skill可以分析监控报表吗
open core 如何获取摄像头内容？ open core 有 个获取摄像头画面的 skill， 它可以获取一帧，也可以获取一个时间片段，用它来监控或者定时查看某些人或者无就很方便。 获取片段后可以让 open core 用来分析多个画面的变化。这个 skill 的 名字叫做 comes up。 这个电脑上要安装分批，并在 pass 上配置分批路径才可以用安装这个 skill 的 方法为 npx core 御 bug 等 stop comes up。
粉丝1803获赞1.1万
相关视频
01:01查看AI文稿AI文稿你的大龙虾如果装了这个 skill 呢，你是可以二十四小时监控股票行情的。那首先我们来到 q vs 这个网站啊，然后这里呢是很简单的直接复制这个提示词就可以了。刚那个链接呢，直接粘贴到 open cloud 这里来就可以了，它自动会运行， 然后让它做一个二十四小时监控 ai 方面股票的计划，因为我不炒股票，所以我只是简单的让它做了一个演示而已，大家可以根据自己的需要来去给他提要求。 那如果你没有装大龙虾怎么办呢？那有一个很简单的方法，那如果没有大龙虾呢？凝固也可以的。凝固这里呢是可以安装很多 skills 的， 这里有个安装目录吗？添加就行了，只需要添加我们想要的 skill， 那 这里我已经安装好了这个 skill， 然后就直接可以在这里的使用了。 所以说大龙虾呢，虽然好啊，但是不是每个人都能装的上的哈，因为他确实是有点点难度的，所以我们还不如直接去找找国内的这些啊，很多智能体或应用不一定非得选大龙虾，而且大龙虾呢是安全性还是稍微差那么一点点哈。
428老军AI玩短视频
00:44查看AI文稿AI文稿opeco 如何做股票的行情分析和策略监控？ opeco 上有一些关于股票的 skill， 对 投资者收集信息比较友好， 其中有一个行情分析的 skill 和策略监控的 skill 比较合适大家。 china stock analysis 可以 分析中国股票 a 股港股，并提供投资建议。当用户询问中国公司的股票分析时，使用包括买入卖出建议及市场走势。 sagmonter skill 是 全功能智能股票监控预警系统，支持成本百分比均现金叉死叉二月三超买超卖成交量异动跳空缺口动态止盈等七大预警规则，符合中国投资者习惯，红涨绿跌。安装方法为 mpx 科奥黑巴尔等四道 skill 名字。
2520AI布道者
02:55查看AI文稿AI文稿搞股票投资量化的朋友们，你们不会还在每天翻二十多个 a p p， 花大价钱在万德天眼查以及各种研报平台找数据吧？这两天我发现了一个叫 q virus 的 平台，竟然能让小龙虾获取真实世界数据， 里面包含了大量的专业权威金融平台的数据源。 a p i 安装也贼方便，直接去官网复制指令，给小龙虾分分钟就安装好了。 小龙虾分析东方电器二零五年的财报，并进行投资评估，他给出了非常有价值的财务业绩分析和预测，投资优势、财务健康值、估值风险、投资建议也都说的明明白白，可以看出他把整个财报都吃的很透。 这种涉及到数据分析的任务，建议大家都生成格式化图标观看，让他对韩五 g 这家公司进行调研。他给出了非常详尽的调研报告，包含基本信息、实时市场数据、财务数据分析、关键业务亮点、投资风险分析、估值分析、投资建议以及后续的调研建议。 这些数据都来自于权威可信的投研平台，所以不用担心有幻觉问题。然后我让他针对第一个后续调研建议进行更深入的分析。他给了我二零二五年一整年的业绩分析，不光是罗列数据，还有很多的细节解读，比如说现金是否充裕，备货是否充足，指标是否安全等等。 当然，我也可以让小龙虾生成格式化图标，来更清晰更直观的了解这家公司。投资有的时候就像打仗，讲究一个速战速决，我们可以让他快速生成每日时长检报， 同样信息很全面，包含板块整体表现、重点个股表现、北向资金和主力资金流向、行业 etf 流向、重要公告、龙虎榜观察、机构观点、持仓建议、操作要点、后续关注等等。开盘之前咱就获取全面的信息，打一个有准备之仗。 读研报也特别让人头疼，咱直接交给小龙虾，告诉他我想要投资能源板块的股票，找到该板块的高质量研报，提取核心结论和观点数据，并进行多份研报的交叉对比。 他从中信证券、国泰军安这些权威机构收集了多篇眼报，分析了共同观点和分歧点，对比了关键数据，汇总了投资建议，给出了风险提示，并进行了交叉验证，这绝对是顶尖投资者的研究水平。 几个 case 看完，是不是觉得 q virus 是 把投资利器？ q virus 其实是一个 ai agent 统一数据接口平台，简单理解就是为 ai agent 统一数据接口平台，简单理解就是为 ai 智能体提供各种真实世界数据技能的技能商店。 不光是金融领域，还覆盖了医疗、体育、科研等多个领域，有上万个 api 数据员。有了 q virus， 咱就不用单独管理各个数据员的 t 和认证了。 q virus 也兼容 m c p 协议， open cloud、 windows 这些主流 agent 都可以丝滑接入。 以前咱作为散户，我们与专业投资机构的实力有极大的差距，而现在技术平权，小龙虾抹去了专业鸿沟， q virus 让数据信息差距极大缩小。 现在有请好友可以获得积分奖励，快去 q virus 官网，让你的小龙虾变成专业投资人吧！如果你觉得有所收获，可以点赞、转发、关注，我们下期再见！
57北茗的AI茶馆
12:32查看AI文稿AI文稿别再纠结是 codex 还是 cloud code 了，我在实测了数十个 agent 之后，发现真正决定生产力上限的不仅仅是 agent 工具，还有你手里的 skill 配置。如果你的 skill 没配对，换再强的 agent 也是在浪费时间。 所以我根据实际开发场景和我的日常使用，筛选出了这四组最核心的顶级 skill， 包含了原能力扩展、工程化开发、前端设计和内容创作。 它们完全不挑平台，不管你以后切换到哪个 agent 装上都能用。先讲最根本的两把钥匙，我称为原 skill。 你 可以把它理解成让 ai 自我进化的能力，它不负责具体的活，而是专门用来扩展 agent 的 能力边界的。不管你用 ai 做什么，这都是你第一天就应该打好的地基。 第一个是 skill creator， 来自 antropic 官方。如果你想把一套成熟的工作流变成一个新的 skill， 便于后续调用，那么选它就对了。 以前想自己做个 skill 特别麻烦，得先去研究半天复杂的格式，不然可能写出来的 skill 还会报错。就算写出来了，使用效果也不一定尽如人意。但现在有了它，你不需要去研究什么复杂的格式，也不用手动改文件， 你只需要像给同事交代工作一样，用大白话把你的流程说一遍，或者直接把你的操作手册丢给他，他就会自动帮你起草、测试、反复迭代。在你自己完全不用看开发文档的情况下，一分钟就能写出一个既标准又好用的 skill。 安装和使用方式也很简单，在安装完成后， 只需要在 agent 里选中 skill creator， 然后输入你的需求，和它一步步地进行沟通就好。建议直接局安装，这样无论你在哪个项目里，都可以随时进行调用。第二个是 find skills， 大家千万别把它当成一个普通的搜索插件， 觉得还得自己手动去查。真正的用法是你直接给 agent 派任务就行了。比如你让他帮你做个 ui 设计，要是他发现自己不会，他就会自动把你的需求拆解成 ui 抵赞你这种关键词，然后自己去全网搬救兵。他在后台连接的是 skill 点 s h 这个平台，他会自己查看哪个 skill 安装量大，哪个作者靠谱， 然后挑出最好的那个供你进行选择。在你选择好之后，它还能直接一行命令帮你安装上 skill。 creator 是 让它能自己造工具，而 find skills 是 让它能去外面找现成的，这两个配合使用，一定能大大提升你的 agent 的 工作效率。接下来是针对具体场景的 skill。 先说软件开发， 我选了这三个， superpowers， j stack 和一个前端大神的 skill， 它们针对的场景略有区别，但核心都在解决同一个问题，就是终结那种看似逻辑闭环，实则无法落地的代码幻觉，帮你守住工程底线。第一个 superpowers， 他的杀手锏在于他把测试驱动开发这套严苛的工程标准，直接变成了 agent 必须遵守的硬规则。其实很多人刚开始用 ai 编程，最容易上手的场景就是让他写测试，而 superpowers 顺着这个逻辑直接把开发流程给正规化了，他 会强制 agent 进入一套标准的红绿重构循环，先写一个必然失败的测试，证明功能还没实现，然后写最少量的代码，让它变绿，最后再进行优化， 而且它非常稳。 agent 写完之后，它会自动开启两轮内部审计，一轮看代码，实现跟你的需求对不对的上。另一轮则专门盯着代码的质量挑毛病。这种慢思考的模式能帮你抓出很多隐藏的边界问题。 虽然看起来多花了一点点时间，但因为它第一遍就能把代码写到八十分以上，省掉了后面无数次反复抵 bug 的 时间，长期来看反而更省头肯也更省钱。它的整个工作流程大致如下， 首先他会拉着你做头脑风暴，把需求细节彻底磨清楚，先出一份整体的设计文档。然后他会把大任务拆成一个个几分钟就能搞定的小碎活儿，每个活儿都有明确的验证标准。接着就是让紫 a j 特自己去跑， 他自己写，自己查，严禁跳步，你只要在旁边关键节点确认一下就行。最后等测试全部通过了，他会把选项丢给你，是直接合并代码，还是先留着分支，或者觉得不行直接丢掉？第二个是 j stack， 作者是 y c 的 总裁 gary 谭。如果你还不知道 y c 是 什么，简单说，它就是全球最牛的创业孵化器，像 airbnb、 dropbox 这种巨头都是它孵化出来的。所以这位大佬出的工具，骨子里带的就是那种硅谷创业者的实战基因。这个工具有一点不同， 它不是那种功能单一的 skill， 而是在 agent 里内置了二十三个不同的专家角色，从 ceo、 设计师到发布工程师，你都可以通过斜杠命令直接调用，这相当于给 agent 配齐了一整支团队，让他不再是单兵作战。为什么要搞这么多角色？ 因为真正做商业系统，代码行数不值钱，能跑通才值钱。有了这群专家帮你交叉审计， agent 就 能在不同的专业视角下， 把你揪出那些隐藏极深的问题。我来向你介绍一下它的实战流程。首先，在你动手写第一行代码之前，先跑一下 office hours 命令。这就是 yc 最出名的灵魂拷问。 ai 不 会立刻写代码，而是像个严厉导师一样， 反问你六个最尖锐的问题，把不靠谱的假设先掐死。接着可以用 plan ceo review 命令，让 agent 站在 ceo 的 高度审视计划，看看有没有更优解。到了代码复合阶段， review 命令就是你的资深工程师，他不光找小 bug， 更盯着那些 c i 能过，但一上线就可能爆炸的工程隐患。另一个具有实战特色的是 q a 命令，以前 a 阵呢，只能在代码里纸上谈兵，但这个命令是真的，会打开浏览器，像真人测试员一样去点击验证， 直接把 bug 抓出来修掉。最后活干完了，直接执行 shift 命令，它会自动同步跑测试、推代码、开 pr。 整套发布动作一气呵成。该瑞坦统计过，二零二六年，它的代码产出是二零一三年的二百四十倍。这不是说 ai 写的代码行数多就是厉害，而是同样的需求， 他一个人现在能顶一支小团队在干活，这就是角色分工带来的本质变化。第三个是一套前端大神 mod， 自己日常工作用的 skill， 作者是 typescript 的 布道者，如果你平时前端开发比较多，那么可以试试这个。 这套工具重点解决的是人与 agent 之间沟通对不起的问题。 mark 总结过，如果没有好的引导规则， agent 写代码很容易陷入几种困境。首先是理解偏差， agent 可能根本没听懂你需要什么，或者写得太啰嗦，废话很多。然后是执行失败，好不容易写出来的代码，结果发现根本跑不通。最后是架构隐患， 虽然代码能跑，但因为缺乏整体规划，后期维护起来会非常痛苦。所以他的这套 skill 核心逻辑很简单，宁可在前期多花几分钟对其需求， 也不要在后期花几个小时去处理这套低质量的代码。具体到这套 skill 里面的指令，我建议你重点关注这几个。首先是 graeme 系列的命令，这就是刚才提到的拷问模式，当你提了一个模糊的需求，比如说想加个登录功能，他不会马上动手，而 是会回过头来不停地拷问你细节。可能问完之后，他发现你真正想要的是 sso 环境下的多租户登录，这就把隐患消灭在开工之前了。接着是 tree 命令，也就是 aure 分 诊，他会帮你把所有的任务都过一遍， 分清楚轻重缓急，确保你不是在修一些细枝末节的小 bug， 而忽视了真正堵塞进度的核心问题。最后还有一个 improve 命令，这是代码库的架构急救包， 你可以每隔几天就跑一次，让 agent 站在大局的视角审视你的代码库，找出那些以后可能会越来越难改的地方，并给出重构的建议。接下来是前端页面设计，这是最开始编程 agent 出来时，他做的最差的一个领域之一。 agent 化 u i 出来的永远都是那些固定的套路， 固定的字体，蓝紫色的渐变背景、圆角卡片、特定的按钮样式。你在网上看到的那些 ai 生成的界面，十个里面有十二个长的都一样。解决这个问题的 skill 有 两个，第一个是 frontend design， afropic 官方出品。如果你受够了那种千篇一律的 ai 审美， 那它就是你的救星。以前的 ai 画 ui， 一 眼看过去全是圆角卡片加紫色渐变，就像是在共用一套廉价的模板。 而 front and design 的 核心是帮你洗掉这些 ai 位。它不是机械的套用组建，而是根据你的产品调性去推敲更有质感的纹理，或者尝试那种更有呼吸感的非对称布局。比如你给他提一个具体的风格要求，想要一个杂志感带点硬核感的页面，他给出的方案里， 字体的比例和模块间的留白都会处理的很到位。有了这种对视觉细节的把控，你的 ui 就 从一眼 ai 变成了真正意义上的耐看。 第二个是 u i u x pro max。 如果说前面的工具是帮你找灵感，那这个就是直接帮你配了一个设计总监。它的特点在于，它不是在靠直觉画图，而是把专业设计的那些条条框框全部变成了底层的逻辑。比如你要做一个金融或者医疗类的界面，它会非常明确地告诉你 什么样的配色能体现安全感，什么样的字体更显专业。他甚至还会给你列出一份避坑指南，直接点出哪些设计在商业场景里是绝对不能碰的。之所以能这么专业，是因为他后台内置了一百六十多个行业的深度规则， 不管你遇到多冷门的业务，他都能拿出一套成体系的方案，从交互细节到动效走位，都给你安排的明明白白。 而且它有一个很实在的功能，就是能帮你生成一套可以持久化附用的设计系统。有了这套规范，你下次再开发新项目， 直接把文件丢给 agent 就 能用，不用每次都从零开始打磨风格。而且它的上手门槛很低，无论是装插件还是用命令行，都能快速跑起来。 这两款工具的分工也很明确， front and 底钻负责把画面画得出彩，而 u i u x pro max 负责把产品做的更专业。有了它们， ai 的 输出就再也不会有那种廉价感了。最后一类，内容创作。如果你用 agent 做内容创作，那这组宝玉老师的 skill 我 一定要强力推荐给你。 它首先解决的就是内容本身的高质量产出，比如它能帮你生成一张极具审美，完全不输专业设计师的封面图，或者把一大段枯燥的文字直接变成一张高信息密度的格式化信息图。 在内容做漂亮之后，他还会顺手帮你搞定后面那些讨厌的碎活，比如说转格式、做排版，最后还能直接一键发布到各个平台，他把从生产到发布的全流程都打通了，有了它，你就能真正实现生产和发布一体化，把所有的精力都集中在打磨好内容上。 宝玉老师的这套工具箱里包含了十几个好用的 skill， 我 这里简单带大家看几个。首先是用于生成封面图的 cover image skill， 它最强的地方在于有一套五维控制系统，从构图类型、色调方案、渲染风格到文字排版和情绪基调， 全都能精准调优。这七十七种预设组合，能让封面彻底告别开盲盒的随机感，每一张出来的效果都像是为你的文章量身定制的专业设计。 如果你平时觉得画逻辑图、架构图很头疼，那这个信息图相关的 skill 绝对是神器。它内置了二十一种专业的信息布局，像分析原因的鱼骨图、做转化的漏斗图、梳理层级的金字塔图应有尽有。更聪明的是， 它能自动读懂你文案里的逻辑结构，直接推荐最合适的布局方案。以前要在设计软件里磨半天的信息大图， 现在只需要几秒钟就能产出出版级的可量化成果。如果你经营小红书，那么可以使用小红书 image skill， 它能将长文章自动拆解为一到十张卡通风格的轮播卡片。通过内置的十一种视觉风格和八种排版模式， 如对比、清单、流程等，可以快速生成符合平台排版习惯的图文内容。针对排版环节， 这个 markdown to html 的 skill 解决的是一个非常具体的痛点，那就是在微信公众号这种不支持 markdown 的 平台上，如何保留精致的排版。它内置了多套公众号主题，能自动处理代码、高量和数学公式。 最实用的一点是，它能把文中的普通外链自动转为文末的底部引用，彻底解决了公众号里链接打不开或者被截断的尴尬。如果你平时还有翻译文章或者精读外文资料的需求，那这个翻译 skill 就 派上用场了。 他最强的地方在于提供了一个正式出版级的模式，这个模式不是直接进行翻译，而是会走分析、翻译、校正再到润色这整整四步的流程。 而且他有一个非常人性化的功能，就是能让你指定你的读者是谁。比如你告诉他你的读者是资深开发者，他就会自动省略掉那些庸愚的解释， 翻译出来的语气读起来就像是真正的圈内人写的。最后，当你把内容全部准备妥当，可以通过发布微信或者发布微博这两个 skill 来实现一键跨平台分发。 它区分了不同的分发逻辑，你可以发长文形式的文章，也可以选择只发几张图片配一段摘药的贴图模式。它把那些复杂的后台操作全都变成了 agent 里面的一行指令， 从本地草稿到最终发布，整套流程都可以在 agent 里面直接闭环完成。今天分享的这些 skill 只是个开始，其实最关键的是大家要根据自己的工作流程和使用场景，去打磨出真正适合自己的 skill。 如果觉得视频对你有帮助，别忘了点赞和订阅，我是俊旺，我们下期再见！
4.8万Juang_42号搭车客
09:17查看AI文稿AI文稿今天的主题是什么？是四个，有你和你的 ai 助手说帮我监控三个竞品的价格变动，并且每天早上发一份对比报告到我的邮箱，五秒钟之后，竞品数据抓好了，对比表格生成了，邮件也发送到你的邮箱， 并且他同时还帮你整理了会议纪要，回复了科普有件更新的项目进度，他是怎么做到的呢？ 答案是， ai 也有自己的 app store， 你 想让它监控价格？创 excel 想让它整理邮件，创 excel 想当它深腾周报。再撞一个 二零零八年， app store 改变了手机。二零零六年，同样的事情正发生在 ai 身上， 但 still 里面究竟装了什么？ ai 怎么从几百个 still 里面挑到对的那个？不同的平台之间怎么共享？装了恶意的 still 会怎么样？今天全部拆给你看。 上两期我们讲到了 ai 的 大脑和手脚。本期我们将深入到最关键的一层， ai 如何获取和管理它的能力。 我们会打开一个真实的 screen， 看代码，讲清楚 ai 怎么选， screen 怎么加载，背后的协议标准是什么，有什么安全风险？整个生态怎么运转的。 上期我们说到 a 卷有四要素，大脑、工具箱、记忆循环。工具箱里是一个个零散的工具，但如果你有几十上百个工具，该怎么管理？怎么让它们配合工作？ 答案是，打包。就像手机把零散的代码打包成 excel。 我们打开一个真实的 skill 来看一下。在 a 卷里， excel 就是 一个文件夹，核心的东西是一个叫 excel dmd 的 文件。 最上面这段内容叫原数据，它是 excel 的 名片，里面包含的它的名字，还有 excel 的 描述，它可以使用的工具列表和调用哪一个大语言模型。 下面这一大段 markdown 文字呢，就是给 ai 看的说明书，告诉他你是谁，要做什么，怎么做，注意什么，就这么简单。 excel 就 等于原数据加提示词， 没有复杂的编程框架，没有翻译，没有安装包，就是一个文本文件，会写字就能做 sphere， 这也是为什么 sphere 态能爆炸式增长。 我们接下来看一下 sky 是 如何使用工具的，就比如获取天气这个工具，这里有工具的名称，工具的描述，还有工具输入的参数类型。 ai 读了这一段决策，就知道这个工具叫什么，需要什么参数，该如何使用。 简单来说， steer 和工具的关系就是，一个是账层打包定义好 s o p， 一个是具体执行每一个环节的底层零件。 假设你的 a 卷装了五十个 steer， 你 说帮我写一篇公众号文章，他怎么知道该用哪个？ 你去图书馆找书的时候，不会把每本书都翻一遍，你会先看目录卡片，书名加一句话简介，扫一眼就知道该去哪个区。 a 卷子也一样，他不会读所有 still 的 完整内容，那样就太占内存了。他只读一份目录，读完就能判断该用哪个 still。 用这样的方法，我们可以用很少的上下文，让模型看到全铺 still 的 信息。但是如果 still 数量非常多，我们又该怎么办呢？它会直接把模型的上下文空间占满。 目前主流的解决方案有三种策略，第一种就是像图书馆一样，把 still 按类别主字成一棵树，分成写作区、数据区、开发区。 ai 先判断任务类型，然后再找到对应的分区，忽略掉其他几千个 still。 第二种是通过搜索，把用户需求和所需要的 slide 描述都转成像亮。还记得我们第一期说的引班定吗？ 算相似度匹配，就像搜索引擎，不需要翻遍所有的网页。 第三种方案就是用工具找工具，这也是最巧妙的一种，做一个搜索 steer 的 工具。 ai 只需要随身携带这一个搜索工具，就能找到任何它所需要的 steer。 好， 现在 ai 决定要用一个 steer， 那 么它是怎么加载进去的呢？其实 steer 它不是一次性全部塞进去， 它是像火箭一样分三级。第一级是名片，也就是 ai 启动的时候加载每个 stero， 只加载它的名字和一句话描述。第二级是说明书， 当 ai 决定用某个 stero 的 时候再加载，看到 stero 里面的完整题字词，步骤，还有注意事项。第三级是工具包，是在执行的过程中需要加载的脚本和数据模板。 为什么要这么做？为什么要分级？因为 copy 就是 钱， ai 思考时，上下文里面所有的内容都会参与到运算，全部加载要几十万， copy 又慢又贵， 三级加载只需要花几千偷啃省了几十倍。就像手机不会同时运行所有 app， 不 需要的 app 它会进行后台休眠，只有点开才会加载 app。 好， 接下来我们来聊一下什么是 m c p 模型的上下文协议。 想象想，你做了一个查天气的工具，在 open curl 上能用，但朋友用扣子同时用 defi， 它们的平台就不兼容。如果每个平台接口都不一样，那么你就要做多个版本。就像以前的充电线，安卓不支持苹果，苹果的线也不能在安卓上用， 直到 type c 的 出现，一根线，所有设备都能粘。 ncp 就是 ai 世界的 type c n c p 是 一个开放协议， s o p k 二零二四年底发布，它定义了 ai 怎么发现工具，怎么描述工具，怎么调用工具的标准。 二零二五年底捐给了 nix 基金会。 open ai 加入了， google 加入了， microsoft 也加入了，现在是事实上的行业标准。 我们用一个通俗易懂的场景来理解一下什么是 n c p。 我 们去餐厅点餐。第一步，看菜单，服务员递给你，菜单上面标明了每道菜的名字，食材要等多久。 n c p 里面有一个叫工具，发现 ai 连接一个 n c b 服务器，服务器递给他一份菜单，告诉他我有什么工具，需要什么参数，能返回什么结果，就是刚才展示的那段杰森。第二步，点菜。 你说宫爆鸡丁、微辣不要花生。 n c p 里叫工具调用， ai 是 哪一个工具？把窜数传过去。第三步，上菜。厨房做好了，服务员 把菜端过来， n c p 里叫结果返回。你不需要知道厨房内有什么设备，也不需要知道厨师是谁， 你只需要看菜单、点餐等上菜。这就意味着你做了一个工具，所有 ai 都能用。你换一个平台，工具不需要重做，工具的开发者和 ai 的 开发者各做各的，通过 n c p 连接。 最后，我们来梳理一下，我们讲几个概念的关系。首先，方宣 call 令是 ai 大 脑的能力，它能生成调用工具的决策指令。 n c p 是 连接标准，定义了工具怎么被发现，如何调用，返回的结果是什么，也就是 type c 的 作用。 skill 是 应用层把工具链、提示词配置打包成一个主体，打个比方，方旋抠领是你的嘴，能说话，能下单。 n c p 是 电话线标准的通道。 ski 式外卖套餐，打包好的完整服务，缺一不可。以上就是本期视频的所有内容，如果这个视频对你有帮助，请点个赞，让更多人看到！
24AI科创指南
02:29查看AI文稿AI文稿大的来了，兄弟，你们的 openclaw 是 不是还只会嗑泡泡聊天？你把他请回来不是为了让他当人工智障的，而是让他替你赚钱，替你干活的。那么今天直接给你们上干货，装了下面这四个 skill， 让你的小龙虾瞬间进化为最强员工。 先说 skill 怎么装，我们打开永冻虾七二四 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 了。然后就是 skill 一， skill vetter 安全审查护卫队 skill vetter 就是 你的安检门，在安装任何陌生插件前，它会自动检测可疑权限，请求异常行为模式并给出风险评级，红色直接拉黑，绿色才放行。 装完 opencloud 第一件事必须是 cloudhub install skill vendor。 装上它之后，你养虾的心安指数会指数级增长，它让龙虾的爪子只能为你所用，不会反过来把你的数据全偷了。 skill 二， tivoli search 联网数据采集器没有联网能力的 ai 就是 个单机废柴，但是很多人的 ai 一 查资料就瞎编，一搜新闻就给旧信息。直接装 tivoli search， 它是专门为 ai agent 优化的联网搜索工具， 你把链接或一句话丢给龙虾，它能实时抓取最新论文、竞品动态新闻数据，返回的结果是结构化的，一点废话和广告都没有。 skill 三， content creator 全能内容创作大脑装上 content creator 之后，你的龙虾能直接替你写爆款文案，定制小某书风格的图文，甚至直接生成视频脚本。 你给他一个粗糙的灵感，他还你一篇排版排好、分段分好的文章。如果你要玩进阶一点的，还可以直接搭配 x research skill， 让他帮你在 x 平台上监控一百个大佬的实时动态，一旦嗅到热点，立马召唤 content creator， 自动生成跟风爆款内容，这就是真正的 rpa 矩阵玩法。 这个技能把龙虾从聊天员工活生生变成了你的内容生产线，你不会再被灵感枯竭折磨，只需要负责指挥龙虾，负责卷 skill。 四、 self improving agent 自我净化记忆库你要是不装这个技能，你的龙虾每天醒来都是个新同事，完全忘了你昨天的习惯和偏好，你得不停地重新调教。 self improving agent 能让龙虾拥有自适应能力，你让它搜过数据，给过反馈的事，它会沉淀到记忆库里。以后再做同样的任务，会越来越快，越来越精准。 同时，它还能自动优化回复规范，用最精准的话术完成你浇灌的所有复杂任务。说白了，你养它一天，它懂你一点。养它一周，它比你还懂你的工作和生活。最后，这四个装完之后，你的龙虾就彻底变成一个属于你的最强数字员工了。
00:33查看AI文稿AI文稿这是全网众多 ai 大 神都在用的 ai 热点集合，上线第一天，访问人数就突破十万。他监控了一百六十八个信息员，不仅按权威性进行了划分，还按选择题进行了分类筛选。 不管你想了解行业趋势，还是寻找最新论文或者学习实操技巧，这里都可以划水时间。你可以提取每天的日报、喝咖啡，空闲也可以审阅精选热点。最离谱的是，它还提供了接入 ai 的 技能，支持 rss 阅读器，甚至还有 api。 比如你问你的 ai 助理今天的 ai 新闻是什么，他就会给你列出每天最新的 ai 热点。更良心的是，免费，不用登录。
107吞吞AI成长之路
02:58查看AI文稿AI文稿每一个刚开始学 scale 的 人，都应该先安装这两个 scale， find scale 和 scale creator， 有 了这两个技能，可以让你少走很多弯路，我给大家详细拆解一下原理。 第一个， find scale， 这是一个找 scale 的 scale。 你 想想， scale 这个生态已经有了上百万个 scale 了，全世界有大量人为 各种各样的工作场景做好了四个样，视频制作、股票研究、文案生成等等，各个行业的人都在贡献。在你自己动手之前，第一步应该是先搜一搜你想做的事情，有没有人已经做好了。 the scale 就是 帮你做这件事的，告诉他你的使用场景，他帮你在社区里搜出已有的相关 scale， 让你直接拿来用，或者说在别人的基础上改一改，不要重复造轮子，别人已经造好了，先拿来用。 第二个， scale creator， 这是一个造 scale 的 scale。 当你用 find scale 搜过了，发现没有完全适合你的，这个时候就需要自己做一个 skill creator 的 核心逻辑是，把你想要 ai 执行的工作流程像教新人一样描述清楚，第一步做什么，第二步做什么，遇到什么情况该怎么判断，输出什么格式。它会引导你把这些内容整理成一个标准的 skill 文件。之后你每次需要用，喊一声就行， 他还会帮你做测试。你教完之后，让 ai 模拟执行一遍，看哪里有漏洞，哪里说的不清楚，反复打磨，直到稳定可靠。说了这么多， sky 能给普通人带来什么？三个层次， 第一层省时间，以前重重复三十分钟的事，现在一分钟搞定一个 sky 花一个小时学会用三次就回本。第二层质量稳定，不会因为你今天累了烦了，输出就变差。 ai 按照你教的标准来，每次都一样。第三层也是最重要的一层，你第一次拥有了造工具的能力。 以前把一套工作流程变成自动化工具，你需要找程序员，需要找开发、排气，甚至需要花钱。你有再好的经验和方法论，也只能锁在自己的脑子里，一遍一遍手动执行。现在不用了， 你自己就能把经验变成工具。你干了十年攒下来的判断力、流程标准， 以前只能靠你自己一遍一遍重复，现在它可以脱离你独立运行，甚至可以分享给别人用，可以二十四小时不间断工作，你的经验终于不只是属于你的脑子了。
2647PM.姜同学
01:41查看AI文稿AI文稿今天给大家介绍的这个 skill 叫做 langbridge skill， 它是长桥证券公司开源的，帮助你做股票分析的一个 skill。 那 这个 skill 呢，安装特别简单，你只需要把这个命令发给你的 agents 你 的任意一个 agent， 那么它就可以帮你自主安装好。那这个 skill 能够帮我们做什么呢？比如它可以分析你的股票，分析这个股票目前的基本面，它的市场情况，那么可以让你用自然语言能够在就能够获取专业系统里面获取的一些 能力和信息，比如跨市场的选股，那技术面的诊断，财报的季度研究，分析，机构的持仓变化，以及你的下单或者是持仓复盘情况。 那这些可以对我们炒股的股民们在自身信息不那么全面，或者是对于股票的分析能力不是那么强的情况下，借助专业机构的这个 skill 能力来关注你持有的这个股票的基本情况。 我今天呢下载了这个 skill， 并且做了一些尝试，让他对我关注的几只个股进行分析，初步感受下来还是非常专业的。嗯，里面的一些专业的技术分析，说实话作为金融专业毕业的我 都没有认真吃透，但是他给我做的一些分析和一些建议确实是很中肯，那感兴趣的朋友可以去下载使用一下。 提醒一下，投资有风险，入市需谨慎。不要以为有了这个 skill 的 加持，我们就可以忽视股市市场的这个风险。还是要提醒一下大家，炒股要根据自己的实际的能力，要明确股市里面的一些风险。
129朱智聪Zero
07:47查看AI文稿AI文稿今天我们用 context 加 skill， 这个 skill 是 我做的一个分析财务报告的一个 skill， 它可以自动从网上下载 以前年度的美股、港股、 a 股的上市公司的财务报表，然后进行分析，得出三个版本的结果。有哪三个版本呢？ 一个是老投资人版，一个是 老板经营的版本，还有一个是供应商客户的分控版。 根据不同的角色所需要的数据不同，它得到的效果得到的数据也不同。比如说这个投资人版，它会从估值分析，分析真实的 p e p b p s e v e b i t d a 与行业均值对比盈利质量。造假检测我们知道以前呢，不管是 美股还是中概股，都有财务造假的先例，这里增加了一个造假检测。 造假检测，怎么检测呢？我把以前中美各种财务造假的案例输入到这个 skill 里面，一旦它发现有这种造假的手法，它就会 风险警示。 三个版本，它的执行原则就是还原还原优先， 所有版本必须执行底层还原，不使用未调整的财报。下数字结论就是要调整成国际标准的财报格式 数据。第一，每个结论必须有具体的数字，还原后必须对比呈现。我们再来看一下 以前年度造假的财务报表造假的一些手法， 安然公司造假，它的造假规模是十亿美元。核心手法，表外特殊目的实体， 这里详细写了它是怎么造假的。 what？ account 费用资本化，将本应费用化的线路租用成本计入资本支出，这是国外的。还有啊， 中 a 股造假，康美药业造假金额虚增二百九十九亿元守法虚构银行存款加虚增营收，乐视网冠名方虚构收入加体外 脂循环资金。瑞幸咖啡虚构销售额约二十二亿元， 单店销售额异常高。瑞幸咖啡是很有代表性的，他原来是两个基金派人在他的店外统计人数，统计统计单量。这样发现他造假的 当然还有很多很多，这里分类了，收入造假、费用成本造假、资产造假、负债隐藏，还有行业特定风险点， 金融科技有些什么风险？能源大众商品有一些什么风险？消费品零售 有些什么风险？比如说就是渠道压货，加盟商应收账款说不上来了，同店销售增长可信度转移了，房产是什么风险？预收款提前预售了。 科技独角兽也有风险吗？有，用户数、 j m v 等非财富指标与收入匹配不上啊。股权激励、摊销排除，再调整向外。所以 有了这一些案例来识别财务报表上有哪一些经过粉饰调整造假， 把它造假的点识别出来，就大大的提高财务报表可信度。 我们来看一个案例，输入 finance financial report 这个 skill， 分 析一下特斯拉二零二五年的财报， 它就根据刚刚我们的财报 skill 分析出了分析结果。核心结论，特斯拉二零二五年不是高成长，哎，等一下啊， 特特斯拉二零二五年不是高成长？制造龙头的财报更像是汽车主业承压，靠现金储备和能源业务反冲的财报。收入同比下降约百分之二点九， 规模净利润同比下降百分之四十六点四，营业利润降到 从二零二四年百分之七点二降到二零二五年百分之四点六，真正的问题不是亏损，而是主业利润弹性明显变差。什么意思啊？ 业务拆解，汽车业五人是汽车业五人是最大盘，但质量下降，收入 毛利扣除监管积分，已经不是早年高溢价阶段的利润结构了， 更接近价格竞争家具后的制造业利润率。也就是说，特斯拉由于竞争家具，它的利润已经下降了，没有以前那么高的利润了。
![分享15 个万能 AI 办公 Skill，直接套用 多数人用 AI 只停留在临时写稿、做表格，浪费大半效率。真正的 AI 办公核心，是把日常高频工作封装成可复用 Skill。固定任务流程、输入素材与输出模板，不用每次重新组织话术。周报、会议纪要、数据分析、职场沟通全都标准化运行。一次搭建反复调用，稳定输出不出错，轻松摆脱低效重复工作，职场效率直接翻倍。
#AI产品经理[话题]# #互联网大厂[话题]# #产品经理[话题]# #提高工作效率的方法[话题]# #办公软件[话](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/1f1b4e94f31e4d4275254fb3fd9de804~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2100852000&x-signature=3kbDnz6jB75bFg6vC3OvoMYyMxI%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=20260731182218CBED2B1ABEEB14BEC0F3)
02:13查看AI文稿AI文稿有很多同学问到，在实际的办公当中，有没有一些万能的 ai 办公 skill 可以 直接套用，也能够提高我们的工作效率。今天我就给大家来分享一下我自己制作的十五个万能的 ai 办公 skill， 具体的 skill 内容呢也给大家准备好了，可以老地方来拿。首先呢，我来讲一下我们的 ai 办公 skill， 它不是一个功能，而是一套可以附用的 ai 办公能力。 很多人让他想到 ai 办公，第一个反应就是去写周报、日报等等这些分析数据的一些内容，但这些内容它都是可以通过 ai 的 方式去做一些稳定和自动化的生成。那么首先我来讲一下什么是 ai 办公 skill， 也就是说它是能够把一个明确的办公任务分装成 ai 可以 稳定执行的能力。 比如说你让他写一个周报，这不是一个普通的对话，如果你把周报里面的一些对应的信息啊，口径啊等等都固定下来，那么它跟普通的问答最大一个区别就是普通的提问它是一次性的，但是 skill 它是可以附用的。 那么 ai 办公 skill 它核心解决问题是能不能稳定地完成我们对应的任务。因为实际的过程当中啊，我们需要非常高效去产出一些内容，所以我们需要定义清楚它的边界、输入信息以及输出格式。那么一个好的办公 skill， 它需要具备一些标准， 比如说它需要高频标准化，并且明确的输入和输出信息。那么这边我也整理了十五个 ai 办公 skill， 大家可以放到任意一个 ai 办公智能体里面去使用，比如说智能周报生成，它要对应的一些技能描述、处理规则、输出格式，以及智能日报生成的对应的一些内容。还有智能会议机要，它能够帮我们去做会议的一些转写文本信息的一些提取等等， 它有智能代办的提取以及智能汇报大纲的一个生成，它能够帮助我们去做一些汇报的输出和业务的一些复盘，以及智能文档的摘要，智能邮件的展现，帮我们做沟通目标和期望结果的梳理， 以及职场消息的一些论思。比如说我们要做一些跨部门的沟通，那么我们需要根据对象和沟通目的去调整一下对应的一些话术，这些都有对应的我们的 skill 的 能力。还有就是产品经理相关的产品文档的一些生成，涉及到需求文档、功能设计及盘盘规划等的一些内容。 另外还有一些项目风险的一些智能识别，识别我们当前的一些进度、时间节点以及人工的分配。当然我们也可以对我们的方案进行一个对比分析，分析出当前的一些核心场景以及对比维度的一些深层。还有就是对于我们产品经理需要的一个竞品分析， 以及智能的一个数值汇报的一个深层，关于季度汇报，甚至答辩转正啊等等一些内容都有整理。
170可颂AI产品经理
01:41查看AI文稿AI文稿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。
01:46查看AI文稿AI文稿昨天我帮一个朋友二十分钟从零写出了他第一个 skill， 方法啊，就五步。很多人以为 skill 很 复杂，要写代码，其实不是， skill 本身就是一个文件夹，它核心只有一个，就是 skill 点 m d。 他 只做两件事， 第一定义我是谁，通过 name 和 description， 以及我要怎么做。至于脚本和 reference 文件，那只是做事情需要的材料而已。 第一步，先找问题，这步最关键，如果你每天重复的次数大于三次，那这个事情就值得做成 skill。 比如说朋友每天都要看做 a d 实验的数据分析，这种就是典型的 skill 的 应用场景。第二步，定义需求，把流程说清楚，比如说我要从 big 查数据，我用了哪些的 circle， 以及关注哪些指标和场景，让 ai 跑一遍，把不符合预期的地方直接告诉他应该怎么改。 第三步是自动生成，记住一句话，用 skill creator 这个 skill， 把刚才的整个过程封装成 skill， 这时候 ai 就 会自动帮你生成 skill， 点 md， 执行流程以及所需要的脚本，你啊基本不需要动手。 第四步就是测试加调试，用刚才生成的 skill 再跑一遍，然后看到它的执行，找到偏差，再修改这个 skill 点， md 一 边改两到三轮就稳定了，本质就是 prompt 调试加流程校准。 最后一步就是发布，把 skill 整个放到点儿 agent 的 skill 目录下，这一步很关键，你一次配置到处都能附用。 最后记住一句话， skill 就是 重复工作的 s o p， 找一个你每天都在重复做的事，花二十分钟把它变成一个 skill， 你 会发现 ai 这不是工具，它是你的执行系统。
218建斌聊AI
06:12查看AI文稿AI文稿哈喽，大家好，我是迪迪，那这个图是我用一个 excel sheet 加上我右边的这个 skills 两分钟生成的，那除了这个图标，我还做了这个图标反映出来的这些核心洞察，所以今天就带大家一起来拆解一下我是怎么样去做的。 首先带大家来看一下右边的 skills， 那 针对于 skills 怎么样去写，我们之前有分享上面的话就是一些 matter information， 包括这个 skills 的 名称是什么，它具体在什么样的场景下会触发这个 skills 呢？主要是针对于你给他一些数据，以及加上你自己想要看到的一些数据反馈的一些问题。 skills 就 能根据你数据的一个格式去选择相应的一个图标，比如说有一些变形图或者一些柱形图，散点图等等，所以它会根据你自己数据的不同，然后去匹配相对应的一个图标。那同理也会说到，有些图标是不适用于在某一些情况下用的， 在这个地方已经完全给它规划好了之后，我们就开始写了一些的表本，对于不同的一个图标的类型去针对性的写了图标的样式， 包括 line chart 应该怎么样去设置， bar chart 怎么样去设置等等。所以这个接下来就是一些排行榜。那除此之外，因为之前用的都是一些英文的一些图标，所以在后面我也会加上一些中文字体的一些配置， 这样可以更加方便于中文字体更好的去展现出来。除了表格之外，我还放了一个核心洞察，就是不同的数据它是什么样的，但是用户往往需要从数据里面知道下一步应该做什么， 所以在这个以上的一些数据里面，还给他配了一个核心洞察的表格，而每一个表格他都有一些卡片，类似的这些结论条，方便我们去更好的执行于下一步。所以这个就是整体的一个从 excel 数据到怎么样呈现不同的数据可化的一个过程。 接下来给大家看一下我头位给他一开始的这个原始数据大概长什么样子。大家可以看到这个我拉出来的一个爆品的数据， 主要我想分析这个爆品后面商家是怎么样去选优质的达人的，以及他们选达人的策略是什么样的。那在这个表格里面其实比较的混乱，他只是分成了几个类别，包括达人是谁，他们的联系方式，他们的分类是什么，国家、地区、粉丝数、销量、销售额、开始带货的时间， 以及他们的一些详情页。但是在这个庞大的数据库里面，我要精准的总结出来这个商家是怎么样去挑选他们达人的，怎么样达人更好的去卖这个爆品的。我是没有办法很快能够得出结论的。那么为了提高这部分的数据效率，我就做了 sales。 大家来可以看一下我们得到的一个结果。先第一张图里面我们可以看到它其实是一个贩类，我先不说这个爆品它是什么类别的，我们是没有办法很直观的从这个类别里面去知道这个品是什么， 其中购物与销售占到了百分之九，家居占到百分之八，美妆占到百分之七，所以它是一个贩品铺货类的一个策略，而大多数的都属于其他类，这些达人没有明确的一个垂直分布的一个展示， 那这个品其实是一个枕头，所以说如果我们也是需要去卖枕头，我们也可以采取相应的一个策略。对于这些达人的分布，我们可以选择不同行业不同垂类的，因为并没有直接的联系显示，只有在家居类和这个销售额会成为一个正比。 而第二张图我们可以看到他的横轴是粉丝数，纵轴是销售额，所以他是一个粉丝量级和销售额的一个对比图，可以看到仅显示有销量的有二百八十六个人，也就是说百分之七十他的一个达人都是一个僵尸达人，他并没有出单。 而越靠右上角这个呢应该是 k o l 的 一个转化占比，它是高粉加高销，但是大部分的其实都是在这个位置，那这个位置可以看到它其实粉丝数也并没有很多，但它销售额可以带到一个比较高的一个量级，所以它是一个 k o c 聚集的一个策略， 大部分的 k o c 它都是集中于粉丝数在这个量级的。如果说我们需要带枕头类的产品，我们也可以去效仿这个策略。 接下来来看一下第三张图，他显示的是销售额的一个帕雷托，怎么样去理解呢？其实就是头部的集中度极高，百分之十他贡献了百分之九十九点二的销售额，而前百分之二十的达人贡献了百分之九十九点的销售额，也就是说大部分的达人累积他贡献的销售额占比都是集中于前面， 所以这个是我们能够得出的结论。那后面的达人其实我们后续是可以采取一些相应的措施和策略，要么是放弃了，要么是减少去跟他们的合作，而集中去维护好头部的这些能够高出单的达人。 接下来是第四张图，是视频带货的 gpm 和直播带货的 gpm， 他 们的中位数视频是占到了二十三点九，而直播是占到了六点六，也就是说中位数大概是三倍的一个差别。那么对于枕头这个品类来说，它的视频转化率是远高于直播的转化率的。 但是其他类型的产品，比如说沙发，它的直播的 gpm 就 远高于视频的 gpm， 因为它是一个更加高客单价的一个产品，在视频里面客户去进行种草，而在直播里面，它是去进行一个割草去转化的一个过程。所以对于不同的品类，我们需要找到它相对应的一个带货模式，要么是短视频的一个带货模式，要么是直播的一个带货模式。 所以如果说我们需要去做这些不同的品类，需要采取不同的一个带货模式，接下来我也是有把这些洞察放在了这里。那一句话去总结这个爆品枕头的一个策略，它就是一个贩品类，加上海量的铺达人，加上大部分的一些 koc 以及视频带货。 所以说如果我们想要去复刻我们同行业的一些爆品，我们也可以去拆分，那除此之外，我们可以再去拆分的细一些，比如说粉丝量级，具体是在某一个行业里面，他的一个散点图的占比，又或者说我们从其他维度去分析这个品类他爆的一些特点， 不仅仅是达人端，也有可能是商品端，它的竞品端从不同的维度去分析。那么有了这个 skills 呢？只要你有相对应的一些原始数据，那么我们就能够得到一些相对应的 insights， 从而能够帮我们更好地去做出结论和策略。今天给大家分享的就是如何从一个原始的 excel 数据到我们的数据格式化。
240迪迪碎碎念
03:39查看AI文稿AI文稿quickbi 智能分析 skill 赋能企业数字，员工拥有超级数据分析技能羚羊 quickbi 正式发布企业级数据分析 skill， 支持接入全平台的 ai agent 工作流，同时已上线至 codework 和悟空的官方精选。 羚羊 quick bi 作为中国唯一连续六年优选魔力象限的 bi 工具，把其沉淀多年的产品能力以 skill 的 形式封装成开箱即用的技能，让你轻松获得专业的全链路数据分析体验。一家智能家居品牌，数据散在各个平台和 excel 里， 老板要看经营全貌时运营， leo 过去得花三五天协调数据组拼报告，现在借助 quickbi 智能分析 skill， 一 只虾一个人就能一口气跑完问数到出报告的全链路。接下来我们看下他是怎么做到的。第一步，问数 产品运营。 leo 手上有一张全年销售订单明细表，现在他直接用一句话提问小龙虾按月统计二零二五年至今的总销售额和订单量。 几秒钟后，一张按月拆分的销售趋势图和汇总表就出来了。大盘看完猎欧，想知道增长到底是谁在扛？ 他接着追问年度销售额排名前三的产品，以及这些产品分别在哪个销售平台的总销售额最高。这是一个需要先排序筛选，再按平台聚合的多步计算问题。 小龙虾调用 quickbi 智能分析 skill 问术技能自动拆解逻辑，先锁定 top 三产品，再按平台维度交叉分析，一份清晰可视的各平台产销数据报告就出来了。第二步，解读， leo 通过和 agent 对 话问述后发现增长数据不错，但他想更深入的了解增长背后的结构性原因，哪些是持续趋势，哪些只是偶发波动。他把同一份销售数据交给小龙虾，对这份销售数据做自动洞察分析， ai 自动扫描全量数据。几分钟后，小龙虾输出了一份结构清晰的销售业务洞察报告。 第三步，报表公司在 quickbi 上已经搭了一套经营分析仪表板，过去要打开系统找到对应报表，逐个条筛选条件才能看。 现在 leo 直接提问，增长最快的原因是什么？小龙虾调用小 q 报表 skill 融合仪表板已有的分析思路和指标口径，自动定位到渠道，归音看板给出结论。结果附带仪表板链接，点进去就能看到完整的交互式报表，既快又准。 第四步，报告数据摸透了，结论也有了，但老板要的是一份能拿到年度经营会上的完整报告。 leo 把销售数据、供应链报表、客服公单汇总一起扔给悟空， 仅需十分钟，一份图文并茂的年度经营分析报告生成了，还支持二次编辑及修改总结。为什么要安装智能分析 skill？ quick bi 智能分析 skill 是 把 qbi 多年沉淀的数据分析技能打包封装，开箱即用，分析专业准确度高。 此外，因为直连企业数据资产，还能直接消费 bi 系统已有的数据，自主拆解复杂任务， 最重要的是由企业级安全管控，全程保驾护航。现在官方提供给新老用户免费无限使用 quickbi 智能分析 skill 的 机会。龙虾的 token 我 们来买单，快来安装体验吧！ 想了解 quickbi 智能分析 skill 更多玩法，也欢迎关注我们！
10:17查看AI文稿AI文稿ai 分 析来电内容，对纠纷严重程度评分， ai 统计分析纠纷大盘数据做诊断。 今天帮用户写一个汽车售后纠纷公单的 skill， 那 用户是负责大区经销商的运营，这些经销商啊，在日常服务用户的过程中会产生一些纠纷， 那他需要对这些公单呢进行整体的处理跟分析。那两个诉求，一个是基于这些公单里面的客户的来电描述，跟客户沟通的内容，希望设计套模型，那基于这个模型呢，公单能够进行整体的严重程度的评分，那第二个呢，就是在增加了评分的 呃，自断以后呢，对整个纠纷的所有的单子，那能够进行一个多维度的统计诊断并分析，给出一个结论。 那首先我们来看一下这个严重程度的评分，我们设计了四个维度的一个模型呢，第一个呢，就是这个安全与质量的风险，主要涉及到 一些轻微的，像熄火、刹车失灵等等的，还有一些严重程度为一般的或者轻微的，关于服务态度的相关的这个十到四十分的评价。第二个方面呢，是关于客户情绪跟对抗行为的权重是三十分， 那比如说像客户已经报警到幺幺零，投诉到了幺二三幺五等等，都是极微的行为，那咨询建议这些的话就比较平和，分数就比较低。那第三块呢，是涉及到一些诚信跟法律风险的，假如说这个事件里面涉及到了欺诈行为，过度维修等等，就是一些极微的 警案，那如果说是普通啊，那就是一般的。最后呢，还有一些关于一个影响范围的，这里面如假如说涉及到特殊人群，那他的权重也要提高， 那基于这样的一套模型呢，我们还要去将最后的总分数得出， 将最后的总分数加合之后，去将纠纷分为四个等级，像一级危机、红色预警，二级危机是严重的，三级关注的以及四级是一个普通的。 那在对这个公单进行整体的评分模型之后呢？那我们希望对整体的公单进行一个 呃综合视角的统计分析跟诊断。那第一个呢，我们希望输出整体的得分的总数公单，每个公单归属人的得分。第二方面对纠纷的全面分析，这个懂懂的数量，总体的得分情况，阅读分析是个什么样子的啊？再对纠纷的类别，纠纷的阅读趋势， 对吧？纠纷 top 十的经销商的分析，还有纠纷数量得分，均是双 top 十的经销商，然后进行分析，最后站在归属人的视角进行分析， 然后每一项的话都要去得出一个结论。那基于用户的这两个原始需求呢？我们去设计了两个 scale， 一个是这个四 s 店纠纷的分析的 scale 以及纠纷严重程度评分的 scale， 这两个 skill 呢，分开，各司其职跟各的免得混在一起。我们先看一下评分的 skill， 首先这个评分的 skill 的 话，我们先看一下评分模型啊，就是说 dsi 的 总分为四个维度的加和，那 s 一 是什么？安全于质量， s 二客户情绪， s 三诚信于法律风险， s 四代表了它的影响范围跟紧迫度。在这里面的话，总分的话进行一个加合之后分为四个等级，一级、二级、三级跟四级。普通整体的执行流程的话， 那在这就是先确认文件的路径，确认有这个纠纷清单，清单里面的话必须包含问题详情的这一个列 啊。第二个的话就是准备好输入的条件，准备好了之后就直接运行这个评分的脚本，那这个脚本的话，它首先会读取 excel， 然后默认的话用五十条为一批去发送给 l l m 进行整体的评分，然后 全部的评分都完成之后呢，会把评分结果去追加到了这个原表，按照这个从高到低的分数去排序，并且保存到一个新的文件到指定的目录。 然后这个脚本执行完成之后的话，它会输出成功了多少条，失败了多少条，然后整体的一级二级各自有多少条的一个汇总的数据。 然后最后再说明一下这个输出文件里面的话，我们脚本里面其实就写了很多的字段啊。第一个的话就是 除了一些原始的这些字段之外，然后增加了总分是多少，它的严重等级是多少，然后 s 一 到 s 四各自的分数跟它的判断依据，由 l l m 去输出，它判断为什么 会得这样的一个分数，最后的话还会有一个关键的信号，里面的关键词是一些什么，然后最后还会给出相关的一句话的处置建议，那这个的话就是对它的整体评分，然后评分完成之后呢，我们再看看统计， 统计的话就是认为呢用户已经提供好了一份纠纷的 excel 文件，已经完成了相关的评分，那特殊的就是标记的话，就是这个 skill 的 话，绝对不会做评分相关的事，只分析已经评分的 结果。然后第一步的话，我们先确认文件的路径，字段，这些东西都已经完完整的，那假如说缺少评分的字段的话，就要提示用户先去用评分的 skill， 而不是直接进行分析。然后输入都准备好了之后呢，我们执行这个这个分析的脚本， 然后这个分析的脚本的话，主要就是把所有的数据统计出来，并且把过程中的数据都存到 excel 里面， 然后最后呢让他去输出报告，那基于上面的统计数据的话，希望他能够在多个维度进行分析，那第一个维度对吧？总体评分公式，归属人得分，他用什么样的一些字段，然后要展示表格列，要用图标去进行分析，然后输出的诊断里面重点要标注规模，评分 占比，对吧？点名它得分差异，高风险的归属人是什么样子，还有月度的总体趋势，怎么展示类别月度趋势，然后 top， 十双 top 等等的这些， 然后这两个 skill 就 写好了，然后我们也放在这，我们直接看一下运行的效果吧，这里呢，我直接拿一个已经运行好的， 就是在这里呢，直接指定，用那个斜杠命令，指定我用这个纠纷评嗯，评分的技能对纠纷的单子评分，然后基于已经增加了评分维度的新的 excel 表，然后使用这个纠纷分析的技能 进行整体的分析，并产出分析的报告。那看他的执行过程啊，那首先的话就是说，哎，他需要先用这个纠纷 能评分的技能，然后他去加载这个纠纷评分的技能，加载完成之后之后呢，然后他就去开始 去确认相关的输入文件，我们因为我们这里呢指定的这个纠纷清单啊，他判断输入条件已经达到了之后，然后就开始执行相关的技能脚本，这里面的话，他认为这个纠纷评分，哎已经完成了。这个脚本里面可以看到我们十八条数据的话，十八条 里面啊，有二十一条数据，成功了十八条，失败了三条，然后评分完成之后的话，他开始进行整体的诊断分析，去加载了这个分析的技能， 然后再对 excel 表分析啊，分析完成之后，他判断就是所有的字段是不是满足条件了，他判断满足条件之后，开始执行这个分析的技能脚本，最后的话把相关的文件、评分文件 给输出，然后评分的报告在哪里也都输出，最后综合的话给我们做一个综合的最终的总结， 在这里面的话，对吧？评分人的归属，他的数据情况什么样子，等级分布是什么样子，然后这里面该用表格的用表格，该用图标的用图标，然后每一个类别进行分析， 对吧？这里可以用柱状图，可以用笔线图，这个的话我们可以在报告里面指定，也可以由 llm 自己去决定究竟用什么样的图标。经销商从 top 核心的结论是什么，对吧？它识别出来 哪些的事故类的纠纷的风险去高，然后高风险的哪些啊？最后的话，这里面的话，它输出的这些也一个是纠纷清单，我们可以看看， 哎，这里面就是由 llm 经过这个问题详情去识别它的来电内容，去总体对做的一个评分，可以看到这里面一个是 六十分的，代表是二级严重的，然后每一项 s 一 到 s 四，它的评价的标准是什么？分数是什么？然后最后还有处置建议跟关键信号，就是它识别出来什么切割具，给定损单，安全质疑，所以说它这里面的分分数呢整体是比较高的。 然后这里面还有我们处理过程中的一些明细数据表，它全部都已经放在这，然后可以直接去使用。 那基于这样的一个份 skill 的 话，就是原先的话，如果由人工去判断的话，它需要先对其中的每一条工单进行一个识别， 那这里面呢是严格去依赖个人的经验，如果经验不够的话，可能还会识别不出来，那识别完成之后 对所有的数据进行一个诊断跟分析，这个前前后后加在一起的话，按在以前以前的经验的话，至少都需要一天的时间，那现在基于这个 skill 去做的话， 基本上五分钟就可以全盘搞定了，而且准确率也非常的高，确定性也非常的高，是不是一个很有意思的 skill？
