claude怎么炼化skill
你觉得你的 ai 非常笨，是你身边没有厉害的人。这个项目你一定要看看。它叫女娲 skill， 你 只需要输入一个名字，它就能够自动蒸馏。这个人不是模仿说话的那种角色扮演，而是提取完整的认知操作系统。它会从五个层面来进行提取，怎么说话的表达， dna， 怎么思考的心智模型， 怎么做判断的决策启发式，什么不做的价值观底线，还有知道边界的城市范围。采集时，六个 ai 同时在跑，一个观点必须经过三重验证才会收录。已经蒸馏了十七位名人，输入一个名字，你就能拥有它的认知操作系统。
粉丝2.5万获赞31.8万
相关视频
02:49查看AI文稿AI文稿使用 c c switch 进行 cloudbox 的 使用，好多朋友不会用啊，这个 c c switch 大家入悉一下，首先在这个网站里面搜索一下这个 c c switch， 把 c c switch 下载下来，对应的安装包在这里面点 windows 这个 msi 就 可以了，安装下一步就可以， 我现在是安装完的之后的效果，第一次进入是这样，要进入这个 c c switch 的 设置，在设置里面呢，如果你没有安装 cloudbox 呢？你要把这个 应用这个插件可以点，把这个跳过，初次安装这个一定要点开，这个非常有用，好多朋友因为他没有格式的账号，所以每次要登录时候需要登录账号，这个跳过了，只用咱们国内的 ai 就 可以了。 到这里面这里面，比如说像我的这个，我其实用的 dipstick 和这个 gim， 还有 mini max 它其实国外这个我也没有使用啊，太贵了，大家可以直接点加号加号，比如说你要有一下，比如说你用小米的这个 mini 吧，小米这个 mini 呢？你去把这个 key 添加这里面把，这个一般都不会用。改啊，如果你是 tiktok 的 话，你要去搜索一下 tiktok， 在这里面补充一下，有的朋友使用的是 tokenplay 或者是 codingplay， 这里以小米为例，他的 tokenplay 或者 codingplay 里面的兼容协议是这个名称，但是 c c switch 这个作者呢？他说他自己忘写了，他写的是这个，这个是错误的啊。大家一定要把这个 play 复制一下，复制之后把这个放到这里改一下， 改下之后再把你的 api 复制里面，这才是对的。之前有朋友是写错了，他默认是有问题的，这个一定要看一下，把你的模型需要用的模型改一下，一般都是小写啊，很少有大写的。这个大家自己添一下，点击添加就过来了。 过来之后呢，想像我这样的点试这个余额，这个余额比如说你看我这个 deepsea 的 余额，呃，使用用量查询，官方把这个设为零， 你刷新一下，像我这个还剩二百七十块钱。智普的这个呢？它是我 tiktok plan 吗？我是用 tiktok plan 就 不一样，这个也是在这地方配置前用量查询就可以了，其他的注意的事项没有，因为其他我也没怎么用啊。 注意一下小龙虾，这个好像有点有一点点问题，我不建议小龙虾和爱马仕在这个 cc switch 里配置可能有这两个不太建议在这里面配置，就这个 clod， 再用这个配置就可以了，其他的不要配置 这个 skill。 点击这个像扳手一样的图标，点击之后呢，你就可以直接在这里面去安装 skill， 非常方便啊。比如说你想找一个 skill， 那 点击这个发行技能啊，要保持你的网络通畅啊，你的网络要好， 这里面才能显示你想要安装的 skill。 这个 skill 是 这样，它这个 skill 里面有个 top 上总结上的，在仓库，但是有一些特殊的，比如说我安装的我安装的 canvas 赛，这个 canvas 赛其实没有，你就要去他的网站上，他教你怎么去安装，你就搜索安装，按照他的方法就可以了， 其他的大部分都能搜到，如果搜不到的，很可能他改了名了。这个不要着急，你就去那个 github 上去搜索一下，是这样，你也可以从这个 ip 上去安装导入已有。都可以啊，发现技能就可以直接点击安装，这就安装出来了。这个比较方便，我建议新手小白直接在这里面去找能下载的就可以。
972爱玩的极客
02:01查看AI文稿AI文稿大家好，今天给大家分享大 a 稳定的数据源的 skill 啊，它叫 a stock data， 上线了一天已经拿了一百个 star 了， 然后它有六层的数据，也就行情层，研报层信号啊，就是某些强烈信号，然后公告基础数据就是财务的啊，新闻的，然后它把这些都封装在一个 skill 里面了，你想调取什么跟你的 a 卷说就行了，而且都是不要米的，免费的。 然后我一个个模块来，稍微简单说一下，就是行情层，就是日周月分动级的 k 线啊，包括五档盘口，然后还有实时的报价， pe， pb 啊，这些都是大家常用的，总是值，换手率这些就比较常用的一些数据。 好。第二个是研报，研报也是比较厉害的，它能够把 pdf 搞定，直接下载东财的呃的的渠道去下的这个接口，然后剩下的就是其他的一些，然后这个艾问才呢，它是能搜索研报的呃，也建议大家去使用一下，它有个 skill hub。 那第三个是信号层，信号层就很多了啊，有很多朋友可能有这方面的需求，这个动物榜，然后这个北向资金，然后这个第一个就是这个当当日强势股的归因，为什么这么强势啊？这些是数据源，这个都整合进去了，在这个信号层的接口里面， 然后模块四五六呢，分别是新闻，基础数据，还有公告。新闻层就是只有这个财联社的接口，还有这个各股还有全球的资讯，这两个是各股跟全球市通才的接口。 然后基础数据呢，就是财报的一些，还有 f 十的一些数据公告呢，这个就是巨潮的接口的公告，这个就平时看到 pdf 版本的那个公告， 数据源我就不念了，大家可以稍微看一下就行了，就是从这些数据源里面整合出来啊，这个 pdf 这里给做错了。最后呢总结一下，这个就是这个仓库的名称，然后也欢迎大家多多关注啊，你们的关注点赞、收藏是我继续开发的动力啊，谢谢大家。
1.2万Simon林（产业资讯）
03:13查看AI文稿AI文稿最近半年使用 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！
3.2万PM.姜同学
01:16查看AI文稿AI文稿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。
128北笙Ai
10:39查看AI文稿AI文稿最近啊，我帮几个朋友看了下他们平时是怎么使用 cloud code 的， 结果发现大家踩的坑都差不多，比如说在 contacts 都快满的情况下，还在疯狂地向 cloud code 输出，甚至还问我他的 cloud code 怎么越用越笨，还有装了 skill 的 有没有用上都不知道。 那对于这种把 taco 用在刀背上的做法，我只能说一个字，绝。所以今天就给大家分享一下我自己使用 clotco 的 过程中的几个小技巧，听完包你满意，赶紧点赞收藏。当然，大家也可以在评论区分享一下自己的经验。 第一个，上下文管理这个道理啊，很多人都懂，但很少有人会注意到上下文污染的严重性。如果说你也有这样的毛病，我建议赶紧去看一下。前两周 cloud 发布的这篇关于绘画上下文管理的文章，里面讲的是非常详细的。 特别要注意的是啊，文章里面有提到，当上下文窗口开始占到百分之三十到百分之四十的时候，就会出现一定程度的上下文腐烂。这个其实对我自己也是有点启发的，你像我之前就是用到百分之六十可能才开始做一些上下文的管理，那现在可能百分之三十到四十就要开始做了。 那我平时做上下文管理无非是用到这三个命令，第一个， compact， 当任务跑了很长时间，进行过多轮的对话之后，使用这个命令，让他把前面的对话压缩成一个摘样，清掉容易的信息，只保留关键的，这样的话，你的 contacts 就 会变得很干净，他后续的表现也都会回归正常 我的使用习惯啊，同一个任务超过二十到三十轮对话，或者说我当前的上下文窗口已经占到了百分之五十以上，那我就会进行次压缩。 又或者说当我发现啊大模型开始回答一些奇奇怪怪的答案了，那我的第一反应也都会先去 compact 一下。第二个 clear， 那 这个相较于 compact 会更加的直接，把当前的对话直接清空掉，重新开始， 或者说你开一个新的对话窗口也是 ok 的， 这个适合一个任务已经完全跑偏，或者说你就想换一个新任务的场景。 对比的话， compact 就是 整理桌面， clear 的 话就是清空桌面重新来。那用哪个还是要看当前的任务有没有值得保留的上下文来决定呢？ 第三个命令 by the way。 这个命令一般会出现在你不想去侵入当前上下文窗口的情况下去使用。举个例子，比如说你现在正在 web coding， 但是你又想到一个产品的逻辑上面会有点问题，就可以使用 by the way 去跟它进行讨论， 这个是不会记录在上下文的，或者说你使用 by the way 把你这一次的需求让它记录在某个文档里面。当你手头的这个 web coding 的 任务结束之后啊，接下来的任务你可以再调用原来记录下来文档里面这个需求继续展开工作。 那说完了我常用的这三个命令之后啊，还有些关于上下文管理的我的个人的使用习惯。第一个，引用文件的时候，指定路径和文件名，不要让大模型自己去扫描文件，扫描整个仓库，他有的时候如果找不到的话，甚至还会去写一个脚本去帮你去找到这个文件， 所以说这样的托克消耗是得不偿失的。第二个，我相信大部分人都会知道，长任务或者复杂任务的时候，用 plm 的 模式可以大幅度的减少托克的一个消耗。 第三点，尽量让 cloud code 完成一整个工作流，而不是一步一步的告诉他去做什么。因为 cloud code 是 非常强大的一个 agent， 你 给他一个超级复杂的任务，他也能从第一步到最后一步完美的给你执行出来。如果说你每一步都拆开，那首先上下文会变得非常长，那上下文一长，你的大模型就会出现幻觉，你的上下文就会出现丢失，被污染。 那讲完了上下文管理之后，接下来这个 prom 的 缓存本质上和上下文也有一定的关系，那我为什么会单独拎出来讲呢？因为它会直接影响你用 cloud 的 速度和成本，也是大家特别容易忽视的一个问题。 c c 的 一个 prom 的 缓存机制啊，如果说你上一次请求里面的内容和这一次请求的前缀是一样的， cloud 的 就不会重新处理那段内容，直接用缓存速度更快，托克的消耗也会大幅度的降低。 在 cloud code 里， cloud 点 md 的 内容和项目文件的内容在同一个绘画里面是可以被缓存的，但缓存会失效。最常见的失效场景有以下两种。第一个， cloud 点 md 这个文件啊，在 cloud code 的 缓存架构中是被视为一个整体的模块的， 由于它位于缓存前缀的中间位置，一旦你改了文件中哪怕一个标点符号，系统也会判定从 cloud md 这个文件的模块开始，到后续所有的内容，包括历史对话的缓存都会全部失效。 第二个，对话的间隔太长， cloud 的 缓存默认有五分钟的超时时间，超过五分钟没有新的请求，缓存就失效了。 如果说你再做一个任务，保持对话的节奏要比长时间等待更好，所以说每次离开之前先 come back 一下是最好的。理解这个机制之后，你就会开始有意识的组织 cloud d m d 这个文件的结构，让 cloud code 的 能够持续的用到缓存，整体的速度就会明显快一些，托管的使用量也会少很多。 那接下来第三块的使用小技巧，就是我自己平时经常会使用到的一些 skill。 skill 是 cloud code 的 可安装能力包，把一套提示词和逻辑打包成一个命令以后就可以直接调用。那我现在用的最多的就是以下几个。第一个， planning with fire。 当你有一个复杂的任务，不想让 cloud code 直接开始乱动，那就先用这个，它会把任务拆解成结构化的计划写进一个文件里，当你 review 确认之后啊，它再按照文件里的计划一步步执行。这个是我目前使用频率最高的，甚至说我所有偏复杂的任务都会先用这个 planning with file 的 这个 skill。 那举个例子，比如说我现在做 webco 顶，那原本开发的流程，可能说花一天时间去想一下架构，然后再花几天的时间去开发，那现在就反过来，我会先花大概几天的时间去跟他去跟 cloud 的 去聊我会怎么样去设计，然后聊的过程中去把这些我的想法全部记录到文件， 那之后我再做 webco 顶，让他去生成代码的时候，那整个的代码的结构，包括代码的约束，代码的规范都是非常工整的。 那接下来第二个 skill， 那 其实是一整套啊，基本都是偏向前端界面设计的，像 fronten design， 还有像 ui ux pro 这两个 skill 啊，还有一个就是我现在做视频基本上都会用到的 remotion skill 啊，都是我自己高频在使用的。 那这种是专门为前端界面设计调优过的 skill， 我 觉得对于很多开发人员来说，因为对一些 ui 的 设计都不是很 make sense， 我 觉得用这些 skill 可以 帮到你们很多，并且他们的官网也是提供很多的素材和模板 啊。再结合像现在的，比如说 stitch 啊这种圆形的设计软件啊，那我觉得再配合这些 skill， 那 可以起到事半功倍的一个效果。 第三个 notebook lm skill 啊，那对于这个 skill 我 原本是不怎么开始用的，因为像原来的 gmail 可以 直接去连到这个 notebook lm， 因为都是谷歌的全家桶嘛，呃，都能够直接去输出我想要的结果。但后来大家也都知道 gmail 降至比较厉害， 我发现我的结果就我的要求他不太能满足到了啊。后面我就尝试着把 nosbook lm 生成的结果给到 cloud， 让他去帮我进行接下来的任务执行啊，效果也非常的好。然后到后面也发现现在是有这个 skill 的， 那我就直接拿过来用了。 第四个 everything cloud code， 那 这个 skill 汇总了 cloud code 的 目前所有功能的一个用法，相当于一个随时可查的内置的使用手册啊，不确定某个功能怎么用的时候，你就可以直接调用它，比翻原本的官方文档要快很多。 那这边有一点要说明啊，这个 skill 会比较消耗托肯啊，你一定要去关闭它的一些 mcp 啊，你哪怕关了的话，它的托肯消耗也是会比较大的。那如果说没有碰到一些复杂的任务，我觉得是用不上的，但是整体的质量还是非常好的。 第五个， superpowers， 那 这个也是老朋友了，我相信很多人都在使用这个 skill， 那 这个 skill 对 我来说最重要的一点就是它的脑爆啊，这一个技能。 呃，而且这个 skill 是 非常适合小白的，因为它是包含了一整个完整的软件工程的，一个生命周期的一个 skill 的 一个全集啊。所以说，如果你是小白，刚刚入手 web coding， 我 觉得你用这一个 skill 就 足够了。 第六个，卡帕西的这个 skill 啊，那这个 skill 我 觉得是相较于前面 superpower 和 everything， cloud code 的， 它更像是一个靠谱的资深工程师啊，它会强调先清楚再动手，不乱猜啊，能简单的就不要搞得太复杂啊，改动都是以最小的成本去改的，而且每一步都是尽可能的去做验证， 所以说啊，它特别适合去修 bug， 改老项目，做一些重构。那接下来第四块， hux 啊，那 hux 的 定义的话就是钩子啊，它允许你去自定义一些触发器啊，在卡拉扣的做完某件事情的时候，会自动的执行一段啊，你所定义的无论是脚本啊还是命令， 那我最常用的三个场景，第一个，我每次让卡拉扣的修改了代码之后，就会自动的去提醒，也不用担心它改完之后代码的格式会乱掉。 第二个，任务结束的时候自动发通知啊，比如说你在跑一个时间比较长的任务啊，那你可以去做别的事情，那任务完成的时候可以触发一条系统通知到你的手机上， 那为什么会举这个场景呢？啊？之前在用 open call 的 时候，因为像 open call 它本身可以去调用 call 的， 但是它怎么去监控 call 的， 它会一直去用轮询的这个方式去做，会非常的消耗 token。 那后来我就自定了一套我让 openclaw 去触发 claw 的 code， 之后我通过 claw 的 hook 去回调来通知 openclaw， 使用这样的方式之后啊，就可以减少掉不少的 token。 第三个场景，那像工具的调用前后会去自动的记日制啊，你想知道 claw 的 在一个任务里面到底做了什么，那 hux 就 可以帮你在每次工具调用的前后去协调日制，任务结束之后就能够看到完整的执行过程。 第五块， cloud code 的 插件，那说到插件啊，前面提到的像 skillbox， 包括没有提到的 mcp， 其实都可以揉在一块成为一个自己的插件 啊，所以我说我这边就分享我经常使用到的三个。第一个 cloud hard 啊，这个的话可以去实时的监控你自己套餐的一个使用量啊，包括你目前这个 session 的 上下文的一个情况啊，再配合前面上下文管理的一些方式组合起来，那效果是非常的好的。 第二个 figma 的 mcp 啊，那这个很适合前面讲的 fronten 的 design u i u x skill 啊，特别是如果你在工作中啊，你们的产品用的是 figma， 那 你直接可以通过 mcp 的 方式直接把设计搞给搞进来啊，从设计到实现会剩很多。 第三个三 tree， 那 这个也是 mcp 啊，这个比较适合去排查线上的 bug 报出错来以后啊， cc 能够更快地结合异常的信息对账和上下文去定位问题啊，可以省掉自己去翻半天的一个日记。 ok 啊，那以上就是关于本次我自己在使用 calco 的 过程中总结出来的小技巧的一个分享，希望能对大家有所帮助。如果说你看到了这边，证明你是一个非常求学的人，在此我也希望能够得到你的一箭三连和关注。那本期的视频就先到这，我是布鲁，我们下一期视频再见。
3.5万布鲁404
01:27查看AI文稿AI文稿三分钟让龙虾成为你的私人秘书，帮你提炼聊天记录里的所有重要内容。我翻了最近泄露的 cloud 代码，发现它的记忆整理能力真的越来越趋近于人的大脑。于是我干了三天，把它印象成了 open cloud 可用的 skill， 可以 让你的龙虾记忆原地升级，十个版本 教程全部免费送给大家。目前我翻阅到的有以下几个方向，今天先从最核心的记忆套件下手，这里面就包括大名鼎鼎的梦境。第一层叫提炼，你每次聊完天，它自动在后台跑一遍， 把对话里这样的东西全部提炼出来。比如你说过选方案 b， 比如你提过某 api 不 稳定，踩过坑，他全部记住，下次打开他直接读答案， 不用你重复说半个字。第二层叫整合记忆一多就开始打架，这个文件说用 a 方案，那个文件说用 b 方案，你到底听谁的存在？文件说法矛盾了，有内容重复了，过时了，他全部给你标出来，生成清单， 审批了他才改。第三层最重磅的叫梦境，有没有想过你睡着的时候大脑在干什么？在 r e m 阶段，他在整理白天的碎片记忆， 该归类的归类，该扔的扔，所以我把这个技能叫做 r e m。 每隔二十四小时以上或者新增五次对话，他就自动跑一遍，给你的记忆库减脂，越用越聪明，而不是越来越繁重，这就是梦境的核心逻辑。以上就是记忆套件的内容，三层合力，自我净化。 另外几个方向我也在持续尝试印象城 skill， 后续会继续免费分享给大家，如果你觉得有用的话，欢迎点赞、收藏、关注，我们下期再见！
61Mr.真维斯
02:01查看AI文稿AI文稿大家好，这是 still 阿克米的演示，他把一个想法变成可用的 ai skill。 一 开始用户只输入一句目标周星驰的喜剧反转正流， 系统先检查依赖，确认基础能力是否就绪。 lance 和 leap 就 绪后，流程开始。接着我们选择 standard 作为蒸馏深度跑完全流程。系统先生成任务简报，把路线摊开。 第一阶段交给 lance， 先看清问题本身。 lance 不 着急下结论，而是先拆解方法。 他会分析什么叫做喜剧反转，比如身份错位、语言节奏和反差结构。一个感性的创作问题开始变得可研究。接下来 leap 会借助 let's 的 分析，他会把分析结果转变成具体的研究计划， 控制多个 a 键跳，并行出发，各看一个方向，有人找案例，有人抽规律，有人检查边界。 研究结果会写入文件，方便后续进行翻译。现在进入关键步骤，翻译 skill。 系统把研究结论整理成 skill， 点 m d。 这里不是写说明，而是写执行流程，什么时候触发，先做什么，怎么判断，哪些情况不能硬套都会被写进去。 最后系统开始验证效果，它会检查文件能否安装，命令能否执行，还要确认输出结果是不是稳定可复现。 你所看到的测试输出就是整条链路在跑通，从一句话到分析、研究、翻译、测试，这就是它的价值，把理解变成能力。也欢迎大家去给我的 github 仓库点 star， 谢谢大家。
01:44查看AI文稿AI文稿现在的 skill 越来越多，但只有三个，我管他们叫原 skill， 这三个之外的所有 skill 其实都是他们的延伸。我把他们的原码都读了一遍，今天分享一下。 先说第一个， g stock， 这是 yc 总裁 gary 公开分享的工作流套件，里面其实是二十三个子 skill 的 合集，它直接能把 cloud code 变成一个工程团队，包括 ceo、 设计师、工程经理、 qa、 安全官、发布工程师，每个角色都有专门的 skill。 mary 自称用了这套工作流之后，代码产出速度是二零一三年的八百一十倍，同时他还在全职运营 y c。 举几个例子， office owners 用于帮你判断一个产品想法值不值得做。这个 skill 的 数据来源是 y c 投过的所有公司案例 从中提炼而出。 investigate 是 修复项目 bug 用的 skill， ship 是 发布项目用的 skill。 装一个 g stack， 等于一次性装了一套别人验证过的工程团队。有了工作流套件还不够，因为你的需求会越来越多。这就要用到第二个 find skills， 找其他 skill 的 skill， 你告诉他我想实现什么功能，他就会自动去 skills 排行榜查热门的 skill。 源码里还有一条质量筛选规则，安装量一千以上的优先，低于一百的，他才会提示你谨慎选择，搜到合适的还会直接给你安装命令。 如果你找不到现成的 skill， 可以 自己做。这就是第三个 skill。 creator， 做 skill 的 skill。 这个 skill 里面有很多关于怎么写 skill 的 优化，最让我意外的是它的 description 优化器，很多人写完 skill 之后发现触发不准， ai 该用的时候不用，不该用的时候乱用，这个优化器把触发准确率直接拉满了。这个细节官方文档都不写， 只有读野马才知道。为什么这三个我管它叫原 skill g stack 给了你一个起点，装一个就有一整套的工程团队。 founder skills 给了你扩展 skill， creator 则给你定制起点，扩展定制你后面所有的 skill 需求都可以从这三个原 skill 长出来。
5915鲤哥builder
01:55查看AI文稿AI文稿如果你正在使用 cloud code， 却还没装这些 skill， 那 你可能只用了它百分之三十的能力。今天分享七个最值得安装的 skill， 尤其是最后一个，能让 cloud code 从能用的 ai 直接变成懂行的队友。第一个，社区最火的全能 skill superpowers， 它不是单个技能，而是一整套开发全流程 buff， 包含项目规划、代码编辑、 code review 等十几个子技能，能帮你梳理需求、拆分任务、系统化调试，程序员必装，省超多梳理时间。 第二个，文档处理神器， pdf， 它能直接读取、合并、拆分。 pdf 还支持 ocr 扫描件识别，写代码间隙处理文档，不用切换软件， 不管看技术文档还是办公文件都好用。第三个，去 ai 位神器 whoman the zh， 它能把此外综上所述，这类生硬表达换成接地气的人话，写项目文档、副业文案都能少一点模板位， 不容易被看出是 ai 生成。第四个，大项目救星， planning with files， 大 型项目经常中途打断，回来 ai 就 往上下闻。这个 skill 会持久化项目规划，画绘画不丢进度， 特别适合碎片化时间开发。第五个，前端颜值救星， fronten design， 它让 cloud code 写的前端不再是 ai 烂活，而是带着专业设计规范，后端程序员也能做出好看规范。 第六个，代码质量守护神 code review， 它会派多个子 a 证，并行审查代码、找 bug、 查安全漏洞、优化代码规范，每个问题都带知性度评分， 赶项目时不用逐行排查，能大幅减少代码出错率。第七个，压轴神器，也是最能提升体验的 skill creator， 前面六个不够用，它能让你自己定制 skill， 把自己的开发习惯、 重复性工作封装成专属功能，彻底让 ai 适配你的需求。这就是让 cloud code 变成懂行队友的关键。 这七个 skill 覆盖开发全流程文档处理前端优化代码质量，还有能自定义的压咒技能，装完之后你会发现 cloud code 的 能力直接翻倍！收藏起来直接去 skill 商店搜英文名就能安装。关注我，带你了解更多 skill 使用技巧！
8.1万阿森编程日记（AI自动化）
03:52查看AI文稿AI文稿搭一个让 ai 自动生成这样视频的 skill 真的 很容易，咱们先来看一下效果。承认吧，你的二十多岁不过是个拿着身份证的未成年，别再拿三十而立 pua 自己了。社会学专门为这种尴尬期造了个词，奥德赛时期，他借用河马史诗里英雄漂泊归乡的故事，只待从青春期结束到真正扛起社会毒打的这段漫长过渡。 这条视频呢，我没有加背景音乐，只是让它实现了 tds 配音，然后根据我的文案去生成分镜的提示词， 用提示词去生成对应的图片，再用对应的图片去生成视频，它只是经历了这样一个三步的 api 的 调用，就可以批量的产出这样的视频。然后加入了一些基础的功能，比方说关键词的提取，这是它自动识别的， 在关键词动画效果出来的时候，配上一个对应的音效。在这里我先说一下 ai 生成视频目前成本还是比较高的，它主要有两种方式，一种是调用 api， 而电有 a p i 的 话，现在最强的模型，那就是字节旗下的 cds 二点零。如果你的电脑配置足够高，比方说有一个九零系的显卡，那你就可以考虑本地生成，如果是这种风格的话，本地模型也是可以出的。咱们来看一下它的流程。第一步呢，就是来 读取你的文案，你可以把文案放在你电脑里边，用 txt 保存就可以，你可以保存一份文案，或者十份一百份 都可以，他都可以批量的帮你去完成。然后我这里有五个预选的风格，刚才的这种画面，这种卡通风格的画面是一种，你可以去选其他的，你喜欢的，包括现实感的都可以。如果你有对标账号，想参考他的风格，截一张图发给你的 ai， 让 ai 反推风格提示。 然后第二步就是把咱们的文案用 tps 配音，配音的方式模型有很多，有 api， 有 本地，这个就你们自己去选择就行。 第三步就是让 ai 根据你的音频产生的准确的时间轴去把它分分镜，然后生成提示词。生成画面的这里有一个重点， 因为你要和你的画面做时长的匹配，所以这里你要用 tts 返回的准确的时间处，你不能靠文字让 ai 去大概分，这样的话就可能对不上。第四步就是根据你刚才的分镜生成参考图。现在 ai 生成图片和视频的质量已 已经是非常的高了，所以这两步你就是根据你的提示词去调用返回的结果，如果不满意，你再调整风格类型的提示词就可以了。 其中最长的一步就是图声视频，除了耗时最长，也是它的费用最高。前边的所有的这一套流程， 一条视频跑下来可能就是几毛钱或者一块钱，但是徒生视频的这个环节，一个一分钟的视频，如果调用 cds 二点零的话，可能就是十块钱，二十块钱，甚至更高，所以这里一定要注意根据你们自己的需求，你们能承受的一个范围。我这里测试用的是 cds 一 点零， 一点零，我让他帮我估算了一个费用，一分钟的视频大概是十多块钱，这里只是做了一个测试，你也可以选择便宜一些的模型，或者考虑本地去跑，最后一步就比较简单了，就是按咱们的要求，根据一句话，然后匹配对应的画面，导入到剪映的草稿， 然后加一些转场的特效，加一些音效，包括背景音乐都可以让他直接全部加入进来。现在有很多认知类的视频都可以用这种方式去批量生成。 有很多小伙伴关注的 ai 生成短剧的 skill， 其实也是这样的一个流程，只不过你里边会把你的文案划分成剧情，然后让他去拆分分镜的提示词， 最后也是生成图片，图片再去生成视频。最后一个拼接流程都是一样的，只不过中间的步骤需要按你的需求去调整，有时间的话我会出一期专门的教程。最近更新的比较少，因为一直在调试各种视频的，有直播切片带货的， 还有一些帮小伙伴们定制在他们电脑上去远程调试的。大家有想做的视频不知道怎么去搭建的，可以评论区告诉我。
667老郑的ai干货站
02:42查看AI文稿AI文稿上一期我们聊了 cloud 的 命令片，这一期我们来聊 skill。 我 先不跟你讲 skill 的 概念，我说一个我遇到的真实的案例，你立刻就懂 skill 到底是什么。 我每一期都会从评论区里面去筛一些高频的问题，给下一期来定选择题。那天我把所有平台的视频链接都扔给 cloud， 让他去把所有评论抓出来，并整理成一份选择题的清单。 那第一版出来的时候，他把所有的闲聊啊，还有求脚本，求网页之类的评论都全部都算上，我就跟他一点一点一点磨， 让他把闲聊都全过滤掉。还有只看真问题，把相似的合并并得去重，那来回回差不多改了二十分钟，他终于给了我一份比较满意的选择题。 那这时候问题又来了，下次我想付先生工作的时候怎么办呢？以前我们在晚夜端的时候，我们做法可能是让 cloud 帮我们把聊天记录总结一遍，然后再发给一个新的窗口， 非常麻烦。但你现在如果用桌面版后的终端的话，你可以直接告诉 cloud， 把整套工作流帮你封装成一个 skill， 那 之前整个工作流就会被打包成一个 skill。 从那以后，我每一期发完视频，只要把视频链接扔给他，他就会帮我整理成一份选帖的清单。 所以你看， skill 说白了就是你跟 cloud 反复打磨的一个工作流，让他帮你整理成了一个可附用的能力包。平时他就安静地躺在文件夹里面，不占用你的资源， 只有当匹配上你的需求的时候， cloud 才会把它删出来。里面最关键的也就两样东西，一个 skill 点 m d， 它开头那段描述决定了它什么时候被触发，但这个触发词也是你可以去改的。另一个是 reference 文件夹，专门放一些详细的资料， clogs 用到了它的时候就会去翻一遍。那分享我三个最常用的 skill。 第一个是 find skill， 它是一个找 skill 的 skill， 当你想到一个工作流程的时候，你不必从零去打造一个 skill， 因为可能市面上早就已经有一个完整版本了。比如你只要跟 clogs 说我想做一个个人网页， 你帮我去搜一下有没有类似的 skill， 它就会去 skill 市场里面搜，按照下载量还有 github 的 私大数，找一个最靠谱的那一个。所以我现在装新的 skill， 我 也不再去翻译 github 了，直接跟 cloud 对 话，告诉他你的需求就可以了。 第二个是 superpowers， 它并不是一个 skill， 它是一个十四个 skill 的 整合包，它的作用是给 cloud 去注入一套做事的方法论。 他要解决的是，我相信你也遇到过的一个痛点，就是你让 cloud 帮你去做一些复杂的任务时候，他可能不问清你的需求就开始埋头苦干，结果做出来的东西你也不满意，然后还要反复的修改。但你装了 superpower 之后， cloud 会先停下来反问你，你到底想解决什么？你最关键的约束是什么？把你的需求了解清楚之后，他才开始干活。 第三个我最常用的是 slide creator， 它是一个专门做 html 演示页面的一个 skill， 它内置了二十一种预设，每一种都是作者精心打磨出来的， 专门避开那些一看就是 ai 做的通用审美，所以我现在不管是写产品介绍还是视频里需要插一段格式化的演示，我都会先用到它。好，那么以上就本期视频的全部内容，那我们下一期讲讲怎么用 ai 来做剪辑跟视频动画，我们下次见。
79哆噶兽
02:58查看AI文稿AI文稿大家好，我是小新，今天聊一下怎么样高效的给 cloud code 造 skill。 大家知道现在 skill 的 生态已经爆炸了， open cloud 上一万多个 skill mp， 我 一开始录视频的时候呢，是三四十万，现在已经八十多万了，但说实话，装了一圈下来，出了几个高赞的，很多 skill 都不是很好用，所以与其等别人造一个刚好适合你的，不如现在就自己去 做。我现在方法呢，主要分四步，这四步里面的一个核心思路就是让 ai 去散网。那么第一步呢，我们同时开 gmail 加 gbd， 给它们提需求，注意我们不要用同一个 ai。 为什么呢？因为不同的 ai 它们参数不一样，对一个需求的理解角度就不一样，各有各的强处，我们让它去理解我们的需求，拿到更多的思路。 我自己平常也是这样，每个 ai 的 意见都整合起来作为参考，但是最后干活呢，可能还是可靠的扣。第二步，让 ai 出提示词，自己去 去测效果。 ai 写东西不一定 work， 这个大家都会有一些体会吧，所以一定要自己跑一遍，在 collab 里面实际试一下，看它到底能不能干活，能不能 work。 第三步，我们去挑一个最满意的版本，让 ai 帮我们附装成标准的 scale md 的 格式。这里有个特别重要的点就是 description。 你 知道大多数 scale 失败原因是什么呢？不是提示自己写的不好，而是描述写的太模糊了， collab 根本不知道什么时候该触发你这个 scale， 所以 描述要写的像你平常提需求一样，自然不要写的像文档一样。 四步，让两个 ai 各出一版进行赛马。什么意思呢？就是 g b t 分 装一版， jimmy 也在分装一版，两个都装上，我们都跑几天再决定用哪个，不要着急定跑一段时间，他们的优劣也就分出来了。那么什么样的 scale 是 值得做的呢？给大家看两个我觉得特别好的例子。第一个是 running plans， 是 superpower 这个插件里的一个 scale， 这个我们之前也都提过， 他做的事情呢，就是帮你把一个明确的需求拆解成可以直接执行的实现计划。他不是随便练几个步骤，而是连文件路径、具体的步骤、测试方案和要执行的命令都给你写清楚。以前拿到一个需求可能要自己想半天怎么拆怎么做，现在直接一个 skill 搞定出来就能干。那么第二个呢，就是 这个叫 a 阵的 reach， 这更有意思，它可以给 ai a 阵的装上联网能力，可读可搜可查。大家都知道 ai 本身是有 知识的截止日期的，很多时候你问他最新都答不上来，这个 skill 直接给他这个短板补上了，让你的 google 能查到最近的信息。这两个都是典型的好 skill， 说白了就是把你原来要手动做好几步的事情变成了一条命令。其实我发现最受欢迎的 skill 都是这个路子， 然后再分享几个我自己做的 skill 踩坑出来的经验。第一个，一定要从我们的痛点去出发，想一下我们每天重复的事情，叫 ai 去做，把它分成 skill。 第二个刚才说了描述 description 上要写的具体写的像你自然会怎么 这个需求。第三个最值得做 scale 其实不是纯编程类，而是那种画工具的工作流自动化，把好几个步骤串起来，变成一键执行的。 所以 ai 时代，每个人都该养成封装 scale 的 习惯，把一些重复劳动交给 ai 去做。你把自己的工作流封装成 scale， 等于是把你的干活套路交给 ai， 下次同样的事情他就能直接干好了。以上就是今天的分享，大家去试一下这个算法，方法真的很好用。 你们平常有做过什么好用的 skill 吗？评论区可以一起讨论一下，说不定我们能够帮助其他人。我是小新，关注我，带你一起拥抱恋爱！
297小新AI实战
02:37查看AI文稿AI文稿我之前呢，每个月都要花几个小时的时间来去对账单，现在几分钟就能搞定，不是说我的工作效率它突然变高了，而是我现在把这种脏活累活的话呢，都交给了 ai 来去处理。 相信很多朋友跟我一样，就是说工作当中难免会有一些比较简单重复，但是又很耗费我们的时间跟精力的事情，那么我们可以尝试着把这个过程 然后打包成一个 skill， 后面的话呢，直接交给 ai 来去处理这个事情就可以了。就像我一样，就是我每个月的对账单，它其实就是呃把我这边每个月每家客户的一个账单数据跟客跟财务发给我的这样的一个账单数据去做一个核对。 呃，首先第一个的话呢，我觉得这个事情它并不难。第二个的话呢，它比较耗费时间和精力，而且的话呢，呃，就是一出神就可能把数据给看错了，所以我希望把这个过程呢直接丢给 ai 来去帮我去做。那么我是怎么去做呢？首先第一个我把呃我要核对的这个账单数据我发给了 card code， 然后 把这个整个的核对的流程以及注意事项我发给了 card code， 然后让他帮我去完成这样的一个核对工作。结果下来的话呢，就是 card code 他 完成了这样的一个工作，并且跟我自己核对下来的结果它是完全一致的。然后我 然后我就想着，哎，首先第一个我把这个过程打包成一个 skill， 那 么下一次的话呢，呃，我再去需要核对的时候，我就不需要再去跟跟他对话，再把这个流程再跟他讲一遍了，然后这个 skill 呢？它，呃安，它打包好之后呢，我就 想测试一下这个 skill， 它用来去核对其他的账单，嗯，或者说放在其他的一些 ai 工具上是不是照样能跑得通？那么我就把这个 skill 呢安装到了 qcloud 里面去，我刚刚的发给 cloud code 的 账单发给 qcloud， 同样的它就开始运行了这个账单核对的一个工作，呃，结果就是核对下来跟 cloud code 以及我自己人工核对下来的，呃，结果它是完全一致的，并且我又发了前几个月的账单，然后发给 qcloud 去测测试，哎， 呃，那这个 skill 它是没有问题的，这个账单核对下来的结果也是没有问题的，那么后期我是打算再再多做一些测试，完全没有问题之后呢，我就放心大胆的去把这个账单核对的工作就交给，呃，交给这个 qq 或者说是财务的 code 来去帮我去处理。那么我原先的话呢，要花几个小时来去完成的事情，现在几分钟就能搞定了， 所以说如果说你你也会，你的工作当中也会有一些像我这样的简单重复的又很花时间的这样的一些事情，那你那么你们也可以把这样的事情啊打包成一个 skill， 后面让 ai 来去帮帮你， 来去完成。如果说你不知道怎么去安装 qq 或者说 cloud code， 那 你们你们可以在评论区里面回复一个一，后面的话呢，我就出一些这方面的一些相关教程给到大家。
17:15查看AI文稿AI文稿今天我要用二十分钟时间从零到一，给你讲透 skill， 让你从小白直接进化到 skill 专家。今天会包括什么内容呢？首先就是 skill， 它和提示词、系统提示词以及 mcp 的 区别。 然后我就说一下 skill 的 标准结构，它的底层原理，从哪里可以下载到好用的 skill， 然后判断 skill 好 还是坏的评价标准，以及 skill 的 编写方法，常见的 skill 的 设计模式。最后我会放上我自己经常用的，并且用过以后感觉非常非常大家都一起使用的 skill 进行一个推荐。 那在深入这些概念之前啊，我想先带你看一看一套真正落地的工作流，是我自己平常也在用的，我给它取名叫 map content factory， 它是一个可以从端到端的内容创作的 skill 工作流， 接管了我很多的创作工作，那它会有专门的 skill 像流水线一样接力完成。主要分四个阶段。第一个阶段是 researcher agent， 它主要负责网络搜索调研。 最后调研的成果呢，会按照固定的格式写进一个文件里面，作为给下一个 skill 的 交接。第二阶段会用 slidecraft 捕取调研的文件，把纯文字转换成美观的 html 形式的换登篇，它只负责一个格式的转换。 那第三个阶段，我会用 hyperframe 把 html 渲染成带动态效果转场和配音的视频文件啊。第四个阶段，我会用 content distribute， 相当于一个内容的分发， 把各个平台的规格自动裁切尺寸，然后生成封面，写不同的文案，然后准备推送。 有这样一个 skill 的 生产流水线的好处就在于它接管了你大部分的内容生产的工作，同时你可以在任意一个节点，比如说如果你对文章不满意，你可以随时回退，对 html 不 满意，你还可以把文章再次放到 photoshop 这个 skill 里面去调整。 那这是一个我用的 skill 的 工作流的一个演示，最左边会有一个写文章的 skill， 他 已经把文章写好了，保存下来了，然后中间是我的幻能片的 skill， 他 把文章读起过来以后，然后我们这里已经生成好了一个幻能片，我们打开看一下，大概是这个样子， 它会有不同的风格，然后按照不同的风格把文章渲染成网页端的缓存篇，然后我会把它交给第三个 skill 这个 skill， 它主要是把这样的网页缓存篇，也就是 html 文件生成成呃，带有动态效果的视频。 这三个 skill 都是紧密相扣，互相联系的，最后生成的效果。我们也可以打开这个文件，然后去预览一下， 这个就是一个完整的 skill 工作流，从文调研到文章，到静态画图片，再到最后的教学类的视频，就是很简单，大概二十分钟就可以深度完成 那么一套整个这样的 skill 流水线。它最核心的就是 skill 之间，它不通过对话记忆传递上下文，而是通过文件系统一直在交接成果。 每一个中间的文件都是明确定义的一个接口，那你上面按格式去写，下面他会按格式去读，哪怕你的 ai 服务突然断了，或者你的对话窗口关了，三天后再打开，只要文件夹里面躺着最新的那一个中间的文件，整个流水线就能没有断点的无缝连接上， 对于很多需要几十轮交互的复杂任务来说，这种设计几乎是必须的。中间的文件它就是一个很好很好的进度条。 那接下来我们来聊一聊 skill 它到底是什么？那在二零二五年底啊， ansapic 正式发布了 agent skill 的 开放标准， 到二零二六年五月，已经有超过二十款主流的 ai 产品接入了 skill， 包括说 cloud code， cursor codex， kimi tree 等等。那其实你花一个小时写好的 skill 呢？可以在所有这些平台上直接去附，用不用被某一款工具锁定住。 从文件形态上看呢，其实简单的，最简单的 skill， 它就是一份 markdown 文档，也就是一个文文本档，里面可以是中文，可以是英文，只要是人的语言都可以。那它开头呢，会用一个 yaml 格式的东西存放源信息， 源信息里面会包括一些名称啊，描述啊，版本啊，出发条件啊等等。当然了，一个生产级的 skill， 它包括的东西永远不止一个 skill 点 md， 一 般来说，它会有一个 skill 点 md 作为核心的指令，然后同时也会配着 reference 和 script， 分 别是参考和脚本。那我们现在打开源信息夹来具体看一下， 那这里我们拿 remote 做 hyperframe 这个 skill 来具体看一下，它是一个把 remote 类型的视频转换成 hyperframe 类型的视频的一个 skill。 那 这里我们可以看到它具备 reference， script， script， md， 同时还多一个 asset a reference 文件夹呢，它主要是放一些参考文件，比如说一些输出的案例啊，一些风格对照啊等等，主要是当做一个辅助资料。那 script 在 这里面，它主要是跑放啊， ai 可以 直接去跑的脚本，这个时候 ai 就 不需要有太多思考了，只要想好用哪个脚本， 它直接去执行就可以，这样可以保证百分之百的执行正确率。然后就是 script， 它其实是一个 ai 的 大脑，它决定了什么场景下应该去唤醒 ai， 以及拿到任务后怎么一步一步执行。这一层必须要精练，因为 ai 它的理解成本能力是有限的，核心指令如果太臃肿了，执行进度就会下降，这一步是整个所有的灵魂。 下面我们来比较一下 skill、 系统提示词以及 mcp 它们三个的关系。首先呢，这三者都涉及到给 ai 先打指令，但是它们定位是完全不一样的。系统提示词呢，它是全局的常规设定，也就是说从绘画开始到结束，它一直都在底层的上下文里面。 它的优点是覆盖面广，缺点是只能是一段扁平的文本，也就是说它装不下案例库，装不下脚本，更没有办法按需加载。项目规模上去以后，它会越来越臃肿。 但 skill 呢，它是一个模块化的三层的工具包，也就是说只在触发条件满足的时候，它才会去加载，执行完呢，也不会长期的占用记忆窗口。你可以在一个项目里面装上十几二十个 skill， 但是 ai 一 次只会加载需要那一两个。而 mcp 呢，它解决的是我能连接什么外部资源的问题。 如果把 mcp 比作是硬件驱动的话，那 skill 它就是跑在驱动之上的应用软件，也就是说两者互补。 没有 m c p 呢？ skill 光有想法，碰不到边界，没有 skill， m c p 它有性能，但是不知道怎么发挥，一个管能不能，一个管怎么做？ system prompt， 它适合放在贯穿所有任务的底层偏好。 而 skill 呢，它适合放特定任务的专业流程， m c p 则适合放一些连接外部世界的具体工具，三者各司其职，合理分工。接下来我们来讲一下 skill 的 底层原理，以及它为什么如此适配大圆模型。 首先就是 skill， 它给大圆模型提供了明确带有约束的指令，而不是模糊的意图。其次， skill 它有一个渐近式批漏的特点， ai 会先扫描是否需要加载，然后会加载中文，中文出发以后加载完整逻辑，然后它会看是不是需要引用 reference。 第三呢， skill 它是可以条件触发的，可以通过直接调用，也可以关键词来匹配。也正是因为这样的特点， skill 它是极其的省 token 的， 一百个 skill， 它大概只占五千个 token。 而一般来说呢，对一个一百万的上下门窗口，一个 skill 大 概也就只占百分之零点二到零点四的一个比例。但这并不是说 skill 就 可以想写多长写多长。一般来说， skill 的 正文控制在五百到两千字是一个最好的甜蜜点，太短的话约束不足，太长的话就会稀释注意力。 那从哪里可以获取高质量的 skill 呢？我推荐三条路径。首先就是去 skill 的 s h 下面下载，它是由 word， excel 出品的， 优点就是标准化程度高，而且支持 npx 一 键安装，非常适合用正规军。第二条就是小红书，因为它上面有大量的中文创作者，沉淀了很多本土场景的 skill， 缺点就是质量会参差不齐，需要你自己甄别。 第三条就是你自己写 skill， 自己用，它其实是最贴合个人实际工作流的，你不需要会编程，只要你能把日复一日的任务用文字表示清楚，你就可以用一个基础的 skill。 那如何去评价一个 skill 的 好坏呢？这里有五条标准，首先就是一个 skill 应该只专注于一项工作。第二 skill 应该有足够的交互性和定制性，关键决策一定是要用户来做主的。然后就是我们刚才提到的 skill 应该控制在五百到两千字之间。 第四就是 skill 他 要有明确的边界条件和注意事项，他应该主动写清楚，这个 skill 应该要比全能 skill 更可靠一些。第五就是可以组合性， 它会把输入接口、输出的格式都定义清楚，你的 skill 应该能像乐高积木一样跟其他 skill 拼接，组成一个 skill 的 工作流，而不只是单打独斗。第八部分我们来讲一下 skill 到底怎么安装。首先 skill 呢？它的安装有三个层级，企业级、用户级以及项目级。 如果你安装在了项目级，这个 skill 它只有在项目里可以用。如果安装在了用户级，它会在每一个项目里面生效。 那一般来说呢，会有三种安装方式，首先就是手动复制到对应的 skill 目录，或者你也可以用 npx 一 键去安装。 还有一种方法就是你把链接直接丢给 ai， 让他去帮你配置，等项目会有一个具体的演示。那如何触发 skill 呢？第一种方法就是打一个斜杠，完整的输入 skill 的 名字，这样就可以强制触发。 第二种方法就是你直接用人话告诉 ai， 我 要用这个这个 skill 去完成什么样的任务。第三种如果你忘了调用 skill， 有 的时候 ai 会判断你这个任务适合用什么样的 skill， 会帮你触发。下面我们来看 skill 的 具体安装方法。这里面是一个 skill， 我 们直接点击 code， 点击 download zip， 这里面展示的是第一种安装方法，也就是我们直接把文件夹创建好，那我们下载完以后呢，我们直接去嗯， 解压缩，然后点开 skill demo， 这是一个你的工作文啊，文件夹在这里面。解压缩以后，我们打开这个文件夹，看到这个 skill 在 这里面了，当然这还不够， 因为呢 skill 它需要在正确的目录结构。什么是正确的目录结构呢？首先我们需要创建一个文件夹，叫做点 cloud， 如果你用 cloud 的 话是点 cloud， 如果你用其他的话就叫点 agent， 那 我们这里面写一个点 cloud， 然后把它移到里面。 玩上这一步还不够，点开脚壳以后，我们还需要再创建一个 skills 的 文件夹， s k i l s， 然后我们把我们的 skill 移到里面， 这样我们的 skill 就 下载完了。现在我们演示第二种下载 skill 的 方式，这是 skill 点 s h 刚刚介绍的下载 skill 的 网站，比如说我们想要这个 skill， 我 们直接复制这个指令， 这个是 npx 的 下载方式，我们点开我们的 vs code 或者其他的，嗯， ai agent 都可以。那我们点开这个终端，然后我们在这里面直接把刚才的指令复制给他， 打一个回车，他就会一步一步引导我们下载，可能会是英文的哈，这里面他已经自动帮我们选好很多了，我们还需要额外的话，可以再勾选额外的你的对应的编程工具， 那我们点 color code， 然后 project 就是 一个是项目层级，一个是个人层级，项目层级是在项目生效，个人层级在所有项目生效。然后我们继续点 yes， yes， 然后他就帮我们安装成功了，这样下载非常非常快。 然后我们就可以看到我们的 skill 已经在对应的文件夹里面了。 skill 下面有 brainstorming 和 slidecraft skill， 那 我们现在看一下第三种安装方式，我们找到这个 skill 的 仓库，然后让 ai 去帮助我们装这个 skill， 这是一个 ppt 的 skill， 我们点击复制，然后同样打开我们的 vs code， 我 们点击右上角的这个克拉的插件，我们直接跟 ai 说话，让他去帮我们安装。 那我们在这个下方把这个链接粘贴过来以后，我们直接跟他说，请你帮我下载一下这个 q， 然后你也可以说清楚，下载在本项目层级的文件夹里面就可以了，不用下载在用户层级。 那我们发给他以后，我们需要一段时间去等待他去下载，这样的方式会稍微慢一些，然后这个时间我们可以正好测试一下刚才的 skill 没有安装成功。我们可以试一下我们的第一种 skill 的 触发的方法，也就是打一个斜杠，我们点击这里面， 然后打一个斜杠。嗯，可以看到 brainstorming 已经在了，再打一个斜杠，输个 s， 可以 看到 photoshop 也在，这两个 skill 就 可以顺利调用了。如果你的 skill 没有顺利调用成功的话，可能是没有发正确文件夹，或者是你需要新开一个窗口，它才能重新加载。 那我们要如何从零到一，自己写一个 skill 呢？这里有一个从零编辑 skill 的 五步法，那好用的 skill 呢？它一定是诞生于一线业务的。那下面这是我的一个编辑路径。第一步，你一定要定位重复率最高的工作， 而不要凭空造一个 skill。 你 可以想想过去一周自己的工作记录，哪件事每天要做，步骤基本不变，而每次都要花费大量的口舌和介绍背景，这就是非常适合 skill 化的任务， 从一个小痛点开始。第二步，你要把隐性的知识显性化，把脑里面的直觉和经验一字一句的写成 ai 可以 理解的步骤，而不是让 ai 自己去猜你在想什么。 第三步，我建议你开 play 模式，携作用优质的案例去做反向裁剪，让 ai 自己读几份你的高质量作品去总结规律。第四步，我建议你跑通实测，写完以后你不要立刻就调整措辞，补充约束，增加负面案例，一般需要三到五轮实测才能稳定。 第五步，就是去测试触发词，确保你的触发词能被准确的识别到。如果你不喜欢这样的方法的话，你也可以每次记住名字，打一个斜杠，但确保不要跟其他 skill 有 冲突。 在你做你自己的 skill 的 时候呢，会给你下面这四个大的原则一定要遵守。首先就是视力的说服力远远大于文字描述， 你可以给多个 ai 一 些参考，让他去反向拆解理解你的意思。然后一个 skill 只专注于干一件事，但你可以把多个 skill 排成一条管道， 这样他们就能实现非常复杂的工作流。然后就是你要让用户成为核心的决策者，而不是 skill 替你决策。最后你要固化真实的工作流，而不是虚功所敌。 最后我想分享六个常见的 skill 的 设计模式。首先就是检查清单型，他会把大任务拆成不可细分的检查点，一个一个核对完成，一个打一个勾。第二就是交互确认型，也让他独立完成分析以后，他会在每个关键的角色点停下来，给出多个备选的方案。比如说像这个 slidecraft skill， 在我完成文章以后调用它，在调用它整个过程中呢，它会在多个关键的节点去询问我的意见，让我深入的参与其中，这样保证它的意思。它的想法跟我的想法是完全对齐的， 而且不仅可以做到和我完全对齐，也可以做到把它放到网上以后，它可以和无数的不同的人完全对齐想法，做出适合每一个人的产品，而不只是只适用于我的 skill。 呃，下一种是文件流水线型，上一个阶段的输出会作为下一个阶段的输入。阶段与阶段之间呢，主要靠一些文件来连接，好处就是它可以防止绘画中断，而且每个阶段其实都是独立的。第四种就是反向拆解型，把高质量产品归给 ai， 那 反向推导出步骤其实永远像那个蒸馏的 skill。 第五个就是模板定制型，他会先定义好输出的框架和章节的结构，再让 ai 去具体填一些内容。第六种就是工作流的固化型， 先手动完整的做一遍任务，等完整做一遍任务，这个流程已经跑通。确定好之后，让 ai 观察你的操作步骤和决策逻辑，再让 ai 它去提炼，抽象成一个 skill。 下面我想说一下 skill 跟 mcp 的 一个配合的关系。如果你把 ai 一 键的整体能力分层的话，最底层的就是模型，层是大脑， 中间就是 mcp， 他 是手脚跟感官，最上面的才是 skill， 他 是经验和肌肉记忆。那你模型再聪明呢？如果没有 mcp， 他 就碰不到外部世界，而没有 skill 呢？他就不知道该怎么去利用，怎么去改造外部世界 未来趋势呢？很可能是 mcp server 跟 skill 成对，出现一个提供标准化的接口，一个提供最佳时间和流程模板。 最后我想分享一下我个人长期在用而且推荐的 skill 的 清单内容。创作方面，你可以用 slidecraft 来生成你的演示文稿，你也可以用 remotion 让你的代码变成视频，或者你也可以用 hyperframe， 这是一个比较新的一个 skill， 它会把 html 变成视频。 开发方面呢，会给你推荐 code review 来检查代码。 skill creator， 它用来创建其他 skill， 房产抵押用来设置美丽的前端界面。 superpower， 它是一个整套的开发效率套件，完全可以试一下。 而当你想用一个 skill 但是不知道在哪的时候，你可以用 find skill 来帮你找到 skill。 其他的包括 grimy， 它可以模拟严苛的问答来检验你的思路。 keepman， 它可以让你的输出 token 直接降百分之五十以上，但是信息无损。 最后我想说，做一个 skill 其实并没有你想象那么难，它其实最适合从最小，最重复，最让你烦那个任务开始，像打磨工具一样，跑一遍，改一版，再跑一遍，再改一版， 一点点积累出来。越早开始积累，最后的复利效果越明显。很多工具也会过时，但沉淀下来的流程不会过时。
02:21查看AI文稿AI文稿每天学习一个 skill， 今天看 xten absidian visual skills。 它把 cloud code 和 absidian 连起来，生成 extradrill、 mermaid 和 canvas。 一 句话，把文本想法直接变成可编辑的可式化资产。 这个套装解决的是一个很具体的问题，知识整理时，图总是最后才补。现在你可以先描述结构，让 still 直接产出 obsidian 能打开的图。所以它不是画图玩具，而是文档、笔记和演示的生产力入口。 rimi 里最重要的信息是，它包含三类可视化 skill， excculateral 负责手绘感图表， mermaid 负责专业流程和时序， canvas 负责交互式思维整理。三者合起来，覆盖了从草图、技术图到知识地图的常见场景。 第一个是 excalibur 图表生成器，适合流程图、关系图、架构图和思维导图。它支持 obsidian 模式、标准 dot、 excalibur 文件以及动画模式。触发时只要说 excalibur 画图、流程图或者思维导图就很自然。 第二个是 mermaid 可适化器，适合放进文档和工程说明。它支持流程图、循环图、对比图、思维导图、持续图和状态图。更关键的是，它内置了语法错误预防机制，减少 mermaid 常见翻车点。 第三个是 obsidian canvas 创建器，输出的是有效的 dot canvas jason， 它可以做中心发散的思维导图，也可以做自由布局的复杂网络节点大小、颜色关系、连线和分组都会自动帮你铺好。第一版 安装方式，最推荐走 clock coke 的 plug in marketplace， 先添加 external slash xten absidian visual skills， 再安装 absidian visual skills 如果只用 excalibrium， 记得 excalibrium 里也要装好 excalibrium 插件。 使用时记住一个顺序，先选图的载体再说清结构手绘感用 excel， 工程文档用 mermaid， 知识地图用 canvas。 每天学习一个 skill， 我 们下期见。
929赛博牛马
01:48:15300九天Hector
19:30查看AI文稿AI文稿大家好，这里是最佳拍档，我是大飞。最近呢，有一个名为同事点儿 skill 的 开源项目火了，在 geha 平台上上线仅仅几天就收获了超过一点三万颗 star， 直接呢冲上了全球技术热搜。紧接着呢，前任点儿 skill、 老板点儿 skill、 父母点儿 skill， 甚至是女娲点儿 skill 等十几个衍生项目像雨后春笋一样冒出来。 网友们甚至编出了一句非常扎心的流行语，同事散是 token， 聚是 skill。 这句话呢，听起来好像很有科技感，但是背后蔓延的呢，却是一种真实而且普遍的恐慌。 如果一个员工的专业能力、工作经验、沟通风格都能够被打包成一个小小的 skill 文件，那是不是意味着每一个打工人都可以被轻易地替代呢？是不是意味着未来公司不需要养那么多员工了，只需要收集一堆的 skill 就 能够维持运转了呢？ 是不是意味着我们辛辛苦苦积累了十几年的职场经验，一夜之间就变成了可以被复制、粘贴、共享甚至贩卖的数字文件呢？ 这种恐慌传播的非常快，甚至已经影响到了很多人的职场心态。有人呢，开始焦虑自己的核心竞争力，有人担心公司会强制收集自己的 skill 然后裁员。甚至还有人真的相信 skill 是 一种能够实现数字永生、赛博分身的颠覆性黑科技。 也有一些观众呢，发信息给我，担心自己作为职场人，很快都要被 skill 给炼化了。但是今天这期视频我想要告诉大家的是，这场席卷全网的 skill 狂欢，本质上其实是一场建立在错误认知之上的技术神话，甚至可以说是一场荒诞的科技闹剧。 因为从底层的技术逻辑、工程实现机制以及实际应用效果三个维度来看， skill 呢，并不是什么能够代替人的神级技术。 它的本质呢，就是我们早已经熟悉的不能再熟悉的提示词，也就是 prom。 只不过呢，换了一种更规范、更结构化的包装形式而已。所谓的炼化员工数字、永生替代真人等等说法，也都是呢被舆论过度放大，过度神话的结果。 接下来呢，我们就来聊一聊 skill 到底是什么，它能做什么，它绝对做不到什么，以及我们到底该以怎样的心态来面对当下的 ai 技术浪潮。 我们先从最基础的问题开始， skill 到底是什么呢？它从哪里来的呢？不太了解 ai 发展的人可能会以为 skill 是 二零二六年突然横空出世的新物种，是一个专门为了炼化同事而生的黑科技。但是事实呢，却完全相反， skill 的 起源其实和替代人没有半毛钱关系。它的诞生初衷只是为了解决 ai 使用过程中一个非常朴素、非常工程化的痛点， 那就是需要重复地输入提示词，上下文浪费以及指令无法附用。 skill 的 真正源头呢，来自于 ai 公司 osropig。 二零二五年十月十六日， osropig 正式宣布为旗下 cloud 的 大模型推出了 skill 功能。 这个功能上线之后，在当时并没有立刻引爆全网，只是在 ai 开发者的小圈子里流传，直到两个月之后，也就是二零二五年十二月十八日， osropig 呢，做了一个关键的动作， 把 agent skills 正式发布为开放标准，在 agent skills 点 i o 上官方托管。随后呢，微软 open i 代码编辑器、 curser、 github 等全球主流的科技平台相距宣布采纳了这套标准。 这条时间线呢，非常重要，从二零二五年十月功能发布，到二零二六年四月国内爆红，中间呢，其实隔了将近半年的时间。这半年里呢， skill 一 直是在正常迭代的生态呢，也一直在完善，却一直没有出圈。 那么，从技术实现层面，一个标准的 skill 到底长什么样子呢？它又是怎么运行的呢？简单来说，一个 skill 本质上就是一个标准化的文件夹。这个文件夹里边最核心的是一份名为 skill 点 m d 的 文件。 这份文件呢，由两部分组成，一部分呢，是 ymail 格式的原数据，用来标注 skill 的 名称、用途、适用场景、作者信息。另一部分呢，是 markdown 格式的指令正文，用来写清楚 ai 遇到具体任务的时候，应该按照什么流程、什么规范、什么风格去执行。 除此以外呢，一个完整的 skill 还可以选择性的附带参考文档、脚本文件、模板文件等资源，形成一个自包含的指令包。 ansaurus 呢，给 skill 的 运行机制起了一个很专业的名字，叫做渐进式批漏。什么意思呢？就是平时这个 skill 在 ai 的 上下文窗口里，只占用几十个 token 的 摘要信息，几乎不占资源。 只有当用户的请求当前的任务精准匹配到这个 skill 的 领域描述时， ai agent 才会自动把这份 skill 的 全文加载进来，执行里面的指令， 任务结束之后，多余的上下文会被释放，不会造成资源浪费。说到这里，大家应该已经能够感觉到了， skill 和我们平时在 chat gpt cloud 的 对话框里手写的提示词，本质上呢，其实是同一种东西，都是给 ai 的 指令， 两者之间不存在任何智能程度上的质变，也不存在 skill 有 智能，提示词没有智能这样的区别，更不存在。 skill 能让 ai 产生新的推力、能力，创造新的知识。它们唯一的区别仅仅体现在三个工程维度上。 第一， skill 可以 被 ai 自动发现，自动匹配，按需加载，不需要我们每次都手动复制粘贴。我们平时用提示词，每次呢，做同一件事情都要重新写一遍，要求重新解释一遍，背景重新强调一遍，规范，非常麻烦。 而 skill 只要部署好了， ai 就 能够自动识别什么时候该用它，不用我们反复提醒。第二呢， skill 可以 携带参考文档、脚本模板等等附加资源，形成一个完整的可独立运行的指令包。 普通提示词呢，就是一段纯文字，想附带文件还要手动上传。而 skill 把指令和配套资源打包在一起，移植分享步数都更加方便。 第三呢， skill 遵循统一的开放标准格式，理论上可以跨平台、跨模型的复用。你在 cloud 里写的 skill， 只要符合标准，放到 openid code c r i github coop 里边大概率也能用。而手写的提示词往往有平台兼容性问题，换个模型就可能失效了。 理解了这个核心本质，我们再回头看全网疯传的同事点 skill 项目以及炼化员工的趣事。同事点 skill 这个项目到底做了什么呢？它的流程非常简单，第一步，收集一个同事的非书聊天记录、钉钉工作文档、邮件、会议记要代码提交记录等等所有的数字痕迹。 第二步，通过算法把这些数据提炼整理，生成一份符合开放标准的 skill 点 m d 文件。第三步，把这份文件部署到 ai agent 里，让 ai 按照这个同事的表达风格、工作流程、沟通习惯去回应任务。 说白了，这个项目模拟的只是一个人表达风格的外壳，工作流程的框架、沟通话术的模板。他绝对不可能模拟出那个人真正的专业判断力、问题解决能力，以及模糊场景下的决策能力。 举个真实的例子，一个资深的后端工程师，他的 skill 可以 写清楚， register key 要设置 ttl， 建议时长二十四个小时到七十二个小时。这是一个显性的操作流程， 但它真正的核心价值是在业务高峰期缓存、血崩、数据不一致等极端的场景下，快速定位问题，给出最优的解决方案。 这种基于多年经验形成的直觉判断力排错思路是根本无法写进 skill 里的。 skill 能够记录怎么做，但是记录不了为什么这么做，遇到意外该怎么去权衡，以及不同场景下该怎么去变通。 所以呢，同事点儿 skill 能够做到的最多是生成一段向那个同事写的代码，回复一段向那个同事说的话，但是他绝对替代不了那个同事处理复杂问题、创造核心价值的能力。但是呢，就是这样一个本质朴素的技术，却在全网引发了近乎疯狂的游戏化收集狂热。 为什么会这样呢？因为 skill 这个词的中文翻译是技能。而人类呢，本能地对获取更多的技能，让自己变得更强有着强烈的渴望。 这种本能呢，被舆论巧妙地引导到了 ai 工具上，催生出了一种类似于游戏打怪、升级、收集神装的心态。现在你去各大技术社区、社交平台去看，到处呢都是 skills 分享帖、安装教程、使用攻略、各种第三方 skill 市场，比如 skills forge、 skills mp 等平台相近上线。 根据数据统计，目前主流 ai 平台生态里的 skill 数量已经达到了十万级。很多人陷入了一个误区，我安装的 skill 越多，我的 ai 就 越强大，我的工作效率就越高，我的竞争力也就越强。但是我在这里必须指出，这种心态是对 skill 运行机制的完全误读。 前面我们讲过， skill 的 核心机制是按需加载 ai， 在 执行单次任务的时候，只会调用与当前任务相关的一个或者几个 skill， 其余所有的 skill 都处于沉默状态，完全不参与计算，也不影响输出的质量。 这就好比你的手机里装了五百个 app， 但是你每次只打开一个微信，剩下的四百九十九个并不会让你的微信变得更好用。 你装五百个 skill， 和你只装五个常用的 skill， 在 完成同一份 excel 数据、处理同一份文档、编辑同一段代码、审查任务时，输出结果的质量没有任何区别，它完全不像游戏里收集装备叠加 buff 那 样，数量越多，属性越强。 skill 不是 战斗力加成，而是工具级工具，再多一次也只能用一把。更能够说明问题的，其实是官方的数据。 ansaurus 官方生态里使用率最高的 skill， 全部集中在最基础、最标准化的文档处理领域，比如说 excel 读写、 word 编辑、 powerpoint 的 生成、 pdf 处理等。内置 skill 是 附用频率最高、最实用的。 这个数据呢，直接揭示了 skill 的 真实价值。真正有用的 skill 解决的是高度标准化、重复性强、流程固定的问题，而不是什么炼化人类的经验、替代核心人才的玄幻功能。简单来说，我们让 ai 用 skill 来批量处理报表、格式化文档生成、标准化的周报，效率提升会非常明显。 但是，如果想让 skill 替代一个资深的员工来做业务决策、产品设计、推进复杂的项目，显然还差得远。只是，当这种舆论狂热从互联网圈层蔓延到真实的职场，荒诞的事情就发生了。部分企业开始强制要求员工上交自己总结的工作 skill， 美其名曰知识沉淀、数字化转型，结果却引发了员工的强烈反感和对抗。这种做法呢，暴露的不是企业管理者的前瞻性，而是对 skill 本质的彻底无知。 我给大家拆解一下，为什么强制上交 skill 是 一个极其愚蠢的主意。首先呢，一个 skill 的 质量完全取决于赚写者的诚意和总结深度。你自愿沉淀的经验和你被迫上交的内容质量可以说是天差地别。强制提交本质上是摧毁员工诚意的最有效的方式。 为了应付差事，员工完全可以写出来一份看似专业、完整、规范，但是实际上毫无价值的 skill。 更有意思的是，已经有技术人员专门开发出了反蒸馏点 skill， 这是一个典型的防御性工具。 它的功能很简单，把 skill 文件里的核心知识、关键细节、实用参数自动替换成正确但是完全没有信息量的职场废话。 我们还拿之前 radis 的 例子举例，经过反正流点 skill 处理之后就会变成缓存使用。请遵循团队规范，具体参数是业务情况而定。这句话呢，挑不出任何错误，符合所有的职场话术规范。看起来非常专业，但是对 ai、 对 团队、对工作没有任何实际的帮助。 以大非我多年在科技公司的管理经验来说，知识沉淀这件事情一定是激励，而不是强迫。不是所有人的经验都值得被强行沉淀，很多零散的经验，还不如搭建好环境，让 ai 自己去学习。 更重要的是，你不能让员工觉得公司让我沉淀 skill， 就是 为了替代我裁员，我一旦产生这种对立的心态，沉淀出来的只会是垃圾。 更何况，比形式主义更深层的问题是，强制上交 skill 的 逻辑从根本上就是自相矛盾的， 公司真正想要的是员工的默会知识。什么是默会知识呢？就是那些只可意会不可言传的能力，比如说长期形成的判断习惯、排错直觉模糊场景下的处理方式，人际合作的默契，以及对业务的深度理解。 这些东西之所以叫默会，就是因为它们很难被显性化、文字化、标准化。而 skill 这种形式注定只能够承载显性化的操作流程。 能够写进 skill 点 m d 里的都是步骤清晰、规则明确、可以复制的动作。而真正决定一个人工作质量和核心价值的深层判断力，哪怕是最优秀的员工自己都未必能够完整地表述出来，更不可能被意志行政命令给逼出来。 企业想要通过强制上交 skill 来获取员工的末会知识，相当于想通过一本菜谱获取厨师几十年的火候、直觉和调味经验，本质上其实是一种认知错位。 聊完职场乱象，我们再来看一个更严肃、更贴近每个人利益的问题。 skill 有 没有版权呢？能不能被认定为个人财产呢？能不能实现所谓的赛博永生呢？这也是目前全网争议最大、普通人最困惑的问题。 从法律层面来看，首先， skill 的 版权认定其实非常复杂。 skill 的 核心是工作流编排，本身的表达形式有限，独创性不足。 但是，如果一份 skill 包含了完整的思维逻辑链、精细的角色设定、独创的数据处理逻辑，那么在法律上有可能被认定为具有版权，只不过认定标准极其苛刻，现实中很难满足。 其次呢， skill 有 可能被认定为财产，因为不同的 skill 确实能够带来经济价值，比如说能够提升工作效率、降低沟通成本，减少重复劳动，具备一定的财产属性。 但是问题在于，到底该把 skill 界定为著作权、商业秘密、职务成果，还是个人的数字资产呢？目前法律上没有统一的标准，界定的难度极大。 实际上， skill 就 像公司内部鼓励员工培训讲课、分享经验一样，只不过是可附用性、便捷性更高了。本质上呢，都是知识共享的一种形式。所以公司内部合理的知识共享、经验沉淀无可厚非，但是采用强制手段激发员工对抗心理，最终一定会得不偿失。 除此以外呢，比法律问题更现实的是， skill 的 可迁移性远比大家想象的要差得多。每个人的工作流、判断习惯、对模糊地带的处理方式、写作风格，都是高度个人化、高度场景化的。 你拿到一个别人精心调教，完美适配他自己的 skill， 换到你手里，换到你的业务场景，甚至换到你团队的协助模式里面，大概率会非常不顺手，甚至完全不能用。还有一个最根本、最容易被忽略的问题是， skill 只是一个静态的快照，不是一个动态成长的活人。 一个人是持续成长、持续迭代的。三年前，你写代码的风格、处理问题的思路、沟通的方式，和今天的你可能截然不同。 你会不断地学习新的知识，接触新的业务，总结新的经验，优化旧的方法。但是， skill 一 旦生成，就是固定不变的，它捕捉的只是你某个特定时间点的状态，它不会自己学习，不会自己成长，不会自己更新。除非你手动修改，重新生成，否则呢，它永远停留在过去。 所以， skill 既不能够实现所谓的赛博永生，也不可能构成所谓的赛博奴役，它只是一份静态的、格式化的、标准化的工作备忘录，只能够帮 ai 在 特定标准化任务上表现得更加符合预期，仅此而已。 讲到这里呢，很多人可能会觉得，既然 skill 这么普通，这么有限，那它是不是完全没用呢？是不是就是一个噱头呢？答案也绝对不是。 skill 虽然不是神技，但它是一个非常优秀、实用和有价值的工程化效率工具。 我们既不要神话它，也不要贬低它，而是要清晰地认识到它的能力边界，用在正确的地方发挥它最大的价值。那我也给大家呢，梳理一下 skill 最合理、最有价值的使用场景。 在个人层面，你可以把自己反复做标准化、流程化的工作，提炼成专属的 skill， 比如说周报的固定格式、代码的审查规范、数据清洗的流程、会议记要模板、邮件的回复话术等等。这样一来呢，你每次做这些重复性的工作，就不需要再向 ai 反复解释上下文反复强调规范了。 ai 呢，就能够自动调用 skill 帮你来快速完成，节省大量的时间和精力，提升个人工作效率。在团队层面呢，你们可以把约定俗成的写作规范、技术标准、审批流程、项目模板、新人培训手册等等封装成共享的 skill。 相比于传统的 word 文档、 vk 页面、培训、 ppt， skill 能够直接被 ai 调用，新人入职，可以快速上手。团队的写作呢，能够保持高度的统一，知识沉淀的效率会远高于传统的方式。 目前呢， osropig 已经为 team 和 enterprise 计划提供了组织级的 skill 管理功能，管理员可以集中配置分发管理，非常适合企业团队落地。 但是呢，我们必须牢牢记住，边界感 skill 能够解决的只有怎么做的标准化流程， skill 绝对解决不了该不该做，做到什么程度，出了意外该怎么办，如何权衡利弊以及如何创新突破等等这类需要价值判断、经验、直觉综合能力的核心问题。 同时呢，我们也要正视 skill 生态的现状。虽然 osrbake 推动了开放标准， open i、 微软等大厂呢，也采纳了相同的文件格式，但是距离真正的写一次到处可用还有很远的距离。 目前呢， skill 的 生态仍然是高度碎片化的，不同 ai agent 的 平台之间的 skill 并不完全通用，开发者往往需要反复的适配修改才能够实现跨平台的运行。 这场狂欢呢，表面上是一次互联网玩梗，一次技术热点，一次开源项目的爆红，但是背后其实也隐藏着我们这个时代对于 ai 技术的两种极端心态，过度恐惧和过度狂热。 过度恐惧是因为我们误以为 ai 能够轻易地替代人类，误以为我们自己的核心价值会被技术碾压。过度狂热是因为我们误以为技术能够解决一切问题，误以为一个工具就能够替代复杂的人类能力。而这两种心态都源于同一个问题，没有认清技术的本质和边界。 skill 呢，就是一面最好的镜子，它不是能够实现永生的数字灵魂，更不是能够颠覆职场的终极武器， 它只是提示词的工程化封装，是一个标准化、可赋用、可共享的效率工具，它有用但是有限，它高效但不智能。它能够规范流程，但是不能够替代判断。它能够沉淀经验外壳，但是不能够承载人类的核心价值。 对于我们每一个普通人或者职场人来说，面对 ai 时代层出不穷的新技术、新概念、新热点，最该保持的不是恐慌或者是狂热，而是理性、客观和清醒。 我们既不要被舆论制造的焦虑裹挟，不要被科幻化的蓄势迷惑，更不要盲目的跟风追捧，也不要无端抵触排斥。 相反呢，我们应该去理解技术的本质，认清技术的边界，把技术用在正确的地方，时刻要认识到创造力、判断力、同理心复杂问题的解决能力，以及模糊场景的决策能力，才是人类不可被替代的核心， 这才是我们面对 ai 时代最该拥有的姿态。希望这期视频能够让大家看清楚技术的真相，减少一些焦虑。感谢收看，我们下期再见！
02:21查看AI文稿AI文稿你知道怎么用好 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。