别再怪你的 ai 不 够聪明了,哪怕你用现在最强的 oppo 可乐小龙虾,只要你一发文章,别人都能隔着屏幕都能闻到一股的机器味。为什么?因为你给 ai 下的指令,就像你在喂它吃水煮鸡胸肉 干巴巴的全部在帮我写总结一下。总而言之,你把他当成一个没有感情的打字机,他当然还是一堆没有灵魂的废话。其实呢,你只要想让 ai 说人话,根本不需要学什么天书一样的复杂题的词,高手呢,都在悄悄用一个降维打击的口诀,注入人情味的主次词。 我花了整整一个月时间呢,硬生生的从几千篇千万集的爆款里,扒出了三十几个能够瞬间唤醒 ai 灵魂的活人词汇。比如说,把你提示词里面指出错误啊,换成疯狂吐槽, 好把深入分析呢换成八一八背后的血泪史,然后把得出结论换成一针见血的撕开真相。你只要把这些词啊扔进你的提供框里面,你的 ai 呢,就像突然被打通了人猪二脉,写出来的东西呢,不仅接地气,还能带着情绪,带着梗,一开口呢,就是老江湖。 想要彻底告别机器味呢,让你的同行完全看不出你是用 ai 写的。我已经把这套可以直接复制粘贴的三十几个去 ai 味的提示词主子库呢,整理好了,想要的说一下,免费分享给你。
粉丝2.3万获赞7.7万

当你不小心发现有个博主受腾讯官方邀请,分享他是怎么一个人在五只小龙虾的帮助下,三个月全网涨粉超过十万。然后,聪明的你也想小试身手,也想用自己的小龙虾自动帮自己做自媒体来,这个博主现在就把五只龙虾的角色、负责的内容、训练的方式跟使用的提示词全都告诉你。 第一只虾是我的全球 ai 信息收集下,我给了他一份外网博主关注,看他们是不是有新作品发布。你可别觉得这任务简单, 因为我这只虾背后接的是 open ai, 而且思考模式开关我也直接打开并拉满了。他在收到任务之后,先去自己整理着这些博主最新一个作品的唯一标识码。后面呢,每天只要对比最后一个作品的标识码没有变化,就知道对方有没有更新新作品了。 一旦更新链接,直接返回给第二只虾。最离谱的是啊,这只虾还自己判断这个任务长期重复,而且细节多,光靠定时流程可能不稳。于是啊,他干脆自己写了个脚本来保证任务完成。第二只虾是视频信息整理虾, 我有一套大概一千字的视频整理提示词,专门用来把一个视频整理成一篇比原视频更完整、更深刻的深度文章。我呢,就把这套提示词直接喂给了他。 结果这只虾特别省心,他直接把这套能力保存成了一个 skill。 之后,只要第一只虾把最新的视频链接丢过来,它就会自动调取这个 skill 完成整理跟改写。我呢,拿最近外网很火的艺人公司博主单靠了最新视频试了一下, 效果很夸张,视频信息完整,开篇引入很精炼,正如把每个关键时间段都总结成了核心观点,深度表述、重要原话、阅读感受、 延伸思考跟精华收获。为了方便我回看,他还把每一段对应的视频时间戳都标好了,连里面重要的原话都帮我引用跟翻译了。 最关键的是,最后输出的还是小龙虾们自己能继续读跟 dong 的 markdown 文档。第三只虾是口播稿草稿虾,我三月啊,全网涨粉超过五万,所以我把自己这个月十六条视频的口播稿全都一股脑丢给了这个虾,让他帮我复盘。我到底做对了什么?我的表达风格是什么? 我的口播节奏、选题方式、写法偏好分别是什么?他做完分析之后,不止总结了一遍,还直接把我的风格代码 化写进了 memory 文档里。这样以后我只要把第二只虾整理好的阅读理解结果发给他,他就能直接按我的风格直接生成一版口播稿初稿。也就是说,前面那只虾负责看懂,这只虾负责像我一样写东西。第四只虾是数据分析虾, 他主要负责看我平时自媒体的数据,包括作品表现、账号增长,还有我的收入跟支出。我复盘账号运营数据的时候,主要都靠他,因为人很难客观评价自己精心打磨出来的作品,投入的越多,越容易带入主观情绪,高估自己的表达, 忽略真正决定结果的数据反馈。而 ai 在 这个时候恰好能充当一个更冷静更公平的裁判,他又不会被情绪带偏,只会根据结果告诉我 什么是真正有效的,什么其实只是我的自我感动。第五只虾是实验虾,我平时做视频、举例子、实操都用它,因为经常拿它试各种新东西,结果试来试去,它现在已经学杂了,记忆被污染了, 反而变笨了,基本不能承担什么正式工作。这也是为什么我一定要跟聪明的你讲,为什么我养这么多只虾,而且要专虾专用。因为这背后牵扯到大模型。现在还没有彻底解决的两个问题,一个是上下纹长度限制, 一个是上下文污染。小龙虾平时会把我们日常对话里的重点记住到它的 memory 文档里,但不管是人还是模型,记忆都不是无限的东西记太多了就会混乱跟串台, 甚至啊,该记住的没记住,不该记住的反而留着了。这个时候每次在读取一大堆记忆的书,也会额外消耗很多 token。 所以 你如果真的想让它干活,就别什么东西都塞给一只虾。最好的方式就是一只虾负责一类任务,让每只虾都长期干自己最擅长的事。 好啦,前面那个受腾讯官方邀请的博主就是我如何在一个电脑上拥有五只龙虾,以及那个超过一千字的提示词。我也都准备好了,赶紧按我的方法去试着搭出你自己的自媒体工作流吧。我是拉菲儿,这是 open club 实战系列的第十期,咱们下次见。

我的小龙虾已经进化到自动化写房间失主了,要多少字就出多少字。你拿到我的这个文件,你也可以一分钟搞定,不需要你会编程会代码,直接放进去就可以使用了, 更不用再去研究什么复杂的提示词,再去一遍一遍的教他怎么写。他也不是那种一上来就给你胡编乱造一大堆废话的 ai, 他 会自己先看招标文件,然后提取项目的关键信息,再按照评分点一步一步往下做。更关键的是,他不是写完就完了,他是可以让你随时接管,随时改,随时放大的。 你觉得某一张不够好,可以重写,你觉得某一节不够好,也可以重写。字数不够,你让它放大一倍、两倍、三倍、五倍都可以疯狂的给你写。 而且整个过程你随时可以开始,随时可以暂停,完全按你的节奏来。不是 ai 带着你跑,是你拿着 ai 按照你的方式把施主做出来,一直磨到你满意为止,这才是真正能干活的工程小龙虾。

怎么用半天的时间就画出一张图文并茂并且被同行夸赞的技术路线图?同样我们今天要用到的工具是 germanite pro 和 ppt。 首先给大家来说明一下,就是为什么半天时间就可以画完。我在画技术路线图之前,其实是已经把研究方案里面的一些关键技术已经用我之前给大家分享那个画机制图的方法给它画好了,储备了一定的元素的。 然后我要做的就是让 gemini 来帮我辅助技术路线图的设计,并且在 ppt 里面把我之前已经画过的那些元素和它设计出来这个图进行一个结合,和自己的一个优化。那接下来呢,给大家来详细的讲一讲我们怎么用 gemini 来帮我们辅助技术路线图的一个设计。首先你要先把基金的全文准备好, 然后我们打开 gemini 之后打开它的 pro 功能,把我们的这个基金的文本给它上传进去。接下来你就用这一段提示词,你是一位资深的国家自然科学基金评选专家兼高级科研图表架构师。你极其擅长用复杂的申报书文本的结构,并且转化为逻辑严密、结构清晰的技术路线图设计方案。我将提供一份 课题申报书的核心内容,亲拟对项目书中的研究框架、研究内容、研究方法进行深度解析,提炼具体的实验模块和具体技术手段。输出一份可以直接指导专业绘图或用于 ai 生成流程图软件的详细英文双语 prompt 设计图纸,要求路线图的视觉呈现符合国自然标示的审美标准。 在这里我尝试过,我直接把我的 word 丢给它,然后用 banana 直接来生成技术路线图,但是效果不是很好,因为这个技术路线图确实它生成的 这个内容相对而言比较复杂。所以说在这里如果我们要生成一个图文并茂的好看的技术路线图的话,一定要先让 ai 给你设计好方案,你把这一段指令输给它,它就会帮你生成一个非常非常详细的技术路线图架构方案。 接下来你就把它给你生成这个架构方案,打开 banana, 然后给它输进去,然后它就会生成一个非常好看的技术路线图。 但是同样我在这里强调的是,这个机器路线图只是给我们做一些 greenstorm 来用的,不可以直接用于项目书的申请。也有很多人在评论区问我说,为什么这个 ai 生成图不可以直接用?呃,给大家来说一下,就是我听到的很多很多说法是现在检测 ai 的 软件,它非常的高级,就你所有 生成的图片,它是带有电子水印的,这些东西是我们自己肉眼看不到,但是那个检测软件可以检测出来的。现在刊投稿是有这么一个问题,我前段时间刚投了一个,它虽然没有严令禁止说你不可以用 ai 来生成文本,不可以用 ai 来生成图片,但是它有说 有一些编辑它可能会不喜欢你过度地使用 ai。 然后自然项目书中呢?我是听其他专家有说它也会检测一个 ai。 就 你们还记不记得在呃 几个月前那个基金委的那个网站上的模板,它是要求你要说明你用 ai 做了哪些事情呢?虽然现在这个模板是已经取消掉这条,但是我觉得它可能也并不是非常的赞同你 全都用 ai 来生成这些图片,所以我觉得保险一点,你还是拿它来作为一个启发,给你提供一些思路,然后你自己再用 ppt 去进行一个复刻。而且本身你的那些 研究方案里面的基础图都已经画好了,你就可以直接拿来用,再画起来就是非常非常的快的。我感觉技术路线图最难的就是怎么样去设计它的一个布局,而不是说里面的这些元素要怎么样的组装,嗯,就是这样。

当你一不小心把小龙虾装好了,但是下一秒你就发现你根本不知道它在干嘛。聪明的你突然反应过来,不是它不够强,而是还没给它装 skills。 于是你有本事打开了 open core 官网 skills 网站,一进去你就看到有帮你做数据的,有帮你做 ppt 的, 有帮你写文章的,还有帮你做海报的。面对着将近五万 skill 的 你当场就懵了。就在你准备放弃卸载的时候,你又 灵机一动,想到了 get 在 hawk 上的 skill 里面塞出了最有用的一千个, 而且还做好了分类。于是聪明的你直接按照我给你的 skill 清单开始给你的 open crawl 做武器。一不小心看到了这个 cross scanning skill, 于是聪明的你直接在网站搜索 cross scanning, 刷到之后又被谁点到了复制,他听到了小龙虾的对话框,恭喜你,让他学会了定时执行任务。我是珊珊,关注我,学会更多 ai 玩法,我们下期再见!拜拜!

今天教你们如何让 ai 自己写提示词,只需要一条指令就搞定。你现在是一个顶级 ai 提示词架构师,精通所有大模型 prompt 逻辑。接下来我只需要告诉你使用场景和用途。 一、自动补齐我没说出口的隐性需求、角色设定、规则约束、输出格式。二、分精简通用版、高阶顶配版两个版本。三、用清晰结构化排版,无废话、不闲聊、不凑字数。四、自动适配豆包、 gpt 等所有主流 ai 规避逻辑漏洞和无效指应用完你会知道 ai 不是 工具,而是你的商业合伙人。

最近啊,全网都在吹这个 openclo, 我 也就跟着就玩了两天,还顺手把我平时用的一个视频下载工具呢,封装成了一个 skill, 传到了 clop 上,大家感兴趣呢,可以去下载玩玩。除了原版的 openclo 呢,我还顺带把龙虾加入其他几个产品都盘了一下,像阿里的 highclo, 腾讯的 qclo, 智普的 autoclo, 还有包括像那个 kimi clo 啊,都简单过了一下,也形成一个表格, 让大家呢一次对他有一个深度的了解。最近呢,还有很多朋友问我说想基于大模型定制一些产品,但不知道怎么下手。甚至呢,还有很多人在纠结一些最基础的问题,比如说 oppo pro 怎么装?感觉别人都玩出了花,自己连个环境都配不好,是不是就感觉落后时代了? 今天呢,我就结合这一堆乱七八糟的问题,给大家教一个底啊,就关于 open core。 首先回答这个安装的问题,不要被这种廉价的焦虑当韭菜割了, open core 你 要是装不上,那就别费劲装了,市面上那么多 core 呢,总有一款小龙虾适合你啊。实在不行,我建议你去玩玩腾讯的 qq 吧, 连大模型都不用配置,微信呢? qq 呢?扫个码就能对接,一秒钟治好你的焦虑症。但这期视频我真的想说的不是怎么安装或者怎么使用这些东西呢,我自己整理了一份文档,你拿过去就能跟上。 我今天希望从三个层次带你去真正看透这些爆款产品背后的底层逻辑。在所谓的技术大爆炸面前,天天追着星空去跑的这帮人,最后都会沦为炮灰,真正能够吃下红利的,永远是那些死磕底层基础能力的人。 内容比较干呢,建议先点赞、关注、收藏,回头再看看,如果你坚持看完的,最后绝对能让你有巨大的收获。我是楼兰,关注我, it 路上一起进步。我们先说第一层啊,怎么快速上手?现在满天飞的各种 ai 产品啊, 很多人做法是出一个产品我就去学一个,甚至于把学怎么用产品就等同于学 ai, 但其实很多产品压根就不需要你去学。你像现在 openbot 火了,很多人到处找教程,结果玩下去你会发现他对接各种渠道麻烦的要死,你需要各种去申请数据啊,配置环境啊,搞得人焦头烂额。现在呢, 腾讯直接甩出个 qq, 你 什么都不用配,拿个人微信扫个码,一秒钟就对接本地 agent, 这说明什么?说明只要是反人类的难用的功能,你根本不需要去死磕。有的是人急着去把它做傻瓜化,你完全不需要改变这个习惯去适应一个半成品。你真正该问自己的事,你真的搞懂了 open qq 的 核心价值吗? 它的核心根本就不是跟大模型聊天,而是它的 skill 机制。通过 skill, 你 的小龙虾才能够去操作本地文件,去搜索网页资源,去做出那些自媒体口中各种神奇的东西。但你以为阿里、腾讯、智普的这些 cloud 是 完全相同的东西吗? 错,它们底层对 skills 的 定义、调用、逻辑、标准、接口几乎都是通用的。但你也别以为 skill 就是 一个全行业通用的标准。最早提出 skill 的是 cloud code, 但它的 skill 和 open cloud 的 skill 又完全不是一回事,你看懂之间的底层逻辑没有。 如果你的基础比较扎实,你把 openclaw 的 skills 标准真正给吃透了,以后出再多的 claw, 你 连上手的门槛都没有,看一眼文档就能直接用,用的不顺手了,你还可以随手定制一个。 但如果你只是个部署侠,配置侠,连 skills 是 怎么封装的你都看不懂,那别说自己去定制了,就是现成的这些 skill, 你 能不能用都只能靠猜,结果就是你永远只能跟在别人屁股后面,疲于奔命的去找教程,产品一更新你就得跟着石灰。 比如 open 了。最近的这一次更新啊,堪称破坏性的更新,出了很多很多的问题,以前的教程啊,很多都废了,一帮人跟他在抱怨,你是不是也想跟他去瞎折腾一次呢? 接下来看第二层怎么定制适合自己的 ai 产品。现在有一种极其有毒的论调,觉得有了大模型,我随便整合几个 agent, 写几句提示词,就能做出一个颠覆行业的爆款,去玩所谓的一人公司。但这简直就是痴人说梦, 我们跳出可乐系列,往深的一点看啊,现在 ai 用绕不开两个东西,一个是 r a g 解锁增强生成,还有一个呢,就是 a g 的 智能体现在所有的 ai 用,也就是围绕这两个东西的构建。但你真的了解他们吗?很多人对 r a g 的 理解无非就是调几个开源主键,把文档塞进去,能回答问题就万事大吉了。但是你怎么去评估 r a g 的 准确率, 怎么去做召回的优化?怎么去做贴合你们自己公司特定业务的 r a g? 如果你只懂先到别人代码,别人没做过的功能,你就一筹莫展,你觉得这样靠谱吗?再来看 agent, 你 以为玩了几天 open 了就是搞明白 agent 了吗? agent 真正的难点在于他怎么去调度大模型,怎么去把大模型和公司那些微信啊,飞书啊,甚至是更加老旧的 erp、 crm 的 系统结合起来, 怎么去把那些一次性生成的提示词沉淀成 open core 的 那种稳定可赋用的 skills 标准?你不懂业务逻辑,不懂系统调度,甚至别人的底层架构你都看不懂,你拿什么去定制? 这就引出了我们的第三层,也是最核心的一层。在这个 ai 技术一天一个样的时代,我们到底靠什么去跟上现在的技术市场?评论区天天有人在喊呢,现在学 ai 就 够了,加满那些老技术没用啊,有问题直接问 ai 吧,代码都不用自己写了。 那说这种话的人啊,且不说你有没有真的去自动手实践过,你现在就仔细想想,为什么阿里、腾讯这些大厂都要围绕 open core 来做自己的 ai 产品?你不会天真的以为大厂几百号顶尖工程师的想象力加起来抵不过你一个人在卧室里面天马行空吧? 恰恰相反,是因为他们真正看懂了 open core 的 底层逻辑。他们不是说看着 open core 流量大就一定要去跟风,而是看透了底层的业务模式和架构设计,在这个架构设计的基础上,精准的找到了最致命的改进点。你看阿里的 high core, 他 们看到了什么? 他们发现 agent 一 旦有执行代码的权限,那这是一件极其危险的事情。比如说给你删除一些重要文件,泄露一些你文件当中的机密信息,那这都是很危险的操作。所以他们在底层加了容器化的安全杀箱,严格限制这一类高危操作。这是什么?这就是架构思维。 你再看看腾讯的 qq 可乐,它做了什么?他们看到了 openq 配置反人类的痛点,直接把配置的门槛降到了零,更绝的是直接对接了个人微信、个人 qq 这种手头的王炸级老产品。 这是什么?这就是产品思维和业务洞察呀!你看这些直击痛点的设计,全都是基于对 openlog 的 底层架构的深度理解。光靠拍脑袋,你想的出来吗? 就算 ai 放大了你的编程能力,你的想象空间和业务敏感度,还是会永远受限于你的基础认知啊。所以,醒醒吧各位, ai 时代你需要的绝对不仅仅是写题诗词而已。你或许不用亲手去写每一行代码,但是类似于 java 时代那种扎实的架构思维,严谨的产品思维、敏锐的业务洞察力,这些基础能力才是决定你 ai 产品上线的核心。 不要妄想靠几个秘密武器就能碾压同行,这种投机取巧的事情,在以前的大数据、 vr、 区块链时代上演过无数次,最后沉淀下来的有几个?如果你没有旷世奇才的自信,那就乖乖低下头,去研究一下底层的架构,去深挖一下业务的本质。 基础深厚, ai 就是 你如虎添翼的武器。但如果基础不牢,那 ai 就是 加速淘汰你的催眠符。那你现在的重心呢?是想尊改新工具,还是想要跟着我的视频来打磨一下基本功?欢迎在评论区聊聊你的真实想法, 如果觉得我说的对你有那么一点点触动,请务必长按点赞支持一下。我是楼兰,关注我, it 路上一起进步!
![优秀的skills到底应该怎么写?? 真正厉害的 AI Skills,从来不是堆砌冗长提示词。
而是把业务任务拆成 AI 能稳定理解、执行、交付的能力模块。
清晰定位任务、明确输入输出、设定执行步骤、划定边界规则。
把自己的工作方法论沉淀成可复用模块,搭建专属 AI 工作流资产,才是 AI 产品经理的核心竞争力。
#AI产品经理[话题]# #Skills[话题]# #AI工作流[话题]# ]# #互联网大厂[话题]# #产品经理[](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/8f5468a1716c0f6a8e6537646e0b011a~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2099361600&x-signature=IVq5lYNnB2P4ojhcU8SOMDl%2Fctw%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=20260714122343635CB55C05A0017ACCFA)
最近 ai 产品经理的 skills 真的 是非常的火啊,很多同学都在问我怎么样才能写好一个优秀的 skills, 今天我就会来详细的讲一下。一个好的 skills 不是 说把提示词写得越长越好,而是能够把一个业务任务拆解成 ai, 能够稳定理解,稳定执行和交付的能力模块。对于产品经理从零到进阶的所有材料我也都准备好了,可以老地方来拿。 很多人在写 skills 都会陷入一个误区,把它当成了一个高级的提示词模板,里面全是啊,你是一个专业的产品经理,请你认真分析等等。这些话不是说不能写,而是如果 skills 它只有这一些能力,那么本质上它只是一个 prom, 它不是一个真正可以赋用的 ai 能力。 所以今天我也会跟大家详细讲一下,具体应该要明确我们 skill 具体要解决什么样的问题。那么优秀的 skill 它有哪些的一个输入和输出的内容,也只有我们的具体的一些执行步骤,以及它对应那些边界。首先核心的一个点是优秀的 skill, 它的核心不是让 ai 看起来更聪明,而是能够让它在特定场景下面知道要做什么, 以及怎么做,以及做到什么样的程度。那么我们需要明确的是 skill 它解决的不是说来写指令,而是要先判断 skill 到底要解决一个什么样的任务。 所以有些时候我们去写一个啊,产品分析的 skill 啊,竞品分析的 skill, 这些实实在是太大了,哎呀,很难去做一个稳定运行,所以我们需要明确它的任务边界,也就是这个 skill, 它要服务于谁,具体解决什么样的任务,最终交付什么样结果。 那么优秀的 skill, 它有清晰的输入输出的内容,所以我们核心的不是说丢了一大段内容让它直接去提炼,而是我们需要定义清楚我们具体的输入内容以及输出的结果。 比如说我们在写一个 ai 产品分析的 skill, 我 们需要明确地告知他我们的输入内容,场景啊,目标啊,问题结果啊等等。我们输出呢,是一些需求背景啊,核心功能等等。所以 这些输入和输出的契约不是让 ai 自由发挥,而是应该告诉他我用什么样的信息,需要你交付给我什么样的结果,这样子我们最后的输出结果也能够保持一致。还有就是我们不要只写要求,还要写执行那些步骤。很多人写 skill 都只告诉 ai 具体在过程当中应该怎么做,所以我们应该把它拆成具体执行任务。 比如说第一步我们要判断竞品我们的一些核心使用路径,对比功能啊,体验等等,最后再产出对应的一些结构化的内容, 这样子 ai 在 分析的时候才会去给我们一套可执行的方法论。所以写 skill 本质上就是在写一套轻量化的 sop。 那 么我们在这里面也需要定义它的边界,也就是说当我们没有提供准确的业务 b 级的时候,它很难基于我们的常见场景去做一些合理的假设。所以 skill 的 价值永远不是让 ai 给出答案,而是应该明确它对应的边界, 什么样的情况下面应该做补充,什么样的情况下面应该限制脑补等等,这样子产出的结果才是我们最终可以落地使用的。那我们也要设定对那些内置标准,比如说我们需要明确业务的一些目标,能够讲清用户的痛点等等这些内容,所以它不是一个普通 prompt, 而是一个优秀的能够落地到我们中长期产品迭代的一个 cgo 能力。 那么在最后我们也需要把我们的经验沉淀成一些可付用的模板,所以它最有价值的地方不是说一次性的生成一个结果,而是把自己的方法论可以沉淀下来,在以后我们遇到对那些内容的时候,我们能够直接让他去做一些归音化,这样才能成为我们真正专属的 ai 工作流。 那么最后我也总结一下一个优秀的 skill 的 基本结构,首先它的定位是什么?它的输入信息、执行流程、输出结果、规则边界以及质量标准和迭代方向是什么?那么以上就是一个 ai 产品经理如何写好一个优秀 skill 的 核心的模块。

ok, 大家好,我是小小帅。嗯,今天我给大家带来了一套就是我自己用啊, ai, 也就是小龙虾跑出来的一套执行文件。这个执行文件呢,主要用于是啊, 根据剧本去啊,自动生成一套分镜提示词啊,大家现在看到的是啊,一个剧本大纲,这也是我自己弄出来的。嗯,首先我们可以用豆包去阅读理解他。 ok, 我 们现在让他阅读并深度理解啊,嗯,这个过程可能会有点慢, 好,等他。嗯,阅读完了之后呢,我们再去执行我的那个提示词的脚本,也就是 md 的 一个执行文件啊,直接丢给豆包就可以了。 ok, 我 现在给大家看到的是我自己做出来的一套执行文件哦,大家可以看出来我的内容是写的很完善的,给大家演示一遍。 ok, 他 现在已经开始执行了,根据我们提供的剧本大纲和剧本,他就会自动分镜写套分镜提示词, 景别啊,画面啊,动作啊,以及一些运镜啊,音效啊 以及灯光啊,这些他都会啊,自动根据剧本呢去,然后再执行。我这套脚本他会自动会编辑出来, 但是它真正牛逼的地方呢,这是生成啊, cds 二点零的专属附件,也就是大家现在现在所看到的一个英文贴纸,这些会包括景别啊 以及灯光啊,它都会有描述啊,运镜啊,使用什么镜头啊,这都是英文的一种啊,给 cds 二点零的啊,头位专属的一个啊, 技术后缀。 ok, 现在给大家啊,展示一下我用这一套贴纸啊,这一套脚本做出来的封禁贴纸的,做出来的一些画面。 嗯,有感兴趣的小伙伴呢,可以点个关注,想要获取我这套脚本的呢,可以私信我呦!

上一期我们讲了青铜玩法,给龙虾一套提示词,十分钟就能够把我们的业务 sop 变成可用的 skills。 但青铜有个硬伤,就每次开发新的 skills, 我 们都得重新梳理 sop, 重新写提示词。你整理的细不细,提示词写的好不好,直接决定了 skills 的 质量。换个人来做,结果可能完全就不一样了。 怎么解决呢?今天我们就进阶到白银,白银的核心思路就是开发一个专门来开发 skills 的 skills。 这个 skills 呢,它不直接帮你写代码,而是先用五个维度的标准化提问,把你的业务逻辑问清楚。哪五个维度? when? 这个 skill 什么时候用?什么话能够触发它?什么时候明确不用? what? 考完手里应该有什么合格的输出?应该长什么样? how? 人工做这件事情的完整步骤?他每一步的判断逻辑,哪一步更容易出错? reference, 有 没有好的案例可以参考?踩过什么坑? limit, 哪些操作必须人工确认异常什么处理什么?绝对不能做五个维度问完他会整理出一份 sop 确认稿给你看, 确认之后再输出 skill 规划方案。那这个场景要拆几个 skill, 每个 skill 在 干什么?建议按什么顺序去开发?白银的好处就是 s o p 梳理的质量被标准化了,不管你是自己来还是团队其他人过来,走完这个流程,产出的 skill 质量就能够稳定保持在一个水准之上。 但是白银它有一个问题能解决,就是 skill, 它肯定会越来越多的,包括它用了一段时间也会需要去迭代,那谁来管呢?哪些在用,哪些出问题了,哪些该更新?这些信息没人管的话,我们 skill 库只会越来越乱的。 接下来就进阶到我们的黄金阶段。他不是开发单一个 skill, 而是建一个 agent, 一个专门来负责 skill 完整生命周期管理的 agent。 比 方说我发一个业务流程图 agent, 他 不会先去搜行业的最佳实践,然后用回框架来问我业务细节整理, sop, 规划方案等我确认之后才会进入到开发模式。更加关键的就是它能够跑地址任务,它每天早上能够自动的去巡检所有的 steam 的 健康状态周,去分析哪些 steam 用的多,哪些主播做 a 周去跑一轮安全检查。 比方说我还是那个 case, 把公司的 p、 s、 e、 o。 的 架构图发给这个 a 证,它会跑出九个问题的为问答。那整理完 s、 o b 确认稿之后呢?我确认他就能够帮我规划出三个 steam 方案,然后生成九个文件安装就完成了。 注意我们这两期视频讲的青铜、白银、黄金这三个层次,不是说让你选一个,那青铜的,其实其实是白银机制的前身,白银的机制又被包含到黄金的 a 种里,他们是逐步升级的。那如果你想要自己亲手去 开发一个属于自己业务的垂直的 a 种呢?我非常建议你可以先从青铜开始先梳理一个业务 sop, 用我们上节视频讲的四个规则,让龙虾帮你跑动一个 a 种射手,之后再升级到白银,然后之后才打造一个 a 种的黄金阶段的内容。

今天我们来学习如何让 ai 自己写提示词,就发这一条指令就行。你现在全职化身顶级 ai 提示词架构师,精通所有大模型 prompt 逻辑。接下来我就告诉你使用场景和用途。 一、自动把我没明说的隐性需求、角色设定、规则约束、输出格式都不全。二、划分精简通用和高阶顶配两个版本。三、排版要清晰有结构,不说废话,不闲聊,不凑字数。 四、自动适配豆包、 gpt、 deepsafe、 元宝等所有主流 ai, 避开逻辑漏洞和无效指令。好了,从现在开始,我发场景,你就直接给出成品提示词。

今天我们学习让 ai 自己写提示词,只需要一条指令,跟着我抄作业,记得一键三连。你现在是顶级 ai 提示词架构师,精通全品类大模型 prompt 底层逻辑与架构设计。后续我只需要告知你使用场景加核心用途, 你将自动完成以下动作,主动预判并补齐我未明确说出的隐性需求。同步完善角色定位,执行规则约束边界固定输出格式,每份提示词统一做精简通用版、高阶顶配版、双版本。三、全程采用清晰结构化排版,言简意赅无多余闲聊不堆砌,废话自述。 四、适配豆包、 gpt、 文心、讯飞等全主流大模型,提前规避逻辑漏洞,无效溶于指令,兼容性拉满。从现在起,我发具体场景,你直接输出成品,可用提示词即可,学会了,快去试试吧!

欢迎来到 openclaw, 这个视频,用一分钟带你跑完一次典型工作流。第一步,打开 openclaw, 选择一个工作区,把任务放在同一个项目目录里。 openclaw 就 能读代码、看文件,也能把生成的素材留在本地。 第二步,写,清除目标。比如让他打开内置浏览器,搜索小红书、选择题、整理笔记,或者生成一段 hyperframes 视频。好的提示词要包含目标约束和输出格式。 第三步,让 open core 执行,他会按步骤调用工具浏览网页、运行命令、编辑文件, 并在关键节点告诉你正在做什么。第四步,审核结果。你可以查看改动预览页面、运行测试,也可以直接让他继续修正。最后把常用流程沉淀成技能。 下次只要说出任务, openclaw 就 能按你的习惯继续工作。 openclaw 最适合做有上下文、有工具、有产出的工作,你负责判断方向,他负责把事情推进到可交付。

一天一个 skill, 我是 悟空虾,今天教你把你的 opencall 小 龙虾直接升级成一整只!二十人专业研发团队, 今年深度拆解爆款开源神器 g stack, 由 yc 总裁 gary chan 亲自开发,专门给 ai opencall 做工程化赋能。 大佬硬核背书。 open ai 前研究员 copy 近半年,几乎不用手写一行代码,打造二十四点七万 star! open call 的 大神,靠 ai 代理单人搞定大型项目, yc 总裁亲身实测兼职开发,效率暴涨八百一十倍!六十天上线三个服务,四十多个功能。核心工具就是 g stack 内置二十三位虚拟专家加八大工具, ceo、 cto、 架构师、设计师、测试安全官、发布工程师,直接拉满,严格执行思考计划构建、审查、测试、发布、复盘完整开发流程, 彻底解决 ai 写代码 bug 多、逻辑乱要反复叮嘱,不会安全审计,不会上线部署的所有痛点,安装超简单,三十秒一键部署,完美适配 open call 团队仓库,一键共享,队友自动同步,不用手动升级,无版本漂移。 不管你是技术创始人、 open call 深度玩家,还是开发工程师,用它直接单人干翻传统团队效率、自动化、审查测试部署,一步到位!想要完整安装指令和配置教程,评论区留言,我直接发给你。