种插件、工具、 api， 谁来管它们，谁来决定这个问题？用哪个模型，这个任务调用哪个技能？怎么省钱？怎么加速？怎么权限管控？答案就是 m c p， 他干的事儿。统一入口调用所有模型，路由分配简单问题小模型难问题大模型日制审计，限流计费。把零散的模型技能、智能体拼成一套稳定系统。你可以这么记，模型是工人， skills 是 手艺， m c p 就是 包工头加调度台。企业里要落地 ai， m c p 是 必选基建。第三个， open cloud， 本地开源 ai 助理天花板，这个是二零二五年下半年开始火的非常重要的方向。本地运行隐私安全、开源可扩展的 ai 助 理。 open c l a w 核心定位，开源免费，可以本地部署不上云，兼容各种大模型，支持挂在 skills 插件工具，适合做个人助理，本地办公助手。 隐私敏感场景，它和 coos define 区别在哪？ coos， 云端低代码做智能体，云端私有化知识库， r a j 本地优先隐私优先清亮化偏终端助理，适合谁用？不想把文件传到云端的人，想自己搭一个完全可控的 ai 助理， 想在本地跑 ppt， 生成文档。总结自动化一句话， open core 等于你自己的本地 ai 操作系统。最后我帮你把这三个串成一句总逻辑，听完这期直接闭环。

好，兄弟们，今天借着这个 open class 讲一讲这个 skills 还有 mcp， 它们是什么东西啊？ skills 是 个技能，就是赋予大模型本身所能够使用的这个技能， 比如说查找一个网页，然后抓取一些信息，这是大模型能够学习到的技能。 mcp 呢？ mcp 是 一种工具，就相当于说大模型技能可以调用某一个工具来做某些事情，这样子被称为这个 mcp。 讲完了技能之后，我们看一看这些技能收集的网站，这个是给 open klo 用的，叫 klohab， 这上面有这个安装的命令啊什么的。 我们再来看另外一个网站，叫做 skills， 点 h h， 这个网站里面收集了 github 上面很多有用的这个 skills， 我 们看第一个怎么安装啊？直接点开一个，然后复制这个命令，直接就可以安装了，特别简单。而且在安装的时候，它会让你选择是否给 open claw 进行安装，所以这个网站和那个 claw hub 啊，它们是一样的，只不过这个更加的方便一点。

你敢相信吗？有一项直接颠覆认知的 skill， 黑科技 web mcp！ 传统 ai 操作网页全靠看，先截图识别画面，再猜你想点哪，怎么操作， 跟人一样，靠视觉慢慢摸索，笨得很。但 web mcp 完全不一样，它是闭着眼睛就能玩转网页，不用看画面就知道自己在哪， 周围有什么能做什么，直接开了上帝视角。拿这个迷宫游戏举例，普通 ai 得不停截图观察哪条路能走，有没有道具像盲人摸象一样瞎视，效率低到离谱。 可外边 m c p 往这一站，周围所有信息直接读进脑子里，根本不用模仿人类。去点按钮动鼠标，你看这个界面，连可点击的按钮都没有，鼠标键盘彻底没用，纯纯死局。 但外版 mcp 仅凭意念就能一路顺畅通关，全程丝滑到离谱。这才是真正划时代的浏览器 ai 技术，直接颠覆你对智能操作的所有想象。这么牛的黑科技，赶紧去体验试试！

经常有人会问，为什么不写一个超大的 scale， 把所有的柜子都放进去，这样不是更省事吗？其实拆分多个 scale 有 很多好处，第一个原因是省 token。 比如你有写代码、写文档、写文案的三种需求。 如果你把所有的要求都混到一起，每次都加载全部内容而拆成三个，用哪个加载哪个拆成多个 skill 的 第二个好的原因，触发和精准。大而全的 skill， ai 词根本搞不清楚什么时候该用 小儿专的 skill， 分 开写的 description 足够清楚和明确，触发的时候反而会更准确。 拆分多个 scale 更好的第三个原因，可组合。比如你在写文章的时候说审文章并配图， ai 会同时加载审文章配图这两个 scale。 这是两个 scale 组合的一个例子，如果你一次需要更多的 scale 配合一起工作，那这种可组合的方式会更加的灵活和高可用。我们再从信息论的视角验证一下，为什么拆分多个 scale 会更好。 其实 ai 大 模型在工作时就是在信息混杂的输入里找出真正有用的信号。把很多任务规则塞进一个大 scale， 会提高信息商信号更混杂，模型的解码难度更高。 开成多个小 skill 就是 降低伤，每次只加载与当前任务强相关的内容，让信号更纯理解更稳定。那要怎么设计才能做出一个更好的 skill 呢？我总结了九条最佳实践，下集一起告诉你。 下一集将是本系列的第八集。 skill 设计的九个最佳实践。看完这个系列，相信对你使用 skill 乃是 ai 编辑的能力都会有巨大的提升，下一集还是干货，千万别错过！点赞加关注，获取更多的有价值的 ai 新信息！

相信很多小伙伴在学习 ai 和使用 ai 的 过程中，经常被一些层出不穷的 ai 技术概念给弄混了头，理清这些技术概念其实可以帮助我们更好的去学习，因为我们可以更了解这些 ai 工具使用的这些技术，他们能够干成什么事情， 也可以让我们了解我们能够用这些 ai 工具去做哪些事情。像去年到今年几个比较火热，或者是已经在整个 ai 界带来了比较大的一些成果和价值的体现， 主要就是 skills m c p， 因为 skills 它是包括近期小龙虾去调用的一个技能点，以及或者是在微博 coding 中去使用到不同的一些 skills， 来帮助我们去完成一些比较复杂或者是一些比较繁琐的任务。 那么 skills 它其实就是 ai 的 手和脚，它相当于给大家模型加了手和脚之后，就可以更好地去执行一些特定的任务。这个可以理解成我们在工作中有一些标准化的工作任务，比如说是写文档或者是写 ppt， 这可能涉及到每个人有不同的一些领域知识，或者是有一些不同的任务点和关键的要素， 那我们就可以把这些相关的要素点或者是标准化的动作去提取出来，让它去形成一个标准的 skills， 这个其实就是技能，那我们在下次去执行同样的任务的时候，就可以让 ai 去帮助我们自动化完成整个过程。 那第二个其实就是 m c p， 它其实就是 ai 和工具之间的一个标准协议，它就是像一个 usb 一 样，如果 ai 它是电源，它相当于通过这个 usb 接口可以连接不同的设备，可以是我们的手机，可以是我们的电脑，也可以是我们的耳机，那它可以让 ai 和这些工具继续进行更好的协助，同时统一了整个数据的标准。 那 prompt 其实是 ai 大 模型诞生以来，包括现在整个 agent 已经发展到很快速的阶段，它同样还是很重要的一个智能，因为它是我们在和 ai 表达的一个 最本质的内容，最本质的一个指令，相当于你如何把你的需求，如何把你的背景知识给到 ai， 那 么你就需要通过这种清楚的表达以及清楚的指令，它就是提示词工程，所以这个决定了最终 ai 给我们答案或者是结果，它的质量到底高不高，那他们三者之间是如何协助呢？其实也有一个比较形象的例子， 就比如说我们让 ai 去帮我们处理一周的这个邮件，处理完成了之后去分析，然后形成一个 ai 的 简报。 那么在日常的和大模型的过程中，你需要把你的邮件全部下载下来，去给到 ai 大 模型，它才能去分析出来。如果你让 ai 直接去你的邮箱里面去对接的话，那就可以形成让邮箱和 ai 的 大模型之间通过 m c p 去调用，那相当于去调用了 邮箱的数据库，它形成了一个统一接口，这样它并不知道邮箱内部结构，通过 m c p 它就可以通过指令去了解他想要了解的数据，最终给到你一个答案。那通过调用这个 邮件之后，它也需要把它进行数据的分析和内容的总结，这里面可能就使用到不同的两个技能，这两个技能可能已经被我们封装和标准化了，它是一个完整的 sop 这种流程，你就可以使用这两个技能去把它完成，然后形成你自己的一个目标。所以说整个过程下来，它相当于运作的方式还是比较简单的， 它通过这种不同场景去使用的工具，以通过这种协议去调用工具，最终来帮助我们去更好地完成任务。三者之间的关系也是目前整个 ai 计划到 ai agent 的 大概的一个原理。

哈喽，大家好，今天给大家分享一个我最近在使用 ai 的 这个过程中，总结出了一个可以提升深层质量的小技巧。我最近也是比较 高频率地在使用这个 ai 开发，在这个过程中我们会发现我们生成的 ai， 比如说我们希望它去生成这个预制体，或者是挂载一些主件的时候，我们如果不借助 m c p， 它有的时候是无法稳定生成的。 但是最近我发现了一个工作流程，它可以让我们不去写 m c p 的 情况下，也可以一定程度地操作引擎。 就拿这个 cocos 来举例，之前我在一次生成的时候，我发现 ai 它是可以去模拟去写预制体数据的，但是有一个问题是它写的预制体很容易损坏，后面我就想了一个办法，在这个模板里面去复制了一个空的节点 给它，让它在这个 skill 里面让它去根据这个模板来进行定制，去抄这个模板的数据进行定制化，我会发现它生成的预制体质量会变得很高，不容易损坏。我们现在来试一下，在我让它在瑞萨斯下 的 pdf 文件 添加一个文字组中 文字内容为测试，大家这里可以看到他会自己去根据内容匹配我们对应的 skill。 你 看这个 文字也是我之前发现他生成的中文质量经常乱码，所以让他在生成一次正确的这个文字的时候，我让他把这个生成正确的这一次经验总结下来，生成了一个这个中文编码的一个 skill， 然后它会在每次使用中文的时候，它自己也会识别，比如说使用这个 u u t f 杠八的这个编码，包括这个预制体也会使用我们的优先使用我们模板的预制体 去作为数据来源进行拷贝和修改，这样可以大大提升它生成的质量哦。生成完了我们现在来看一下它的质量，可以看到我们生成的是一个袋子的预制体，它也正常的去添加这个中文和这个主。 大家可能会说，那我没有这个能不能生成？没有这个 skill 其实也可以生成，但是我经过我实测，比如说可能 十次里面有五次它会有各种问题，比如说这个预字体损坏，或者说这个中文它会出现乱码的问题。 今天主要想表达什么？我们不管用什么引擎，在这个开发过程中，如果说确实遇到一些生成质量不是很稳定的情况，我们就可以让他自己在生成质量不是很稳定的情况，我们就可以让他自己在生成成功的时候发一个，比如说把这个 经验成 skill， 并且总结成 skill 创建到某个文件夹下，包括 open ai， 它们自己创建 skill 的 能力也是做成了一个 skill 来实现的，包括它们自己的文档现在其实也是通过这个技能的形式去加载， 所以我们在日常工作中可以通过这种方式去提升用 ai 生成的内容的质量，也可以提升自己的效率，也算是可以总结出一套自己的工作经验和工作流程。 其实我也是比较懒，经常有的时候其实也是能 web coding， 但是必要的时候我自己也总结了一些，比如说啊，这些内容，包括我在用 unity 的 时候也 也做了一些 unity 的 这个 skill， 我 相信那个勾搭的肯定也是可以的，差点被我删了。大家也可以像我这样，你看 我，我是自己自己建了一个仓库，去管理自己的一些小工具，放在本地，回头什么项目需要的可以写成那种 agent 的 形式。为什么写 agent 呢？因为 agent 有 一个好处，就是我们哪怕是把这个用 open code 或者是 code s， 它都可以识别这个 skill。 那 如果说我们放在这个 code s， 点 code s 或者点 open code 的 里面，它其实是没办法识别的， 所以我个人是喜欢把它放在这个 a 卷腾里，哪里需要了就把它复制过来就可以。包括我自己也创建了刚刚创建的一个保证一些生产质量，一些经验问题的， 我发现至少 codex 有 这个问题，他很喜欢在 cocos 的 这个脚本里面去做这个 destroy 的 这个保底，但是在 destroy 的 时候去销毁这些指指主键，或者它引用主键的一个绑定事件。但是 cocos 的 生命周期指节点是比负节点 要先销毁的，会导致每一次这个 codex 写出来代码都会有这个 destroy， 导致止节点先销毁，导致这个注销事件没办法执行或者报错的问题。所以我前面也是把这个总结成了一个开发的经验，提醒他说不要在这个 destroy 里面去写销毁的保底的事件，那我们就免得说每次遇到这个问题他都这么干，他已经干了很多次了，每次遇到这个问题他都这样去写，我们都要自己再排一遍再提醒他，那这个就没什么意义，今天的分享就到这里。

网上都吵翻天了，说 agent skills 要把 m c p 干掉，如果你还在为这次刷各种碎片信息，那今天这条内容你可得看好了，咱们就用最短的时间一次性给你讲明白，让你彻底搞懂这场技术路线之争核心到底是个啥。 你肯定在网上刷到过这句话吧， skills 已经杀死了 m g p。 哎呦，这口气相当绝对啊，很多技术博主都这么说，听起来好像这次已经板上钉钉了，但这真的是全部的真相吗？还是说这里面有什么我们不知道的故事？它俩之间真的就是有你没我你死我活的关系吗？来，咱们今天就来深挖一下。 行，要想看懂这一出戏啊，咱们得先来认识一下第一个主角， m c p， 这到底是什么来头？ m c p 全称叫模型上下文协议。哎，你别被这个名字给糊住了，它的概念其实特别简单，你就把它想成是 ai 界的 type c 接口行不行？ 它就是开放标准，一个通用的语言，让所有的 ai 模型都能用一个法子去连接外部五花八门的工具和数据，多方便。 看它的工作原理也超级直接。你的 ai 应用就是那个宿主，它里面呢，会有一个客户端，然后这客户端就一对一的连上一个外部的服务器，最后这个服务器就把各种工具啊数据啊全开放给 ai 用，就这么三步，清清楚楚明明白白。 那 m c p 的 超能力是啥？我告诉你，它解决了一个让所有程序员都头疼的不行的问题，就是那个 n 乘以 m 的 集成噩梦啊！你想想看，以前啊，你有 n 个 ai， m 个工具，你就得搞 n 乘以 m 四的对接，那工作量简直了。现在呢，有 m c p， 只要 n 加 m 四就够了，这效率直接是指数级的提升啊！酷步 好，咱们搞懂了 m c p 这个万能连接器。接下来我们再来看看另一位主角， agent skills， 也就是 ai 的 私家战术手册。 agent skills， 你 完全可以把它想象成一个专门给 ai 装备的技能包，或者说武功秘籍。它其实就是一个文件夹，里面装满了各种指令和资料，目的就一个手把手的教会 ai 到底怎么一步步的去完成一个特定的任务，就像一本超级详细的操作手册，或者说高手给你喜好的游戏攻略。 那这个技能包里都装了些啥呢？说出来你可能不信，简单到家了。核心就是一个叫 s k l 点 m d 的 文件，你看，上面是名字和描述，下面呢，就是用大白话写的一步步的操作指南。当然了，你也可以往里头塞点脚本啊，参考文档啊，让它变得更厉害。 而 skills 的 超能力，我跟你说更绝。它有个设计叫渐进式批录，这个设计简直是天才，它直接就解决了早期 ai 工具调用最大的一个痛点，那就是 token 太高，你看它怎么做的。第一步，发现 ai 就 只看个技能名和简介，几乎不发 token。 第二步，激活，哎，真要用这个技能了，它才去加载那个详细的指令文件。最后一步，自信需要什么参考文件，再读什么，用多少读多少，这不就是把每一分钱哦，是每一个 token 都花在了刀刃上吗？ 所以你看一个呢，是负责连接外部世界的外交官，另一个呢，是负责传授内部知识的老师傅。那他俩到底是死对头还是天生一对？别急，最精彩的反转马上就来，准备好了吗？答案可能会让你大吃一惊，搞出这两个标准的根本就是同一家公司！对，就是那个大名鼎鼎的 on topic， 人家当初创造他们就是为了解决两个完完全全不同的问题，根本就不是让我们来玩二选一游戏的。来看这张对比图，一下就全明白了。 m c p， 你 可以理解成是 ai 的 手和脚，他的任务就是伸出去连接外部世界，搞定工具和数据。而 agent skills 呢，更像是 ai 的 大脑和剧本，是给他灌输内部的专业知识和工作流程的。所以你看，一个管外部能力，一个管内部智慧，这俩压根就不是竞争关系，他们是天生的黄金搭档啊！ 好了，现在真相大白了，那咱们在实际开发的时候到底该怎么用呢？来，别想了，你的行动计划在这直接操作页就行，什么时候用 m c p？ 记住这几点， 第一，你要跟外部系统打交道，比如 a p i 数据库、各种下册工具。第二，你对安全性和进城隔离的要求特别高。第三，你想要一个工具，能被好几个不同的 ai 平台一块用，只要满足这几点，想都不用想，直接上 m c p。 那 什么时候轮到这个优势上场呢？也记住三点，第一，你想把你们团队独有的工作流程、专家经验交给 ai， 比如说咱们团队的代码审查流程。 第二，你需要保证 ai 干活的步骤是统一的、规范的，不能瞎来。第三，透坑成本是你最关心的问题，得省着花。那这种时候， skill 就是 你的不二之选。 但是最牛的、最高级的玩法是什么？当然是两个都用。记住这终极模式，先用 m c p 给 ai 和外部工具之间搭好一座坚固的桥，然后再用一个 skill 来仔仔细细地告诉 ai 应该如何按照你的规矩去走过这座桥，去使用这些工具。这才是构建顶级 ai a 阶的正确知识。

m c p、 skills、 sub agents、 cloud、 ai 的 这些新概念有没有把你绕晕？别急，一个视频带你理顺它们的核心用途和区别，让你使用 ai 更高效更省 tool。 我 们先来看一张图， 如上图所示， m c p 负责发工具，它让 ai 能碰到外部系统。比如读数据库叫 api， 这是给 ai 发工具。 skills 负责用工具，它告诉 ai 拿到数据后该怎么用，比如怎么算增长率，怎么生成报告，这是教 ai 怎么用工具。 skills 和 m c p 这两者是配合关系，那三百 h 原子又是什么？简单说就是派人干活， 遇到审查整个代码库这种耗时的大活，别占用当前对话，派克萨姆 a 剪子去新绘画里跑，跑完只把结果带回来。那重点来了，为什么 skills 比 mcp 更火呢？关键原因在于 touke。 mcp 就 像把工具全挂在身上，比如一个 github 的 mcp 预加载就要吃掉几万， touke 太贵了。 而 skills 是 按需加载，平时只记个目录，用的时候才读取详细内容，门槛极低。 最后送大家一张选型心法，一次性任务用 prompts， 重复工作流用 skills 要连外部数据加 m c p 复杂独立任务派 sub agents 关注我，解锁更多实战技术干货！

大家好，我是杰杰。 figma mcp 呢，有个非常好的升级，现在你可以直接在 figma 画布上使用 ai agent 进行设计。它呢主要是通过 user figma 的 tool， 让你通过 cc， codex 或者其他 mcp 的 客户端生成修改你的设计系统相关联的设计资源。 figma mcp 呢，已经存在有段时间了， 以前呢，有一个工具是 generate figma design， 可以 将实时应用和网站的 htlm 转化为可编辑的 figma 图层。那全新的 userfigma 工具呢， 就是让 ai 根据你的设计系统直接在它的画布上进行操作。 figma 和它的合作伙伴还分享了九个 skills， 大家可以看一下。 scales 呢，它可以通过自我修复，循环塑造输出的细化方式。当你使用支持视觉的 ai agent 的 时候，它会不停地截图，然后迭代不匹配的地方。而且这次 figma 开放了对 code connect， figma joy， 还有 figma 的 界面的访问。 figma 官方的 mcp 免费用户，它呢是提供最多呃，每月六次工具调用，基本上是不能做些什么的。 如果你想让 ai 在 figma canvas 上做设计，那就需要去啊订阅它的 dev 或者是 for 席位。 figma 的 figma 的 核心功能呢，有这些，那它怎么安装呢？比如我这里用的是 cursor， 那 我就在它的设置里有一个 marketplace， 找到 fake 码，点击一下安装就行了。如果你是在 c c 里，那可以通过这行命令来安装官方的 fake 码。安装后呢，需要你印证一下身份。如果是在 codex 里使用，那先添加各个 skill， 再之后呢，在设置里面添加 mcp server， 并且点击 fake 码服务器的安装并且认证。现在来看一下 fake 码 mcp 各个工具的讲解。 get a design contest， 它可以获取 figma 选择的上下文，默认输出是 react 和 tailwind。 你 可以这样提示 ai generate figma design 呢，它可以将网页捕获，导入或者转化为 figma 的 设计。 get a variable defines 呢， 它是返回设计中使用的变量颜色。 get code connector， 它可以解锁 figma 节点 id 与代码库中 相应代码主键之间的映设。 user config 码，这也是一开始提到的，可以让 ai 在 它的啊 canvas 里面做一些设计。 search design assistant 呢，这也非常好理解，可以搜索所有连接的主键库。 create new file， 你 可以提示 ai 呢，在 config 码里面新建文件， 不需要给它一个既定的链接。使用。 m c p 有 一些最佳实践。飞格玛官方呢，还推荐将飞格玛 mac 和飞格玛 m c p 结合在一起。现在呢，就来介绍一下我通过飞格玛 ai 来帮我做了哪些事情。我在酷狗里面提示 ai 呢，呃，当时用的是 op 的 四点六， 我让他根据一份设计系统的文档来生成可折叠手机应用的新的 figma 设计页面。在这里呢，我选择了 plan 模式 opt。 四点六，在这里呢，做了六个阶段的计划，再接着就让他去开始执行。 我们看到他在呃和 m c p 对 话中，先会解锁一下我这个 figma 有 没有认证过。 然后呢，开始使用啊，创建 new file tool 来创建一个新的文件。 再接着呢，就使用 user 呃 figma tool 在 figma canvas 里面做设计。之后他就开始创建设计 token， 颜色变量集合，检查字体。 再接着呢就创建第一个屏幕了，创建好了之后他还截图验证了一下，我们先不看这个书名和这个作者 啊，它这个其实没有一一对应上，整个截图可以看出它的设计还是比较淡雅的。再接着它创建第二个 screen， 再之后第三个，第四个等等 一次提示，他就帮我创建了这么多页面。创建好了之后呢，也给出我相关的链接，并且告诉我完成了四个中文页面。来到飞克玛的页面，我们可以看到四个图层都是呃 ai 帮我去生成的，他遵循的是我一开始给他的设计系统语言。 我们看到这里的内屏展开的主页，还有书架部分，还有包括沉浸式阅读这一页，其实我特别喜欢它的设计啊配色，包括它这里选的文字也都是非常不错的。外屏呢还有一个折叠态， 它还模仿了这里的 wifi， 还有电量时间，下方呢就显示如果一开始进入这个书架 会最近的活动是什么，还有快捷操作。我觉得 open 四点六在这一点上设计是相当好，我在上一期视频里面有讲到谷歌的 stitch， 我 就是通过谷歌的 stitch 提示它生成可折叠安卓的阅读应用， 它就帮我生成这些我们看到的画面。左边呢是它的设计语言，当我点击右侧有一个画板图标， 选中它，然后有一个 design markdown 复制一下，我将它翻译好呢，然后呢就放在 cursor 里，让 opt 四点六根据这个设计系统来生成我们在 figma 页面上看到的这些页面， 我个人觉得它的整个啊颜色设计语言保持的还是相当不错，包括我们现在在这里看到的这样的一个啊，排版渐距风格 也是非常像啊。一开始 stitch 在 这里设计的样式，换一个模型， 让 ai 通过菲克玛 m c p， 它会设计出什么样子呢？这里是呃 curda 最近推出来的 comproger， 二来设计的它帮我是做了两个简单的页面，这个页面呢，整体是比较简单的， 色彩的话和我一开始给他提供的啊设计语言 markdown 文件还是非常像。再看一下他的折叠台，这里呢，他的设计就不是特别像折叠屏了，折叠屏的话，虽然说他的屏幕也很大，但是左侧这样的一个图标设计还是太小了， 包括它展现的内容也比较少。那我在这里呢，一是用到了 compose 二模型，第二呢，当时是没有通过计划模式来让它多展现一些内容， 所以他一开始呢帮我构建的页面我们看到是非常简单的。现在来看一下如何让斐格玛 m c p 来做出这样的小鸟儿童理发店的 landing page 页面，并且最终呢让 ai 生成一个真实的页面。 我们看到这些图片是 curses 调用 banana 来生成的。下方啊有服务项目，理发流程， 门店环境、家长评价、提前预约等等，包括这里的有常见问题，这个程序我是通过 gpt 五点四 medium 的 推理程度来最终生成的。在做应用之前，我是先找到了多宁国的网页 啊，这里只是作为一个演示，我们可以看到多宁国的这个风格呢啊，它的图标 logo 是 绿色的，整个页面是比较可爱的，会有一些这种圆角的元素。在克尔这里就提示 gpt 五点四， 让它基于多宁国的网站，在飞克码中创建一个完整的设计系统，创建一个包含遍体的主件库，并拉取真实的 logo 文件， 使用真实的字体和颜色系统将所有这些内容创建在一个新的 figma 文件的单页上。它呢，就先获取多灵国的素材，我是参考 啊 factory ai 它的一个提示。然后呢，开始调用 figma mcp， 在 过了一段时间之后，它就提示我， 他已经拿到了这些真实品牌资产。然后我就告诉他，用真实的颜色和官方真实 logo， 同时把字体规范写进设计系统。但主页里的可编辑文字呢，先用别的一个字体来代替， 再接着他就生成了这样的页面，放大一点呢，可以看到他用到哪些色彩， 还有字体真实的官方的 logo， file， 还有可变的主键库，输入框，卡片素材等等。再之后呢，我就提示它参考目前设计风格， 做一个单页小鸟儿童理发网页 fik 码，设计页面需要是中文页面，在 fik 码上它就会呈现这样的页面，并且呢它提示我啊，它可以将这个网页再细化，做成高保证的版本，于是我就让它做成高保证的版本。 有一个卡片呢，用到了橘色的一些元素，那我觉得这个橘色呢跟整个页面不是特别搭， 所以我就手动调整了这个卡片的一些背景字体颜色。那之后就新开一个 cursor agent 页面，将这样的一个链接放这里。这个链接怎么获取呢？就是在左侧 选中一个 layer， 右键选择啊 copy link to selection， 就 可以把这一股整块都选中了。做一个 link， 放在 ctrl 对 话框里， 让 ai 呢根据链接生成 react 应用。然后它就调用 get designcontestinfact 码，开始编辑代码了，很快就将程序写好了。 他说呢，呃，现在这个里面的有些插图和图标用的是 figma mcp 返回的远程资源链接，这类资源通常不是永久的，它可以生成一些图片， 于是我就让它调用图片生成功能，为网页生成合适的配图。它会调用谷歌的生图 nano brother。 啊，我看到他生成的这三张图片呢啊，除了第三张可能没有那么完美，前两张还是非常不错的。接着我就让他把这三张图放到当前的页面里，换现在的远程飞克马图片，并且让他适当的添加一些啊谋选动画效果。 最终呢，就让 gbt 五点四生成了我们现在看到的这样的一个样式。在这里呢，没有调用 flunt and skills， 而是使用了 figma mcp。 啊一开始设计好的一个设计的元素， 然后最终生成了这样的页面。我个人觉得啊，飞格玛 m c p 在 这里应用还是非常好，非常方便的。刚刚介绍的这两个案例呢，都是让啊 ai 通过 user 飞格玛 to 来生成。 那现在呢，再看一个案例，是调用飞格玛 m c p 呢，来根据我现有的一个程序 来做一些啊元素的一些调整。我首先让他看一下我现有的代码文件，问他可以通过 figma m c p 来做哪些？呃，主键之后五点四呢，告诉我建议先做这几个部分，然后呢我就让他 啊做一个 voicerm studio 主键页，并且要深沉到 figma 的 canvas 里。 当时我是给他新建了一个新的页面，即使你不给他创建一个新的页面也是可以的，他是自己会创建一个新的页面。之后就可以看到 ai 呢在 figma 的 页面上去生成了这样的一个页面， ai 在 生成截图发现呢，这里啊高度有些问题， 他又自己去调整了一下，这个就是他当时生成的一个主键库页面，左边是主键集， 右边呢是一个组合视力。再接着我提示 ai 把这些视觉主键呢继续升级成更规范的 figma 设计系统。补一页完整的 memo voice studio web 页面端界面，这是一个 cover， 这是设计系统的基础样式集，那我们可以看到它这里列出了不同的 color 字体， 还有包括字体有不同的大小，这里也展示出来了，还有不同的啊，主键，这是 actions 啊，这是 feedback。 之后呢，他又帮我去做了啊，五个页面，那我们可以看到呢啊不同的 web 端页面， 还有桌面端 setting open 的 状态。最后呢还有手机端展示的一个页面，整体而言做的内容是非常丰富的。最终呢， g p t 呃，给到回复说已补全这些不同的页面。 创建了啊样式集啊，包括变量集合，颜色，羽翼，渐距羽翼，文字样式，阴影样式， 还有这些主键库，他也是帮我拆解出来了，大家帮我们做出这样非常详细的一个拆分，那就非常有利于我们后续啊程序功能的增加调整 啊，不同页面设计语言保持一致。最后再给大家看一下如何让 ai 啊将一开始 啊这样的一个设计，之前是通过飞格玛 ai 做的一个页面，然后让它调整生成右侧我们看到的这样的一个设计。首先呢，我先获取到一开始设计的 url， 让它改成啊瑞士设计风格。 然后呢，它告诉我在读取这个页面之后就触发了 starter plan 的 调用上限，所以它没办法改。 之后呢，我就开始升级 plan 了，包括我们刚刚看到的其他三个案例啊，都是我升级 plan 之后去做的。再接着他就开始设计了，我们看到这边呢有一大块是呃空白的， 于是我就截图让他去调整一下，这是 ar 优化后的， 可以看到有了一些改变，当然这部分内容的话，可能你手动一下会更好一点啊，毕竟调用这些 ai 的 话也不是特别便宜。 最后呢，我还让他把页面呢导航做的更醒目一点，整个页面做成中文，让他确认某个字体可用之后， 瞬间呢就啊切换成了中文这个页面。虽然说目前这个页面呢还是有不少的问题，但是呢，我们可以看到 ai 在 调用 usefigma 啊这个 tool 的 时候，生成效果还是非常好的，它的修改速度也是非常好的。 我个人呢是啊，不怎么会使用 figma 的， 那通过 figma mcp 它可以来帮我们去轻松地来做到这一点。

ai 领域的新名词，更新的比手机型号还快，前两天刚搞明白 m c p， 最近又出来一个 skills， 到底区别是什么？ 一个例子你就能明白，比如你的任务是 ai 先帮你总结热点，再最终输出一个总结的 pdf。 那 么 skills 呢，就是一个完整的 sop， 它会告诉 ai 先需要做什么，再需要做什么。比如第一步是收集哪些平台的数据， 第二步呢，是按什么样的风格去进行汇总？第三步是整理为一个 pdf。 skills 会把整个流程都给写清楚， ai 会照着这个流程执行。 而 mcp 是 一个单点的技能的工具，比如收集 a 平台的数据是一个 mcp， 收集 b 平台的数据又是一个 mcp， 最后还需要一个 m c p 来实现总结 pdf。 所以 m c p 是 单点的，是一个一个的工具，是螺丝刀，是锤子，是扳手。而 skills 是 一个组合包，它会告诉 ai 这次任务需要依次使用哪些工具，就这么简单，还不懂的话，等我的保姆级实操教程。

很多想入行的同学都在困惑，想要在 m c p a 这人到底啥区别？我听的脑袋都大了。说实话，刚接触确实猛，但别慌，小培我三分钟用一个你肯定能看懂的场景装修办公室给你讲的透透的，顺便帮你厘清他们之间真正的逻辑关系。首先咱们得聊清楚 什么是 scales， 现在很多人把它跟 powerpoint 搞混了。小培要纠正一下， scales 实际上市专给着你加载的专业插件，你想装修办公室，第一步得有方案吧？这就是 scales。 你 请了个顶级设计师，给你出了一套北欧简约方案，灯光怎么调，人体工学以怎么摆，配色比例是多少？ 这一整套专业的审美逻辑和布局标准就是一个 scale。 它跟普通 powerpoint 最大的区别就在于可附用性， powerpoint 像是一次性的便利贴，你跟爱说一句，他干一次， 下次还得再说。每次说的可能都不一样，但 sketch 是 一套标准化可封装的技能包。就好比你把这套北欧装修图纸复印了一万份，给到任何一个工头， they just， 他 们都能立刻按照大师的标准开工，不用你再费口舌。比如写作， sketch 不 只是教 ai 打字，而是封装了主编辑的爆款拆解逻辑。 要加载这个 seed， 不 管是写周报还是写软文， a 着呢，都能保持专家级的水准。总结一下， seed 决定了 a 着呢干活的专业深度，而且它是可以像 app 一 样被无限次赋用的数字资产。有了图纸，你得有工具去干活吧，这就是 m c p 模型上下文协议，他不教你怎么装修，但他帮你把所有工具和材料都备，想象一下，你家工具箱连着建材厂，电钻坏了自动下单补货，两尺数据自动同步到你的手机，这就是 m c p。 m c p 是 把 ai 和各种外部工具连接起来的万能插头。没有 m c p， 使你为 ai 查查我电脑里的报价单。 ai 会说 看不了你的本地文件。有了 m c p i， 就 像直接拿到了你办公室的授权，能翻你的云，盘查你的钉钉，甚至操作你的 excel。 总结 m c p， 让再从只会动嘴变成真能动手，决定了干活的连接广度。最后就是大八 c 阵智能体。前面两个是你自己干活，只是有了图纸和工具。但如果你 请个全能工头呢？你只需要跟他说，下周一前帮我把这间毛坯房改成极简，预算两万，剩下的他全包了。他会自己拆解任务，先去调用 sketchy， 看图纸怎么画，再去调用 m c p。 去建材城买料，干活时发现地板缺货，他会自己思考是换个颜色还是去另一家店卖。全程不用你操心，背着您的灵魂救世， 自主规划，灵活应变，拿结果。所以这三者不是并列的，而是互相赋能的。 a 着那是那个工头大脑 sk 了，是他学会的专业手艺， m c p 就是 他手里那把万能扳手。对于职场小白来说，别只停留在优颜聊天了。小培前两天实操了一下，给爷爷配了个公号排版 sk， 再用 m c p 连上我的本地素材库， 我改改，就能发酵率直接翻倍。小培已经把 a 着那职场实战手册整理好了，你可以拿去慢慢学习，咱们下期再见。

大家好，我是 ai 前端架构师云旭，这堂课想跟大家聊一聊 ai 编程工具 coser 的 使用心得。 我相信只要是在做前端开发的同学，对这个工具应该都不陌生，但同时我也觉得有百分之八十的前端开发者其实还没有真正的把它用到位。 接下来我们快速看一下通过这堂课你能收获到什么。第一，掌握 coder 编辑器的基础使用，以及更关键的告诫用法。如果你用 coder 还停留在打开聊天框，一句一句地让 ai 帮你改代码，那你可能忽略了很多它真正强大的能力。 第二，我会带大家搞定 m c p 和 agent skills， 它的配置和使用这两项技术在智能体开发领域非常热门，现在前端开发里也集成了一批开箱即用的 m c p 和 agent skills， 能够极大地提升我们写代码的质量和效率。 呃，我不会在这里深入的去讲解他们的底层原理，避免让大家觉得枯燥。如果后面大家感兴趣，我再单独做一个系列，把这两门技术的底墙讲清楚，大家按需学习就好啊，不搞懂原理也完全不影响我们把它们用好。 第三，呃，我会用一个相对简单的案例带大家入门玩不阔定。在这个案例中，我们一行代码都不写就完成，从需求调研、 需求分析、技术架构设计到编码实现和测试，最终交付一个完整的 crm 系统的前端部分。相信通过这个案例能够刷新你对前端开发的认知，也帮你打开一扇新的开发世界的大门。 那这堂课，呃，它的内容主要是由以下几个部分组成，第一，抠伞的安装与配置，我会从零开始带大家把软件装好登录，再配置一些常用的插件，把环境先搭起来。第二，基础功能面板的介绍， 我会把科室的界面操作做一个比较完整的讲解，让大家对这个软件有个整体的认识，用起来也更顺手。第三，快捷键大全，我会带大家掌握科室的基础编辑快捷键，以及围绕 ai 功能的快捷键怎么用，让操作的效率提上去。 第四，交互模式的讲解。呃，我会详细的介绍 agent， plan， debug 和 ask， 这几种模式分别适合什么场景，呃，什么时候该用哪一个。第五，它的进阶技巧，我会教大家怎么使用检查点的回退，怎么做好提示词的上下文工程，还有怎么用好内置的浏览器工具。 第六，它的高阶技巧啊，这部分我会带大家配置，呃， rules， skills， m， c， p， 还有插件等等，把 cos 的 能力进一步打开。 最后，呃，我会通过一个综合案例，一行代码都不写来实现一个 crm 管理系统的前端部分，带大家真正的入门 web 扣顶。

google anti gravity 绝对是一款颠覆性的 ai 编程工具，它完全改变了我日常使用 ai 的 习惯。现在很多人还只是把哲米奈当做聊天机器人使用，但如果我告诉你，你完全可以通过使用 anti gravity 管理任何项目，设计自动化的工作流，开发优质的 ai 产品，而且不需要你写一行代码，当然前提是你要学会正确的使用它。 在二零二六年， web coding 基础的 ai 开发绝对是每个人都应该掌握的技能，所以我会用这条视频带大家完全解锁 antiquity 的 全部功能，让你的 ai 使用效率原地起飞。我会教你如何从零开始，一步一步的搭建 ai 应用，包括如何使用最近爆火的 skills。 就 算你是完全零基础的小白， 话不多说，我们直接开始。首先， antigravity 是 谷歌推出的一款编程工具，它的核心是基于 ai agent 智能体驱动的思维模式，不仅能够写代码，更能同时自主构建完整的项目。就像是你可以拥有一支全天候为你服务的智能体团队，他们会随时跟你进行汇报对其项目进度， 而你只需要用通俗易懂的自然语言告诉他你的需求，就像是跟朋友对话一样。首先我们进入官网这里直接去下载跟你电脑对应的软件版本就好了，正常安装。 提醒一下，国内使用的话需要科学上网， ip 最好是美区。然后你一定要开启增强模式之后，你才能来到这个界面，点击创建新的文件夹，一个文件夹就是一个项目，里边会包含所有跟这个项目有关的全部文件，然后我们在桌面创建，比如我们就叫 test， 大部分人可能因为不熟悉编程就卡在这里了，我最开始使用 cursor 就是， 所以想要完全的掌握 ant gravity， 最好的学习办法就是大家可以跟着视频边做边学习。 你可以看到在这个初识界面，右边是你和 ai 对 话的窗口，中间区用来显示文件，左边是你管理项目文件的地方。我们先进行一些基础设置，首先来到拓展这边，在这里搜索 chinese 插件， 直接安装其他插件，等到有需求的手按 t widget， 会自动提醒你安装。然后呢，我们来到右上角，这里三个点，点击 customization， 我 们来设置一下全局规则和项目规则， 不把 nt gravity 当做一家餐厅入死，就好比是你的员工守则，在这里呢，你可以规定 ai 跟你对话的方式，比如说不要讲废话，你要求他全部使用中文回答。项目规则呢，是可以仅仅在当前的项目生效，也可以部署在全区，你可以自由的选择 ai 出发的方式， 比如说这里入死，我们直接使用科室内部员工发在 x 上的一段提示词，直接把这一段复制粘贴下来， 直接粘贴到这里，然后记得在这边加一句 always response in 简体中文，这样你能保证应该大概率是用中文来回答你。然后项目规则，我们直接使用 github 上开源的一段检测 bug 的 描述，直接把这段提示词全选复制，然后在这里添加 workspace， 然后粘贴到这里。可以看到在左边这里自动添加了一个文件，那下面是添加描述的地方，我们直接就粘贴到这里。触发的方式你可以选择是总是触发，也可以手动或者是让 ai 来决定什么时候使用。然后我们把它保存一下， command 加 s 保存就可以。看到这边已经添加上了视频，里面全部使用到的提示词，我都会在评论区放链接。基础设置完成，我们就可以开始接下来的开发了。前段时间我有刷到那种片场探班的视频， 就是一个人拿着手机可以和很多的电影人物，比如泰坦尼克号，复仇者联盟里面的角色自拍，我觉得很有趣。那我就想着先做一个这样的生图 app， 然后我就可以拿这些图片直接去做视频。 如果你完全不懂编程和开发，在打框架这一步你就可以交给 ai， 你 可以使用任何你熟悉的大模型帮你理清思路。谷歌 germina， cloud g p t 或者 deepsea 都可以。 比如在这里你可以直接跟他说，呃，我想要开发一个外部应用，它的核心功能是使用谷歌 nasa banana 的 声图功能。 当用户上传了一张自己的任意的图片，输入喜欢的电影名称，就能够生成一张他和这个电影主角在片场休息时的合照。嗯，我希望是那种很真实的抓拍版，就好像他真的去探班了一样。背景希望是真实的拍摄场景。 不需要着急给我整体的方案和代码。我需要你先挑战我的问题，帮我梳理和完善思路。你可以向我提问，直到你完全理清楚我的需求。 接下来 ai 可能会问你很多的问题，你把你的需求全部理清了之后，你就要再对 ai 说，我需要你根据我们的对话帮我生成一份 sop 或者产品需求文档，然后我们再交给 ai 进行开发。看这边他已经有回复了。 高安蒂 gravity， 把 ai 最后给你的提示词直接粘贴到这里的对话框。模型，你可以选择 jimmy， nike， cloud 或者 gpt， 每种模型都有不同的特点，比如说 jimmy， nike， 他 做出的 ui 界面就很强， cloud 编程能力很强， gpt 属于各方面都很均衡。 然后这里是有 fast 和 planning 两种模式可以选择， fast 比较适合你执行快速简单的小任务。 plan 模式下，它会先生成一份计划书，跟你确认每一步的关键步骤。然后我们今天选择 plan 模型，选择最高的， 可以看到 ai 就 开始工作了。好，可以看到这边它先给我们生成了一份计划书，它会告诉你总共有哪些步骤，每一步需要做哪些事情，你可以逐条的分析，然后跟它对话。这也是我觉得 intgrity 特别实用的一点。比如你看这边有很多加号， 每一条你都可以随意的添加自己的批注，任何需求都可以通过注视添加，这样我们就可以实现一个实时的交互。比如说这边他有最后提到 u i 风格，我想添加一点自己的设计，我就直接点这边的加号给他说， 嗯，我希望你可以添加一些克莱因蓝的元素，我很喜欢这个颜色。嗯，然后再添加一些电影胶片的 icon， 当然整体的设计要符合我整个项目的风格。 直接添加，如果你有更多的需求，也可以随时的添加批注。左侧的项目文件里，如果你有自己的品牌或者 logo 图片，也可以自己拖拽过来给 ai 参考。如果没什么问题，我们就直接点击这个 percy 的 执行，然后这些文件都可以关掉了。 在 ai 执行的过程中呢，我给大家介绍一个相比其他 a 一 工具，我觉得 ituiptive 最能体现智能体驱动的工作模式。这里我们点击右上角有一个 open agent manager， 在这里呢，左侧面板会显示你所有的项目。想象一下，在这个界面，你可以同时创建管理多个智能体，让他们在同一个时间处理不同的工作。你只需要点击这里的加号，就可以创建新的对话框，比如说刚才的任务是进行整个外部应用的开发，这里呢，我想让 ai 帮我搜集一些比较好看的前端页面， 点加号你看就可以弹出一个新的动画框。在当前的项目里面，我直接跟他说，嗯，请你去飞格玛帮我搜集一些具有电影元素的前单页面，你可以给我三到四个链接， 这里我们使用 fast 的 模式就可以了，然后模型选择快速。当然你还可以再添加执行不同任务的智能体，只要你有需求，电脑配置跟 token 都足够的话，你可以无限的添加。 在这边左侧面板，你可以看到几个不同的智能体同时在干活。左上角的收件箱它会显，它会实时的显示智能体的工作状态，所有的过程你都可以实时的追踪。当智能体需要你协助的时候，它们会发信息给你，要求你 proceed， 这里我们直接点击 proceed， 所以 antigo 体是可以同时显示两个工作窗口，一个是现在的智能体管理窗口，它会显示所有 ai 智能体工作的状态。一个就是我们刚才的代码编辑器，你可以随时的切换试图如 如果你有多个显示器的话，那会更加的方便。自动调用浏览器也是我觉得 itguoyot 非常惊艳的能力，它可以直接在内置的浏览器中动态测试，当我们开发网页时，它就可以自动测试网页功能， u i 交互，完全实现自动化的操作，然后给你反馈的结果。这个蓝色的边框就相当于它在自动的调用这个页面去帮我们进行搜集，可以看到它已经打开了三个页面，这一步完全没有电脑操作。 可以看到这边我刚让他去飞格玛帮我搜集页面，他已经执行完成了，这边就是他给我们的一个进度汇报，你看他直接给我们附上了链接，我们可以直接点击就能打开， 你可以一个一个的点进去看是不是你想要的那种风格，我这边只是做一个简单的展示。 好，现在这个任务已经执行完成了，我们可以让他打开帮我们测试看一下。这边我们新建一个对话窗口，你也可以直接 ctrl 加勾，然后输入 npm， 你 当然也可以跟大家说，请使用自带的浏览器帮我打开页面，我要进行功能的测试，两种方法都可以啊，我们这边点击这个链接打开，随便找一个链接打开， 可以看到这边他提示我们是要输入 api k 的， 然后我们就去获取一下 api k， 直接打开 google 的 as 丢丢，在这里面拿到一个你的通行证，直接复制，然后回到刚才的页面，粘贴到这里， 然后我们就可以看到整个页面的设计还是不错的，他加入了很多我喜欢的克拉英兰的元素，标题就是 hollywoodcut。 然后这边是可以用来上传自己的照片，这里输入电影名称，然后选择画幅比例，这边应该是会生成一个 呃生图的提示词，那我们就随便找一张照片进行测试一下，我这里面就拿了一张我从之前视频里面的截图，然后电影名字，他推荐爱乐之城，我们我们换一个，比如我们选择蜘蛛侠 三，英雄无归，然后这些其他我们先暂时不要动，直接点击 action 啊，可以看到他已经生成了一张照片，这个应该他只选了荷兰第一个角色。那我们这边可以下载，但是这边还可以输入指令，然后进行进一步的画面调整， 可以看到这张照片清晰度还是挺高的，然后整体确实是有那种真实的在片场拍照的感觉。那比如说如果我希望再做进一步的调整，这个是我从网上随便找的一张图片，我觉得很适合我这个网站的风格，我希望把它加在整个项目里面。那我们就比如截图， 然后我们这里回到 antigravity， 直接拖拽上来，你可以跟他说请使用这张图片帮我作为 logo 添加在当前的项目页面中， 所以你看你其实是可以随时的提要求，让 ai 进行修改和优化。这里注意，建议大家每次修改完成之后呢，都点击一下这里的提交，把你的修改保存在本地的 get， get 就 相当于是你游戏的存档，它会记录你每次版本更新的内容。如果你后面改着改着发现自己不喜欢，或者说 ai 改错了，出现 bug 了，你还可以找回之前的记录，一定要养成好习惯。嗯，可以看到最新更新的画面，它已经把我刚才要添加的这个 logo 添加上去了， 所以我真的很喜欢 tikblr 这种实时双向合作的开发方式。你可以把每个智能体都当做不同的员工来看待，你可以同时运行多个不同的项目，而你只需要做的就是管理好你的收件箱，确保它们都在执行就可以。另外呢，再向大家展示这里的 playground 功能， 你可以把它当做你的临时工作窗口，当你不确定要不要进行完整的开发，或者说你只想做一个 demo 的 时候，就可以来到这边。 当一个项目开发完成，你下一步就是要把它保存在 github 里面，不然你每次都需要打开 id 浏览器，它才能够运行。首先我们来到右上角，点击这三个点， 点击 m c p 服务管理 m c p m c p 全称模型上下文协议，这个协议本质上是利用一套通用的语言标准，让 ai 可以 和各类的应用实时互联，无缝对接，所以你可以把它当做一张通行证。举个例子，比如说你这家餐厅打算供应宁夏滩羊，可 是你的冰箱里面根本就没有这个食材，那厨师是不是你们没法做了？那有了 m c p 呢？你就能够连接到宁夏太阳的原产地供应商，当你需要这个食材了，那边得到许可，就可以给你进行固定的配送。那对于 ai 来讲，比方说你链接了飞格玛，有了 m c p， 你 的 entire gravity 项目才可以跟飞格玛的前端设计稿实时互联。比方说你链接了 notion m c p， 那 你就可以直接在 anti gravity 里面说，帮我在 notion 创建一个表格。 那可以看到这里其实内置了很多的 m c p， 一 旦连接你存放在各个服务器里的项目都能够直接调用，而你不用担心兼容或者格式的问题，所以你可以按需添加。现在我们需要配置一下 get up 的 m c p， 可以 看到我这里面已经配置过了，这里需要你去 get up 手动获取，然后复制过来。 打开你的 github， 建议每个人都要注册，因为这里是全世界最大的开源代码的一个存放的平台，它可以储存文件，还能直接托管我们的项目。在右侧的面板找到设置选项，然后找到 developer settings， 点击 personalize tokens， 就 在这里你可以创建一个新的 token， 这里要验证一下你的密码， 验证完了之后呢，在这里取一个名字，然后你在这边添加你的权限，添加权限之后点击创建 token， 添加权限之后就会生成完整的授权码，然后你回到这里粘贴就可以。 另外说一下，使用 github 的 mcp 需要 docker 这个软件在后台运行，不然你无法添加，也无法使用这个软件，也直接在官网安装下载就可以。 添加完成之后呢，点击 refresh， 就 在左侧出现工具面板，可以看到系统最多同时支持一百个工具的调用。但是我建议你不要一次性的开太多，按需加载就可以，建议每次控制在二十个左右。 如果你要添加未收入在 m c p store 里面的 m c p， 就 点击这个原始的配置仕图。注意看，这里就是你 m c p 的 原始配置文件。最简单的办法就是选中，然后把它们全部 复制在这边。新建一个对话框，你就直接让他编写某一个供应商的 m c p， 然后你去这个供应商的网站获取授权码，再粘贴回来保存就可以了。一定要养成凡事都用 ai 的 习惯。添加完成之后呢，这里新建一个对话框，因为我不希望有太多其他内容的干扰， 你就直接对他说，嗯，我希望新建一个 github 仓库，用来存放并且发布这个项目，仓库的名字就叫 hollywoodcut。 同时帮我设计这个部署的工作流，会使用的环境参数请参考 ev example 文件，并且将全部的操作流程都更新到 readme 的 文档。在上传前请帮我检查，确保我没有任何的个人信息，比如说 api 可以 泄露的风险。注意这些全部都不要写在前端的代码里面， 没有什么问题就直接按下回车，然后你的系统将会自动将这些变更同步到 gitlab。 保存完成之后呢，你就可以获取到一个网址链接，随时可以添加到浏览器里面打开。如果希望更进一步呢，我们就可以选择通过我 style 进行部署，这样这个前端应用就可以上线了。 在我 style 里面，我们需要关联 gitlab 仓库，这样你的我 style 就 可以看到你 gitlab 里面的代码库，直接点击这里的 is new， 点击 project 可以 看到这里面已经显示了好礼物 cut 的 这个项目，然后点击 input 项目就会直接导入框架预设，全部都会自动填充，直接点击 deploy 部署，就可以把应用发布在公共的域名上面。 所以现在你基本上就打通了一套从开发部署发布这样一个前端项目的全流程，通过 gitlab 同步，然后 gitlab 触发我 style 部署， 整个过程都是时事联动的，是不是很酷？这样我们就可以自己尝试打造出功能独特又实用的 app， 而且随时可以分享给朋友。 但是要强调一下，我们今天开发的仅仅是一个前端的 top 应用，在网上刷到的内容帖子，我用十分钟开发出了某某软件，基本都是这种类似的。 如果你想要进行完整的开发，那么你还需要了解后端数据库，购买域名，开放支付，包括商业化等等技能，这些都需要你进行更深一步的学习。但是 web coding 的 乐趣就在于，当你看到了一款很不错的软件，是不是可以先想象一下自己有没有办法复刻出来做一个简单的应用，比如 比如说口语学软件，语音助手就放在本地自己使用。我觉得对于没有任何编程基础的小白来说，真的可以算是打开了新世界的大门。那最后我们再来简单讲解一下 skills， skills 其实很好理解，因为它翻译过来就是技能。我们还拿厨师举例，比方说你已经有了一个非常厉害的厨师， 他本身就会做很多菜，但是川味鱼香肉丝的做法和其他地方那就是不一样的。你要是不提前给厨师讲情书，如果他按照自己的习惯发挥，可能味道也不错，但是绝对不会是你想要的那个川味。但是如果啊，你可以提前把这套独家秘籍给打包好，比方说油温多少度，配菜有哪些，什么时候该来一勺豆瓣酱， 怎么摆盘等等这些操作，全部打包成一个技能包交给厨师。那他平常呢，不需要把这些厚厚的技能包都背在脑子里，因为这样太占内存了，也就是太费 token 了。 那他只需要在腰上挂好这个技能包，等什么时候客人点名要吃那个川味鱼香肉丝的时候啊，他提前看一眼，再决定要不要读取这个技能。 然后呢，照着这个步骤精准地来一遍。这样做的话，既可以节省 token， 又能够保证干活的质量。这个啊，就叫做渐近式批漏。所以其实本质上，你可以把任何一个自己经常会用到的流程、工作流都打包成一个 skills， 这样你每次调用的时候，都不需要你提前说那么一大堆的背景提示词。 比方说，我们可以直接去 github 上下载 ansorepic 公司，也就是 cloud 那 个公司自己开源的 skills， 可以 看到这里的 skills 有 包括修改 word 文件，修改 pdf， 包括数据处理，还有一些前端设计的 skills。 我 们直接点这里的 code， 复制整个仓库的链接，然后回到 antigo 这里，我又重新建了一个项目，你就直接跟 ai 说，帮我下载这个仓库里面全部的 skills， 并且部署在局的路径下， 然后把这个仓库的链接发过去。部署在全集路径下的好处就是说，不管你打开什么项目，都可以直接全部地调用这些 skills。 果然教程都是发给 ai 看的，如果想要多做一步呢，你还可以跟他说，帮我把这些 skills 都配置成为斜杠可以调用的形式，这样当你明确想要调用某个 skill 的 时候，就可以直接选中了。 另外呢，再给大家推荐一个前端设计的 skills， 叫做 u i u x pro max skill 也是一样的步骤，在 code 这里复制整个仓库的链接，回到 ant gravity， 把仓库复制给他，对他说，帮我下载这个仓库的 skills， 然后直接点击回车就可以了。 这里可以看到我的斜杠已经可以调用这些 skills 了，我们就简单测试一下，帮我制作一个健身房的宣传落地页，你可以规定他使用哪些技能，比如说我打字使用就是我们最新安装的这个 u i u x 的 skill 直接发送。 可以看到这里已经调用了 u i u x pro max 的 升图模型，帮我们生成了两幅图片，我们直接在浏览器里面打开去预览一下， 那可以看到这个页面这个人物介绍部分他就使用了刚才的图片，整体来看还是挺有特色。就目前来讲，这个红黑配色不是我喜欢的风格，但是这只是一个初步的搭建，之后你有什么想法可以让他进行个性化的修改。其实你看关于一个健身房落地页的基本元素他这里都是有的。 好了，以上就是本期全部的关于 antiquity 的 基础教程，基本上你使用 cursor tree 或者任何的 id 工具，它的界面操作啊都是一通百通的。 web coding 时代，学习 ai 最快的方式就是先用起来，先做出一个东西，然后慢慢地补足专业技能，这样你才能有源源不断的学习动力。

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。