gtp中skill怎么用
用 deep agent 做一些企业级的 skill 怎么样？那个 deep agent 我 们原来也介绍过，它也是 lanq 团队在 lan graph 的 这个框架上面开发的这样的一个智能体的一个应用，应该来讲也是不错的。这个 deep agent 它应该也是不错的， 你可以在它的这个基础上再做一些定制开发，去做一些企业级的一些 skill 是 可以的。它本质上它是一个开源的一些 m c p 工具是可以的，这个应该不难。
粉丝4.6万获赞34.5万
相关视频
01:08查看AI文稿AI文稿今天给你推荐三个神级的 cloud skill， 我 不允许你不知道，那第一个是 superpowers， 它是一个头脑风暴的插件，在我们 讨论需求的时候，它会反问我们问题来引发和激发我们的思考，用起来特别的解压。并且它还提供了一大堆的各种各样的功能，说它是瑞士军刀一点都不为过。第二个是叫做 planning with files， 它是号称把 minus 的 精髓移植过来的一个 skill。 它实现了什么呢？它会在你跟它讨论问题的时候，它会生成三个文件，分别存储了要做的事情、 计划和一些额外的一些思考跟探索。它会通过这些文件来一步一步地指导 c c 在 后面的编码或者是任务的完成。最后一个就是 notebook i o m 的 这个 skill， 它可以让我们在 c c 里面直接去连接到 notebook， 可以 提交我们的知识，让它帮我生成脑图，生成音频，生成 ppt， 再返回给我们。你还有什么私藏的好 skill 分享到评论区。
5911AI 磊叔
01:16查看AI文稿AI文稿open call 用着不顺手，多半是这十个技能你还没装，我从一堆技能里挑了十个好用的，装上你就知道差别了。第一个 find skills， 找技能特别方便，你直接用一句话描述它就能帮你匹配，还会按热度推荐，也能一键批量管理。第二个， self improving agent， 它会自己不断优化，每次出错都会记住自动修正，用着用着就越来越聪明。第三个 agent browser， 它能直接帮你操作浏览器，点按钮、填表、截图这些都能搞定。不会动网页的 agent， 说实话用处不大。第四个 table search， 专门给爱用的搜索工具，结果干净没广告还能直接拿来用，不会搜索的 agent 其实很难干活。第五个 skill worker 技能审查员装任何 skill 之前先让它扫一遍，守住安全红线，让每一个技能都值得信任。第六个， microsoft foundry， 更像一个 ai 工厂，用来搭建和管理各种智能体和 ai 应用，还能跑复杂流程， 是一个完整的 ai 构建与生产环境。第七个 summers， 可以 帮你快速看懂 pdf 或者长视频，一键抓取重点，不管是网页还是视频，用起来省时又方便。第八个 skill creator， 用来帮你设计和搭建自己的技能，用起来很方便。第九个 agent tools， 帮助 agent 调用外部工具，扩展它的能力和效率。第十个 proactive agent， 是 主动型智能体，它会根据环境和上下文主动判断任务，并采取行动，提供更贴合的服务。
58程序员雨未凝
02:03查看AI文稿AI文稿今天我们来讲 skill， 接下来我会从什么是 skill， 在 哪里找到常用的 skill 推荐，以及自己如何制作一个 skill。 当然这次所有的操作完全免费，大家可以跟着上手。 skill 翻译过来就是技能的意思，就比如说做饭是一个技能，如何做出饭就需要准备食材，处理食材，然后开火翻炒，再放各种调味料，一系列的操作。但 skill 就 相当于一个预制菜，省略了中间所有的步骤，只需要买到加热就可以了， 把所有的操作打包成一箭之形，这样的好处就是可以节省时间，在计算机中就是节省 talkin。 当然在我演示的 open code 中， open code 是 一个开源的 ai， 使用完全免费，如果想要学习的话，可以先从这个 ai 感受一下。那么我们在哪里找到 skill 呢？ 大家可以在 github 中找到需要的 skill， 也可以在 skills 网站中找到，当然在这里面我并不推荐使用其他来路不明的资源，因为里面存在风险。那么下面就是推荐的 skill astropics， 这个可以说是现在使用 ai 必须要装的一个 skill 了，可以帮助我们处理各种各样的文件，里面包含了很多，大家可以自行翻看。 u i u s 开头的这个 skill 可以 帮助我们设计页面，使我们页面看起来更加的好看。 remote skill 可以 帮助我们用代码写出视频， 在我上期的内容有讲，大家在网站上找 skill 的 时候，可以找星标比较多的 skill， 因为这个 skill 是 经过很多人验证的，使用的体验会更好。如果说以上的 skill 都不好，我想自己创建一个。 也有创建 skill 的 skill 其实就是上面我们所提到的 astropik 中的 creator， 在 我们和 ai 聊完整个工作流之后，只需要在最后结尾说一句， 帮我把这个过程总结成一个 skill 就 可以了，这也方便我们日后的使用。像本期关于 skill 的 内容到这就结束了，如果有什么不懂的话也可以评论或者私信我，那么本期的视频到这就结束了，我们下期再见。
83威Way
10:39查看AI文稿AI文稿最近啊，我帮几个朋友看了下他们平时是怎么使用 cloud code 的， 结果发现大家踩的坑都差不多，比如说在 contacts 都快满的情况下，还在疯狂地向 cloud code 输出，甚至还问我他的 cloud code 怎么越用越笨，还有装了 skill 的 有没有用上都不知道。 那对于这种把 taco 用在刀背上的做法，我只能说一个字，绝。所以今天就给大家分享一下我自己使用 clotco 的 过程中的几个小技巧，听完包你满意，赶紧点赞收藏。当然，大家也可以在评论区分享一下自己的经验。 第一个，上下文管理这个道理啊，很多人都懂，但很少有人会注意到上下文污染的严重性。如果说你也有这样的毛病，我建议赶紧去看一下。前两周 cloud 发布的这篇关于绘画上下文管理的文章，里面讲的是非常详细的。 特别要注意的是啊，文章里面有提到，当上下文窗口开始占到百分之三十到百分之四十的时候，就会出现一定程度的上下文腐烂。这个其实对我自己也是有点启发的，你像我之前就是用到百分之六十可能才开始做一些上下文的管理，那现在可能百分之三十到四十就要开始做了。 那我平时做上下文管理无非是用到这三个命令，第一个， compact， 当任务跑了很长时间，进行过多轮的对话之后，使用这个命令，让他把前面的对话压缩成一个摘样，清掉容易的信息，只保留关键的，这样的话，你的 contacts 就 会变得很干净，他后续的表现也都会回归正常 我的使用习惯啊，同一个任务超过二十到三十轮对话，或者说我当前的上下文窗口已经占到了百分之五十以上，那我就会进行次压缩。 又或者说当我发现啊大模型开始回答一些奇奇怪怪的答案了，那我的第一反应也都会先去 compact 一下。第二个 clear， 那 这个相较于 compact 会更加的直接，把当前的对话直接清空掉，重新开始， 或者说你开一个新的对话窗口也是 ok 的， 这个适合一个任务已经完全跑偏，或者说你就想换一个新任务的场景。 对比的话， compact 就是 整理桌面， clear 的 话就是清空桌面重新来。那用哪个还是要看当前的任务有没有值得保留的上下文来决定呢？ 第三个命令 by the way。 这个命令一般会出现在你不想去侵入当前上下文窗口的情况下去使用。举个例子，比如说你现在正在 web coding， 但是你又想到一个产品的逻辑上面会有点问题，就可以使用 by the way 去跟它进行讨论， 这个是不会记录在上下文的，或者说你使用 by the way 把你这一次的需求让它记录在某个文档里面。当你手头的这个 web coding 的 任务结束之后啊，接下来的任务你可以再调用原来记录下来文档里面这个需求继续展开工作。 那说完了我常用的这三个命令之后啊，还有些关于上下文管理的我的个人的使用习惯。第一个，引用文件的时候，指定路径和文件名，不要让大模型自己去扫描文件，扫描整个仓库，他有的时候如果找不到的话，甚至还会去写一个脚本去帮你去找到这个文件， 所以说这样的托克消耗是得不偿失的。第二个，我相信大部分人都会知道，长任务或者复杂任务的时候，用 plm 的 模式可以大幅度的减少托克的一个消耗。 第三点，尽量让 cloud code 完成一整个工作流，而不是一步一步的告诉他去做什么。因为 cloud code 是 非常强大的一个 agent， 你 给他一个超级复杂的任务，他也能从第一步到最后一步完美的给你执行出来。如果说你每一步都拆开，那首先上下文会变得非常长，那上下文一长，你的大模型就会出现幻觉，你的上下文就会出现丢失，被污染。 那讲完了上下文管理之后，接下来这个 prom 的 缓存本质上和上下文也有一定的关系，那我为什么会单独拎出来讲呢？因为它会直接影响你用 cloud 的 速度和成本，也是大家特别容易忽视的一个问题。 c c 的 一个 prom 的 缓存机制啊，如果说你上一次请求里面的内容和这一次请求的前缀是一样的， cloud 的 就不会重新处理那段内容，直接用缓存速度更快，托克的消耗也会大幅度的降低。 在 cloud code 里， cloud 点 md 的 内容和项目文件的内容在同一个绘画里面是可以被缓存的，但缓存会失效。最常见的失效场景有以下两种。第一个， cloud 点 md 这个文件啊，在 cloud code 的 缓存架构中是被视为一个整体的模块的， 由于它位于缓存前缀的中间位置，一旦你改了文件中哪怕一个标点符号，系统也会判定从 cloud md 这个文件的模块开始，到后续所有的内容，包括历史对话的缓存都会全部失效。 第二个，对话的间隔太长， cloud 的 缓存默认有五分钟的超时时间，超过五分钟没有新的请求，缓存就失效了。 如果说你再做一个任务，保持对话的节奏要比长时间等待更好，所以说每次离开之前先 come back 一下是最好的。理解这个机制之后，你就会开始有意识的组织 cloud d m d 这个文件的结构，让 cloud code 的 能够持续的用到缓存，整体的速度就会明显快一些，托管的使用量也会少很多。 那接下来第三块的使用小技巧，就是我自己平时经常会使用到的一些 skill。 skill 是 cloud code 的 可安装能力包，把一套提示词和逻辑打包成一个命令以后就可以直接调用。那我现在用的最多的就是以下几个。第一个， planning with fire。 当你有一个复杂的任务，不想让 cloud code 直接开始乱动，那就先用这个，它会把任务拆解成结构化的计划写进一个文件里，当你 review 确认之后啊，它再按照文件里的计划一步步执行。这个是我目前使用频率最高的，甚至说我所有偏复杂的任务都会先用这个 planning with file 的 这个 skill。 那举个例子，比如说我现在做 webco 顶，那原本开发的流程，可能说花一天时间去想一下架构，然后再花几天的时间去开发，那现在就反过来，我会先花大概几天的时间去跟他去跟 cloud 的 去聊我会怎么样去设计，然后聊的过程中去把这些我的想法全部记录到文件， 那之后我再做 webco 顶，让他去生成代码的时候，那整个的代码的结构，包括代码的约束，代码的规范都是非常工整的。 那接下来第二个 skill， 那 其实是一整套啊，基本都是偏向前端界面设计的，像 fronten design， 还有像 ui ux pro 这两个 skill 啊，还有一个就是我现在做视频基本上都会用到的 remotion skill 啊，都是我自己高频在使用的。 那这种是专门为前端界面设计调优过的 skill， 我 觉得对于很多开发人员来说，因为对一些 ui 的 设计都不是很 make sense， 我 觉得用这些 skill 可以 帮到你们很多，并且他们的官网也是提供很多的素材和模板 啊。再结合像现在的，比如说 stitch 啊这种圆形的设计软件啊，那我觉得再配合这些 skill， 那 可以起到事半功倍的一个效果。 第三个 notebook lm skill 啊，那对于这个 skill 我 原本是不怎么开始用的，因为像原来的 gmail 可以 直接去连到这个 notebook lm， 因为都是谷歌的全家桶嘛，呃，都能够直接去输出我想要的结果。但后来大家也都知道 gmail 降至比较厉害， 我发现我的结果就我的要求他不太能满足到了啊。后面我就尝试着把 nosbook lm 生成的结果给到 cloud， 让他去帮我进行接下来的任务执行啊，效果也非常的好。然后到后面也发现现在是有这个 skill 的， 那我就直接拿过来用了。 第四个 everything cloud code， 那 这个 skill 汇总了 cloud code 的 目前所有功能的一个用法，相当于一个随时可查的内置的使用手册啊，不确定某个功能怎么用的时候，你就可以直接调用它，比翻原本的官方文档要快很多。 那这边有一点要说明啊，这个 skill 会比较消耗托肯啊，你一定要去关闭它的一些 mcp 啊，你哪怕关了的话，它的托肯消耗也是会比较大的。那如果说没有碰到一些复杂的任务，我觉得是用不上的，但是整体的质量还是非常好的。 第五个， superpowers， 那 这个也是老朋友了，我相信很多人都在使用这个 skill， 那 这个 skill 对 我来说最重要的一点就是它的脑爆啊，这一个技能。 呃，而且这个 skill 是 非常适合小白的，因为它是包含了一整个完整的软件工程的，一个生命周期的一个 skill 的 一个全集啊。所以说，如果你是小白，刚刚入手 web coding， 我 觉得你用这一个 skill 就 足够了。 第六个，卡帕西的这个 skill 啊，那这个 skill 我 觉得是相较于前面 superpower 和 everything， cloud code 的， 它更像是一个靠谱的资深工程师啊，它会强调先清楚再动手，不乱猜啊，能简单的就不要搞得太复杂啊，改动都是以最小的成本去改的，而且每一步都是尽可能的去做验证， 所以说啊，它特别适合去修 bug， 改老项目，做一些重构。那接下来第四块， hux 啊，那 hux 的 定义的话就是钩子啊，它允许你去自定义一些触发器啊，在卡拉扣的做完某件事情的时候，会自动的执行一段啊，你所定义的无论是脚本啊还是命令， 那我最常用的三个场景，第一个，我每次让卡拉扣的修改了代码之后，就会自动的去提醒，也不用担心它改完之后代码的格式会乱掉。 第二个，任务结束的时候自动发通知啊，比如说你在跑一个时间比较长的任务啊，那你可以去做别的事情，那任务完成的时候可以触发一条系统通知到你的手机上， 那为什么会举这个场景呢？啊？之前在用 open call 的 时候，因为像 open call 它本身可以去调用 call 的， 但是它怎么去监控 call 的， 它会一直去用轮询的这个方式去做，会非常的消耗 token。 那后来我就自定了一套我让 openclaw 去触发 claw 的 code， 之后我通过 claw 的 hook 去回调来通知 openclaw， 使用这样的方式之后啊，就可以减少掉不少的 token。 第三个场景，那像工具的调用前后会去自动的记日制啊，你想知道 claw 的 在一个任务里面到底做了什么，那 hux 就 可以帮你在每次工具调用的前后去协调日制，任务结束之后就能够看到完整的执行过程。 第五块， cloud code 的 插件，那说到插件啊，前面提到的像 skillbox， 包括没有提到的 mcp， 其实都可以揉在一块成为一个自己的插件 啊，所以我说我这边就分享我经常使用到的三个。第一个 cloud hard 啊，这个的话可以去实时的监控你自己套餐的一个使用量啊，包括你目前这个 session 的 上下文的一个情况啊，再配合前面上下文管理的一些方式组合起来，那效果是非常的好的。 第二个 figma 的 mcp 啊，那这个很适合前面讲的 fronten 的 design u i u x skill 啊，特别是如果你在工作中啊，你们的产品用的是 figma， 那 你直接可以通过 mcp 的 方式直接把设计搞给搞进来啊，从设计到实现会剩很多。 第三个三 tree， 那 这个也是 mcp 啊，这个比较适合去排查线上的 bug 报出错来以后啊， cc 能够更快地结合异常的信息对账和上下文去定位问题啊，可以省掉自己去翻半天的一个日记。 ok 啊，那以上就是关于本次我自己在使用 calco 的 过程中总结出来的小技巧的一个分享，希望能对大家有所帮助。如果说你看到了这边，证明你是一个非常求学的人，在此我也希望能够得到你的一箭三连和关注。那本期的视频就先到这，我是布鲁，我们下一期视频再见。
3.5万布鲁歇一歇
00:27查看AI文稿AI文稿open core 中插件和 skill 有 什么区别？在 open core 中，插件和 skill 的 层级和作用是不同的，插件是锤子，是 open core， 启动是会自动加载的工具。 skill 是 使用锤子的铁匠，铁匠是使用锤子的，比如画图后飞书发出去，做 ppt 后飞书发出去等等。类似锤子这种底层工具一般是写成插件，不同的工人则是对应不同的 skill。 open core 会根据需要雇佣各种工人来完成任务。
36AI布道者
05:37查看AI文稿AI文稿在上一集讲解了三层记忆，从鲸鱼到老友。本集我们讲解 skill 系统会自我进化的能力，如果记忆解决的事，知道什么 skill 解决的就是怎么做。 openclaw 的 skill 更像手工维护的说明书。 hermes 的 skill 则会自己长出来，自己用起来，还会在使用中继续变好。它会在完成任务后自动提炼经验，在跨绘画的问题里积累做法，再根据反馈持续优化。 这个差异决定了两者完全不同的使用体验。先看定义，在 hermes 里，每个 skill 都是一个独立的 markdown 文件，保存在 hermes skills 目录里，记录的是 agent 做事的方法， 你可以把它理解成教同事做周报，第一次要手把手说明，第二次还得提醒细节。到了第三次，它基本就知道该怎么做了。 skill 有 三种来源， 第一种是安装时自带的 bundled skills， 覆盖 m lops、 地摊 up、 工作流、调研，这类常见场景现在已经有四十多个。第二种是 skills hub， 也就是社区贡献的能力包，可以一键安装，持续增长。第三种是 a， 整治，自主创建，它会在复杂任务结束后自动把解决方案提炼成 skill， 而且会随着使用继续积累。斑驳的 skills 解决的是起步， skills hub 解决的是加速，而真正最有杀伤力的，是从你的任务里自然闯出来的自主 skill。 hermes 的 skill 不是 封闭生态，而是采用 agent skill stop i o 这个通用标准。这套标准已经能被三十多种工具识别， 包括 cloud code， cursor co， pilot 和 gemini c i。 所以 skill 不是 绑死在某一个工具上的私有资产，而是可以迁移附用继续演化的能力资产。 这更像 usb 接口，而不是每个平台都要重写一套的 app store。 如果你已经在 cloud code 里积累了某个 skill， 可以 直接带到 hermes 里继续用。反过来也一样。 hermes 和其他 skill 系统最大的区别不是有没有 skill 文件，而是 skill 会不会继续进化。 传统 skill 写完之后效果不好，就得人工回去改，所以它本质上还是静态说明书。 hermes 把 skill 放进学习循环里， 先按照 skill 执行任务，再把用户反馈记录到绘画记忆里，然后分析反馈，自动修改 skill 文件里的相关步骤，下一次直接用新版本继续执行。所以它不是静态模板， 而是一个会根据实际结果不断调整的活能力。这有点像 mitchell hasimoto 用 code code rules 和 code nd 不 断打磨工作方式。只不过 hermes 把这件事自动化了。 open claw 和 hermes 的 差别首先体现在创建方式上， 前者更依赖人工编写 solo mb， 后者既能人工写，也能让 a 整自治主。创建维护方式也不同， openclo 主要靠人手更新， hermes 则是在自动进化的基础上，在允许你随时人工干预，个性化能力更是两条路线。 openclo 更像通用模板， 用户 fork 之后再次定义 hermes， 则会从你的使用习惯里自然生长。两者在标准上是互通的，都走 agent skill stop io。 但生态规模暂时不同， cloughhub 已经有四万四千多个 skill， hermes 现在是四十多个预值 skill， 再加持续增长的社区生态。 openclaw 的 优势是规模大、透明度高， hermes 的 优势是适应性强。同一个编码 skill 给 python 开发者和 rust 开发者各用三周，最后长出来的版本很可能完全不同。所以这不是替代关系， 你完全可以把 curl up 里的 skill 安到 hermes 里，再让 hermes 继续把它打磨得越来越像你自己的做事方式。真正能看出差异的是这个日常场景。你每天都让 hermes 帮你整理昨天的 get up 通知，按重要程度排序，把 pr、 issue 和 discussion 分 开，还要忽略 bot 的 自动提醒。 如果这个需求稳定出现几次， hermes 就 会意识到这不是一次性请求，而是一套可以附用的方法。于是他会在后台生成一个新的 skill， 比如 get up daily digest。 这个 skill 会知道什么时候该被调用。比如用户提到 gitap 通知，每日总结这类关键词，也会记录具体步骤。比如调用 gitap mcp， 获取过去二十四小时的通知，过滤 bot， 按类型分组，再按重要程度排序，最后用简洁列表呈现。 这样以后你只要随口说一句，看看 gitap hermes 就 知道该做什么，而且会越来越贴合你的偏好。 skill 不 只是被创建出来，然后静止不动，它也有自己的生命周期。 最开始是油芽阶段，从一次复杂任务里被提炼出来，接着进入成长阶段，在重复调用里逐渐稳定。在往后式进化阶段，它会不断吸收、反馈、修正细节，最后进入成熟阶段，变成稳定可靠的核心。能力。 周期越长， skill 越强，这就是 hermes 飞轮效应在能力层面的体现。当然，自改进不是魔法，它有前提， 明确的反馈、持续的使用、一致的偏好、建设性的修改，都会帮助 skill 沿着正确方向变强。反过来，模糊的反馈，使用频率太低、偏好反复变化，长期不审查都会让他学偏，甚至越学越乱。所以好的反馈本质上就是好的进化方向， 只有你把需求和偏好说清楚，他才有可能真正变得懂你。这一集想说明的不是谁替代谁，而是能力是怎么形成的。 open crawl 更像人造能力，你来设计、编辑、维护。 hermes 更像自我进化能力，他会观察、学习、进化。 而 agent skills、 dot io 这套标准，又让这两条路线能够互通共享。 skill 本质上就是 hermes agent 的 程序性记忆，记住了怎么做，他才有可能把一件事重复做好。这一集先把 skill 系统拆开了， 下一集继续看 hermes 靠什么真正把事情做成。四十多个内置工具， m c p 扩展则 agent 并行，还有工具权限与沙箱约束会一起把能力借到真实世界，当会学、会记、会做，再加上会执行， hermes 的 完整形态才真正拼起来。
144小勉
00:21查看AI文稿AI文稿这个编程大神直接公开了他的编程 skill， 在 github 上已经狂揽了六万多颗 star， 一 天一个神奇的工具第九十五期今天要讲的是这个 开源项目仅有七十行，却浓缩了 ai 编程的精髓，用技术原则规范 ai 行为，解决了大模型听不懂话，回答太啰嗦，浪费 token 代码，没有办法运行代码太臃肿的难题，让 ai 不 再凭感觉编程就很省心。
5015AI 产品小马
04:08查看AI文稿AI文稿skill 是 什么？长什么样？借大家看一下非书文档的这个 skill， 它其实就是给 ai 看的一个完成某个任务所需要执行的步骤，要用的工具这么一个文档，还有告诉他一些相关的知识。 那么 ai 怎么使用这个 skill 呢？我们用 cloud code 为例来看一下，打开 cloud code 之后 执行 context 命令，然后这里就列出了 cloud context 里面所有的信息， skill 就 在这里。我们刚才看到的这个飞书文章的这个 skill， 它总共只占了五十个 token， 这五十个 token 就是 它的 name and description， 主要就是这两部分信息会加载到 ai 的 context 里面，当你和 ai 说执行某一项任务的时候， 他只会根据你说的剧情任务来和某个 skill 的 description 或者 name 来做匹配，如果匹配不上，那么你的 skill 就 永远不会被触发了。知道了 skill 是 什么之后，我们再来看一下怎么创建一个 skill。 我们先来看这个飞书文档的使用是怎么写的，看能不能来反照他的思路来写一下，看一些核心概念，包括文章类型，文章 u i l， 还有各种各样的飞书文档相关的知识 看不懂，最后看下来一共有一百九十行。这里还有一个 shortcut， 顾名思义就是对一些常用操作的快捷键，比如说文档创建就会用到 lockdown create 这个 快捷键。再来看一下这个快捷键，看下来也是有六百多行，其他的也是从 几十行到几百行不等。所以说一个 skill 里面其实包含了特别多的信息，这根本不是一个人应该来写的东西，必须要用 ai 来做， kol 对 大家比较好，已经提前提供了一个创建 skill 的 工具，就是这个 skill creator 这个 skill。 那 么怎么用 skill creator 这个 skill 来创建一个 skill？ 最直接的用法就是直接告诉 kol 给我创建一个 skill， 完成叉叉叉任务。 比如说给我创建一个 skill， 每天查看我的回复消息，将我要回复的这一下，并且写一个大概的 回复，这里跳的就加载了刚才提了这个 skill creator 这个 skill， 根据我们的这个任务的描述，成功激活了这个 skill， 它经过一系列的学习 研究，还有测试，他现在还在运行测试，但是已经创建出来了一个 still 的 出版，我们可以先来看一下， ok， 也有一百多行。后面新的绘画里，当你要处理这些相关的任务的时候，这个 still 就 会被触发。还有一种创建 still 的 方式，让卡拉的从给你解决一个具体任务开始，实际的运行一遍，运行成功之后， 再将这个运行过程总结成一个 skill。 比如说你这里就只和他说查看我的回复消息，将需要回复的列一下，不要和他说前面这句话，这时候他就能比较好地捕捉一些提前 难想到的边界场景。即使是这样，刚创建出来的 skill 也是比较不成熟的，还是要经过一些测试。好消息是 skill creator 这个 skill 本身在替你创建 skill 的 过程中会生成一些测试，而且会自动地去运行， 比如说这里都是他执行，他生成并且执行的一些测试，比如说这个场景应该是测试通过了，还有其他场景经过了初设的 skill 创建过程中的这一轮测试过后，你再将这个 skill 实际的跑几遍， 将运行过程中出现的问题让 cloud 再给你修复一下，这个修复过程也会触发刚才这个 skill creator 这个 skill。 所以说如果用的模型比较好，比如说是 oppo 四点六这种的，那么我体验下来感觉一般不会超过五轮，这个 feel 就 长大了，可以自己跑了。
14吃点好的
01:51查看AI文稿AI文稿是不是觉得 openclaw 刚用还行，用久了却像个人工智障，记不住你的习惯，每次都从头解释，回答永远像标准客服。不是他不够聪明，是你没给他装上这五个专属，懂你 skill 先说 skill 怎么装，一分钟搞定。我们打开永洞虾七二四 claw， 打开后点击右上角的兑换码输入三三三，输入后即可免费使用。接着我们点击左边的技能，就可以看到所有的 skill 一， 记忆大师 memory sync 它能自动摘要归当你每一次对话中的关键信息，你的名字、咖啡口味、项目片号全都制成一张专属记忆网。 下次聊不用再自我介绍了，它开口就是老熟人。 skill 二，偏好雷达 preference tuner 这个 skill 会默默分析你的每一次点赞、修正重写，你偏爱活泼，语气还是专业干练，喜欢分点还是长文？它越用越准，三周后生成你的专属风格，画像输出全带你的味儿。 skill 三，前情提要 session bridge 重启对话就失忆，它能跨绘画挂载你的完整上下文，自动生成前情提要， 今天让它改的方案，明天打开直接接着聊，无缝衔接，跟没下过线一样。 skill 四，人格定制 persona genie 想让它扮演毒舌闺蜜，毒舌导师还是温合同事？导入聊天记录或填写个性卡，十分钟生成一个稳定人设， 从此回复不再是冷冰冰的 ai， 而是有性格的专属复脑。 skill 五，反馈调教 tomy 调教的核心是反馈循环，这个 skill 会定期推送你对历史回复的满意度。复盘一键修正风格，偏向知识盲区，多余小动作， 调教两周，它就能预判你的预判。话说到你心坎里，最后这五个 skill 全装上，你的 open cloud 才会越用越粘手，变成真正懂你的第二大脑。好了，兄弟们，赶紧去抄作业，别让它继续当人工智障！
02:20查看AI文稿AI文稿如果你也在用 openclaw， 先别急着研究 skill， 一定要把 so、 user agent 这三个文件配置好。我之前视频里也分享了关于 openclaw 的 安装和使用技巧。在跟一些粉丝互动的过程中，我发现一个特别明显的问题，就是很多人把龙虾安装完之后，就在研究给它装什么 skill。 但是如果你真的想让他帮你干活，最重要的不是装多少个 skill， 而是先把这三个配置文件写好。如果你现在还不知道这几个文件在哪，特别简单，在这里直接去跟龙虾说一句，把你的受点 m d 文件展示给我，并解释一下，你看他直接会告诉你。那咱们先说第一个， 受点 m d 这个文件，你可以理解为你在定义龙虾的价值观。很多人写这种配置，很喜欢写一句很空的话，比如你是一个高效的 ai 助手，请认真回答问题， 这种基本等于没写，因为他太虚了，龙虾根本不知道你到底想要什么。你真正应该写的是很具体的一些要求，比如我这里会要求他收到任务后，先自己去判断任务类型，再决定怎么处理 简单明确的问题，直接给结论，不要铺垫在回答方式这里，我希望他有自己的判断，如果不确定就直接说不确定，不要给我瞎编一个答案。因为 ai 最大的问题大家都知道，就是容易一本正经的胡说，所以你不给他定规则，他就会按照他自己默认的方式来。 但你一旦把这些要求写清楚，他整个回答质量会马上不一样。写完之后也很简单，直接跟他说一句，按照以上内容更新 so 点 md 就 可以了， 他就去会更新你的这个文件。第二个是 us 点 md， 这个文件其实就是在告诉他你是谁，要说清楚你的名字，你所在的时区，他应该怎么称呼你，你主要的工作内容，平时主要处理哪些事情，以及你的一些核心偏好，更喜欢什么样的输出方式， 这一点非常重要。如果没有 user 点 m d 这个文件，说明他每次都像在跟一个陌生人说话。如果有了这个之后呢？他真的会慢慢地知道你是谁，你要什么。那最后一个文件，这个文件你可以理解为相当于你给他的一个工作手册， 也就是你要告诉他收到任务之后要先做什么，出的标准是什么，哪些操作必须要跟你确认，这些都很关键，因为他决定的不是会不会回答， 而是他会不会按照你的方式做事。所以我自己的体感是，你把这三个文件认真的写清楚，可能真的比你装一百个 skill 更有用，因为 skill 解决的是他会什么，但这三个文件解决的是他怎么做事，怎么理解你怎么越来越像你的助手。
3944AI产品美洋
02:33查看AI文稿AI文稿安装了 cloud code， 但发现它没有想象中那么厉害，其实是没有给它注入灵魂， skill 就是 cloud code 的 灵魂，学会它，你将直接封神！很多人应该是听过 skill， 但还是一脸懵， skill 它到底是个啥？它应该怎么用？今天我将用一个视频给大家讲清楚。我们首先要弄清楚 skill 到底是个啥。 skill 说白了就是 cloud 的 一个配置文件，这个文件的核心只规定了三件事，第一它是用来干啥的，第二，它应该遵循什么流程做事情。 三，它能调用什么工具。那这个配置文件是怎么创建呢？我们安装 cloud code 以后，系统跟目录就存在了一个 cloud 的 文件夹，在这个文件夹下面我们要创建一个名叫 skills 的 文件夹，以后我们的所有 skill 文件就都在这个文件夹下了。下面用一个具体例子说明下 skill 怎么创建，内容是什么。 比如我们要创建一个能一键提交代码到 github 的 skill， 解决我写完代码后提交代码流程繁琐的痛点。我们一般让 cloud code 写完代码后，代码提交到 github 需要经过多个步骤，第一要打开终端，第二要敲 git at， 第三要敲 git commit m， 第四要敲 git push 过程中还经常失败，报错忘命令，由于比较繁琐，经常是写一大坨代码才提交，后面出现问题还不好分析，也不好回滚。那我这个 skill 就 想要给 ai 附上灵魂。让 cloud code 写完代码后，我只说一句话，把代码提交到 github， cloud code 就 自己提交代码到 get 仓库。 这里先看一下 skill 的 格式， skill 包含名字和具体内容，最重要的就是 skill md 文件里面明确告诉 ai 应该怎么做才能到达期望的结果。我在 cloud skills 目录下创建一个 cloud code git commit 文件夹，里面创建一个 s k i l l md 文件，在文件里面写如下内容， skill and d。 文件的上半部分内容叫原数据。这里重点讲一下 description 字段，字面意思，这个字段就是描述 skill 的 功能。为了节省 talkin， ai 只会把 skill 的 原数据部分加载，不会加载 skill 的 具体内容。它判断是不是要使用这个 skill， 核心就是依赖 description 的 描述。 skill 的 下半部分就是 markdown。 论文介绍了这个 skill 的 具体做的事情，遵循的流程以及应该调用的工具。 ai 会按照这个流程完成我们指定给他的任务，你也可以把它理解成一段规范流程的提示词，这个 skill 就 写好了，是不是很简单？接下来我们安装这个 skill 后，就可以一句话让 cloud code 帮助我们 把代码提交到 github 上了。当然这是一个很简单的 skill， 更复杂的 skill 就 需要大家进一步探索， github 上也有很多高质量的 skill， 大家可以搜索并安装使用。 我这里也给大家整理了 skill 讲解，从原理到实操都非常详细，感兴趣的同学可以关注我，然后私聊我发给大家，注意不关注我不发哈，感谢大家观看！
174高先生AI实战
05:10查看AI文稿AI文稿这两天又开发了一款产品，很多朋友问我该怎么学 ai， 那 当然是用 ai 学 ai， 边干边学，那给大家看看我的这款产品，这是一个 cloud code 的 格式化工作台，它主要解决两个问题，第一个问题呢，就是我的 skill 实在太多了，就是有一百七十三个， 但是因为他都没有分类，我每次用的时候就不知道该用哪个好，所以呢，我就做了这款产品，他可以自动帮我呃分类，然后他分类的方式就是按照我的日常工作流来搭建的，就比方说先要发现需求，有了需求之后构建产品， 然后就是个人个人 ip 方面的内容，还有营销，也还有一些通用化的工具，我自己很喜欢格式化的内容，这些斯科，然后我再用起来呢，就一目了然就能找的到了。 第二个痛点就是我在工作的过程中会用一套斯科的工作礼物，就是把斯科来串联起来使用。但是呢，每次我我可能 第一个第二个还知道用什么，但是到第三个，第四个、第五个 screen 的 时候，我就不记得它的名字了，所以我就用这种自由画布的方式把这些 screen 给串联起来啊，同时呢，可以加一些批注，直接双击这个开放式面板，我就能输入我的提示词， 输入完就直接能够提交给 cloud code， 它的右侧边栏直接就是把本地的 cloud code 的 能力给调用到这来，就是可以直接在这跟 cloud code 对 话，然后在这个无限画布上来格式化的展示工作流。 我还写了一份 readme 文档，可能写的更加详细，给大家简单看一看，哦对，我的产品叫 skill flow， 然后它是让卡拉扣的越用越聪明的可适化工作台。它和 skill 的 最大差别是， skill 是 让 agent 拥有了单点能力的自动化， 而这个 skill flow 呢，就是让能力单元可适化的组合起来，实现复杂任务的自动化。 并且它可以把每次组合沉淀为可复用可迭代的 ceo 系列，越用越准确。它的核心价值就是记录器和编辑器为一体的， 然后我认为最灵魂的设计就是这个学习循环。大家可以看一下这个图，第一次学习摸索，它是边执行来边长节点的。我们再回来，这个图就是在我实际过程当中，一开始就是一个空的画布， 然后我通过双击呃输入 prompt， 然后给他一些引用的上下文，慢慢慢慢把这个工作流给跑出来。它的关键节点都是一个个 signal 串联起来的， 这些橙色的呢，是它的关键产出物，如果我们用了 subagent， 也能在这个工作流中 展示出来，就每个节点都是一个 skill。 那 回到这张图之后，我们可以复盘这个整个工作流程，哪里好哪里不好，直接就在格式化的面板上可以进行修改，整个那一条链路就沉淀为一个 skill 的 组合。 当我们第二次跑同类任务的时候，就直接调用自由划布的工作流，在使用的过程中复盘在节点上进行批注， ai 就 会把你的批注回写到 sku 当中，进行可适化的优化。 它的沉淀产物不是一个 sku， 是 一个 sku 的 系列，就是由三个、五个甚至十个 sku 串联起来的，所以它做复杂任务的效果非常好。 有了这个工具之后，我就再也不用担心这次做的工作流下次忘了怎么用。或者是有的朋友可能把 skill 封装在一起，但是它调整起来呢，又比较麻烦， 可能每次用场景不一样，都会进行微调。那用自由画布把整个炼录格式化的展示出来，同时通过备注就直接修改对应的内容， 这样用起来会更加直观。那这款产品还在开发当中，没有正式上线，如果有朋友感兴趣可以私信我。包括前两天我是做了一个福瑞道另另外一款产品，然后也有朋友留言说想用，那可以私信我，然后我把使用方式分享给大家。 我认为 ai 时代就是这样，学习你有一个想法，然后就要让 ai 帮你实现，你不懂代码也没关系，过程中它生成的东西不理解就问它，虽然这个问的过程可能会耽误我们构建产品的速度，但是我认为慢就是快。 你只有理解了自己构建的产品，它到底是如何构建起来的，它的底层原理是什么，那随着我们不断的创造，打磨、迭代产品， 我们的能力才会有所提升。如果每次只是不求甚解的追求快速做出来，那可能即便做完十个产品，我们的能力还是在原地踏步。 如果你觉得自己学 ai 没思路没方向，也可以加入到我们的学习交流群，有任何问题都可以发在群里，我看到的话呢也会给大家进行解答。
127画伞
00:47查看AI文稿AI文稿如果你在使用 codex 一 段时间后，感觉它越来越慢，那么我推荐大家安装这个 skill keep codex fast， 直接复制这个命令行，丢给 codex， 让它自行安装。安装好后，第一步可以将这行命令丢给 codex， 让它先扫描，告诉你哪些对话该归档，哪些 word tree 残留以及日期有多大等等。 第二步进行交接，直接将这行命令丢到你比较重要的项目中，它会针对旧项目生成交接文档， 记录你这个项目改了什么，跑了什么命令，以及下一步应该怎么做。第三步就是归档模式，它会备份移除旧的 word tree， 清理日期等等。关键是它不是自动执行，它主要是每周或者是每半个月来自动提醒你该做这个事情了，这样会更安全。
285飞飞在学AI
04:34查看AI文稿AI文稿我们在上一集讲解了多平台接入，在哪都能找到它。本集我们讲解自定义 skill， 教 hermes 新技能。 hermes 的 学习循环会自动创建 skill， 但你也可以手动教它。这一集会讲 skill 是 什么，怎么写，怎么测，以及怎么把 cloud code 的 skill 迁到 hermes。 在 hermes 里，一个 skill 本质上就是 markdown 文件，你用自然语言定义行为，告诉它在特定场景下该怎么做。 而且所有平台共享的还是同一个 hermes 实力，所以你教会他一次，不管从 c l i， telegram 还是 discord 进入，他都会按同样的方法工作。背后共享的仍然是同一套记忆、同一组 skill， 以及连续的跨平台对话能力。手动写 skill 最直接的办法就是从一个具体任务开始。 这里的例子是统一 git commit message 的 写法。一个 skill 至少要写清标题、出发条件、行为规则和事例。 标题的作用是让 hermes 快 速识别用途。触发条件决定什么时候激活，行为规则决定怎么做，包括步骤约束和格式视力能把输入到输出的样子讲完整。如果还想减少漂移，可以再补一句，不要做什么明确边界。 像这个提交规范里，提交标题采用类型加范围再加减速的格式，长度控制在五十之内。标题后空一行论文重点解释为什么改，而不只是写，改了什么。触发条件也要尽量具体， 比起笼统地说代码太模糊，像提交代码写 commit message review， 提交历史这样的说法命中率会更高。 保存之后，下次你只要说帮我提交这些改动， hermes 就 会自动按这个格式执行。如果不想从零开始写，也可以先用社区里已经沉淀好的 skill。 hermes 自带 skill tab， 你 可以先问有哪些可用的社区 skill， 它会按类别列出可安装条目，也可以继续按方向筛选。确认之后直接让 hermes 安装， 他会把对应的 markdown 文件下载到 hermes skills， 然后立刻生效。安装完成之后， skill 仍然只是普通 markdown 文件，所以你可以继续开箱，即改，把它调成更适合自己的版本。 hermes 还内置了四十多个班斗的 skills， 覆盖 m lops、 github、 工作流、研究助理这些常见场景。这套体系真正实用的地方就是先附用社区经验，再叠加自己的工作方法，写好 skill 之后下一步。不是用社区经验，再叠加自己的工作方法。写好 skill 之后，下一步它已经可用，而是先确认它有没有正确命中，正确执行。 最简单的办法是直接问 hermes 现在加载了哪些 skill， 它会告诉你当前激活的 skill 列表。如果还想继续往下查，就去看日制。日制会记录每次请求匹配了哪些 skill， 为什么命中，或者为什么没有命中日制路径。就在 hermes logs 测试时，最好从最简单的真实请求开始，先确认出发和基本行为，再逐步叠加更复杂的场景。如果结果看起来不对，优先检查是不是有多个 skill 的 出发条件覆盖了同一请求。很多异常本质上都是 skill 冲突造成的。 skill 的 另一个价值是，它不必绑死在某一个 agent 里。这里的例子就是把 cloud code 里的 skill markdown 签到 hermes， 像公众号省校这种 skill， 只要格式和语义保持一致，复制过去通常就能直接识别，触发条件可以原样保留。像提到省校占领 ai 位，到 ait 了润色时激活这类规则本身不需要改， 省效流程也可以直接继承，比如先做事实省效，再做风格省效，最后做细节打磨。真正需要调整的，通常是那些和平台强相关的工具依赖。如果原文引用了 cloud code 特有的命令，或者某个专属的 m c p 服务，再改成 hermes 对 应工具就可以。 这就是 agent skills i o。 标准的意义。 skill 不 再是某个平台的专属资产，而是你自己的可迁移能力库。 skill 并不只服务于一个入口。 除了 telegram、 discord 和 slack， hermes 还支持 whatsapp、 signal、 钉钉、飞书、企业微信甚至 home assistant。 大 多数平台只需要在 config ymail 里配置对应 token 就 能接进来。如果把整套系统部署在五美元级别的 vps 上， hermes 核心 messaging gateway 和各平台入口就能一起长驻在线部署结构也很清楚， state dot db 负责保存所有对话历史， skills 目录负责保存自动积累出来的能力， config emo 负责集中管理参数。整套成本通常就是 vps 每月五美元，再加上模型调用费，换来的是一个有记忆、可迁移，还能二十四小时在线的 ai 助手。这一集解决的是怎样把经验写成 skill， 让 hermes 学会按你的方法做事。 下一集是 mcp 集成连接你的工具站，我们会看看怎样把 hermes 接到 git 数据库、 slack 和更多服务。下集见。
84小勉
02:42查看AI文稿AI文稿今天聊一聊 skill 在 大型弊端需求端端开发里面的应用。先说结论，我觉得它不太合适。 为什么呢？呃，第一个呢，是 skill 之前的加载原理，我已经讲过了，就是它是在一个三神刚启动的时候， 主动地调用这个 skill 发给大模型，然后那么当前这个赛车呢？这个绘画的记忆是新鲜的，他知道你这个绘画的 skill 用的是什么，要做什么事情。 嗯，但是一旦嗯多人绘画之后， skill 的 记忆就一定会衰减，每一次都会需要你去提醒他，嗯，或是每一次都需要调用这样的一个 skill。 第二呢，是随着大模型上下文窗口的容量越来越大，现在都已经出来一兆子了，那他其实可以一次性把很大的一个血球吞下去，然后自己去拆分任务，然后去呃萨博一阵，然后去帮我们工作。 嗯，那这里和 skill 的 一个冲突点在哪里？我们没有办法控制它把我们一个很大的 prd 拆任务的时候是按什么维度拆的？它是按页面拆还是前后端分离？呃拆的更细？嗯，那这个其实直接影响到了我们的 skill 的 划分的颗粒度。嗯，怎么理解呢？ 比如说我们的 skill 前后端分别做自己的 skill， 然后前后端的 skill 是 按呃人类理解的呃过程去拆分的。比如我启动我项目要启动开发的时候，我应该用一个什么 skill， 然后做 呃技术方案的时候用一个什么 skill， 然后做到什么部分的时候用一个什么 skill？ 如果想让这些限性的 skill 在 开发过程当中发挥真正的作用，那么就必须要求大模型在拆解任务的时候也是由限性的进行拆解的， 并且它能够自动地在拆除的任务里面去调用这样的一个 skill， 那 么它才能真正起到作用。所以我给大家提供一个思路，嗯，我们 的 skill 也好，呃，或者是我们的各种各样的技术方案，或者是要求代码规范，都应该按照呃模块或者是类别去拆。比如说我写数据库的 要求是什么？我写一个 map， map 的 一个要求是什么？按照这个维度去拆，不要用开发习惯的现行的维度去拆这样的一个 skill， 它其实很难被加载上来。 然后就是要求大冒险在拆分任务的时候，一定要也按照我们拆技术文档的逻辑去拆，比如说要求他那数据库的任务拆一个，呃，写 ctrl 键的拆一个，写 map 的 拆一个，那这样的话他可能更好的去自动下载。
14油炸电灯泡AI版
