自进化skills功能

迫不及待地想和大家分享一个超级实用的 skills cloudception。 目前这个项目的 star 输入来到了两 k， 这个是关于 cloud 的 一项技能，就是专门优化 cloud code 的， 用于自主的提取技能和持续学习，让 cloud code 在 工作中不断地变得智能。 我不知道大家有没有遇到这种情况，就是在和 cloud code 的 对话的过程中，可能我们经过多轮对话，最终解决了某一个问题， 我们希望后续遇到类似问题的时候，不再对话这么多次了，那这个时候我们就可以通过 cloud separation 这个原技能，可以说是原技能啊，因为它是让技能进一步进化的技能。 通过这个技能呢，可以沉淀过去多次的对话的内容，提取出有价值的部分，自动地形成一个新的 scale。 也就是当你费了很长的时间让 cloud code 帮你解决了一个问题，能够把解决问题的最有价值的这部分给你，以 scale 的 方式再沉淀下来。后续假如说遇到类似的问题， 你就可以服用这个 skills， 这个 skills 就是 干这个的，我们可以看一下它的介绍啊。每次使用 ai agent 写代码的时候呢，都会从零开始，花一个小时调试某个 bug， 找到了解决办法，绘画就结束了，然后遇到相关问题又得再兑换，那这个 skill 就是 解决这个技能了， 接下来我们看怎么用啊。如果说你是想在用户级别装这个 skills 呢？那你就把这个项目克隆到你的用户级别的这个 cloud skills 的 这个目录下。如果说你是想在项目级别，也就是 只有指定的项目用这个技能，那你就把它拷贝到指定的那个项目下边的这个 cloud 这个 scales 这个目录下，这样的话就是不会影响你的局域的用户级的这个 scales 就 看个人习惯了哈。 步骤二，设置激活勾就是 hops。 有 的同学可能不了解 hops 是 什么，这个 hops 呢，它是一般位于这个 dr cloud hops 这个目录下，它是存放自动化钩子脚本的地方， 它的核心作用呢，就是让你能够在 glocal 的 工作流程的一些特定的时刻，比如说在 ai 执行一个操作之前或者之后，触发预先定义好的脚本， 你可以把它理解为一个 ai 助手设置的自动化的开关，或者说智能的安保系统。嗯，就和那种手动需要输入斜杠这种指令，或者， 嗯，斜杠 skills 命这种命令的这种方式不一样啊。这个钩子它是确定性的执行的，就是达到某一个出发条件，它就会一定会执行这个脚本， 这个条件呢是是你配的，那在这个地方的体现呢，就是每次你和 ai 帧的对话都会触发这个脚本，它会去识别本次绘画的过程中有没有有价值的信息可以提取并且沉淀下来，然后最终形成一个 scales 在 这个地方使用的方式，首先建这样一个目录，然后把这个项目中的对应的这个脚本呢，给它拷贝到 glod 这个这个目录下， 然后给它赋予一个权限，之后呢，将这个钩子，也就是这个 settings jason 里边给它配置上， 这样的话就能够触发了这个是用户级别的配置，配置之后呢，所有的项目都可以用到这个 scales， 假如说你不想让这个 scales 覆盖的范围很广，你只想在指定的项目下使用这个 scales， 那 你也可以在项目目录下去创建 hos 目录。其实配置呢，也是完全类似的，只不过就是在项目目录下呃进行一个配置， 然后再一个用法，这个 scales 在 clock code 以下情况下会自动激活。比如说刚刚完成调试，发现了一个意想不到的解决方案，它就会意识到这次对话它是有价值的，它就把它呈现为这个经验，呈现为这个 scales， 然后通过调查或者反复实验找到了解决方法，解决了一个错误，该错误的根本原因最初并不明显，这是自动的模式，也可以显示的。让 cloud code 去总结本次绘画或者多轮绘画中有没有价值的信息可以提取， 或者说明确的要求它去提取 skills。 这里需要注意的是，并不是每次对话都能够提取出有价值的东西，因为可能某一次对话 或者完成某一个任务，只是简单的查看了一下某个文件，没有什么有价值的信息可以提取，那这样的话其实就不会出发，一出发的话也没有什么意义。我已经把这个 skills 整理归纳到了我的使用 skills 清单这个文档中，我放在了这里，如果有需要这个文档的同学可以联系我获取。我是不吃辣 chris， 关注我，带你了解更多 ai 相关的开源项目和工具。

手把手带你安装 openclaw 龙虾必备的 skills。 之前我出过一期 openclaw 保姆级安装教程，但装完之后你会发现它其实还只是一只裸龙虾。你让它查看文件，它说没权限，你让它算下天线，它说没联网，属于一同操作猛如虎，另近一看原地图，所以这个视频带你正确配置龙虾，补齐必备技能， 让它真正从能聊天进化成能干活。但在开始之前，我们先熟悉几个会频繁用到的命令，如果你是 windows 系统，就在 power 里输入这些命令，如 mini 是 micro， 二，系统就在终端 terminal 里输入。要开始用 openclaw， 第一步是先把网关启动起来，对应的命令是 openclaw gateway start。 启动后，我们可以打开 openclaw 控制台，也就是它的可式化操作键。面对的命令是 openclaw dashboard。 如果你暂时不用 openclaw 了，也可以把网关停掉。对应的命令是 openclaw gateway stop。 技巧一，本地文件读写从二零二六点三点二版本开始啊。 opencl 默认对本地文件访问权限做了限制，所以如果你想让它读取甚至进一步操作你电脑里的文件，要先把对应权限打开。操作也很简单，打开 opencl 或终端，输入 opencl config set tools， 点 profile for 命令回车执行。 把 opencl 的 工具权限切换成完整版，运行后还需要重启网关，让配置生效。对应的命令是 opencl gateway restart。 搞定以后，你就可以让 opcode 做各种文件提取和修改的操作了，比如批量重命名、文件整理、桌面分析、磁盘空间占用等等。 技巧二，联网搜索 opcode 默认情况下是无法获取网上信息的，所以你问天气、问资讯、问股价，他通通不知道，但我们可以安装一个负责联网搜索的 skill。 skill 可以 理解成是 opcode 的 技能包，本质上是一套针对某类任务的说明和流程， 用来教他在特定场景下该怎么做。比如这就是一个简单的 skill 的 例子， openclaw 有 个官方技能市场 clawhot， 你 能在上面看到很多别人做好的 skill， 可以 直接拿来安装使用。要事先联网搜索，可以搜一个叫 tablie search 的 skill， 这个 scheme 要求从 tiffany 点 com 获取 api 密钥，我们可以稍后设置。安装方法也很简单，我们可以直接复制 call hop 上 tiffany search 的 页面链接，粘贴到和 opcode 的 聊天里，无论是控制台还是飞书这类通讯渠道聊天窗口都行，然后让 opcode 自己帮你安装。 tiffany search 还会用到 api 密钥，所以我们来到 tiffany search 官网 注册登录后啊，就可以直接得到一个密钥，他每个月呢都有免费额度，而且不需要绑卡。拿到之后，我们可以把 api 密钥一起发给 opencall， 让他安装后自行完成配置。 装好之后，我们可以简单测试一下，比如在飞书里问他茅台目前的股票价格是多少，这时候啊， opencall 就 能顺利返回来自互联网的实时信息了。 技巧三，定时任务欧姆克劳支持通过 com 创建定时任务，不需要额外安装 sku。 比如你可以直接对欧姆克劳说，每隔五分钟汇报某只股票当前的价格，他就会创建一个定时任务， 然后按设定的间隔自动运行，帮我们实现对股价的监控。所以啊，不管是每天早上七点发资讯，每周一九点写周报，还是二十分钟后提醒浇花这类定时任务，你都可以直接交给他。 小四，浏览器操作 opcode 本身自带 browser 工具，不需要额外安装 skill， 就 可以读取网页内容。比如可以对他说，帮我看看知乎上现在有什么热点网址是这个，它会自动用浏览器打开网页，读取页面内容，把上面的信息整理出来。而且不只是读网页， 像点击输入之类的基础操作啊，它也能完成。比如让它去 github 上搜索 linux， 然后把排在前三的搜索结果给你， opcode 也能直接搞定。不过它的缺点啊也很明显，第一是比较稍 token， 因为网页内容因为状态，还有每一次工具调用的结果啊，都会不断进入模型的上下文。 第二是执行速度比较慢，因为 opcode 的 工作方式不像程序脚本或 rpa 那 样，流程确定后一次跑完。而 每做一步，都要先看当前页面，理解页面内容，探讨下一步该点哪里，再执行操作，然后再读取结果，继续推理下一步。所以它更像是一个会操作网页的 ai 助手，而不是一个高效率的自动化程序。另外，如果遇到强制登录、扫码、验证码校验，或者比较严格的反爬机制啊，我不靠也容易翻车。 技巧五技能查找 opcode 的 skills 很多，但真正麻烦的是不知道该装哪个。这里推荐两个实用 skill， 一个负责找 skill， 一个负责审 skill。 第一个是 find skills， 它的作用就是根据你的需求去查找合适的 skills。 安装方法和前面一样，直接把链接发给 opcode， 让他自己安装就行。 装好之后，我们可以对 okl 说帮我查找邮件自动化相关的 skills， 他 就会推荐合适的 skill， 这样你就不用自己去技能市场里一个个翻了。但接下来还有一个问题是，他推荐给你的 skill 真的 安全吗？那么我们可以再安装一个 skill better， 它的作用啊，就是在安装前先帮你做一层安全审查， 重点看看有没有权限问题、可疑行为，平常窃取回销代码或者数据外传之类的风险。我们可以再提醒一下 oppo， 安装每个 skill 前用 skillbetter 检查一下，这样后面啊，他在安装新 skill 的 时候就会先审一遍，再决定要不要装 技巧六，既能创建与改进除乱中别人已经写好的 skill， 我 们也可以直接通过自然语言让 opcode 创建新的 skill。 比如可以直接告诉他帮我创建一个 skill， 把新收到的邮件内容提炼成三句话总结。这样一来， opcode 就 能根据你的描述自动创建一个 skill， 让这套流程可以长期服用， 以后再遇到类似任务啊，他就不用每次从零开始了。如果你还想让他越学越聪明，可以再装一个 skill， 叫 self improving agent。 这个 skill 的 作用就是帮 opcode 把错误纠正和新学到的方法都记下来，慢慢沉淀成经验。 具体来说就是有失败的操作时，他会自动记录到 error state， md， 你 纠正他了，或者他学到了更好的方法，会记录到 learning state， md， 你 提了他一个还不会的功能， 会记录到 feature request， 点 md 一 些真正有价值的内容啊，后面还会进一步沉淀到 memory， 点 md 这种长期记忆文件里。那么安装之后， okl 不 止完成当前任务，还会把每次失误和改进建议啊，沉淀下来，自动应用过往经验，变成一个会复盘的助手。那希望以上这些技能补齐之后，你的龙虾能真正下场干活了。如果这个视频对你有帮助，也欢迎点赞和关注，我们下个视频见。

很多朋友问我，龙虾装好之后感觉跟豆包没什么区别，可能是因为你没给它装 skills， 今天就给大家盘点一下 cloudhub 上面下载量最高的五个热门 skill。 第一个是 tablie search， 这个是龙虾的千里眼，装好它之后就能实时搜索全网最新的动态，不再受大模型知识断层的限制。 第二个是 self improving agent， 这个是最神奇的，我们叫它自我进化，它会记录报错和你的偏好。龙虾能根据失败经验自己改代码，挑题式词，真的用的越久，它就越像你，越来越懂你。 第三个是 find skills， 龙虾的技能是超市，你不知道该装啥直接问它，它能根据你的任务自动去 cloud hub 上面搜索并推荐最匹配的技能。第四个是 summarize， 就是 帮你总结内容，不管是一篇文章，一个视频还是一段对话，丢进去马上就给你提炼出重点。 第五个是 agent browser， 它能帮你打开浏览器，帮你点击翻页、填表，那些重复的网页操作以后全部教给他跑自动化。这五个 skill 非常实用，大家可以装起来。然后大家还有什么好的 skill 分享吗？可以在评论区分享。

一天一个 skill， 今天分享的是 self improvement， 你 是不是以为有记忆的 agent 就 等于会进化？我之前也这么认为，觉得只要像 open call 那 样，加上长期记忆，上下文解锁，应该就会越用越聪明。 后来我发现并非如此，他只是记住了我说过什么，但并没有学会下次该怎么做。比如我告诉他脚本太长了，他会记住我喜欢短平快风格，但下次他可能还是写长了。 他不会自己分析原因，也不会修改策略，这个 self improvement 就 能解决这个问题。他不只是存对话历史，而是会记录执行过程，记录结果，分析错误抽象规则，然后更新未来的行为逻辑。重点是他改变的不是记忆内容， 而是决策规则。这就好比一个应届实习生和一个会复盘的经理，一个只是机械的记笔记，另一个会总结经验，下次主动改进。所以真正的自我进化不是多一个 memory 模块，而是多一个反馈循环。 如果你的 agent 只是能记住过去，而没有持续进化，那就赶紧装上这个 skill 试试吧。安装方法还是一如既往的简单，不会的朋友可以跟着我操作。首先在 skills 商店搜索 self， 找到 self improvement， 点击右侧的，通过你的 agent 添加，选择你使用的龙虾平台，复制后直接粘贴到你龙虾对话框， 它就会开始自动安装进度条，走完你的 ai 就 拥有了从错误中学习持续自我改进的能力。以后不用再反复教同样的事情，它会自己记住自己，进化，自动变得更懂你。

这是你的人工智能助手，记性比鱼还差，同样的错误能犯八遍，直到它装了这个插件。 self improvement agent 自我进化智能体 self improvement agent 是 智能体的错题本，它的工作原理是什么样的？你纠正它记下来，命令翻车记下来，想要新功能还是记下来？这记性 比你前任靠谱多了。它还配了个 hook 功能，就像你妈在门口喊，作业写完了没，每次对话前它就会自动提醒自己， 诶，有没有学到什么？别又白干了。当然了，最有价值的学习还能升职加薪，从临时工 learnings 晋升到正式编制， so am two's amt！ 这就叫一招被蛇咬，永远不踩坑。不仅如此， 如果同一个错误出现三次，系统直接拉响警报，兄弟，这都第三次了，咱要不要改改？比你的健身教练还执着。 self improvement， 让 ai 从屡教不改变成知错能改，毕竟 吃一堑长一智才是好虾。好了，今天的分享到此结束了，后续我会分享更多关于 openclaw 的 技能使用，记得关注我，拜拜！

二零二六年一定要知道，这个开源项目包含了一整套办公文档生成的 skills 库。比如生成 word 文档，它用的是 dadait 的 open xml sdk， 页眉、页脚修改记录这些细节都能原样保留，不会出现打开后格式全乱的尴尬。 excel 不 走传统编程库的老路，直接操作 excel， 底层公式和红功能都能完整保留下来。 ppt 甚至提供了四种视觉风格样式、 圆角大小、阴影位置这些细节都能自动对齐。 pdf 方面更周到，它准备了双引擎 playwrite 和 report lab， 可以 根据需要灵活选用。之前生成报表经常遇到格式跑偏、内容错位的问题， 需要手动调半天。但这个项目有意思的是，它自带一个自我进化机制，每次生成失败的文档，系统都会默默收进去分析，持续优化模型。这样一来，用的越多，生成效果反而越稳定。

我发现了一个自动剪辑短视频的 skills， 非常好用，每次录完视频我都需要一两个小时的时间去剪辑，而且这些剪辑都是一些重复性、机械性的工作，就不需要动脑子， 就想着说能不能自动帮我剪辑。然后我就在 github 上找到这个 skills， 先大概看一下这个 skills 有 什么东西啊？自进化功能就是它会越来越了解你的剪辑习惯，我们把我们之前的一些剪辑习惯复制给它，它会越来越了解你。 然后字幕，这个就是添加字幕的功能，这个不是很好用，不是很推荐，一会我会想起说点口播这个功能还是非常好用的，下面我介绍一下这个 skills 安装方法以及怎么使用。是 coco 的 一个安装方法，这个 skills 同样能在 openkey 里面有反重力，还有自己的锤。那先打开好口的，我之前视频有介绍过卡拉 ok 的 安装方法，非常简单，然后在卡拉 ok 里面去输下面的东西，输完之后回车发送。然后第二步就是配置音频的 app， 首先我们先登录火山的模型管理，登录完之后选择开通管理， 然后选择小模型，选择音视频。字幕生成，我这块开通了，它显示增购，如果你没有开通的话，就这个，你点击开通就行。在这个页面选择 api 管理， 如果你没有创建的话，选择创建 api key， 然后把这个 api key 复制给 cloud code， 复制完 cloud code 之后重启才会生效。重启的方式是你直接在对话框里面输入退出，或者是说重启就可以。第四步就可以开始剪了， 首先选择 video card 技能，捷豹下面会弹出 video card， 然后选中这个，这个文件右击按住，然后选择这个 啊，他就会把你的文件名称拷贝下来，然后我们把文件发给他，我们刚刚没钱了，我去后台充了一些钱，他会询问你是否要继续，然后你就一直耶就行了，你你可忙的。然后点打开， 打开刚刚那个网址，就是这个网页，看，这是他剪辑完的，你按住空去听短视频的 stills， 非常好用， 每次剪完，每次录完视频我都这块他没有给我剪好，然后我可以按住 shift 呀鼠标的左键，然后把这块涂红，涂红了之后这块就相当于是剪辑的，然后同样的操作，你就执行下面的这些，然后执行完了之后，然后你就确认一下 复制是删除列表的功能，这个可以帮助我们的 skills 自动化的，我们在 cloud 里面你的复制的删除列表去复制给 cloud 的， 或者你的 open cloud， 然后他会学习你的真心喜欢，下一次会越来越懂你。剪辑口播完了之后加字幕，但是这个加字幕功能我非常不推荐，我体验一下它这个功能，它这个功能非常粗糙，第一遍它加那个字幕用的时间非常长， 而且他剪那个字幕配的字都特别小，选择了一个英文显示字体，导致我的文字都显不出来，都是一些方块字，然后跟他说了之后，虽然他改了，但是他那个字号不知道是我操作的问题还是怎么，反正我用下来他这个加字幕的功能挺积累 的，而且需要时间非常长，很费头肯。然后加字幕这块我就直接用剪映去生成字幕，我的那个屏幕不是十六比九，我重新选了一个画布，就导出了 第六个，就是真的像一个人一样，你跟他磨合的越来越好，那你之后剪辑就会越来越顺畅。这个怎么去操作呢？在 colaco 里面输入 on v， 然后选择 ucut 自净化，把我们刚刚复制的列表输入 v， 直接粘贴给 colaco 的。 你的六次会自动去学会你的习惯是什么？你喜欢保留哪些语气词？你的表达习惯是什么？他会把这个习惯永久记录在这个 skill 面， skills 会越来越懂你的剪辑的逻辑。我觉得这个是非常省事，这是它最后自动化完成的之后，下一次再剪就会更快的去帮你剪出来，下次自动剪出来视频就更符合你的剪辑习惯，所以这个还是非常好用。我上一条视频就是用这个剪辑去剪的，包括这条视频也是用这个去剪的，真的非常好用。

今天要跟大家聊一个非常有意思的话题，就是如何通过一种创新的框架，让大模型能够在不用重新训练的前提之下，不断的去学习用户的偏好，然后变得越来越智能，越来越懂你。就这个东西是我们今天要聊的，对，这个其实是一个非常大的突破啊， 这个话题真的很有意义，那我们就开始吧。好，我们先来说说就是现在大模型在持续和用户交互的时候，到底有哪些比较让人抓狂的问题。就是现在的大模型他有两个很明显的问题，第一个就是你跟他说的所有的偏好设置，只要你新开一个对话，他就全忘了， 你就每次都得重新说一遍。第二个就是现在在内要么就是说我花几百万重新训练一个模型，要么就是说我只是简单的存一下聊天记录， 那这两种方式都有问题吗？就是重新训练的话成本太高了，普通人和小公司根本承担不起。然后呢，你只是存聊天记录的话，这些经验又没有办法变成模型，可以直接用的规则就等于白存，听起来真的很麻烦啊，那有没有什么好的办法可以解决这些问题呢？ 当然有了 auto skill 框架就可以很好的解决这些问题，它可以在完全不用重新训练大模型的前提下，让 ai 越用越懂你， 就是他会把你跟这个 ai 对 话的所有的偏好要求，还有成功的那些经验，都整理成一张张标准化的技能卡，就相当于给这个大模型写了一本专属的操作手册。哇，这个技能卡听起来就很厉害啊，那他具体是怎么管理和使用这些技能卡的呢？ 是这样的， auto skill 会自动的从你的聊天记录当中提取这些技能，然后进行整理分类，还会根据你的使用的反馈不断的更新迭代。当你需要用的时候呢，它可以通过关键词和语义的内容两种方式，帮你快速的解锁到你需要的这个技能卡， 然后直接插入到你当前的对话当中，大模型就可以按照这个技能卡的要求来输出你想要的结果， 而且它还有版本合并的机制，就是用的越多，它就会越精准，越智能。明白了，那这个 auto skill 框架它在真实的场景下面到底表现怎么样？其实 auto skill 已经在真实场景下进行过测试了，就是它用了上百万条的真实的用户聊天数据来构建这个技能库， 然后呢，它可以从几万条对话里面自动的提取出几千个可以附用的技能，这些技能呢，覆盖了编程、写作、教育等很多个领域， 而且他真的是可以随着使用的次数不断的去更新和优化。听起来真的很厉害，那有没有什么具体的例子可以体现出他的这种优化效果呢？就比如说他的那个文本重写技能，嗯，他已经迭代了三十多个版本， 就是它越用越好，它真的是在不断的积累能力，而不是说像以前那种每次都要重新训练模型这个技能卡的方式。听起来真的很高效啊，那 auto skill 框架在实际落地的时候会有什么优势呢？ auto skill 最大的一个优势就是它完全不用去改动大模型本身的参数， 它只需要外挂一个模块，用来存储和解锁技能就可以了，所以它的成本是非常低的，无论是个人还是企业都可以很轻松的去使用。哎，那对于不同的用户类型，比如说普通用户啊，企业用户啊，或者是说技术从业者， 它们分别可以怎么去用这个 auto skill 框架来提升自己的效率呢？对于普通用户来讲的话，你以后跟这个 ai 对 话，就再也不用每次都重复你的要求了，因为它会自动把你用过的偏好存成技能，下次直接就能用。而且它是开源的嘛， 你还可以自己定制一个完全属于你自己的 ai 助理，用的越久它就越懂你。对企业用户来讲的话， 你可以快速的搭建一个属于你们公司内部的 ai 技能库，比如说现在文案写作或者是代码生成这些高频的场景上面去试用，然后再推广，那这样的话可以让你的员工用 ai 的 效率直接翻倍。 对于技术从业者来讲的话，你可以关注这个技能卡的标准化的规范，然后加入到开源生态的建设当中了解了。 那 auto skill 这个项目现在是一个什么状态呢？大家怎么可以去体验一下呢？这个项目已经开源了，对大家可以自己去搜索一下，然后就可以用它给你常用的 ai 助手搭建一个简单的技能库，把你自己的一些需求偏好都可以存进去，这样用起来会非常的顺手。 好的，今天我们聊了这么多关于 auto skill 这个框架的一些神奇的地方啊，它可以让我们的 ai 助手越用越聪明，越用越懂你，而且完全不需要你去重新训练，这个大模型真的是一个非常厉害的创新。没错，那这期节目咱们就到这里了，然后感谢大家的收听，咱们下期再见，拜拜。拜拜。

今天我们来聊一聊人工智能代理，这个代理呢，他能够通过本地的日制持续的学习，对，并且把他的一些错误的经验保存下来，然后优化自己的操作，最终减少在复杂的任务当中出现一些重复性的失误。 是的，这个话题最近特别受关注，那我们就直接开始吧。我们先说说就是自进化 ai 代理，他最核心的能力是什么？其实他最厉害的地方就是他有一个闭环的机制，嗯，可以让他在执行任务的过程中不仅能够实时的学习，还可以自己纠正自己的错误， 所以这个智能体就会在不断的尝试当中变得越来越聪明。确实，那为什么传统的这种 ai 代理在做一些稍微长一点或者复杂一点的任务的时候，总是会反复的犯同样的错呢？问题主要出在他们的记忆机制上面，因为很多代理它会受到 token 数量的限制， 或者说他每完成一步之后，上下文就会被刷新，所以他就会把之前学会的一些技巧，或者说一些修正的经验全部都丢掉了，听起来就让人很抓狂，特别是你一直在帮他重复的做一些配置，或者说改错，没错没错，而且有数据显示，百分之九十二的用户都认为 这种重复的失误在长期的项目当中是最影响效率的，然后开发者也不得不每一次都手动地去修复同样的问题。那咱们来详细讲一下，这个自进化的代理到底是怎么通过本地的持久化学习，把这些失误变成他自己的经验的。其实他是建立了一套 监控和反射的机制，然后有一个本地的 learnings 知识库，对他会把所有的错误，所有的教训都以一种结构化的形式保存在本地。 下一次遇到类似的情况的时候，他就会去查询这个知识库，然后动态地去调整自己的执行的策略。也就是说，他会从每一次对话，每一次操作里面去积累，而不是说每一次都要从头开始， 完全正确。而且它的使用也非常简单，只要运行 clog install pesco it self improving agent 就 可以安装，然后它就会自动地帮你聚合错误日记，跨绘画地保存你的知识，还会帮你动态地去修正系统的提示词，让你的代理可以不断地进化， 真正的成为一个长期的智能助手。明白了那传统的代理和自进化的代理，他们在知识的保留、错误的处理，以及适应个性化的习惯这几个方面到底有多大的差距。简单来说，传统的代理他其实就是一个临时的工具， 他的知识是跟着对话走的，对话一结束他就什么都不记得了，然后同样的错误下次遇到他还是会犯， 而且他完全不会理解你这个项目里面一些不成文的小规矩。相比之下，自进化的代理就像有了记忆和经验一样，对自进化的代理，他会把所有的失败都变成结构化的经验，保存在本地，所以他同样的错误绝对不会犯第二次。 而且他会不断的去学习你个人的编码风格和操作习惯，所以他会变得越来越懂你，越来越成为你专属的一个智能搭档。确实，那这个自进化代理到底是通过哪四个维度的能力来实现持续成长的？ 第一个能力是异常感知，就是他能够捕捉到变易器的报错，终端的异常，甚至是用户手动的一些修正信号。 第二个是指令修正，就是他会根据他复盘的结果，自动的去改写自己的执行逻辑和规则文件。第三个是根音复盘，他会在后台去分析这个错误的根本原因，而不是说只做一个表面的修复。 最后一个是预防性执行，他在执行一个新的任务之前，他会先去解剖一下有没有已知的风险，然 提前帮你避免一些潜在的冲突。听起来很厉害啊，那自进化代理他的闭环学习流到底是怎么一步一步让他不断地变得更聪明的？首先他会在遇到失败或者用户反馈的时候，触发一个监测的机制，把这个问题记录下来， 然后他会通过因果溯源去分析当前的这个策略和预期的结果到底差在哪里。接着他会把这些纠篇的逻辑和预期的结果到底差在哪里？接着他会把这些纠篇的逻辑到他的 learnings 目录里面， 等到下一次有任务启动之前，他会先去预加载这些最新的规则，这样就可以让他每一次迭代都能够基于上一次的教训，所以他的能力就会像这样不断地积累，不断地变得更强。 我很好奇这个自动化代理到底在实际的使用场景里面是怎么去处理环境依赖的错误的？有没有什么具体的例子可以让我们感受一下？比如说终端里面提示 node 一 八点 x， found 一 四点 x， 那这个自动化代理它就会去识别这个版本冲突的模式，然后把这个项目对于 nvm 的 使用偏好记录下来，并且把这个正确的配置更新到 learnings project env dot md 里面， 等到下一次你再打开这个项目的时候，它就会自动地帮你切到 note 十八，就不需要你手动去干预了。这样的话岂不是第一次配完之后，后续同类的项目都可以直接跑起来了？完全是这样的， 而且我们实测下来的话，首次启动环境配置的成功率从百分之四十五直接提升到了百分之九十八。哇，这个提升真的很夸张。那我想问一下这个自净化代理，在面对一些复杂的全站开发，或者说自动化运维这种特别繁琐的场景下面，他到底是怎么去应用的？ 在全站开发里面的话，它可以自动的去适应不同的前端框架的版本，还有后端数据库连接的一些特殊的配置。然后在自动化运维里面的话，它会记住服务器集群里面一些特殊的权限的设定，以及历史上解决故障最有效的一些方法， 这样的话就会让整个的流程越来越自动化。听起来不仅可以提升效率，还可以解放我们的双手啊。那在一些创意写作或者说数据分析这种更需要一些个性化和一致性的场景里面， 它又能做什么呢？比如说在数据清洗和分析的时候，它会慢慢地去学会识别你这个数据集里面脏数据的一些模式，然后它会自动地去调整它的预处理脚本， 那在创意写作的时候呢，他会记住你喜欢的语气，排版，甚至是蓄势的节奏，这样的话他就可以确保你在不同的篇章里面都能够保持一致的风格。哎，我想知道这个自净化代理到底在效率提升上面有多少真凭实据？这个的话我们是有很详细的对比的，比如说传统的代理， 他的成功率只有百分之四十，那经过第一次进化之后呢，他就可以达到百分之六十五，然后经过多次的迭代之后，他就可以稳定在百分之九十五以上。那这个提升真的是很惊人啊。那 对开发者来说是不是意味着可以少加班了？没错没错，就是平均每个人每个月可以节省出来十二到十八个小时的纠错时间，然后人工干预的需求降低了百分之八十，任务的交付速度提升了二点四倍。 所以说现在的 ai 真的 可以成为你的一个数字大脑，和你一起成长。好吧，那今天我们聊聊这个自进化 ai 代理是怎么通过不断的学习和反思，把自己的短板变成强项，在各种复杂的任务当中越来越聪明， 越来越省心。嗯，那我们这期节目就到这里了，感谢大家的收听，然后咱们下次再见吧，拜拜。拜拜。

新入手 open crawl 这九个 skills， 让你的小龙虾战斗力直接拉满！第一个 skill better， 安全审查员帮你检测其他 skill 有 没有恶意行为，用好它再搞定其他的。 self improving agent， 官方排行榜第一的自净化 skill， 让你的小龙虾自己学习，自己进步。 proactive agent， 让小龙虾变主动，预判你的需求，不用问他自己就干活了。搜索能力这边看 heavily search， 每月一千次免费，比官方的 brave 搜索良心多了。 multi search engine， 国内十七个搜索引擎随便用，搜索无死角。 explorer 主流平台链接一键解析 dj h x h s b 站 x 内容直接读背书，重度用户有专门的背书 skill， 存家宝文档，多维表格，知识库，网盘都能操控。 memory 系列 skill， 给小龙虾加个超强大脑知识图谱，一键 token 都省不少。最后一个 find skills， 别人做好的轮子直接用，也重复找，省下的时间做更重要的事。记住，没有最好的 skills， 只有最合适的在精不在多，按需选择才是王道。

ovpn 装完先别急着用，技能商店有上万个 skill， 但真正的底座就这六个，排行榜安装量最高一条命令全部装完。 第一个， agent brother， 浏览器自动化，让 ai 自己去操控浏览器，点按钮、填表单、截图、下载文件，连动态渲染的页面它都能读，相当于给 ai 装了一双手。第二个， heli search， ai， 专属联网搜索，返回结果没广告结构化输出，直接给 ai 消费网页正文，自动提炼关键信息，你的 ai 终于不用靠过期知识回答问题了。 第三个， self improving agent， 自我净化，记住你的代码风格和习惯，从每次出错中学习，自动修复错误，保持记忆，越用时越懂你，效率越来越高。 第四个， find skills 技能，发现神器，像逛应用商店一样搜索 skill， 自然语言描述需求就能匹配排行榜推荐加批量管理，升级回退，一站搞定。 第五个 skill vendor 安全审查官，装任何 skill 之前，先让他扫一遍，检测恶意代码拦截权限越界，阻止隐私泄露，出具安全评分报告，相当于给工具链装了一个门禁。第六个， email management 邮件管理， ai 帮你读邮件，写回复，自动分类整理常规邮件，直接代发 gmail， alt lock， 一 六三 qq 全都支持。

来了，兄弟们，你们的 openclaw 是 不是特别呆，根本没法用？别急，不是它没用，是你没装对 skill。 这五个 skill 装上后，让你的 openclaw 直接从人工智障变成无敌打工人！首先第一个， tablie web search ai 专属精准搜索技能，是 ai 专属的精准搜索神器， 不同于普通浏览器搜索的杂乱无章，它专为 opencloud agent 优化，能自动过滤广告和低质内容，返回结构化可直接引用的精准结果，无需手动整理， 更适配平台免 key 大 模型特性，无需额外配置，直接调用即可获取全网最新资讯，调研数据、热点素材。安装命令， club install 五分之八是所有用户必装的安全底座。 随着多 a 帧的携程功能即将上线，安装的技能会越来越多，而 clollab 上部分第三方技能存在权限过度、代码恶意等风险。 这款技能能在安装前自动扫描技能的权限边界、代码安全性和隐私风险，精准拦截恶意技能，保护本地数据和多 a 帧的环境安全，避免 api 密钥泄露、系统崩溃等问题。安装命令， clollab install skill vendor 第三个 summarize 平分四五分之七，是长内容处理的效率神器。它全面适配 openclaw 免 key 大 模型，支持 pdf 网页、长文本、语音转写内容等多种格式，一键就能提炼核心要点，生成摘要、梳理思维导图和问答对， 大幅节省阅读和整理时间。在多 agent 的 协同场景中更是不可或缺。可分配给专属 agent， 专门处理长文档、论文、会议资料，快速输出关键信息，助力团队高效协助。安装命令， clohab install summarize 第四个， facial doc 评分四五分之七，是国内用户首选的办公联动技能，它无需复杂 api 配置，免 key 即可直接读写非书文档表格和多维表格，支持自动创建、更新、汇总和分享文档。适配多 a 阵的协同办公场景， 可让不同 agent 的 分工，编辑整理办公资料，自动生成周报、日报，无需手动切换应用，大幅提升办公自动化效率，尤其适合职场人群和团队协助使用。 安装命令， cloudhub install facoo doc 第五个， self improving agent 评分四五分之六，是让 ai 持续进化的核心技能，它能自动记录 agent 执行任务时的失败案例和优化建议，复盘执行逻辑调整策略，越用越贴合个人使用习惯。 在多 agent 的 协调环境中，还能助力整个 ai 团队持续优化，让不同 agent 的 分工更合理，执行更高效。长期使用能显著提升 opencloud 的 适配度，打造专属的个性化 ai 助手。安装命令， cloudhub install self improving agent 那 么如何去安装以上技能呢？我们这里我们先去下载一个龙虾部署工具，我们在浏览器搜索七二四 cloud 涌动虾进行下载，下载完成后打开让它自动配置一下网关， 之后我们点击右上角的兑换码，输入二二二，即可免费领取 token 进行操作了。然后我们点击这里的技能就能自动下载了。汇总了网上所有的 skill， 兄弟们放心用， 无论是单独使用还是搭配协助，都能精准解决日常使用中的痛点，让 ai 助手真正成为提升效率的好帮手，轻松应对学习、办公、创作等全场景需求。

这太狠了吧， cloud 把龙虾也封杀了！我本以为这就是 openai 和 astropok 两家巨头的竞争，没想到 hermes agent 却成了最大的受益者。这个项目最近在外网持续爆火，一个多月怒增三万 star， 看看这陡峭的增长曲线，大有超越 opencloud 的 趋势。 就在昨天， hermes agent 宣布与小米合作，可以免费使用 mini v 二 pro 至少两周。而且前一段时间卡帕西那篇刷爆全网的文章，利用大模型构建个人知识库，更是被它首搓成了 skills， 内置到了最新的版本中。我三月初上手玩了一段时间，当时的感受就是极其简洁， 连个 web 端都没有，就顺手 web 定了一个 dashboard。 今天深入看了一些资料后，我才发现它的特别之处。首先， hermes agent 的 灵魂是一套自我改进的闭环学习系统， 也就是说它能把成功的流程自动转化为可附用的技能，并在使用中自动优化，实现自我能力的积累。我认为这是与 opencloak 最本质的理念差异。其次是架构核心和执行逻辑的不同。 opencloak 通过 getaway 协调管理所有的绘画、路由和工具调用，而 hermes agent 则是设计了一个可重复的执行学习改进的智能体循环。最后是基于身份机制的差异。 opencloak 建立在基于文件备份的身份和显性记忆之上，所以它本身不具备将执行经验自动转化为新行为准则的能力。 而 hermes agent 则是结合了持久化笔记 circulate 存储程序性知识和用户建模系统的分层记忆栈架构，这意味着它可以实现从记忆事实到记忆方法。哦，对了， hermes 还提供了从 openclaw 迁移的方法，这操作够贴心不？

一天一个 skill 插件第二期今天介绍的 skill 是， 这是一个变态的开源项目，研究员直接把世界上所有的工作岗位都做成了 ai 员工，而且直接免费开源，短短几天就在 gitlab 上拿了七十三点四万新标，狠狠震撼了整个开发圈子。 在这里从简单开发， u i 设计到自媒体运营销售，市场分析，什么岗位都有。更离谱的是，目前已经有整整一百四十四个 ai 员工了，而且还在持续增加，现在只需要几分钟就可以在小龙虾里面直接部署一个你自己的 ai 专属团队了，就非常离谱。

兄弟们，告诉你们一个恐怖的事实，我之前写一个 ai 技能要花整整三天，而且写出来的东西你猜怎么着？ ai 用起来完全不是那么回事。所以当我听说现在有技术能让 ai 自己写技能，自己进化的时候，我整个人都惊了。 今天就跟大家聊聊这个叫 evo skills 的 东西，看看他到底是怎么做到的。咱们先说说为啥人类写技能这件事就这么难呢？ 你有没有这种感觉，自己写的提示词， ai 就是 听不懂？不是你的问题，是真的太难了。 你想啊，你得懂 ai 的 工作原理，还得懂业务场景，还得把复杂的流程写成 ai 能理解的指令，而且写完还得测试、修改再测试，来来回回折腾好几天，最后效果还不一定好。这就导致很多 ai 技能根本没人愿意写，用不起来， ai 再强也没用啊。 那有没有办法让这件事变得简单一点呢？先科普一下什么是 agent skills， 简单说就是让 ai 帮你干活的操作手册。比如你想让 ai 自动帮你回复邮件，就得有一个邮件回复技能，告诉他什么时候该回复，怎么回复回复要注意什么。以前这些技能都是人类手写的，现在有了新的方法，接下来这个可能要颠覆你的认知了。 ebo skills 干了一件特别酷的事，让 ai 自己写技能。他搞了三个 ai agent， 形成一个铁三角， 一个负责出题，就是设计测试用力，一个负责解析，根据题目写出技能代码。一个负责判卷评估技能好不好用，然后他们互相配合，不断迭代优化。 打个比方，就像两个学生互相出题，互相批改，作业越做越好，光说不练假把式，咱们看看实际效果怎么样？ 数据说话，这是硬道理。在 coq a 这个测试集上，用 evo skill 生成的技能比人类手写的提升了百分之十二点一， 在另一个测试级 office qa 上，也有百分之七点三的提升，这是什么概念呢？就好比你做题，原来能考八十分，现在能考九十多分，提升是很明显的，单个技能还能玩更大的 evo skills 是 evo skill 的 升级版，它把多个技能放在一起协同进化，就像一个班级里，同学互相学习，整体水平都会提高。 实验证明，这些技能在一起训练之后，每个技能都比单独训练的效果更好。这就有点像我们人类的学习，一个好的学习氛围，能让每个人都进步。具体提升了多少呢？咱们看数据， 在 skills bench 这个综合测试级上， evo skills 生成的技能通过了百分之七十一点一，也就是说十个任务里能有七个完成的不错。而且更厉害的是跨任务迁移能力，在一个任务上学到的技能，拿到另一个任务上依然有用，提升了百分之五点三， 这个数字看起来不大，但意义很大，说明这些技能真的学到了通用能力。还有一个更炸的数据，跨模型迁移， 这个数据真的让我震惊了，当把 evos 生成的技能迁移到不同的 ai 模型上时，效果提升了三十六到四十四个百分点， 什么意思呢？就好比你在学校学的解析方法，换了一个老师，换了一个班级，这套方法依然管用，这意味着什么呢？企业不用每个模型都重新写技能了，一套技能多个模型通用，大大降低成本。听起来很厉害，那实际能用在哪里呢？ evil skills 能干啥？企业可以用它快速生成各种 ai 助手的技能，不用再花大量人力，开发者可以基于它开发更智能的 ai 应用，甚至可以帮你打造私人 ai 助理，定制专属技能。 简单说就是让 ai 真正能帮你干活，而且不用你操心怎么教它。最后，咱们来总结一下， evo skills 让 ai 自己进化技能，三个 agent 互相配合，越做越好，数据不会骗人， 百分之七十一点一通过率，百分之十二点一提升，这就是 ai 技能的未来，让 ai 教 ai， 让机器自己进步。

什么是 agent？ skills？ skill、 hub？ 技能市场听着很高级，但是到底是个啥？ 我给你们打个比方啊， skills 其实就是 ai 的 技能包，我今天开始用你们能听得懂的大白话给你们翻译出来。 skills 呢，就像你手机里的 a p p， 每个都有自己的功能，母信能聊天，母团能点外卖，滴滴能打车。你把 ai 想象成一个刚出厂的，这种手机功能很基础，能聊天，能查资料，但也就这样了。 skills 呢，就是像给手机再装 a p p， 比如我给 ai 装一个查天气的 skill， 它就能告诉你明天带不带伞。装一个写文案的 skill， 它就能帮你写出爆款文案。装一个查股票的 skill， 它就能帮你钉盘。那 skills 长什么样？其实就是一个核心文件，叫 skill 点 m d， 你 可以把它理解成一个什么技能说明书，里面写的是什么呢？ 这个技能是干嘛的？什么时候出发，需要什么样的工具，具体干什么，就这么简单，就是一个文本文件，几段说明，就是一个 skill。 当然，复杂一点的 skill 可能还带一点脚本配置文件，但核心还是那份说明 书。那 skills 在 a a 里面到底是做什么工作呢？哎，我给你们讲一个流程啊，你今天你跟 a a 说明天西安的天气怎么样？ a a 听到这句话，先去翻自己的 skills 列表，看一看有没有能处理 天气的，找到了，启动天气查询 skill， 这个 skill 会告诉 a a， 第一步，你去提取城市的名字，比如说西安，北京等等啊。第二步，调用天气的接口，然后第三步，把结果整理成人话，这时候 a a 就 照做了，然后把答案给到你，整个过程 a a 还是那个 a a， 但有了 skill， 它就知道该怎么做了。 那怎么写出适合自己的 skill， 其实也没有那么难，我前前后后写了几十个 skill， 如果你们还不会写啊，我可以给你们提供一些思路。第一步呢，想清楚你要解决什么样的问题，别贪大啊，从一个具体的小事开始， 比如帮我总结一个网页的内容，或者是定时定点的提醒我喝水吃饭，或者是整理会议纪要。然后第二步，把解决的步骤写下来，你就像要教一个完全不懂的人在做事一样，你先干嘛后干嘛，具体需要用到什么样的工具。然后第三步，写成 skill， 点 md 格式， 晚上有模板照着填就行啊。结尾我也给你放了描述、触发词、依赖、工作流程这几块写清楚。最后一步就是去测试，去调整，第一次写肯定不完美啊，肯定写不好，你先用起来，用起来你再发现问题，然后再去改。我知道你想问，写这个玩意有啥用？用词在于，你可以让 ai 按照你的方式去干活， 别人的 ai 是 通用版的，你的 ai 是 定制版的，你懂你的业务，你知道什么对你有用，那你就把这一套逻辑写成 skill， 然后让 ai 帮你去执行。这个不是编程哎，这是说明书， 而且写好的 skill 你 可以自己用，还可以分享给别人用。比如说我写了一个查热点的 skill， 每天帮我去搜多篇行业新闻，这个时候呢，至少帮我节省半个多小时。 然后我朋友呢，写了一个整理发票的 skill， 哎，月底报销，再也不用头疼了。这些都不是什么特别高深的技术，就是把我们本来要做的事写成 a a 能看懂的步骤。有没有发现一个点，就是像我去年前年再给你们讲的就是结构化提示词，但是 skill 它又比提示词还要高一个等级，你可以把提示词分装成一个 skill。 skill 里边呢，有的，有时候可能需要我们用到一些配置文件呀，需要用到一些带点脚本呀等等，可能要比提示词会更上一个层次， 但是提示词也是一个其中的一个核心。总结一下啊，所以， skill 到底是什么？它不是程序员的专利，也不是这种大厂的一些特权啊， 它就是给 ai 布置任务的方式，你不需要去等待嘛，你需要懂的是我想让 ai 帮我干什么，以及这件事该怎么做。你想清楚这两点，然后把它写成说明书啊，就有了属于自己的 skill。 知道很多人听到这觉得可能还是懵的啊，觉得写说明书也没有这么简单。没关系啊，你先去试一下先从提示词到 skill， 当你第一个 skill 跑动的时候，那种原来 a a 能按我的方法想干活的那种感觉，你会发现很最近很多人还在养虾，有时候去扒一扒别人的这个 skill， 扒一扒别人另外的人的那个 skill， 发现下来大部分通用的感觉，哎呀，能力很强，但实际应用到自己的领域，你会发现有点懵，因为他干不了我自己想干的活。 那你为什么不试着自己去写一个？不要想太复杂啊，就从小事开始做。比如你可以先让 i 提醒你每天喝水，或者帮你总结一篇文章，写不出来完美的没有关系，先写出来再慢慢去改。 skills 这个东西用起来比看起来更简单，我是小阿伦，在结尾给你们放一些比较实用的 skill 分享给你们。

来了，兄弟们，今天我们来聊一个颠覆认知的问题， open claw 能不能实现自己进化？大家养龙虾这么久了，有没有发现它刚装上的时候挺聪明，用着用着就变笨了。同样的任务，第一次干得漂亮，第二次就翻车，你教过的东西，转头就忘。 如果你也是这样，那么今天这期视频赶紧码住！只要装上这五个 skill， 你 的龙虾就会实现自动进化，从你教他做事，变成他自己学本事。第一个 self improving agent， 自学习代理进化的大脑。 clonehub 排名第一，安装量超二十万，他记仇，你告诉他一次，别用 npm， 用 pmpm， 他 这辈子都不会忘。你纠正过的错误，它会自动归档，用久了，你会发现 它越来越懂你。第二个 skill， valor 技能，安全扫描净化的免疫系统。龙虾要净化就得装新 skill， 但 clawhop 上三点三万个 skill 里有三百四十一个被减除恶意代码。这个 skill 能在安装前自动扫描，拦截有毒插件，没它净化就是作死。 第三个 planning with files， 复杂任务规划，净化的工作记忆。 ai 最大的毛病是健忘。这个 skill 会自动创建三个文件，记录任务进度，即使会划中断，打开文件就能继续干。实测让他规划一周学会 python。 第二天他直接说，昨天学完基础，今天该练项目了，全程没掉链子。 第四个 skill， creator， 自定义技能，开发进化的繁殖能力。有了它，你的龙虾能自己造 skill。 你 只需要用自然语言描述需求，帮我做个每天早八点发天气提醒的 skill， 它就能自动生成， 从消费者变成创造者。第五个， find skills， 智能解锁进化的触角三点三万个 skill， 你 手动翻到什么时候，它能根据你的使用场景自动推荐合适的插件，它会主动发现新能力，而不是等你去找 最后这五个 skill， 装完你的龙虾会自己进化，记住你的习惯，不用重复教，处理复杂任务，全程不掉链。主动找新 skill， 自己变强，想要啥功能跟他说就行，从你养他变成他养自己。好了，兄弟们赶紧去试试吧！评论区分享一下你的养虾经历，关注我，看最烫的 ai 干货，下期见！

兄弟们，你们安装的 openclo 的 小龙虾是不是还在停留在指挥对话的阶段？那么接下来我将要推荐的这五个 skill， 将会把它变成一个名副其实的超强智能体。第一个是 find skills， 对 于新手小白最大的问题不是上哪去找 skill， 而是我们根本就不知道用什么样的 skill， 而这个技能帮我们实时去追踪我们所需要的 skill， 并且做一个智能匹配。第二个技能 desktop， 有 它我们的龙虾可以控制鼠标，键盘以及我们的显示器， 甚至是其他的电脑外接设备。第三个 skype， 它能够将我们脑子里所想的任何的知识结构，把它变成一张 jpeg 图。第四个技能 proactive engine， 它主动去拆分我们给他的指令任务，并主动去跟进执行结果，完成自我反馈，可谓是效率神器。第五个技能就是 skype creator， 它的技能弥补了我们不会写 skype， 并且不能动态的去优化了这一个短板。除了以上的 skill， 另外还有很多很好用的 skill， 我 都给大家整理了一份文档，包含它的下载路径、特点以及使用场景等等，每一个都已经分门别类了进行的一个整理，待会感兴趣的话，我会分享给大家。

open coo 安装了不好用？那是你没安装这五个 skills。 第一个， skill， 猎犬安全审查员，它会在你安装任何 skill 之前扫描安全风险，检查红旗标识、权限范围和可疑模式。建议第一个，安装。第二个， self finding agent， 自我进化 skill， 它会自动提取错误认知与成功经验，作为长期本地记忆库，打破大模型失忆症，让 agent 跨绘化，持续学习，越用越聪明。第三个， find skill， 寻找 skill 的 skill， 用自然语言告诉 agent 你 需要什么能力， 他帮你找到并安装对应 skill， 不知道装什么的时候直接问他就行。第四个， first react best practice 最佳实践技能，它可以指到 agent 写出真正的高性能优化代码，性能优化圣经，前端开发者必装。第五个， frontend design， 帮你写出更有设计感的前端页面， android 官方出品强制 agent 的， 先做设计思考，再写代码，把从能跑就行提升到设计合格。你还有哪些私藏的神仙插件？欢迎在评论区留言分享。