skills如何调用mcp
agent skills 最近的热度真的太高了，如果说 m c p 定义了 ai 调用工具的规范，那 skills 就 能让大模型将复杂的任务按规定的流程稳定运行。现在不少国内的 ide 都将 skills 集成到了自己的工具中。本期视频我会以 code 为例， 介绍什么是 skills， 以及如何通过 code 加上 skills， 让 ied 的 能力再上升一档。 skills 由三块内容组成，原数据、指令以及资源和代码。原数据用简短的描述说明了这个 skills 是 干什么的。 这部分数据会始终加载到模型的上下文中，原数据的内容很少，意味着可以同时配置很多的 skills， 而不会产生太大的上下文成本。 第二部分是指令。如果大模型觉得应该使用这个 skill， 这部分指令的内容才会被加载到上下文中。指令中会存放这个 skill 的 主要内容， 比如这是一个处理 pdf 的 skill， 指令部分的内容就定义了拿到一个 pdf 后如何处理 pdf 的 方式。指令和原数据都会放在 pdf 文件中。第三部分是资源和代码，在第二部分的指令中可以引用其他的文件， 比如要使用高级功能，就让 ai 去读 reference dmd， 要填写表单的话就读 form dmd 也可以指定当遇到某种情况就运行某个脚本，脚本一般都是拍存文件或者是有脚本， ai 会直接拿到运行之后的结果。通过这样一个 skill， 能让 ai 直接多了一个遇到 pdf 之后的处理能力。 同理，我们还可以写数据库迁移的 skill， 但把 review 的 skill 或者视频文案标题分面全部自动生成的 skill， 接下来就是怎么把 skill 在 ai 版本。先来看 ai 版本， 比如我现在想把这个 pdf 的 skill 做成用户级的能力，就在这个目录下创建 pdf skill， 里面放的就是 skill 相关的文件了。我现在手上有一个 pdf 文件，我通过这个 skill 让 code 将 pdf 转成图片，一行说明，直接搞定，完全解放双手，把 skill 集成到 id 中就更好用了。 code ide 最值得关注的特性就是它的快捷模式，这是一种完全的自主编程能力，特点就是无需持续人工介入就可以长时间持续执行。现在这个功能也可以通过 skills 扩展自己的能力了。就以这个 pdf skills 作为例子来演示，如果只想在当前项目下使用 skill， 就 可以在项目的点 code skills 目录下将刚刚这个 pdf skill 放进去。 现在我们要做一件事情，通过快捷模式模仿叉叉 u drop 生成一个定时任务管理页面，再通过 pdf skill 直接将产品使用文档整理成一个 pdf 文档。快捷有三套不同的模式可以选择，选择的场景不同，执行的方式也会不一样。我们这次主要是做个网站，那就选择构建网站就可以了，如果要做复杂项目的话， speak 会更加严谨。 另外，快捷模式还支持本地执行、并行执行和语音端服务的执行，我们这次就选择本地执行。快捷在执行前会自动根据需求对任务进行拆分。我们刚刚已经把 pdf skill 配置到项目中了，可以看到任务的最后一步就是通过 pdf skill 创建用户使用文档 quets 对 skill 的 支持是内置的，只需要把 skills 放到对应的目录中， quets 在 执行的时候就会自动去调用。现在通过前面五步任务，一个 web 项目就生成出来了，大家可以看一下生成的效果。第六步，通过 pdf skill 生成的文件也放在了项目目录内，内容十分详细。 代码能自动生成， pdf 文件也能通过 skill 自动生成。现在你就得到了一个完整的权限项目， 以及一份完整的产品使用说明。 pdf 文档所有你能想象出来的，能用代码写出来的功能，现在都可以作为一个个 skill 了。另外，如果你长时间使用 quick 做项目，会发现它对项目的理解会越来越深，这其实是 quick 的 一个技术突破点，可以做到自主进化，快速学习。以上就是本期视频的全部内容，我是鱼仔，我们下期再见。
粉丝9.3万获赞105.4万
相关视频
02:22查看AI文稿AI文稿五个 skills 高级使用技巧和思路，今天分享给大家。第一个，流水线，比如我创建了一个视频团队 skills， 当把文字稿发给 ai 并调用这个 skills 后，它会按设计执行文件中的指令。第一步，先优化文案，第二步，给文案写脚本。第三步，给摄影师拍摄。每一步都可以有详细的要求，对于流水线式的工作流特别友好。 第二个，信息获取。假如我想让 ai 帮我写一份调研报告，可以在 skills 中嵌套网页搜索、 github 搜索，并且写入文档或者数据库这些 mcp， 最后生成完整的报告文档。它的优势就是 skills 加 mcp 组合，让 ai 不 仅有思考，还能有执行能力。第三个，项目管理。 我们可以让 ai 记住当前项目中你的所有要求，比如甲方讨厌红色这个项目不用某个技术路径，这样可以避免我们曾经在项目中踩过的坑。 在多轮对话后，依然可以。在提出新想法时， ai 会先回想这事跟之前的那个要求有没有冲突，如果有，他会提醒你。第四个，修正专家， 它可以自动把你的大目标拆分成若干个小任务，如果解决了哪个小问题，会主动引导你解决下一个问题， 让你和 ai 都对项目的进度清晰可见，集中注意力，尤其是在写长篇小说和商业计划书的情况下，效果会非常好。第五个，竞品情报员， 它可以监控竞品的网站和实时数据，利用 m c p 脚本规定一个定时采集任务。最后总结为一个文件夹，对于电商、全品电商运营帮助都非常大。以上五个使用方法只是给大家开拓一个思路，我们具体用的话，可以先跟 ai 描述你的需求， 再让 ai 去帮你写规范的 skills 文件格式。在前期打造 skills 的 时候一定要有耐心，越复杂的 skills 调试的次数也会越多，因为每个人需求都不同，在这里我没法给一个准确的文案，实在抱歉。 如果感觉对你有帮助，还请点赞关注，感谢支持！下个视频我们再说新手写 skills 容易踩的几个坑，我们下个视频见。
04:40查看AI文稿AI文稿从零自学 ai 之 agent skill， 这次吴文达联动 anthropic 官方一起出了一个一小时讲透 agent skill 的 官方教程，我也用 notebook lm 帮我一起学习了一下，今天我会总结里面三个关键点分享给大家。 首先第一个官方给到了一个官方的 skill 库，这个在 github 里面，这里面我们可以看到有非常多比较丰富的这些 skill， 包括像文档、 ppt、 pdf， 还有 excel 等等这样的一些很好用的大家经常用到的一些办公软件。那强烈推荐大家去再下载一个叫 skill creator 的 这样的一个， 它可以帮助你自己自定义和创建更多更好用的一个 skill。 那 这个 skill 的 一个安装方式很简单，我们就在 github 里面把它的地址复制下来，我打开 cloud， 我 们在这个里面直接啊把这个地址复制给他，我告诉他安装这个 skill， cloud 就 会直接帮我们去跑这个任务，我就直接可以把它安装到我们的 一个电脑里面，你可以看到这里面它的这个 skill creator 就是 一键安装了。第二个值得分享的呢，是这个课程里面举了一个例子，去解释多个 skill 加 mcp 怎么样组合构建成一个成熟的工作流。那这个里面举例了一个，就是 通过最原始的一些营销数据，那最终能够输出一版符合公司整体 ui 标准的 ppt 这样的一个例子， 它像有一个这数据分析的 skill， 再加上一个这个 company brand skill， 也就是符合公司品牌 ui 的 这样的一个制作 skill， 再加上 ppt 的 这样一个 mcp 能力，那最终它其实在这个里面一步一步带着大家去解释了 如何去生成这些 skill 和这个 skill 是 怎么工作的，那最终就可以看到我们可以通过一个原始的数据最终输出。这个例子里面举例了向右边这样的一个完整的 ppt， 而且是符合公司标准的一样的一个 ppt。 之所以 skill 这么好用，我觉得也是因为 skill 和 skill 之间是可以相互串联的。那我之前其实是出了一期关于怎么去一键拆解爆款脚本也好，口播也好，我其实也是串联了两个 skill， 第一个是视频 内容提取 skill， 另外一个是它可以去针对一个原视频，它能够去进行视频内容整体的一个分析和提炼的 skill。 那 这两个 skill 加到一起，我们就可以实现 给到 ai 一个视频链接，它能够自动帮我们去解析里面的内容。在官方的教程里面也举了这个例子，我觉得还是蛮重要的，这样可以让我们的 skill 话说非常多的话，解决我们很多的复杂问题。 第三点我觉得很值得分享一点，这个教程里面它让我这个文纯文科生小白理解了为什么 skill 这么好用，它解决了哪个很关键的问题。这个里面可以看到竹子稿里面还有提到 skill， 它其实我也有几轮交互， 就是他会提到说健宁市批录的好处是不占用这个 ai 的 上下文窗口。什么是上下文窗口？上下文窗口就是 ai 的 一个大脑的短期记忆， 那我们可以把它理解成一个办公桌的大小，我们所有丢给 ai 的 这些提示词或文档数据信息，包括 ai 返回给我们的这些内容，它其实都会占用这个桌面上的一个空间。 那如果我们不使用 skill 的 话，我每次想让 ai 去分析营销数据，我们必须都写下一长串的这个提示词，就在还没有开始工作前，可能我们这样的一些数据啊，这些提示词就已经占满了整个桌面，就没有什么空间返回了，占用了这个上下文窗口之后，会放大的影响 ai 的 工作效率。 所以在渐近式批录，其实我觉得更简单易懂的一个叫法应该叫做按需加载，它可以比较省空间，而且说白了就是能省偷懒，省钱，就不用每一次都是把长篇大论的这个提示词塞给他。 ok， 如果有对这个视频的逐字稿和重点感兴趣的同学呢，可以进群讨论。那现在 skill 确实是我用非常多的一个工具，那如果你还不会用 skill， 可以 看我这篇视频已经帮助很多小白成功安装上了，走出了自己的个人 a 阵的第一步。 那到最后我还想有一点碎碎念。在看这个视频课程的时候，我有一点我还挺感慨的，因为这个讲解的小哥，他应该是 antarctic 的 官方工作人员， 他讲解的其实是用了这个 cloud ai 客户端产品去做演示，但这个产品因为现在是国内是不能用的， 所以我就会感觉还挺有落差的，因为我知道现在国内我自己也用过嘛，去用这一套 agent skill 其实还是挺麻烦的，有一些成本。当我看到他演示的那一套 cloud ai 的 一个桌面端，看起来非常的丝滑好用，非常可交互，就是一套可交互的纯面向小白的一个 agent skill， 包括刚刚所有官方推荐这个 skill 已经内置好到这个应用里面了，所以这里面还是心情还挺复杂的。我觉得在二零二六年发生这种事情还是挺离谱的， 但是我觉得也就这两年了，希望国内的这些大模型再加把劲，让我们这两年能够更快的用上国产的这样的一些大模型。好了，我是小姚，如果你对自学感兴趣的可以关注我，拜拜。
195科技小妖
01:20查看AI文稿AI文稿m c p、 skills、 sub agents、 cloud、 ai 的 这些新概念有没有把你绕晕？别急，一个视频带你理顺它们的核心用途和区别，让你使用 ai 更高效更省 tool。 我 们先来看一张图， 如上图所示， m c p 负责发工具，它让 ai 能碰到外部系统。比如读数据库叫 api， 这是给 ai 发工具。 skills 负责用工具，它告诉 ai 拿到数据后该怎么用，比如怎么算增长率，怎么生成报告，这是教 ai 怎么用工具。 skills 和 m c p 这两者是配合关系，那三百 h 原子又是什么？简单说就是派人干活， 遇到审查整个代码库这种耗时的大活，别占用当前对话，派克萨姆 a 剪子去新绘画里跑，跑完只把结果带回来。那重点来了，为什么 skills 比 mcp 更火呢？关键原因在于 touke。 mcp 就 像把工具全挂在身上，比如一个 github 的 mcp 预加载就要吃掉几万， touke 太贵了。 而 skills 是 按需加载，平时只记个目录，用的时候才读取详细内容，门槛极低。 最后送大家一张选型心法，一次性任务用 prompts， 重复工作流用 skills 要连外部数据加 m c p 复杂独立任务派 sub agents 关注我，解锁更多实战技术干货！
75稳哥的技术笔记
03:32查看AI文稿AI文稿agent skill 能替代 mcp 吗？一个视频给大家说明白啊。咱们先说什么是 mcp， 我 举个例子啊，比如我现在开发了一个旅游出行智能体啊，我要实现查询路线，查询天气的功能，怎么做呢 啊？传统的方法就是我可以调百度地图，高德地图的接口啊，然后把这些接口呢封装成一个我的智能体的工具，那这样功能就实现了 啊。但是问题又来了，我这一个系统我得调很多的接口，比如获取新闻的接口，自然灾害预警、景区关门停业信息啊等等啊，每一个接口我都要开发一个工具，这太麻烦， 而且市面上也不止我这一个系统啊，每个系统都用这些功能，都需要开发自己的工具，那这样大家都麻烦，这时候 m c p 出现了啊， m c p 呢，叫模型上下文协议 功能，简单说就是就以前我获取这个天气信息，我需要调接口，以后呢，我就用高德百度的 m c p 就 行了啊。 m c p 和这个传统调接口的方式对比呢，就是配置简单了，代码减少了，甚至不用代码也能用了啊， m c p 就 这么简单啊，所以朋友们， 你要是扣字眼的话，什么模型啊，上下文啊，什么协议啊，那就容易蒙啊。但是你只要记住一句话， m c p 就是 让智能体更方便的调用第三方工具就完事了，就这么简单。好，那大家知道什么是 m c p 了，然后咱们再说 agent skill 啊，还是用这个旅游出行智能体这个例子。那我现在开发这个智能体一段时间之后呢，我发现系统功能越来越多，工具也越来越多， 那介绍工具的文档就越来越多呀啊，文档它是占用大模型上下文的，上下文太多，它就影响智能体的智商，就甚至有的时候这个智能体都蒙了，我说该掉哪个工具啊，他自己都不知道了。那这个时候 a j 的 skill 又出现了 啊，用户呢，就不用写那么多的工具来完成任务，而是把这些任务放到一个个 skill 的 目录里面啊。那这个 skill 呢，可以自己写，也可以复制第三方的，拿过来就能用，特别简单。 那我前两期视频讲了这个 agent skill 的 基本概念和用法，大家感兴趣可以上我前两期视频看看啊。总之就是 agent skill 和传统的智能体工具对比，上下文也减少了，性能也提升了，准确度也高了，功能也扩展了啊，反正就是厉害 啊。那这个 agent skill 能替代 mcp 吗？那刚才咱也说了， mcp 是 为了更方便地调用第三方的工具，而 agent skill 它目前主要优化的是本地的工具， 所以它俩现在干的不是一个活啊，就没法替代，最多也就是互补。第三方的工具呢，交给 m c p， 本地的工具呢，交给 agent skill 来调用啊，或者说是直接把工具写到这个 agent skill 里面。所以现在呢，就二零二六年一月份， agent skill 还不能替代 m c p， 但是未来 不好说。如果大家都觉得这个 skill 太好用了啊，改成提供 skill 的 服务了， 那就可能替代啊，就比如高德地图啊，百度地图啊，他们在自己的官网上发了一个打包好的 skill 目录啊，大家只要拷贝到自己的项目里啊，复制粘贴啊就能用，那这样 skill 不 就把 mcp 给替代了吗？ 啊，所以能不能替代它其实不是一个技术问题，主要还是看第三方应用支不支持，支持就能替代啊，不知道大家感觉以后这个 skill 能不能替代 mcp 呢？啊，我感觉有一些希望啊。 那这个就是 m c p 和 skill 的 关系。那今天咱们就聊到这，下期视频我再说说 ai 编程啊， web coding 的 内容，大家感兴趣的话可以关注一下啊，我是小周，咱们下期再见。
1769晓舟报告
02:34查看AI文稿AI文稿用人话一次讲清 skills agent mcp 到底是什么？很多人一听到 skills agent mcp， 脑子直接炸了，感觉全是新名词。但你用人话理解其实很简单， skills 像是给 ai 装技能包，比如写代码、做 ppt， 处理 excel， 生成图片、分析文档。 它解决的是 ai 会不会做某一类事情。你可以把 skills 理解成一个员工掌握的专业技能，会写代码就是代码 skill， 会做设计就是设计 skill。 但注意， skills 只是能力，不代表他会主动完成一整套任务。 agent 像是一个会自己推进任务的 ai 员工，你给他一个目标，比如帮我做一个网站首页。普通 ai 可能会问你要什么风格，要几个模块，用什么技术。但 agent 会自己拆任务， 先分析需求，再设计页面结构，再写代码，再运行项目，再发现报错，再自己修复。所以， agent 解决的是 ai 能不能像一个执行者一样，把任务往前推进。 skills 是 会什么？ agent 是 能不能自己干活？ m c p 像是给 agent 接外部工具的插座。 agent 再聪明，也不能凭空知道你的数据库 figma、 设计稿、浏览器报错接口、文档、项目日制。这时候就需要 m c p。 m c p 的 作用就是让 ai 可以 连接外部工具， 比如连接飞格玛，获取设计稿、连接浏览器，查看页面报错、连接数据库，查询真实数据、连接文档库，获取最新 e p i 文档、连接日制系统定位后端问题。所以 m c p 解决的是 ai 能不能访问外部世界。你可以这样理解， skills 是 技能， agent 是 员工， m c p 是 工具接口。举个例子，你想让 ai 帮你做一个后台管理系统，如果只有 skills， ai 可能会写 vio， 写 java， 写 cqo， 但你还得一步步告诉他怎么做。如果有 agent， 他 就能自己拆解任务， 先建项目，再写页面，再写接口，再连接数据库，再测试。如果再加上 m c p， 它就更强了。它可以直接看你的 figma 设计稿，查你的数据库表结构，读你的接口文档，打开浏览器，看页面哪里报错，甚至读取服务器日制。这时候， ai 才真正接近一个能干活的虚拟员工。 所以，一句话总结， skills 决定 ai 会不会 a 阵机决定 ai 会不会自己推进， m c p 决定 ai 能不能连接外部工具。没有 skills， ai 没专业能力。 没有 agent， ai 只能被动回答。没有 m c p， ai 就 像一个不能联网、不能看资料、不能碰工具的员工。未来真正有价值的 ai 工作流，一定不是单独靠一个模型，而是模型负责思考， skills 提供专业能力， agent 负责执行任务， m c p 负责连接工具和数据。这才是 ai 从聊天机器人变成数字员工的关键。
20:12查看AI文稿AI文稿大家好，最近基本上主流的 ai 编程工具啊，都开始支持这个 a 型的技能了，那么你在各个社交平台上也经常能看到关于技能的一些知识点，如果你对这个技能非常感兴趣啊，也感到困惑或者想去了解，那不妨来看看 本视频，那这个视频呢，会从四个方面来讲解一下技能相关的知识点，那第一个就是什么是技能，第二个就是怎么去创建和使用技能，第三个就是技能的有哪些风险。第四个呢就是技能跟以前我们的命令和 m c p 之间有什么区别？ 那本视频呢，会从一个场景开始说起，重点会来讲解一下什么是技能，那技能是从无到有是怎么变出来的，来带大家更加的去了解技能的一个过程。那首先呢，我们来讲第一个什么是技能，那讲这个之前呢，我们把脑子里面所有关于技能的这个点全部摸出掉， 那么我们回到最远处最干净的时候，我们跟 ai 是 怎么去对话的？那这里面会有三个这样的东西啊，第一个是叫 ai 编辑工具，也就是你使用的工具，那第二个就是上下文，第三个就是大模型，那通过 ai 编辑工具来去跟大模型去交互啊，然后会累积保存这样的上下文， 那上下文的作用是让大模型记住你说过的话，那么第一个需求就是我们让大模型来帮我们做一个这样的儿童服装的这个网页，那么我们也把这个功能 啊说了一下，对吧？然后在我们的上下文里面就会有系统自带的提示词，就是你这个编程工具肯定是有一些提示词在里面的，方便他去输入代码， 他收到你的需求之后，然后好就去开始去产生代码了，产生完成之后你就会发现他这一版生成代码页面可能是不符你的要求啊，比如说这个颜色不对，或者说你这个元素的间隙是不是太长了， 那这个时候你可能会去再一次的对话，去让他去调整，对吧？你会告诉他来给我调整一下这样的颜色，调整一下间距， ok， 那 么你的上下文是不是增加了？就是你这个 记忆是不是增加了？你是不是在跟大模型之间交互的时候，这个上下文他是有个致命的缺点，就是他是有上限的，比如说上限文只能最多只能存一千个字，那么一千个字完了之后啊，他就要去压缩啊，把它压成五百个字，或者这个类似的。 ok， 我 们继续啊进行第二次调整，你会告诉他要调整颜色，调整其他东西，他收到之后也会再一次去修改代码，然后返回给你。那么你发现还有问题，这个时候你有可能说，好吧，那我就把我所有的要求， 我就把它写成一个规范的文件，对吧？放到一起，那你一次性能够全部加载出来，或者全部都给你。那么在刚开始的时候，第一步的时候可能你有使用的经验，你会在这里面就会告诉他，哦，我需要什么颜色，我需要什么样的布局，那么也可以，但没也没问题，是一样的意思。 ok， 那 到这一轮的时候，你就把这个你的规范，对吧？总结成一个文档了，那直接丢到我们的上下文里面，直接发给他啊，他去阅读你所有的你的要求之后，那终于把这个网页给你做出来，符合你的要求了， ok， 没问题，这个事情到现在还没有结束， 那么在你接接下来的这个任务跟 ai 的 对话中，也会给他产生很多对话，其他的任务跟这个设计是没有关系的，对吧？然后多人对话之后， 他就会发现，哎，我的这个上下纹长度快满了，对吧？快到一千个字了。举个例子，一千个字了，快要满了，那他还会做什么事情？他这个编程工具会做什么？他就会去自动去压缩， 把你这里面给他对话过的所有的历史记录，包括他返回来的，包括你发过去的所有内容呢？进行一个压缩，那很有可能这个压缩就会把你刚刚说的这个设计规范还有一些注意的点给压缩掉啊。比如说你这个设计规范是 两百个字，他一下一压缩就变成五十个字了。这个时候恰好你在某个阶段，你让他去重新设计一个页面，新开一个页面啊，比如说你要做一个产品列表页 啊，大拇指收到你的需求之后，那么他就会去开始干活了。但是这里面有个非常大的问题，他已经忘记了你这个， 或者说他已经只记得部分，因为压缩了吗？这是个不完整的这个设计规范，那么他申请出来的页面又会跟之前一样产生一些问题。这个时候你是不是要回到我们的对话一里面去，又要告诉他啊？你要去调整这个颜色，你要去调整什么？什么反反复复的， 你调这一次你修改完之后啊，你接着再再去迭代能剩下我一压缩又又出了一些信息，那你又要重新再来一遍，对吧？你第二天你要去做这样的工作，第三天要做反反复复的，那么这个时候你可能会说 有什么样的东西能让 ai 记住我的设计规范，在我需要它设计的时候，它就能把这个规范调出来来使用，而不需要我反反复复的去去调教它，最关键是怎么去解决它失失意，对吧？那么 这个就是技能的这个最主要的作用，那么在这个技能的定义里面是有一个标准的一个结构的，比如这个是技能的名称， 尽量是使用英文，然后的话这是 scare 点 md， 那 这个就是技能的说明书，来告诉大模型怎么来使用， 那下面这些就是它引用的一些脚本资源文件和这些东西了，好吧，我们先了解一下，就是我们有这样一个技能结构，技能能解决这个问题，好吧？我们来优化，我们把我们的是前端的一个 这个设计的这个流程，我们把它定义为 friend design 这个一个技能名字，然后这里面有 skill 点 md， 来告诉描述 这个我的这个规范应该怎么去设计，对吧？然后还有一个这样的规范的一个文件详细的内容。那么在这个 skill 点 md 里面那是有一个非常重要的两个点，就是你需要在里面写啊，我是谁？就是来介绍一下我有什么用处？那这两个 在整个这个交互里面叫做元数据，就是你技能的元数据，那么按照我们现在所有的 ai 编辑工具啊，都会在你对话之前 啊，或者说每次对话的时候都会去把这个技能的这个元数据这两个东西啊，这两个名字和描述 加载到这个上下文里面去，不需要你去手动去告诉他，他会默认加载进去，跟这个系统提示词是一样的，他是不会被压缩的，但是一直会存在，每次都会刷新你新装一个技能，那你在下次对话的时候，他就会把这个新的技能技能的这个元素去加载到这里面去， 那么在他上下文里面就永远会存在这这两个东西，那么你在这种情况下，你再去让他去设计一个这样的共这样的一个网页那大模型，就会去 看到你这样的数，看到你看到你这样的需求啊，他就会去分析了，他说，哎，说到你这样的需求之后，他就会分析，哦，原来你是要涉及网页，那么在我的上下文里面，或者在给我的这个提示词里面是不是有什么样的技能的描述跟你这个需求是匹配的， 哦，发现原来有一个叫 flunk design 的 这个技能的这个描述跟你这匹配的，他就会去让他就会告诉这个 ai 编程工具，把这个技能的说明书发给我看一下。 ok， 那 编程工具收到这个要求之后啊，就会把这个 skill md 这个说明书放到我们的上下文里面去， 看到没有？第一步，在第一步默认的这个上下文里面是没有这个 scale md 的， 它只有 scale md 里面的两个东西，一个 name， 一个描述，就这两个东西， 那第二次第二轮的时候，他发现有这个任务，这个技能能够匹配到，他就会把这个 scale md 放到上下文里面去，让大模型来阅读啊。大模型拿到这个 scale md 之后，然后开始阅读里面的内容。好，这个就是你的说明书了，告诉他要使用什么样的规范， 他发现你这里面有引引路的这个文件，这个比较 design md 是 你在 skill md 里面的一个引路的一个外部的文件，告诉他啊，这是一个设计规范， md， 如果要设计的话，你去阅读这里面的内容， 那么他读到这个 skill md 这个要求之后，他就会让 ai 编程工具把这个文件 design md 发给我看一下。 ok， 那 这一步就是他就会把这个 design md 的 内容了。 整个过程你没发现吗？整个过程是静静式加载的，你可以认为是按需加载、懒加载，他不是说第一次我就把他咔咔咔把这个里面的文件全部放到上下文里面， 这是非常关键的，也是他最重要的一个特点，叫静静式批录，他通过你的技能的描述，然后来加载不一样的他需要的文件。 所以我们再回到整个技能的这个标准结构里面，你就可以看到它为什么会说 scale md 是 必须要的这个文件，然后的话这边还有脚本，还有这些引用的文件或者资源，这些都不是必须，但是这些东西一定会在这里 scale md 里面去 被说明被引用，告诉他告诉模型怎么去引用这个脚本，怎么去引这些资源啊，所以他是一个一个说明书，那么到了这一步之后啊，就他就拥有了这个能力，他设计出来的网页就是个完完整整符合你的要求了。 他不管在任何时候你叠带了多少次的对话，不管他怎么压缩，他每次对话都是能把这个给加载进去，然后重复这个过程， 所以他是一定一定是必定会匹配上的，必定会按照你的技能来去执行这个流程，不会说因为上下文的压缩而去失去这样的能力，所以这是最最最关键的一个东西。 那么在这里在到这一步的时候，那技能已经你已经做好了这个技能，对吧？你已经做好了这个技能，那经过很多次迭代之后， 你就会拥有一个属于自己的前端技能，比如说举这么个例子，比如说你是一个专门做设计的，那么可能你就会 diy 出来，哎，服装公司的这个官网设计规范是什么样子的？好？是政企类官网的设计规范是这个样子的， 那么这边有资源文件、脚本文件，那么在你这个 scared md 这个说明书里面，那么你就会告诉大模型啊，如果他要我设计的是服装类的，那请你去读取服装类的这个规范文档吧。啊，如果是正企类的，那么就让他去读正企类的或者是其他的， 那就形成一个非常好的一个分支分流的情况，那就能很专业的去完成这样的事情。所以技能你发现没有技能它是帮你去限定一个这样的一个框架， 然后去做了一个更好的效果，就他拥有了这样的能力，那么我们可以再看一下啊，比如说这个啊， cloud 官方的这个一个 pdf 的 这个技能，那么他这边就是有也是一样，按照这个，按照这个标准格式啊，都是这样去去定义的。 那么再经过多人迭代之后啊，经过我们上次把这些东西都放在一个镜头里面，那么你经过经过再次迭代之后，你又把这些拆出来了，比如说你把 这个政企类的官网做成一个单独的技能，对吧？服装类的官网做成一个单独的技能，这样呢相当于你又更垂直了，又更垂直， ok， 那 前面其实讲的就是 什么是技能？那么在整个过程中大家有没有感受到就是其实技能的出现是为了解决上下文上下文的一个长度的一个限制，那做了很多这样的一个按需加载， 其实所有的这个手段或者干嘛的都是为了去解决目前上下文那个瓶颈，他并不说是一个很伟大的发明，这只是我觉得是一个工程化的一个必然的一个过程，就是你出了这个问题，他一定要去想办法解决。就跟我们在做后端编码的时候，哎，我们数据库有压力，那么你觉得也能缓存 那缓冲压力，可能又要引入各种其他的分布式的这种东西去解决这样的问题。所以这是一个工程化，一个 agent， 一个迭代的一个必然出现的一个技术点。那么你你在上面已经知道了什么是技能之后，你可能会想，哎，我要不要去创建一个技能？ 所以在其实在前面的过程中，我们可以感受到，或者说用一个很通俗的技术的话来讲，技能其实就是封装，不断的封装，就把你 可能把你在生活中或工作中经常要高频的，繁琐的去做的一些流程把它封装起来啊，这就是个技能了，所以说很好去理解。技能可以认为就叫封装函数， 他只是说是大模型的一个函数，里面除了代码还有文字，英文、中文，他可以读懂你这个英文文字里面的中文文字里面的需求啊，去执行，根据大魔仙能力去执行对应的这个能力。 所以呢，你如果要创建创建技能，你就要看一下在你的工作生活中有没有这种高频的啊，这种经常要去做的这种重复的这种流程，你可以去优化它， 可以把它做成个技能，放在你的这个你的任务流里面啊，比如说我平时要编码，那么这些事情是我每一个项目都要做的事情，比如我要去 去找这个 prd 文档，我去申请 prd 文档，是不是每一个项目都要去做这个事？我每一次的代码的完成是不是都要去，都要去刻录 view， 那 我是不是就可以把它做成一个技能？ 那么还有比如说做发布，反正就是在你这个工作流里面，你总是能一定能总结出来哪些事情是符合这种频繁的啊，重复的这种这种流程化的，那么你就可以把它做成技能，就从自己的身边开始做起，你不要去想着我要去跨 换你的你的这个认知的去做。比如说我现在我是个后端程序员，我现在就做一个前端的技能，那你根本上不知道这个前端技能是什么样子， 你的流程是不知道的，所以是很难，你只能通过 ai 去交互去产生一个啊，不是那么好的，或者说不是那么呃，就是优秀的这种技能。那比如说在你的这个我的这个自媒体工作任务中，我又能把这些事情，又能把它总结成 把流程又拆出来，拆成一个个这样的技能，那在工作的生活中，我们可以通过我们不断的去很多去发现，就能发现很多这样的技能，那么有的人会想，我可不可以做一个万能的技能呢？对吧？这个万能的技能要是什么都什么都会， 那么这个其实是不太建议的。为什么？就按照官方的说法，就 scared md 里面最好是这个文字行数不要超过五百行，因为太多了。按照我们前面的这个 整个的一个场景的一个过程啊，他是会把 skill md 加载到上下文里面，如果你这个你这是个万能的技能，那么你一定会描述是非常多的，你的说明书一定是非常复杂的，那么这种就得不偿失了。所以 建议就是啊， skill md 的 文本的长度控制在五百毫以内，而你的技能是很精确的，而且可以实现的。那有了上面这个，就是你在你的生活场景中找到了这些你的可重复的流程之后，怎么去创建呢？ 哎，这个地里面就一个非常有意思，就是创建技能也是一个技能，所以说是很神奇，就封装，不断的封装一个套一个，那么可以使用官方的这个 这个创建技能的这个技能去创建你的技能，那你可以通过去跟他聊天，但是这种方式还是一样的，你要自己要知道，比如说我可利用，我到底利用什么？我怎么利用，这个是你自己要知道的， 对吧？每个公司可能驴背的这个业务的力度、颗粒度都不一样，那你就要去自己要提前知道，你才能通过他的这种，他只是帮你 创建一种固定的格式，比如说 square， md， 对 吧？资源文件什么，他帮你是创建这种引导你来去创建，所以关键是还是自己要掌握，就是你要的这个流程是什么， 或者说你自己按照标准的这个 skill 的 文件夹去创建，也是完全没问题的。那使用的话那就很简单了，就刚在我们的过程中通过关键词去匹配去使用，或者说你直接通过技能的名字让大家去调用， 也是完全可以实现的。那第三个就是 skills 的 安全和风险，那这里为什么会有安全问题？来源原因就是 可能某一个技能它是包含脚本，看到没？比如这个技能 pdf 这个技能，那这个技能包含这个脚本，那这个脚本里面可能会有攻击性的代码，可能会去获得电脑上的一些权限，对吧？那这里面就会有有风险的存在。 那解决办法其实有两种，一种就是你每次下载完一个技能啊，你让这个大模型自己去看一下这个技能有没有什么攻击性的代码。 那第二个就是尽量找一些就是比较多人用的，比如说给它爬上比较多人用的这种 sars 比较多的这种技能，那这样的话基本上就没有问题。那这个问题就是 啊， skars 和 mcp 这些东西到底有什么区别呢？特别是这个 mcp 这两个东西啊？那我觉得这个其实我们你如果用了这些 东西这么多之后，你发现其实我们跟大模型之间的交流本质上就是提示词加上连连接外部的这种能力，再加上一个运行的方式，比如说技能的方式是什么？ 是通过按需加载的运行方式来加载不同的提示词，那它而且可以通过脚本的方式来访问外部的资源，那 m c p 呢？是一个纯的 连接外部的一个能力了，比如说像 get 哈姆 mcp 或者说 sobs 这样的 mcp， 它它是一个你需要去访问外部一个组织或一个东西，那么它提供了一个入口，那 skills 更像是 a 级的，本身拥有的这个能力是为了你自己这个智能体来服务的， 它的能力是跟 mcp 之间是有重叠部分，它也能通过接口去调用。比如说你现在要去发布一个非输的东西，你把内容同步到非输文档里面，那么你调用非输的 mcp 是 不是可以直接就通过 skills， 通过调个非输 mcp 就 可以去把数据插到非输表格里面去，所以它这部分又包含了 mcp 的 功能。 还有命令这个东西，命令是它是命令，也是封装，通过斜杠的方式来调用，对吧？那么 skills 是 不是也可以包含了 mini 的 这个能力？所以说这个东西它们之间是有很大的重叠部分的，我的建议就是不用去搞，那么分得那么清楚，你就用 skills 去代替这些东西去了，经常用你就能找发现这样的区别，而且现在的确是 mcp 的 作用在收缩 以前，比如说以前你要做个 pdf， 你 要具备这个 pdf 的 处理能力，你可能别人会提供一个 pdf mcp， 那 现在不需要了，你自己有一个这样的东西对不对？它的能力在什么时候，它更多的是去做外部的连接了， 所以说不用去搞那么清楚的概念，优先使用技能的方式来去啊，去做好自己的这种， ok， 那 这个视频啊，可能是从我的角度来讲述一下技能是什么，那至于， 至于这个技能怎么去实现，怎么去实战，我们可以放上去，下一次来跟大家再继续探讨一下。就在整个过程中，我们发现技能他不是说平白无故就出来的，他是也是静静地演变，演变的一个过程， 他是为了解决这个上下文的问题，假如说上下文撑到无数大的时候，又有可能又有新的这个概念来去做一个这样的一个迭代了，所以大家不需要去有这个东西来创造一个自己属于自己的技能。如果你的 工作和生活中本身就没有什么流程化的东西，或者说你自己也没有总结出来这种流程化的东西，那你完全可以不用。没有技能难道不能编码吗？那肯定是能编码对不对？技能是提升你的效率， 也可以去找，就说比如说在编码这个环节里面啊，比如说在这个编码这个环节里面，这些技能其实在网上都有非常成熟的，你完全可以下载下来自己使用或者修改一下，所以大家不用不需要太焦虑，你也可以使用这个 screen skill 这个 creator 去创建啊，去玩一下，去调整一下。哪一个技能都是一定不断的调试，才最终才成为一个有用的技能，然后成为一个你自己能用的技能，提升你的效率，先提升你的效率，然后呢再去把这个技能去 给它去调整，然后再变成一个通用的技能，分享给别人时都是这么个过程。 ok， 那 本期视频就到这，如果你对这个技能有更多的看法了，可以多多来交流。
6440AI随风
01:40查看AI文稿AI文稿l l m agent skills， m c p 到底是什么？普通人小白该怎么用它们？嗯， l l m 大 模型就是会说话的超级大脑，它本质上就是一个超级大的概率预测机， 给你输入，就输出最可能的下一个词。它就像一台超级聪明的打印机，你给他纸，他就印字，但他不会自己去买纸，也不会记得上一次印的什么。 agent 带手脚和循环的打工人，他不再是被动回答，而是主动执行任务， 理解目标，拆解步骤，调用工具，检查结果，继续循环直到完成。如果大模型是大脑， agent 就是 全职员工，他会自己六十度打电话查资料写报告，还会反思我哪里做的不对。现在巨像化的个人 agent 助理 就是 opencar skills， 可附用的技能手册与 s o p skills 是 agent 的 专业技能包，它不是临时提示词，而是一整套结构化，可附用带上下文的知识加流程加脚本。 skills 就 像给你的 ai 员工发了一本 员工手册加工具箱，下次他做同样的事，直接调用 skill， 不 用每次从头解释。 m c p model contacts protocol 标准化 usb 接口，它像电脑的 usb c 接口工具 tools 资源 resources 提示 crumps。 没有 mcp， 你 的 agent 就 像用胶水和橡皮筋接各种设备。有了 mcp， 就 像插上 usb， 秒认秒用，还能热插拔。如果你也想转行 ai 大 模型的话，我整理了一份从基础到进阶的全套过程，这些都是我一步一步实践得来的。学会这些，你的 ai 大 模型就很牛了。想要的宝字评论区扣三个亿，免费发教程！
51AI漫剧邪修课堂- 01:40查看AI文稿AI文稿
l l m agent skills， m c p 到底是什么？普通人小白该怎么用它们？嗯， l l m 大 模型就是会说话的超级大脑，它本质上就是一个超级大的概率预测机， 给你输入，就输出最可能的下一个词。它就像一台超级聪明的打印机，你给他纸，他就印字，但他不会自己去买纸，也不会记得上一次印的什么。 agent 带手脚和循环的打工人，他不再是被动回答，而是主动执行任务， 理解目标，拆解步骤，调用工具，检查结果，继续循环直到完成。如果大模型是大脑， agent 就是 全职员工，他会自己六十度打电话查资料写报告，还会反思我哪里做的不对。现在巨像化的个人 agent 助理 就是 opencar skills， 可附用的技能手册与 s o p skills 是 agent 的 专业技能包，它不是临时提示词，而是一整套结构化，可附用带上下文的知识加流程加脚本。 skills 就 像给你的 ai 员工发了一本 员工手册加工具箱，下次他做同样的事，直接调用 skill， 不 用每次从头解释。 m c p model contacts protocol 标准化 usb 接口，它像电脑的 usb c 接口工具 tools 资源 resources 提示 crumps。 没有 mcp， 你 的 agent 就 像用胶水和橡皮筋接各种设备。有了 mcp， 就 像插上 usb， 秒认秒用，还能热插拔。如果你也想转行 ai 大 模型的话，我整理了一份从基础到进阶的全套过程，这些都是我一步一步实践得来的。学会这些，你的 ai 大 模型就很牛了。想要的宝字评论区扣三个亿，免费发教程！
55AI漫剧邪修课堂 
02:46查看AI文稿AI文稿m c p 和 skills 到底有什么区别？测试工程师又该怎么用？首先说 m c p 这三个字是 model context protocol 的 缩写，翻译过来呢，就叫模型上下文协议。 m c p 就是 一个标准，一个让 ai 跟外部工具说话的统一接口。打个比方， 就像 usb 接口，不管你用 u 盘移动硬盘还是手机，插上去就能用，因为大家都遵循 usb 的 标准。 m c p 也是这个道理，它让 ai 不 管你用什么测试工具， zelda 也好， cosplay 也好， jacks 也好， 只要工具支持 m c p 协议， ai 就 能调用它。这就是 m c p 的 核心价值，解决怎么连接的问题。其次说 skills， 中文叫技能 skill， 就是 把 ai 的 能力封装成一个一个独立的小模块，每个模块专门干一件事，比如说测试用力生成技能， 这是报告生成技能，这是数据准备技能。你打开手机应用商店，每个 app 都有自己的功能，对吧？ skill 就是 ai 时代的 app， 每一个 skill 都是独立的，可以单独使用，也可以组合起来用。最后说核心区别，一句话概括 m c p 解决的是怎么让 ai 和工具对话的问题，它定义了通信标准。而 skills 呢，解决的是 ai 能帮你做什么的问题，它提供具体能力。打个更形象的比喻， m c p 就 像家里的水管管道， skills 就 像水龙头出来的水 管道负责把水引进来，水龙头负责让你用上水，两个缺一不可。那么在测试领域的实践应用， m c p 和 skills 又是怎么配合使用的呢？先说 m c p 的 应用， ai 可以 通过 mcp 调用 selenio playlist 这样的自动化测试工具，让 ai 直接操作浏览器做 ui 测试。 ai 可以 通过 mcp 连接 jitters、 githop、 gitlab 这样的 cicd 系统实现自动化部署和测试。 ai 还可以通过 mcp 连接 gera 这样的一个测试管理平台，自动更新测试状态。接着做 skills 的 应用，基于 m c p 的 连接功能， skills 可以 帮你自动生成 测试，用力生成测试报告，准备测试数据，自动化执行测试脚本。简单来说呢， m c p 负责打通了关节， skills 负责具体执行， 两者配合在一起， ai 就 能真正帮你做测试了。总结来说，记住一句话， m c p 是 管道， skills 是 工具。 反正负责连接，工具负责干活。搞清楚这个区别，你就知道怎么让 ai 真正帮你提升特制效率。那么你平时在 ai 学习中有遇到过什么问题吗？欢迎一起来聊聊你的经验。
81墨尺老师说软测
02:54查看AI文稿AI文稿最近很多 ai 一 群项目开始从 mcp 转向 coi 工具了，比如说小龙虾的项目，比如说 publicity， 最近发博课说他们准备全面抛弃 mcp 转向 coi 了。 今天就跟大家聊一下为什么 ai agent 的 项目越来越喜欢 c r i 了。首先第一个问题就是 m c p， 它有严重的上下文污染问题，因为 m c p 的 工具调用方式是 agent 一 启动就需要把所有的工具全部加载进上下文中。 如果你有十个 m c p server， 一 百个工具，这些工具描述会在一开始就全部加载进模型的上下文里面去，这会导致大模型在做脱扣的时候，上下文变得非常长。 而 c l i 的 模式就完全不一样，它支持工具的渐进式的批录。 agent 可以 通过 c l i 的 命令一步一步探索，比如可以通过刚刚 help 的 命令去查看到底支持什么工具， 还可以通过指令率去查看工具支持什么样的参数，这些工具信息是逐步加载的， 而不是一开始就塞进模型的上下文里面。第二就是 c o r 工具天然对大模型比较友好，因为整个 linux 和开元社区 有大量的 c i 命令和使用文档，所以大模型其实早就驯服了这些数据。而 m c p 的 调用方式是大量的 jason scammer， 这对大模型来说会更加复杂，而且还要输出很多跟 jason 格式相关的格式化的头肯。 第三点就是 coi 工具，它可以支持一些 type 操作。很多 mcp 的 工具返回结果的时候呢，其实你是需要一些后处理的，比如说一些过滤的操作， 还有就是搜索截取关键的片段。以前 mcp 想要支持这种后处理操作的时候，你是需要额外的工程代码去处理的。 但如果是 coi 的 话，你可以直接用，可以用 pipe 操作， agent 只需要输出几个 linux 命令，然后通过 pipe 操作连接在一起，通过 gui， file， find 等 linux 命令 就可以完成对工具结果的后处理，这对工程来说更简单更灵活，维护的成本也会更低。 最后就是 coi 其实非常适合和 skill 进行搭配，你可以在 skill 点 md 里面去教 ai a 人怎么样用你的 coi 命令， 在不同的场景下应该用怎么样子的 coi。 如果你用 mcp 的 话呢，就会在 skill 点 md 里面出现大量的方寸扣啊，这声 scammer 等等，会使得你的整个 skill 点 md 非常混乱。 所以总结来说， c l i 在 模型上下文以及工具结果后处理的角度呢，它都有非常巨大的优势，这。
1040小肖聊AI![别再搞混了！AI Agent、MCP、Skills区别一次讲 很多人把AI Skills、MCP、Agent混为一谈，其实三者根本不在一个层级❗️Skills解决怎么做，是AI做事标准化SOP手册，负责固定流程稳定输出。MCP解决连什么，是AI的通用USB-C接口，用来标准化对接数据和外部工具。Agent解决谁来做，是自主判断、规划执行的AI操盘手。三者不是替代关系，组合起来才是完整AI落地闭环💡
#AI产品[话题]# #AI产品经理[话题]# #Agent[话题]# #MCP[话题]# #skill[话题]#](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/41563513f94ef6bcb1a98e969c71b24a~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2103177600&x-signature=SwJ%2FAVtYA3HRaJe3VdZS6zJ%2F0H8%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=2026082716492327EF981491B9248A4854)
02:10查看AI文稿AI文稿很多同学啊，在 ai 产品经理的面试当中，经常会被问到这样的问题， skill， mcp， agent， 他 们的区别是什么？很多人到现在都还不清楚这三者应该怎么样做区分，今天我将会用一篇来说清楚他们三者的区别以及核心的关系是什么。那么对于产品经理从零到进阶的全部资料，我也都准备好了，可以老地方来拿。 首先我们需要明确的一个点就是 skill， 它是解决怎么做， mcp 来解决连什么， agent 是 用来解决谁来判断并且执行。 对，很多人把这三者的概念搞混，是因为他们都和让 ai 完成任务有关，但他们其实并不是同一层的事情。比如说 skill， 它更加像方法论和工作流的分装，而 m c p， 它更加像外部工具和数据的一些标准接口。那么 agent， 它更多的是像去做一些目标理解、任务规划等等一些执行主体。 所以我们可以这样理解 skill， 它是做事的一个手册，它指导我们做这件事情，那么 m c p 就是 几个 ai 之间的一些连接的插口。那么首先我们来讲 skill， 它解决的是什么呢？它解的是 ai 应该怎么做。 所以在这里面我们应该提炼出它的一些核心的内容，比如说它是把一次性的提示词升级成可附用的 s o p。 所以 我们不仅仅要告诉 ai 你 需要专业一点，我们需要告诉他在执行这类任务的过程当中，应该按照什么步骤，什么标准，什么格式去完成。那么对于 m c p， 它更重要是解决 ai 能连接什么， 所以它其实更多意义上面是让 ai 有 标准的方式去拿数据调工具和接系统，所以它的关键价值不是让模型变得更聪明，而是让模型可以通过通用的协议访问外部的一些能力。所以它更多关心的是我们的 ai 客户端怎么去发现工具，怎么样去提供上下文的一些数据资源。 所以我们在面试当中可以这样说， m c p 是 ai 时代工具和数据的接入标准，它解决的是 ai 智能和 ai 智能如何去连接外部系统的一些问题。 那么对于 agent， 它解决的是 ai 怎么样去自主的完成任务，也就是说它不只是一个会回答问题的聊天机器人，它还可以围绕着我们目标去进行判断、规划等等内容。 所以它不仅仅是说给到一些对应的一些推荐话术，它会根据我们的实际的行为去做对应的一些下单和跳转，所以它更像一个任务的操盘者。它的三者核心区别是什么呢？简单的三句话就是 skill， 它是解决 ai 怎么去稳定完成某些任务的。 m c p 去解决的是 ai 怎么连接外部系统。 agent， 它是解决 ai 怎么自主完成目标的，那么它们之间的关系更多是 agent 负责执行任务， skill 去执行方法， m c p 去提供外部的一些工具和数据衔接。
331可颂AI产品经理
03:038490程序员三千
01:17查看AI文稿AI文稿那这个 sku 和 mcp 是 怎么用的呢？就直接去把这个 sku 和 mcp 啊 sku 复制下来，放这个个汉堡，然后这个 sku 的 文件夹下面直接不用改名字，直接往里面一丢就好了。然后 mcp 呢？在这里搜索一下， 装一下，把它装一下，然后用的时候启动一下这个 m c p， 比如说启动一下他就启动好了。比如说我们自动化测试的，我们启动一下一般是全部启动，然后， 然后我们 task 上面会告诉他，而我们需要要用到哪些，比如说这个任务需要用到哪些？ m c p、 m r q， 对 吧？好，那么看看我们刚刚我们之前做的效果，比如说那刚刚前面讲的做视频排版啊？怎么做这个视频出来， qq 视频出来，这个 他是在正确时机把正确证据装进模型，而不是盲目把头啃堆满， 这视频就是我一点点调出来的。就是说比如说写让他有打字的风格，让他这个流程图他会放大，然后这个结果这样的一个，还有可不内容都是都是可以一键让他生成十个、二十个，这个是 skill， 关注我下期分享。
248膨胀小羊
19:19查看AI文稿AI文稿google anti gravity 绝对是一款颠覆性的 ai 编程工具，它完全改变了我日常使用 ai 的 习惯。现在很多人还只是把哲米奈当做聊天机器人使用，但如果我告诉你，你完全可以通过使用 anti gravity 管理任何项目，设计自动化的工作流，开发优质的 ai 产品，而且不需要你写一行代码，当然前提是你要学会正确的使用它。 在二零二六年， web coding 基础的 ai 开发绝对是每个人都应该掌握的技能，所以我会用这条视频带大家完全解锁 antiquity 的 全部功能，让你的 ai 使用效率原地起飞。我会教你如何从零开始，一步一步的搭建 ai 应用，包括如何使用最近爆火的 skills。 就 算你是完全零基础的小白， 话不多说，我们直接开始。首先， antigravity 是 谷歌推出的一款编程工具，它的核心是基于 ai agent 智能体驱动的思维模式，不仅能够写代码，更能同时自主构建完整的项目。就像是你可以拥有一支全天候为你服务的智能体团队，他们会随时跟你进行汇报对其项目进度， 而你只需要用通俗易懂的自然语言告诉他你的需求，就像是跟朋友对话一样。首先我们进入官网这里直接去下载跟你电脑对应的软件版本就好了，正常安装。 提醒一下，国内使用的话需要科学上网， ip 最好是美区。然后你一定要开启增强模式之后，你才能来到这个界面，点击创建新的文件夹，一个文件夹就是一个项目，里边会包含所有跟这个项目有关的全部文件，然后我们在桌面创建，比如我们就叫 test， 大部分人可能因为不熟悉编程就卡在这里了，我最开始使用 cursor 就是， 所以想要完全的掌握 ant gravity， 最好的学习办法就是大家可以跟着视频边做边学习。 你可以看到在这个初识界面，右边是你和 ai 对 话的窗口，中间区用来显示文件，左边是你管理项目文件的地方。我们先进行一些基础设置，首先来到拓展这边，在这里搜索 chinese 插件， 直接安装其他插件，等到有需求的手按 t widget， 会自动提醒你安装。然后呢，我们来到右上角，这里三个点，点击 customization， 我 们来设置一下全局规则和项目规则， 不把 nt gravity 当做一家餐厅入死，就好比是你的员工守则，在这里呢，你可以规定 ai 跟你对话的方式，比如说不要讲废话，你要求他全部使用中文回答。项目规则呢，是可以仅仅在当前的项目生效，也可以部署在全区，你可以自由的选择 ai 出发的方式， 比如说这里入死，我们直接使用科室内部员工发在 x 上的一段提示词，直接把这一段复制粘贴下来， 直接粘贴到这里，然后记得在这边加一句 always response in 简体中文，这样你能保证应该大概率是用中文来回答你。然后项目规则，我们直接使用 github 上开源的一段检测 bug 的 描述，直接把这段提示词全选复制，然后在这里添加 workspace， 然后粘贴到这里。可以看到在左边这里自动添加了一个文件，那下面是添加描述的地方，我们直接就粘贴到这里。触发的方式你可以选择是总是触发，也可以手动或者是让 ai 来决定什么时候使用。然后我们把它保存一下， command 加 s 保存就可以。看到这边已经添加上了视频，里面全部使用到的提示词，我都会在评论区放链接。基础设置完成，我们就可以开始接下来的开发了。前段时间我有刷到那种片场探班的视频， 就是一个人拿着手机可以和很多的电影人物，比如泰坦尼克号，复仇者联盟里面的角色自拍，我觉得很有趣。那我就想着先做一个这样的生图 app， 然后我就可以拿这些图片直接去做视频。 如果你完全不懂编程和开发，在打框架这一步你就可以交给 ai， 你 可以使用任何你熟悉的大模型帮你理清思路。谷歌 germina， cloud g p t 或者 deepsea 都可以。 比如在这里你可以直接跟他说，呃，我想要开发一个外部应用，它的核心功能是使用谷歌 nasa banana 的 声图功能。 当用户上传了一张自己的任意的图片，输入喜欢的电影名称，就能够生成一张他和这个电影主角在片场休息时的合照。嗯，我希望是那种很真实的抓拍版，就好像他真的去探班了一样。背景希望是真实的拍摄场景。 不需要着急给我整体的方案和代码。我需要你先挑战我的问题，帮我梳理和完善思路。你可以向我提问，直到你完全理清楚我的需求。 接下来 ai 可能会问你很多的问题，你把你的需求全部理清了之后，你就要再对 ai 说，我需要你根据我们的对话帮我生成一份 sop 或者产品需求文档，然后我们再交给 ai 进行开发。看这边他已经有回复了。 高安蒂 gravity， 把 ai 最后给你的提示词直接粘贴到这里的对话框。模型，你可以选择 jimmy， nike， cloud 或者 gpt， 每种模型都有不同的特点，比如说 jimmy， nike， 他 做出的 ui 界面就很强， cloud 编程能力很强， gpt 属于各方面都很均衡。 然后这里是有 fast 和 planning 两种模式可以选择， fast 比较适合你执行快速简单的小任务。 plan 模式下，它会先生成一份计划书，跟你确认每一步的关键步骤。然后我们今天选择 plan 模型，选择最高的， 可以看到 ai 就 开始工作了。好，可以看到这边它先给我们生成了一份计划书，它会告诉你总共有哪些步骤，每一步需要做哪些事情，你可以逐条的分析，然后跟它对话。这也是我觉得 intgrity 特别实用的一点。比如你看这边有很多加号， 每一条你都可以随意的添加自己的批注，任何需求都可以通过注视添加，这样我们就可以实现一个实时的交互。比如说这边他有最后提到 u i 风格，我想添加一点自己的设计，我就直接点这边的加号给他说， 嗯，我希望你可以添加一些克莱因蓝的元素，我很喜欢这个颜色。嗯，然后再添加一些电影胶片的 icon， 当然整体的设计要符合我整个项目的风格。 直接添加，如果你有更多的需求，也可以随时的添加批注。左侧的项目文件里，如果你有自己的品牌或者 logo 图片，也可以自己拖拽过来给 ai 参考。如果没什么问题，我们就直接点击这个 percy 的 执行，然后这些文件都可以关掉了。 在 ai 执行的过程中呢，我给大家介绍一个相比其他 a 一 工具，我觉得 ituiptive 最能体现智能体驱动的工作模式。这里我们点击右上角有一个 open agent manager， 在这里呢，左侧面板会显示你所有的项目。想象一下，在这个界面，你可以同时创建管理多个智能体，让他们在同一个时间处理不同的工作。你只需要点击这里的加号，就可以创建新的对话框，比如说刚才的任务是进行整个外部应用的开发，这里呢，我想让 ai 帮我搜集一些比较好看的前端页面， 点加号你看就可以弹出一个新的动画框。在当前的项目里面，我直接跟他说，嗯，请你去飞格玛帮我搜集一些具有电影元素的前单页面，你可以给我三到四个链接， 这里我们使用 fast 的 模式就可以了，然后模型选择快速。当然你还可以再添加执行不同任务的智能体，只要你有需求，电脑配置跟 token 都足够的话，你可以无限的添加。 在这边左侧面板，你可以看到几个不同的智能体同时在干活。左上角的收件箱它会显，它会实时的显示智能体的工作状态，所有的过程你都可以实时的追踪。当智能体需要你协助的时候，它们会发信息给你，要求你 proceed， 这里我们直接点击 proceed， 所以 antigo 体是可以同时显示两个工作窗口，一个是现在的智能体管理窗口，它会显示所有 ai 智能体工作的状态。一个就是我们刚才的代码编辑器，你可以随时的切换试图如 如果你有多个显示器的话，那会更加的方便。自动调用浏览器也是我觉得 itguoyot 非常惊艳的能力，它可以直接在内置的浏览器中动态测试，当我们开发网页时，它就可以自动测试网页功能， u i 交互，完全实现自动化的操作，然后给你反馈的结果。这个蓝色的边框就相当于它在自动的调用这个页面去帮我们进行搜集，可以看到它已经打开了三个页面，这一步完全没有电脑操作。 可以看到这边我刚让他去飞格玛帮我搜集页面，他已经执行完成了，这边就是他给我们的一个进度汇报，你看他直接给我们附上了链接，我们可以直接点击就能打开， 你可以一个一个的点进去看是不是你想要的那种风格，我这边只是做一个简单的展示。 好，现在这个任务已经执行完成了，我们可以让他打开帮我们测试看一下。这边我们新建一个对话窗口，你也可以直接 ctrl 加勾，然后输入 npm， 你 当然也可以跟大家说，请使用自带的浏览器帮我打开页面，我要进行功能的测试，两种方法都可以啊，我们这边点击这个链接打开，随便找一个链接打开， 可以看到这边他提示我们是要输入 api k 的， 然后我们就去获取一下 api k， 直接打开 google 的 as 丢丢，在这里面拿到一个你的通行证，直接复制，然后回到刚才的页面，粘贴到这里， 然后我们就可以看到整个页面的设计还是不错的，他加入了很多我喜欢的克拉英兰的元素，标题就是 hollywoodcut。 然后这边是可以用来上传自己的照片，这里输入电影名称，然后选择画幅比例，这边应该是会生成一个 呃生图的提示词，那我们就随便找一张照片进行测试一下，我这里面就拿了一张我从之前视频里面的截图，然后电影名字，他推荐爱乐之城，我们我们换一个，比如我们选择蜘蛛侠 三，英雄无归，然后这些其他我们先暂时不要动，直接点击 action 啊，可以看到他已经生成了一张照片，这个应该他只选了荷兰第一个角色。那我们这边可以下载，但是这边还可以输入指令，然后进行进一步的画面调整， 可以看到这张照片清晰度还是挺高的，然后整体确实是有那种真实的在片场拍照的感觉。那比如说如果我希望再做进一步的调整，这个是我从网上随便找的一张图片，我觉得很适合我这个网站的风格，我希望把它加在整个项目里面。那我们就比如截图， 然后我们这里回到 antigravity， 直接拖拽上来，你可以跟他说请使用这张图片帮我作为 logo 添加在当前的项目页面中， 所以你看你其实是可以随时的提要求，让 ai 进行修改和优化。这里注意，建议大家每次修改完成之后呢，都点击一下这里的提交，把你的修改保存在本地的 get， get 就 相当于是你游戏的存档，它会记录你每次版本更新的内容。如果你后面改着改着发现自己不喜欢，或者说 ai 改错了，出现 bug 了，你还可以找回之前的记录，一定要养成好习惯。嗯，可以看到最新更新的画面，它已经把我刚才要添加的这个 logo 添加上去了， 所以我真的很喜欢 tikblr 这种实时双向合作的开发方式。你可以把每个智能体都当做不同的员工来看待，你可以同时运行多个不同的项目，而你只需要做的就是管理好你的收件箱，确保它们都在执行就可以。另外呢，再向大家展示这里的 playground 功能， 你可以把它当做你的临时工作窗口，当你不确定要不要进行完整的开发，或者说你只想做一个 demo 的 时候，就可以来到这边。 当一个项目开发完成，你下一步就是要把它保存在 github 里面，不然你每次都需要打开 id 浏览器，它才能够运行。首先我们来到右上角，点击这三个点， 点击 m c p 服务管理 m c p m c p 全称模型上下文协议，这个协议本质上是利用一套通用的语言标准，让 ai 可以 和各类的应用实时互联，无缝对接，所以你可以把它当做一张通行证。举个例子，比如说你这家餐厅打算供应宁夏滩羊，可 是你的冰箱里面根本就没有这个食材，那厨师是不是你们没法做了？那有了 m c p 呢？你就能够连接到宁夏太阳的原产地供应商，当你需要这个食材了，那边得到许可，就可以给你进行固定的配送。那对于 ai 来讲，比方说你链接了飞格玛，有了 m c p， 你 的 entire gravity 项目才可以跟飞格玛的前端设计稿实时互联。比方说你链接了 notion m c p， 那 你就可以直接在 anti gravity 里面说，帮我在 notion 创建一个表格。 那可以看到这里其实内置了很多的 m c p， 一 旦连接你存放在各个服务器里的项目都能够直接调用，而你不用担心兼容或者格式的问题，所以你可以按需添加。现在我们需要配置一下 get up 的 m c p， 可以 看到我这里面已经配置过了，这里需要你去 get up 手动获取，然后复制过来。 打开你的 github， 建议每个人都要注册，因为这里是全世界最大的开源代码的一个存放的平台，它可以储存文件，还能直接托管我们的项目。在右侧的面板找到设置选项，然后找到 developer settings， 点击 personalize tokens， 就 在这里你可以创建一个新的 token， 这里要验证一下你的密码， 验证完了之后呢，在这里取一个名字，然后你在这边添加你的权限，添加权限之后点击创建 token， 添加权限之后就会生成完整的授权码，然后你回到这里粘贴就可以。 另外说一下，使用 github 的 mcp 需要 docker 这个软件在后台运行，不然你无法添加，也无法使用这个软件，也直接在官网安装下载就可以。 添加完成之后呢，点击 refresh， 就 在左侧出现工具面板，可以看到系统最多同时支持一百个工具的调用。但是我建议你不要一次性的开太多，按需加载就可以，建议每次控制在二十个左右。 如果你要添加未收入在 m c p store 里面的 m c p， 就 点击这个原始的配置仕图。注意看，这里就是你 m c p 的 原始配置文件。最简单的办法就是选中，然后把它们全部 复制在这边。新建一个对话框，你就直接让他编写某一个供应商的 m c p， 然后你去这个供应商的网站获取授权码，再粘贴回来保存就可以了。一定要养成凡事都用 ai 的 习惯。添加完成之后呢，这里新建一个对话框，因为我不希望有太多其他内容的干扰， 你就直接对他说，嗯，我希望新建一个 github 仓库，用来存放并且发布这个项目，仓库的名字就叫 hollywoodcut。 同时帮我设计这个部署的工作流，会使用的环境参数请参考 ev example 文件，并且将全部的操作流程都更新到 readme 的 文档。在上传前请帮我检查，确保我没有任何的个人信息，比如说 api 可以 泄露的风险。注意这些全部都不要写在前端的代码里面， 没有什么问题就直接按下回车，然后你的系统将会自动将这些变更同步到 gitlab。 保存完成之后呢，你就可以获取到一个网址链接，随时可以添加到浏览器里面打开。如果希望更进一步呢，我们就可以选择通过我 style 进行部署，这样这个前端应用就可以上线了。 在我 style 里面，我们需要关联 gitlab 仓库，这样你的我 style 就 可以看到你 gitlab 里面的代码库，直接点击这里的 is new， 点击 project 可以 看到这里面已经显示了好礼物 cut 的 这个项目，然后点击 input 项目就会直接导入框架预设，全部都会自动填充，直接点击 deploy 部署，就可以把应用发布在公共的域名上面。 所以现在你基本上就打通了一套从开发部署发布这样一个前端项目的全流程，通过 gitlab 同步，然后 gitlab 触发我 style 部署， 整个过程都是时事联动的，是不是很酷？这样我们就可以自己尝试打造出功能独特又实用的 app， 而且随时可以分享给朋友。 但是要强调一下，我们今天开发的仅仅是一个前端的 top 应用，在网上刷到的内容帖子，我用十分钟开发出了某某软件，基本都是这种类似的。 如果你想要进行完整的开发，那么你还需要了解后端数据库，购买域名，开放支付，包括商业化等等技能，这些都需要你进行更深一步的学习。但是 web coding 的 乐趣就在于，当你看到了一款很不错的软件，是不是可以先想象一下自己有没有办法复刻出来做一个简单的应用，比如 比如说口语学软件，语音助手就放在本地自己使用。我觉得对于没有任何编程基础的小白来说，真的可以算是打开了新世界的大门。那最后我们再来简单讲解一下 skills， skills 其实很好理解，因为它翻译过来就是技能。我们还拿厨师举例，比方说你已经有了一个非常厉害的厨师， 他本身就会做很多菜，但是川味鱼香肉丝的做法和其他地方那就是不一样的。你要是不提前给厨师讲情书，如果他按照自己的习惯发挥，可能味道也不错，但是绝对不会是你想要的那个川味。但是如果啊，你可以提前把这套独家秘籍给打包好，比方说油温多少度，配菜有哪些，什么时候该来一勺豆瓣酱， 怎么摆盘等等这些操作，全部打包成一个技能包交给厨师。那他平常呢，不需要把这些厚厚的技能包都背在脑子里，因为这样太占内存了，也就是太费 token 了。 那他只需要在腰上挂好这个技能包，等什么时候客人点名要吃那个川味鱼香肉丝的时候啊，他提前看一眼，再决定要不要读取这个技能。 然后呢，照着这个步骤精准地来一遍。这样做的话，既可以节省 token， 又能够保证干活的质量。这个啊，就叫做渐近式批漏。所以其实本质上，你可以把任何一个自己经常会用到的流程、工作流都打包成一个 skills， 这样你每次调用的时候，都不需要你提前说那么一大堆的背景提示词。 比方说，我们可以直接去 github 上下载 ansorepic 公司，也就是 cloud 那 个公司自己开源的 skills， 可以 看到这里的 skills 有 包括修改 word 文件，修改 pdf， 包括数据处理，还有一些前端设计的 skills。 我 们直接点这里的 code， 复制整个仓库的链接，然后回到 antigo 这里，我又重新建了一个项目，你就直接跟 ai 说，帮我下载这个仓库里面全部的 skills， 并且部署在局的路径下， 然后把这个仓库的链接发过去。部署在全集路径下的好处就是说，不管你打开什么项目，都可以直接全部地调用这些 skills。 果然教程都是发给 ai 看的，如果想要多做一步呢，你还可以跟他说，帮我把这些 skills 都配置成为斜杠可以调用的形式，这样当你明确想要调用某个 skill 的 时候，就可以直接选中了。 另外呢，再给大家推荐一个前端设计的 skills， 叫做 u i u x pro max skill 也是一样的步骤，在 code 这里复制整个仓库的链接，回到 ant gravity， 把仓库复制给他，对他说，帮我下载这个仓库的 skills， 然后直接点击回车就可以了。 这里可以看到我的斜杠已经可以调用这些 skills 了，我们就简单测试一下，帮我制作一个健身房的宣传落地页，你可以规定他使用哪些技能，比如说我打字使用就是我们最新安装的这个 u i u x 的 skill 直接发送。 可以看到这里已经调用了 u i u x pro max 的 升图模型，帮我们生成了两幅图片，我们直接在浏览器里面打开去预览一下， 那可以看到这个页面这个人物介绍部分他就使用了刚才的图片，整体来看还是挺有特色。就目前来讲，这个红黑配色不是我喜欢的风格，但是这只是一个初步的搭建，之后你有什么想法可以让他进行个性化的修改。其实你看关于一个健身房落地页的基本元素他这里都是有的。 好了，以上就是本期全部的关于 antiquity 的 基础教程，基本上你使用 cursor tree 或者任何的 id 工具，它的界面操作啊都是一通百通的。 web coding 时代，学习 ai 最快的方式就是先用起来，先做出一个东西，然后慢慢地补足专业技能，这样你才能有源源不断的学习动力。
3618超级TANG-
02:40查看AI文稿AI文稿量化入门最让人头疼的往往不是写策略，而是拿数据翻接口文档、配托管、调参数是报错。有时候折腾一两天，数据还没有拉下来，但最近这个痛点正在被快速解决。 今天我们就来聊一聊 m c p 和 skills 是 怎么让三分钟接入 a 股数据变成现实的。先说重点， m c p 到底是什么？ m c p 的 全称是 model context protocol， 翻译过来叫模型上下文协议，你可以把它理解成 ai 世界的通用插头或者 usb 接口。 我举个例子你就明白了，以前你想让 ai 帮你查天气、调股票、数据、读数据库，每个数据源都需要单独写一套代码去对接，就像你出门要带一堆不同接口的充电线。 而 mcp 的 出现呢，相当于统一了接口标准，只要数据源支持 mcp， ai 就 能直接插上去调用，不需要每次重新写代码。 换句话说， mcp 把 ai 和外部数据源之间的连接标准化了，像 cortex cursor、 cloud code、 openclaw 这些客户端现在都已经在接入 mcp。 这就意味着你不再需要手动去调 api， 而是可以直接让 ai 帮你完成数据获取的工作。再来说另一个概念， skills。 如果说 m c p 是 插头，那 skills 就是 插好之后的一键操作模板，它把拉数据清洗，导出 csv， 生成 pandas 代码。这一连串常用动作提前封装好了。你不需要每一步都重新指挥 ai， 只要说一句帮我拉某日股票近一年的日线数据， skill 就 会自动把整条流水线跑完。所以你会发现，门槛已经从会不会掉 a p i 变成了会不会提需求？ 以前你要琢磨几天的事情，比如找接口文档，写请求，代码处理返回格式，存成 csv。 现在你只需要对着 ai 说一句话，拉取贵州茅台近一年的日线数据，导出 csv， 再生成一段 pandas 分 析代码，剩下的 m c p 负责连接数据源， skills 负责执行动作， ai 负责帮你跑通全流程。 那具体到 a 股市场，现在有哪些可以用的服务？目前比较值得尝试的有 to share， m c p s r s 以及 a k share 配合 to share 这类组合服务。 如果你是做海外市场，还可以看看雅虎 finance， m c p financial data sets e o d h d。 总结一下， m c p 等于 ai 与数据源之间的通用接口，解决连不上的问题。 skills 呢，是常用操作流程的一件模板，解决怎么用的问题。两者加起来，你只需要提需求，剩下的交给 ai。 量化入门的数据门槛真的在变低。如果你也在试这些工具，欢迎在评论区聊聊你的体验，关注我，下期见！
06:27查看AI文稿AI文稿大家好，我是中国郭大爷，今天给大家介绍如何高效的让 agent 来操作我们的浏览器。我们在使用 openclock 小 龙虾进行网页操作的时候，会发现它消耗极高的 token， 但是实际的使用效果并不好，也就是说它消耗了 token 之后，不能按我们的意图去操作网页。那今天给大家介绍的这个 be right c l i 呢？它是微软在今年年初专门做的一个为 ai 智能支撑体发 布的新型独立运营工具，它最大的优点就是这个 token 效率非常高啊，它原本这个项目就是一个网页测试工具，所以它经常有这种优势。 我们废话不多说，直接来。首先呢，他对环境的要求就是这个要求，那个点 g s 是 十八版本以上，那如果没有的话，可以通过这个官网的 g s 官网对应自己的版本来下载这个 g s 安装，安装好以后，通过这条指令就当位来看一下自己的版本，这是这个版本。接下来我们就应该安装这个 playwrite， 可以 选择一个文件夹，然后在文件夹下打开 so 或者是 m d 命令行窗口，把这条指令给复制到这个窗口，直接安装就可以。安装好以后呢，还需要对我们浏览器里最好是安装这个 rom 浏览器，如果是微软自带的浏览器也是可以的，最好是用。 我们就可以在这个窗口命令窗口下边来使用这个命令来做一些操作，比如说我们让它打开谷歌浏览器，我们先测试一下 a 杠 c i open 命令就是打开谷歌网页的 c o n m， 然后这个参数 h 杠杠 h e a d e d 这个是带头的，他的意思是这这条指令他不会只在后台打开这个网页，而是会在我们桌面展示出来加这个，我们方便我们人能看到这个结果来进行验证。来回车看一下，可以看到他就会打开一个网页啊，我们把这网页缩小一下，可以看到他运行以后呢默认的打开了这个网页，然后是打开这个网页，还会把这个网页的内容作为一个快照的文件给保存下来， 我们可以看一下，可以看到他在这个目录下每操作一个网页都会在这记录一下啊，这个里边的内容呢就是这个网页的内容，这里边就是说在这个对话框， 它只是输入了一个简洁的网页在用，并非这个完整的网页结构，同时附带了一个详细的网页信息，就是刚才我们看到的这个 insot 的 这个文件，如果 ai agent 如果是需要更详细的网页信息结构的话，它就可以选择这个文档去读起，去读取更详细的信息，如果不需要的话，就不会浪费 topen 去把这些信息提取，这也正是 c l i 比 m c p 更接受上下文的秘密所在。 如果我们使用 m c p 的 话，它会把整个的文档和文数文档以及网页截图直接作为一个大模型的上下文去提取，这样就非常高 topen， 所以 这个它的模式呢，让我们减少 topen 的 消耗。 这里面我们使用了这个 open 的 这个指令，其实它的参数是非常多的，比如 open 幺 l 是 启动浏览器， auto 是 go back 这些操作页面的前进后退，还有一些页面状态， 比如说这个我们刚才看到的 samsung 就是 提取页面的登录信息，就是把整个网页的信息提取， screensoft 呢，就把这个页面的截图保存到本地浏览器，还有一些交互信息，比如说单机双击，包括这个 潜入信息，悬浮，拖拽等等，都有相关，通过相关的参数来对网页进行操作。这里边我们就不详细给大家介绍它的这个，它的页面下面也有详细的参数操作可以看这里边我们接着往下看。接下来我们就要把这个 playwrite 杠 c l i 接入到 agent 来实现一个高效的操作，因为我们 的这个 playwrite c l i 呢，它是一个新诞生的量子算法工具 ai， 比如说是它的 g， d p 或者是高德靠，并不知道这些指令是如何操作的，所以我们需要用 ai 搭配 skills 来一起使用， 也就说 playwrite ioi 是 一个基础底座，这个 scheme 是 说明文档，它通过看这个说明文档就知道如何去操作 playwrite 的 这个通操作 playwrite， 从而操作这个浏览器。 我们安装这个 playwrite ioi scheme 是 通过这条指令，就是杠杠 cio io scheme， 我 们在这里边，比如说你可以新建一个文件夹，比如说我在这儿，我我的所有的内容都是在这里边进行操作的，这个 playwrite 进行操作，所以我们点击这个 pro， 在 这个文件夹打开 pro， 然后把这条指令回车一下，我安装过啊， 一看到他就会把这个 skill 安装，默认是呃 lot 的 skill， 因为我今天要通过这个 lot 的 dex 来给大家介绍，所以我们这里也没有关系，简单在这修改一下就行，把这个 lot 呢改成 x 或者修改一下就可以啊，这里面已经有了，我之前改过，现在有两个文件带有两个 skill。 对， 这里也有。我们来到这个命令行窗口呢，登录 lot dex， lot dex 或者进入这个智能体。 进来以后呢，我们可以看一下我们已安装的 skill。 第第一条指令就是列出所有的 skills， 可以 看到这里面有这些默认的一些 skills， 以及 play right c l i 的 这条 skills。 还有这个是我做的一个操作页面的 skills， 这个也是我通过这个克格式让他做这个网页的具体操作。操作完了以后呢，体验成 skills 下，那下次他就可以直接用这个 skills， 而不需要一步一步去探索。这个也是我们节省 python 的 一个有效的手段。现在我们就可以用格式 结合 a write c o i 来做一些具体的事情来进行网页操作。比如说我们现在让它使用 a 登录，我们让智能 agent 来使用这个 a write c o i 来登录网页，访问这个 block， 询问近期的 ai 热点。我们来看一下首次运行呢，它首先会去学习这个 c o 的 文件，所以会消耗一些时间，可以看到它已经用这个方式打开了一个网页。 yes， 让它继续，虽然后台已经显示打开网页，但是我们并没有看到，这是因为这个浏览器没有开启远程调控。我把这个网页关掉，我们打开网页来给它设置一下，输入这条指令，点击勾选，允许允许这一条，这样勾选才行。我们打开一个空网页，我们继续让它操作。每次登录都会出现一些状况，它现在已经总结出来， 这样这样我们终端呢？首先让它打开网页，我们分布进行操作。现在我们让智能体用这个 layer i i 让智能体去打开网页，然后在 rock 页面输入问题来咨询近期的 ai 热点， 可以看到他已经把这个问题给输入进去，正在获取信息。接着这个征信又在询问你是否允许读他的这个快照，但是因为现在还没有回答完嘛，所以我们稍等一下，等他回答完再确认有结果了，我们就可以 这边回答。我们已经用这个打开了 grok 获得了热 ai 热点话题这个模型，发布部分产品动态，部分融资、并购、监管等等的这个热点话题，这就是他所完成的任务。 当然用这个工具呢可以抓取网页信息，比如你去电商网站去抓取评论，就类似于爬虫的功能。其实更多的应用软件可能是需要帮我们自动填写一些表单，那我们现在来让他做一下这个事。呃，我打开一个我的表单，这是我的这个表单，我是希望让他填这些信息。首先我把我的账号退出 给他，说让他登录这个网站，我把这个网站账号密码告诉他，说是先让他完成这个任务，然后就可以看到他打开一个网页在登录页面，我们再让他继续打开这个网页。以后呢，我们就让他继续，可以看到已经填写了登录账号来填写密码，继续他就完成了登录。呃， 非常好，他登录这这个界面，我们看让他在这个，我们给他新的命令，但我们让他在这个页面填填写测试数据，他读到了这个页面的信息，他在填写了，我们可以看到在选择这个工程则了，他填了一个测试工程，是有这个项目，填产品名字， 然后填一些数据，就是他所决定的。提交保存成功了，我们再确认一下，提交后我们可以看到是否有一条新的数据哦，这一条新增的数据，这个就是这条新增的数据，对 心中的数据，它还可以创建别的数据，但是我们不需要，这个已经是一个完整的工作流了，我们现在要做的是什么呢？让他把刚才的所有的动作，因为他的刚才的动作也是应该是使用了我在目录里边给他们的 skill， 他 已经比较顺畅的能完成这个工作了。但是我们让他就是请总结， 让他直接形成一个 skill， 有 了这个 skill， 他 就可以直接用下次用这个 skill 的 这个经验来自动填表，而不需要一步一步的去探索，这样就形成这个 skill 确认保证如果有任何问题他都可以中间去处理，这样就已经生成了一个 skill 存放在了这个 c 盘。这个 skill 呢？总结了，总结了这次实际验证过程的流程，打开网站输入信息提交， 还有在这个过程中出现的这个编码问题，他也已经检查了，下次我们可以直接这样出发，怎么出发？他也教你这个输入数据的脚本，那你就可以完全不消耗任何的 type 了， 这就是今天给大家介绍的内容，这个相对于之前的龙虾操作来说是已经效率很高，而且很准确。这是今天给大家介绍的内容，如果我的内容对你有帮助，欢迎大家关注我的频道，也有任何问题可以在视频下方留言，谢谢！
10:36查看AI文稿AI文稿挑战从零开始，彻底教会你这一次逆向，从打开天眼开始讲解，今天来跟大家去分享一下啊，怎么去使用我们的这个 m c p 结合上 skills， 再结合上我们的这个 ai 去进行这一次逆向分析， 牛逼，直接来看一下当前的这个案例，来打开这个开发主工具的面板，在这里进行抓捕的操作啊，点击一下这个按钮，那么会发现这里出现了一张这个验证码，验证码 像这种反馈的话呢，无非就是两张图片，需要把这一张，嗯，就是缺口图片啊，填充到这个缺口的位置，那这个轨迹需要让 ai 去帮我们去识别出来的。 来看一下啊，这里跟它相关的数据接口也是，这个是做一个图片清晰的胶印的，可以看到它的这个响应，响应内容里面是有返回，一个是背景图片，一个是这个接口的图片，这两张图片对着它这个链接发请求是可以正常获取的 验证码的数据的，然后去识别识别这个拖动的距离，但是我们看一下，如果说我把这一张缺口图片我拖动让他绕过了之后，他给我返回的这个数据包里面有没有需要去印象处理的一些参数的纸。 可以看到这里的话是有一个叫做 wifi talking 的 值，还有一个是一个 id 的 值，还有这个 id 我 们不知道它是怎么生成的，最上方的话还有一个 t 的 值，然后还有像这个 jason 的 值和这个上的值，这些我们都不知道它是怎么生成的。好 看一下响应响应的信息，因为我是拖动成功了，那么你要去使用代码的方式去绕过这个还款验证码的话，也要去出现相应的这个成功 较验的信息。看一下这个载荷里面这个 id 和我们下一个这个数据接口的这个 id 的 值，我们可以去比较一下，你会发现呢，这两个 id 是 长的一样的，然后这个接口的请求参数里面， 呃，没有，没有这个 jason， 但是它里面有这个 send 值，也没有这个 token 啊，就是这个数据接口。 好，那我们现在的话呢，就来分析一下这个 send 字它到底是怎么生成的，就是在这个地方直接来通过这个关键字去搜索，看一下能不能找到， 但是嗯，这里没有它复制生成的位置，那么直接来，呃，更长更起，就从这个启动器里面点进去，在这里上一个这个断点，点一下这个按钮，它现在是直接断住了。 看一下这个 l l 的 这个参数里面是包含了 send 的 加密数据的， 就是有这一个东西，那么就往上面去找找他的这个生成的位置，继续往上面去找。嗯嗯，往后，嗯，这个的话就是往后面多久起步，但是你会发现没有值了，那没有值的话，你就再往前面去走一走，在这个地方他是有值的， 那么到这个地方呢，就没有值了，只有座位里面就没值了，且看一下这个位置有没有上值的， 有没有上值生成的地方，呃，这有一个嗯啊，这个嗯里面是有这个上值，那嗯的话呢，他在这里进行了复制，我们可以在这里下个断点看一下啊，就通过这个方法处理之后的嗯值和没有经过这个方法处理之前的这个嗯的值，看一下他们 会不会就存在一个散的这个差异。如果就是存在一个散的差异的话，那么它这个加密的话，肯定是在 q 里面进行的，直接就是示范一下这个断点。好，现在进来了， 先观察一下这个嗯的值，呃，这个嗯的值不太对，我们先重新上一下这个断点，再重新触发这个时间勾选上，然后现在把这个反馈验证码让它通过一下， ok， 直接断住了，先看一下这个，嗯，那现在零的这个值的话呢？是没有这个散的， 那么那么我们在观察通过这个 q 处理之后，有没有这个 send 值，你会发现呢？通过这个 q 处理之后，它里面就有这个 send 值，很明显的一个数据上面的差异， 所以经过这个 q 处理之后啊，它会往这个 n 里面去写入一个 send， 那 这个 send 怎么生成的？可能就是在这个方法里面生成的。好，直接就是点击进去，然后观察一下这个 q， 点进去之后来看一下在这个位置 找一下这个算的一个赋值语句，先在这前面打一个断点，多打几个几个断点，这个算的话是在这里进行复制的，那么它是从这个 r 里面取出来的，但是你会发现这个 r 的 话呢，它是有多次复制，所以一个一个给他下一个这个断点， 直接进来。好，现在断在这个位置，看一下这个题题，现在目前是没有这个算值的，因为它就是我们刚才传入的那个 n 的 那个参数。好，再来下面，下面的话就是一个一 e 值，它赋给谁了？我们看一下 e 值的话，它是赋给这个 id 了，那么这个 id 是 怎么生成的？我们也知道了，就是这个 g 的 这个方法生成的，你直接把这个代码呢，把它扣过去。好，就在前面进行了声明，就是这个 g 方法在这里啊。 ok， 这是这个 id 的 生成的位置。好，我们再看一下这个 r， 这个 r 值的话目前是一个 assign 的， 因为它在这里做了一个抽象，然后它是取到的是这个 a 里面的， 看一下这个 a a 的 话是在这里啊，它一开始为空，然后呢它把它转换成一个这个字串的一个形式，再来看一下，呃，这里在进行了这个方法 的一个这个处理，那么最后呢，通过这个 g g 对 它进行了个包装，变成了一串这个数据，这个数据我们可以在这个控制台看一下它的这个长度，那我看到这个长度其实很像是三十二位的，哎，没错没错，就是三十二位的， 三十二位的话，我们一般是判断它可能是 md 五的占用数据啊，看一下这个 g 是 不是 md 五，哎，好像是这个名字，那我们先把这个断点下下来，判断一下这个 md 五是否是标准的 md 五，复制一下 这个代码，然后我们在这里的话呢，让它加密生成，生成一个一的占用，呃，十六个 g 减一百二十八位，看一下 就是。呃，后面的话，来一个 to string 嘛，点上一个 to string， 可以 看一下 c c， c a 啊，这数据是完全没毛病的啊，所以说这个 md 五的还是一个标准的哈希，加个算法， md 五，直接去复刻一下那个算法就可以了， 好，再去看一下，这下面的话又经过了就是这个 r 值的话，它不仅是进行了一次复制，它还在下面进行了一个重新的复制，所以说我们还要把这个端点向下看一下，就传入的这个参数，这个参数的话 一个乱七八糟的这个随机的一个 change， 然后我们再看一下这个 y 是 什么，这个 y 的 方法进来之后你会发现，哎，它这里使用的是标准的 a s 的 这个对称加减算法啊， 来看一下啊，这前面的话是一个标准的加密算法库，就是 h 点 a 标准的加密算法库渠道里面的这个 aes 的 对称加密算法。那么我们知道如果是一个这个对称加密算法的话呢，对称加密算法的话，我们直接去找到它这个禁止，还有它的这个默的模式以及呢，还有它的这个填充方式啊， 填充方式还有它的如果有 iv 的 出使唤限量值的话，还要把这个 iv 的 出使唤限量值要给它找到。我们现在来看一下这个一的话呢，就是十六个 g 级一百二十八位的这个密钥，然后 u 的 话呢， u 的 话就是一百二十八位的这个出使唤限量， 在这里没有看到它的这个模式，没有没有那个填充方式 好看一下啊？这个 n 的 值的话，就是进行这个加密处理之后的这个值，那其实我们在这里去模拟的话，一整块这个代码把它扣下来啊，就是这个 y 的 方法，还有这个 j 的 方法，把它扣下来，扣下来再回到这个位置，把这一整个代码呢也把它扣下来，为您发现了这个 r 的 话呢，就是这两个方法生成的嘛，对吧？ 拿下来之后我们就有这个散置了，还有这个 id， 这个 e 啊，这个 g 的 这个方法呢，你也把它抠下来，抠下来之后呢，我们就可以直接让这个 ai 自动去帮我们去分析，你可以看一下，就我这里的话，我是直接让这个 ai 去给我生成的这个代码， 然后他进行了一系列的这个分解啊，然后又是告诉我这一个，呃，里面会使用到那些东西，我需要给他提供的一些东西，他会把这个 id 给我写进去，然后自己也会进行这个迭代，你看一下啊， 好，最后的话我让他去使用这个 d、 d、 d、 o、 c、 r 去进行这个识别，就识别那个，嗯，识别那个长度， 就缺口到那个背景，就这张缺口的图片啊，到这个缺口的这个位置是让它使用这个 d、 d、 d、 o、 c、 r 去进行识别， 把这个代码就给它完善出来。那么它最后呢就把这个 j、 s 代码还有 py 的 这个代码就给到我了，它会自己还有呢，这里的话其实我有，那我没有自己去给它提供这些数据啊，而是让它自己去通过这个 m、 c、 p 啊去分析， 自己去写这个候客，候客的脚本出的代码，我是结合上这个 excel 还有这个 m、 c、 p， 然后去进行的这个 ar 提问生成的， 他就会自动去写这个候客代码，然后拿到他想要的这个数据，并且会自动去打开这个网页，然后里面要去处理的哪些值呢？以及去分析。嗯，这里面的一些这个接口代码都会自己去做这个分析的。 好，我们直接来看一下这两个文件，这是他写好的，这样的话其实这个文件也写的非常的这个规范啊， 可以看一下，可以看一下啊，这个的话，嗯，首先是这个 aes 的 一个加密，然后还有这个 md 五的一个加密的数据，拿到这些之后呢，它就会跟我的这个 py 文件去进行数据上面的交互，会把这些东西把它导出去。好，可以看到这个 py 文件的话呢，我们是，嗯跟 获取到的这个 j 四里面的这个加密值，现在我们可以去右键运行一下这个代码，看一下这一个，呃，看一下这个 ai 给我们去生成的这个代码怎么样？其实我在这的话直接打开， 打开这个这个文件跟大家去运行，去看看是这个效果吧，因为那个的话我还要去选那个命令，要选那个 note 执行那个 p y 文件。好，现在来右键运行下这个代码， ok， 是 没问题的，他就是已经获取成功了。然后你也可以去把这个数据，就可以把这一个返回的值去跟 浏览器，就跟这个浏览器好，跟这个里面的一个相应的数据包，就是跟这个相应的值可以比较一下，还可以比较一下啊，这是一样的啊，它已经是获取成功了。
213明天学姐
04:18查看AI文稿AI文稿把扣的扣的密码下载之后，我们能不能把它布置到本地的？可以的，然后我这边也布置上来了，首先我们需要用到一些，嗯，我这边是这样子的，首先把它本地的扣的放在这个我的橡皮夹里面， 然后呢把这个下载些 mac， 比如说一些爬虫的啊，然后一些控制电脑的啊，一些自动排版测试的好，然后再下载一些什么鱼情的，或者说一些货价格图的， 这样的话它就可以去模拟操作电脑，然后去爬虫，然后去获取最新的接口，然后自动去排版，去画图，去获取预警信息，然后再搭配我的这个 skill， 你 看 我这个 skill skill 里面可以做，有个可以做视频的，就是一个可以做 ppt 的， 就截图做 ppt， 你 看做视频的， 这是哪个啊？这个看一下他会说要用哪些技术把这看。把 bt 换成片转化为视频，这是 h t m 五换成片和视频， 然后这个他会是把，然后他会，你就说你可以给他浏览器的地址，他又不是你去看。然后最后我们先会把它生成 ppt， 生成 ppt 内容之后会很精美，就可能比一般的人做的还好看一些， 然后里面有插头，有什么都有的，然后最后会把这个 ppt 转换成视频，这视频里面会有可播，有啊字幕，然后讲的，甚至我可以调音色，比如说录制我的音色，去让他分析我的音色，然后去调音色，这样子的。嗯，那效果呢？是什么呢？现在我还没有做的很 晚晚上。嗯，这里，比如说这里可以配置 ai， 我 本地画的 ai 就 也可以用本地，刚刚我敲下来 ai， 比如说用豆包呀，对吧？其他都可以用。然后本地 ai 也可以用的，比如说我做一个， 你看这里目前用的是本电压，叫膨胀呀，哈，这个电压一听名字就很膨胀，这能干什么？你跟我说的它能干？ ppt 演示、视频制作、文案网站生成和 sql 创建，就可以直接用 sql 去写 sql， 然后用去给他喂他一些东西，去写 ppt， 然后用 ppt。 嗯，写了 ppt 做视频。好，然后看，我看一下做，比如说分析什么新能源汽车趋势，发给他， 他给给分析出来，然后可以再可以下载 在本地方的一个 ai 功能效果，但是呢，现在我还没有完全调通，可能这两天我又要出去浪去了，去玩去了，等我有时间把它调通，再给大家看看真实效果，理论上应该是可以的。然后现在也快了，就是差一什么对接下 ai 的 接口啊， 然后是把北京那个连串起来就好了。我现在没串起来啊。然后后期其实我们可以用这些，刚刚不是有 mcp 操作电脑吗？然后后期我们可以对接一个什么通讯的东西，对吧？去跟 我们电脑去通讯，然后比如说发生发生指令，然后它就自动会触发那个按钮，比如说这个 啊，发送指令之后他会去触发我这个，或者说触发这个按钮，然后那么这个里面开放软件里面有模型吗？啊？他出发之后，那么他就可以去完成我的任务，然后我再要他输出我的这个 task， 是， 对吧？ 嗯，这里有一个 task 任务，就是他是怎么做的，他会告诉我，你看他会，比如说输出我一把任务输出，他会告诉我，哎，他怎么做的？他返回给我，他是这样做的。 就是后续我们可以在玩的过程中再搞搞一个，把电脑放家里，或者买一个什么微服务，买一个什么苹果服务器都可以， 这样的话我们就实现了小龙虾本地化部署室友化属于自己的小龙虾。那么我们后面可能就是搞点秃皮就好了。关注我，下期我们看看这个效果。这两天没时间，估计下周吧， 下周应该差不多差不多了，下下周个三四五的样子。
39膨胀小羊
