Make Skills功能

五个前端顶级 skill in tagble 这是一个专为 ai 编码工具设计的 skill 合集， github 上已经收获超二十五 k star， 用于提升 ai 生成界面的设计质量。内置前端设计反模式词典，明确告诉 ai 绝对不能犯哪些低级错误，生成的代码不仅功能完整，且更具备高级的视觉质感。 task skill 同样是一个能够提升 ai 前端设计品味的工具，只需一个 skill 文件就能让你的分为编码 ai 不 再每次都生成千篇一律、毫无新意的作品，同时支持 react、 vivo 和 spell 三大主流框架中使用，给 top 上已有一万五千多人疯狂收藏。 skills 由前端大神安森尼夫精心挑选的技能，合集 y 和 nars 开发人员的一站式资源库，把官方文档、最佳实践、个人经验结构化，让 ai 的 生成代码更符合社区规范，同时处理生成代码不规范、不符合现代前端最佳实践、配置混乱等问题。 高德地图 skill 它将高德地图 g s a p i 二点零的官方文档、最佳实践和代码模板集成到结构化的技能文件中，利用 ai 编辑器自动生成符合官方规范的地图代码包， 包含地图初识化、覆盖物、世间布局等模块核心 a p i 帮助开发者快速集成高德地图，并遵循正确的使用方式。 u i u x pro max scale 如果你的 ai 写 ui 还达不到这样的设计标准，界面丑得像二十年前的网页，并且还不支持自定义配色方案、自己搭配和图标类型等操作，这个 scale 就 可以彻底解决这些弊端。目前 gigap 已经超七点四万人收藏，可实现在跨平台和八个前端框架中使用，几个简单配置步骤即可开始。

hi， 大家好， figma make 在 上周支持了 skill 的 功能，然后呢，这一次这个视频我们就大家一起来体验一下这个 skill 到底怎么用，好不好用。 我们打开 figma make， 点击前面的加号，会发现多了一个 skills， 然后这里有创造 skill 还有管理 skill。 我 们先从习 skill 开始， 点开之后有两个选项，一个呢，一个是从电脑本地导入，还有一个就是写，那我们就直接先从写开始啊，这里呢会有一个 skill 名称， skill 描述，还有 skill 的 内容，让我们先随便填一下。 到了 skill 内容这里呢，我们肯定是不要自己写，然后我们接着还是打开 codex， 然后让 gpt 来给我们写一个 ui skills。 这里呢，我还是以嗯晒思恩为例，就是我们之前视频里有推荐过这套组建库，然后我也还是用这一套组建库来写一个 skill， 我 们来应用一下试一试。 在等待了一段时间之后呢，呃， codex 已经把 skill 帮我们写好了，这个时候呢，我们过来预览一下看一看。因为这个时候其实我们也找不出什么问题，因为我们并没有提出什么特别的要求，我们就只是让它来应用这套组件库而已。 那我们就看一下，然后直接复制粘贴到 fake 码中去， 粘贴完成后，我们直接去点击保存即可。这时候我们再回到 figma make， 然后点击加号 skills， 发现有一个 use skills， 然后刚刚我们创建的 skill 已经出现在这里了。 接下来我们就来测试一下这个 skill 它到底有没有生效。然后呢，我让 figma make 给我做一个宠物社交类的产品，包含 web 端和移动端， 然后呢给了它一些嗯主要的功能，比如说呃电商啊，社交啊，还有个人宠物的这样一些界面，然后让它来给我去完善，就是我只提出一个非常模糊的需求，然后这里在模型上我选择了 cloud cloudsonnet 四点六，因为 oppo 的 四点七它所费的点数会非常的多。 然后在 figma 干活的期间呢，我就给大家再次安利一下这套组件裤，它是一套 开源的组件库，免费的，而且呃它所适配的场景啊也非常的多，大家可以看到现在这我在看它的组件列表，反正这些组件基本上已经覆盖了我们常用的一些功能， 然后我们就可以一起简单的看一下它的样式啊，代码呀，然后安装方式啊，链接就在这里。如果说前端想要使用或者我们自己想要使用这套组建项目的话，可以直接点击右上角到它的 github 链接，然后从 github 上直接下载就可以了。 如果想要在 figma 中使用这套组建的话，其实到社区里面，然后直接输入呃组建库的名称，就会发现其实在呃我们的社区里面有非常非常非常多的这个组建的资源，我们可以直接拿来用就行。 在又等了一段时间后呢， figma 终于把我们的需求给做出来了，我们来一起看一下吧。 首先要说一点，就是呃 fake mac 打出来的东西的质量其实还是跟模型有正相关的，然后我们通过 skill 来约束之后，其实更多是在设计和审美层面 给它做一个规范化的约束，但是像我刚刚给了一个非常模糊的需求，然后它具体能把这个需求完善成什么样，还是需要根据模型能力来看的。 呃，我们快速的浏览点击一下，我们的现在完成这个产品好像是还不错，它把功能完善的很闭环，而且呃界面呀，组件使用也完全遵循了这套组件库的规范， 并且它还做了移动端。这时候我们看一下这个卡片规范是不是和它组件库中的组件规范完全一致，是完全一致的，没有问题， 接下来呢，我们来说一下很多设计师忽略的问题，就是 figma make 完成设计之后里面的这个代码， 这个代码其实它是已经是一个完整的前端项目文件了，如果说你所使用的 skill 里面的组建库和前端使用的组建库是一致的话，那这套代码其实可以完全直接拿给前端来用，那我们先把它下载下来， 下载完成之后呢，我把这个文件直接丢给 codex， 然后让 codex 把这个项目在我本地的前端跑起来，我们来看一看它是不是能跑成功。 codex 跑完之后，我们一起来看一下啊，这个项目已经在我们的浏览器中跑起来了，并且外部段和移动段也都做了适配，所以呢，我们的设计师在 fake map make 升完图之后，千万不要直接把它当做图无赖用了，它还有更多的用处，代码也是完全可用的。 那第一种直接在 fake mark 里面写 skill 的 方式我们已经尝试过了，接下来我们来试一试。第二种从本地导入 skill 的 这个方式，看看怎么样？ 我们再次打开 fake， mark make， 然后点击前面的加号，然后去找到创建 skill 的 这个地方。接下来呢，我们使用一个之前视频里有用到的我们写的 on the design 的 skill。 呃，看过之前视频的同学应该还记得，在这个 skill 里面，我把主题色的蓝色改成了橙色，所以呢，当这个 skill 上传上去之后，它是否生效，我们是很容易进行验证的，所以我们把里面的 skill 文件，然后直接去 呃上传到 facebook 里面，然后我们再来试一下。为了方便区分这里，我直接就叫 ant 点赞杠 ui， 然后杠 orange。 然后呢，我们点击加号，然后 skills use skills， 然后选择我们刚刚创建的这个 skill。 为了能更好地看到效果啊，所以我是让它去做了一个弊端的流量使用和 token 使用的这样一个项目，因为这种项目来说，它所用的图标会比较多，然后验证我们这个 skill 中成色有没有生效的。呃， 视觉辨别方式也更简单。好，现在我们的项目已经构建完成了，让我们可以看到我们的 skill 生效了，它是以 ant 组建为基础，然后以我们的成色为主要颜色。 那其实，呃，在今天我们一起调研完这个之后呢，我们会发现，这个 skill 无论是在 figma 中还是在大模型中，它们所完成的工作是一样的，都是对模型所输出的结果进行一个控制和约束。 但是我们会发现它的交互逻辑是完全不一样的， figma 还是更偏向于设计师层面的交互，让你直接能看到你所出的东西是不是符合 skill 预期的， 而且这个东西其实在 figma 中它更多的还是我们最开始所说的 u i skill， 而不是说像大冒险中它可以用 skill 去做任何任何更多的事情。

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

想让面中变立体，视觉上显脸小，咱们中间这段就要亮起来，把整个视觉中心移到中间来，现在画的是已经打完底画了一个眉毛了。然后的话呢，我们就手把手教一下小宝们如何用一下我们的提亮。用着我直播间在用的这盘吉利的高光霜，第一次用的话呢，需要先给他激活，怎么激活呢？手指打圈就可以了，可以看到啊，它这种非常润的，这种质地的一个这样的高光霜很润， 激活完了他就这样子的，以后的话就不需要再激活，只需要这么激活一次。然后他这一盘的话用的是零二号色升级过的一个蓬蓬粉，这颜色会带一点这种淡淡的蜜桃的这种三文鱼粉白色就很适合咱们亚洲女生去用。然后的话呢，咱们就从脸从上到下，从我们的中轴线开始，先在我们的眉心三角去拿小刷子 画一个倒倒的小三角，然后的话呢，就咱们的两眼中间鼻梁的位置，还有我们的鼻尖就正好有光的这个地方，我现在是纯自然光啊姐们，纯自然光没有打任何的灯光，我们家阳台打的这个话，显得你鼻尖更翘一点。然后还有的话，就咱们的下巴两厘米的位置，也是可以这样子一点点画个小小的倒三角。 小宝宝们，我们拍开的话，用这种拇指小粉扑会更精准，因为他这个体量，他的一个延展性很好，咱们就只需要原地拍开就行了，范围不要太大，还有我们的鼻子以及我们的鼻头。 好了，我们现在中轴线已经提亮完了，视觉中心就已经往内去收了，整个人的立体度的话也会提升不少。下面一步就是我们的面中了，面中的范围会比较大，如果新手宝宝掌握不好的话呢，你可以先在上面取完粉之后涂在你的手上，给他匀一点点，然后教你们怎么找范围哈。第一条从眼头的位置这条泪沟起笔， 然后的话呢，往下沿着到我们的鼻翼的这个上方，到眼珠珠这个地方就可以停了啊，那咱们去连接这两个点，把这个三角形提亮，还可以多一笔，就是沿着我们的眼眶骨往上，还有下面一个位置是我们的法令纹的地方，这条法令纹线 就可以了。然后接下来话，我们也是一样的，拿一个小粉扑原地的给他拍开，注意啊，不要超过我们的眼眶骨这个三角形的地方，带一下两边，如果觉得拍多了想要晕染的宝宝粉扑。另外这种尖尖头干净的这一面，咱们可以再来给他按压一下。然后还有我们的法令纹 也是这样子，原地的把这块鼻子底的凹陷给他拍拍，往面中去带，不要往两边去带，这样的脸会变大来，姐妹这边就提亮完了，提亮完了这张脸呢，会有点向上拉的感觉， 你看这边的凹陷还在，然后这边整体的话呢，会更加饱满一些。而姐妹们你们凑近看哈，他是很轻薄的，跟你的粉底是不会打架的，然后这个颜色的话呢，跟你粉底的颜色也会融合的比较自然。好了，面中提亮就这样子。然后还有其他地方呢，像比方说咱们的嘴角 这一块带到口角囊袋以及咱们的脸颊，看到没有？侧过来脸颊有道这样的阴影，脸颊去提亮像太阳穴有点凹的，姐妹们，太阳穴可以提亮一下，也是拿这样的小粉扑给它拍开就好了。其他地方就比较简单了，喏，嘴角以及我们的太阳穴， 还有我们脸颊凹陷的地方，这块凹陷地方是看每个人不一样，你看提亮完视觉上这一块明显会看起来会比刚刚饱满很多，是不是这边也是有道凹的？好了，我们先把这半张脸的提亮效果还原到这边的脸上，我就直接开始了啊， 脸颊太阳穴，记不住宝宝可以现在截个图， 本铺子拿出来。嘴角的地方，太阳穴还有脸颊凹陷，嗯，比刚刚好很多了，是不是奈何我太凹了，这长了块痘痘。嗯， 好了，姐妹们提亮完之后会发现整个五官会更加的立体，脸上的话呢，整体会看着平整很多，不信的话大家可以倒回去我前面看一下，我给他截个图放在这里。 好了，姐妹们现在是完全体料好的一个效果了，可以看现在整个的面中会更饱满，整个五官也会更聚焦一些，姐妹们可以仔细看一下眼睛下面，虽然我是有很多这种小细纹的对不对？但它完全说不会卡，记得一定要用之前激活哦。

在 cursor 中怎么使用 agent skill 的 功能？咱们一个视频说明白啊。上个视频咱们聊了 agent skill 的 基本概念，今天咱们继续来做实操。 首先咱们打开 cursor， 点击文件首选项 cursor setting， 然后选择这个 root subagent commands 这个选项啊，就可以看到里面有 input agent skill 的 这个开关儿哎，但是大部分小伙伴可能会发现，哎，我的 cursor 怎么就没这个功能呢？啊，为什么呢？我已经更新最新版本了 啊，因为截止我视频发布，这 cursor 的 正式版还没这个功能哎。不过不要紧啊，大家可以切换到开发版来使用 skill 功能， 大家可以在 cursor setting 中点 beta 这个选项啊，然后把第一个选项，哎，这个大家应该是 default 给它改为 nightly。 nightly 是 开发版的意思啊，大家就当做是像游戏内测的版本就行，能提前体验一些功能，但是功能可能不太完善， 如果大家体验完了，不想用这个开发版了啊，也可以回来把这个 nightly 改为 default， 再重新更新一下就回来了啊，所以这个大家可以放心修改 啊。那咱们继续啊，改完这个 nightly 之后呢，再点击帮助选项，点击检查更新啊，然后等程序更新完成之后，再回到 cursor setting 里面这个 rules subazon 这个选项，就能看到 import asian skill 开关了。打开这个开关， cursor 的 环境咱们就配置完了。 那具体要如何在 cursor 里用 skill 的 功能呢？我先创建一个新的项目，在 cursor 中打开一个空的文件夹。那要想使用这个 skill 的 功能，咱们需要在项目中先创建一个点 cursor 的 目录， 点 cursor 里面我们再创建一个 skills 的 目录，那这个 skills 目录里面存放的内容就是智能体可以使用的 skill 了。 大家看，我这里有一个写好的项目啊，里面我放了好几个 skill 啊，有操作 excel 的， 有操作 pdf 的， 还有将 markdown 转换成 stm 毛的各个 skill。 那 我们打开一个 skill， 看看里面到底具体有什么东西，我们就打开这个 text converter， 它是一个把 markdown 转换成 stm 的 skill 啊， 打开之后可以看到里面有一个 skill 点 m d 文件，那这个文件就是 skill 的 主文档，里面描述了这个 skill， 它能干什么活？文档开始的内容呢，叫做原数据，那这个很重要啊，里面定义了 skill 的 名字描述，还有版本 curser 的 对话框。如果调这个 skill， 其实就是根据这个描述来决定什么时候来调这个 skill 来工作的啊，比如我这个 skill 里面描述是当用户询问把 markdown 转换成 atm 等等。问啊，那如果用户说了这些的话啊，这个 agent 呢，就会调这个 skill 来干活了，那我们来调一下试一下啊。 呃，我打开 cursor 的 ai 对 话模式，咱们得调成 agent， 我 对这个 agent 说呢，将 pip 的 这个教程的 markdown 文档转换成 a。 天毛，大家可以看到 agent 就 开始干活了， 他会先读这个 skill 点 m d 啊，然后按照文档里面的要求执行任务啊，执行过程中还会参考 skill 目录中 example 文件夹来参考里面这个事例来操作， 那这样的话，它就可以按照我们给的这个视例来更准确地完成任务，那这样 agent 工作的准确度就会更高了。而且 agent skill 还有一个巨大的优势， 就是 skill 目录里面的所有内容，包括这个主文档，还有 example， 可能还有一些代码，它都是这个 skill 被调用之后才加载的，相当于是一个懒加载，不会在初始状态占用大模型的过多上下文，那这样性能就上来了 啊。那最后呢，大家可以看到啊，我得到了一个想要的 atm 文件，这就是 cursor agent skill 的 用法。那有朋友可能问了，说，那这个 skill 都得自己写吗？啊，当然不是啊，我们还可以使用第三方的 skill， 比如我这个 skill 目录里面的 excel pdf 的 skill 呢， 其实就是 as topic 在 github 上发布的 skill 啊，都是官方的 skill， 大家可以到 github 上直接下载下来。你想用哪个 skill 呢？就把这个 skill 复制粘贴到自己的 cursor 的 这个 skill 目录里面啊就行，直接复制粘贴就行啊，特别方便。所以大家以后如果让智能体干什么事儿的话 啊，以前咱们可能需要 m c p 啊，然后填写配置文件啊，参数错了还得改，就很麻烦。但是以后呢，直接复制一个 skill， 哎，这功能就能实现了，是不是特别方便 啊？当然不是说 a n 的 skill 就 可以代替 m c p 啊，它们还是各有各的优势。那具体 skill 和 m c p 有 什么区别？下个视频咱们再来做详细的介绍啊，不知道我讲的清不清楚啊，朋友们有问题可以给我留言啊，我是小周，分享 ai 开发知识，咱们下期再见。

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

我感觉我饭碗要保不住了，兄弟们，不是开玩笑啊，扣子这两天更新二点零，很多人还没意识到这玩意有多恐怖， 作为一个技术出身啊，现在天天泡在这个 ai 圈子，做这个大冒险落地的创业者，我很少那么焦虑。真的，当我看到扣子这两天上线的 skill 之后呢，我意识到一个问题， ai 的 使用范式彻底变了，真的， 很多人还可能还没听说过这个 skills， 我 给大家解释一下，能体啊， m c p 啊，工作流啊，都啥关系，然后对于我们普通人呢，有什么影响？还有机会建议大家点个收藏啊，今天说到哪算哪， 没说到的，想交流的随时滴滴我好。什么是 skills？ skills 呢？就相当于给大模型的一个技能包，这个技能包里啊啊，不光有顶级的工具，还配了一份保姆级的说明书，还有一堆参考文档，甚至还有大堆的这个成功案例。 那这个工人拿到工具箱之后，按照说明书的这么一用，哎，原地他就变成了钢铁侠。那有人问，为什么他拿到这个工具 工具箱，他就变成这个钢铁侠了呢？那以前的智能体不是吗？我就讲一讲，这个 skills 和智能体他俩是什么关系啊？其实从抽象来讲，他俩都很像，都是自己思考，自己优化，选什么样的工具，拿到结果之后啊，继续优化，怎么去执行，最后把结，最后觉得 ok 了，把结果给到你。 那现在的这个智能体啊，最大的技术瓶颈是什么呢？就是上下文爆炸和幻觉啊，东西喂多了，它就胡言乱语，东西给少了呢，它又干不好活。那 skills 是 怎么解决这个问题的呢？这个就涉及到一个技术逻辑啊，叫按需加载，渐进式的批漏， 它不像传统的 a 针，哎，传统的这个智能体 a 针呢？一次性把所有的东西全塞给这个大模型。 skills 做的很聪明，首先它只是把工具的名字和描述展示给了 ai， 哎， ai 觉得这个任务可能可能需要这个工具的时候，他才去翻这个说明书，看怎么用，发现，哎，真有用，他再去深挖里边的这个脚本怎么执行啊？参考案例是什么呀？咋做呀？ 就像我们人用工具一样，先看一眼，确定要用，再去看具体的教程。这种一点点查，一点点干的模式，就极大解决了这个幻觉问题，还有商学文问题，输出质量也提升了。 那么现在圈子里就有一种说法，说工作流已死，未来是 skills 的 天下。所以呢，作为这个天天给这个企业做交付的人啊，我觉得 这话对，也不全对。工作流的优点是什么？稳定标准，甚至说是死板。但在企业场景里，这种死板反而是优点，因为业务不能出错，过程也必须可化，所以企业的工作流依然是刚需。 那而 skills 的 优点是什么？极度的灵活和低门槛，以后他们不是不是谁替代谁，而是相辅相成。工作流可以作为一个小节点塞进 skills 里，那 skills 里呢？也可以是某个工具，是一个复杂的工作流。其实技术和业务就是这样，没有谁干掉谁一说，只有谁更合适的一说。 顺便提一嘴，钱是比较火的 m c p 协议啊，很多人把他们搞混了，其实 m c p 是 一个调用协议，就像是一个通用插头，它把各种工具啊，这个接口啊，统一标准了，让模型可以随着对接，它跟 skills 和工作流根本不冲突啊，反而它是这些能力的基石， skills 里边很有可能某一个脚本调用某某个工具的时候，它就是 m c p 协议的服务工具。说空话没意思啊，我给 这个大家讲两个，我刚做的，大家一定都能用上到场景，你们就知道我为啥焦虑了。首先第一个案例啊， 就是 word 模板的一键生成，以前你想写一个这个带有公司 logo， 带有特定页眉页角的，那你肯定是 ai 写完自己手动粘贴到这个公司的模板里了。但是我现在可以直接创建一个 skills， 把公司这个 word 模板给他，告诉他以后输出内容啊，都按照这个模板里写， 你不用写代码，全构成自然语言创建。然后下次我说写个上传方案一下，他就把这个内容写到我这个模板的 word 里，直接给我了。第二个案例啊，看我，我输入了一段脚本，它自动就拆解分镜，然后自动的出图，自动配音，自动升视频， 最狠的是能直接在线编辑一分钟的视频，一下就出来了，那普通人用 ai 的 门槛就低到了难以想象的地步 是吧？那对于我们普通人有什么影响呢？尤其是这个追求效率的超级个体， skills 的 出现，意味着能力的这个边界彻底被抹平了。举个例子啊，我是做开发的，我给自我会给自己叠一堆开发技能包，以前我干活，比如说我要写学文档啊，做设计图啊，再录原型啊，折腾好几步。那现在呢？我可能 把这套流程封装成一个 skills， 我 只需要说一句，把需求扔给他，他自动帮我出一些文档啊，出一些原声图啊，设计图啊，都发给我。其实不只是开发，法律、金融、财务，各个行业都可以把原本要好几步才能干完的烂活，缩减成一个技能包。 那很多人又说了，这不就工作流吗？没错啊，本质上他们确实很像，但是重点是，不是所有人都会搭工作流，但是所有人都可能会做出一个 skills， 因为 skills 可以 不懂技术，不写代码，也可以不编排节点啊。但我建议大家，真没有必要非得说对比，说对比谁更好，谁更高级，目的都是为了解决问题。 那对于普通人来说，如果你不会，也不想学那些复杂的这个逻辑编排，那就直接用自然语言去捏一个 skills， 一 句话就能搞定的事，为什么要苦哈哈的去搭工作流呢？但我丑话说在前面啊，作为一个这个帮企业做交付的，对于复杂的这个弊端场景，我目前还是会选工作流，为什么？因为工作流够稳。 现在的 skills 强大归强大，但它在某种程度上还是一个黑盒，调试起来非常崩溃，哪一步出错了？为什么报错？你很难定位是吧？ 那只能不断的去调这个节食词，那种感觉很玄学，那不许愿嘛，对吧？那工作流不一样，每一步都可设挂，虽然编排累点，但他听话，不出错。所以说，新手玩 skills 实现跨界，高手还是用工作流保交付，这才是真相。那下一个风口在哪？ 其实早在去年十月 cloud 刚出 skill 的 时候我就试过了，但那个时候门槛我觉得太高了。我没讲，因为我觉得玩不转。但你看现在扣子的技能商店啊，已经有人开始发付费的 skills 了，而且已经有人拿到结果了，所以我觉得这就是接下来的超级风口， 就像之前大家卖智能体验啊，卖工作流一样，接下来会有大批的人开始卖技能包。虽然我也焦虑啊，哈哈，我感觉马上就被淘汰了，但我更兴奋。对于这种 这种，对于我们这种这个追求超级个体的人来说， skills 就是 最好的杠杆。把啊你的我的行业封装成不可替代的 skills， 这就是我们二零二六年最深的护城河。

每天了解一个热门 skills， 今天是 macbook hack。 这个 githelp 项目不是教你让 ai 多写代码，它教你让 ai 少翻车。 mac skills 短短几个月已经拿到十万多 star l e m e 写得很直接，真实工程不是 vape coding。 很多人用 ai 写代码，最大的问题不是 ai 不 够聪明，而是你一上来就说帮我做个功能。 ai 看似听懂了，最后做出来方向可能已经偏了。这个项目的思路是把这些翻车点拆成一组 skills， 需求模糊，用 grill me bai 先问清楚， 代码坏了用 diagnose， 从复现到验证，一步步查，做新功能。用 tdd， 先写失败测试，再写实线。 还有 zoom out， 让 ai 先从系统层面解释代码。还有 improve code， based architecture， 专门处理代码越写越乱的问题。这些不是花哨命令， 它们像是给 ai 装上工程师的工作习惯。所以 matlab skills 火，不只是因为它好玩，而是它戳中了一个心痛点， ai 会写代码以后，真正稀缺的不是速度，是对其验证，架构感，还有质量控制。你最想让 ai 学会哪个工作习惯？评论区给我一个词。

大家好，我是麦东。你的 hermes 用了一段时间之后，是不是发现 skills 越来越多了？这其实是 hermes 自动化机制带来的副作用，每次它帮你解决一个稍微复杂点的问题，都会把过程存储成一个 skill， 方便下次复用。 听着确实挺美好，但是用久了你会发现目录里塞了一堆功能重复的、只用过一次甚至早就过时的 skill。 这次 hermes 更新到零点一二版本，上线了一个专门解决该问题的重磅功能叫 curator， 你 可以把它理解成一个管家，它会定期帮你对 skills 进行打分、合并、归档，处理你那堆看着乱糟糟的 skills。 不 过用之前有几件事情得先搞清楚，不然还是很容易翻车。 先说说它的管理范围，哪些 skills 归它来管理？ hermes 的 skills 可以 分成三类，第一类是官方自带的，装完 hermes 就 有了那批。第二类是你用 hermes skills in storemailing 安装的 skill。 第三类是 hermes 自动生成的，或者是你自己写的 skill curiosity 只动。第三类，前两类是完全不碰的。这边补充一点，你从其他地方下载下来发给 hermes， 让他自己装的 skill curiosity 也会把它当成第三类，会定期对其进行检查清理。 我也不用太担心。官方对于这种情况也提供了解决方案，我们接着往下看。接下来我们讲一下这个功能会在什么时间运行。 qrt 执行需要同时满足两个条件才会触发。第一，距离上次运行已经超过了七天。第二， hermes 空闲时间超过两小时。 举个例子，你上午正拿 hermes 写代码写得起劲，他不会这时候跑来打扰你，得等你中午吃饭晚上下班这种没动他超过两小时的空档，他才会在后台去执行。 还有一个挺贴心的设计，新装的或者刚升级到零点一二版本的用户， curator 不 会立刻执行，而是在七天后才会第一次执行。 这七天就是留给你的缓冲期，让你有时间去搞清楚它是怎么回事，并且初步整理一下你的 skill。 curator 执行后，对于 skills 的 整理也是分成了两步， 第一步是按规则处理，纯看最后一次 scale 的 使用时间。这一步是用不到模型的，超过三十天没碰到 scale， 标记成 style， 超过九十天没碰过的，直接归档到点 r 七五目录。第二步才是模型出厂， 它会派一个独立的 engine 去读你每个 skill 的 内容，读完之后会对每个 skill 给出四种判断，第一种是 keep 留着不动。第二种是 patch， 看到问题给他打个补丁修复一下。第三种是 consolidate， 把几个功能重复的合并成一个。第四种是 r 七五归档掉。 这里有个点要强调一下， curator 永远不会真的删你文件，最坏的情况就是挪到归档目录里面，随时能翻出来恢复。说完它怎么跑的，我们再来说几个安全机制。 每次跑之前， hermes 会先给你整个 scares 目录做一个备份，存到一个固定的文件夹里面，跑完你要是觉得不对劲，一条 hermes csv root back 就 能整个回滚， 更觉得是回滚，这个动作本身也会被备份，也就是说，如果你回滚错了，还能再往回再回滚一次。套娃式的安全默认呢，会保留最近的五次快照，所以呢，也不用担心它会把你的硬盘给吃满。下面我们来看一下几个日常最常用的命令。首先是第一条， hermes curator status， 在这边我们可以看到当前 curator 的 运行状态，上次是什么时间运行的，上次运行的总结，以及最不常用的五个 skill 的 排名。第二个， hermes curator run dry run。 这条命令可以让我们去预览一下 curator 执行的时候会动哪些 skill， 但它并不会真正的执行。这次升级完之后，强烈建议大家都先跑一下这条命令， 看一下七天后它会动哪些 skill， 需要处理的就提前处理一下。这边也要跟大家提个醒，跑这条命令只是开启了当前任务， 任务完成之后，我们还是需要执行 hermes secure status， 去看一下它的执行报告。这一步根据大家目前系统里面的 skills 数量不同，消耗的时间也可能不一样，大家可以把它先放在这，让它跑着，过段时间再来看一下这个报告。 下面我们再来介绍第三个非常重要的指令， hermes curator pin， 它可以把重要的 skill 盯住，比如我想要将这个创建短视频脚板儿的 skill 盯住，复制一下这个名称，输入 hermes curator pin， 在 hermes curator pin 之后，粘贴该 skill 的 名字，按下回车，这样这个重要的 skill 就 被我们盯住了。盯住之后，不光 curator 不 能动，连安静的自己想改也会被直接拒绝，等于给这个 skill 加了一把双重锁。第四个命令， hermes curator row back。 万一 curator 在 执行过程中翻车了，我们可以执行这条命令，一键进行回滚。大家也不需要太过担心，因为 curator 它的执行周期是七天执行一次，如果它某次执行过程出现了问题，也是有足够的时间能够让你去回滚的。好了，最后说一个对长期使用者非常重要的配置， curator 第二步的模型审查可能会消耗大量的 token， 如果你走的是日常使用的主力模型，一次审查下来花费不算小脉动，还是建议大家可以给 curator 单独配置一个辅助模型，可以帮助你节省不少资源。最简单的方式，我们可以直接打开官方的 web ui， 在 命令行输入 hermes dashboard u i， 打开之后在左侧点击模型菜单，再点击右上角的展开辅助，拉到最下面，可以看到这边有个 qr， 默认状态下它是使用我们的主模型的。我们可以在这边点击 change， 可以 给它更换成其他性价比比较高的模型，简单点两下就可以搞定。当然了，这里能选到的都是你已经提前在系统里面配置过的模型。好了，本期视频到这边就要结束了， 整体来讲， curator 还是一个非常重磅的功能更新，真的很期待它能解决 hermes 自动化机制带来的后遗症，让 hermes 在 自动化的路上越走越好。 你的 hermes skills 目录目前堆了多少个 skill 了？可以在评论区报个数，看看谁的 skills 最多。工具会变，但方法更重要，我是麦冬，下条继续。

以后大家再也不需要学习 mac 自动化工作流了。上周呢， mac 自动化的官方开放了他们的 skills 技能，也就意味着以后大家再也不需要学习 mac 自动化工作流了啊，我给我的所有的这些社区里面的学员也讲，就不要再去学了，虽然我之前是做这道课程的，没有必要了， 我们直接把那个官方提供的 skills 导入到你的 cloud code 呀， opencloud 呀， tree 呀，或者 codex 啊啊，都可以，你直接使用自然语言，你想要什么样的工作流，或者是你要解决一个什么问题，那它就可以自动化的去帮你去搭建工作流，配置工作流， 甚至通过 c l a 或者是 m c p 把它直接同步到你的 mac 里面，所有的直接通过自然语言。我觉得这个技术门槛已经不存在了，这是一个发展趋势，以后大家无论是这种编程呀，或者是你搭建工作流啊，都不需要你去学了，你只需要能够表达清楚你的需求就 可以了。而且你看啊，现在像国内的字节跳动呀啊，阿里呀，腾讯呀，国外的这些公司啊，全部都在帮助大家去解决这个技术门槛的问题。所以这个技术门槛如果不存在，以后大家都可以去进行编程，都可以去自己开发一些项目。那么重要的事情是什么呢？重要的事情是如何把你 开发出来的项目能够交付给别人去更好的进行使用，怎么样去服务于你的客户，对不对？所以接下来我这边的整个的业务的一个重点方向呢，也会朝这方面去进行一个发展。这两天呢，我正在去着手研发一个这样的一个工具， 就是当这些大厂解决了大家可以 ai 编程写项目的这个问题之后，那么你写出来这个项目如何能够更好的交付到你的客户的手里面？ 如何更方便的去让你的客户进行使用？那需要一个这样的工具，那比如说以前在支付类行业，大家需要的像小额通呀，像日薪球啊等等这一类的。那么在 ai 时代，当所有的人都可以去进行 ai 编程开发一些项目的时候，大家需要的一个统一的给客户进行交付的这样的工具是什么样的呢？现在我 这边正在做，大概五月份我会发布我的第一个版本给大家去进行体验，大家可以关注一下。

兄弟们，这个技能啊，太逆天了，他呢，直接让 ai 去接管剪映，来去剪辑视频，而且你看这几行字，开源免费适配剪映，自动剪辑，现在的 ai 功能呢，简直太强大了，你看，不管是从素材导入， ai 配音、字幕生成，自动配乐、 特效转场滤镜，网页动要转、视频录屏，智能变焦，影视解说等等很多应用场景，相信呢，总有你能用到的。还有影视解说，全部都可以一条龙服务。 这个技能呢，安装也非常简单直接呢，就是一条命令，看到吗？就是这样一条命令，在你本地电脑上运行这几个就可以了， 或者呢，你可以去手动安装。那这个技能怎么用呢？不管是这个加密的的编程工具，还是车椅编程工具，还是 cloud code， coser vs code 的， 都可以用这个技能呢，非常方便，你看资源下载版本，准备全部都给你写的明明白白， 包括他的环境、配置，依赖安装包都给你写好了。这个项目呢，是 get 汉堡上一个开源的项目，是一个大神把它给分享出来了，需要的说一下，免费分享给你。

我看你的项目里用到了不少 ai 智能体 a 智能的和系统集成的技术。那我想问一个概念性的问题，在现在的技术生态里， thermo、 mcp 和 skills 这三者有什么区别？ 好的面试官，这三个概念确实经常在 ai 工程化和系统设计的讨论中出现，它们的核心共性都是为了实现功能的分装与调用。 但从底层本质来看，他们并不在同一个技术维度上，分别属于计算机指令层、网络协议层和大模型工程层。如果强行归为一类，容易产生误解，我们可以从他们的底层抽象设计目标和执行机制来拆解。 首先我们来看最底层的方形扣，它是传统编程语言和计算机体系结构中最基础的控制流机制。它发生在单机进程内部，依赖的是底层的硬件和编程器支持，比如战争的压弹、出弹、继承器状态的保存与恢复。 它的特点是极其确定执行速度，极快，是确定性的代码执行。其次是最近很火的 m c p， 也就是 model control port 口。这是一个典型的网络协议层咋加构成的概念。 它最初由 ansorepic 提出，只在标准化 ai 模型与外部数据源工具之间的通信接口。它解决的是连接和易购系统协调的问题，让大模型可以通过一套标准的跨语言的协议去安全地访问本地文件、数据库或者远程服务。 最后是 skills 技能，它是大模型工程程 roland chan、 semantic kernel 或 auto 卷等框架中的高层业务抽象 skills 是 面向用户意图的语义接口封装，比如我们把查天气调用某订票 api 执行一段拍审代码， 打包成一个模块，这个模块就叫 skill， 它的背后可能是多个放生代码，也可能包含复杂的业务逻辑和 front。 如果我们把这三者放在一起做个横向对比，它们的差异会非常明显。在触发方式上，放声 call 是 代码硬编码， hash 键 call 点直接触发。 m c p 是 通过标准协议进行网络异步触发，而 skills 则是通过大模型的语音理解，靠意图识别来模糊匹配动态调度的。 在执行环境上，放肾扣只能在当前进程空间或内存中运行， m c p 跨越了网络节点和不同的信任域。 skill 则运行在 ai 编排层，关注的是上层的业务生命周期。 在错误处理上，方舱靠出错会直接抛出乱叹异常或导致进程崩溃。 mcp 依赖网络协议的错误码，如 http 状态码或接受减 r p c l。 而 skills 出错时，通常是由大模型进行反思或融错重试。 总结来说，我们可以用一句话来概括它们的关系，方形靠是指令执行的管道，而 skills 是 意图编排的业务单元。在构建一个现代的 ai 一 键系统时，我们通常是通过框架层将业务需求封装为 skills。 当大模型识别到这个 skill 后，通过 m c p。 协议跨网络、 跨系统地去建立连接，并最终在具体的数组机器上通过底层的方块完成代码的落地执行。以上就是我对这三者区别的理解， 最后我也整理了一份某个大厂要求 ai 产品必学的一个文档，里面就包含了整个 ai 产品的研发流程、大模型的未来发展方向，以及 ai 产品当前存在的一些问题，想要的我可以分享给你。

每次你向 cloud 解释你们团队的编码规范时，其实你都在重复自己。 每次做 pr 审时，你都要重新描述你希望反馈的结构方式。每次提交 commit 信息时，你都要提醒 cloud 你 偏好的格式， 而技能可以解决这个问题。技能是一份 markdown 文件，只需教 cloud 一 次如何做某件事，之后 cloud 会在相关场景下自动应用这些知识。代理技能是一组包含指令，脚本和资源的文件夹， 代理可以发现并使用这些内容，从而更准确高效地完成任务。在 cloud code 中，我们有技能的 md 文件描述部分决定了 cloud 是 否会使用这个技能。当你让 cloud 审查这个 pr 时，它会将你的请求与可用的技能描述进行匹配，并找到这个技能。 cloud 会读取你的请求，将其与所有可用的技能描述进行比较，并激活那些匹配的技能。你可以根据需要技能的人将技能存储在不同的位置。 个人技能存放在瞩目下。 cloud skills， 并且会在你所有项目中跟随你。这些包括你的偏好，你的提交信息风格，你的文档格式以及你喜欢的代码讲解方式。 项目技能则存放在仓库跟目录下的 cloud scales 文件夹中。任何克隆该仓库的人都会自动获得这些技能。这里存放的是团队标准，比如你们公司的品牌指南， 首选字体，以及用于网页设计的颜色。 cloud code 有 多种方式可以自定义行为。技能的独特之处在于它们是自动的，并且针对特定任务。 cloud md 文件会在每一次对话中加载。如果你希望 cloud 始终使用 type script 的 严格模式，那就把这个要求写进你的 cloud 文件。而技能则是在与你的请求匹配时按需加载。它只会加载名称和描述，因此不会占满你的整个上下文窗口。当你在调试时，拉取请求的审核清单并不需要出现在上下文中，只有当你真正请求审核时，它才会被加载。 斜杠命令需要你手动输入，技能则不需要。当 cloud 识别到相应情境时会自动应用这些技能。 技能最适合用于适用于特定任务的专业知识，比如你团队遵循的代码审查标准、你偏好的提交信息格式、你所在组织的品牌指南等。 如果你发现自己总是反复向 cloud 解释同一件事，那么这其实就是一个等待被编辑的技能。

哈喽，大家好，我是歪歪，今天这期视频我愿称之为测试效率工具的天花板。你们平时间需求文档是什么状态？产品甩过来一个飞速链接，或者几张圆形图，甚至就几段零散的文字，你得从这些碎片里扒出业务逻辑、功能模块、边界条件，然后一条条写成测试用力。 这还不算完，写完了还得做需求分析，业务全景是啥状态，怎么流转，还有那些文档里根本不写的密等性组成，延时兼容性、可观测性、线上出事的往往就是这些东西，更别提开发还跑过来说，能不能给一份能照着测的清单。他们不要长篇大论，就要一个可以打勾的 checklist， 结果就是一个人要出三份东西。测试用力，需求分析文档开发 checklist， 一 天下来脑子都是蒙的，但最近我发现了一套科室的 skill 组合，直接把这些问题全干掉了。 第一款测试用力，生成 skill， 把 prd 需求说明接口文档丢进去，不管 word、 pdf 还是纯文本，它能自动识别业务规则和边界条件，按正向、反向、边界值等加类这些方法生成结构化的测试用力， 还支持接口、功能、性能三种类型能对齐你们公司的 word 或 excel 模板，生成完直接用。第二款需求分析 skill。 这个更牛，给几张原型图或一段 prd， 它能干三件事，第一，画出业务全景图和状态机。第二，自动预判那些需求里面写的隐性、风险密等性、阻断、延时兼容性、可观测性一个不漏。第三，输出两份文档，一份给贫省用的需求分析文档，一份给开发用的测试点 checklist。 第三款 prd 一 键生成 xmind， 专门给用 xmind 的 团队上传 prd， 自动生成按模块划分的 markdown， 一 键导入 xmind， 就是 层级清晰的思维导图。 现在我的工作流是这样的，早上收到 prd， 第一款工具五分钟出用力出稿，第二款工具十分钟出需求分析和开发 checklist。 评审会前再用第三款工具生成 x man 的 导图，直接投屏讲以前两天干的活，现在一上午搞定，覆盖更全，逻辑更清楚，开发满意度也高了，因为他们终于有了一份能造册的清单。 这三款工具，不管你是做功能测试、接口测试，还是需要做需求分析，写开发自测清单，都能帮上大忙。我把详细使用说明和实体文件全打包好了。