粉丝28获赞3729
相关视频
00:21查看AI文稿AI文稿天高云淡，望断南飞雁。不到长城非好汉，岂止行程二万六。盘山上高峰， 红旗漫卷西风。今日长吟在手，何时护住苍龙？
10.6万湫骊
00:14查看AI文稿AI文稿applio 一 口苏菲娜娜秀阿萨娜娜 prolio 一 口苏菲娜普萨克萨 in the palm 巴萨莫娜的水饺米拉米的上把塔一定哦！苏菲娜娜放起来个雷特姆特哈。
18.2万湫骊
00:38查看AI文稿AI文稿突然懂了外国人为啥爱听，请注意倒车了，最近超火的那个喇叭，喇叭网速快的估计都不陌生吧，没想到有大神直接把原版里的 换成了中文，请注意倒车，结果一播放，倒车请注意，倒车请注意！甚至还把洒水车的音效也融入了进去。 老外直呼，得不到的永远在骚动，听不懂的永远最高级，但只有我们秒懂，这哪是什么高级配乐，分明是垃圾车正在逼近。果然同一个声音，两种世界，这波真理崩越坏不是。
9071小泽碎碎念（科技版）
00:09
11:52查看AI文稿AI文稿嗨，欢迎来到新一期视频。今天我想聊聊一个 gitup 仓库。很多人一开始可能会忽略它， 尽管它其实是提升 ai 编程工作流最实用的工具之一。它就是 adios money 开发的 agent skills。 光看名字的话，你可能会以为这又是什么随意的提示词包， 或者是一堆 markdown 文件合集，听起来比实际要高深得多，但它完全不是那样。该仓库本质上是为 ai 编程代理提供的结构化工程工作流。我觉得这一点直观重要，因为大多数编程智能体真正的问题 并不在于他们写不出代码。大多数智能体写代码都没问题，问题在于他们总会跳过那些枯燥却直观重要的环节，比如跳过需求确认、跳过方案设计、 跳过严谨测试、跳过代码审查结果，还能表现的底气十足。废话不多说，直接进入正题。阿迪的这个库只在将其打包其资深工程师严谨的工作流分装成智能体可落地的实操技能。 它不只是空谈要表现更好，而是给出具体流程，让你照着做，这其中的差别至关重要。它将软件开发拆解为一套标准，生命周期定义、目标规划、任务、分块构建、验证、审查、精简， 最后交付上线。它不把编码看作是一次性生成的代码块，而是将其视为有检查点的工程化流程， 这比大多数人使用 ai 编码工具的方式高明多了。更棒的是，它不仅仅是一份融长模糊的指令文档。该仓库内置了七个核心命令入口，对应开发全流程，包括 slash x、 slash plan、 slash build、 slash test、 slash review、 slash code、 simplify 以及底层的血品命令。这些命令背后对应着一套更系统的技能体系，包含了创意提炼、规范驱动开发、规划与任务拆解、增量式实现等技能。 测试、驱动开发上下文、工程 api 设计、前端开发调试，包括审查、安全性能、文档以及 c i c d 交付等一系列能力。这不是什么噱头，这是一个相当严谨的框架，它最吸引我的一点是， 他的设计理念非常独到且正确。他要求智能体先写规范，再写代码。他推崇将任务拆解的小巧且可验证。他强调以测试为证，而非事后补救。他强制在合并前进行代码审查， 并推崇简洁至上，而非为了炫技而过度设计。老实说，这本该是这些工具的默认工作方式。此外，还有一个我认为最关重要的亮点， 该仓库不仅包含了构建工作流，还引入了代码审查员等专业角色，以及测试工程师和安全审计员。所以其目的不仅是让主代理写出更好的代码， 而是提供结构化方法，让它能从多维度审查代码。这一点真的很赞。很多人习惯用同一个 ai 代理包办所有任务，指望它能自动纠错，但实践证明，引入不同的审查视角能发现更多问题。 专门的审查者能识别出可维护性缺陷，侧重测试的角色能找出覆盖率不足和验证薄弱之处，而安全导向的角色则能发现其他视角容易忽略的盲点。所以，这个仓库的核心在于建立规范，在于流程， 在于减少那些低级失效模式是 ai 代理目前依然常见的。另外，我喜欢这个仓库的原因还有，它不会被局限在单一的生态系统中。所以说它为 cloud code、 cursor 以及 gemini、 c l i 等工具以及 winstop、 opencode， co， pilot 等工具都提供了官方配置方案。但重点在于，这些技能本质上只是 markdown 工作流，即智能体能够直接执行的纯文本指令，所以它的价值并不绑定在某一款应用上。真正的价值在于工作流的通用性。 这也正是为什么我觉得它对 version 很 有意义。不过在讲 version 之前，我先来聊聊通常该怎么用它。 最糟糕的用法就是把整个仓库一股脑塞进一个巨大的提示词里，然后全凭运气。我绝不会这样做。更明智的做法是将其视为一个生命周期。如果要处理复杂的任务，我首先会进行规范驱动开发，接着进行规划和任务拆解。等正式开始写代码时， 我会采用增量式实现和测试驱动开发。而在信任输出结果之前，我追求代码审查与质量保障，关键任务还需兼顾安全与加固，这才是它的核心价值所在。重点不在于堆砌文本，而在于事实。引入正确的行为模式。 该项目甚至强化了这种理念，通过提示避免一次性加载过多。这非常高明，因为上下文过多或过少都同样糟糕，若他们沦为噪音的话。至于费用问题，其实很简单， 该项目完全免费且开源，这当然很棒。所以真正的成本并不在于技能包，真正的成本取决于你所使用的代理或运行它的模型。 如果你在 cloud code 中使用它，那成本就是 cloud code 本身的费用。如果在其他地方使用，那成本就取决于该工具的收费。工作流本身并不会增加额外的昂贵开销，这让它成为一个非常棒的升级方案。毕竟你是在优化 ai 代理的表现，又无需额外增加订阅负担，这确实相当不错。 现在我们来看看 verdant， 我 知道大家对此都很关注，如果你打算用 verdant， 它可不是那种一键安装工具，不像 cloud code 插件市场那样简单。 重点不在这里，关键是 verdant 已经内置了实现此类功能所需的核心组建。通过 verdant md， verdant 就 能设定局用户规则，它通过 agent 打 md 来定义项目规则，并有规划规则来规范输出形式， 还支持自定义子代理，以及具备独立工作区和工作数的并行代理。所以在我看来， agent skills with verdant 天生契合，你只需以 verdant 原声方式迁移工作流， 无需等待什么特定的品牌安装包。具体做法如下，首先将常驻的行为准则写入 verdant md， 如果我想让它们覆盖所有项目，比如先写规范，再写代码，严谨验证变更，绝不跳过测试， 优先考虑简洁方案，拒绝为草率的代码找借口。这样无论在哪， verdant 都会应用这些片号设置。即使针对特定代码库，我会把项目级工作流写进 agent md， 在 这里定义该代码库的具体处理方式。比如所有复杂任务都必须先写明规范，务必将任务拆解细化，务必以实际结果进行验证， 合并前务必进行审查，务必保持每次变更的聚焦性，这正是它的精妙之处。因为在 verdant 中，项目规则的优先级高于用户规则，因此若项目有更严格的要求，便可覆盖全局，默认设置。第三，我会利用 verdant 的 规则来规范规划输出， 这一点直观重要，因为 agent skills 的 最大核心优势在于它能强制代理在编码前先进行思考。在 verdant 的 规划模式中，我希望规划能覆盖范围、定义、验收标准、执行顺序 以及验证步骤。对于高风险变更还要考虑回滚方案，这样能让规划阶段发挥更大的作用。第四，我会将专业评选角色转化为定制的 verdant 代理。说实话，这简直是绝配。你可以分别创建评选、测试 和安全子代理，通过这种针对性的调用，避免让主代理同时分式三角。举个例子，在代码实现完成后，我可以让一个 version 代理负责代码质量审查，另一个专门查找针对测试缺失或验证薄弱的地方，再由另一个代理负责扫描安全隐患。 这套工作流非常强大，接下来 version 最精彩的部分才刚开始，那就是并行工作区。因为 version 能高效运行多个隔离工作区中的代理 以及 get 工作树，让你能将代理技能生命周期以极自然的方式转化为并行执行。当然，我不会在规范还没出来时就强行并行化，那样只会乱套，一旦需求范围明确，威力就显现出来了。你可以划分一个工作区来开发功能，另一个专注于测试与验证， 再设一个工作区用于审查或探索替代方案，得益于 verdant 对 工作区的隔离，代理之间就不会频繁产生冲突，这非常实用。所以与其去想 该如何把 slash spec 硬搬到 verdant 中，我会这么想，在开发前怎么让 verdant 实现 plan 的 功能？如何让一个工作区执行 build 应用创作品？期待的话，请多多为我投票吧。另一个执行态是再一个执行 review， 这才是真正的改造。说实话， 这比单纯的生搬硬套要好得多，因为这样才能发挥 verdant 的 长处，即流程编排。 如果我要以最简编的方式进行设置，我会优先从 agent skills 的 三个核心部分入手，第一，规范驱动开发。第二，测试驱动开发。第三，代码审查与质量控制。光是这三点就足以解决 ai 编码流程中绝大多数的顽疾。随后，再根据项目需要， 我会选择性的加入前端 ui 工程、 a p i 与接口设计、调试与纠错、安全加固或性能优化等环节。 所以我不会让 version 同时启动全部二十项技能。我会始终保持核心规范，处于激活状态，再根据需求加载特定的行为模块，只有任务真正需要时才起用，这大概是最高效的做法。话说回来，这其实也符合优秀工程师的工作习惯。 你不可能记住所有检查清单时刻保持紧绷神经，而是根据工作需求随时调用对应的清单，这确实很棒。此外，这件事还有更深层的意义，其重要性远不止于这个代码库。很多人谈起 ai 编程工具，总觉得模型就是一切， 事实并非如此，模型质量固然重要，但工作流质量同样关键，甚至超乎人们想象。若流程不规范，再强的模型也会产出次品， 而普通的模型配合严谨的流程，往往能产出远超预期的可靠成果。这就是 agent skills 这类项目存在的意义，它们并非要取代人类的工程判断， 而是将其转化为一套可敷用的智能体操作系统，这才是其核心价值。所以我的总结如下， agent skills 是 目前最实用的 ai 编程存储库之一，因为它聚焦于真正能改善结果的关键， 即流程，而非精准测试的炒作或营销噱头，而是更优的工程实践，为代理提供从构思到交付的结构化路径。 它赋予了规范、规划和测试应有的地位，并确保审查流程无法被跳过，且因其基于纯 macdun 工作流这些理念极易迁移至不同工具。具体到 verdant， 我 认为策略非常明确，用 verdant md 定义通用习惯， 利用 agents 的 md 定义项目特定规则，通过计划规则强制落实规范优先的开发流程，利用自定义子代理完成审查、测试和安全防护， 再借助 verdant 的 并行工作空间管理整个开发生命周期，在明确需求范围后，让执行过程更加井然有序。这套组合拳真的很赞，我是真的很喜欢它，免费实用、开源，而且确实解决了实际痛点。 如果你已经是 verdant 的 用户，那更不应该错过这个工具，因为它最初并非专为 verdant 而封装。反过来说， verdant 是 它最理想的落地平台之一，因为它本身就内置了规则系统，能满足这类工作流所需的智能体编排，总之真的很棒。欢迎在评论区留下你的看法， 如果喜欢本期视频，欢迎通过，超级感谢支持我或点击加入成为频道，我们下期见。下次见！
00:49
