前端如何写一个skills

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。

要想 ai 前端页面写得好，这几个 skill 少不了彻底解决审美难题。这是一款专为 ai 编程助手设计的设计增强技能包，内置六十七种 ui 风格、九十六种配色方案和一百多条设计规则，提供了八种前端技术栈的相关实践和代码示意 知识在多种 ai 编码工具内使用，直接让 ai 不 再输出程序员审美的简陋界面，而是生成符合行业标准的设计方案。它的热度非常高低，差不上已经有超八点二万人收藏。 impactable 解决了微不扣顶普遍存在的设计同质化与 ai 味儿过重的问题， 例如过度使用字体、紫色渐变、卡片嵌套等缺乏个性的模板化，并非从零开始构建 ui， 而是基于 ai 已有成果进行优化，目前已经狂揽接近三十 k star， 可以 把它理解为团队间 ai 编码的一种规范。全面审计界面质量，找出不一致的地方。 号称是前端 ai 的 审美外挂，把字体间距、配色、动效、组建状态这些前端审美规则写成可附用指令，有效减少 ai 生成模板位界面的概率。设计思路也很简单，不等 ai 开始写界面后再返工，而是在生成之前把精美 ui 拆成可执行规则。想要复刻大厂项目前端 ui 页面， 八万多人收藏的大厂设计 skills， 或许能帮到你收入七十家顶级网站的完整 design 文件，将色彩系统、字体规则、组建、样式、布局原则、响应式策略等九大设计模块全部用自然语言写入一个 markdown 文件，放入项目跟目录后就能直接调用。不知道兄弟们平时都用哪个 skill 呢？

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！

这六个 cloud code 神级 skills， 能让你的 ui 质感直逼 stripe。 ai 生成的界面总有一股塑料感。 in turn， 字体圆角矩形套路此渐变 二零二六年拉开开发者差距的不再是代码逻辑，而是对 ai 的 工程化审美掌控力。第一个， frontend design， antropic 官方出品，禁用过时审美，生成符合四 p x 网格的 react 加 tailwind 代码， 内置 audit 和 polish 命令。第二个 impeccable， 无暇的意思，专门打磨对齐留白和动效， 强制禁止不对称内编剧。第三个 design principle skill， 借鉴 notion 和 versal 设计规范，让产品像 strap 一 样极致简约。第四个 u i u x pro max， 一 千多种 u i 风格数据库， 输入暗黑科技，自动匹配整套方案。第五个， web design guidelines， furso 出品， ui 界的 eslint 自动检查，无障碍合规。第六个 algorithmicart， 用自然语言生成流体粒子等动态艺术， 实战三步走，剪辑风格生成，出版，精修，打磨 ai， 抹平了重复劳动，但提高了对审美决策的要求。这六个 skills 不是 在取代你，而是赋予你设计驱动开发的能力。

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。

很多人写 skill 啊，一上来酒醉不醉话，要么处罚不准，要么输出不可用。那么这个视频呢，我花一到两分钟的时间，我给你介绍一个最稳的一个写法，一共是五个必填项。那么第一呢，要定义这个 skill 处罚的条件，用户说什么，满足什么，关键词就处罚， 写成一句清晰的，什么时候用。那么第二呢，就是目标的输出啊，最后要交付什么，比如说生成一个带标题脚本和配图的一条视频。 第三呢就是输入的约定，就是这个 skills 需要哪些参数，格式是什么，没有输入的话我们要定一个默认的策略。那么第四呢，就是执行的步骤，那么按照顺序写成可执行的一个清单， 遇到失败要写清回退和错误的提示。那么比如说我们上传图片到图层，如果失败了就不要去归档。那么第五呢，就是验收的标准， 给一条市里输入和期望的输出，最好呢，能跑通一次自检，你会发现 skill 的 本质啊，它不是文案，它是一个可测试的流程模板，按照这个结构去写啊，你的 skills 才能够被附用，能迭代也更容易啊，交给智能体啊，去稳定的执行。好吧啊，我是郭振啊，咱们下个视频再见。

很多人以为给 cloud 写技能很麻烦，要手写代码，要懂格式等等，其实完全不是。今天我教你最简单的方式，让 cloud 替你写技能。我们先花三十秒了解一下技能长什么样。 一个技能就是一个文件夹，里面通常有几样东西， skill 点 md 核心文件，这个必须有 script， 放可执行脚本，比如自动发邮件，调用 api 的 代码等等。 reference 放参考文档，比如你公司的写作规范，行业术语表等等。 assess 放模板素材，比如固定格式的周报模板，邮件模板等等。 记住一件事就够了。 skill 点 m d 是 灵魂，其他都是配件。 skill 点 m d 分 两部分，第一部分是原数据，就是一段固定格式的说明， name 添技能名称 description， 写这个技能是干什么的，什么时候用， 其中最关键的就是 description， cloud 就 靠这段话来判断要不要加载这个技能。 所以 description 必须说清楚两件事，能做什么，以及什么场景下用， 最好带上你平时真实会说出口的关键词。第二部分是正文，用普通 markdown 写清楚步骤，视力常见问题就行，没有什么特别格式的要求。流程总共分三步，非常简单。第一步，先口头描述需求，把流程跑通。 比如我每周需要整理客户反馈，按问题类型分类，生成一份儿总结报告，然后一起把这个流程完整跑一遍，确认结果是你想要的。第二步，用 skill creator 封装流程跑通以后，直接说用 skill creator 把我们刚才的流程封装成一个技能，它会自动生成格式规范的 skill 点 m d 原数据， description 步骤指令全部帮你搞定。第三步，启用技能这里分两种情况，如果你用的是 cloud， 点 ai 网页端，把文件压缩成 zip， 进入设置里的技能页面上传开启就行。 如果用的是 cloud code 更简单，封装好之后直接就能用，不需要上传任何东西。 cloud 会自动识别本地的 skills 文件， 之后只要你说出触发关键词，它就自动加载，不用每次重新解释。如果你想改，直接告诉 cloud 哪里不对，让它自己改，全程一行代码都不用动。

比官方更强的前端设计技能来了，让你生成的网页不再有 ai 位！它基于 n shop 的 前端设计技能做了深度增强，已经狂揽一点二万新标， 一个技能，二十个命令，七份专项参考，再配一套闭坑规则，让前端开发少走弯路。支持 ctrl 扣扣和扣 s 等工具，一条命令就能安装。搞 vip 顶的赶紧蹲一下，不要自己再折腾前端设计了。

你可能以为做好 cloud code 关键是会写提示词，但真正拉开差距的其实是 skill。 因为 skill 不是 一句提示词，它更像是给 cloud code 装上的工作模式。今天这六个实用 skill， 新手装上以后基本就能少走一大半弯路。 第一个， prompt optimizer。 当你只会说帮我优化一下，帮我改个功能的时候，它会把你的模糊需求改成更清楚、更可执行的任务描述。 你不用一开始就会提示词，先让他帮你把话说清楚。第二个， deep interview。 有 时候不是 ai 不 聪明，是你自己也没想清楚要什么。这个 skill 会让 cloud code 反过来采访你，把目标、边界、验收标准 一步一步问出来，特别适合做新功能、做产品页面或者需求还很模糊的时候。第三个， real plan 大 改项目之前，最怕 cloud code 上来就动手。 real plan 的 作用就是先出计划，再拆风险，再确认测试方式。它适合那种会影响多个文件、多个模块的任务，先把路线定清楚，再开始写代码。 第四个， ultra qa 功能，写完不代表真的能用， ultra qa 会让 cloud code 进入测试、验证、修复的循环，不是只告诉你我改好了，而是继续跑，检查、 看报错、修问题，直到结果更可靠。第五个， ai slow cleaner。 ai 写代码最大的问题不一定是错，而是味儿太重，比如重复逻辑、空泛、封装、变量名很虚，代码看起来很聪明，但没人想维护。这个 skill 就是 专门清理这种 ai 感，让代码变得更像人写的，更像能长期维护的项目代码。 六个， visual verdict 如果你用 cloud code 做前端海报、视频画面，这个非常关键，它不是问好不好看，而是拿截图和目标参考去对比判断布局层级、间距、颜色、还原度到底差在哪里。 所以这六个 skill 不是 让你背更多提示词，而是让 cloud code 在 不同任务里自动切换成更合适的工作方式。不会提示词的新手先装这六个，真的会稳很多。想要我继续整理 cloud code 的 高频 skill 清单，可以先收藏这一期。

大家也关注那个 ai 编程这块技术的话，就会经常刷到，哎，什么一个 skill 在 google 上面掌握多少新？那么这个 skill 是 怎么写的？今天我们来讲解一下，就是这样子的，比如说你看这是一个写 ppt skill， 它怎么写的呢？ 其实 skill 可以 当做它是一个说明书，是规范，它只是告诉了这个告诉了什么？告诉了 ai 它是 需要去怎么去实现。就像你要，就算他是个思维翻译过来是个技能吗？就相当于你要开车，那么开车怎么开？ a s 不知道， a s 非常聪明，他学习能力是非常快，而且处理速度是非常快的，所以说我们这个时候他这样这么聪明，但是他什么都不会，所以说我们得告诉他 一个知识，就说这个这个 ppt 我 们要怎么写，怎么写，告诉他这个规范，告诉他字体标题怎么搞，内容怎么写，对吧？当然这是国外写的，所以说他就是英文。如果说我们想自己写他，因为 ai， 他 是能看懂 全球的语言的，所以说不管你是用英文还是英文，它都可以的。那么看我后面我就会搜出了一个 skill， 那 么我搜出 skill 是 什么呢？比如说啊，大家都知道这个威士扣的，它是一次一次任务 就是按次来收收费的，就是什么呢？就是我一次给他一百个任务，他也是算一次，那么给他一千个也算一次，给他一个任务也算一次，那么很多人就是会吃一个小亏，就说在这里面一个一个问，一个问好，这样的话效果很高，那么怎么去写这个是 q， 这个时候我们就想到那么一次能不能问一百个，那可以问一百个，那么我不能在这里问完，应该在这里问的话，他会有限制。 好，那么我就开始想写 sql， 写 sql， 那 么 sql 第一个说我用它去读取我的 tasks， 你 看我的 sql 怎么写的好，就在这里也好看它，我写了好多版本啊，这是这个二， 这是我以前的版本，那这个版本给我们检查检一下。呃，首先他对话，对话是一对话就会说去读取，我的是 task 格式， md 格式的文件，对吧？执行第一个代均括号，如果他执行完成之后就标记叉 啊，那么再重新去读取，找下一个，再循环，再就当全部完成之后再进入 继续优化模式，分析项目先并记录优，记录优化点，就说我让他做好所有的任务之后，我还让他去给我分析我的项目有哪些优化点， 他这里我是可以接着他去做，但是我没有写一句我们可以再接着优化点又去做，那么他就是个死循环，他会一直做一直做，当然我不想让他这样搞，因为这样的话我会不受控，所以说我只要他记录优化点之后就结束了，就是，呃，就结束了，如果说他没有新任务就结束了。 好，那看看这就是我的规则，让他怎么最什么写的呢？那么先看这个具体是，嗯， 具体，那我具体怎么写？其实我也不知道怎么写了，那么我直接就把我刚刚的要求你看步骤一读起了，我把这个步骤， 这是一个步骤，我直接就发给了 ai， 说你不按照这个写一个 skill 出来，他就吭吭吭就把这个生成出来了，所以说 skill 我 不用自己去写，我用 ai 去写，我直接有一个思维，我需要这个 skill 干什么？ 当然我们以后，比如说在工作中，我们会遇到很复杂的环境，或者说遇到一些重复的工作，重复去沟通，记住只要重复沟通多次的时候，你就需要用到写的 skill， 比如说他也会经常问你，呃，你会经常告诉他哪个是数据库，哪个是什么数据库，哪个是规范，就说你建表的时候你怎么规范，那么你就这个时候你就会想到要写一个规范 skill， 就 规范时候就说告诉他建表的时候必须要哪些字段，怎么命名，这就是我公司内部规范的 skill， 就就是我们在日常工作中，我们会遇到各种各样的问题，当我的门问题只要出现两次或两次以上之后，我们就可以把它去优化成 skill， 这样 ai 去问答时候，它就会去先去读我们的有哪些 skill， 然后再去处理这个问题。 比如说他一旦建表，一遇到建表，他就会去读建表的 skill， 哎，是这样规范的，那么他会注册东西，就是我们想要的。关注我，下期我们讲讲啊，讲其他技术。

以前同学们会觉得啊，我开发一个功能一定要有前端后端，然后呢还有一堆的这个逻辑代码和界面化的一些这个代码啊，来去在界面上面去操作，其实现在不用了， 为什么呢？因为我完全可以通过这个聊天的方式，然后基于这些一堆的技能来完成啊，比如说我现在在这里呢，你可以这样去问他，如果我要创建 ppt， 我 需要 什么技能，它就会自动去帮你搜寻看现在那个 cloud hub 上面所有的 一些技能来告诉你啊，比如说你要去做 p pdf， 也是一样要去做 pdf， 那 pdf 的 话需要什么技能它都会提示你，并且呢你可以放心大胆的教给他，让他去帮你安装，安装好之后，所有的技能都可以在这个技能内容里面去看到， 这些都是内置的技能。这个呢 find skills 呢，是属于我们这个通用化的一个技能，一个是 find skills， 还有一个是 skills creator， 这些都是常常用最常见的这个 skill 啊。那么聊天这一遍，那它告诉了我啊，就是有哪些 skills 我 们可以去安装的，帮我们去搜那个，搜了一些啊，就是我们最后 呃，有方案一，你可以用 ppt presentation 从 markdown 生成 ppt， 很 厉害吧，你可以直接用 npm npx skills， 然后呢安装这个 ppt presentation 或者是 slice， 或者是 markdown to ppt， 还有现有的工具呢，也有，比如 pndock， 那 还有 mark， 还有 slide dev 都可以。 好，那如果说你要去安装的话，比如说把这些啊 skills 安装下来，就比如 p presentation 或者 ppt 装下来之后，然后呢再来让它去帮你生成 ppt， 再来生成 ppt， 然后呢我们在其他的地方呢，不作为我们的重点介绍啊，但是大家其实要知道一点，除了我们刚才给他演示的这种简单功能以外，他能做的还非常多，不只是网上大家看到的，可以帮你去写邮件，帮你写日报，帮你写这个周报，帮你写代码，帮你做所有你不愿意干的脏活、杂活、内活都可以交给他， 你想他掌握了你整个电脑啊，那比如说我还可以这样子，呃，搜索帮我统计今天的一些热点内容， 打开网页帮我统计今天的热点内容，这就是一句话，它既然呢就通过爬虫啊，不管是通过 playwrite， 还是通过它内置的这个 浏览器，无头浏览器的工具，或者你也可以把它显示成有头浏览器啊，直接通过浏览器的方式去查看，查看完之后呢直接帮你统计出来这些内容，然后呢放到回复给你的消息里面，接下来你也可以把它同时写到你的本地，或者写到任何一个地方。好，这块呢我们就先给它演示到这儿。

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。

之前我又给大家分享一期如何去从零到一写自己第一个 skills 的 视频。后面呢，有很多学习圈的朋友都在反馈，用 cloud code 写出来的 skill 要么就是太啰嗦， 要么就是不好使。那今天我呢，来分享一下 cloud code 创始人团队亲自总结的写好 skill 的 核心技巧，帮大家呢避开去写 skill 的 雷区。 ok， 我 先破一个最常见的误区，就是很多人以为 skill 就是 一个 markdown 的 文件，写几行说明就完了。但 skill 本质是一个完整的文件夹，可以去包含脚本、数据、资产配置文件，甚至是动态钩子。搞清楚这一点，我们再来去看具体的编辑技巧。首先第一条，不要去陈述显而易见的内容， code 本身对编程啊已经非常了解了，你不需要去教他什么是函数，你要做的就是告诉他那些打破他默认思维的方式和信息。 我举个例子，比如 antispac 内部在写前端设计 skill 的 时候呢，不是去教 cloud 怎么去写 css， 而是明确告诉他不要用 enter 字体不要用紫色渐变。就这一句话，设计品味呢，立刻就不一样了。第二条呢，一定要有易错点的部分，英文叫做 gorgeous。 官方呢，透露，任何一个技能里面，最最核心价值最高的部分其实就是易错点。因为 ai 经常会在同一个地方翻车，你只要把你平时发现他最爱搞错的地方给他记下来，当成错题本塞进技能里面，而且随着日常使用，发现新坑就往里面去填，这个技能就会越来越好用。 官方呢，有很多很厉害的技能，一开始也是几行字加一个易错点，后来呢，再慢慢的去长大，变得更多的。第三条呢，就是要利用文件系统去做渐变式，譬如什么意思？就是不要把所有内容都堆在一个文件里面，你可以把详细的 api 说明放到 references 杠 api 点 m d 里面，把模板文件呢放在 excel 目录里面。 主文件只需要去告诉 cloud 这些文件在哪里，他会在需要的时候呢，主动去读，这样既保持了主文件的简洁，又不损失任何的信息。第四条就是不要去把指令给他写死。 六是要被反复使用的，每次的场景都不一样，你需要去给 cloud 提供完整的任务的核心信息，剩下的让他根据具体情况自己判断， 管太死呢，反而限制了他的能力， ok。 第五条也是很多人去忽略的一点， skill 的 一个描述字段不是给人看的，是给模型看的。每次对话开始的时候， cloud 会扫描所有 skill 的 描述，来判断当前这个请求要不要去触发某个 skill。 所以 描述字段必须精准的回答一个问题，什么情况下应该用这个 skill 写成工作总结，哎，没用，写成触发条件才有用。当然了，官方呢，也分享了很多的进阶玩法，比如说给 skill 去加记忆， 用日历文件或者 seeklight 存储历史数据，比如内置现成脚本，让 cloud 把精力放在决策，而不是写模板代码里面。 比如呢，设置按需激活的动态钩子，比如杠 careful 模式，专门去拦截 r m 杠 r f 这类的一个温写的删除命令。最后呢，官方也说了一句很实在的话，它们内部有很多强大 skill， 最开始也就只有几行指令，加一个避坑的列表，是在不断使用，不断踩坑，不断补充之后才变得越来越好用的。 所以先动手，边用边叠带才是叠好旧的一个正确姿势。 ok， 如果你对 ai 感兴趣呢，也欢迎去了解啊江学长， ai 学习圈里面呢，聚了一批真正在玩 ai 的 朋友，平时呢一起交流，一起折腾。我们也刚刚结束了我们的玩扣定的训练营打卡，目前也有两千多位新友了。那如果感兴趣呢，也可以去在评论区回复。

tiktok 上有一个项目，一天涨了五千多。 star 叫 madcap skills， 作者 madpoc， 是 typescript 社区很有名的开发者，他把自己每天用 cloud code 干活时用的 skill 全部开源了。 skill 的 生态现在已经很成熟了，市场上的 skill 质量参差不齐。 mad 的 这套是社区公认写的最好的参考实现之一。他要解决两个最常见的 agent 失败模式。第一个， agent 做出来的东西不是你想要的，你以为你说清楚了， agent 也以为他听懂了，结果做出来完全不对。 软件开发里最大的失败模式从来都是需求对不齐， ai 时代也一样。第二个， agent 太啰嗦，原因是 agent 对 你项目的术语不熟悉，他不知道你们管某个东西叫什么，只能用二十个词去描述一个你们内部一个词就能说清楚的概念。他最核心的 skill 叫 grill with dogs， 翻译过来就是带着文档拷问你， 你告诉 agent 你 想做什么？ agent 的 不是直接开始写代码，而是开始疯狂提问，沿着你的设计方案的每一个分支往下追，问一个问题，一个问题的问，每个问题还给出他自己的建议答案，等你确认或纠正。但这个 skill 比单纯的问问题多了两个关键能力。 第一个，他会维护一份叫 context temd 的 共享语言文档，在提问过程中，每当你们对一个术语达成共识，他就立刻写进去。比如你们项目里 order 到底是什么意思？ customer 和 user 是 不是同一个东西？哪些词是同义词，应该统一用哪个？ 这份文档的格式很讲究，每个术语一句话定义，下面列出要避免使用的同义词、术语之间的关系，甚至还有一段事例对话，展示这些术语在真实讨论中怎么用。 一旦 context md 建立起来， agent 后续所有的工作都会用这套语言。变量命名、函数命名、文件命名全部对齐， agent 也不需要再用二十个词去解释一个概念了。第二个能力，它会在合适的时候生成 a、 d、 r 架构决策记录，但不是什么决策都记， 三个条件同时满足才会建议写难以逆转。没有上下文的人看了会觉得奇怪，确实有过真实的取舍，这个判断标准本身就很值得学。再看另一个 skill diagnose， 这是一个 bug 流程， 它把 bug 变成了一个六阶段的纪律流程。最关键的是，第一阶段建立反馈循环。原文说这就是这个技能的全部，其他一切都是机械的。意思是，在你开始猜原因之前，先建立一个可以自动化运行的确定性的，能快速告诉你 bug 还在不在的信号， 可以是一个失败的测试，可以是一个 curl 命令，可以是一个 play right 的 脚本。它列了十种建立反馈循环的方法，从最理想的到最不理想的。而且明确说，如果你实在建不起反馈循环，就停下来告诉用户你试了什么，为什么不行。 不要在没有反馈循环的情况下开始猜。第三阶段也很有意思，要求在测试任何假设之前，先列出三到五个排序。好的假设，每个必须是可政委的， 然后把列表给用户看，因为用户往往有领域知识，能直接帮你重新排序。还有一个很小但很精妙的 skill 叫 caveman， 让 agent 用聪明的原始人的方式说话，去掉所有冠词填充词，客套化，只保留技术实质， 声称能减少大约百分之七十五的 token 消耗。正常回答是， sure i'd be happy to help you with that the issue you're experiencing is likely caused by caveman。 模式下变成 bug in off malware token expiry check use is less than not is less than equals fix。 但它有一个例外规则，涉及安全警告或不可逆操作的时候自动退出 caveman 模式，用完整的语言说清楚，说完再切回去。最后说一个 meta 层面的 skill 叫 writer skill， 他 教你怎么写 skill。 从这个 skill 里能提炼出几个关键原则。 第一， description 是 唯一决定 skill 会不会被加载的东西。这就是渐进式加载的第一层。 agent 在 系统提示词里只能看到名字和 description， 它根据这个来判断当前任务需不需要加载这个 skill， 所以 description 必须写清楚做什么和什么时候触发。 第二 skill， 米迪控制在一百行以内，超过了就拆成多个文件，主文件只放核心流程细节放到引用文件里，这就是渐近式加载的第二层和第三层。 agent 先看精简的主文件，需要细节的时候再去读引用文件。 第三，能用脚本做的事情不要让 agent 生成代码，确定性的操作，写成脚本放在 scripts 目录里省 token， 而且比 agent 每次重新生成更可靠。 回过头来看 mat 的 这套 skill， 它们有一个共同的设计哲学，不要让 agent 的 自由发挥，给他一个结构化的流程， grill with dogs 给了 agent 一 套怎么问，问完怎么记录，什么时候该写 adr 的 完整流程。 diagnose 给了他一个先见反馈，循环再列假设，再逐个验证的纪律， tdd 强制他一个测试，一个实现的垂直切片节奏。这跟 harness engineering 的 核心理念完全一致。 agent 的 可信链不在模型，在模型周围的系统， skill 就是 这个系统里最重要的组成部分之一， 而且因为它是开放标准，你写的 skill 可以 跨 cloud code、 codex、 cursor 使用，不绑定任何一个平台。一句话总结， skill 已经从一个概念变成了一个跨平台的开放标准和完整生态。 写 skill 的 关键不是告诉 agent 做什么，而是给 agent 一个结构化的流程，让他在每一步都有明确的判断标准。 macbook 的 这套 skill 是 目前最好的参考实现，值得每个用 ai 编程的人看一。

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。

jessab 作为前端最顶尖的动画库，无论是动画表现、交互能力还是运行性能都表现得非常出色。但如果想通过 web coding 的 方式来使用，实现的效果往往很不理想，并且还会出现各种问题。于是官方结合 ai 推出了 jessab 技能，开源不久就超五千人进行收藏。里面的技能可以教会 ai 编码代理 如何正确使用 g c， 并且提供了最佳实践常见动画模式和插件使用方法，覆盖时间轴补间动画滚动触发运动路径翻转等动画场景，可同时在四十多个代理中使用。对于平时需要通过 ai 代理写动画的兄弟们就很友好。

八，那个 pg 十八的镜像啊，镜像拉取下来之后呢，就跑起来成功了，到这一步呢，我们数据库也准备完了， 很多同学其实在学习全站相关的知识点上面呢，最大的一个阻力是什么呢？就是这种 跨端的啊，或者服务端，一会又是数据库，一会又是这个 ai， 摸不着头脑，就根本没有一个方向，就哪怕比如说你有这个方向，你知道怎么去学，这还好，对吧？但很多同学没有这个方向，没有办法像我这样行云流水的去把每个环节给它串起来，这是大家其实比较成本最高的一个地方， 真的你去学的话，可能成本没有那么高，对吧？好，拿下来之后呢，我们再来去启动起来，其实现在大家可以看到启动起来了已经啊啊，并且这个拿的过程，有同学问，这个拿取的过程 需要科学上网啊，这个大家如果说你的科学上网网络慢了，肯定没有我这个快啊，我这个还是算比较快的。打开 docker 来给大家看一下我刚才的 docker 在 哪里？我把 docker 的 面板给大家来打开看一下。 dock 的 面板。好， dock 面板刚才关了啊，现在打开了，大家可以看到吧？妙码 next ai 这个就启动起来了数据库，那它端口在哪呢？五四三五，同学们看到没有？五四三五，这是五四三五这个端口啊，五四三五这个端口。 好，五四三五端口的话，那我们先去检测一下试试。这又是同学们在学习全站的另外一个端口。好，五四三五端口的话，那我们先去检测一下试试。大家其实发现啊， 这个往往你很多在开发过程中，你的时间成本不是花在了开发的 那个代码编辑上，而是各种什么环境配置工具上，对吧？那我们对应的工具其实就是我过往记得最好用的一些工具开发的流程啊，包括启动所有环节，这些内容呢，都是标准化的， 朋友们跟着我来学习呢，就相当于是跟我平常工作和平常去写代码，去做架构，同一套思维，同把这套思维学会，其实你再去学习其他的都是有迹可循的啊，那我们在这来直接点击加号 data source 点到 pg 这个里面呢，我们直接把这种叫做 料码杠。 net 杠， ai 杠。 local 就 本地的意思啊，这个地方呢，我们输入 local host 也可以，或者用用我当前的这个子网 ip。 子网 ip 怎么看呢？ if config， 看一下子网 ip 是 多少？幺九二点幺六八点。 呃，翻到上面 三幺点二七。啊，好，那我用子网 ip 是 最好的子网 ip。 同学们用 local host 的 话呢？ 如果你平常用 local host， 其实可能会看的是个新手啊，就是很多同学学全站学服务端开发的时候，很多地方喜欢搞这个 local host， 特别是你，你用 docker 来去做启动， 就忘掉这个 local host。 我 相信 local host 对 于朋友们现在来说已经根深蒂固了，就代表是本机域名，对吧？但往往很多时候这个 local host 呢，不好使，并且很坑 啊，所以我们尽量用子网 ip。 子网 ip 五四三五。啊，五四三五，这个五四三五对应的是哪里呢？ 对应的就是我们这里呢，五四三五端口，朋友们可以看到吧，这个 port 五四三五也对应到刚才这里看到的五四三五，好，那五四三五连接用户名呢？就是 postgrass， 密码呢是小二，数据库是 postgrass， 点击 test 成功，看到没？一把过啊，朋友们也要有这种熟练度，点击 ok， 点击 apply， 这样就妙码 next ai local 就 建好了，建好之后呢，你进到里面来看，现在是没有任何表，没有任何表， 同学们学到这一步，接下来很多同学就会走弯路了啊，要去学习一大堆的什么那个 circle 啊，要去写，学各种，没有必要，为什么呢？因为接下来我拿来演示，在刚才安装了这个 prisma 以后，我们直接在当前这个项目里面把它 的 schema 的 定义呢？先配置啊，先注意配置，给它配好，这个地方 database 等于什么呢？ prisma， 这个千万别弄错了啊，当前的端口 charisma 啊，我们其实在这个 database 里面呢，我们直接自己给它复制过来吧，放到这里， 这个 p g 小 二，然后呢，这个内容里面的名称就直接对应到刚才我这里取的名称，我这里取的名称叫什么？叫做妙码， next ai p g， 那 我在这呢，就直接把当前本地网络直接取成它 看好了，这儿冒号很厉害吧啊，这个冒号，别冒号，别去，去掉了， 把这整个替换掉。然后呢？五四三五，大家别搞错了啊，五四三五 post 啊，保存，这样，接下来呢，你再来去在 schema 里面去定义一个 schema 脚本啊，比如说我在这儿定一个什么呢？用户， 因为基本上你在使用的时候都会要有用户的定义嘛，对吧？那我们定一个用户，用户这种定义呢，它叫做数据模型， 那 model 好， 那比如说我有个 user model， 你 的用户呢？有 id id 什么类型啊？假设是 string 类型，对吧？假设你这个 string id 呢，是作为主键 id， 并且呢它有默认值，这个默认值用什么呢？用 呃 c u i d 来替代吧。那这样是不是就给它定义好了第一个字段，第二个字段，你的用户呢？要有邮箱，那么就直接来个 email， 同样是 string， 它的类型呢？ unique 就是 相当于它是无重复的啊， unique 是 独有的无重复的，因为本身 email， 你 的邮箱肯定是不能够重复嘛。再然后呢，就是 password， password 呢，我们也给它来一个 string 类型啊。 string 好， 假设我们数据模型就这么简单。好吧，接下来我们就来见证奇迹了啊。 npx prisma generate 好，这个时候呢，同学们还看不到其他东西，但是在这里我们生成了一个 prisma 的 东西进来了，这里有个 prisma 的 东西，那里面有一堆啊，什么 clint 啊这些东西。我们那我们先不管它，接下来再来给大家看一下，我们在数据库表里面刷新，你可以看到现在还是没有任何东西， 但是一旦我 prisma db push n p x press 吗？ d b push 回车，好啊，这里报了个错，他说 can can't reach database server at 它 pg 五四三五，他说找不到这个啊，因为我的网络啊，这里我写错了，这里应该是按照网络来走，我这个地方的网络叫它，我上面的网络应该跟它一致。 稍等一下，应该是配置，配置网络的问题， 如果我上面定义好的话，我这样自己在这里给它改一下吧。 这里应该是用网络啊，我那边的网络是多少？看一下那边的网络跟它两边保持一致。 再来试一下，它说 cannot reach database server。 嗯，我看一下，我现在跑起来没有 p g， 哎，这个怎么叫 p g 啊？这个名称不对啊？这个名称不对，这个名称没有按照我们的定义的名称。

如果你是一个程序员，你一定遇到过这种情况，你跟 ai 说帮我写个功能，结果它输出的代码根本不是你想要的，你反复改提示词，它反复给你惊喜，就是没一个能用的。 问题不在 ai， 在 于我们缺少一套跟 ai 写作的规范。今天我要聊的就是 agent skill， 规范一套让 ai 编程代理真正靠谱的方法论，从文件结构到设计模式，从构建流程到测试方法，全是实战经验。 先点赞收藏这条视频会让你重新理解怎么跟 ai 写代码。先说清楚 agent skill 到底是什么。你可以把 skill 想象成一粒种子，它封装了 ai 做某件事需要的全部知识，种下去之后， ai 就 能按照你的期望工作。 具体来说，一个 skill 就是 一个文件夹，里面有四样东西， skill md 是 核心文件描述技能的名称、出发条件和执行指令。 scripts 文件夹放可执行脚本， reference 文件夹放参考资料，比如文档片段和代码示意。 asset 文件夹放模板。文件就像一个完整的种子包，不仅有种子本身，还有肥料、工具和说明书。 skill md 是 整个 skill 的 灵魂，它用的是 y， m， l 和 markdown 混合格式。 前面一段叫 friend matter， 用三个横线包围，里面写 name 和 description 两个字段， name 是 技能名称， description 是 触发描述， 这个特别关键，后面会讲为什么，然后是正文部分，用 markdown 写详细的执行指令。这里有个核心原则， description 一定要精准，差的描述写帮助用户写代码。好的描述写，当一个文件被修改时，检查该文件的导入语句是否完整， 如果没有自动补充缺失的导入描述越精准， ai 触发这个 skill 的 准确率就越高。现在来看 skill 的 三层加载机制，这是整个架构最精妙的部分。想象一个漏斗，上面宽下面窄。 第一层是目录层， ai 只看所有 skill 的 name 和 description， 大 概五十到一百个 token， 非常清亮。这就像你在农场的种子目录里浏览标题，一眼扫过去就知道哪种种子是什么。第二层是指另层，当 ai 判断某个 skill 可能相关时， 才加载完整的 s k， l m d， 大 概五千个 token。 这就像你选中了一粒种子，翻开说明书仔细阅读。第三层是资源层， 只有在执行过程中真正需要时，才按需加载 references 和 scripts。 这就像你种下种子之后，需要水了去拿水壶，需要肥料了去拿肥料。 三层加载的好处是省 token， 提速度，降成本。那 ai 是 怎么决定出发哪个 skill 的 呢？流程是这样的，你输入一段话， ai 先在第一层扫描所有 skill 的 description， 找到羽翼最匹配的那个，然后加载第二层的完整 s， q， o m d， 理解执行步骤，最后根据指令的需要加载第三层的资源文件。所以我说 description 是 触发的心脏，你写的描述直接决定了 ai 能不能准确匹配。写得好， ai 秒懂你要什么，写得差， ai 就 像在农场里迷路了，到处乱撞。知道了 skill 的 结构，那怎么构建一个好的 skill 呢？这就是 skill 减 creator 的 工作，它是一个六阶段的闭环流程，需求分析、编辑、 skill 测试、执行评估、打分、迭代优化，最终部署。 整个流程里有三个， a， 正角色。 grader 像一个严厉的老师给你的 skill 打分。 competitor 像一个裁判，把新版本和旧版本放在一起比较。 analyst 像一个侦探，分析哪里做得好，哪里需要改进。 三个角色配合，确保你产出的每一个 skill 都是高质量的。这就像种地，你要选好种子，精心培育，反复筛选，最后才能收获。再来说 writing 减 skills 的 方法论，如果你用过 superpowers 这个项目，你一定知道它用的是测试驱动开发，简称 t d d。 核心循环就三步， r e d 阶段，先写一个会失败的测试，明确你期望 skill 做什么。 green 阶段，编写 skill， 让测试通过。 rect 阶段优化 skill 的 描述和指令，但不改变行为。 writing 减 skills 还把 skill 分 成四种类型，纪律执行型。比如要求 ai 每次都按固定步骤操作。技术指导型，教 ai 怎么使用某个工具或框架。思维模式型，引导 ai 用特定的方式思考问题。参考饲料型，提供背景知识让 ai 参考， 搞清楚类型，写 skill 的 时候就有了方向。接下来是最重要的部分。 google 提出的五种 skill 设计模式， 第一种是 tool wrapper 工具包装模式，把一个 api 或工具的调用方式封装成 skill。 ai 不 需要知道底层细节，只要调用就行。就像你不需要知道拖拉机怎么造的，只要会开就行。第二种是 generator 生成器模式，给 ai 一个模板和规则，让它批量生成符合规范的内容。 第三种是 reviewer 审查者模式，让 ai 扮演代码审查员，按照明确的标准检查输出质量。第四种是 inversion 反转模式，不告诉 ai 怎么做，而是告诉他不要怎么做，通过约束来引导行为。 第五种是 pipeline 流水线模式，把多个 skill 串起来，形成自动化工作流。这五种模式是设计 skill 的 基石。那实际项目中该选哪种模式呢？有个简单的选择指南，如果你只是想让 ai 调用某个工具，用 tool wrapper。 如果你需要 ai 生成大量相似内容，用 generator。 如果你担心 ai 的 输出质量不稳定，用 reviewer。 如果你发现 ai 总是犯同一类错误，用 inversion 来设约束。 如果你的任务有很多步骤需要自动化，用 pipeline。 实际上大部分项目都是组合使用。比如一个完整的代码审查流程，可以先用 generator 生成代码，再用 reviewer 检查质量。最后用 pipeline 把整个流程串起来。 关键是先明确你的核心需求，再选对应的模式。最后给你一个从零到一的实战路线图。第一天，写一个最简单的 tool a m d 的 结构和 from matter 写法。 第三天，写一个 reviewer skill， 让它按照你的代码规范检查输出，体验 description 精准匹配的重要性。 第一周，尝试用 pipeline 模式串联三个 skill， 实现一个小型自动化工作流。第二周，用 skill 简 create 的 六阶段流程，构建一个复杂的多步骤 skill。 第三周，深入研究五种设计模式，尝试组合使用。一个月之后，你就能用 agent skill 规范来系统化管理 ai 编程代理了。 记住， skill 不是 写一次就完了，要像种地一样持续迭代优化好的 skill 就 像好的种子种下去，收获满满。关注我，第一时间了解最新 ai 动态。

给你们看看 skills 到底有多恐怖，这个网站上集合了几万个 skills， 我 们在这个二十四小时热榜里就能看到最热最新的 skills， 大家都在用什么？一看就知道，重点是这个后面它还有一个星标和下载量，告诉你哪个到底是最热的。就拿这个最热的 fun skills 举例，它现在已经有十一点七 k 的 收藏了， 点进来之后我们就能看到它的技能简介和每周的一个安装量。可以看到啊，它是一个专门寻找 skills 的 skill， 并且它在下面都写了详细的使用教程，告诉你如何去使用。有了这个 skills 啊，我们再也不用在几万个 skills 来找寻那个适合自己的 skills 了，还不知道是什么和不知道怎么用的小伙伴点赞收藏，主页踢我！

你以为写 skill 是 给 ai 写命令，其实更像是给 ai 的 一套干活打法。同样写一个 skill， 有 人写出来 ai 跑得很稳，有人写完就和没写一样，那差在哪里？不是文字功底，是结构。之前我聊过写 skill 的 四个原则，那是内容层面的， 今天补一层结构层面， google adk 团队最近把这五种打法总结了出来，今天呢，我就来分享给大家。第一种，参考，手册型规则，不要都塞进 skill 里，让 ai 按顺序读起外部文件，比如团队代码规范，单独存一份 kill 里之写，写代码前先读这份省 token 又准确百分之九十的人没有意识到这个。第二种，模板填空袭，给 ai 一个固定模板，他按照模板来填周报、竞品分析、客户检报这种固定格式的活用这个出来，每次结构都是一致的。第三种， 检查清单行，给 ai 一 份打分标准，他拿着清单逐项检查，代码审查方案，质检都可以来用。这种我觉得最被诋毁。拿标准逐项打分比写，请帮我审查稳一百倍。 第四种，先问再做行。就是之前讲过的格瑞米那套思路，不让 ai 直接动手，而是先问你一轮需求是什么，给谁用，有什么限制？大部分翻车不是 ai 不 行，是你自己就没有想清楚。第五种，流水限行。 把一个复杂任务拆成几步，每步做完确认了才能到下一步，从需求到交付那种长流程就能够用的上。简单任务套这个反而不会累赘。而且这些打法其实是可以组合的，比如先问再做收集需求，再用模板填空出方案，或者流水线走完，最后再加一步 检查清单做质检。所以你看，写死 q 不 只是堆文字，同样的内容用不同的打法组织 ai 跑车的效果千差万别，选对打法比写好文字更重要。好了，今天的分享就到这里，评论区聊一聊这五种模式里，你之前用过哪种。关注松哥，一起少加班！