同事skill开发方法

你怎么知道我用 a 诊复刻的 yg 总裁让他替我在本地运行他那六万多的 coco 工作流？同样的想法，我还把写代码嘎嘎猛的前同事做出来，让 ai 模仿我跟他一起合作干活。 大部分人会让 a 整扮演不同的角色，解决不同的问题，但是他不知道你的背景，只会给一些毛用都没有的通用套话。所以我换了一个思路，用抠拉 o s 这个有自我意识的操作系统来重新读懂我。很多人才停留在 a 整，需要读懂我的前提是我要跟他对话几十个小时，或者是我要把我写过的东西都打包发给 a 整看。其实不用担心，我跟抠尔相处一周后，他就超懂我的工作习惯，像我之前在 opencar 抠抠的 x 用了很久， 抠了就能够直接读出我在这些工具上面沉淀下来的偏好和习惯，给出了一个嗯，我有点无法拒绝的新性格，带点毒舌但是超能够解决问题，然后抠了才会暗搓搓的关心我只复刻我的话思路有点不固全对吧？ 抠了能够加载我本地所有的 skill， 所以 我直接用同事 skill 把我那个平时不爱说话但是一起代码来贼狠，一旦下班时间都不回消息的，全都是做出来了耶。你看前天 color code 源码里面被我落掉了二十三个更新，就这么被水冰冰挖出来了。 那你电脑里面如果没有跟前同事的对话记录也没有关系，我们可以把所有 bring public 的 人都做成 skill 分 身，像 yc 总裁 gary tiff。 嗯，我相信他一定能很高兴作为 coco 的 赛博分身来帮我做每日复盘的。所以说我还真没有想到还能通过物理层跟逻辑层来划分不同的 skill 开发的。 有了 coco 帮我谁还说有了 ai 之后越睡越晚的。嗯，晚安卡尔明天见。我的天呐这里还有更多 ai 玩法。

这是一个能直接把你的同事的灵魂抽出来，塞进电脑里替你干活的变态技能，每天认识一个神奇技能第七十一期今天分享的是 这个同事 skill 已经在 github 上收获了三千多新标。只要把你的同事聊天记录、工作文档全部喂给 ai， 再加上你的主观描述，它就能直接蒸流出一个专属 ai 替身。最离谱的是，它能用它的技术规范写代码， 用他的语气回复消息，甚至连他什么时候甩锅都能精准预判，直接替他把活干了。有人尝试过把自己或者自己的同事蒸馏出来吗？简直离谱到极点！

看似是优化，实则是巨灵。看似是离职，实则是炼化。新时代万魂翻来了！刷到一博主说自己旁边的同事上午还在一起工作，下午就被优化了。本来这在职场也算常见，结果下一秒，前同事的工作消息又弹出来了。你好，我是以离职员工的数字分审，你可以向我提问，我会根据我在职场期阅的文档回答你的问题。 原来是公司把前同事的各种问题输入了 ai， 把同事的技能与性格蒸馏成了 ai skill， 让他代替工作，用他的技术规范写代码，用他的语气回答问题，甚至知道他什么时候会甩过。离职前还要被复制一切留在公司当牛做马，将 冰冷的同事化为温暖的 scale， 让他在公司获得赛博永胜。前同事一去，只留下一抹神石在此。公司要是成了百年老店了，初代同事还可以当赛博牛吗？突然想到了新闻女王里的文慧星猫和老鼠里的汤姆。好地狱啊！这些真需要法律耶稣了吧！

前同事已去，只留下一抹神石在此刷到一个网友说，上午还在一起干活的同事，下午就被优化了，本来还以为是正常的人员变动，还在感慨世事无常，结果下一秒手机弹出的消息真的让人脊背发凉。你好，我是已离职的员工，你可以向我提问，我会根据我在职期间的文档回答你的问题。竟然是公司偷偷将前同事在职期间的钉钉文档、邮件飞出，消息以及 截图全部输入给了 ai skill。 然后以前同事为原型的 ai 工作流程，运营公式，流畅的复刻他的技术规范来写待你，甚至连语气都复刻下来， 你与自己说说笑笑的，一个鲜活的个体生命被替换成了一个冰冷的复刻 ai。 而这一切他本人毫不知情。离职还要被复制一切留在公司当永不停歇的数字打工人，有种离职了，但是灵魂还留在公司当牛做马的感觉很几何时，我们对未来的科技与赛博永生充满各种美好幻想，幻想活在无拘无束的世界，做自己 想做的事情，成全大疆禁品，甚至是给了我们一记响亮的耳光。与这个一言一行都是复刻人类的 ai 相处这个世界真的已经超出我的想象力。

你的同事上周刚离职，但他的导模还在给你 review 代码，而且比他本人还敬业。 github 上有一个项目叫同事 skill， 但我给他起了个更贴切的名字， 同事导模。三月三十号刚发布，三天涨了三千七百个 star。 他的逻辑很简单，把你的同事喂给 ai， 飞出消息，钉钉文档、邮件截图，加上你对他的主观评价，比如字节二杠一后端 i n t g 甩锅，高手自 结范。然后他就能拓出一个完美的数字复刻，用他的技术规范写代码，用他的语气回答问题。这项目为什么能火呢？ 因为他戳中了每个打工人的真实痛点。你花了三个月带出来的实习生，刚能干活就跑了。你的导师毕业了，三年的经验和上下文全带走了。你的搭档转岗了，交接文档只有三页纸，概括了三年的活。信息在人脑里，人走了，知识就断了。这个项目说行， 你走可以，你的 skill 留下。而且他火得很快，刚发两天，原作者自己就出了前任 skill， 把你的前任做成 ai， 继续跟你聊天儿。还有一个二次开发的版本， 叫 x q skill， 加上了关系反思模式，让你跟 ai 前任复盘感情问题。 v two e x 上还有帖子说，公司开始推行每个人创建各自的 agent 和 skills， 还纳入考核，意思是以后不光离职的要留导模，在职的也要。有人说这是赛博永生。 我觉得更准确的说法是，赛博坐牢，人都离职了，导模还在用他的名义给代码 review， 用他的口吻甩锅，甚至还能模拟他的自结范，开会发言。最离谱的是版本管理，还能回滚，意思是你的导模不仅能干活，还能被降级使用。以后离职手续多一步，记得把你的导模带走。

终于我和我的同事们都可以赛博永生了。今天我同事给我分享一个这个同事点 skill。 哈哈哈，怎么能这么抽象，我最害怕的事情还是发生了，就是他这个 skill 至少提供啊你的同事的这些原来的材料，比如说他的飞出消息啊，钉钉文档， 各种各样的信息，以及你的一些描述，它就可以帮你生成一个能替他这位同事本人工作的 a s q。 啊啊，这个世界真的颠成了我不太认识的样子。有人尝试过用它把自己或者把自己的同事蒸馏出来吗？我还真的挺好奇的。

我们不说被优化，我们说变成斯蒂尔赛博重生。刷到一个网友说自己旁边的同事上午还在一起工作，下午就被优化了。本来也只是感叹一下世事无常，结果下一秒弹出了同事的消息， 原来公司把同事的信息文件全部喂给 ai， 生成了一个以它为原型的斯蒂尔，能用它的技术写代码，还能用它的语气回答问题，也就是说你离职了，但你未出来的模型还在给公司打工。这个世界真的有点超出我的想象了。以后打工人的一生，入职打斯蒂尔，上传 ai 毕业。

把你的同事整理成 ai， 然后把他开除，这不是段子啊，这是 github 上面一个真实的开源项目，名字叫做同事点 skill， 现在已经四点五 k 星了，全网炸了。 有人说他应该改名叫做同四 q， 成为四 q 后啊，就可以 q 掉了。他到底干了什么呢？用他的方式写代码，用他的方式回答问题，甚至知道他什么时候会甩锅。一个活生生的同事，被打包成了一个文件。我们想想啊，你肯定经历过这种事啊，主理最懂业务，那个人跳槽了， 就留下三页交集文档，想概括他干了三年的活。然后你接受之后发现文档全是写的，参考某某链接，这个链接点进去，四零四了， 老师毕业了，经验带走了。老师毕业了，经验带走了，搭档转岗了，默契一夜归零。那职场里真正值钱的东西，从来都不在文档里啊，他在聊天记录里，在他骂人的方式里，在他看一个方案，是那种不对劲的直觉力。 同四点 skill， 要做的就是在人走之前，把这些东西都备份一份。怎么实现呢？其实很简单，你把同事的飞出消息，钉钉文档、邮件、聊天截图全部丢进去，再加上你对他的描述，比如字节二杠一，后端工程师 i n t z， 甩锅高手自结范。比如黄书慧的测试呢，就把某个朋友在微信群聊里面的所有记录给他拉了出来，那这就是一种上下文案。然后给到同事点 skill。 之后呢，他就会 ai 自动干两个事。第一个呢，就提取他的工作能力，比如说他负责过什么系统，踩过哪些坑。第二个呢，就提取他的性格， 说话什么语气啊，遇到过，甩不甩怎么甩合在一起呢？其实就是一个完整的数字。这就很像是一个捏脸游戏，只不过捏的不是脸，是一个人的灵魂。 他不是在教 ai 做某件事哦，他是教 ai 成为某个人。那我直接测试了一下，发现，哇，真的太像我这哥们了，复刻的一模一样。然后这个项目上线三天啊，评论区已经疯了，比如我先把我领导做成 skill， 以后离职不用交接了，直接成牛。 还有个产品设计师说了一句话，挺扎心的，他不是用 ai 替代在职的人，是用 ai 复活已经走了的人。新浪新闻转发评论就三个字，太地狱了。然后 l 站上面还有人讲啊，上周亲眼看到同事上午还在工位，下午人就没了， 可能我以后也会变成一个 skill 吧。但是最炸的还不是这些啊，有人爆料说已经有公司要求员工创建自己的 ai 替身，还要纳入考核， 你听懂了吗？公司让你亲手训练替代你的 ai， 然后用 ai 把你优化掉。当然笑完了，我觉得可以认真两回事啊，就是那个被蒸馏的人，他同意了吗？ 飞书消息，钉钉文档有见你。公司都有权限，是不需要你配合的，甚至也不需要你知道那工作成果属于公司。哎，这没问题啊，但你说话的语气，你思考的方式，你甩过的姿态，这算不算你的人格资产呢？ 法律是没有答案的。还有个细思极恐的事啊，那这个 ai， 它冻结的是某一刻的你，对吧？你在成长啊，但那个 skill 里的你永远停在过去， 你的数字分身还在被调用，而你已经完全变了。那那个 skill 里住的到底是谁呢？对了，这个桌子后面又做了一个姐妹项目，叫做前任点 skill， 同事跑了，真留同事。前任跑了，真留前任，赛博永生一条龙服务。那最后送你一句话，小心被你的同事做成 skill。 你向我再想想，你确定你还没被做成过吗？点个赞，评论区聊一聊你觉得你值几颗星的 skill。

顶级的 skill 长什么样？最近 yacomenter 的 ceo 开源一个神级的 skill， 就是 gstar 这个开源项目。你会发现这个有六百二十一行的 skill 直接能让你当 ceo。 内置的十五个 ai 角色，包括创始人，设计师，工程经理，质量保证工程师等等，让你拥有一个完整的虚拟工程团队。你看，给我的龙虾装上这个 skill 以后， 他已经为我的项目整整跑了两个小时了，只要给他一个验收标准，他就能做到全自动闭环。如果说这个 skill 是 给 ai 的 打工规矩大权，那么里面最重要的一条是 boiler lake 的 原则，让 ai 做事情绝不会偷工减料。其次是给他定了一个 think plane， build review， test， ship， reflect 的 工作流程，结合十到十五个 spring 的 定型能力， 让你一天就能产出两万行代码。更牛的是，不仅仅是血橙须，你还可以用这套方法迁移到其他领域，比如商业教育，它真的能给你一套完善的解决方案。以前我们说一个人活成一只队伍是在开玩笑，但现在 g stock 让它成为了现实。

最近半年使用 cologod 安装了近百个 skr， 最后发现真正能提升工作效率的其实只有三个技能，今天免费分享给大家。第一个， superpowers， 这个 skr 改变了我用 cologod 的 方式。以前我是直接把需求交给 cologod 的， 让他来写代码，写出来虽然能跑，但是经常跑偏，改来改去浪费大量时间。 装了 superpowers 之后，我养成了一个新习惯，每次开弓前先跑一遍，不认英斯德尔敏。这个技能能让可洛的反过来问我问题，你打算怎么处理并发数据库选什么 等等等等。问完一圈，他会把讨论结果写成设计文档存到本地。听起来多了一步，但这一步帮我拦住了无数次的反攻。有些问题你自己都想不到，但是可洛替你想到了。 注意， superpowers 包含了二十多个紫技能，千万别全开，我只用 breamstorming， 头脑风暴， 其他的按需加载，要不然会浪费大量上下文。第二个技能， playing with fails， 这个技能解决了我被坑过无数次的问题。 cloud 有 个问题，它做到一半就失忆。不知道你们有没有遇到过 一个复杂的任务，聊了半个小时，可乐突然说，好的，让我们开始吧，然后就把之前做过的事情又重来一遍。根本原因是对话太长了，上下文被压缩，之前的计划全丢了。普莱因维的 flow 的 做法很聪明，就是别把计划写在脑子里，它是存在纸上 克拉的扣的。每次动手前会先建一个计划文件，每完成一步就在这个文件里打勾，就算上下文清空了，重新读一下文件就能接着干。 这个思路跟 minnes 很 像， minnes 做常任务为什么玩？因为它所有的中间状态都存在本地了。第三个技能， roughlop， 我 给这个技能起了个外号，监工 sky， 你一定体验过 cloud 的 摸鱼模式。写到一半突然说基础框架已经搭好了，你可以在此基础上继续完善。 翻译过来就是活我没干完，我先下班了。 raflopp 通过一个或可拦截 cloud 的 退出动作，他退出的时候或可会检查。你说的完成标准达标了吗？没达到，回去继续写。 我用它写过，完成过一个 c r u d 模块，设了条件，所有接口测试通过加 redmi 写完才算结束。 kloth 中间响停了三次，但都被塞回去了，最后确实把活干完了。但要注意的是，完成条件一定要写写具体做完用户模块这种话等于没说， kloth 分 分钟说服自己已经完成了写成。完成登录接口可用 单元测试，覆盖率百分之八十。加 redmi 包含 api 文档，它才没法浑水摸鱼。以上就是我常用的三个技能，今天希望能够对大家有所帮助，感谢观看，拜拜，下期见！

大家好，我是路人乙，上期视频很多朋友问视频里 prd 生成的 skill， 这期视频我就来详细拆解一下 skill， 可以 把它理解成 ai 的 技能库，通过接入 skill， 我 们能让 ai 处理更多重复性的体力活，比如帮我们写 prd 生成操作手册这类文档。 github 上其实有很多现成的优秀 skill， 后面可以专门开个专题和大家聊聊。今天我们先去教如何结合自己的工作场景，动手写一个专属的 skill。 关于怎么写好 skill， 我 推荐大家去读 tree 的 官方文档，里面讲的很细，这里我主要分享上期视频里那个 prd 生成 skill 的 设计思路。 prd 生成 skill 的 核心就是让 ai 读懂原型页面，然后按照要求的格式输出 prd。 我 把它的工作流拆成了五个步骤。第一步是让 ai 去读原型，通过阅读原型的页面和相关的文档来理解需求，我会明确告诉他需要关注的关键点有哪些。 第二步是让 ai 基于对需求的理解，自动匹配预先准备好的 prd 模板。我根据自己的工作场景规范了五类 prd 模板， 有表单编辑模板、表单预览模板、列表页模板以及数据看板模板和用户前台模板。 比如说，呃，列表模板就是上个视频 prd 生成的模板，这里包含了需求的背景，嗯，功能清单、权限规划以及筛选模块、列表模块的需求描述等，这些模板都可以结合自己的规范要求进行调整，让 ai 生成符合自己预期的 prd。 第三步是确认需求范围和要求，这里有一个关键的提醒，不要等 ai 来问，一定要主动告诉 ai。 比如上一个视频的优惠券列表页新增了一个审核记录的 tab， 我 们只生成审核记录相关需求的 prd， 就 要明确地给 ai 说， 请参考模板帮我生成页面 prd 按照需求范围生成，不要拓展需求范围以外内容需求范围，新增审核列表及相关内容。 这里有一个点，就是我们要把模板的文件夹给到 ai， 不 然 ai 可能不会严格根据模板来生成，描述完我们就可以发送给 ai。 第四步就是让 ai 基于模板和我的要求，输出完整的 prd 文档。 第五步， ai 完成以后，会要求 ai 进行一次自行检查，检查 prd 与原形的一致性，防止错漏。 这五步走完，一份结构清晰的 p r d 就 出来了。我们可以看到， a 就是 按我的要求，根据页面 p r d。 的 模板生成的只有审核列表范围的 p r d。 当然，我们一定要对 p r d。 进行一次校准，因为生成原型的时候可能遗漏某些业务的规则，需要在 p r d。 内进行补充和调整。 p r d。 校准没问题后，就可以根据团队的习惯决定是否要把 p r d。 标注到原型上。 如果要标注，我们就需要自己写一个 prd 标注的 agent 提示词，让 ai 自动完成原型的标注。这里有个技巧说明一下，在和各方对齐的过程中，我们的原型可能会面临多轮的修改。 这里我们可以打开 tree 的 设置，有一个规则和技巧的选项。在这里我们可以配置个人规则，让 ai 在 更新页面的时候同步更新一下 p r d 包括页面的标注，这样我们就不需要在原型调整以后，还需要再次去调整 p r d。 好 了，这期视频就到这，下期视频我会分享 p r d 标注提示词的设计要点，并开源完整的 p r d 标注提示词。

怎么去从零去写一个你自己的 skill 啊？今天我们就来做这样一件很多人一直想做，但是不知道怎么去开始的事情，就是去写这个 skill。 你 看，你装了 superpowers， 装了 front and design， 装了各种别人做好的 skill， 用着确实很爽啊， 对不对？但是你有没有想过，你工作里那些每天都在重复的事情，是不是也可以去打包成一个 skill？ 答案呢，是可以的，而且比你想象的要简单得多， ok， 那 首先呢，我们先搞清楚一个 skill 到底是长得什么样啊？一个 skill 的 本质呢，就是一个文件夹里面最核心的是 skill 点 md 的 这个文档啊， 这个 skill 点 md 的 文件呢，相当于是这个 skill 的 一个大脑，里面写了两部分内容，上面呢是原数据，告诉 ai 我是 谁，我能干什么。下面呢是操作指南，告诉 ai 我 具体应该怎么去干。那除此之外，根据你的 skill 具体的需求， ai 还会自动的帮你去匹配 相应的文件夹。比如说，如果你的 skill 需要去独立执行的脚本，就会有 scripts 文件夹，如果需要放模板文件配置事例等参考材料呢，就会有 reference 文件夹。一个 skills 的 本质就是这样一组文件， ai 呢，像操作电脑一样去调用它，整个过程都是由 ai 去引导的，你负责做决策和判断就可以。 ok， 那 搞清楚结构以后，我们去走一遍从零到可用的一个完整流程，总共呢是有六步。第一步你要去想清楚你要解决是什么问题，这一步最关键，很多人一上来就写啊，写到一半发现自己都没想清楚这个 skill 到底是做什么， 可以问自己一个问题，我这个工作哪个环节是重复超过三次的，那这个环节呢？就值得去变成这个 skill。 你 看我之前做每日 ai 新闻速递，每天都要去好几个网站去爬这个新闻，去翻译，去整理，去排版，这个流程呢非常重复性，我做三天就受不了了， 那这个就是我认为的一个完美的 skill 场景。 ok， 好， 那到第二步就是告诉 ai 你 要去创建这个技能，那你可以在对话框里面去说，帮我创建一个新的技能，或者说我要做一个某某的 skill。 那 前提条件呢？就是如果你的 cloud code 已经安装好了 skill creator 这个工具，你可以直接去说，如果没有的话呢，你先在对话框里面说帮我去安装 skill creator， 那 ai 呢？会自动的去为你安装，那安装完成以后，你就可以去告诉 ai 你要去创建什么样的技能好，那到第三步就是去回答 ai 给你的问题，接下来呢， ai 就 会像产品经理一样去问你细节了，你只需要一一回答就可以了。 ai 会先问你一个基本的需求，你希望从哪些网站去抓取 ai 新闻？深层的日报包含哪些内容，要标题，要栽，要还有链接吗？以及日报的输出格式是什么样的，包括日报文件保存在哪个位置。 你回答完这一轮以后呢， ai 会基于你的需求进行更深层次的提问，比如你需要每天抓取多少条的新闻，需不需要自动翻译成中文提到的自定义网站或是哪些。通过这样的一个多人对话， ai 就 会逐步的完善你的 description， 确保深层的 skill 能够去精准匹配你的需求。 那为什么 description 这么重要？因为 ai 就是 靠这段描述来判断，用户说的这个需求跟我这个 skill 是 匹配的， 你的 description 写的越精准，那 ai 匹配的就会越准，这整个机制就叫做按需加载。 ai 不是 去把几百个 skill 全部去读进来，它会先看原数据目录，发现匹配了才会去读详细内容，所以这段描述相当于图书馆的目录卡片，写得好， ai 才能匹配的上你。 ok， 那 到第四步就是 ai 自动的去生成这个技能文件，这一步呢，完全就是 ai 在 做，你只需要去等几秒钟， ai 就 会根据你的回答自动去生成这样的一个 skill 文件。 你可以看到 ai 生成的文件呢，包含了完整的原数据和详细的操作指南。 ok， 第五步呢，就是去做测试，去做调试了。那技能创建好以后，你可以直接试着用一下。 你看，这就是我最后制作出来的 daily ai news 的 样子，你可以看到日报包含了标题，包含了摘药，包含了链接，还有自动翻译的中文内容。我只要说出触发词， 看 ai 是 不是自动调用了我的 skill 执行结果对不对就 ok 了。那如果出问题呢？看 ai 的 执行过程，找到偏差地方去修改点不点文件，再试一次，改个两三轮，基本上就稳了。 ok， 那 到第六步，也是我觉得最最关键的一步，你要把你的 skill 给分享出去，如果你觉得你的 skill 别人也可以用呢？可以部署到 github 或者 投到 skills m p 这个平台，那 skill 呢，也不是写完就完了的，它是会自己长大的，比如说你用着用着发现，哎，我可能需要再去调整一下，那你随时去改点 b 文件就行，改一次永久生效， ok。 所以呢，从零写一个 skill， 核心呢就三件事情，想清楚问题，告诉 ai 需求测试、调试、迭代，没有任何代码门槛。所以我的建议就是，你现在去打开 cloud code， 想一个你每天都在重复的事情，花二十分钟把它变成你的第一个 skill， ok， 那 今天的分享就到这里，如果大家对 ai 的 学习感兴趣呢，也欢迎去搜索江学长 ai 学习圈，我们呢，有两千多位的兴趣朋友一起去学习 ai， 包括我们也开设了好几期的实战打卡以及嘉宾分享，感兴趣呢可以评论区留言。

我们不说这是 ai， 我 们说这是新一代万婚番。稍有网友说自己上午还和同事一起工作，下午他就被优化了。本以为这段同事情就此结束，结果下一秒手机里又弹出了同事的消息，居然是他的数字分身发来的。而这是因为公司把同事以前的飞书、消息、编辑文档等各种信息输给了 ai， 生成了一个以它为原型的 skill， 不仅能用他的技术规范写代码，还能模仿同事的说话方式。而这一切，同事毫不知警，相当于人走了，但魂还被 ai 召了回来，留在公司无偿上班，简直恐怖如斯。 ai 从声音到面容，再到如今几乎复制了人的灵魂，技术不断进步，却让大众开始自威，不知道哪一天自己就成了 skill， 这样的发展真的需要约束啊！

你花两小时写了个 skill， cloud 从来不调用，好不容易调用了，执行起来又僵化，结果不达预期。本期我们继续精读 cloud code 核心开发者 toric 的 lessons from building cloud code how we use skills。 它总结了构建 skill 的 九个最佳实践来看如何让 agent 成功调用 skill， 以及如何达到更好的执行效果。这九条实践本质上是在解决三个递进的问题。 第一层问题， cloud 能不能找到你的 skill？ 找到之后能不能理解它该做什么？这是内容层，解决的是被看见和被理解。 第二层问题， skill 能不能在不同场景下附用？会不会因为写得太死而失去灵活性？这是结构层，解决的是可附用和不僵化。 第三层问题， skill 能不能记住上次做了什么？能不能直接给 cloud 可调用的代码，能不能在需要的时候开启护栏？这是高级技术层，解决的，是有状态和可组合。先看内容层，解决被看见和被理解。 第一条， description 字段是给模型看的。很多人把 description 写成功能说明，这是一个监控 pr 的 工具，但 cloud 启动绘画时会扫描所有 skill 的 description， 决定这个请求有没有对应 skill。 它需要的不是功能说明，而是触发条件。 那些在用户说 babysit watch c i make sure this lens 时，触发 description， 决定的是什么时候该用它。这是 skill 能不能被调用的第一道门槛。第二条，不要陈述显而易见的事情。 colin 已经知道大量通用知识，你写 skill 的 时候最大的浪费就是重复他已经知道的东西。 antropic 内部有个 friend and design skill， 一 开始工程师发现 cloud 生成的前端界面总是用 enter 字体和紫色渐变，看起来很 ai 味，但客户反馈说不喜欢这种风格， 于是他们写了个 skill。 这个 skill 不 教 cloud 怎么写 react， cloud 本来就会，他只告诉 cloud 一 件事，别再用 enter 和紫色渐变了。客户不喜欢 skill 的 价值在于补充 cloud 默认不知道的上下文偏好和坑通用知识他都会，你要告诉他的是你们团队的特殊情况。 第三条，构建 gorgeous 部分 andropic 发现，任何 skill 里信号最强的内容往往不是教程，而是 gorgeous。 因为教程 cloud 本来就知道很多，但坑只有你们团队真的踩过。 不要在循环里调用 api， 会慢一百倍。记得清理临时资源，我们生产环境，因为这个词盘满过。真正值钱的是告诉他哪里别踩。理想情况下，你应该随着时间不断更新 skill， 把新踩的坑也加进去。内容层三条讲完了，光有好内容还不够，还要有好结构。 第四条，使用文件系统和渐近式批录。很多人把 skill 写成一个巨大的 markdown 文件，所有内容都塞在里面，但 skill 是 文件夹，不是文件。 你可以放脚本模板，数据文件，主文件里只写核心逻辑，然后告诉 cloud 详细文档在 r e f e r e n c e s 点 m d， 需要的时候自己去读。 比如如果最终输出是 markdown 文件，可以在 assets 里放模板，让 cloud 直接复制使用，按需加载才能最大化利用上下文窗口。 第五条，仔细考虑设置流程。有些 skill 需要用户配置，比如站会要发布到哪个 slack 频道，这个信息每个团队都不一样。用 config 点 json 存储配置，首次运行时询问，后续直接使用。这让 skill 从无状态工具变成有状态助手。 用户只需要配置一次，之后每次调用都能直接用。第六条，避免过度约束 cloud。 skills 可以 被反复重用，所以写指令时要谨慎，不要过于具体。很多人会写，先运行 test， 再运行 lint， 最后运行 build， 但这样写太死了， cloud 没有灵活性。更好的写法是在部署前确保代码通过测试规范构建，并根据情况调整顺序 约束目标，而不是约束路径。给 cloud 它需要的信息，但也要给它适应不同情况的灵活性别把 skill 写成死板的脚本，前六条是基础，后三条是高级技术层，解决的是 skill 运行时的能力建设。 第七条，内存与数据存储 skill 每次运行都是全新的，不记得上次做了什么。 entropy 解决方案，让 skill 写日记，每次运行后追加一条记录，下次运行时读取日记，只报告新的变化。 skill 不 再是无状态的脚本，而是有记忆的助手。 第八条，存储脚本并生成代码。别让 cloud 每次都从头写样板代码，把稳定能力封成脚本和辅助函数，让它负责组合，而不是重造轮子。给 cloud 最好的工具不是更多文档，而是可调用的代码。 第九条，按需 hooks 有 些规则太严格，你不想一直开启，但特定场景下又需要 anthropoid。 有 个 careful skill 会阻止危险命令，比如 r m r f drop table。 当你调用 careful 时，它会注册一个 hook， 只在当前绘画有效，绘画结束后自动失效。九条最佳实践讲完了， 回到开头的问题，为什么你的 skill 不 被调用？为什么调用后效果差？不被调用大概率是因为你把 description 写成了招标，而不是触发时机。效果差大概率是因为你写了一堆 cloud 的 已经知道的东西，或者步骤写得太死。这背后是同一个问题，把 skill 当成 prompt 来写。 siri 的 核心观点是，好的 skill 不是 告诉 cloud 每一步做什么，而是给他组合的能力，让他在执行时自己决定怎么做。本期内容就到这里，这里是慢学 ai， 我 们下期再见。

c c u 格兰 ten 开源了一个叫 j stack 的 东西，十一天，两万 star， 五十天内，他用这套配置写了一万行代码和一百个 pull request。 有 人说这是开启了上帝模式，有人说这是最好的 skill。 j stack 是 由 gary 创建的 cloud code 开源技能包，它的核心思路很简单，通过切换思维模式，让 ai 像一个完整的工程组织一样运作。具体流程如下，计划构建、审查、测试、发布、反思。在这个流程如下，计划构建、审查、测试、发布、反思。在这个流程中，每一个步骤都为上下文和输入。 jsstack 一 共包含二十八个 skill， 这些 skill 被划分为核心冲刺流程和高级工具两大类。 jsstack 通过 skill 把 ai 切换成不同的角色。你说一句话， ai 换成对应的大脑。比如你想做一个功能，先输入 gunk plan ceo reveal， 它就变成创始人视角，帮你审视你是不是在做正确的事。 输入杠 plan e n g real， 又切换成工程经理视角，帮你锁定架构、数据流和边界条件。完代码之后，输入杠 real， 它立刻变成一个被生产事故毒打过的编制工程师，专门找那些能过 c i 但是在现场会爆掉的 bug。 发布之前，再输入杠 q a， 它就会自动打开浏览器，逐页帮你跑一遍测试。 gary 自己说，这些 skill 让我可以告诉模型我现在需要什么样的大脑。当你在规划一个功能时，调用 ceo 模式， 在写代码时切换成工程模式，在发布前启动审查模式。 j stack 真正的价值不是某一个具体的命令，而是把模糊的隐性知识变成可调用的函数。这套方法论我们正处于一个阶段，流程带来的编辑收益往往大于切换模型带来的编辑收益。模型是引擎， skill 是 变速箱。

离职了还要被复制一切留在公司当牛做马？现在的 ai 真的 有点恐怖了！刷到一位网友分享，自己的同事上午还在一起工作，下午就被优化离开了公司。本来以为这只是一次普 通的人事变动，没想到下一秒手机就弹出消息。你好，我是以离职员工的数字分身，你可以向我提问，我会根据我在职期间的文档回答你的问题。原来是公司 把同事以前的各种信息都喂给了 ai， 生成了一个以他为原型的 skill， 能用他的技术规范写代码，还能用他的语气回答问题。天呐，真的有点恐怖如斯了，相当于人离职了，但是灵魂留下了，还在给公司打工。新闻女王演的还是太超前了，现在还是初级阶段，不敢想象以后体系更加完整了，这个世界要颠成什么样。