00:00 / 01:41
连播
清屏
智能
倍速
点赞207
用Claude Skills做了个会学习的剪辑Agent #AI编程 #剪辑 #剪映 #skills #claudecode 太香了!我用Claude Skills做了个会学习的剪辑Agent,10分钟自动剪视频 大家好,我是成峰。我花了一周时间用Claude Code的Skills功能做了个剪辑Agent,真的爽!10分钟就能自动剪一条半小时的视频。 为什么要做这个Agent? 我经常用剪映剪口播视频,但遇到两个问题: 1. 智能剪口播无法理解语义 —— 重复的片段无法识别,二三十分钟的视频自己剪很累 2. 字幕质量不好 —— 自动生成的字幕错别字多 传统工具(如剪映)= 固定工具 + 手工操作,而我要做的Agent = 自适应系统 + 自动学习。最厉害的是:它会越用越懂你,越来越快。 三个核心设计 1. Agent逻辑(4步工作流) 视频文件 → 转录识别 → 审查稿生成 → 最终视频 2. Skills技能系统 以前我把所有功能做成一个大skill,很麻烦。现在我把剪辑的5个核心任务分成了5个独立的skills: - 安装 - 剪口播 - 加字幕 - 自更新 - 其他 输入 /v,Claude Code就会自动列出这些技能,选一个就执行。原来需要10分钟的手工操作,现在只要选个菜单。 分成多个独立skills的核心原因是:人需要检查阶段性的产出。比如我要看审查稿是否正确,确认后再执行剪辑。 3. 自更新机制:越用越懂你 每次执行任务后,你给反馈,AI会把反馈永久保存到Skills里。这是我最得意的设计。 关键点:Skills从一套通用规则,逐渐变成了只属于你的定制化方案。用10次,它就知道你80%的习惯。用50次,它就完全符合你的需求。
00:00 / 04:29
连播
清屏
智能
倍速
点赞2456
00:00 / 03:28
连播
清屏
智能
倍速
点赞1127
00:00 / 01:57
连播
清屏
智能
倍速
点赞141
00:00 / 01:37
连播
清屏
智能
倍速
点赞72
00:00 / 05:42
连播
清屏
智能
倍速
点赞35
今天我们聊聊AI圈两大热词MCP和Skills有何不同? Skills与MCP:AI能力调用的两大技术路径解析 #Skills #MCP #AI #Claude AI圈围绕Skills和MCP两大技术概念展开热烈讨论。虽然两者都旨在提升AI模型的能力调用效率,但在设计哲学和实现机制上存在显著差异。 核心区别:自主决策vs规范执行 Skills采用“充分信任模型”的理念,将决策权完全交给AI。它由带元数据的Markdown文档和可选辅助脚本组成,采用“渐进式披露”的加载方式:未激活时仅加载技能元数据,激活后才完整加载详细说明。这种设计让AI模型自主判断何时需要何种技能。 相比之下,MCP(模型上下文协议)强调规范化管理,通过结构化能力描述约束模型行为。其组成复杂,包含宿主、客户端、服务器等多种定义标准。MCP在启动后即完整加载所有上下文,严格规定模型的输入输出格式。 技术特点对比 Skills环境依赖简单,仅需文件系统访问和代码执行环境,但对权限要求较高。MCP权限要求相对宽松,但环境配置更为繁琐,需要完整的依赖安装和配置流程。 产生背景与演进趋势 Skills概念的兴起源于2025年AI模型能力的大幅提升,以及解决“上下文爆炸”问题的需求。其极简的标准化协议有效解决了跨平台割裂问题。 未来,Skills与MCP将走向融合。Skills作为“认知与决策层”,负责任务拆解和调度;MCP作为“执行与连接层”,提供标准化能力接口。这种结合将形成可扩展、可迁移的智能体能力体系。 两种技术路径各有优势,共同推动着AI应用向更高效、更可控的方向发展。
00:00 / 10:01
连播
清屏
智能
倍速
点赞5
00:00 / 01:06
连播
清屏
智能
倍速
点赞31