openspec 和 superpowers 是 当下做 spec coding 非常出名的两个项目。在日常使用过程中,我们一定有组合 skill 的 需求,但问题是,两套 skill 的 技能命令是分散的,没办法自动触发。并且有的部分 skill 我 可能不是那么想用, 比如我更喜欢用 superpowers 的 t d、 d 执行,而不是 openspec 的 apply, 更需要用 openspec 的 archiv 能力规档 spec, 而不是 superpowers 的 一次性 spec。 怎么组合市面上的高斯大项目,让它们自动触发,互相取长补短, 怎么让整个状态扭转更可靠?这些看起来能够实现的点,在实际的开发过程中依然还有很多细节考量。 同时,两个 skill 都会产出 spec 文档,这部分也需要自然地融合在一起。 comet 就是 组合这两者产生的项目 想要做的事很直接,把 openspec 管需求的能力和 superpowers 管实现的能力接到同一条流程里,他不改这两套东西,只做组合调度。先看 openspec 这边,他很擅长管理 spec 的 生命周期, 当前需求放在哪里,变更材料放在哪里,最后怎么归导这条线是很清楚的。所以这对应于 what 部分,也就是要改什么内容。 openspec 能够很好地列出大纲,但其实 openspec 依旧有一些不好用的地方,它的 proposal 和 tasks 能说明要做什么,但不等于已经说明怎么做。 到了工程设计阶段, agent 还要补方案、补边界、补判断画面。中间这个问号就是这个的设计缺口。 openspec 的 需求澄清能力并不是那么强。再看 superpowers, superpowers 补的是 how, 是 怎么去做, 他会先澄清需求,再做深度设计,然后写计划,按 tdd 推进,最后验证和收尾。中间会不断地和用户交互沟通细节。也就是说,他把真正实现时需要的链路拉细了,两者均会产出 spec 文档。 但是如果只靠 markdown, 也会存在另一个问题,任务打勾了不代表阶段状态可靠,人事能够通过,看文档能猜出来,但 agent 下一轮回来不一定能稳定判断现在到底走到哪一步。 所以断点恢复才是核心问题。下一次绘画开始时,通常的断点恢复, agent 会先读文档,再扫代码,然后再推断阶段代码还没写, token 已经花在恢复现场上了。 comet 通过一个清亮的状态机机制来实现断点恢复,要省掉的就是这段重新找路的成本。 comet 的 定位不是再造一套方法论,它更像一条稳定轨道,把 openspec 和 superpowers 放进同一个项目流程里,让两边各做自己擅长的事,并在执行过程中对齐两边产出的文档。 openspec 管需求世界 需求是什么,题案怎么写, spec 怎么变更,最后怎么归党,这些都属于 what, 他 负责把要做的事讲清楚。 superpowers 管执行方法、头脑风暴、技术设计、实现、计划、执行、验证、收尾,这些都属于 how, 他 负责把怎么做拆细。 commit 站在中间,把 what 和 how 接起来。左边是 openspec 的 需求材料, 右边是 superpowers 的 实现方法。下面输出一条 open design build verify or shift 的 流程。 commit 不 替代 open spec, 也不替代 superpowers, 它只负责把阶段状态和 skill 出发点对齐,这样两套能力就不是两堆文档了。 proposal spec, 生命周期、 archive 状态和 brainstorming design, doc execution plan 会进入同一条 shared state, 最后落到出发规则。 open 阶段找 openspec, design 和 build 找 superpowers。 verify 阶段两边一起收口,在对应的阶段真正的触发正确的 skill, 而不是让 ai 产生触发了 skill, 但实际上是 ai 自己写的幻觉。 完整流程可以拆成五个阶段,每一段都有自己的命令和产物,不靠 agent 临场拆下一步。第一段是 comet open, 这里由 openspec 接手,打开 change 生成 proposal design 和 tasks, 先把这次到底要改什么固定住。 第二段是 commit design, openspec 的 产物会交给 superpowers 继续细划,重点不是马上写代码,而是先把边界、方案和风险讲清楚。第三段是 commit build, 这里进入工程实线, plan、 tdd、 subagent 都在这一段接上, 能按计划推进就不要临时乱跑。第四段是 comet verify, 这里 openspec 和 superpowers 会进行同步收缩,一个处理文档,一个处理代码,收尾测试要过,报告要有,需求和实现也要对齐,不是跑完代码就算验证结束。 第五段是 come to archive, 所有的需求变更同步回 main spec, change 进入 archive 状态机补充文档核心状态,这时候 open spec 和 superpowers 产出的文档会进行双向关联,到这里产出的 spec 关联文档才不会留下半截流程。所以需求不是代码写完就结束, task 勾完也不够,真正结束是实现文档和状态都对齐,使用 command 出使化之后,项目会被分成三层平台, skill 放一层,包含了 command 的 核心脚本, opensback 的 change 和状态放一层 superpowers 的 设计文档和计划放一层 斜杠。 comit 是 skill 的 核心入口,用户在使用的时候,不管当前 spec 状态如何,都可以通过这个入口进行工作。他会先检测当前 spec 状态,读取 workflow phase, 然后决定下一步该进哪个阶段。 入口先判断现场,再路由动作。当我们面对长城任务做到一半工具关掉了的情况时, 回来之后不应该重新讲一遍背景,而是直接输入 comet 继续。它会从当前 spec 状态恢复现场,不再需要重新探索项目。 如果项目里有多个活跃 spec 时, comet 会先把它们列出来。当你选择了具体的某一个 change 时,它再进入阶段判断,这样就不会把几个需求的状态混在一起。选定之后,它会定位当前阶段,比如现在是 build 就 从 build 继续,而不是重新扫描项目。 长城任务真正需要的就是这种明确的继续位置,这种设计能够极大的减轻你的使用认知负担。我们拿到 skill 不 再需要记多个命令,而是直接 comit 继续就好。 comit 会帮你把状态记住,帮你把流程走下去。支撑恢复能力的是这个轻量状态机,每个 open spec change 都绑定自己的状态,也就是说状态不是大局混在一起,而是跟着具体的状态。是 workflow 和 face。 workflow 决定走完整流程, hotfix 还是 tweak。 face 决定现在卡在 design, build, verify 还是 archive。 再往下是恢复上下文, design, doc 在 哪? plan 在 哪? build mode 是 什么?当前是否在隔离分支里? 这些字段让 agent 回来后能接上,而不是重新扫。项目验证和归档状态也需要写进去。 verify result, verified at archived, 这些字段不复杂,但足够判断下一步是不是可以继续。关键是状态不能靠 agent 手改。烟雾 commit 要通过脚本写回状态, 只有条件真的满足,阶段才允许流转,这样能减少看起来完成的状态飘逸。 commit guard 脚本就是阶段闸门,它检查文件是否存在, face 是 否匹配 tasks 是 否完成, 条件不满足就 hard stop, 只有带上 apply 才真正更新状态。 com state 脚本提供统一读写接口。 com tm validate 脚本负责校验必填字段,每举直路径引用和未知字段,一个负责改,一个负责查,状态就不容易飘。最后是 coming r shift 的 脚本,它会验证入口状态,同步 spec, 移动 change, 再把 r shift 写成 true。 需要先看效果,也可以走 dryrun preview。 安装过程如图所示,从 npm 安装之后进入你的项目执行。 commit in it commit 采用交互式命令集成,安装步骤非常简单, 说实话会先确认三件事,平台配置、安装范围。 skill 语言,你可以装到当前项目,也可以装到局目录。为了方便理解 commit 的 原理,分发的时候也支持中文或英文, 选择依赖后,相关的 skill 就 会自动就位。 open spec skill、 superpower skill、 comet skill 会部署到选定平台, specs 和 plans 这些工作目录也会一起创建好。 平台分发也交给 comet in it cloud code, cursor codex、 open code, winsole 还有其他 ai coding 平台,都按自己的目录结构放好,你不用手动搬 skill 文件。 除了完整流程,还有 comet、 hotfix, 当 bug 已经明确时,它会跳过完整 brainstorm 和 design, 直接走 open build, verify archive, 适合目标很清楚的修复。第二个是 comet tweak, 文案调整、配置调整、文档修改、 prompt 优化都可以走这条清路径,它比完整流程更清,但仍然保留 comet 的 入口和状态管理。 comet 还有一个价值,它是组合 skill 的 参考 强工具很多,但真实使用时,你常常只需要其中一部分能力,比如 openstack stack 管理、 superpowers 的 tdd 和深度设计,再加上规党能力。难点不是把文档拼在一起,难点是稳定组合嵌套。 skill 要真的触发,不能只是让 agent 看着说明访写文件,状态也要可观察,不能看起来像触发了,实际没有跑多阶段流转。 也不能看起来像触发了,实际没有跑多阶段流转。也不能看起来像触发了,实际没有跑多阶段流转。也不能每一步都靠人提醒,人工接线很容易断。 commit 把必要选择留给用户,把核心推进交给状态机和守护脚本,所以它也是一个参考,实现 skill 调度、状态机、阶段守护、规章自动化,这四块组合起来才是一套能落地的多 skill。 工作流收缩一下 openstack, 让需求有生命周期。 superpowers 让实现有方法论。 commit 把两者接成一条可恢复、可验证、可规党的流程。 从两条命令开始安装 commit, 然后在项目里执行 commit init 初步化之后就可以用斜杠 commit 加你的想法,进入完整流程。最后我想说的是, commit 留下的不是某一个命令,它证明的是一套组合范式,千套 skill。 要真正出发,多阶段流程要能自动流转 状态机和守护脚本,要让这套组合在真实项目里可靠落地。希望大家能从这个项目里学习到好用的知识,一起创造更适合自己的 skill。 接下来我们来看一段时机演示。以我本地的一个项目为例,现在我输入斜杠 compt 为我的项目创建一个电子宠物功能。我们可以看到 comet 触发了 comet open, 在 comet open 中又触发了 open spec 的 explore, 这时候 agent 会根据 explore 的 要求进行一轮项目探索。每一个嵌套 skill 在 真实出发时,都会在 cloud code 中显示 skill 的 打印。这个探索的过程比较长,我们稍微快进一下。探索完毕之后, explore 会进行多轮大碎方向的澄清,这几步需要用户进行反馈。 完成之后会生成 open spec 对 应结构的 proposal、 design、 spec、 task 等文件,并在 changes 目录下创建当前激活的需求。 然后是 comi 的 状态机核心文件出场和状态守护执行。我们可以看到,当 open 阶段完成时, agent 想要退出 open 阶段,会有强制的状态机交易,对于核心文件和状态一定得满足之后才能够进入下一阶段。 这里都 pass 通过之后, comte design 也成功被 comte open 触发了。之后 design 阶段会将 openspec 创建的文档作为上下文传递给 superpowers 进行头脑风暴,更加细化需求之后的步骤我这里不再接着展示了,欢迎大家亲自体验。下面我演示一下阶段活跃检测及断点恢复功能。 当我们在多台电脑上工作或者临时有事离开了,回来之后只需要输入斜杠 commit 继续 commit, 就 能够通过状态文件自动识别当前活跃需求。 我们可以看到不再需要重新大量的探索项目 agent 很 快就知道了当前需求的活跃状态,如果存在多个需求,也会将它们列出来供用户选择。以上就是本期视频的全部内容了,欢迎大家点赞关注 star 本项目,谢谢大家!
粉丝1924获赞9800

微信读书官方最近上线了官方 skill, 然后有粉丝让我来讲讲微信读书这个 skill 对 我们知识管理有什么帮助,所以我今天来体验一下,然后这个视频给大家看看并读书的官方 skill 怎么安装,怎么操作,它有什么功能。我们在微信读书里面找到设置,然后找到微信读书 skill, 点击进去,然后 复制指令,我们把刚刚复制的指令发送给 cloud 点,也就是 cloud code 的 插件,然后让它帮我们安装这个 skill。 已经成功安装微信读书 skill, 我 们复制它这一个指令, 然后把刚刚在微信读书里面获取的 api key 放到这里来,我们来让它自己介绍它自己有什么功能。 斜杠调起这个 skill, 然后查看可用功能,然后他就跟我们说一个是他可以收书籍,还有就是展示这个书籍的信息,以及做书架管理,还有阅读统计,还有书籍的点评以及推荐好书。我觉得这里的功能里面其实最主要的还是笔记划线跟热门划线,因为我们看书经常会把 我们在一个 app 里面的一些画线导出来,放到我们的笔记本里面,主要的原因是有时候我们可能要写书评,或者说写感想,或者说我们要跟其他的知识做一些串联,所以导出来是比较有价值的。我让他试着给我导出一本书的笔记,这个就是他导出的一个笔记。 如果有看过我这个视频的朋友们应该有知道,我之前有推荐过一个插件,叫做 we read, 我 们可以去对比一下微信官方 skill 跟这个插件导出来的笔记有什么不一样?我找一下啊, 它导出来的也是同一本书,就是这一本小而美持续盈利的经营规则。首先这个它导出来的笔记,它会有笔记的属性,然后这个笔记的属性有什么用呢?它是方便我们后面去 做关联以及寻找。因为一般来说,如果你的文件夹里面你的笔记越来越多的,你找文件可能会有一些难找,所以我们一般会根据一些属性去搜索,或者说去做不同内容的一个关联,这是第一个, 我们再看看这是他导出来的内容,里面的这些画线内容导出来的是一样的。我觉得还有一个很大的区别,就是微锐这个插件,它是可以自动同步的,也就是说,比如说我今天把这个小完美的某部分笔记导入进来,然后面如果我再看这本书,我再做了一些新增的笔记 划线,它是会自动同步到这里来的。但是微信推出了这个官方 skill 呢,它是不能自动同步的,那我觉得从这一点来讲,我还是倾向于用 vrv 的 插件, 抱歉,微信读书,抱歉,抱歉。然后因为我们刚刚有看到说它的一些功能,比如说它可以做书籍点评或者推荐好书,我们可以再体验一下,就是看看它有没有 vrv 的 没有的一些功能。 我问了他关于这本书的点评之后,他梳理了一些这些点评。这个首先我觉得导出画线笔记已经不是一个什么新鲜的功能了,但是呢,我们可以看到这个点评的内容,它有一个好处就是可以帮助我们做创作, 因为当你在写一篇内容的时候,除了这本书原本的一些观点,包括我们自己的对这本书的一些想法,还有 别人是怎么样点评的这些信息我们综合起来可以更好地帮助我们去做一些创作。我觉得这个是这个 skill 核心能帮到我的一个事情,大家可以去试试看。如果有什么不一样的一个看法,可以在评论区留言,我们一起讨论一下。

hello, 大家好,我是 ai 小 a, 今天就来教大家怎么实现用 codex 复刻,把图片变成微缩的文件。好,话不多说,我们开始首先这是我从网上随便找了一张加过的图片,我们看一下具体是怎么实现的,我演示一遍,然后我也自己封装了一套 skill, 保证你们可以一键使用。 ok, 把这个首先把这个图片复制到这里,然后再用我封装好的 skill, 就 这个 skill, 然后直接给他一个简单的口令就可以了,帮我复刻, 然后我们现在就等待它完成就行了。 ok, 然后他就会调用我们这个做好了 skill, 然后去实现副课程微缩的效果。这个步骤大概就是他会先读取这个你本地的微缩环境,检查是否正常,然后对这张图片进行一个分析,然后写脚本,然后运行,做成 skill 的 意义就是把它封装起来了,让我们可以一键运行,最后直接等待结果就行。 ok, 我 们然后来看一下最终效果吧,这里显示它已经做成功了,我们来看一下, 没错,他已经做了,做好了,那么我们打开看一下他的这个就是他最终产出的文件,有微搜的文件,然后有 p n g 的, 还有一些脚本都有的,这些我们可以随时去检查。 ok, 我 们先来打开看一下最终的效果, 大家可以看到基本上还原的是差不多的,对吧?就是上面的需要调试的话可以再调,但这些文字什么的都差不多了。 ok, 今天的教程就这样,后面我也会分享一些关于 ai 相关的知识,大家感兴趣的可以关注一下,然后后面有些好用的工具我也会分享出来,然后有些好用的方法也会分享出来,有什么问题都可以随时沟通交流。好的,拜拜。

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!

用 ai 操作 vsco 画图,你是不是也被各种流程图、架构图、干特图折磨过?我也是,每次最烦的其实不是想清楚流程, 而是打开 vsco 以后,托框对齐,连线、改字体,一套下来半小时就没了。所以我做了个小东西,让 ai 直接生成 vsco, 能打开还能继续编辑的 vsdx 文件,它的原理也不复杂。我不是让 ai 直接去瞎猜 vsco 文件格式,而是让 ai 先把我的需求整理成一个结构化的 json, 比如有哪些节点, 每个节点放在哪儿,节点之间怎么连线,颜色、文字大小怎么设置。然后我写了一个 skill, 这个 skill 里面放了一个 power shell 脚本, 脚本会调用本机的 vizu com 接口,也就是让真正的 vizu 在 后台帮我画图,画完以后直接 cvs 乘 vsdx, 这样生成出来的就不是一张图片,也不是猫 made, 而是一个真正的 vizu 文件。我可以打开它,可以拖动节点,可以改文字,可以继续调整连接线,这点挺重要的, 因为很多 ai 画图工具最后给你的只是图片,看着还行,但你要改一个字或者移动一个框就很麻烦。但微教文件不一样,它能继续编辑, 能交给同事,也能放进正式文档里。我们现场试一下,我直接告诉 ai 画一个微秀减 vsd 给我的工作原理图,里面包括用户需求、 codex 编排、 jasonspac power 是 要脚本, vsdx 自动化,还有最后生成的 vsdx 文件, ai 会先生成一份这层规格, 然后调用 skill 里的脚本脚本,启动 vsco, 在 后台创建文档,添加形状连接线,最后保存。现在文件生成好了,我们打开 vsco 看一下, 这里可以看到每个框都是 vsco 里的真实形状。线也是连接线,不是截图,也不是贴进去的一张图,我随便拖下这个节点,连接线会跟着动, 这说明他是可以继续编辑的。当然这个 skill 现在还不完美,比如自动布局还比较粗糙,中文字体大小一开始也翻车了,他要是读中文这一项的时候还遇到过编码问题,但这些问题都能修。 真正重要的是,这条链路已经跑通了,自然语言变成结构化规格,再通过脚本调用真实软件,最后生成可编辑文件。 我觉得这个思路很有意思,如果你也经常被各种流程图、架构图折磨,这个方向可以试试让 ai 不 只是回答你,让他真的帮你把文件做出来。关注我会一直更新一些提效工具。

哈喽,大家好,我是雨桐。因为大家知道我在奢侈品牌做 digital marketing 最主要的有两个工作,第一个就是去管理你品牌的 social media, 第二个就是去做 q l, 包括一些互联网平台的硬广投放。那么这张图就是我用 ai agent 的 托管 skill 做出来的社交媒体素材,我还做了一份非常完整的 q l q 三的投放策略。今 今天我就来教大家如何调用 ai agent 加精准的使用 skill 来高效完成你的工作。就大家学会了这套工作流之后,基本上你任何工种非开发背景的都可以使用。然后我们今天使用到的 ai 工具是翠 solo。 好, 我们先来做这个社交媒体的素材,我现在是为给他两张我任意挑选的品牌图, 提示词很简单,我跟他说以上传的图片为素材,制作两张,设置品牌官方小红书、账号,配图,调用 canvas design 的 skill, 写上品牌 logo, 产品名,设计上要有创意,视觉上简单和高哦。这个 skill 到底是怎么 调用呢?就是我们直接在这里打斜杠,然后它就可以唤醒你安装过的这些 skill。 然后大家可以看到左上角其实有这个技能的选项,我们点进去哦。点进去之后它会有一个技能市场,它分成很多类型,比如说开发工具、 数据分析、界面设计内容创作效率提升。就每一个里面都有很多 skill, 你 可以根据它的介绍去选择你需要的,然后直接点加号就可以自动安装,非常简单。 我会比较推荐大家用这个 canvas design 的 skill, 因为这个 skill 比较适合用来做海报和设计作品,然后它就会输入成 png 或者 pdf 版本,然后它这里还跟我讲它用的什么样的字体,意大利衬线字体,居中置顶, 包括这里还跟我讲他怎么样去配这个颜色,最后做出来的结果就是这样,我整体还是非常满意的,因为大家知道这个是我完全没有给他任何详细指令,他写出来的东西。 就大家如果是你们的品牌有一些比较标准化的 guideline, 或者是你有之前做过的以往的素材,你都可以把这些素材位给他,让他按照你以往的这个标准来做,也是完全没有问题的。然后大家要注意一点啊,就是我们在创建这个任务的时候,它其实分成两个部分,这个带云朵的代表你在云端创建,然后这个代表你在本地创建。 你在云端创建的话,就证明你的手机上是可以同步的,给大家展示一下,然后你可以直接点开这个图片下载 保存到本地,这样你就可以直接发布到小红书和任何的社交媒体上,非常方便,就你不用在手机和电脑再倒了。接下来让我们再做一份非常好看并且逻辑清晰的 ppt 啊,我先让 ai 帮我编了两份表格,然后这个表格是 q 一 q 二的投放数据,我跟他说基于这些数据让他帮我做一份 q 三的投放策略, 我会使用到三个 skill, 这三个 skill 给大家介绍一下。第一个是这个 fronti design skill, 这个 skill 我 觉得它整体做出来的 ppt 的 风格是比较简单和干净的。 分析数据的话,使用这两个,一个是 chart visualization, 还有一个是 consulting analysis, 第一个的话它会怎么做?它会根据你给它的数据去智能的生成具体的图标。然后第二个是 consulting analysis, 它的话就是会生成咨询级别的研究报告,就它做出来效果可能会比较像麦肯锡贝尔那种咨询公司做的,然后它还会有完整的洞察。 大家如果要做 ppt 的 话,可以用这三个 q 一 起做,你可以大概告诉他这个 ppt 你 要什么内容,就比如说 q 一 和 q 二的复盘,然后 q 三怎么选,预算怎么分配,最后 q 三的结果,然后啊,还有一个大招,就是你让他把 ppt 的 复盘内容整理成非输文档, 他是可以直接协通到你的非输文档的,然后把这段题的词汇给吹,我们来看看他这个交付结果。首先他跟我讲他的设计风格,然后包括衬线的标题和无衬线的正文, 它一共是分成十页,然后最后帮我整理成了一个分数文档。我们来看一下这个是乱编的一个品牌名啊,然后它标题很清楚。然后这里还有一个目录,因为我真有说过,就做 ppt 的 话,其实目录很重要,因为有一个目录的话,你的听众会大概知道你这个 ppt 要讲什么,就不至于大家听着会走神。 然后接下来是 q 一 的复盘,因为我用那个图标的 skill, 所以 它其实做了很多标准化的图标,包括这里还总结了 q 一 的核心问题,因为我刚才有用到那个 consulting analysis 那 个功能,那个功能的话它就是会 会帮你做一些深度的洞察啊。以上就是我用 ai agent 加 skill, 完成我在实体品牌数字营销的整个完整的工作流。就其实我觉得使用 ai agent 的 核心思路就是你明确你需要的东西,然后找到对应的 skill, 尽可能解决掉一些繁琐的工作,比如说整理,比如说筛选, 然后把专业的事情交给专业的技能去做啊,这样效率就可以大幅提升啊。因为说实话, agent 的 存在,他就是为了节约我们的时间,他就是为了让我们的工作全部都自动化,再搭配上 skill, 这个效率和质量就可以加倍。好,那我们这期视频就到结束了,我们下期再见喽。拜拜。

今天我们学用扣带斯制作 ai 爆款带货视频,一张产品白底图,用 qq 直接生成脚本达人类型,分镜头和视频提示词,做跨境都知道产品图好找,视频难做,尤其是开头的钩子怎么抓人,达人怎么设定,镜头怎么拍?英文口播文案怎么写?废话不多说,先看案例。 今天我拿一张粉底液的产品图,用抠蛋斯加 skill 加 c 蛋斯二点零这套组合拳,从零到一,做一条完整的美区 ugc 带货视频,废话不多说,上实操一共分为三个步骤。第一步,制作 skill。 我 们打开抠蛋斯,复制这段制作 skill 的 提示词, 它会根据我们的需求生成对应的 sku 压缩包,并保存到本地。这一步只需要做一次,后期再做其他产品,直接调用这个 sku, 不 用每次重新造轮子。第二步,生成 ugc 包,新建对话,再抠弹死聊天框,输入斜杠, 找到 c, 弹死 ugc 杠 c n 这个 sku, 再把产品图丢进去这里千万不要跟 ai 说帮我做一个爆款视频, 太虚了, ai 听完都想报警。我们就 sku 加产品图直接发送,然后抠蛋死会先跳出制作前的六件事。这一步不是废话,是保险,它会先确认投放地区、发布平台、成片语言、视频形式、达人类型、 视频时长与产品卖点。我们按需求填写美国 tiktok 美式英语真人口播,没有固定达人十五秒产品卖点可以让他先根据白底图去判断,再人工微调确认方向。之后扣单词会生成完整的 ugc 包,里面包括制作参数、产品与受众人物设定、图片提示词、 视频提示词, poke 钩子口播脚本和镜头清单。注意,它不是只给一段文案,它是把策划、编剧、导演、提示词工程师全部塞进一个窗口。第三步,视频生成。先纹身图,在 u g c 包里找到人物图片生成提示词, 附知道引迷局。二、点击图片生成。这一步生成的是 ai 人物手持产品。这里有个重点,人物一定要向真实的 tiktok 达人,不要精修,不要广告,不要一眼 ai 位,最好是在卧室梳妆台自然光前置手机这种感觉, 然后涂层视频,返回扣带斯,在 ug 包里找到英文视频提示词,这里我会再丢回扣带斯,让他帮我修饰一遍。重点是需要把人物和产品都标记好,并艾特出来,保持人物和产品的一致性。其实是我英文不好,怕找不到人物和产品的 位置,但不管怎样,这一步很有用,这样导入 c 单词时,就不会一句一句找谁是人物谁是产品。修饰完之后,把提示词复制到 c 单词,再加上产品图 和人物图,最后看成品。 i'm picky about base makeup because i hate when foundation feels heavy。 从产品白底图到人物出镜,英文口播镜头清单、视频提示词,再到 ai 带货视频,整套流程就好了。以前做一条跨境带货视频,要想交本,找达人拍素材,剪节奏,现在用扣袋子,至少先把百分之八十的方案跑出来, 小白也能从完全不会变成视频大神。需要这个 skill 的 评论区猪脚饭整理好了直接抄作业。最后点个关注点个赞,祝大家爆单!

现在想让 ai 替你干活,绕不开两个词, skill 和 m c p。 但真正分得清的没几个。很多人第一次听到会把它们都理解成给 agent 加能力,这个说法太粗,因为它们其实不在同一个层级上。 skill 解决的是这类任务应该怎么做,比如先看什么,再改什么,怎么输出,怎么检查。 m c p 解决的是 agent 能不能通过标准接口连接外部系统,比如读取内部系统的实时数据,查询带权限的业务接口,拿到数据库当前 schema, 或者对外部工具执行、创建、更新、发送这类操作。说到底就一句话, skill 是 流程层, m c p 是 能力层。 先讲 skill, 你 可以把 skill 理解成一份写给 agent 专项工作手册。比如你经常让他写文案,每次都要提醒结构、语气、禁用词、输出格式 这些规则,如果每次都复制,时间长了很烦,也容易漏。把这套流程沉淀成一个 skill, 以后遇到同类任务, agent 就 可以按这套方法做。 skill 的 价值不是让 agent 凭空多一个外部能力,而是把你反复讲的工作习惯固定下来。它还有一个实际好处,减少上下文浪费。 像 codex 这类支持 skill 机制的 agent, 通常会先把 skill 的 名字描述和路径放进上下文等,判断这次任务需要这个 skill, 再读取完整说明, 这样就不用每次把一整套规则塞进对话里。什么时候值得做 skill, 看三个信号,第一,同一类任务已经重复做了几次。第二,每次都要复制一大段规则。第三,任务质量很依赖流程, 不是一句话 prompt 就 能稳定做好。反过来,如果只是一次性任务,或者一句话就能说清楚,就没必要单独做 skill。 一个 skill 最小的格式是一个文件夹,里面有一个 skill 配置文件,如果需要,还可以放脚本,参考资料和模板 结构就这么简单,一个 skill 配置文件打底,其余按需要再加。 skill 放哪里,要看你希望哪个工具消费它。 codex 和 cloud code 都分项目级和个人级两个路径。如果你希望 codex 和 cloud code 都能用同一套 skill, 不要只放 agents。 目录 skills 更好的做法是选一个目录单元文件,再同步到两个工具各自会扫描的位置。 个人使用时可以用软链接。团队项目里如果担心软链接在不同系统上不稳定,就用同步脚本或提交两份目录,但要明确哪一份是原文件,避免改着改着两边不一致。 skill 配置文件里最关键的是 name 和 description, 尤其是 description, 它要写清楚什么时候该用,什么时候不该用。这里还要注意一点, skill 不 能凭空给 agent 增加外部连接能力。如果一个 skill 只是说明文档,它再详细也只是告诉 agent 应该怎么做。 如果需要查内部系统,调业务接口,获取实时数据,背后通常还要有脚本插件、 m c p 或其他已经授权的工具。 skill 负责把这些能力组织成流程,但不等于能力本身。 再讲 m c p。 m c p 可以 理解成连接外部工具的一套标准接口。很多时候, agent 只能处理当前对话或当前项目里的内容,但订单系统、日制平台、消息工具, 这些信息通常在外部系统里。 m c p 的 作用就是让 agent 在 授权范围内用统一方式连接这些系统。 m c p 对 上下文的影响和 skill 不 一样,它不是默认把外部系统里的真实数据全部塞进对话,而是先让 agent 知道有哪些 m c p。 服务, 有哪些工具,每个工具大概能做什么,参数怎么传,也就是说,工具名称描述、参数结构、服务说明,这些原信息本身就会占上下文。 真正的外部数据一般是在调用工具之后才进入上下文,所以 m c p。 不是 默认全量加载数据,但也不是没有上下文成本。 m c p。 接的越多,工具越多,工具源信息就越多。一次查询返回的字段太杂, 记录太多,时间范围太大,也会干扰判断。用 m c p 的 时候,要让 agent 查得准一点,只开必要工具,只查必要系统,只取必要字段, 只返回这次任务用得上的信息。判断要不要接 m c p, 可以 问自己四个问题,第一,这个信息是不是经常变化?第二,这个信息是不是不在当前项目里?第三,每次查询能不能只返回必要内容?第四, 这个工具会不会写入或修改外部系统?如果前两个问题的答案都偏向是 m c p, 就 可能有价值。比如订单记录、接口日记、消息记录,它们经常变,也常常不在项目里。 第三个问题是上下文边界,查询结果要小而准。第四个问题是安全边界,能读和能改不是一回事。刚开始接 m c p, 建议先从止读工具开始。 如果是在 codex 里配置 m c p, 常见方式是用 cl i 添加或者改 config, 比如加一个 m c p server 命令大概长这样,一行命令就能把这个服务加进来,记住这个写法就行,加完之后想知道还能用哪些命令,看一眼帮助就好,它会把能用的子命令都列出来。 在 codex 的 终端界面里,也可以用 mcp, 看当前使用的 mcp 服务,手动配置时,默认位置是是 codex 目录 config, 项目已经设为可信时,也可以用项目级的 codex 目录 config。 最后总结下, skill 负责沉淀重复流程,比如文案流程。 m c p 负责连接外部工具,比如订单系统日制平台消息工具。举个具体场景,你要让 agent 排查一笔订单,为什么退款失败,项目规则文件告诉他业务规则,订单排查 skill 告诉他先查订单状态, 再看支付记录和退款记录,最后整理原因和建议。 m c p 或其他连接能力负责拿到订单系统支付系统日制平台里的实时数据,这里的分工是项目规则放在规则文件里,排查方法放在 skill, 读取外部系统数据这件事由 m c p 脚本或者插件提供。 skill 可以 规定怎么用这些能力,但不能替代能力本身。这期先到这,你还想让我继续展开哪个点丢到评论区,我下一期接着讲。

大家好,我是郑一怀,今天我们来看一个超实用的技巧, codex skill 就是 技能,你可以把 skill 理解成给 codex 写的一份专用操作手册, 比如你经常让 codex 做同一类事情,比如检查文章有没有 ai 味,文案是否符合提词器格式等等,如果每次都重复说一遍的话,就会很麻烦, 所以这个时候我们就可以用到 skill。 skill 的 作用就是把这些重复要求保存下来,下次直接调用就行。 普通提示词就像是临时交代一句话,而 skill 更像是长期保存的 sop 代码词,里面有自己的 skill, 在 这个插件里面点这个技能,在里面你按需进行下载就可以。当然我们也可以创建自己的 skill, 接下来我们就用一个简单的事例来进行演示,创建一个新对话。当我们自己创建 skill 的 时候,我们可以利用 codex 提供给我们的创建 skill 的 skill 就 叫 skill creator, 就是 dollar 符 skill creator。 紧接着我们把我们的要求发给他就行,我们把我们的要求发给他,创建一个技能,名字叫 script checker。 当我们说检查口播 review 文案的时候,对提供的口播文案进行审查,具体要求就是前三秒是否足够吸引人,有没有 ai, word 格式,是否适合提词器,是否像真人聊天等等。 好,我们现在发给他,他现在正在创建 skill, 我 们看到现在这个 skill 他 已经生成了, 下面我们来用一下这个 skill 调这个 skill, 同样是输入 dala 符,然后再输入我们的 skill 名称就行,叫 scrape。 紧接着我们把一段我们事先准备好的文案发给他,文案就写的很官方, 很正式,我们发给他,让他们帮我们优化一下,那现在已经按照我们约定好的流程来进行处理了, 现在他已经改完了,我们大致来看一下,总体上来讲,他就是按照我们的要求,然后对这个文档进行一些优化。好,这是我们自己创建的 skill, 那我们也可以用别人创建好的 skill, 比如我们安装一个插图的 skill, 这个 skill 是 宝玉做的,它可以给文章来生成配图。我们要用别人的 skill, 那 我们第一步当然是要安装,安装方法其实也很简单,我们把人家的 github 链接发给他就行。 例如我们现在在谷歌浏览器里面看一下,我们要装这个 skill, 我 们点进去看一下,我们只需要我们把这个链接发给他,请帮我安装这个仓库中的 skill 发给他。 现在宝玉 skill 我 们已经安装完成了,他需要我们重启,我们来重启一下,重启之后我们来用一下别人的这个 skill, 正好这个项目下面有一篇文章,我们看一下这篇文章原先里面是没有配图的,它里边是纯文本, 里面没有配图。现在我们来用一下人家的 skill 啊,我们要调用人家这个 skill, 还是通过多尔福或者是斜杠,然后进行调用就行。我们现在用的是宝玉杠 article, 然后再输入我们的文章名称, 紧接着我们给他提一下我们的要求发给他,这样子他就会先扫描文章,然后给重点段落生成图片,并且把图片插入到文章的对应位置,他现在对于生图给我们提供了一些建议,我们 确认生成,他现在已经生成了第一张图片,我们看到现在图片他已经生成完成了,而且也插到文章里面了,我们可以看到他给我们插入了一些图片。 嗯,预览一下,这些就是他新插入的图片,我看效果还可以。这篇文章的内容就是今天我们讲的内容,他现在已经给我这篇文章生成了配读,效果还不错。 大家有什么问题的话可以在评论区留言,你要是知道有哪些有意思的 skill, 也欢迎在评论区给大家分享一下。

如果你也想把自己的工作流做成 skill, 先别急着乱写提示词。 antropic 官方已经把怎么做出一个好 skill 这件事直接做成了一个 skill, 它就叫 skill creator。 这个项目最大的价值不是给你一个模板,而是把做 skill 的 完整流程直接讲清楚了, 先确定他到底要解决什么问题,再写出第一版,然后拿真实任务去测试,看结果,改文案,继续迭代,直到这个 skill 真的 稳定可用。他还会先让你把需求问清楚,这个 skill 要做什么,什么时候触发,输出长什么样, 要不要设计测试用力,这样做出来的 skill 才不会只是看起来能用。文档里还讲了一个很关键的设计原则,好的 skill 不是 把所有东西都塞进一个文件,而是拆成三层, 原数据负责触发 skill, md 负责主流程脚本参考资料和素材按需再加载,这样 skill 会更轻更稳,也更容易维护。 最后他还会继续优化描述词,让 skill 在 真正需要的时候更容易被正确触发。所以,如果你也在做自己的自动化工作流,这个官方 skill 值得直接拿来当方法论参考。

skill 是 什么?终于理解了 ai 智能慢慢进入我们的生活之后啊,我们开始越来越频繁地听到一个词, skill 文 章写作 skill, 网页设计 skill, ppt 生成 skill, 甚至还有巴菲特 skill, 芒格 skill, 马斯克 skill, 前任 skill 同事 skill 老板 skill 还有另一个经常一起出现的词呢,叫 m c p。 这两个东西放在一起啊,很多人直接就懵掉了, m c p? 我 还没搞懂,又来一个 skill, skill 到底是什么?它是不是就是长一点的 prompt? 也就是提着词呢? propt, skill、 mcp 到底有什么区别?我不会代码,能不能用 skill? 如果想做自己的 skill, 具体怎么做?这期内容, skill 是 什么?有什么用?为什么需要怎么创建自己的 skill? skill 和 propt、 mcp 有 什么区别?有哪些实用有趣的 skill? 一 次 讲清楚。先说一个最重要的判断, skills 呢的完整名字叫 agent skills。 注意这个 agent 它不是为了显得高级才随便加上去的,它告诉我们, propt 呢,是给 model 用的。 skill 是 给 agent 用的。这句话非常的关键。 过去我们说提词词呢,大部分的时候是在说,你给模型发一段话,模型呢,根据这段话,然后给你回一段话,它能分析,能总结,能写作,能给建议,但它主要还是在对话, 这叫 chatbot 常见。而 agent 不 一样, agent 呢,不只是会说话, agent 还能动手。它可以使用工具,读文件,写文件,运行脚本,调用 api, 访问数据库,生成图片,修改代码,把结果呢保存到本地。所以 skill 的 重点不是这段文字比 prompt 长还是短。 真正的重点是这段文字啊,不是临时写给 chatbot 让他回复你另一段文字的,而是提前储备给一个能动手的 agent, 在 需要的时候 主动赋用,然后给你一个切切实实的产出成果。举个特别直观的例子,你想让 ai 给你生成一篇文章的所有的插图,如果你把一段插图提示词和文章的内容发给 chatbot, 它可以帮你分析文章,可以生成图片,但它不会帮你放到文章的合适的位置里,这些活还是得你自己干。但如果这个任务是交给 agent 呢? 它可以自己读你的文章文件,设计每张图的内容和风格,用画图模型生成图片,然后把图片插入正确的位置,最后啊,输出成品。这就是区别啊, chatbot 只能对话, agent 能动手干活。所以啊,即使 skill 里面也会出现提示词,但这和 prompt 的 定位已经完全不同。 skill 最朴素的形态呢,就是一个文件夹, 文件夹的名字啊,就是这个 skill 的 名字。这个文件夹里啊,至少有一个文件叫 skill 的 md, 这是一个 markdown 格式的文档,可以直接用记事本打开来进行编辑。 skill 的 md 里面写什么内容呢?写这个 skill 叫什么?什么时候应该用?具体该怎么用? 输出应该长什么样子,遇到问题怎么办?如果复杂一点呢?这文件夹里面还可以放脚本代码、参考资料模板图片视理文件。所以你可以先把 skill 理解成写给 agent 的 一份工作说明书。一个最简单的 skill 可以 简单到什么程度呢?比如直头子,这个 skill, 它的名字呢,就叫直头子,它的使用场景描述呢, 就是借助随机数生成器进行值投资的操作,当需要值投资的时候,可以使用该技能。再下面呢,就是它的正文部分,也就是具体说该怎么使用这个技能。你看这东西呢,就这么简单。 上面三条横线包起来的部分是原数据,又叫前置参考材料。 name 呢,是告诉 agent 这个 skill 叫什么名字。 description 呢,是告诉 agent 什么时候应该用这个 skill。 下面的正文字部分呢,是告诉 agent 具体怎么使用这个 skill。 这里需要注意啊,它不是让模型自己给你说一个随机数,它是告诉 agent 去实实在在地调用一个命令工具来随机生成一个数。这就是 agent 的 skills 的 味道,不是只会说,而是能调用环境里支持的工具去做那一个复杂的 skill 又可以复杂到什么程度呢?比如 astropik 官方仓库里的这个做 ppt 的 skill, 它就不是只有一个 skill dmd。 它的目录里啊,有 skill dmd, 还有 scripts 文件夹,还有其他的 md 文件。这说明什么呢?说明复杂的 skill 不是 一段超长提示词, 更像一个小型工具包。 skill d, m, d 呢,负责告诉 agent 什么时候用这个 skill。 任务大概的流程是什么? editing d, m d 呢,负责讲怎么编辑现有的 ppt, 然后 ppt x g, e, n g, s, d, m d 呢,负责讲怎么用某个脚本代码生成新的 ppt scripts 呢,负责放那些需要确定性执行的代码。 agent 使用 skill 的 过程是这样的, 比如这个 ppt 生成 skill agent 呢,一开始呢,不会把所有的 skill 的 全部内容都塞进去,他只先看每个 skill 的 名字和描述,等用户的任务真的是匹配到了这个 skill。 比如 ppt 生成 skill, 他 才会去看这个 skill 的 完整的 skill, 点 md 的 内容, 如果 skill 点 md, 里面写的是编辑 ppt, 再看 addin 点 md, 他 就到那一步才会看这个 md。 scripting 的 脚本也一样,需要用什么脚本 agent 呢,才会去用。 这就像你入职公司啊,第一天不会把财务制度啊,法务合同啊,制度规范,所有的历史项目文档啊,全都背一遍。你只是需要知道,遇到报销看报销手册,遇到合同去找法务模板。 skill 呢,也是这样,需要什么才打开什么。 这也是为什么传统提日词模板很难代替 skill, 提日词一发出去呢,基本就是全量加载,你写了两万字,他就吃掉两万字的上下文。但 skill 可以 只先加载几十个 token 的 name 和 description, 真正用到的时候啊,再加载正文部分的说明, 在需要的时候才读参考资料和脚本。所以 skill 的 价值啊,不只是能不能做到,而是管理成本、附用成本、上下文成本、迭代成本 完全不同。简单地说, skill 呢,就是提示词的工程化封装,它让一段经验啊,变得可附用,可组合,可迭代,可按需加载。那 skill 具体有什么用呢?最直接的用处啊,是让 agent 更稳定地帮你干活。很多人用 agent 最大的痛点不是他完全不会做,而是他今天会了,明天不会。 今天写的还挺像人,明天突然开始关窍今天的格式,对了,明天又忘了。 skill 就是 用来解决这个问题的,你把标准写进去 a 准呢?每次做同类任务之前呢,都去看一遍,稳定性就会提升很多。 第二个用处啊,是把你的工作经验呢都沉淀下来。比如你每周都要写周报,你其实知道哪些事情呢?要写成成果,哪些事情呢?只能写成进展,哪些风险啊,必须单独拎出来,哪些表达呢?老板不喜欢,但这些东西呢,都在你的脑子里,你每次让 ai 写周报,都得重新跟他说一遍。 做成 skill 之后啊,你只需要把零散的工作记录丢进去 a 就 能呢,就按你的周报标准来整理。这件事情很普通啊,但真的很有用。第三个用处啊,是让复杂任务可以拆开来做。比如你想做一个平常写作的 skill, skill 点 md 里写整体的写作流程, reference 里,也就是参考资料里面呢,放你的历史文章的风格,标题方法论啊,选题标准啊, assets 里呢,放封面模板, script 呢,放字数统计啊,记用词扫描格式,检查这些脚本代码。 agent 呢,负责理解和写作,脚本呢,负责确定性检查参考资料,负责提供风格约束。 这样一来,他就不是单纯的帮我写文章了,他开始接近一条半自动内容的生产线。那 skill 和 m c p 有 什么区别呢?这个问题特别重要,因为现在很多人一听 skill 就 会觉得 m c p 是 不是没用了? m c p 解决的呢?其实是连接的问题,而 skill 解决的是怎么做的问题? mcp 让 agent 能够访问外部工具和数据,而 skill 呢,告诉 agent 在 某个任务里面应该如何使用这些工具和数据?你看,这是两个完全不同层次的概念, 如果没有 skill, 你 每次都要耳提面命八百遍,告诉你的 agent 要使用哪些 mcp 工具。怎么使用这些 mcp 工具?不然 agent 呢,可能选到错误的工具组合,或者是按照错误的顺序使用 mcp 工具。 如果没有 m c p 呢? skyo 确实也能使用 scripts 你 的脚本代码或者系统自带的命令行工具来完成一些任务。但是它能触达到的外部世界就会很有限。你可以让 agent 在 本地处理文件,跑脚本,甚至 ppt, 整理 mac 套。但是如果你要让它稳定地去访问外部的数据库,飞书啊, lotion 啊, github 啊,企业内部的系统啊,或者是各种远程的这种 api 啊, 就需要一个标准化的连接层。 m c p 做的其实就是这件事情,他把外部工具和数据源呢,用统一协议接个 agent, 让 agent 不 用每次就为不同的服务单独写一套连接方式。用一个最简单的类比啊, m c p 的 全称呢,是 model context protocol, 也就是模型上梁文协议,就有点像电脑的 usb 接口和 u 盘 统一都遵循 usb 协议那样。 mcp 呢,负责把 agent 这台电脑和数据库啊,文件系统啊,浏览器啊, github, 飞书啊, lotion 啊,各种 api 啊这些 u 盘啊连接起来,接上之后呢, agent 就 能够够得到这些外部的资源,但够得着不代表会用得好。 skill 呢,像操作手册和 s o p, 它可以告诉 agent 什么时候要查数据库。查数据库的时候呢,先看哪些表,哪些字段代表当前状态,哪些查询呢?不可以乱查结果,要怎么解释异常要怎么处理?对于简单的任务啊,你确实可以不用 skill agent 呢,直接自己决定调用什么, m c p 一 般也够用。对于不涉及外部复杂对接资源的任务呢,你也可以不用 m c p, 用一个 skill 解决问题也够用。但是啊,涉及外部复杂的对接资源,且流程需要多步骤来完成的时候,通常这些资源的提供方,比如飞书啊, logan, 都会提供 m c p 的 使用方式,你就需要用 skill 去配合 m c p 来使用了。再看一个具体例子啊,你要让 agent 分 析公司内部谁的声望最高,如果只用 m c p, agent 呢,可能能连接上数据库,能查员工表,能查薪资表,部门表,但他未必知道声望应该怎么衡量, 是看管理层级,看下属数量,看薪资,看认知时间还是什么?这些呢,不是连接的问题,这是判断的问题,这时候就需要 skill, skill 可以 写清楚,分析声望的时候,先查管理关系啊,查薪资水平啊,查认知时长啊,以及其他就有相关性的数据,再组合成一个评分框架,最后输出结构化的分析。 m c p, 负责执行具体搜口的查询。而 skill 呢,负责告诉 a 政,他为什么查,按什么顺序查,怎么解释结果,这就是两者的分工。所以 skill 和 m c p 呢,他们不是互相替代的关系啊, 它们是互补的关系。 m c p 啊,让 agent 能够连接到外部世界的工具 skill 啊,让 agent 知道怎么组合工具完成任务。那到哪里去找 skill 呢?这几个 skill 的 网站,你可以自己去探索,还有就是 github 点 com 上会有一些个人或团队开源的 skill 项目, 可以自己根据需求呢去搜索。这里说两点啊,第一就是任何 skill 呢,如果不是官方的,都建议你先用自己的 agent 去检查一下安全性。 方法也很简单啊,把 skill 的 地址或者整个文件夹给你的 agent, 然后跟他说检查一下这个 skill 的 安全风险。第二点呢,任何的 skill 的 安装,除了 skill 网站提供的手动安装的方法,都可以直接把 skill 的 网址丢给你的 agent, 比如柯柯的,然后跟他说帮我安装这个 skill, 然后你的 agent 呢,就会自己帮你安装有什么实用或者是有意思的 skill 呢?比如你经常要做 ppt 啊,追求简洁实用风格,可以试试 abstract 的 pptx 技能。安装方法也很简单, 直接跟 cloud code 说帮我安装这个 skill, 然后把这个 skill 的 网址啊直接贴给他就可以了。比如你想搭建个人知识库啊,你可以试一试 second brain。 如果你还不知道这个前 open ai 创始人团队成员安德烈卡帕西提出的 l m viki 个人知识库的搭建方法,可以去看我那期讲 l m viki 的 内容, 我自己现在呢,也一直都在问。再比如人格真流 skill 啊,这个就很有意思了, github 上啊,有个这样子专门收集围绕人物关系、纪念性场景和方法论视角的 agent skills, 一句话讲就是万物可蒸馏,而这个仓库收集了已经蒸馏好的万物。比如你不知道怎么和老板汇报,可以用老板点 skill 蒸馏你的老板, 你担心同事跑路,导师毕业,队友转岗,可以用同事点 skill 蒸馏他们,你还可以用前任点 skill, 你 也可以用自己点 skill 蒸馏你自己。或者直接使用蒸馏好的领域人物 skill, 比如巴菲特思维操作系统点 skill, 比如马斯克点 skill, 比如乔布尔点 skill。 如果以上都没有你感兴趣的,你还可以使用女娲点 skill。 这里不是说完全还原一个人,它更像是呢,从公开作品啊,对话啊,经历和资料里去提炼表达风格,决策框架,思考习惯和互动方式,也就是把一个人是怎么想问题的, 怎么说话的习惯,怎么跟人互动的习惯做成一个可调用的方法论。 skill 安装方法也很简单,直接和你的 a 程序说帮我安装这个 skill, 然后呢,把这个地方替换成对应的 skill 网址就可以。还有一种 skill 叫原 skill, 原 skill 不是 某个具体任务的 skill, 不是帮你写周报,也不是帮你生成图片,它是帮你发现 skill, 创建 skill 的 skill。 现在最典型的两个原 skill 呢,一个叫 find skills, 另一个叫 skill creator。 find skills 呢,解决的是我想做一件事,到底有没有现成的可用的 skill。 以前我们找 skill 呢,可能要自己去 github 上去搜啊,去 skills 点 s s 上去搜,去别人的文章里去翻推荐,中间就很容易打断我们自己的当前工作流。而 find skills 呢,可以直接在 agent 里面帮 帮你搜,比如你对克罗斯克的说有没有 ppt 生成相关的 skill, 或者直接说我想生成 ppt, 它就会自己帮你去搜索,还会结合 skills 点 s h 这个网站的排行榜来源性,比如官方啊,还是个人啊, github 上面的 star 数量啊,综合帮你判断 哪个 skill 更靠谱。而 skill creator 呢?解决的是另一个问题,就是我想做自己的 skill, 怎么从零到一去做出来?它不是简单帮你生成一份 skill 的? md 啊,除非你的需求真的是非常简单,它更完整的流程上, 先问你这个 skill 要解决什么问题?什么时候触发期望输出是长什么样的,要不要测试,然后会自动去帮你写一个 skill 的 草稿,再设计几个真实的测试的这样的一个任务,然后跑一遍 skill, 让你看看效果,如果效果不好呢,它 就改,然后再测,然后再改。总之就是我们跟着提示呢,一步步来,就可以从零到一的创建出一个 skill, 不 懂代码也完全没有。那什么时候需要创建自己的 skill 呢?我给一个特别简单的判断 一件事情,你做了三次以上,或者预判自己可能会做三次以上,就可以考虑做 skill。 不要做一个万能的 skill, 一个 skill 呢,去解决一个具体的问题。多个小的 skill 通常比一个巨大的 skill 更加靠。那 skill 有 风险吗?有,而且必须认真对待。 因为 skill 呢,它不一定只是文本,它可能包含脚本代码,可能要求提取文件,可能引导 agent 呢,去做一些操作。所以别人发给你的 skill 呢?不要闭着眼睛安装,至少要打开看一下 skill d m d 是 写的什么内容,看看它要求 agent 呢,会做什么东西,如果里面有 scripts 呢,而你又看不懂代码, 就不要轻易地去运行,尽量看 skill 的 安装量来源是否可靠。 skill 呢,它是能力的放大器,好的 skill 呢,会放大效率, 但坏的 skill 呢,也会放大风险。如果你觉得自己判断太麻烦了,也可以让你的 agent, 比如 cloud code 啊,或者 code x 去帮你去做解。那为什么 skill 如此重要呢?因为 ai, 它只是聊天工具的时候呢,提示词就够用。但当 ai 变成执行者的时候啊, 它需要的不只是你临时说一句话,它需要稳定的流程、边界、工具和规则。这就是 skill 的 定位。未来啊,很多软件可能都会发生变化,过去我们打开网页,自己点按钮,填表单,上传文件,等待 结果。以后呢,很多任务啊, agent 可以 直接通过 api 或者是 mcp 去完成。而 skill 呢,会告诉 agent 该怎么调用这些工具,该怎么整理输出。网页是给人用的, api 呢?是给程序用的, mcp 呢?是给 agent 呢?学会怎么做事用的。这几句话放在一起啊,你就能看懂 未来产品的形态。人会不会有一天被某个 skill 替代呢?已经有人把钱桶式真流成了一个 skill, 如果你正在做的事呢,是一个 skill 就 能讲明白的,那么大概率会被替代。如果不能,说明你的工作不只是机械式的动嘴动手,你的工作需要调用你的思维。史蒂芬平克告诉我们,人类的大部分思维其实并不以语言的形式存在。迈克波兰尼也告诉我们,我们所知道的远比我们能说出来的多。 这说明语言啊,并不全然是人类的智慧,语言背后无法被完全言说的思维才是思,就是心上之田,也就是在心上耕耘,用心去想,去琢磨,去感受。维就是维度, 零维是点,一维是线,二维是面,三维是体,四维就是连续运动的物体,也就是加上了时间的维度。当然,还有更高的维度啊, 展示不出来了。所以啊,思维就是思的维度。而语言呢,只是思维在低维空间的投影,就像把三维立体图强行压扁成二维平面图,无论从多少角度刻画这个平面图,都会失去空间、质感、层次等关键信息,永远无法还原物体的本貌。所以啊,人的核心竞争力啊,其实就两点,思维的高度和用语言。 思维的程度。思维呢,影响你的品位、洞察力、判断力、决策力和执行力。语言呢,影响你能在多大程度上让你的思维落地?这里的语言啊,不仅仅只说,也只写,也只话, 也只谈。思想维度高的人呢,很难被 a i t 的。 你想想看,如果乔布斯愿意来你的团队,你不会仅满足于使用乔布斯点 skill。 不 过,我们不需要成为乔布斯,我们只需要比周围人的思维高度高一点就可以。如果有一天,公司让你蒸馏你自己,你可以试试这个反蒸馏,馏就是你把你自己蒸馏出来了之后啊,然后把 蒸馏的结果丢给这个 skill, 它会帮你整理一份看上去完整专业,但实际上已经抽取掉了核心知识部分的清洗版。这是权益之计啊,不是为了让我们去躺平,而是让我们变得更强,争取时间,强到一百个 skill 也只是我们的冰山一角。 ok, 到这里你已经知道 skill 是 什么,有什么用? skill 和 m c p prop 的 区别有哪些?实用有趣的 skill? 什么时候需要创建自己的 skill, 以及如何创建自己的 skill? 你 对 skill 的 理解已经超过了百分之九十。以上就是今天的全部内容,如果觉得对你所帮助,点个赞,收藏一下,也请转发给你那个一直想搞清楚的 skill 到底是什么的朋友。这对我真的很重要。我是三秋水,用技术生存,用哲学生活。我们下期再见。

你现在看到的这些 ai 画面都是用我的 skill 生成的,并且中间没写任何提示词。最近后台很多人问我,像这样的画面到底是怎么做的?为了让大家都能做出这样的效果,我把我自己做成了一个 skill, 无论是图片还是视频,全程没写一句提示词。但今天这个视频不讲任何理论, 只讲实操,教你小白应该怎么做一个自己的 skill, 又应该如何叠带和使用我的 skill。 老规矩,我的 skill 已经准备好了,有需要的可以自取。先讲第一个如何制作自己的 skill。 其实 skill 并没有那么复杂,现在大部分的 ai 博主讲的内容都太理论了,实际上你只要会打字就能做一个 skill, 大家可以跟着我的操作走。首先我们随便打开一个 ai 工具,然后先告诉我 ai 自己的需求, 比如我这个 skill, 我 先告诉了 ai, 我 的需求是让大家能够生成像我这样的画面,然后 ai 就 会自动拆解流程,并且告诉我需要准备什么样素材。我这里上传了一些我往日的一些作品和常用的申图和申视频的提示词, ai 就 自动给我写了一个细节。需要注意,这是说明需求的时候一定要具体, 比如你想要画面更真实还是更电影感,人物是偏生活化还是偏时尚大片,因为你说的越具体, ai 模仿你的准确度才会越高。接着让 ai 帮你生成一个这样的文档,你只需要下载文档并上传给 ai, 就 能调用你的 skill 身图,我们来看看它的效果。 很多人做到这一步就停了,但是这样其实是不够的,因为真正能使用的 skill 一定是需要不断调整的。我发现哪里流程不对,就回头告诉 ai 修改的点。比如我这个 skill, 我 发 发现 ai 给我了视频提示词之后,它就不能继续生成下一张图,于是我直接把这个问题告诉 ai, 让它帮我修改逻辑。现在的 ai 模型是有能力帮你修改 skill 的, 修改完之后它就能一直连续生成。那我的这个 skill 应该怎么用呢?首先,我们上传 ai 之后,它会引导你选择想要的结果,比如人物外观、人物性格和情绪。接着拿着这一份 提示词去帮她拿,或者截梦生图丢回给 ai, 它就能自动分析图片的状态,生成一段视频提示词。 整个流程不需要你自己写任何东西。你会发现以前我是在操作 ai, 但现在更像是在训练一个懂你的创作助手。当然,如果你有好的 skill 也可以分享出来,也可以调用我的 skill 去生成。所以这个看起来超难的 skill, 你 学会了吗?

你知道怎么用好 code code 的 skill 吗?今天告诉你具体的玩法,让你的 skill 从花瓶变成神装。我们知道 skill 就是 写一个 skill, 点 m d 文件,把规则写进去 cloud, 遇到相关任务就自动用了。怎么创建?记住三步,第一步,在命令行敲一行代码,创建目录。第二步,写 skill, 点 m d, 比如写上解释代码必须包含类比和 s k 图标。第三步,直接问他这段代码怎么工作的,他自动按你的要求回答。技能方的位置不同,适用范围也不一样,企业级,整个公司都能用,个人级放 close skills, 所有项目有效,项目级只在当前项目生效。插件级,由插件自带,在 skill 点 m d 顶部加一段研磨配置,可以精准控制技能行为。 name 是 技能名字,也是斜杠。命令 description, 告诉 call 什么时候用 develope model invocation 出,设为出之后 club 的 不会自动出发,只有你手动竖斜杠技能民才生效。技能内容分两种,一种是参考内容,告诉 club 的 一些规范和最佳实践,它干活时自动参考。另一种是任务内容,是具体操作步骤, 比如部署流程,先跑测试,再构建,再上线。前一种让可否的自己发挥,后一种让可否的按流程走。分清楚这俩技能就成功了一半。还有个东西叫 allowed choice, 可以 限制技能执行时可否能用什么工具,比如写个只读技能,只允许 read 和 grip, 其他全部禁掉,安全得很。再看 arguments, 你 写一个 fix a 属技能,然后输入斜杠, fix a 属一二三 cleod 就 知道要修第一二三号艺术参数自动替换,优雅倒库最后三个避坑技巧,既能没出发检查 description 有 没有关键词,既能老乱出发加一型 disable model invocation 处技能太多, cleod 看不到运行斜杠 context 的 检查 设置环境变量加大预算花五分钟创建一个技能,一劳永逸。记住技能等于更强大的 cloud。 关注我,下期教你写一个能自动修 bug 的 技能。

这个是我用一个 skill, 一 句话让 ai 按照我的品牌标准直接输出的电商详细页文案。这个是另外一个 skill, 每天呢自动帮我生成 ai 行业日报, 有招标,有来源,打开就能看。还有这个 skill, 我 把一份三十页的合同丢进去,它自动的按照我们公司的红线标准标红了所有的风险条款。那在以前,这些事情每一件都要折腾半天,现在装上 skill, 一 句话就搞定。哈喽,大家好,我是冉冉,那今天这期视频呢?我们一起来看一看。 skill 去哪里找? 五大玩法,还有怎么样自己去做一个,把自己的工作流程自动化。我也做了一个文档,总结了所有的资源。再说一下 skill 是 什么,那白话来说呢,就是一份写给 ai 的 sop, 你把干什么,怎么干,参考什么资料,按照什么标准输出,打包成一个文件夹, ai 拿到以后就自动照着执行了,就像你给新员工了一份岗位手册,他照着做就行,不需要你每一次口头交代。而且呢, skill 是 一个开放标准,写一次,你导入到任何其他的 ai 都是可以用的。 先说一下像 deepsea、 豆包、 kimi 这些能不能用 skill, 如果你用的是网页版,那目前是不行的,因为它们是纯对话模型,没有本地文件的读写能力,没办法直接加载 skill 的 文件夹。但是呢,有两个变动的方法,第一个是用 kimi code, 它可以像 cloud code 一 样来读写本地的文件。那还有一个是,比如现在有很多的开源平台是支持 deepsea 的 a p i 作为底层模型的,同时呢,又有 skill 市场,相当于用 deepsea 的 脑子加上了 skill 的 专业能力。 接下来呢,来说一说怎么样去找到好用的 skill。 我 帮你整理了几个最好用的 skill 商店。首先是 lophop skill 市场,收入超过一万个。 skill 有 中文界面, 按照分类浏览,包括但仅限于像 ppt 制作, pdf 处理,网页抓取,写作优化都有。每一个 skill 都有评分和安装说明。 skills m p 目前是最大的 skill 聚合平台,收入超过七十万个开源 skill, 支持按照职业来筛选,每一个都标注了四大数和质量评分。 c 社的官方 skill 仓库也在 github, 质量最高,那 github 也有社区整理的 skill 百科全书, star 超过一万三, 按照领域分好的类提醒一下哈,如果你用的是个人开发者分享 skill, 在 你直接让 ai 学习之前,最好先让 ai 帮你扫描一下代码, 避免有一些安全病毒隐患。优先使用 star 数高的官方维护的仓库。我们再来说一下 skill 怎么装,我们一般来分为两种方式,一种最快插件命令一键装。比如说你下载一个 skill, 打开 cloud code, 直接出驻一行指令,回车就装好了。 然后你直接说帮我做选择题调研, cloud 会自动调用这个 skill 来处理,不需要你手动地来指定。第二种,手动来装,这个适合从 github 下载的第三方 skill 下载解压之后,把整个文件夹复制到 cloud 的 的路径下面就可以, cloud code 启动以后自动发现,不需要额外配置。但问题来了, 如果说你找不到自己用的 skill, 或者说你每天的工作也比较 special, 没有一个通用的 skill 能够去覆盖,该怎么办?答案呢?就是自己做。 a 社官方有一个 skill creator, 专门帮你生成 skill, 装好以后直接说你想要做什么。 skill creator 会自动地帮你生成全套文件。 skill md 写好了,角色设定和回复流程, reference 和 scripts 的 结构也搭好了, 但是呢,这个只是一个八十分的通用模板。你再把你的售后政策文档、产品参数表拖进 reference 的 文件里,跟克拉克说,回复时候必须严格参考 reference 里面的售后政策,它就自动地把你的资料引入到提示词里了, 从零做晚五分钟,说几句话而已。那正确的姿势就是 skill creator 来出题稿,你用你的经验和资料喂成一百分,你的行业经验越深, skill 越好用, 因为这些经验是 ai 在 互联网上学不到的。最后呢,来说一下 skill 的 文件结构,你搞懂了呢,就可以去改任何的 skill 核心呢?其实总共就三样东西, skill md 是 灵魂文件,写了干什么,什么时候触发执行步骤。 这个就是岗位说明书。 reference 文件夹放参考资料,品牌手册、公司规范、行业数据。 ai 在 工作的时候会查阅 scripts 的 文件夹,放执行脚本,自动刷数据,自动格式化输出,你不用自己写, 让 cloud code 写就可以。任何开源 skill 都是这三样东西的排列组合,现在就去试试吧。我是冉冉,欢迎大家关注我,一起用 ai 升级自己的人生,下期见了,拜拜!

同样是小龙虾,别的龙虾勤奋在线,你的龙虾昙花一现,别的龙虾干活利落,你的龙虾总是报错,别的龙虾审美拔尖,你的龙虾审美跑偏, 这中间大概率就差一个东西, skill。 我 拉大家上期呢,教大家怎么零门槛安装小龙虾,但想让它真正的替你干活,还得给它配上好用的 skill。 那 接这期呢,我用五分钟带你从头到尾搞懂什么是 skill, 哪些是必装的 skill 及它的安装教程,记得点赞关注收藏,我们正式开始! skill 就是 小龙虾能调用的一项能力,简单来说,它俩的关系就像是哆啦 a 梦和口袋道具的关系, 你想要缩小就打开缩小灯,你想要飞起来就带上竹蜻蜓。你想要瞬间移动就打开传送门。口袋里有什么道具,哆啦 a 梦就能做什么事儿。你装上什么 skill, 小 龙虾就拥有什么能力。 从查天气、写表格、追热点到自动化操作,这些都需要 skill。 有 了专门的 skill, 小 龙虾才能从一个会聊天的 baby 虾变成一个会干活的效率虾。而 skill 能做的也远不止单个功能, 还可以把多个功能聚合到一起。比如说我之前做的 ai 升视频的工作流,涉及到升脚本、升分镜、升图,也可以直接做成一个全链路的 skill。 那 这样的话,我就可以很从容的只发一个产品卖点和产品图过去,小龙虾就知道一二三,每一步该怎么做,直接跑完全程非常的省心, 那你的经验就变成了他的能力,这样一个 skill 还可以高效的赋用到团队的其他人用。 想要养出效率虾,这四个 skill 必须第一时间安排。第一个 skill waiter 技能审查就是你的电子保安,你要安装新 skill 的 时候就会触发 skill waiter, 他 就会给出一份风险评估。如果说啊,他弹出说这个是高风险的,咱呢还是别撞了。第二个 tively search 搜索技能 是给小龙虾联网冲浪用的 skill, 那 opencloud 自己呢,是没有办法直接联网的,有了 tively search, 他 才能找到最新的资讯。 第三个 agent browser 浏览器的操作技能,比如说呢,帮你打开浏览器啊,抓取网页信息,填写表单,全程都不用你动手, 这样呢,一个自动抓取的表格就给你做好了。第四个是 self improving agent 自我改进技能,遇到了问题,它会复盘,会改进,会自动迭代,所以这是一个越用越强的养成系 skill, 也是 graphhoop 上面最热门的 skill。 以上就是养龙虾必备的四个 skill, 那 国产龙虾一般都会默认安装好这几个 skill, 大家可以查漏补缺看看。 完成了 skill 的 基建,我再跟大家分享,非常好用好看,能快速提升工作质量的 skill。 那 第一个呢,叫做 front and design, 是 一个审美极好的 skill, 我 让它生成了一个拉拉面包店的网站,可以看到呢,它的配图非常的有质感,整体都是淡黄色的配色和色系,排版也非常的清晰和高级。 我还用它生成了一个拉拉服装店的一个面向二十到三十岁欧美女性的独立站,网页整体是非常有活力的,多巴胺的渐变风格,最戳我的是这个鼠标的设计细节,你看它是一直会跟着这个鼠标,有五个彩色的圆点,你鼠标移动起来,这个圆点一起移动,看起来非常的有交互感。 front and design 呢,是 anthropomorphic 推出的 skill, 大家可以相信 xfopy 的 审美出来的效果都非常的有独特的质感。第二个 remote skill, 一个用来升高级视频的 skill, 那 比如说啊,我想要做一个介绍 openclaw 和 skill 的 科普视频, 它呢就能很快地给我做出一条视频,二十秒的时间,里面的图文格式化动效都非常的丝滑高级,也非常适合做数据的格式化,像这种让周报图表动起来的效果是不是也蛮不错的?或者呢是做一个产品介绍的视频,可以看这条 看整体是不是非常的有质感,感觉是那种直接能用的视频。那 remotion 呢,是以图形元素为主体的视觉风格,非常适合去做一些比较冷静的或是高级的一些视频内容。 最后呢,我们就要讲一讲 skill, 它的安装方式大致分为三类,第一种的话就是手动安装,因为 skill 本质是一个文件夹,所以呢,你可以直接从 github 或者是 clonehub 上面下载这个 skill 的 安装包,解压之后直接就拖到小龙虾的文件夹下面重启一下就可以直接使用了。 那第二种是半自动的安装,你只要找到了这个 skill 的 在线链接啊,直接丢给小龙虾,让它自己去安装就更省事一些。 第三种是全自动安装,你甚至都不需要知道这个 skill 叫什么或它的链接是什么,你只要提前的安装一个 find skill 的 skill, 就是 让它自己找 skill 的 这个 skill。 那 比如说现在呢,我需要你做我的投资顾问,你呢?先去搜索一下需要具备哪些 skill 才能做好这件事儿。 好的,就可以看到它自己会去技能库里巴拉巴拉巴拉的一通搜索,然后找到最匹配的几个 skill, 最后我们确认一下想选哪一个,一般呢选个星比较高的那几个 skill 啊,直接就下载安装就可以直接用起来了。 好的,以上呢就是 skill 的 全部实操介绍, skill 的 本质呢,其实就是让你的小龙虾叠各种 buff 啊,技能叠齐了,只要你敢想,它就能帮你搞定。 今天这期视频呢就到这里啦,欢迎在评论区里分享你用过的神奇的 skill。 下期我们再聊一聊怎么手搓一个你自己的 skill。 那 如果这期视频帮助到你的话呢,记得点赞收藏关注。