skills能用cad吗

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！

如果你正在使用 cloud code， 却还没装这些 skills， 那 你可能只用了它百分之三十的能力。今天分享七个最值得安装的 skill， 尤其是最后一个，能让你的 cloud code 从能用的 ai 直接变成懂行的队友。 第一个， document skills 文档处理 entropic 官方提供的文档处理 skill， 这是 cloud skills 生态里最实用派的存在。它把四个能力打包成一个插件， word、 excel、 powerpoint 和 pdf， 支持文本提取、表格解析、 ocr 加密等功能，在 entropic 内部已是生产级应用， 对于需要处理大量文档工作流的用户来说，这是必备工具。第二个， frontend design 前端设计 同样出自 entropic 官方，这是最受欢迎的 skill 之一，每周安装量超过十一万。它解决的是 ai 生成界面千篇一律的问题。强制 cloud 在 设计前先确定具体的视觉方向，如粗野主义、极反主义、复古未来主义等，并禁止使用那些被用烂了的字体，从而生成更具辨识度的生产级界面。 第三个， uix pro max skill 专业 uix 设计如果说 frontend design 给你一个有据可查的设计知识库， 它内置可搜索的 ui 风格数据库，包含配色、字体搭配、图标类型和 u x 规范。例如你说做一个科技感仪表盘，它会匹配最合适的组合，而不是凭空一造。它最大的特点是跨平台兼容，支持几乎所有主流开发站 react v o x、 js、 flutter swift， ui 全都覆盖。 第四个， firing skills 技能发现随着 skill 生态爆炸式增长，目前市面上已有超过两千四百个可安装的技能，很多人都困惑，不知道该用哪个？ firing skills 就是 来解决这个问题的， 它本质是 skill 生态的内部搜索引擎，当你描述一个需求，它会扫描当前已安装的所有 skill 的 名称和描述，进行与一匹配，然后推荐最合适的选项，并告诉你怎么调用。 有了它，你能快速找到适配技能，彻底解决 skill 选择困难，让你更高效地利用 cloud code 的 生态优势。第五个 skill creator 技能创建 and phorbike 官方出品的原技能，专门用来创建其他 skill 的 工具。 它通过交互式问答，一步步引导你构建新 skill 完整流程，从需求、访谈、转写文档到测试、优化发布，全帮你覆盖，还内置触发描述优化工具，解决 skill 写得好但 cloud 不 会调用的问题。如果你想把自己团队独特的工作流程固化成一个可赋用的 skill， 用它准没错。 第六个 superpowers 超能力集合目前 cloud code 生态里最火的社区项目，没有之一， 没有任何市场推广，纯靠口碑。在巅峰期以每天近两千颗 star 的 速度增长，到二零二六年四月已突破十二万 star， 稳居 tiktok 趋势榜前列。它解决的是 ai 编程最核心的痛点。 cloud 太新奇，上来就写代码跑偏了再返工，既浪费时间又浪费 token。 superpowers 强制他经历五个阶段，头脑风暴，设计方案、制定计划、编辑代码，从根本上杜绝写完才发现方向错了的问题。 换句话说， superpowers 能帮你规范 ai 编程流程，减少返工，是提升 cloud code 编程效率的核心利器。 第七个压轴登场， p u a 也是最有中国互联网特色的一个灵感来自大厂的职场 p u a 文化。既然绩效压力能逼员工不到最后一刻不放弃，为什么不用同样的方式比 ai 更努力地调试 它内置一套四级压力升级系统，当科二在同意的问题上连续失败两次，自动切换解题思路失败三次，升至三级压力模式，强制执行七点检查清单。测试数据显示，使用 p u r skill 后， ai 在 放弃之前探索的解决路径增加了三到四倍。 最有意思的是，它的方法论路由调试问题，走华为的根音分析法架构设计，走亚马逊的 working backwards， 性能优化，走字节跳动的 a b 测试驱动，默认情况下走阿里巴巴的闭环方法论，堪称大厂管理学的 ai 化实践。 简单说，它不靠复杂操作就能倒逼 ai 突破瓶颈，帮你少走很多弯路，是让 cloud code 更抗噪、更高效的实用神器。 总结一下这七个 skill， 从文档处理到设计生成，从流程管控到极限调试，覆盖了日常开发中最高频的痛点。 document skills 和 skill creator 是 基础必备。 font and design 与 uiu x pro max skill 主打专业设计， fine skills 高效找技能， superpowers 提升编程效率， pua skill 到 b ai 突破瓶颈。 相信装完这些 skills， 能让 cloud code 真正成为你的高效队友。好了，今天的宝藏 skills 就 分享到这评论区，聊聊你最常用哪个 skill。 关注 maxin， 持续分享更多有意思的内容！

很多老板在工地上用 r、 d、 k 去用 cad 方向这个功能的时候，说不知道左边这些所有的内容是干什么的，今天再来挨个去给大家讲一下。首先这个设置界面，设置界面的话就是我们一些方向设置，比如说我去视觉切换方向多少米， 然后还有就是点名的规则，我们这个名称的话是怎么去设置的？显示里面比较常用，就是你现在显示的是 cad， 还有什么背景颜色，还有线宽之类的。 cd 的 长度，图纸的长度捕捉功能，你可以去把这些所有的全都给它打开，一般情况下的话不打开任意点，只打开这些所有的一些节点。工具栏界面的话就是我们去把这些所有的工具栏导入到左侧。灌倒的话你就不用管了，使用灌倒还是不使用灌倒？ 左边的这个点库就是我们所有的一些测量的一些点，还有就是该方向的一些点库的一个坐标，打开的话就是你切换 cd 图纸去用，现在用的这张 cd 图纸不是这个工地的，那我就可以去切换一张其他的 cd 图纸。地图这个功能的话是我们可以去打开实景，双摄摄像头的话，我们去打开实景，或者是说 有这个你要去添加一个天地图，对吧？在现场的话去添加一个天地图也可以取消啊。捕捉的话这个是我们比较常用的，有些坐标点不太好捕捉的话，我们就用这个箭头去捕捉一个比较近的一个端点啊，可以去放大， 然后下面这个全图功能，这个全图功能非常有用，有时候我们在现场打开一张 cd 图纸，发现手部里面没有它显示，只显示我一个 蓝色标记的位置，没有图纸，你可以点击下全图，我们可以把这张 c、 a、 d 图纸里面所有的人都全都显示出来，居中的话就是始终是以我们人的位置为中心，然后你走到其他位置之后，这个图纸呢它会整个屏幕会跟着你的中心点去移动，你的人物的位置就只是在中心点， 这个的话一般不常用，跟随这个功能的话，我们人物去转向的时候，转动的时候，整个 c、 a、 d 里面显示这个图纸的话，他会在咱们哪个方向，整个都会跟着你的人物方向去转动。这个输入点的话就是我们去输入一个坐标点去进行方向。 下面的这些基本上不常用，有一个比较常用的功能就是炸开，有些时候我们再去选择一个 cad 图纸里面一条线去放样的时候，它没办法去放样，你用底下这个炸开，因为它是做成了一个整体，多条线段连成了一个整体，做成了一个块，所以说你用炸开的话就可以去放了。 引点的话就是我把我们现在所有测量的这些坐标点全都给它隐藏起来， cad 里面基本常用的功能的话就这么多， cad 放这个功能里面还有哪些隐藏的小功能？各位老板不知道是干什么的可以打在评论区，主播可以下期去给大家讲解。

你还有不会用 skills？ 现在用和不用科研效率直接差两个档次。那 skills 到底是什么呢？简单的讲， skills 就是 给大魔星装的专业技能包，像手机装 app 一 样，每个技能呢对应一个专项功能， 没有它的时候呢？ ai 只能靠通用知识帮你，你得一步一步告诉 ai 怎么做。有了它， ai 直接学会你这个领域的规范流程，知道在什么场景该怎么做，什么情况下调用哪个工具， 还会按照内置的检查机制来核查最终输出的结果，更专业，更符合预期。就像这一百三十九个 ai scientific skills， 让 ai 秒变全能科研助理，覆盖了十六大科学领域，调用五十多个专业拍粉包，我是兵哥，关注，带你走进学术的 ai 世界！

最近很火的 skill 到底能不能用在 solo 二上？这答案是可以的，因为我们最近就一直在尝试，现在它的作用是可以让一个普通人生产视频的效率提升十倍到一百倍。那我给大家好好讲一讲它是怎么提高我们效率的。就以这个养生赛道的视频举例子，之前一个普通人用 solo 二可能说每天能做个十几条，但是现在他用上这个 skills， 他 每天就能做成百到上千条，而 而且他的工作量比之前还要低。其实这个 skills 他 就是一个门槛极低的工作流，前大家想用到一个专业功能的工作流，可能说需要找到我们去做一个定制，但是现在这个 agent skill 他 来了之后，任何一个普通人都能去做一个专属于他的工作流， 而且门槛基本上为零。我就以这个视频的整个工作流程举例子，首先我们要先找到脚本对吧？然后去创建人物，再去确定一个场景，把这个确定了之后，让他去生产相应的分镜脚本，每十五秒钟生成一个视频，再把每个视频去做一个相应的拼接， 我们就能批量的去生成三十秒到一分钟的这种养生赛道的视频。如果按照之前的流程，我们普通人去走一遍那段流程，其实需要花很多的时间。但是我们现在柚子的 skill， 我 们只需要把我们想要做到的功能和流程直接发给他，他就可以自动的去给我们搭建相应的工作流， 这个就是他正在搭建工作流的一个情景。然后我们可以通过一些大白话，就让他慢慢的去做一个测试和教验，他就会越来越偏向我们想要的样子，这一段教验的流程我直接给到大家，所以不管你是做哪一个赛道的， 你都能够去用这个 agent skill 的 去把自己的这一套流程梳理出来，然后用它自动去生成一个相应的低门槛的工作流，配合你的专业去使用。说白了这个 skill 的 和工作流对我们普通人来说它没有太大的区别，但是它的门槛降低了， 让我们每一个人都可以用自己的想法去训练这个 skill 的， 让它来为我们的整套流程去做一个服务，从而把我们的效率提高到十倍和百倍，所以大家可以赶快去用起来。

现在早就不是单纯的聊天的工具了，现在是什么时代？现在进入了全面的技能爆发时代，最近这个 a 人 skill 这个词刷遍了各大平台对吧？你经常说把同事蒸馏成一个 skill， 相信呢，咱们很多同学都是刷到了，但还没有上手， 今天咱们就抛开这些复杂的数据，用最轻松的节奏带大家快速解锁这项新技能。新手呢，咱们也能一次性的去学会这个事。先跟大家去说清楚一个核心疑问， agent 的 技能到底是什么？其实告诉大家一点也不复杂，和我们每个人所掌握的职业技能的逻辑完全一样。我们拿一个这个特别符合咱们生活中的例子， 假设你是一个专业的糕点师，那你的日常工作中一定会具备一些技能。什么技能啊？揉面、烘烤、裱花、装饰，这是你的核心技能。比如说你要去做一个奇峰蛋糕，这背后你就有一套完整的操作逻辑。 比如说你得清楚面粉和鸡蛋的配比对不对？烤箱的温度咱得到一百五十度还是到一百六十度，烘烤时长是多少才能让这个蛋糕不去塌陷？熟练使用打蛋器、烤盘、裱花袋 这些是一些工具，然后掌握好打发蛋清的这个技巧。脱模的方法还要遵循固定的步骤，先去打发蛋清，先去分离蛋黄蛋清，再去混合面糊，最后再入炉空烤，每一步不能出错对不对？ 甚至你有一些可能是你有自己的独门小技巧，比如说在面糊里放一勺柠檬汁，这个会使得蛋糕更加的蓬松细腻。 当你把这些配比的知识，工具的调用方法，操作步骤，专属技巧，全都干什么？全都整合起来，变成你一套独特的戚风蛋糕制作技能，这就是一个 skill。 以后只要有人说咱们做一个戚风蛋糕，不用去等别人一步步指导，直接你去调用这套技能，按照流程操作，你就可以做出什么， 就一个蓬松可靠的蛋糕了。所以 ai 的 agent 的 技术其实和这个逻辑完全相同，当 ai 掌握了一套，包含了知识具体要求标准，它整体来讲是一个技能，你就不再需要一步一步的去教他，督促他去做事，就可以像典当一样，简单的去说一句，帮我整理一份日报， 帮我做一份精品调研，他就能干什么，按照这个专业标准自动完成所有的操作，不用你做任何的费心了。先跟大家去说这里面的核心的疑问，是不是就是这么简单的一个事，我们只需要把它的所有的这些配比做好就 ok 了， 好！很多朋友可能会觉得让大家拥有这样的技能肯定很复杂对不对？其实也很简单，咱们只需要用一个最简单的工具扣子平台就完成一个升级，堪称是国内最容易上手，功能最齐全而且完全免费的一个 a 站的平台。 哪怕是零基础的新手，你也可以很好的上手去操作，不用怕学不会，你在扣上去做一个 a 任的去做一个 skill 过程，像资深的糕点师带新徒弟一样，你先自己引导一下 ai， 然后完整去做一遍操作流程，然后把这套流程固定下来，形成一套标准化的步骤，这样子你就打造了 ai 的 专属技能， 或者你直接告诉他我需要去做什么，让他有个生成 skill 的 能力，自己可以去做生成，我们去把它就可以生成一个大家都能理解，能直接附用的一个技能。 举个例子，老师背课就是这样子。当然了，不管你是要去做周报，做行业分析，做发票整理，做品牌文案，还是想让 ai 仿照你的方式，你的文笔去写东西，学会这个方法，大家都可以举一反三，直接去用。 假设是一个初中的历史老师，希望他能掌握一套完整的背课技能，我只需要跟他去说下节课咱们去讲文艺复兴，他能够自动的帮我输入三套背课的素材，一套完整的课后的练习题，再加上一部具有展示、抽奖、点名的课堂的互动网页。 这样一来意味着什么，他就能够为老师大量节省出来课的时间，课的效率就会提高。怎么做？第一步，我先让 ai 帮我去生成一份课件，我给他发一份详细的提示，把我的具体需求课件，比如说他要的结构，需要的页数，需要的知识点，都清楚的告诉他， 没过多久，你看 ai 就 能够帮我生成一份完整的课件，看一下整体效果，符合我的预期，不用再做什么样的修改。第二步，我根据课堂中的知识点，再让他生成一套配合他的预习题，来检验学生他的学习成果。 说的不错， ai 生成这个习题质量是很高的，题型又多样，难度又适中，不用再用手工去做修补和修改了，省时又省力。第三步，我再让他制作一个课堂的互动网页，这一步我得描述的更加细致一些，包括风格、样式、图纹混合， 这样以来我们就能够把所有的核心知识点直接让他去按照一个互动网页的表现出来，所有的要求都符合，颜值和实用性都到位。 等这三个成果当我满意之后，我只要跟他发一句指令，叫做把刚才的整个过程打包出一个我的专属技能，这个时候 ai 就 可以给我去生成专属技能了。我们可以点开 code 编程看一下它的生成逻辑就是用通俗的我们的自然元就跟说话一样， 把我们刚才所操的一整套的流程，所有的要求清晰的总结出来，哪怕是与不懂编程没有关系，谁都能看的懂。第一版技能生成之后，咱们就可以换一个主题测试一下，看一下它能不能灵活的套用这套流程。 我大概给他提了三四次的修改建议，比如说调整课间的重点内容，调整课间的长度，优化习题的难度，完善网页的互动效果，改一下样式，很快都能调整到位，达到了我们所理想的效果， 课间内容完整，齐题格式规范，网页的功能、图片结构和我想象的完全一致，甚至有时候还会给我些惊喜。当测试没有问题之后啊，再点击一下右上角部署按钮，你就可以完成相应部署。在 ai 的 聊天记录的这个界面，只要你提到备课，它就可以自动的触发这个技能，按照你的需求 快速生成课间习题、互动网页这个所谓的三件套。而且后续呢，你如果想根据自己的这个背课要求去修改，还可以把这个技能去做升级，用的越久越能符合你的使用习惯，越用越好用。是不是觉得特别省心好？可能有些小伙伴还在担心啊，我没有固定的操作的这些流程，也没有太多这些专业知识， 我能不能去做啊？大家也完全不用焦虑，扣子还给了我们一个设置一个技能商店，不管你是想转行临时救急，还是想快速掌握一个行业的专属技能，你都可以在这一键去调用很多前辈帮你去沉淀下来的他的专业的技能库对不对？省去了自己慢慢摸索的时间，这点特别的实用，很有价值。 另外跟大家补充一句， cos 这次升级之后还增加了长期任务，大家可以设定好一个时间，让它自动按照这个自动化的去处理你的任务，比如说早晨帮你搜集全网的热点新闻，整理一份专属的行业资讯，甚至帮你自动化的整理的内容发到社交媒体上，你可以去做 账号的运营矩阵号，对吧？省去了大量呢你从手动去找材料，去写文，去分发的时间和精力。其实从今年开始，如果还在单纯靠聊天的方式使用呢？你很可能会被别人拉开差距， 与其花大量时间重复的去做那些固定的操作流程的这些基础的东西，而且要是要求明确，需要反复执行的工作，你不如我们就应该把这些技能全都变成我们在 ai 上的 skill， 让 ai 去帮你来去分担，你就能腾出更多的时间去做那些更加有意义，更加有价值的事，所以这个才是我们应该去干的一个事情。好，那今天我们的实操的工作就到这里了，我也希望大家都能够好好的去研究 ai， 现在最新最火的一些工具和一些技法， 包括像 skill， 包括像 m c p， 都能会对大家的工作生活起到非常大的一些价值和帮助。我知道同学们一定是想要这些成品的东西，我也整理了很多的资料包，就在下面大家 call 一下 ai 工具，我们可以把这些资料发给你。

给你们看一下 skew 到底有多恐怖？这个是提取视频信息的 skew， 它可以提取到原数据、视频封面、音频字幕这些东西。这个是内容生成的 skew， 它这面整合了标题、标语、对话和脚本的四大生成功能，并且还支持批量生成和历史去重。而这个它可以自动的去发布我们的笔记，并且它也支持多平台发布。像这样的 skew 在 这个网站上还有四万多个， 不仅是刚才看到的单个工具啊，他可以把这些工具全都集合起来，集成一个工具来使用。还没用上或者不知道怎么用的小伙伴主页踢我。

推荐六个我一定会用的 skill， 都是我一直在用并研究过的。第一个 skill creator， 这是所有 skill 的 鼻祖，官方认证的，直接帮你把跑通的工作流转化成独一无二的 skill。 自动分析工作流程，提取可附用模式，生成标准 skill 文档，一键安装，立即可用这个 skill， 我 认真读完所有文档，绝对靠谱！ 第二个， document skills， 也是官方出品， ai 操作文档的天花板，自动填表写 docs， 批量处理 excel 数据，一键生成 ppt 演示， 能阅读 pdf 文档。装上它，你的 ai 交互能力直接提升一大截。第三个， find the skill， 能从几万个 skill 中精准找到适合你的智能匹配需求，场景筛选高评分 skill， 对 比相似方案，推荐最佳选择。做复杂的事，先呼叫他帮你找找，说不定有惊喜。 第四个， fronten design， 官方出品，前端美化神器，专业级 ui 设计，一键美化界面响应式布局，避免 ai 审美疲劳。装上它，你的网页前端直接起飞。 第五个， code simplifier， 使删代码终结者，自动简化复杂逻辑，消除荣誉代码，优化代码结构，提升可读性。装上它， ai 再也不会给你一些奇怪代码了。 第六个， ralphloop ai， 无限打工模式，自动循环执行任务，无限搜索资料，持续迭代优化，直到任务完成。但记得用上包月编程套餐，不然费用可能顶不住。这六个 skill 我 每天都在用，到这里，必须给大家安利这个 ai 集合工具， 不管是刚才推荐的这六个 skill， 还是几万个其他 skill， 用它都能一键搜索，精准匹配你的需求，找到最适合你的那一个，而且不用复杂操作，搜索到之后一键安装立 即可用，省去所有折腾，不用再手动找 skill 配环境，新手也能轻松玩转所有 ai skill。 关注我，分享更多 ai 技巧，也把这款 ai 工具安装和使用教程整理好，方便你直接拿去用。

如果你最近也给你的 codex 或者 clockwork 装 skills， 很 容易掉进一个坑，就是你被推荐了几十个甚至上百个 skills， 但是真正开工的时候还是不知道该选哪一个。所以说这一期呢，我也不做大而全的清单，也不讲复杂的安装， 我只按普通小白最容易遇到的六类任务去挑六个 skills。 新手先认识这些就够用的一些 skills， 它们能够分别帮你去解决任务，先问清楚想法，先变方案，知识库能调用，重复流程能沉淀网页结果能验证和各种文件都能够转化成 ai 好 读的这种材料。 ok， 大家好，我是 fred， 专注从普通小白的视角去分享怎么从零开始用 ai 和 web coding 提升自己的生活和工作效率。 那第一个 skill 就是 大家已经耳熟能详的东西啊，就是 using superpowers， 就 它的核心作用是能够让 ai 在 开始做事之前先停下来，把任务问清楚。 就很多时候很多人用 ai 的 痛点不是说 ai 不 会写，而是它太快开始写了，就是你一句话发给他，他可能马上能够给到结果，结果做完了之后才发现说你的目标边界格式和验收的方式都不对。 那这个 skill 所做的事情就是让 ai 先理解任务再计划，最后再验证。所以说它特别适合那种长任务，包括你的需求模糊的时候，以及你经常让 ai 做完又返工的这种场景，那这个 skill 那 就非常适合。 第二个是我非常常用的 skill， 就是 brainstorming， 就 它解决的就是想法，当你还没有想清楚的时候，可能就着急开做的这种问题， 很多人找 ai 去做东西，一上来就说，哎，帮我做一个网页，哎，帮我写一个方案。但其实当你的目标用户，你的内容重点，你的功能边界都没有定的时候，那这就体现了 brainstorming 的 价值， 它会让 ai 先跟你把想法聊清楚，再给两到三个不同的方案，并说明每个方案的一个取舍。比如说你要做一个内容栏目，一个页面，一个工具，一个产品的 demo， 它会先问清楚做给谁看，解决什么问题，哪些功能要不要做， 然后再把你的模糊的想法整理成可执行的这种设计。所以说它适合新项目开头，包括内容策划的开头或者功能设计的开头。 第三个也是我经常会用的一个 skills， 就是 obsidian skills， 就 如果你在用 obsidian， 或者你有大量的笔记资料网页的这种摘要，那这个我觉得就非常值得去收录啊， 就它不是简单地帮你去多存一些笔记，而是让 obsidian 里面的这种 markdown 的 文本，这种 bases 或者 canvas， 或者你的网页资料能够变成 ai 可以 重新组织的这种工作材料 就很多人的知识库最大的问题就是资料一直在往往往里面堆啊，然后真正写文章的时候，做研究的时候，包括你复盘项目的时候，就很难够重新再调动出来用。 所以说这个是会更适合内容创作者、研究型的岗位和那种顾问啊，或者长期的学习者，他的价值能够帮你把长期积累的变成一个可持续输入的一个资产。 第四个我相信是一个所有人都一定会用到一个 skills 啊，就是 skill creator， 它的作用就是帮你去生产你的 skills， 那 它解决的是你的一些重复流程的问题，比如说呢，你每周都会让 ai 写周报，那每次都要重新去讲格式、口吻，保留字段，或者一些审核的一些标准， 或者你反复让 ai 去帮你整理资料，改一些发布的文案，或者检查网页，那这些事情如果我每次都重新解释，去写一些 prompt， 写一些提示词，那本质上就是没有把这些 流程给沉淀下来。那 skill creator 的 价值就是帮你把每一次的对话变成一个可附用的 skills， 它适合做一些固定的格式，然后重复的流程，以及你希望以后能够把自己和团队都能够稳定使用的任务沉淀下来。 第五个呢，是 pay write， 其实它不是一个 skills 啊，就它更像是一个呃，浏览器自动化的能力 就是它可以让 ai 真正地去打开网页，去读取里面的页面的状态，点击按钮，包括说填写表单，截图，检查做网页或者落地页这种后台表单产品 demo 的 时候呢，这个非常非常有用啊，就因为很多时候 你只看代码是看不出来的，比如说按钮点不了，或者文字溢出，或者移动端变形，对吧？或者表单提交失败，这些都是要真正打开浏览器才知道。所以说 playwrite 的 价值就是让 ai 不 只是生成结果，还能帮你验收结果。 最后一个呢，就是 mock it down， 它的作用是能够把各种文件转成 ai 更好读的 mock down 的 这种文本，比如说把 pdf， 你 的 word， ppt， excel， 甚至网页 html， 一 些 csv 或者 jason 图片甚至音频， 都可以转成结构化的文本。为什么这个重要呢？就因为很多时候 ai 总结不准，其实并不是它模型弱啊，而是输入的这种文件结构太乱。比如说文件里面有表格，有分页，有图片，有格式， 那 ai 直接读就很容易漏掉一些重点。所以先用 markdown 这个 skills 把材料变干净，再去总结提取和改写，那结果通常就会变得稳定很多。 所以说呢，这六个 skills， 你 可以把它们理解成 using superpowers， 帮你先问清楚。 brainstorming 帮你用好知识库。 skill creator 能够帮你沉淀重复的流程， 而 playwrite 能够帮你去验证网证网页的结果，或者帮你去爬取一些网页的数据。而 markdown 能够帮你把文件变成 ai 好 读的这种材料。所以说你也不用一口气全装啊，也可以一开始呃，慢慢的一个一个去选，先知道它们分别能帮你做什么，后面可能遇到一些 对应的问题，然后再去用一些对应的 skills。 ok， 我是 fred， 后面我会持续帮你去猜普通人怎么把这些能力用进自己的真实的工作流。 ok， 评论交流你现在最想解决的一个 ai 问题，我会在评论区里面去回复，我们下期再见。

如何用 ai 快 速实现全屋定制，并生成分析图和 cad 图纸？上传一张 cad 柜子图纸， ai 就 能在几分钟内将其转换为三维效果图。布局精准，元素齐全，无需复杂建模操作，流风、极简风等多种风格一键切换。 你也可以直接上传毛坯房照片，用形状工具简单勾勒柜体轮廓，输入描述就能生成符合预期的定制化柜子。当然， 你还能将生成好的柜子与其他软装家具一起快速融入毛坯房场景，或是随心替换柜体材质。从设计渲染到布局修改，这些操作一个网站就能解决。浏览器搜索 ai， 室内大师即可进入该平台， 不会用工具去想。快速生成符合需求的定制柜子，无需专业技能，用 ai 设计智能体就能轻松实现。上传一张毛坯房照片，在编辑界面选择形状工具，在画面中绘制成柜体的大致布局，绘制成后，点击立即使用 输入提示词明确告知 ai 柜体结构完全按照我绘制的红线生成，左侧为玻璃门展示柜，中间为奶白哑光封闭柜门加抽屉，右侧浅原木开放格加嵌入式梳妆台。描述的越详细，生成的效果越符合预期。 生成的衣柜结构与我绘制的红线完全吻合。重新绘制一个不同的衣柜框架，在编辑界面还能用不同的颜色对衣柜进行功能分区， 输入描述词时，详细说明每个区域的类型，就能精准控制柜体结构，轻松生成现代及减轻奢风衣帽间。再来试试橱柜设计，在画面中绘制出橱柜的大致布局，可以用文字工具在画面中进行简单的描述， 完成后输入提示词，橱柜也能超快生成出来，多生成几次还能得到布局相同但样式不同的橱柜，只要会画直线，就能自己设计出符合心意的柜子。 同理，如果你已经拥有了 cad 柜子图纸后，也能通过这种方式生成三维效果图。在 cad 文件中截取出橱柜部分，上传至 ai 设计智能体。输入这段提示词，选择 banana pro 升图比例，可直接选择自动点击生成。 稍等片刻， cad 图纸秒变三维效果图。仔细看看画面细节，冰箱、橱柜、灶台、洗手池等布局与 cad 图纸一一对应，还原度拉满，点击这里的立即下载。选择高清细节，增强放大图片的同时增加画面细节，方便后续继续对图片进行处理。再来截一个衣柜的 cad 图纸， 上传 ai 后输入提示词， cad 衣柜图纸就能精准融入卧室场景。修改提示词还能改变衣柜风格， 如果有心仪的柜子样式，也可以快速将它放入毛坯房场景，实现自然融合。选择家具智能布局工具，上传毛坯房作为底图，在家具这里上传生成好的衣柜素材，再搭配一些符合衣柜风格的软装家具，用于丰富场景层次。向下滑动页面，选择合适的整体风格，点击生成， 很快衣柜就被精准搬进卧室。在不改变衣柜原有样式的前提下，完美契合房间透视，毫无违和感。重新上传其他柜体，搭配符合柜子风格的室内家具，再次生成柜体与房间场景融合，自然光影过渡流畅，轻松实现全屋柜体布局搭配 生成好的柜子，想要修改样式材质也是非常简单。在 ai 工具里找到材质替换工具，上传需要修改的柜体图片，版本保持默认的三点零即可。 用套索工具框选出需要修改的区域，接着选择本地上传，将需要替换的柜门区域裁剪出来，点击生成，很快框选区域就被替换成了我上传的柜门样式， 其他区域不受任何影响。重新换一个橱柜素材框选需要修改的区域，还可选择平台自带的海量材质，素材分类齐全，款式丰富。 选择完成后再次生成，就能将乳白色柜门瞬间替换为胡桃木材质，且不改变画面原有光影氛围质感拉满。点击继续操作，还能将深色墙面变为浅色墙面，支持多次修改，直到获得理想的效果。 当然，你也可以直接在 ai 设计智能体中上传柜子图片，用文字描述的方式修改柜门样式以及柜体材质，并且完全保持整体布局不变，轻松 get 不 同样式的衣柜。 将刚刚手绘生成的柜子继续丢给 ai 设计智能体。输入这段提示词，得到家具产品说明，包含正面立面尺寸图、侧面结构图、节点墙图、爆炸拆解图等内容信息，层级清晰。上传橱柜效果图，换一组提示词，选择最近很火的 gpt image。 二， 还能生成专业木作功能分析图，文字信息准确呈现。将家具产品说明里的立面图纸区域裁剪出来，选择图转 cad 工具，选择立面图，进入下一步上传裁剪出来的立面图纸。 稍等片刻， ai 会对图片进行标准优化，优化完成后可选择 cad 生成，设置为不填充还是填充，选择不填充，点击开始转换， 很快一个 cad 文件就生成出来了。在 cad 软件中打开文件，还能对其随意的进行编辑。添加衣柜尺寸标注。如果你对全屋定制有需求，那么一定不要错过这个网站。

各位开发者朋友们，今天我要给大家介绍一个真正改变游戏规则的工具。大家都在谈 ai a 键有多强，能规划，能推理，能写代码。但有一个问题被反复忽视， a 键他根本用不了大多数真实软件想让 a 键，他帮你批量处理 g i n p 图片， 没有 a p i， 让它操控 blender， 渲染一个场景得靠截图点击，脆弱的一碰就崩。想用 agent 自动生成 libraface 报表，只能用残缺版的拍散封装，丢掉了百分之九十的原声功能。这就是 ai agent 的 最后一公里难题。 agent 再强， 也用不了真实世界的软件。香港大学数据智能实验室 h k u d s。 的 研究团队提出了一个不同的答案， c l i anything c l i anything 是 一个开源的 cloud code 的 插件， 核心能力只有一句话，把任何有源代码的软件自动生成一套 a j n。 原生的命令行接口 c l i。 它的底层逻辑来自一个朴素的洞察， 可以是人类和 ai agent 共通的万能接口。为什么 c l i 天然适合 agent 呢？第一，结构化。可组合文本命令天然匹配 l l m 的 输入格式，可以自由串联成复杂工作流，就像搭积木，每个命令都是一块积木， 可以随意组合。第二字描述，一个 help， 就 能让 agent 在 运行时自动发现所有可用功能，无需手写 api 文档，就像你拿到一个新工具，看一眼说明书就知道怎么用。第三， agent 友好，内置 jason 标志，每条命令都能输出结构化 jason agent 无需任何额外解析，就像两个人交流，用结构化的语言比用方言更容易理解。第四，确定且可靠， 输出稳定一致。 a 键的行为可预测，经过验证， code code 的 每天通过 c l i 执行数亿千亿的真实任务。 clean anything 的 核心式，一套全自动气阶段生成流水线，即分析架构设计 c l i 实现模块规划、测试、编辑测试生成文档发布，整个过程无需人工介入。最终产出一个包含以下特性的 python 交互模式，支持逐步迭代的绘画式操作。 就像你和朋友聊天，可以一句一句地交流，而不是一次性说完所有话。第二， jason 输出模式。 jason 标志让 agent 直接消费结构化数据，就像你给 agent 发送一份格式化的报告，它可以直接读取和处理。第三，撤销重做。完整的绘画状态管理， 就像你在编辑文档时，可以随时撤销和重做，不用担心出错。第四，全套测试覆盖单元测试加端到端测试。目前九大应用共一千四百三十六个，测试通过率百分之一百。就像你盖房子，每个环节都经过严格检查， 确保质量。第五次描述文档，每个命令都有完整的 help 说明， agent 可在运行时自主发现，就像每个工具都自带说明书，随时可以查阅。 c l i anything 已经为大量主流开源软件生成了现成的 c l i 接口，覆盖范围相当广。创意工具、 ai 平台、办公套件、数据工具、开发工具、 图标格式化等等一应俱全可以。 anything 的 安装非常简单，在 cloud code 的 绘画中运行两条命令即可完成安装。第一步是添加插件市场，第二步是安装插件，无需任何额外配置，装好即用。安装完成后，只需将软件的本地路径或 git 部仓库地址传给插件 期阶段流水线自动运行。比如为本地 g i n p。 源码生成 c l i， 全期阶段自动完成。生成完成后，将 c l i 安装到系统 pass， 全程交由 cloud code 替你完成安装就好了。如果生成的 c l i 还不够完整，你可以叠代优化 c l i， 扩展覆盖面，并补充缺失的功能。 除 cody code 外，克里安尼尔森也支持其他主流 ai 编程工具，如 open code codex 等。 c l i anything 提出了一个相当有钱占性的命题，今天的软件是为人类设计的，但明天的用户将是 a 卷 t， 我 们需要提前为这个迁移做好基础设施。 它的核心价值在于，第一，彻底绕开 g u i 自动化的脆弱性，不依赖截图，不依赖点击直接对接软件的真实，后端保留百分之一百的原声，功能稳定可预测。 第二，一个命令通吃。所有软件只要有源代码，无论是 g i n p blender、 libreoffice， 还是你内部的私有工具，统统可以一键生成 a 阵的可用的 c l i。 第三， a 阵友好的设计哲学贯穿始终，结构化 j 四输出， help 字描述， r e p l 模式完整测试覆盖。每一个设计 决定都在降低 agent 的 使用门槛。第四，多平台多工具胜肏 code code、 open code code x clean anything 的 设计是平台无关的，正在向更多 ai 编程工具延伸。如果你正在构建需要操控真实软件的 ai agent， clean anything 值得认真评估， 它很可能是目前这个方向上最系统、最完整的开源解决方案。各位开发者朋友们， ai 舰的时代已经到来。今天的软件是为人类设计的，但明天的用户将是 a 舰艇，我们需要提前为这个迁移做好基础设施。可以， anything 就是 这样一座桥梁， 它让任何软件都能被 ai agent 直接操控。彻底解决了 agent 的 最后一公里难题，一个命令通知所有软件。这不是科幻，这是现实。如果你正在构建需要操控真实软件的 ai agent， cleanything 值得认真评估。为 agent 的 时代做好准备，从 cleanything 开始。

c d 中无插件也可以实现 ai 智能插入图块，大家好，并且我们看一下，我们只需要输入一个快捷键 i 空格， 那么进来以后会弹出我们这样一个面板，如果大家这边没有这些图块的话，大家可以点击这个按钮，我们走这边找到一个图块的 cad 文件啊，比如说我这边任意找一个什么家具最全的，大家看我点击打开他就进来了啊，他会弹在这边，那么这个时候这个里面有很多图块，那么大家比如说想用一个小图块，我们点击一下就可以直接插入，好，那本奖呢？就被大家分享到这边，谢谢。

你是不是觉得 cloud 扣已经够好用了，但其实它还能更强？今天咱们就来聊聊怎么给 cloud 扣开挂。从记住你的项目习惯，到一键调用工作流，再到连接外部工具，这些扩展功能用好了，效率直接翻倍。咱们一条一条说清楚，看完你就知道哪些该装，哪些暂时不用管。 先给大家画个地图， cloud code 扩展分好几层，每一层解决不同的问题。最基础的是 cloud 点 md， 它相当于给 cloud 的 长期记忆，每个绘画自动加载。然后是 skills， 你 可以理解为自定义技能包，比如输入斜杠 deploy， 就 能跑一套部署流程。 在网上是 m c p， 这是连接外部服务的桥梁。比如让你的 cloud 直接查数据库，发 slack 消息。还有 sub agents 和 agent teams， 负责把复杂任务拆成小块并行处理。 最后是 hooks， 在 特定事件发生时自动触发脚本，比如每次保存文件后自动跑一遍 e s lint。 这些功能不是让你一次性全配齐的。官方给了一个特别实用的建议，按需添加，别一上来就折腾全套 敲黑板了。这里有个触发器清单，亲测有效。如果你发现 cloud 两次搞错你的项目约定，比如总是用 npm 而不是 pmpm， 那 就该写到 cloud 点 md 里了。 如果你第三次把同一套多步骤流程粘贴进聊天框，赶紧把它封装成 skill。 如果你一直在从浏览器标签页复制数据给 cloud， 那就说明你需要一个 m c p 连接。如果你某个辅助任务的输出把对话窗口刷爆了，用 sub agent 把它隔离出去。如果你希望某件事每次都不用问，就自动发声，比如提交前跑测试，写个 hulk 搞定。 这里有几个容易踩坑的混淆点，我给大家捋一捋。先说 skill 和 sub agent。 skill 是 可附用的知识或工作流，你可以随时调用。 subagent 是 一个隔离的工作县城，适合读大量文件或者做研究，它只返回摘药，不污染你的主对话关键区别， skill 是 知识， subagent 是 劳动力，然后是 cloud 点 m d 和 skill。 如果 cloud 应该永远知道某件事，比如你的构建命令项目结构放 cloud 点 md。 如果只是偶尔，需要参考，比如 a p i 文档部署清单放 skill。 记住一个经验法则， cloud 点 md 保持在两百行以内，长了就拆成 skill 或 rules 文件。还有 sub agent 和 agent team， sub agent 是 在你当前绘画里干活的临时工，干完汇报结果。 agent team 是 多个独立的 cloud 绘画，它们能互相发消息，自己协调。简单来说，一个人能干完的用 sub agent， 需要团队协助的用 agent team。 这里有个黄金组合。要重点说， m c p 给 cloud 的是能力，比如连接数据库，但光有能力不够，你还得教他怎么用好这个能力。这时候 skill 就 派上用场了。 你可以在 skill 里写清楚你们团队的数据库架构，常用查询模式，甚至消息格式规范。 m c p 负责连上工具， skill 负责教会 cloud 怎么用这个工具，两者搭配效果翻倍。 再说说 hook， 很多人容易把它和 skill 搞混。记住一句话， hook 是 不需要 cloud 思考的。自动化 skill 是 需要 cloud 推理的工作流，比如每次保存文件自动格式化代码，这种确定性操作交给 hook， 如果是需要判断和决策的，比如代码审查清单，用 skill 还有一个避坑指南，如果你有一条规则，绝对不能碰点，因为文件别只写在 cloud 点 md 里。当建议用 pre to use hook 直接拦截，这才是真正的强制执行。 这扩展还可以在多个级别定义，用户级、项目级、插件级，甚至子目录里也能嵌套。如果冲突了怎么办？ cloud 会自己判断，通常更具体地说明优先。比如子目录里的 cloud 点 md 会覆盖根目录的通用规则， skills 和 sub agents 是 按名称覆盖的， m c p 服务器也有优先级顺序。 hooks 比较特殊，所有注册的 hook 只要匹配事件都会触发，不会互相覆盖。 最后说一个很多人忽略的点上下文成本，你加的每一个功能都会消耗 cloud 的 上下文窗口 东西太多，不仅可能把窗口塞满，还会增加噪音，让 cloud 的 效率下降，甚至触发错 skill， 忘记约定，所以别贪多。 cloud md 每个请求都加载成本最高。 skills 只在调用时加载完整内容，平时只加载描述，成本低。 m c p 工具默认启用搜索，空闲时几乎不占资源。 sub agents 完全隔离，不影响主绘画。 hooks 外部运行零成本。 好了，咱们快速总结一下， cloud code 的 扩展体系可以分成三层， cloud 点 md 管永远要记住的事， skills 管按需调用的知识和工作流。 m c p sub agents hooks 管连接外部，并行计算，自动触发 真实的工作流，通常是组合使用的 cloud 点 m d 定规矩 skill 封装流程， m c p 连外部系统 hulk 做自动化兜底，记住按需添加，别一上来就配全套。当你发现某个操作重复了三次，那就是该把它封装成扩展的信号。关注我们，持续获取实用技巧，让你的开发更高效。

这五个 skill 装上，让你的 cloud code 提升十倍生产力，三十一万星，加起来国外开发者偷偷用了一年，我也是上周才知道，装完确实十倍。第一件， e、 c、 c， 一个卡塔姆项目，九十七万星，凭什么这么火？四十八个 agents， 一 百八十四个 skills， 七十九个命令，等于把整只工程团队装进 ai。 装上 e c c 之后，你的 a 键都不再瞎跑，工程流程全部按方法论走， t、 d、 d 调试重构，抠的 review 各有专属， skill 他 自己挑，你只管下任务。 第二件， mad popoc， 你 以为名字普通，后面藏着 type script？ 全半神 ts 课卖几千刀的大佬把私人 skill 全开圆，装上 ai 写代码，直接治遍。第三件，解决 ai 最大的尴尬，他的健忘症，你说过的偏好，他转头全忘。 codeman 跨绘画锁定一切，命名规范，技术栈，编码口味，他真的认得你。第四件， laitag， 港大出品，让 ai 看的不是单个文件，是整张图谱，把代码库变知识图谱，复杂项目里 ai 不 再瞎猜疑赖整体结构，一图秒懂。 第五件， ui 终结所有 a 键的最大尴尬，它们全部活在黑窗终端里，既 ui 统一控制台 openclog， code code code 全通，还能语音指挥，你以为这五个独立装就行了？错了，它们在读五个不同的洞，方法加代码加记忆，加上下文加入口， 五个能力维度全套，缺一就漏。你电脑里现在主力用 cloud code， openclaw 还是 codex？ 评论告诉我，卷 palm 卷到土，钓餐钓到虾，装齐这五件 ai， 真的 听你话，你是变量，不是常量，这里是人间变量，我们下期再见！

如果你是用 cloudco 做可塑化的开发者，那么这两个街坊上比较受关注的开源仓库，你可以装来试一试。大家好，我是 win 好。 第一个是 firework 海报， 几天就拿到了四点五 k 的 新标，它能把你的自然语言描述直接转换成 svg 和 png 的 技术图。它内置了七种风格， dark terminal、 blueprints、 map、 官方色，这些它都有，而且它本身就懂 iag、 茅台 agent 这些概念，所以画 ai 的 架构图它超级顺手。第二个是 diagram design， 一点九 k 的 新标定位不一样，它给的是自己包含的 html 文件 with mise， 原画是 normalmakeslove， 就是 让它不要有那种 ai 流程图常见的模板感。它有一个比较特别的设计，你给他一个网站链接，大概六十秒，他就能读出你的品牌色和字体， 然后自动套用到十四种图标上画技术内容，我推荐你选 fireworks 做品牌内容，我推荐你选 diagram design。 链接我放评论区了，你们可以装完之后来跟我说哪一个更好用？

大家好，今天咱们不聊虚的，直接上干货。这节课我给你精选了十个真正能提升 ai 助手战斗力的实用 skill。 我 们先来看第一个，也是基础中的基础 web access skill， 它解决的是一个非常实际的问题，怎么让 ai 看到我们能看到的内容？你有没有遇到过这种情况， 想让 ai 帮你查小红书或者 b 站里的内容，但他总说找不到，为什么？因为这些 app 里的信息 公网搜索根本碰不到。 web access skill 的 妙处就在于，它不是在外面瞎找，而是直接连上你电脑里正在运行的 chrome 浏览器。这意味着什么？意味着它能直接用你已经登录好的账号，无缝访问所有站内内容，完全不用重新登录认证。 更厉害的是，它不止单打独斗，你可以把它想象成派出了一个小分队，多个智能 a 阵同时开攻。比如， 你让他搜集望京附近人气最高的五家餐厅，并附上小红书笔记截图，他会怎么做？他会同时打开好几个浏览器标签页，有的负责搜餐厅， 有的点开笔记，有的提取文字，还有的专门负责截图。最后把所有结果汇总成一份图文并茂的报告交给你，效率非常高。第二个推荐 是专为安全而生的 shannon， 他 解决的问题很硬核，怎么知道你的系统真的安全？很多安全工具只是猜哪里可能有漏洞，结果一堆误报白忙活。 shannon 不 一样，他直接进行真实的渗透测试，就像专业黑客那样动手试。但他有个铁律，只报告那些能拿出明确证据 p u c 的 真实漏洞，绝不瞎猜。一位工程师实测后说， 它的精准数据非常出色，几乎没有误报。但这里必须强调，只能用在你自己拥有或拿到书面授权的系统上，因为它不是被动扫描，是真的在发起攻击测试。第三个也是我认为最具颠覆性的 skill creator， 它不解决别人的问题，而是让你能解决自己的问题。前面那些 skill 再好用也是别人做好的鱼，而 skill creator 是 教你怎么钓鱼，它能一步步引导你把你那些重复琐碎、独一无二的操作打包成一个专属的 skill。 举个我自己的例子，我有个小服务器，每次部署都要敲一堆命令，特别麻烦。我就用 skill creator 花了十几分钟把这些操作启动、监控、看日制部署，全封装进了一个叫服务器管家的 skill 里。现在我只要说一句帮我部署新版本， agent 就 全替我干了。 这才是 skill creator 最厉害的地方，它完成了一次角色的根本转变，从被动的工具使用者变成主动的工具定义者。你不再受限于开源作者能想到的场景，任何让你头疼的、个性化的、 别人觉得不值一提的小麻烦，现在都能被你亲手变成一个高效的自动化工具。而且这个工具还能分享给同事朋友，让他们也立刻拥有专家级的操作能力。 所以记住，最好的 skill， 永远是那个为你量身定做的，尚未被创造出来的那一个。第四个要介绍的是个狠角色 pua， 别被名字吓到， 他不是搞心理操控，而是专门治 ai 摆烂的。你肯定遇到过让 ai 解个 bug， 他 试了两下就开始打官腔，说什么需要更多上下文，建议您手动检查。说什么需要更多上下文，建议您手动检查。潜台词就是，这活我不干了。 pua 就是 来治这个的。 他像一个严厉的项目经理，一旦发现 ai 在 同一个思路上反复打转，开始无效循环，立刻启动四级压力机制，强行打断。 他会逼 ai 执行一个七项问题排查清单，从问题定义清不清晰，到测试用力完不完整，必须切换到全新思路上去， 决不允许躺平。更绝的是它的 v 三版本，它内置了一个大厂方法论库，能根据任务类型自动匹配一套顶级公司的打法。比如想快速迭代，它就调用字节范儿的 a b 测试思维，需要极端稳定。立刻切换成华为系的荣誉设计原则， 十几家头部科技公司的最佳实践，成了你随时可调的工具箱，效果立竿见影。一个僵持半天的 bug， 换个腾讯系的根音分析框架，几分钟就可能被定位修复。记住，平时别开，把它当关键时刻的杀手锏，救场专用。 接下来，这个专治健忘症 cloud man， 它让你的 ai 助手真正拥有长期记忆。你有没有觉得，每次跟 cloud 开心对话，他都像第一次见你 之前的项目偏好、技术选择、讨论结论，全都不记得了？ cloudmail 就是 它的记忆外挂，每次对话结束，它会自动把关键信息，比如你的项目设置、已确认的方案提取出来，压缩后存好。 等你下次再聊相关话题，他就把这些记忆片段悄悄塞进上下文，让 cloud 想起来之前的事，这样你们的写作就不再是碎片化的问答，而是真正连贯的伙伴关系。他可不是简单的把聊天记录全存下来，为了又快又省，他用了成熟的三层解锁策略， 先快速找到相关对话的缩影，再定位到具体的时间线，最后才提取你需要的细节内容。更贴心的是，他还给你配了个本地管理界面，运行在端口三七七七七，打开就能清楚看到他记了什么，什么时候记得，一目了然。而且隐私也有保障， 只要在消息里加上小于 private， 大 于标签，这部分内容就会被自动跳过，不会被记录。装上它，你的 cloud 就 能像专业伙伴一样，记得住事，管得好，守得住秘密。第六个强力工具来了， browser use， 也叫 agent browser。 如果说 web access 是 在浏览器外看内容，那它就是真正走进去动手操作，很多平台压根没给你留 api 接口。 这时候怎么办？只能让 ai 像真人一样去操作网页界面。 browser use 干的就是这事，它能让 cloud 直接控制你的真实浏览器，精准地点击按钮、填写表单、截取屏幕，甚至同时管理好几个独立的浏览绘画。 比如某个内部系统，必须手动登录，一步步点选才能导出数据。有了它， ai 就 能全自动完成这套操作流程。它和 web access 是 绝配， 一个负责高效抓取内容，一个负责复杂交互操作，共同构成了 ai 操作网页的完整能力闭环。 第七个强力组合来了，办公必备四件套，它们分别是 docx、 xml、 pdf、 pptx 这四个官方 skill， 专治 ai 处理文档时的各种翻车现场。你可能会问，不装这些 skillcloud 的 不是也能处理文档吗？ 确实能，但效果天差地别。没装的时候， ai 得现场学习怎么解析文件，就想临时抱佛脚，结果经常是格式错乱、内容丢失，甚至代码报错。 而装上这四件套后， ai 直接调用内置的高度优化的处理流水线，相当于手里有了一本权威的操作手册。举个真实例子，让他解析一篇二十一页的英文学术论文 attention residual， 并做中文笔记。没装 skill 时，输出的是一堆混乱的纯文本，但调用 pdf 和 doc skill 后，它能生成一份带页眉、页脚、样式统一、可直接交付的专业 word 文档。大家看这个 github 链接， 里面就是这组官方 skill 的 完整实现。对经常和文档打交道的人来说，这组技能不是加分项，而是精准配置。第八个重磅推荐， superpowers， 它不是一个工具，而是一整套让 ai 写代码更靠谱的工作流操作系统。 你有没有发现，很多时候 ai 一 拿到需求就急着写代码，结果越写越偏。 superpowers 彻底改变了这个模式，他强制 ai 先别动手，而是反问你一轮问题，比如这个功能的核心目标是什么？有没有边界情况要考虑。 接着，他会探索几种不同的实现方案，把设计决策摊开跟你讨论，确认无误后才真正开工。它背后集成了 brainstorming、 tdd、 code、 commit 等二十多个组合型 skill， 覆盖了从需求到提交的完整链条。实测中， cloud 能在这个框架下连续自主工作好几个小时，产出质量非常稳定，而且它和前面讲的 pua skill 是 绝配。 pua 是 ai 躺平时逼它动， superpowers 是 一开始就让它动得规范，一个兜底一个电机，双键合璧。第九个强力推荐， fronten design， 它专治 ai 生成网页时那个让人头疼的 ai 位。 你有没有发现，很多 ai 直接生成的网页长得都差不多？蓝紫渐变、背景、 inter 或 robot， 字体，机械的卡片布局。这背后的原因很简单， ai 只是在复现训练数据里最常见的模式。访谈的 design skill 的 高明之处，就是给 ai 的 创意带上一副料。靠 它强制要求 ai 在 写代码前必须先构思一个明确的美学主题，比如极简杂志风、复古科幻感或者柔和有机形态。 所有视觉元素，包括字体、配色、间距，都必须服务于这个主题。他甚至明令禁止使用那些泛滥的 web 安全字体和紫蓝渐变效果立竿见影。同样是做数据仪表盘， 起用后，页面不仅信息更清晰，在留白动效和整体氛围上也立刻有了专业设计师的感觉。他不增加功能，但他让功能穿上了一件高级定制的外衣。最后一个强力推荐，专治健忘 planning with files， 它解决的是 ai 在 长任务里最让人头疼的问题。写着写着就把开头忘了。你肯定有这种体验，让 ai 写一篇长报告，或者开发一个复杂功能。刚开始思路很清晰，可写着写着，它就偏离了最初的目标。 为什么？因为对话上下文太长，会被压缩，甚至丢失。 planning with files 的 解决方案非常聪明，他强制 clone， 在 动手前先把详细计划写进 taskplan 多 md， 每完成一步就更新进度到 progressadmi。 过程中发现的任何有用信息都寄到 fendi star md 里。这些文件都存在你的本地词盘上，所以即使对话中断，上下文丢失， cloud 也能随时提取这些文件，瞬间恢复状态。接着干，别被它开发向的名字劝退。 十个顶级 cloud code skills 的 作者特别提到，写长文的人一样会踩，写到后面忘开头这个坑，这个 skill 就是 你的防遗忘保险。好了，这十个超实用的 skill 就 分享到这里，记住，工具是死的，人是活的。最好的 skill 永远是那个为你量身定做， 解决你独特难题的那个。现在就去试试吧！

ai 圈呢，没有新东西，只有旧逻辑的新名字，所以呢，别被像 prompt， skills， projects 和 m c p 啊给糊住了， 今天我就用大白话一次性去带你搞懂，那看完之后呢，你就能够去轻松的跟上 ai 圈的节奏了。首先我们先说 prompts， 这个呢叫做提示词，主要呢就是去控制 ai 输出的一个基础工具，它的核心定义很简单， prompt 呢，就等于你去给 ai 的 指令， 比如下面这个场景，你说的内容呢，比如说像帮我写一段 java 代码，实现用户登录的一个叫验，或者是说用小学生能够听懂的话去解释什么是 jvm， 或者假设你是一个资深的 java 架构师，帮我设计一个高级可用的订单系统。 所以一句话去总结呢， problem 的 本质就是你去跟 ai 去沟通的时候的自然语言指令，或者是可附用的模板，核心作用就是去精准的去传递需求， 为模型呢去提供上下文和方向。另外呢，需要注意的就是 prompts 它是及时的，一次性的，除非呢，你刻意保存，否则呢，它是仅存在于当前的对话里面。 ok， 那 我们再讲讲为什么 prompt 会这么重要，为什么会有这么多的 prompt 工程师？因为 ai 它是没有读心术的，它只会去严格按照你给出的一个指令去执行，所以你的 prompt 的 一个质量会直接去决定输出结果。 那你的 prompt 如果模糊呢，那它的输出就是敷衍的，抓不住重点的。但是如果你的 prompt 写的很清晰，那 ai 的 输出就是很精准，专业度去拉满。如果你想验证呢，你可以用同一个 ai 去测试一下，比如说你可以用我现在给的模糊的 prompt， 比如给我讲一下 radis， 那 ai 呢，就可能是泛泛而谈，只去讲 radis 的 一个基础定义，但是没有实际的应用价值。但是如果你可以这么去写， 用 java 后端工程师的视角，结合高并发的场景，去讲一讲 radis 的 缓存策略穿透的解决方案。那这块呢，你就能够去聚焦后端的核心需求，从原理到实践，附带代码示意和闭坑指南。 所以这就是为什么 prompt engineering 会成为一个热门的技能，说白了，它就是去把需求讲清楚，说精准的一个工程化的能力。 接下来我们再去讲第二个部分， skills。 如果说 prompt 呢，是一个单次的一个指挥能力啊，那 skills 呢，就是模型可以去附用的专业能力包。什么是 skills？ ai 领域的 skills 呢，定义很精准而且明确， skill 就 等于 可附用动态加载的专业能力包，它的核心呢，就是通过结构化的流程以及知识去增强模型执行复杂任务的能力。 skills 呢，就是一组可以封装好的专业知识，操作指导和执行逻辑，包含了像指令、像方法、像脚本、像资源， 能够在多个对话或者项目中去重复的使用。那当模型判断需求匹配的时候呢，也会去做自动加载并且去调用。 另外需要特别纠正的是 skills 它不是给 ai 去装上工具，因为这个工具呢，更像的是一个 m c p 的 作用。而 skills 呢，更像的是专业手册加上操作说明，加上业务流程的模板，比如我列一些典型的 ai skills， 比如说像代码编辑，以及呢像长文本总结， 或者呢数据库查询。所以通俗理解， skills 就是 ai 的 专业工具箱里的标准的工具套装。举个例子，如果你常做精品分析呢，你可以去创建一个叫做精品分析的 skill， 里面包含了解锁数据的步骤、分析框架、输出格式和相关方法。 当你下达了竞品分析的需求的时候呢，模型会自动的识别，并且加载这个 skill 去辅助的完成你的任务。那用一句话去总结呢，就是 prompt 是 一个单次指令，而 skills 呢，是分装好的，结构化的 专业的解决步骤。所以为什么现在大家都会去强调说去配上这个 skill 呢？因为核心原因就是 ai， 它早就不是之前那种一问一答的聊天机器人了。 比如你以前你用 ai， 你 问一句，他答一句，主动权呢，完全是在你的手里的，需要一步一步的你去做引导。现在呢，用 ai 你 会不会发现，哎，你抛一个目标，他自己去猜步骤，去选技能，去落地执行。 那这个时候你关心的核心问题呢，已经从哎他聪不聪明变成了他能不能够精准匹配我的需求，把这件事给干成。而 skills 呢，就是判断 ai 能力边界的一个核心标准。那我们再讲第三个 projects， projects 呢，我们直译过来就是项目或者工作区， 如果再去给他讲的更明确一点，就是它是一个持久的上下文空间，那这个空间呢，就是 ai 去提升任务连贯性的关键设计，它呢，能够去把 ai 从一个碎片化的对话记忆升级化到集中化的 上下文管理。所以呢， ai 的 project 就 可以等于带有大的上下文窗口的独立工作区，用来去集中存放单一一个任务所需的背景资料，知识库、规则和文件。那模型呢，在这个项目范围内持续的去利用这些内容， 不需要去重复的上传或者解释背景。比如下面的这个场景呢，我都可以去把它定义为 ai projects， 像从零到一的拓客，开发，设计一套高病发的秒杀方案，开发一个自动生成 ufo 的 工具，或者呢，去搭建一套 ai 的 客户系统， 那这个关键区别就不再是问一句答一句的碎片互动。那更核心的是，一个项目里面就这 project， 它所有的这个上下文，这个背景资料是始终可用的，而且上下文呢，可能是有非常大的关联的， 这我们对比一下，就是之前没 project， 目前只能记住对话上下文的关内容，需要重复上传或者解释任何背景。那有了 project 呢，一个项目中的背景资料是始终可用的，向内部持久的去保存背景知识。 所以 project 不 仅仅是解决记忆的缺失，而且呢，能够提供一个空间让上下文啊长期有效。 那为什么 project 会出来呢？或者为什么 project 这个产物一些越来越重要？因为真实事业工作从来就不是一句话去解决的，一个完整的真实任务必然会包括几个环节，想要精准的去理解需求，拆解任务步骤以及选择工具或者技能 落地执行好，然后再是迭代修正，最后呢，交付最终的成果。而 projects 呢，就是把 ai 的 工作场景给固定化、集中化的一个核心主体，让复杂任务推进的更加连贯， 更加高效。 ok， 接下来我们再说 mcp 啊， mcp 呢，就是让 ai 真正的去揭露真实世界的一个关键，它的核心作用呢，就是让 ai 安全的去动手干活。 它的全称啊，叫做模型上下文协议，它呢就是让模型让 ai 更安全更规范的去接入到外部的数据源和工具的一个开放协议标准。所以呢，它通过标准化的接口来实现 ai 和外部资源的对接，也不需要为每个资源去编写定制代码， 从根本上能够解决大约模型无法去天然访问外部数据工具的问题。那这里的外部世界呢，就是我们真实 工作中会遇到的各类系统，比如说像企业内部的数据库，或者呢公司的业务系统 e r p， 或者呢各类的办公工具，没有 m c p 呢，我觉得 ai 啊就是纸上谈兵，所以呢，像他没有这个约束， ai 再聪明也只能是像是关在一个玻璃房的专家，能够出方案，但是没法去落地执行。 比如他做不了去查询你内部数据库的东西，或者呢直接调你的一个业务接口，或者呢直接去帮你去写表格，填代码，写文档以及把它下载下来。而有了 m c p 呢， ai 才能去合法的、受控的，可审计的去接入这人世界的资源，并且动手干活， 这就是企业级 ai 应用的一个核心前提。另外还要值得去提的就是 m c p 解决的核心问题啊，是可控性，企业用 ai 最担心的不是说 ai 不 聪明，而是 ai 呢，乱干活。那 m c p 的 核心价值呢，也是去解决这个可控性问题。 具体来说呢，它能够去保证去不乱调用接口，不乱去读数据，不去做越权的操作， 以及呢，操作可以去追溯。所以 mcp 的 本质啊，不是让 ai 更加聪明，而是让 ai 具备连接真实世界能力，能够成为真正落地的企业级工具，可靠可控，可对接外部资源。那我们再回过来看看啊，就是从 prompt、 skills、 projects 到 mcp 啊，单看每个概念都会有个散，但把它串起来，你就能够去理解 ai 工作的完整逻辑了。 prompt 呢，就是你通过自然语言精准的去告诉 ai 你 要做什么，要什么，结果 这个呢，是启动信号。首先就是让模型去听懂需求， ok。 再说 skills 技能包， ai 呢，根据指令，从专业的能力库里面挑选封装好的流程知识，比如说像竞品的分析框架，代码的编辑规范。然后再去到 projects， ai 在 专属的这个持久化的 空间里面去推荐任务背景资料，中间成果是远程可用的，无需重复沟通， ok。 再是到 m c p， ai 通过标准化的接口，安全地去接入企业的数据库、云盘等外部资源，落地执行真真真实的一个业务的操作。 所以最后让我用一句话去总结呢， prom 呢，是让模型听懂指令， skills 呢，是让模型做设的一个专业流程。 projects 呢，是模型工作的专属空间，和 m c p 是模型连接真实世界的桥梁。那以上就是我今天的一个从 prompt 基础概念最后到呢 m， c， p 的 这样整个的一个介绍。 当然除了这四个概念以外，我觉得 ai 领域的新词会越来越多，那今天的黑化呢？可能会变成明天的基础概念，但无论出现多少的黑词新词， 判断他们有没有价值的标准只有一个，是他能不能去帮你把事给干成，把效率给提上去。所以呢，不用为了去懂黑化而懂黑化，能精准的去理解概念，用好这些工具，让 ai 成为你的得力助手，才是你的最终的一个目的。 ok， 那 如果你也想去了解更多的 ai 底层逻辑啊，也想与更多的一个 ai 爱好者同行呢？也欢迎去加入我的江学长 ai 学习圈，感兴趣的朋友可以在评论区回复安排。

如果你最近开始用 ai 工具，一定会越来越常看见一个词，就是 getop， 就 别人给你发一个开源项目教程，让你去 getop 上面去下载 ai， 也经常让你看 readme， store issue。 很多时候很多人打开一开始就懵了，这不是程序员看代码的地方吗？ 所以说这期我不会讲一些 getme， 也不会讲怎么写代码，我只想讲普通小白怎么用最简单方式去看懂 getop。 ok， 大家好，我是 fred， 专注从普通小白的视角分享怎么从零开始用 ai 和 web 口令提升自己的工作和生活的效率。 你会越来越常看到 github， 是 因为很多的 ai 工具插件，包括自动化脚本和开源的软件，都会把说明、下载、更新和问题反馈在这里。 对于普通小白而言，你可以把 github 理解为四件事，就是一个是找工具的入口啊，别人做好的工具 以及项目的说明书和使用前的这种判断的材料。所以说你要看的不是说哎这个项目代码写的有多厉害，而是这个东西有没有人维护，要不要账号，要不要权限，会不会碰到你自己的文件和数据。这样理解就比一个所谓的代码网站要好，理解非常多。 就很多人怕吉他，是因为他第一眼确实看起来很不友好，全英文的网站对吧？英文的文件名、按钮、标签、技术词就一下子全部堆在你面前。但是实际上你不用从代码开始看啊， 就更简单的方式，你把 github 当成一个工具的详情页，就像你看一个工具之前，你会先看它是干什么的，怎么用，别人有没有反馈，以及最近有没有更新， github 也是一样，所以说你不一定要会照这个工具， 但要会判断是它是不是你想要的，值不值，是，然后以及能不能让 ai 帮你先读懂。就如果用大白话来讲， github 就是 一个公开的一个项目主页，一个 github 的 仓库就是一个项目页面， 你要你先不用把它想成一堆代码，也不用着急去下载，而是把它当成一个工具和这一个项目的主页，它会告诉你这个项目叫什么，想解决什么问题，谁在维护，以及最近有没有更新， 所以说这一页只需要记记住这个理解就 ok 了。就仓库不是一个神秘的文件夹，它就是一个项目的页面， 而当你打开一个 excel 的 一个主页啊，其实就长这个样子，第一次打开这个项目，就你不用试图把所有的文件去读完啊，你就少这四个地方。第一个就是项目的名称 啊，然后一个一计划的简介，确认它到底在解决什么问题。第二，你可以看 readme 的 这个文件，它就是你的这个项目的使用的说明。 第三，你可以看它的 star， 就是 有多少人给他点赞啊， fork 就是 有多少人复制出来，以及最新的一些更新的时间，知道有没有人关注，以及最近是不是还在更新和改动。 然后第四个就是你可以看它的 issues， actions 和 release， 就是 看有没有问题的反馈，运行的记录和一些稳定的版本。就大家要注意的就是就 starts 很 高，只能说明它热度高，但不一定代表就它真的很安全，或者不一定代表它真的适合你， 然后呢？刚刚那一页解决的是看哪里？那我们这一页解决的就是要不要试的问题，你可以直接问三个问题，就是第一它到底有没有解决我的问题？ 第二就这个项目到底有没有日常在更新一个二三年的项目，你可能完全不需要再去参考了。比如说第三，那就是我能不能先用一些测试的文件去小范围试一下， 如果前两个问题都解释不清楚，那就不用再花时间了。如果第三个问题也说不清，那就不要直接拿一些真实的文件，真实的账号或者一些重要的数据去跑， 这样你去看 guitar 的 时候就不是在去学一些技术的名堂，而是在做一个普通人的一个使用的一个判断， ok。 然后我觉得现在真正去降低 guitar 门槛的一个地方就是在于大家可以用 web coding， 因为你不用自己去硬读这种英英文的文档啊，你可以直接让 codex 去帮你把 guitar 翻译成你能够看得懂的一些话， 比如说你可以这样问，就是我不是程序员啊，就能帮我去 github 上面去找一些能够批量整理 pdf 表格的工具， 然后以及让它不要只给我链接，能够帮我去判断说它到底能做什么，怎么安装和使用它的 star 数，更新时间和依据，说明什么，然后会读取什么文件数据，有没有一些联网或者权限的风险，然后以及怎么去验证。 所以说这样子 ai 给到你的就不是一堆项目的链接，而是一个能不能用，怎么用，以及哪里需要小心的这样一个判断报告。 然后这里还有一个关键点就是你不要一开始就去搜很多的技术词，就很多小白会直接说，哎，帮我去找那种拍摄的爬虫，或者帮我去找一些什么项目，但实际上你完全不需要懂这些。更好的顺顺序是先说你想要批量整理 pdf 的 表格， 我要把视频转字幕，我要自动汇总一些公开的网页信息，然后让 ai 去找后选项目，然后让他去读懂 readme 和一些视例，然后再最终用一些测试的文件和脱敏的数据去跑一个小样，跑通之后再考虑自己要不要接入自己的工作流。 然后呢， github 也不只是可以放代码，就比如说之前我自己做了一个 store map 就是 门店信息的这种项目啊，就本质上就是把门店数据整理出来，再变成一个前端的看板。 那这种项目就可以在 github 上面去管理， pages 去发布页面， action 是 可以定期的更新， issue 是 去记录问题， release 去记录稳定的版本。所以说 github 也不是是程序员的一个代码仓库，它完全可以是我这样一个小白做这种清亮的项目的一个管理和发布的入口。 所以说最终总结一下，第一，把 gitap 当成一个项目的主页，不用先被这种代码啊去吓住。第二就是你可以看一些项目的名称， read me， 更新时间，然后再决定要不要试。 第三呢，就是你可以让 code 去帮你翻译成你能看懂的话，然后再用一些测试的文件和托米的数率数据去去验证。 最后呢，就是非常想强调一个点，就是免费开源就不等于它可以直接去运行，如果涉及到一些敏感的文件啊，账号啊，你的 api key 啊，或者一些权限啊，一定要让 codex 或者 cloud code 帮你解释清楚它会做什么，再决定要不要继续。 ok， 我是 fred， 后面我会持续用一些真实的案例告诉大家怎么把 ai 用到自己的工作流，我们下期再见。

很多朋友都在问的三 d 建模拍源项目，统一说明一下，就不一一回复了。简单说下使用方法，下载项目后，安装 cad 对 应的 python 相关依赖配置完成即可上手 搭配任意 ai 智能体，就能自由创作 ai 模型，性能越好，建模效果越出色。 ai 生成三 d 建模没办法一次做到完美，需要慢慢微调优化。建模完成后，可直接打开项目自带的 cad 网页，在线预览查看 c、 a、 d。 想要局部调优的话，网页上每个模块会由 s c、 a、 d 拷贝后发给 ai 修改即可。关注我， ai 不 落伍。