如何避免codex跑偏的skill

一句话让 codas 证明你自己。那很多人用 codas 还停留在命令它完成任务，但有一个更有效的用法，让 codas 反过来研究你你每天反复做的那些事情，整理资料，写日报，同步笔记，复盘项目。你以为这是琐事，但在 codas 眼里，这些都是可以被提炼的工作流。那方法很简单，打开 codas 记忆功能，从设置个性化开启记忆， 然后直接把这段提示词丢给他。那请回顾我最近的工作记录和历史。绘画，识别我反复执行的任务类型，提炼其中稳定的步骤，判断标准和输出格式，并把它们设计成为可长期服用的 skill。 那 它就会把你平时怎么做事，怎么判断，怎么输出，整理成一套可调用的 skill。 以后碰到同类的任务就不用再从头解释了。 那 code 会按照你过去的习惯直接进入一个流程，并且这个 skill 还会持续进化。那如果流程变了，去更新旧的 skill， 如果场景变了，可以拆除新的 skill。 那 我自己尝试了一下，瞬间生成了五个新 skill， 快 去试试吧。

codex 是 我过去几个月高频使用的 ai 助手之一，我用它做研究，写文档、做 ppt， 整理内容灵感，做网页原型。上个视频讲了 codex 基础，这期视频讲一个今年很值得先搞懂的 ai 概念 skill， 因为它决定了 codex 到底只是陪你聊天，还是能按你的工作方式反复干活。简单理解一份可以重复使用的工作说明书， 你可以把某类任务的流程规则、检查标准提前写进去，下次再让 codex 做类似的事，他就不用每次重新听你解释一遍。比如你经常让 codex 做网页，你不想每次都重复说页面不要太 ai 味，不要蓝紫配色， 这些都可以写进一个设计类 skill 里。以后你只要让 codex 用这个 skill 检查页面，他就会按那套规则去看代码、改样式，再告诉你改了哪里。 这就是 skill 最实用的地方。把你反复说的要求变成一套固定流程，那么在哪里看和怎么用 skill， 可以 去 codex 的 侧边栏这个入口里看，里面会有一个 skill 子页面， 已经添加或创建过的 skill 会出现在这个列表里。使用的时候，通常可以在聊天里输入 skill 名称，或者用斜杠跳出来。比如你有一个 find skill， 就 可以直接斜杠选中，帮我找一个适合做 ppt 的 skill， codex 就 会按 skill 里的流程去跑。那怎么创建 skill？ 有 两种方法， 第一种最简单直接这样说，请创建一个 skill 以后，我给你一个网页项目时，你要先检查移动端排版按钮样式、文字层级、颜色是否太乱，最后输出修改文件和检查结果。这种叫 prompt skill， 但我更推荐第二种，先把流程跑通，再把流程固化成 skill。 举个我刚实测的例子，我想做一种白板手绘风讲解图，我先给他一个参考图，让 codex 按我的要求生成讲解图 第一版如果不满意我就继续改，比如少一点黄色纸张质感画面更像课堂白板。等到有一版我觉得可以附用，我再说。把它固化成一个 skill， 这时候 codex 会反推刚才的流程，它会把这次反复调整出来的规则写进一个 skill。 md， 这样下次我再用白板手绘讲解图， 就不用重新解释一遍审美和结构，直接调用这个 skill 就 行。如果你想让 codex 使用 skill creator， 它会按更标准的格式帮你生成可附用 skill。 我是 ai 知识派，我们下期见。

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！

我把可乐扣的变成了黑心老板，专门压大扣单词写代码，结果效率翻了，成本还降了。如果你想彻底解放双手，那么我这一套工作流的方案一定可以帮到你。使用可乐扣的扣单词这类工具久了， 慢慢的就想让他们自己长久运行，但又怕写偏或上下文爆了。针对这个需求，我设计了一道可乐扣的监督扣单词的工作流，今天就把这套工作流以及设计思路分享给大家， 不仅仅是个方案，更是一种思路，大家完全可以拿去改成适合自己的方案。我先讲解一下这个思路，大家如果不想听这部分，可以跳到这个时间点直接抄作业。 我自己的情况是有切尔克 ppt plus 可以 使用扣带子，同时还有质朴的扣领 part 会员可以被摄到可乐扣的中使用。 gmail 我 也有，但是 gmail 的 c u i 我 个人感觉体验不太好，所以这里就使用卡拉扣的以及扣带子。 总结一下就是智普的扣令牌栏额度非常多，我基本上没有碰到过限额的情况。可乐扣的功能非常多，非常齐全，但有时会出现过着完成任务的情况。扣袋子则相对稳定一点，但模型对我来说相对较贵，所以要省着点用。 我这里的策略是让可乐扣的来充当监督者，让扣袋子去干活。关于扣袋子模型，我建议使用切的 gpt 五点二 mini， 但 扣袋子后缀官方说法是专门针对边层和代理任务优化，但我实际拆下来干活效果不太理想。 medium 类似于 auto， 你 也可以选择 high， 但是最好不要选择 x high 我 之前试过，效果是真的很好， 但是一天就跑完了，一周的额度，钱包真的收不住。最近出的五点三扣袋子也可以试试看，速度是真的很快，但多多少少也存的 爱的、偷懒的情况。决策分工是可乐扣的充当监督者。扣代词则是工人，这里使用两个 a 级的进行工作，最大程度上防止某些作弊。一个只负责写，一个只负责验收。整个流程开始于我使用扣代词生成的一份 open spark 偏更题案，这些题案会被转化为 test m d 中的具体代码是将列表。每当需要执行一项新任务时，可拉库尔就会启动一个 sub agent， 使用 codex e x e c 调用 codex， 然后使用自按语言调用 open spark。 open spark 最好是 零点二一点零版本，因为在新的版本， open spark 的 工作流就重构了，也支持自按语言调用，但使用的是 skills。 出发后续我研究一下怎么配合到这个工作流里。 托马斯在写完代码后，他必须制作一个可复现的测试方案作为完工凭证。 c u i 任务他必须提供一个智能化的测试脚本。 g u i 任务则提供一份 m c p 的 操作方案，可劳克勒会亲自运行脚本并进行验收。对于 g u i 任务，他会严格按照流程调用 payload m c p 辅 物，驱动浏览器并抓取截图作为证据，确保代码不仅写了，而且真实可用。只有当可拉库的亲自确认测试方案运行通过，且手中的证据链完整无误时，他才会执行一系列的确凿操作。在 tasks md 中勾选任务，更新 feature list， 点最省的 pass 状态，直接 get 提交存档，将日期写进 progress 点 t s t。 如果遇到技术卡点卡拉扣的，会利用 ctrl 七或浏览器搜索工具自主寻找解决方案，便知道 ctrl 进行重试。 我最在意的就是防止 ai 跑偏以及 ai 假装完成的任务。为了解决这个问题，我设计了一个双保险机制，分别是用 tasks m t 记录过程， 可使用 finisherlist 点击率记录结果。我们先说 tasks m d， 它是给人类以及 ai 件的文件，包含具体的任务以及详细的需求和实施步骤。我们先使用 codex 进行一个完整的体验， 可靠的会在这里记录具体的验证命令、截图路径和报错日期。如果有阻碍， codex 只能在这里写。具体的问题是什么？ 是由当可拉扣的执行验证后，由可拉扣的写通过，确保我们知道代码是怎么出来的，而不是凭空变出来的。 有的过程还不够，我们还需要一个绝对理性的验收机制，就是 file list 检测这个解释给 ai 的 使用的。这里不记录任何过程，请关注任务是否通过完成了。它是一个结构化的交付清单，所有任务默认状态全是 false， 只有到某个任务真正被验证无了，它才会变成出。那么这两个文件是怎么配合，以此来防止 ai 作弊的呢？核心就在于标签印刷和单向流程。首先是标签印刷，我们在 tasks m d 里的具体任务后，会打算像简号 r e 这样的标签会对应 for list 点击层里 id 为 r e 的 功能条目。其次是单向的流程，可拉克的必须先在 task 四 m d 里跑通代码，拿到缺少的 pass 证据，然后才会去 for list 里面去更改状态。 首先是安装可拉克的和 code， 这个就不列据了，安装奥巴斯 bug 这里要说一下，最好是零点二一点零的版本 使用这个命令安装 open spark。 然后回到项目目录，使用 open spark 抽象化加项目，然后再把它的这些提示给复制到扩展词里面。 首先是 palette m c p， 可以 让可乐扣的去检验 g o i 界面，选自动化确认浏览器并收集证据，再配一个 control 器，遇到卡点时能查资料，浏览器搜索 m c p。 我 这里使用的是这幅的档案，你也可以换成其他的。大家可以去我的簿客或 知乎 app 上，也可以去云盘上进行下载复制，下载后就是这些内容了。 skills 大家可以配置到它们的根目录或者是项目目录，配置到项目目录的话直接粘贴过来就可以了。 skills 这里一共有三个，两个是给 cosys 用的，第一个是 使用采访式反问，把我们的需求和 ai 界的对齐。第二个是生成 fairlist 点 jason， 最后一个则是给可拉克的一道卡点石使用的。为了让这道流程跑起来，我们需要覆盖和新建几个配置文件。首先是 windows 八 pro pro 点 o d 需要添加的 windows 的 位置在这里， ios 的 就是这个，直接在这个 step 六后面添加内容。下面则就在项目目录里面的 openstack 文件夹下的 project dmd 的 末尾添加这个。它和上一个的目的都是为了让 openstack 生成的 test dmd 符合我们的要求。 这里需要着重说一下更改 open spark 端口， 点 m d， 则需要在输入 open spark int， 也就是说实话命令后再更改，否则会重置掉。下面则是在项目目录下完全覆盖 colocode， 点 m d， 目的则是为了明确 colocode 的 身份以及任务流。最后则需要新建一个自定义命令，位置则是在这个 新建一个昂迪脚本，这是我们自动化的核心，它定义了克拉克的如何自动循环调用 codex， 同时也避免了我们重复输入。下面则是重复流程了，先打开 codex， 使用自然语言作为一个变更体验，例如为我这个项目添加一个支持夜间模式自动切换的 openstack 体验。然后再使用 skills openstack 劝解 interviewer id， 让模型通过采访的方式引起我们的需求对其需求。这里的 id 是项目目录下的 open spark 文件夹劝诫词文件夹下的当前提案的文件夹名称。再用 open spark future list id 这个 skills 让模型创建一个 future list addition。 最后就是打开查找 code， 输入斜杠 monitor open spark codes id 就 可以开始工作了。本期视频到这里就结束了，视频创作不易，还请您点赞、关注、支持。如果您有任何问题，欢迎在评论区交流讨论。

如果你在使用 codex 一 段时间后，感觉它越来越慢，那么我推荐大家安装这个 skill keep codex fast， 直接复制这个命令行，丢给 codex， 让它自行安装。安装好后，第一步可以将这行命令丢给 codex， 让它先扫描，告诉你哪些对话该归档，哪些 word tree 残留以及日期有多大等等。 第二步进行交接，直接将这行命令丢到你比较重要的项目中，它会针对旧项目生成交接文档， 记录你这个项目改了什么，跑了什么命令，以及下一步应该怎么做。第三步就是归档模式，它会备份移除旧的 word tree， 清理日期等等。关键是它不是自动执行，它主要是每周或者是每半个月来自动提醒你该做这个事情了，这样会更安全。

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。

今天给大家分享一个可以自动解锁你的项目目录，里面有哪些文件位置放错了，哪些文件啊，它的排序不是很合理，以及哪些缩影或者文件之间互相之间有冲突的一个情况，可以帮你排查，然后帮你改进。 那对，它叫 garbage collection， 是 我最近做的一个，它非常适合稍微有一点经验，但是又不是很专业的。呃，这种小白，因为很多人他们对这个文件夹怎么摆放是没有概念的，然后，呃，经常容易出现就闪代码的一个情况，所以我做了这样的一个一个 skill， 然后我们看一下这个点， m b 里面对 它主要的核心原理就是它会根据 cloud md 作为一个唯一的标准，然后你 cloud md 里面会规定好有文件夹结构，然后它会去对应去检查你的这个项目里面是否遵循这样的文件夹结构，文件夹结构是否合理，确保，呃，最大程度避免损坏代码。你可以定期，比如说，嗯，两三两三天，然后去跑一下。 对，然后我这个，我这个 cloud md 里面也是写了一些依赖层级啊，就是，嗯，他也会用这个，以后他会帮你去查。那我们先来故意找找一下乱吧。我们首先把这个 cloud md update 这个 skill 移出来，这样他应该是检测不到的，然后再把这个硬件写 c m l 前端这个页面，然后放到 test 里面，就这两个是放错了，然后我们等会来看一下它能不能检测到。 ok， 那 我们现在来调用一下这个 skill， 它不是 collection， 我 们输，输下来，然后证明。我换成这个 bypass permission 模式，就是直接跳过这个审核，然后我们调用一下，看一下是什么样的一个结果。 这两天我在输入我们社区，然后现在我把这个 skill 复制粘贴一下，放到这个，这个，这个是 pos 的， 我们新建一个文档， 对，然后 garbage collection skill， 然后这边复制粘贴一下，大家需要 skill 的 话可以直接来这个文档，然后去自己去拿它，这个是通用的，并不是只适合于我自己的。呃，一个文件，但它用一个前提就是说你需要自己创建好一个呃， cloud md 的 一个文件，因为它是以 cloud md 为标准的， 他会自动检查你的代码中有没有什么冲突的。或者是啊，之前创造创建过或者但是又后来没怎么用或者放错地方的文件夹，其实小白的话是非常容易犯这种错误的。 好，那我们先看一下，他现在基本上弄完了，生成了一个垃圾回收的一个审计，一个报告，然后他又分几个层级，他这个这个就是最严重的，然后 word 就 警告音符，只是他发现了一些信息，那你看他是没反应了， 但这个时候本身存在一些问题，就是 tools， 呃，然后这个 project 因为它还没有做，所以它目尾空很正常，我们看一下它会不会发现我们刚才故意捣乱那两个地方。 word 这边它那个 w e 写的就是 cloud md database 位置不当，对吧？在他写说，呃，在项目跟目录下，这个其实应该放在 skill 里面的，所以他建议的错失就是放在 skill 里面。然后，对，然后另外一个就是他发现就是咱们刚才放的 index html 这个独立页面的位置放错了，应该去放回来。 对，因为这个是我的一个实验性的一个文件夹，所以没有用 jit。 对， 呃，对，它整体都去对照了一下，然后查的很严谨，也是根据 cloud md 去弄的，然后这里面我们就去给它做一些回应。呃， 告诉他哪些需要怎么改，哪些需要怎么改。 ok， 这边他弄完了，我们看一下。对，呃，他已经把卡尔的 md update 这个，对， update 放回去了，然后这个也放回去了。对，所以说，嗯，垃圾回收成功非常好。

这是一款能让 ai 做复杂任务时不容易忘事的开源 skill， 它叫 planning with files。 很多人用 ai 写代码做研究，最大的问题不是 ai 不 会做，而是任务一复杂，它就容易跑偏，忘记前面做过什么。 这个项目的思路很直接，让 ai 把计划、发现和进度全部写进本地文件，这样哪怕对话很长，工具调用很多，甚至中途清空上下文， ai 也能通过这些文件重新接上任务。它不是一个普通提示词，更像是给 ai 加了一套任务记忆系统。 每次做复杂项目时， ai 会先规划再执行，再记录进度，最后检查任务有没有真的完成。 对经常用 cloud code、 cursor codex 做开发的人来说，这个项目最大的价值就是减少跑偏，减少重复沟通。如果你经常让 ai 做多步骤开发、调研或者自动化任务，这个开源项目值得收藏。

codex、 cloud code、 gemini、 openclaw， 这四个工具究竟在什么场景下是适合的？在什么场景下又需要互相串联起来？今天这个视频不废话呃， 我将会带着大家去看一下我日常是怎么去使用的，把这些经验也分享给大家。首先呢，我们可以看到啊，这四个工具呢，其实有各自适合的场景，比如说 codex， 它其实适合去抓取一些信息，去做一些批处理和定时任务 啊，或者说去要逐步推进一些步骤的时候，它可以开启这个全自动化的流程。那么 cloud code 呢，它可能会更加偏向于去写一些底层的代码，或者是去编写一些 skill 啊，尤其去适合去做一些打底层的一些能力。 那么呃，这个 openclaw 呢，它更加适合去把人啊，还有设备以及我们自己的这些 agent 和 skill 串联起来，可以在一些出差路上，或者说你在不方便去使用电脑的时候， 采用这个 openclaw 去把一些任务推送到对应的我们这个手机的飞书啊，钉钉啊，或者是用这些外部的这个沟通工具去给你的这些智能体去下一些这种指令。那么 germina 呢，其实它会在文本转 啊，这个图片或者图片转文本的这个方面会比较强，所以说呢，他可能会适合去生成一些图片，或者去生成一些设计稿。好，那以上呢，我们简单的做了一个了解，包括我现在的这张屏幕，其实也是用 啊这个 codex 帮我写的啊。那么 codex 呢，其实在这方面抓取信息，输出一些网页其实也还是非常强的，最关键的是它的这个费用也比较便宜，所以那我们用一个案例来看一下，举个例子 啊，比如说我们要去看生成一个这个 ppt 啊，生成一个 ppt， 那 么一共呢会分为五个步骤，第一个步骤呢，可能要去做一些信息的抓取，是吧？然后去做一些定时任务，那这个时候呢，可能会是要需要用到就是 codex。 举个例子，比如说啊，我现在这里呢，就会有一些定时任务啊，给大家看一下。比如说呢，我会去抓取每天的一些早报，比如，比如说在这里 啊，每天都要去按照我自己定的这个标准去执行这些，去抓取一些早报。那早报的这个啊，效果呢？给大家看一下啊，举个例子，比如说啊，这些，呃， 这个每一天的这些新型的科创版的一些这种，呃，关于 ai， 关于人工智能、关于商业航天的一些新闻或直接推送过来。那么后续呢，还会有一些 github 的 一些项目，那它的这个任务呢，是完全自动化的再去做的啊，完全自动化， 也就说首先我们可以用这个，我们可以用这个，呃呃 codex 去做一些自动化的任务啊， 其实这样，那么除此之外呢啊，本身啊，就这些 skill 啊，这些 skill 可以 用 cloud code 直接进行编辑啊，直接进行编辑， 或者说我们打底的去做一些这种小的网页，或者是去做一些这种生产化系统的时候，可以用 cloud code 来去完成，因为它呢本身也可以去支持一些啊， s d d 就是 spot coding 啊，不像是原本完全之前的 web coding 这种方式。那第三个呢？是 codex 啊，第三个是 这个 codex 呢，它其实可以将前面的这两个东西串联起来，举个例子，比如说我们之前的一些这个网页的一些输出，还有一些文章或者是一些早报，其实它可以把这些 skill 和我们前面抓取到的信息做一个串联。那第四步呢， 可以根据这些早报和抓取到的信息，去让 notebook lm 去帮我们生成一些 ppt 啊，然后举个例子，比如说我们做到的一些 ppt， 大家可以看一下 啊，比如说这个也是我们之前做的啊，这个一些 ppt 的 一些啊，效果对吧？啊，它的这个效果还是非常不错的， 给大家看个大概啊。那么最后呢，就是如果你正好也是在出差途中啊，那么这个时候你可以用这个 open club 去接入到你的个人微信，飞书钉钉、企业微信等等，然后去把这个信息给你推送过去，或者说你不太方便查看电脑的文件，那你就直接让这个 啊，你的这个龙虾去帮你把这部分内容抓过来。所以以上呢，就是呃，我在使用了这么长时间，这个这几个工具给大家去做的一些总结啊，如果说有问题或者是想要去交流的话，也欢迎大家在评论区或者私信啊，谢谢，拜拜。

hello， 今天一分钟时候用 codex 帮我们开发电商 skill， 让 ai 自动我们干活来看效果，操作非常简单，只需要在多框输入，让 ai 帮我们开发一个本地可运行的拆帧 skill， 去批量提取视频，然后开始执行。那么整个 skill 的 开发其实非常简单，不管是用 codex 还是其他模型都可以，核心不在于 工具，而是清除进开发 skill 的 目的。我们来看一下执行的结果，这里显示只用了三分三十六秒就开发了一个 视频 skill， 那 现在我们可以直接上传视频来测试一下拆帧的效果。在执行完后，在这里打开输出的文件夹目录， 可以看到基础的视频拆帧功能已经实现了。接着后续我们就可以对这个 skill 继续调优，比如如果需要对视频拆解的更细致一些，又或者对视频拆解有自己的方法论，都可以告诉 ai， 让 skill 根据我们的需求来执行。我们来看一下第二版的执行结果， 可以看到对比第一版拆解的更细致了，但是不同的业务场景拆帧的逻辑完全不同，有的拆帧是为了参考框架后期实拍，有的是为了后续让 ai 生成需求。不同 skill 的 执行流程也不一样，那么我们就需要根据自己的需求来完善这个 skill。 如果我的需求是让 ai 后续生成分镜，那么我就可以让 ai 继续根据拆帧的画面进行拼接生成。总的来说，我们需要从结果反推，我们要实现什么样的效果，中间刷哪些流程 和 skill 只是作为整个工作流的加速器，用来提高我们的内容存储效率。最终通过几轮简单的对话， ai 就 帮我们开发出了一个可以直接落地使用的 skill。 最后我们就可以直接让 codas 把开发好的 skill 打包成压缩文件，同时生成一份详细的使用文档，不管是自己长期使 使用还是分享给团队都非常方便。有需要这一个 skill 的 可以分享，大家也可以根据自己的需求来调哟。操作也很简单，只需要把压缩包解压到对应的 skill 文件目录下，在执行的时候打开项目文件，在段落发送这一段指令，就可以 截掉这一个 skill 来执行。当我们学会开发一个简单的 skill， 后续如果需要其他的功能也可以尝试自己开发，基本的思路就讲好赖上本期内容，觉得有用的话不用点赞关注，咱们下期见，拜拜！

ok， 欢迎大家收看锐 t e s studio， 今天为大家分享四个 codex 里面的 skill 啊。说实话，新手刚开始用 codex 的 时候，都会面临很多的情况，比如装 skill 啊，今天我推荐这四个 skill， 你 装好它之后，它就能直接变成一个帮你干活的工作台，非常的方便。你们可以暂停截图， excel 呢，它们更像是一种固定的工种，可以帮我先问需求，再出方案，再整理文件，最后检查交付。 我个人的 codex 里面呢，也装了几个比较好亮的 excel， 有 个人的，有系统的，大家可以简单的浏览一下。我个人还非常推荐 spring 这个 excel， 当你提供需求的时候，它会帮你整理的非常的好。 这里呢，我用 bruce o'ne 处理一个接单的需求，就比如客户是一家本地的美甲店，想让我在小屋售楼引流，往往他想要多来点客户，然后咱们就可以用 bruce o'ne 先问清需求，然后让他给咱们两到三个可执行的方案。 那我这里只做一个演示，不给大家做安利的输出了，就是教大家怎么样调用一个 skill。 我发现很多新手一上来学 ai 就 开始研究模型了，由此，但其实真正能让你少返工，能交付的往往是这些固定的工作流。 如果你想要打造一套自己的低车门跌单工作流，那么就关注我或者 tony stu， 下一条我会出一条视频，教你怎么安装。

如果你在用 codex 却还没装这个 skill， 就 别怪你的额度总是不够用了，因为在你使用 codex 的 时候啊，它不可避免的要去网上搜索各种信息，比如查找文档，做用户调研、爬 github 仓库，甚至我之前的 ai 捡爆系统， 也是需要 codex 去帮我搜索搜集 ai 资讯的。但搜索其实非常消耗头肯，因为 agent 每打开一个网页，都可能把大量的皱纹、无关的网页代码、广告信息都带进上下文里搜索，轮次一多呀，你的额度就吃不消了。 agent 这个 skill 就是 专门用来解决这个问题的， 因为 agent 在 使用这个 skill 的 时候，会自动调用 agent 的 a p i， 所有搜索工作搞定后，再通过 markdown 的 格式传回给 agent。 这样一来，最重的那些活全部交给 any search 了，我们自己的 agent 就 轻松很多，使用方法也非常的 ai 原声， 我们在它的官网上复制这个 skill 的 命令，粘贴发给 codex， 它自动就会安装好了。我们只需要在对话中调用它， codex 就 能自动使用。我们立刻来测试一下，首先引用 any search 这个 skill， 然后让 codex 帮我们对比下过去一周 cloud code 和 anti gravity 这三款主流的 ai 开发工具，在国内的社媒和论坛中哪个更受欢迎。 最后用一个简洁美观的 html 网页呈现给我们，我们先看一下额度啊，现在是百分之九十八，点击发送 any search 收到请求后，会从海量的信息渠道中精准路由到最相关的数据源。 我们来看看结果。首先他给出了结论， codex 综合第一，下面有一个评分表，然后就是比较重要的量化样本表， any search 追踪了 npm 下载量、 reddit 评论和 hacker news 的 帖子， 下面还有一些基于搜索结果定性的分析。从样本来源我们看到他搜索了非常多的网站，从安装源到国内的社区、论坛到官网都涉及到了， 搜索质量很高，整体消耗了我 codex 五小时额度的十八个点。同时我还让 codex 在 不使用 any search 这个 skill 的 条件下，用同样的 prompt 跑了一次，这是最终的结果。 整体呈现上信息简略了一些，搜索员也大幅减少消耗的额度，还比之前多出了五个点，这就是低效搜索带来的隐性成本。 所以 any search 的 价值呢，就是把这类重活儿专门交给搜索技术设施来完成。当然它也可以直接在网上进行初步体验，从专业维度到普通生活的各个领域都能覆盖，非常推荐。好了，我是阿朱，关注我，让我们一起在 ai 潮头冲浪！

我用了 superpowers 一 段时间之后，最大的感受它不是让 cortex 更快写代码，恰恰相反，它是在让 cortex 不要太快写代码。因为现在 ai coding 里一个常见的问题是，需求还没有澄清，边界还没有确认， 测试还没有想好， cortex 已经开始改文件了。小任务这样做还行，但一旦任务变复杂，这种直接开写的方式很容易出问题。所以这一期我们聊聊 superpowers 到底解决了什么问题。 先简单说一下 superpowers 是 什么，它不是一个单独的 skill， 而是一套给 coding agent 使用的软件开发方法论。在 codex 里面安装很简单，如果 是 codex c r i， 打开 plug ins， 搜索 superpowers， 选择安装就可以了。如果是桌面版的 app， 在 侧边栏 plug ins 或者是那个插件里面找到 superpowers， 点加号安装就可以了。 插件我找到 superpowers 点安装就可以了，因为我已经装过了，所以这边不是加号了。装好之后，它就会作为一组 skills 在 cortex 里面使用。这也是我觉得它很适合 cortex 的 地方。它不是让你每次手动复制一堆 prompt， 而是把一套软件工程流程变成 cortex 可以 按需使用的 skills。 我 理解 superpowers 的 核心就是把 ai coding 拆成 七个顺序执行的步骤。第一步就是头脑风暴，在写代码之前先澄清需求，探索方案，确认边界。第二步就是创建独立工作区，不要直接在当前工作区里乱改， 而是创造一个更安全的独立开发环境。第三步是写实施计划，把任务拆成小步骤，明确要改哪些文件，怎么实现，怎么验证。第四步是指代理开发， 把具体任务交给 subdivision 去执行，让主流程可以更清楚的组织和检查。第五步是 tdd 测试，驱动开发，先考虑怎么证明它是对的，再写实现，而不是先写一堆代码再说。第六步是代码审查，改完不是马上说完成，而是让另一个审查视角检查问题。 第七步是完成分支，最后做验证，收尾、合并或保留分支。所以它的流程不是需求到写代码，而是这一套头脑风暴，到独立工作区域，到实施计划，到代理开发，到 t d d， 到代码审查，再到完成分支，每一步都是一个独立的 skill。 这就是 superpowers 最核心的地方，它把软件工程流程拆成了 ai 可以 执行的一组 skills。 我在 codex 里用下来，感觉它是比较无缝的，尤其是装成插件之后，它不像一个你每次都需要手动调用的命令集合， 更像是给 codex 加了一套开发习惯。比如需求不清楚的时候， codex 会先倾向进头脑风暴，先问问题，探讨边界，确认需求，而不是直接开始改代码。准备实现之前，它会更容易进 writing plans， 设计代码质量时，它会提醒 pdd review 和验证。这就是我觉得就 pos 很 有价值的地方，不是每次靠你提醒 cortex 守流程，而是让 cortex 默认更容易按照工程流程工作。这里也放一个 sdd 的 背景在里面， s d d， 也就是 spec driven development。 规范驱动开发，它的核心思想是不要一上来就写代码，而是先把要做什么说清楚，比如 open spec， 它更偏规范管理，它关注的是把需求变更约定整理成可维护的规范。 spec kit 更偏规范驱动开发流程，它通常会通过一组命令模板，引导 ai 从 需求深层规范计划任务再去实现。而 superpowers 更偏工程纪律和 skills 集合。所以我会这样理解， s d d 解决的是先要把做什么想清楚， superpowers 解决的是做的过程中怎么守流程。最后说一个大家可能关心的问题， token 消耗，而我自己用下来。 superpowers 在 cortex 里的题感是比较轻的，因为它不是每次 都把一大堆规范文档塞进上下文，而是通过一个个 skill 在 需要的时候触发对应流程。当然，它也会消耗 token 头脑风暴，它要讨论需求， writing plans 要写生成计划 review 要读取代码和分析问题， 都不是免费的，但它的消耗更像是按阶段按 skill 触发。而 openstack 和 stackkit 这类的 sdd 工具通常会生成更多的规范计划任务文档，好处呢是结构更完整，坏处是文档越多，后续带入上下文的 token 压力也可能更大。我 之前看到 speckey 的 社区里面有人反馈过类似的问题，有依据里估算，在 cloud code 里，一组 speckey 个 months 可能占用大约十八点六 k 的 tokens， 在 codex c i 的 上下文窗口里面大概占百分之七到百分之十。这个不是官方的 benchmark， 但它说明一件事，流程工具本身也有上下文成本。所以我的判断是， opens back backit 更适合强规范、强文档、强交付约束的任务。 superpowers 更适合日常 ai coding， 因为它更像一层工程流程约束 动成本更低，体感也更自然。所以这一期的结论是， superpowers 不是 给 ai 加超能力，而是给 ai 加工程纪律。它解决的不是 ai 不 会写代码，而是 ai 太容易跳过软件工程流程模型提供能力， superpowers 提供纪律。 下来几期我们会继续拆开看。为什么先要头脑风暴？为什么要写 plans？ 为什么 ai 写代码需要 pdd？ 以及为什么 ai 也需要 code review？ 下一期我们继续。

用 codex 干了三个月，踩了不少坑，今天把沉淀下来的八条铁律一次讲清楚，每一条都是真金白银换来的，新手照着做，至少省半年时间。 第一条，永远先 plan， 再 execute， 需求一上来就让他干活，跑偏概率超过一半，先让他输出方案，方案对了再执行，省下的时间是几倍的。这一条就指你看完整条视频。第二条， agents 打 md 是 项目的灵魂， 没写这个文件的项目，等于让新员工每天重新自我介绍，把项目结构、技术栈、命名、规范禁区都写进去， codex 的 产出质量立刻上一个台阶，这是投入产出比最高的一次性动作。第三条，用优乐模式，必须在 word tree 或容器里，直接在主分支放飞自我，迟早出大事。隔离环境是底线，这一条比任何技巧都重要，宁可慢一点，也不能跳过。 第四条，地府永远要看在自动的流程合并前，那一眼必须是人看的。这不是不信任 codex， 这是基本的工程纪律，别因为用了 ai 就 丢掉这个习惯。第五条，长任务主动调用 compact， 上下文超过六十 k 之后回答质量直线下降。学会在合适的时机压缩历史，是保持智商的关键操作，不要等到他开始胡说八道才反应过来。第六条，把 codex 当初级同事，不是当工具，工具不会失误，但同事会 你要做 code review， 要给反馈，要教他项目规矩，关系建立起来，产出就稳了。第七条，拿不准就开新绘画，死磕一个跑偏的绘画，越改越乱，越乱越改，恶性循环，果断撒神 new， 从头清晰说一遍，比硬 new 快 十倍。 第八条，学会让他停下来，遇到边界拿不准的地方，主动让他先问你，不要让他自己拍板做决定。这一条让我反功率直接降了一半，是性价比最高的习惯。八条铁律全在这，每一条都是用返工时间换来的，建议直接收藏。

今天用 codex 尝试对遥感影像进行解译以及生成土地利用专题图。今天用到的这个 scale 是 从 github 上找到的一个关于 gis 的 scale， 当然我也是直接让 codex 帮我直接将该 scale 装上去了， 它是给 codex 等这类 ai 编程工具装的 g s 地图专业知识库外挂，装上后，你的 ai 立马精通地图卫星影像、地理数据分析、坐标转换、地图开发全套专业能力。不用你自己查教程，看专业文档。 我们点击右下角的在对话中应用，就添加到对话框中了。然后把我们有的摇杆文件，这里我选择的是青藏高原的摇杆影像以及具体要求指令输入进去。这里记得打开左下加号里的计划，方便在处理过程中选择我们的个性化要求， 然后发送过去，就可以静静等待结果了。 到这里下方就弹出了新的选项，我们可以根据自己的需求进行选择。我这里选择监督分类的方法，然后为了不占用 c 盘空间，选择把结果放在 f 盘当中。 到这一步，他没有找到明确的训练样本，提出更换新的方法，这里选择改为自动分类，然后类别自断，选择英文名称让他继续运行。 此处生成了一个详细操作计划，我们查看无物之后选择实施该计划。 到这一步，初步的结果图就出来了，我们继续等待完整的结果。 这里已经可以看到结果文件已经输出并保存在对应的 f 盘当中了。随着图片一起输出的还包括分类好的土地利用山格数据、 各类土地面积统计表格文件以及原数据和具体脚本，我们预览看一下，发现结果总体上来说还是可以的。本次对话消耗大约零点六刀，共两百九十万。 to 本期视频就到这里，感谢观看！

如果你最近在折腾 codex 和 java 里的 skills， 你 有没有发现一个特别大的坑，就是你会刷到几十甚至上百个 skills， 感觉很齐全很专业，但是到真正开工的时候就会纠结到底该选哪个。 所以这一期呢，我不会给大家讲特别全的清单，也不讲那些复杂的安装步骤，我只讲小白最容易遇到的五类任务，挑五个最实用的 skills， 让新手先认识这些，让大家少走弯路。 第一个也是上期提到我的，就是 brainstorming， 它的作用就是在解决那种想法还没有成型就急着开工的场景。很多人找 ai 上来就说，你帮我做个网页，写个方案，但说实话，你的目标用户是谁，内容重点、边界范围都没有设定，那做出来肯定不大对的。 one 上面的价值就在于，他会先跟你聊清楚想法，然后再给你两到三个不同的方案，每个方案还会说明取舍在哪。比方说你要做一个内容栏目啊，一个网页工具或者产品单目，他会先问你要做给谁看，解决什么问题，哪些功能要，哪些功能不要等等，然后把你模糊的想法整理成可以执行的设计， 所以它特别适合项目开头、内容策划开始或者设计起步的时候用。那第二个呢，就是 unsubpower， 它的核心作用就是让 ai 在 帮你开始干活之前，先 暂停一下，把任务问清楚。说实话，目前大家在用 ai 时，痛点真的不是说他不会写，而是他太心急了，恨不得你一句话他就直接给出来结果。但结果出来之后你才发现，哎，目标、边界、格式等等全都不对。那这个 skill 就 特别适合那种长任务，或者说你在 哎，或者说啊，或者说你需求模糊的时候，甚至是你经常让 ai 做完又返工的场景，它就是那种先等一等，把问题想清楚，问清楚了再干的那种感觉。那第三个是我觉得每个人都会用到的，就是 skill creator， 它的作用就是帮你生成自己的 skill， 解决重复性的问题。比方说你每周都需要 ai 帮你写周报，那每次都要重新讲格式，口吻保留点，审核标准是什么？那是不是很复杂？那 skill creator 呢？它就是把你每次的对话变成可以反复使用的 skills， 它特别适合那种固定格式，重复流程，或者说你希望以后一直能使用的任务，沉淀下来之后呢，就会越来越省时。第四个是 markdown， 它的作用就是把文件转成 ai 更好读的文本格式。那比方说 pdf、 word、 ppt， 甚至是网页图片、音频都能帮你转成结构化的文本。那为什么说这个很重要呢？因为很多时候啊， ai 总结不准确，其实并不是模型的问题，而是输入文件的结构太乱，像表格、图形、图片格式混杂， ai 直接读取的话就会遗漏信息。 那先用 markdown 把文件弄干净，再去总结、提取、改写结果就会准确很多。那最后一个就是 paywrite， 它更像是一个浏览器自动化的能力，也就是说可以让 ai 真正打开网页，读取页面状态，点击按钮、填写表单、截图、检查等等。因为很多时候光看代码是看不出来的，比方说按钮点不了，文字一出表单提交失败。那这些都需要打开浏览器才知道的。 a pay write 呢？它的价值就在于让 ai 不 只是只生产结果，还能帮你把结果给验证一遍，省得再返工。所以这五个 skills 你 可以理解成 brainstorming， 帮你想清楚方案。 using superpower 帮你问清楚任务。 skill creator 呢，帮你沉淀重复性的流程。 markdown， 帮你把文件变成 ai 好 读的信息。 paywrite 呢，帮你验证网页的数据。你也不用一口气全装上，先可以慢慢来知道它们是干啥的，等遇到了问题再去找相对应的。那这一期就到这，我是 peter， 你 可以在评论区说说你现在最想解决的 ai 问题，我会一一回复的，那么我们下期见。