客服总被问崩？手把手教你一周搭个AI数字员工，7x24小时自动回消息_服务软件

1. 全球首家无人公司来了！一整个AI团队替人上班，不吃饭不摸鱼，普通人的数字员工时代真的来了吗？#大咖观察 #红衣聊AI #智能体 #AI时代

2. 阿里全家桶全面Agent化！千问“任务助理”全面公测，从此AI不再只是动嘴出主意的狗头军师！

3. #Skills彻底改变了AI使用方式#Skills范式从硅谷火遍全球，成AI行业新风口，国内外大厂争相跟进，字节跳动“扣子”更是率先落地“技能商店”，让这一技术从开发者圈层走向普通职场人，彻底重构了大模型的使用逻辑。不同于传统Prompt的单次指令，Skills将专业知识、工作流与脚本封装为可复用的能力模块，按需加载的特性破解了上下文窗口过载难题，让通用大模型能快速变身领域专家。从开发到办公，固定流程被转化为可调用技能，大幅降低AI使用成本，实现知识沉淀与效率提升。这场变革的核心，是AI从“灵感生成器”向“标准化能力组件”的转型。大厂的集体入局加速了技术落地，也让Skills成为跨平台的通用知识载体。未来，随着技能生态的完善，AI的规模化落地将迎来新可能，而如何做好技能的标准化与安全管理，将成为行业下一阶段的竞争关键。，#用智搜高效玩转AI##HOW I AI# skills彻底改变了ai使用方式

4. 【深度拆解Clawdbot：40小时研究后，我发现了那些没人告诉你的真相】最近Clawdbot在社交媒体上火得一塌糊涂。到处都是Mac Mini的照片，各种“我把一切都自动化了”的模糊宣言，人们把它称为“未来”却从不解释为什么。我花了40小时深入研究文档、分析用例、观看教程，把能找到的每一份实施指南都读了一遍。以下是所有人都在炒作但没人真正解释清楚的内容，包括那些被刻意忽略的部分。+ 一句话说清楚Clawdbot是什么抛开技术术语，Clawdbot本质上是“长了手的Claude”。你知道和Claude聊天时它会给你答案吗？想象一下，如果Claude能在你的电脑上真正执行这些答案：安装软件、运行脚本、管理文件、监控网站、发送邮件，全部通过WhatsApp、Telegram或iMessage的简单文字命令完成。普通AI说：“这是你整理文件的方法”Clawdbot：在你读完这句话之前已经整理好了这就是人们说的“自主AI”的含义。它不只是回答问题，而是完成任务。+ 为什么大家都疯了推特上的用户反馈听起来几乎像假的：“一夜之间清理了10000封邮件”“通过Telegram躺在床上看Netflix时重建了整个网站”“它自己搞定了Sora API集成”“48小时内自动化了80%的工作”它与其他AI工具的核心区别在于：运行在你自己的电脑上，可以从任何地方控制，能使用电脑上的任何应用，甚至能自己构建工具。有人问Clawdbot：“你能访问我的大学课程表吗？”它回答：“不能，但我可以构建一个技能来做这件事。给我一分钟。”经过几轮迭代和优化，它创建了集成。重要提醒：这不是魔法。构建复杂自动化仍然需要清晰的指令、对可能性的理解、测试和优化，有时需要数小时的设置。但自主执行的框架是真实存在的。+ 没人说清楚的关键：即开即用vs需要构建Clawdbot有两个能力层级：第一层级，开箱即用（几分钟设置）：文件管理、基础研究、日历邮件读取、简单自动化、文本处理。这些是即时或接近即时的。第二层级，强大但需要构建（数小时到数天）：高级邮件管理、交易市场自动化、社交媒体自动化、复杂代码项目、自定义集成。这些需要自定义技能、API连接和配置。+ 真实案例背后的真相那些令人印象深刻的案例都是真实的，但它们不是魔法，而是清晰需求、技术理解、迭代优化和时间投入的结果。比如“通过Telegram重建整个网站”的用户，他本身是开发者，具备深厚的技术知识，理解Web开发，有现成的网站结构可以参考，经过了多次迭代和命令。这不是初学者能复制的。+ 成本现实设置成本为零（开源），API成本按使用量付费给Anthropic。典型用户每月15到50美元，重度自动化用户每月50到150美元。第一个月要密切监控API使用量，了解你的实际成本。+ 谁应该使用完美适合：熟悉命令行的开发者、经常自动化的技术用户、有明确重复任务的人、愿意投入设置时间换取长期收益的人。暂时不适合：完全不懂命令行的初学者、期望即时高级自动化的人、不愿投入设置时间的人。+ 更大的图景Clawdbot不只是生产力工具，它是我们2到3年后工作方式的预览。我们正在从“AI辅助”走向“AI行动”。现在学习与自主代理协作的人，正在为未来的工作方式建立肌肉记忆。这就像1985年学习电子表格或1998年学习搜索引擎。早期采用者不只是在节省今天的时间，他们正在培养一种5年后将成为必备的技能。但诚实地说，大多数人不会投入时间正确学习这个。他们会尝试一次，当它没有立即解决所有问题时感到沮丧，然后放弃。真正的优势属于那些从简单用例开始、逐步构建复杂性、投入时间学习可能性、持续迭代优化的人。最好的开始时间是去年，第二好的时间是今天。但前提是你愿意真正学习它。x.com/heyshrutimishra/status/2015327280911073789

5. #AI圈为何流行养龙虾了# 最近AI圈全员养龙虾，本质是OpenClaw引爆的AI智能体革命。它不只是聊天，是能本地执行、自主干活的数字助手，GitHub爆火破纪录，上手门槛极低、开源免费、多模型兼容，普通人也能一键部署。和传统AI只给方案不同，龙虾能直接操作设备、处理文件、自动跑任务，从“出主意”变“真干活”。社区疯玩、大厂跟进，标志AI从对话走向自主执行。未来会更轻量化、多模态、生态更丰富，普通人也能拥有专属数字分身。这不是跟风玩梗，是AI Agent落地的关键一步，2026智能体时代真的来了。 OpenClaw才是大众想要的AI能力，你有尝试过嘛？

6. 【你以为AI编程拼的是提示词，其实高手都在“驯化”项目结构】快速导读：别再卷提示词了。想让Claude像个真正的工程师一样干活，关键不是怎么“说”，而是怎么“放”。一个结构清晰的代码仓库，远比一段天花乱坠的提示词更重要。---多数人还在琢磨怎么把提示词写出花来，但真正拉开AI编程效率差距的，根本不是提示词。你以为让Claude写出好代码，靠的是把需求描述得滴水不漏。其实，如果你的代码仓库一团糟，它就只是个聊天机器人；如果结构清晰，它才表现得像个住在你项目里的高级工程师。这中间的差距，比人和狗的差距都大。秘诀在于给AI建立一套“项目解剖学”。这套结构，就是AI的“短期记忆”和“行为准则”。它只需要四个东西：1. CLAUDE.md：项目的北极星文件，简要说明系统目的、仓库地图和交互规则。短小精悍，废话太多AI会抓不住重点。2. .claude/skills/：可复用的专家模式。把代码审查、重构、调试等固定流程变成技能包，随时调用，而不是每次都在提示词里重复念叨。3. .claude/hooks/：自动化护栏。模型会忘事，但钩子不会。比如编辑后自动格式化、核心代码变更后触发测试，把AI工作流变成可靠的工程系统。4. docs/：渐进式上下文。别把几万字的需求文档塞进提示词，让AI自己去查阅架构图、决策记录和操作手册。它不需要记住一切，只需要知道“真理”在哪。有人在一个5万行代码的库上实践这套方法，Claude的错误率直接降低了大约60%。评论区里一片“原来如此”的声音，大家普遍认同：结构大于提示词，仓库本身就是终极提示。提示词是租来的，结构才是你自己的。所以，如果你还在每天花几小时跟AI“念经”，却发现它总是犯些低级错误，问题很可能不在你的提示词写得够不够“魔法”，而在你的项目结构是不是一坨屎。别再抱怨AI笨了，也许它只是在你的烂摊子里迷了路。---简评：这篇文章精准地指出了当前AI辅助编程领域的一个核心误区：过度迷信“提示词工程”，而忽略了更基础也更重要的“上下文工程”。它提出的“项目结构即提示”的观点，对于那些感觉AI“不好用”的开发者来说，无疑是一次认知矫正。从“教AI做事”转向“为AI搭建舞台”，这才是人与AI协作的正确姿势。---ref: x.com/vishisinghal_/status/2032368817981305196#AI创造营##人工智能#

7. Antropic Claude 推出新概念 Agent Skills，让 Claude 从“通用模型”进化为“可编程的专用智能体”，它通过可加载的技能体系，将人类的知识和流程转化为可复用的智能模块。1. 核心概念：Agent Skills 是一种“技能包”，由说明文档、脚本和资源组成。Claude 可以在需要时动态加载这些技能，而不是一开始就加载全部上下文。2. 作用：让 Claude 能执行特定领域的任务，比如处理 PDF、填写表单、运行脚本、执行数据分析等，相当于给 Claude 增加“专业模块”。3. 结构：每个 Skill 是一个文件夹，核心文件是 SKILL.md，包含技能的元数据（名称、描述）和使用说明；也可包含其他资源文件或可执行代码。Claude 根据任务需要，分层加载这些内容。4. 原理：Claude 先读取每个技能的基本信息，当判断某个技能相关时，再逐步加载其详细内容或脚本执行逻辑，实现「渐进式上下文披露」。5. 优势：（1）增强 Claude 的专业性与上下文理解；（2）减少 token 占用，提高执行效率；（3）让组织可复用知识，把程序性经验打包成模块化能力。6. 安全与可扩展性：Skills 可以自由创建与共享，但要注意代码安全和上下文来源；未来 Claude 还将具备自动创建、评估和优化技能的能力。Blog：www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills#人工智能##程序员#

8. Anthropic最新发布的Claude Developer Platform功能，开启了AI代理工具使用的新纪元。未来的AI代理将无缝调用数百甚至数千种工具，像IDE助手整合Git操作、文件管理、测试框架，或运维协调连接Slack、GitHub、Jira等多个系统。他们面临的最大挑战是：如何避免因预加载海量工具定义而导致的上下文爆炸？传统方式可能消耗十万以上tokens，严重影响模型性能。Anthropic提出“工具按需发现”策略——Tool Search Tool，让Claude只加载当前任务真正需要的工具，节省85%上下文空间，大幅提升准确率和响应速度。另一方面，传统自然语言调用工具方式带来的上下文污染和多次推理开销，也被Programmatic Tool Calling（编程式工具调用）彻底革新。Claude通过生成Python代码来批量调用、处理工具数据，只把最终结果放入上下文，极大节省token消耗（约降37%），降低延迟，并提高了复杂流程的执行准确度。此外，JSON Schema虽能定义参数结构，却难以表达正确用法和参数间的关联。Anthropic引入Tool Use Examples，允许开发者通过示例明确工具调用规范，显著提升复杂参数场景下的调用准确率（测试中从72%提升到90%）。这三项功能——工具搜索、编程调用、用例示范——协同解决了大规模多工具场景下的发现效率、执行效率和调用准确度问题。它们不仅适合构建跨多个服务的大型系统，也为开发者提供了灵活、高效的工具管理和调用新范式。开发者可根据应用场景分层使用，先从最大瓶颈入手： - 上下文爆炸优先用Tool Search Tool - 中间数据过多用Programmatic Tool Calling - 参数复杂易错用Tool Use Examples Anthropic的实践证明，这样的设计大幅提升了AI代理的实用性和稳定性，推动智能代理从简单调用迈向智能编排。期待更多创新应用在Claude平台上诞生。原文详见 anthopic.com/engineering/advanced-tool-use—— 这项技术展示了AI工具集成的未来方向：动态发现、代码驱动执行和示范引导，三者合力打造高效、精准、可扩展的智能代理生态。对希望打造复杂多工具AI系统的开发者来说，Anthropic的方案无疑提供了宝贵的参考和实践路径。

9. Bash Is All Agent Need：Anthropic 重新定义智能体开发

10. 真正的系统级Agent！这个桌面上的AI能帮你全自动干活

11. #OpenClaw都能做什么# OpenClaw（俗称龙虾）是一款本地优先、开源、可自主执行任务的 AI 智能体（Agent），核心是用自然语言指挥它帮你完成电脑操作、浏览器自动化、办公与开发等各类重复 / 流程化工作。 OpenClaw 的核心定位不是聊天机器人，而是能动手干活的数字员工。OpenClaw 的核心能力如下： 1. 文件与系统自动化 ①批量重命名、整理、备份、分类文件。 ②读写 / 编辑文档、生成目录、压缩图片、清理冗余。 ③执行终端命令、监控系统状态。 2. 浏览器自动化（核心能力） ①自动搜索、填表、登录、点击、导航。 ②网页数据抓取、监控页面更新、批量下载。 ③自动值机、预约、报销、查医生、云平台操作open-claw.org。 3. 办公全流程自动化 ①邮件：筛选、自动回复、批量发送、摘要。 ②日程：同步日历、提醒、规划行程。 ③文档：会议纪要、周报、报告、格式转换。 ④数据：Excel 提取、筛选、可视化图表。 4. 代码与开发辅助 ①生成代码片段、调试、写测试用例、修复简单错误。 ②合并 PR、自动检查逻辑、CI/CD 辅助open-claw.org。 ③文献检索、实验参数优化、科研数据处理。 5. 跨工具协同与消息 ①集成微信、钉钉、飞书、Slack、Telegram 等。 ②批量发消息、自动回复、多渠道统一管理。 ③对接 OA、CRM、API，查询考勤、客户信息。 6. 自定义与扩展 ①用自然语言创建专属自动化流程。 ②安装社区插件、写自己的技能open-claw.org。 ③定时任务、事件触发、多模型并行。与普通 AI 助手相比，OpenClaw 能主动执行（你说 “整理桌面 PDF”，它直接操作，不是只给建议）、本地优先（数据不云端，隐私安全）、持久记忆（记住你的习惯、偏好、历史任务）、可定制（直接改 Markdown 配置，或让它自己生成技能）。有了OpenClaw ，职场人可以用来自动周报、邮件处理、数据报表、会议纪要；开发者可以用来代码生成、调试、PR 合并、文档生成；学生 / 科研可以用来文献整理、实验数据处理、论文辅助。个人可以用来文件整理、浏览器批量操作、日程管理。 #老张聊科技#

12. 什么是 AI 智能体？

13. 智能体上下文工程：为什么文件系统成了AI记忆的最佳载体？

14. Claude Cowork把华尔街砸懵了！一天内市值蒸发超两万亿，原来不是软件不行了，是AI开始替人干活了。#大咖观察 #红衣聊AI #华尔街 #ClaudeCowork#智能体

15. OpenClaw 你装错了！9个必备Skills + 正确模型搭配，一次搞定浏览器自动化！ | 零度解说

16. n8n重磅更新：自动生成工作流，实测效果惊人，最强AI工作流生成器 | N8N Workflow Builder

17. Claude 的 Agent Skills 本质上就是：AI 模型不必把所有能力硬塞在绝对静态的“大脑”里，而是通过“可插拔技能模块”的方式，让模型在面对不同任务时“辅以专属插件／套路”。这种方式在软件工程里早就被验证为经典，比如插件系统、微服务、模块化设计。可以关注 Antropic 这个开源的 Skills 项目：github.com/anthropics/skills「Skills 是一组“指令、脚本、资源”的集合，Claude可以动态载入这些 Skills，从而在特定任务或领域里表现得更好、更定制化」#人工智能##程序员#

18. JokeGold5455：在过去六个月的密集使用中，我打造了一套强大且实用的Claude Code工作体系，助力我单人重写30万行代码，提升质量与效率。这篇长文分享我的经验和实操技巧，希望给你带来启发。核心亮点包括：1. 技能自动激活系统过去技能往往静默无用，我通过TypeScript钩子实现自动激活。每次提交请求前，系统会分析关键词、意图、文件路径等，智能注入相关技能指导，确保Claude主动遵循最新最佳实践。完成后再进行代码风险自检提醒，保证代码质量。2. 分层模块化技能设计遵循Anthropic建议，将大型技能拆分成500行以下主文件加多个资源文件。这样Claude初始加载轻量主文件，按需调用资源，大大提升上下文效率，减少Token浪费。3. 开发文档系统，防止上下文丢失通过为每个任务建立三份文档（计划、上下文、任务清单），让Claude即使在重启或上下文压缩后依然能快速“接盘”，避免走偏或遗忘细节。4. PM2进程管理实现后端日志实时监控 7个后端微服务由PM2统一管理，Claude可实时查看日志、自动重启服务，极大提升调试效率和稳定性，摆脱人工复制日志的低效。5. 钩子系统确保无遗漏质量管控 - 编辑后自动跟踪文件和仓库 - 会话结束时自动执行构建检查，捕获TypeScript错误 - 错误提醒钩子温和提示错误处理是否完善 - （曾试过自动Prettier格式化，后因Token消耗大已弃用）这些钩子形成闭环，杜绝错误遗留，代码始终整洁一致。6. 专用代理（Agents）和快捷命令（Slash Commands）我构建了十多个专责代理，负责代码审查、重构规划、测试认证路由、错误定位修复等，搭配多种快捷命令，极大简化重复操作，提升工作流连贯性。7. 附加实用脚本与工具例如测试认证路由的脚本，自动化生成测试数据，数据库重置及备份，提升整体开发体验。推荐所有实用脚本都写入相关技能或文档，方便复用。8. 理念与心得 - AI不是魔法，碰到复杂逻辑或常识问题时，适时介入修正，避免浪费时间。 - 多次重试和反思提示设计，提升输出质量。 - 规划先行，详细计划是成功的关键。 - 文档与技能互补，文档聚焦项目架构与流程，技能聚焦最佳实践和模式。 - 提问要具体且中立，避免引导性问题以获得更客观反馈。这套系统让我从混乱的技术债务和零测试覆盖，转变成拥有稳定流程、可维护代码和高生产效率的现代项目。虽然搭建过程费时费力，但回报丰厚，尤其适合大规模代码库和复杂项目。如果你也在用Claude Code，强烈建议参考我的GitHub仓库，快速上手自动化技能激活和钩子机制：github.com/diet103/claude-code-infrastructure-showcase总结一句话：让AI主动工作，而非被动等待，规划和规范驱动，才是高效AI编程的王道。原文：www.reddit.com/r/ClaudeAI/comments/1oivjvm/claude_code_is_a_beast_tips_from_6_months_of/

19. 智能体设计模式总结

20. 构建 Claude Code 的经验：Anthropic 如何运用 Skills 技能

21. AI革命不是让你去学写代码，而是让你学会指挥AI干活。 #大咖观察 #红衣聊AI #科技改变生活 #人工智能

22. 坏了，这回AI真能干活了！迷你主机OpenClaw安装漫谈

23. #OpenClaw上手教程# OpenClaw的优势就是低门槛、高便捷，它能在你的电脑本地运行，所有数据隐私可控，还能嵌入微信、Telegram等常用聊天软件，不用额外学习新界面。第一步，确保电脑安装Node.js（≥22版本），Windows用户建议先安装WSL2，这是顺利运行的基础。第二步，复制对应系统的安装命令，粘贴到终端，等待片刻即可完成部署，全程无需手动配置。第三步，运行新手向导命令，按照提示选择本地部署、输入AI模型API密钥，绑定常用聊天渠道，安装后台服务后，OpenClaw就会持续在后台运行。完成以上步骤，你就能在聊天框发送指令，让它帮你清理邮箱、管理日程、执行文件操作等。新手无需追求复杂功能，从简单指令入手，慢慢探索社区插件，就能让这款AI助手越用越顺手。

24. 科研工作中，整合多领域工具进行复杂分析常常繁琐耗时。Claude Scientific Skills 提供一套开箱即用的科学技能集合，支持生物信息学、化学信息学、临床研究、材料科学等多学科，助力将 Claude AI 转变成科研助理，完成多步骤科学计算和数据处理。涵盖内容包括：- 直接调用26+科学数据库（PubMed、UniProt、ChEMBL等）- 52+主流科研Python包（RDKit、Scanpy、PyTorch Lightning等）- 15+科研平台集成（Benchling、DNAnexus）- 20+数据分析与文献写作工具支持快速搭建从基因组学分析、药物筛选到临床变异解读、系统生物学网络构建的复杂科研流程。文档完善，提供丰富示例与最佳实践，支持多平台部署，适合科研人员和机构提升研究效率。项目地址：github.com/K-Dense-AI/claude-scientific-skills主要特点：- 一键安装，自动调用相关技能，无需繁琐配置- 跨学科全覆盖，助力多模态多步骤科研任务- 持续更新，社区活跃，支持企业级使用将Claude变成你的“AI科学家”，加速科研创新，解放双手！

25. 【明天就是S42新赛季】：新赛季匹配机制优化来啦！快叫你的好搭子提前来看#王者荣耀 #大盗 #王者匹配机制优化上线 #王者S42新赛季神佑建木 #游戏破壁计划

26. 探访云栖（二）：AI Agent元年，谁在打造“数字员工”？【101 Weekly】

27. WPS 给 AI 装上「大脑」和「双手」后，我真正感受到它会干活这件事

28. Claude PM 技能集合↓最近比较火🔥的开源项目PM Skills Marketplace8个模块，覆盖PM的完整生命周期：发现阶段 → 一条命令，自动执行：想法生成 → 假设映射 → 优先级排序 → 实验设计；战略阶段 → 生成9段式产品战略画布；一键出定价模型+竞争分析；执行阶段 → 写需求文档；复盘；映射利益相关者研究阶段 → 构建用户画像+分段+旅程地图数据阶段 → 生成SQL； A/B测试分析GTM阶段 → 完整上市战略营销阶段 → 定义北极星指标工具阶段 → 简历审视等为什么火？1. 补齐了痛点通用AI确实能写文档，但给不出「框架思维」。PM要的不是速度，是决策质量。这个项目直接编码了决策流程。2. 即插即用GitHub一键装，支持Claude Code、Cowork、Gemini CLI、Cursor等多工具。技能自动加载，无需prompt工程。3. 理论严谨不是AI随便生成的tricks。65个技能背后是Teresa Torres、Marty Cagan这些大师的方法论。这是「把业界最佳实践结构化」，不是「AI胡编」。4. 完整性不是零散的工具，而是从发现→战略→执行→上市的完整PM系统。支持自动加载机制。你不用显式调用，讨论中提到「假设优先级」时，Claude自动调用相关技能。工作流也设计得像真实PM节奏，命令之间自动流转建议。这可以使Claude Code真的开始「理解」PM工作是什么样的。🔗 github.com/phuryn/pm-skills#how i ai##程序员#

29. 看完吴恩达 DeepLearning AI 「Agentic AI」前半部分，整理了一下。一、Agentic Workflows 介绍 Agentic AI工作流指的是由一个LLM作为核心“大脑”，通过自主决策来规划、执行多个步骤，并驱动各种工具以完成复杂任务的智能流程。其核心要素包括：LLM、多步骤执行、任务完成。 1. 自主性程度 - 较低自主性：步骤预先定义好，工具调用为硬编码。自主性主要体现在文本生成部分。 - 高度自主性：Agent 能自主做出决策，并可以动态创建工具。 2. 优势 - 性能更好：在使用相同模型的情况下，Agentic AI 通常能获得更优的性能表现。 - 并行执行：支持多个步骤或任务同时进行。 - 模块化与动态替换：可以灵活替换工作流中的特定模块或模型。 3. 任务拆解设计 Agentic AI 时，关键一步是对任务进行拆解。工作流/任务可以拆分为以下形式： 1）模型类型： - 大语言模型：负责文本生成、工具使用、信息提取等； - 其他 AI 模型：如 PDF 转文本、语音合成（TTS）、图像分析等。 2）工具类型： - 接口 API：例如网页搜索、日历查询等。 - 信息提取：如数据库查询、检索增强生成（RAG）。 - 代码执行：用于计算、数据分析等。 4. 评估的重要性 - 客观评价：可通过代码或计算进行量化评估。 - 主观评价：利用 LLM 对结果进行打分（例如 0-5 分），但并非最佳实践，后续会进一步展开。 - 评估可针对端到端流程，也可针对单个模块或步骤。 - 通过检查执行轨迹（trace）来进行错误分析和评估。 5. Agentic 设计模式 - 反思（Reflection）：将模型输出再次输入给模型，让其自我反思以优化结果；也可结合外部输入（如代码执行结果）进行反思；还可设计专门的反思 Agent 或使用不同模型进行反思。 - 工具使用（Tool Use） - 规划（Planning） - 多智能体工作流（Multi-Agent Workflow）二、反思（Reflection）反思是指通过固定步骤对 LLM 的初次输出进行再次思考和分析的过程。结合外部工具或输入进行反思，往往能获得更优质的结果。实践证明，反思是显著提升模型性能的有效方法之一。在实践中，使用推理能力更强的模型专门负责反思任务，通常能取得更好的效果。三、工具使用（Tool Use） LLM 本身并不直接执行工具，而是由 LLM 指示执行引擎调用特定工具。执行引擎负责实际调用工具、获取结果，并将结果返回给 LLM，LLM 再基于这些结果生成最终输出。代码执行（Code Execution）是一个非常有用的工具。 LLM 可以生成 Python 代码，由执行引擎运行代码并返回结果。需要注意的是，执行代码时需考虑安全性，建议在 Docker 或沙箱环境中运行。模型上下文协议（MCP）的出现，极大地减少了工具调用的开发工作量，从原来的 m*n 级别降低到 m+n 级别。 #ai创造营##程序员#

30. 今天看到一个关于 Loop Engineering （循环工程）的说法，从工程师的角度，感觉比 Agentic Engineering 更具体。提示词（Prompting）是一个 Bug，而非特性。别再痴迷于琢磨动词和上下文窗口了。如果你的工作流还得靠你去做一个“提示词耳语者”（Prompt Whisperer），那你已经输了。在一个渴求“系统化”的世界里，你只不过是个手动挡的操作工。 “氛围编程”（Vibe Coding）拿来做演示固然有趣，但真正的进化是**“循环工程”（Loop Engineering）。你不再是写一段提示词，而是构建一个递归环境**：让智能体（Agent）自行评估失败、重构逻辑，并不断迭代，直到意图与输出之间的偏差（Delta）归零。人类不应是那个修修补补的编辑，而应是整个循环的架构师。停止与机器对话。去建造那台会“自我对话”的机器。

31. 使用Dify搭建工作流，实现自动化商品采集分析

32. 我常用的5种AI工作流软件，强烈推荐～

33. 第3期 | 1分钟让你成为朋友圈最懂AI的人！ Workflow、Agent、智能体集群…这些词天天见，但你真懂了吗？不懂底层逻辑，怎么看懂《十五五规划》里的万亿机会？🚀 今天把AI的底层逻辑一次盘明白，特别是最后那个“一人公司”架构，看完直呼牛！ AI的4个层级，让你超越80%的人更懂AI逻辑。 #AI #人工智能 #清华 #干货分享 #工作流

34. 2026年AI全景预测：迈向百亿智能体时代的20个发展趋势。 #大咖观察 #人工智能 #红衣聊AI #智能体 #AI时代

35. 放假前，抽空学一下吴恩达DeepLearning AI的这个教程吧：Agent Skills with Anthropic，内容包括：1. 使用开放标准格式和最佳实践来创建可复用的技能，并将它们组合起来构建复杂工作流。2. 为代码生成与评审流程、数据分析以及研究任务构建自定义技能，让你的智能体在需要时按需加载。3. 将技能与 MCP 以及子代理结合，打造具备专门知识并能够访问外部数据源的强大智能体系统。访问：www.deeplearning.ai/short-courses/agent-skills-with-anthropic/#HOW I AI# #程序员#

36. Claude Code官方推出的入门课程，免费！有空补学习一下内容包括：1.使用 Claude Code 的核心工具进行文件操作、命令执行和代码分析。2 通过 /init、Claude.md 文件以及 (at) 引用来高效管理上下文。3. 利用多种快捷键和命令来控制对话流程。4. 在需要更深入分析的复杂任务中启用 Plan Mode 和 Thinking Mode。5. 创建自定义命令，用于自动化重复性的开发工作流。6. 通过 MCP 服务器扩展 Claude Code，引入浏览器自动化等能力。7. 配置 GitHub 集成，实现自动化的 PR 审查和 Issue 处理。8. 编写 hooks，为 Claude Code 添加额外的行为和能力。访问：anthropic.skilljar.com/claude-code-in-action#HOW I AI# #程序员#

37. AI汽车正式进入车载具身智能时代

38. 飞书官方出了 OpenClaw 插件，这个消息对于一直在折腾飞书机器人的人来说，真的是久旱逢甘霖。之前想让 AI Agent 接入飞书，过程相当折腾。配置长连接、添加机器人权限、搞各种回调地址，光是把环境跑通就得花不少时间，还没开始干正事呢，先被配置劝退了一半人。现在完全不一样了，一行命令搞定： npx -y @larksuite/openclaw-lark install 跑完之后会弹出一个二维码，用飞书扫一下，审核通过就能用了。整个过程丝滑到你会怀疑是不是少了什么步骤。什么长连接、什么机器人权限，统统不用管了。飞书官方把这些脏活累活全包了，开发者只需要关心自己的 Agent 逻辑就行。这才是工具该有的样子。 #How I AI##科技先锋官#

39. 容忍摸鱼、支持顾家、会用智能体！ #大咖观察 #红衣聊AI #职业技能

40. 【2026年AI工程师成长路线：八个关键台阶】两年前转型AI工程师，是我职业生涯最正确的决定。如果你今天想入局，这份路线图或许能帮到你。一、夯实Python基础当很多人急于跳过基础直接上手“氛围编程”时，扎实的编程功底反而成了稀缺优势。Python是AI社区的通用语言，哈佛的CS50p课程是最好的起点。二、拥抱AI辅助编程一个残酷的现实：你的竞争对手从来都不是AI本身，而是那些善用AI的开发者。同样优秀的程序员，掌握AI工作流的人能快三倍交付。AI辅助编程的本质是在你的基本功之上叠加一层杠杆。吴恩达最近发布了一个30分钟的入门课程，Claude Code则是目前最强大的工具之一。三、理解大语言模型的运作机制3Blue1Brown的系列视频堪称LLM原理的最佳可视化讲解，涵盖LLM工作原理、Transformer深度解析、注意力机制以及模型如何存储知识。看完这些，你对大模型的理解会上一个台阶。四、深入LLM研究理解原理之后，下一步是学会自己构建。Andrej Karpathy的“神经网络从零到英雄”系列，是这个领域最好的教程，没有之一。五、掌握AI智能体在跳入智能体的热潮之前，强烈建议先读Anthropic的官方指南。他们的核心观点很清醒：构建智能体不需要复杂的框架或库，需要的是可组合的模式。这句话值得反复咀嚼。六、应用落地我不建议追逐框架，但CrewAI的课程确实帮我建立了一个重要认知：把智能体想象成协作的人类团队。最近我更多使用Claude Agent SDK，它提供了完整的智能体循环、工具调用和编码工作流。另一个值得关注的方向是Claude Skills。相比构建完整的智能体，构建可复用的技能模块往往更精准、更可靠。技能让Claude保持轻量，避免循环漂移，在需要时精确触发。这可能是智能体发展的下一个形态。七、项目驱动学习GitHub上有一个包含90多个AI工程项目的开源仓库，覆盖LLM、RAG和真实世界的智能体应用，是绝佳的实战素材库。八、系统阅读Chip Huyen的AI工程书籍是每个构建真实应用的工程师必读之作。此外还有几本免费的可视化指南，用图解的方式讲透复杂概念，下载量已超过十万次。最后想说的是：框架来来去去，基础永远是基础。在这个快速迭代的领域，真正的护城河从来都是对底层原理的深刻理解，以及将这种理解转化为实际产出的能力。#How I AI#x.com/akshay_pachaar/status/2015044780330492116

41. #王者匹配机制共创活动##王者荣耀# 沉浸式体验王者荣耀匹配机制共创研讨会，希望后续优化好亿点心有独钟嘛的微博视频

42. 如何评价字节扣子推出的Coze Skill？实际使用体验如何？

43. 咳咳，让我也尝尝小米小龙虾[并不简单] **🦞 核心特点：** 1. **系统级AI智能体**：基于小米MiMo大模型，以系统应用身份运行 2. **跨应用操作**：能直接操作系统、跨应用执行任务（如发短信、打电话、管理日程） 3. **自主执行**：不同于传统语音助手的“听命令”，它能自主完成复杂任务 4. **封测阶段**：目前小范围邀请制测试，**仅支持小米17系列机型** 以上都是小米Claw自己的回答[酷]

44. 让AI直接解决用户的问题，是创业者适应AI时代的必修课。 #大咖观察 #红衣聊AI #创业 #用户思维

45. 未来的人和智能体应该是相互融合协作的关系。 #大咖观察 #红衣聊AI #智能体 #人机协作

46. 全网最简单，2句话装好OpenClaw保姆级教程

47. #华为MateX7的大屏AI有多强#看了华为Mate X7的深度测评，首发的A2A智能体进步太大了，小艺从之前的AI语音助手已经进化到全能智能中枢了，甚至可以自学技能帮你解决问题。A2A智能体是通过串联多个应用智能体来实现跨APP自动操作的，一句话就能完成复杂多任务，比如帮你订票、帮你比价下单，不会的技能小艺还能自主搜索学习。而且华为Mate X7还做了折叠屏专属的AI交互界面，依托分屏形态，左边是你在做的工作，右边小艺变身你的全能助手，分屏联动，效率再上一个台阶。新一代的华为Mate X7不管是从配置上、影像上，还是全新AI方面，确实做到了引领折叠屏行业。

48. 用最简单的比喻让你大概理解这几个概念：ChatGPT：语音陪聊只有大脑，调用的工具非常有限，基本不能行动。ClaudeCode：线下游戏搭子有大脑，有手有脚，需要和你频繁互动。其实模型自主性 Agentic capability 已经具备。本地权限也不低（rm 在 cli 他也可以执行）。但是，重点是他是为了 human in loop 设计的。人类批准的权限最高。所以相对安全。（只不过现在越来越倾向越来越少的人类批准）。OpenClaw：你爸他管你要你的电脑开机密码。。。你说爸别了，我给你闪送了一个 mac mini。你爹直接操作电脑当然可以干更多事情，但是。。。他也可以删了你的学习文件夹。（模型有自主性，权限在本地最高。所以最后物理隔离搭建或者虚拟机）所以 OpenClaw 必然被关进某种沙盒。

49. 实测用TRAE Skills接管工作流，打工人的自动化神器 #AI #AI编程 #TRAE #SOLO #Skills

50. 【最新玩法】n8n工作流秒变MCP工具，直连各种MCP客户端，零代码实操！

51. 小鹏#小鹏科技日定档11月5日#啦，就在广州新总部办！主题叫“涌现”，听着还挺玄乎，感觉就是说机器不光能听话干活，还真能懂物理世界、主动应对复杂情况，以后可能变成跟咱们一起做事的伙伴，长远来看说不定能改变咱们干活和生活的方式呢，期待一波#何小鹏将分享物理AI涌现成果#

52. 在设计Agent系统提示词的时候，与其对一份系统提示词进行反复修改，不如让这个Agent使用的LLM模型自己生成系统提示词，你要修改的其实是LLM生成系统提示词的用户提示词，而不是直接修改系统提示词，应当对Agent进行版本控制的是用来生成系统提示词的用户提示词。

53. 历史总在循环，当年的革命者总会变成新的守门人。但这次不一样，AI让你重新握住了主动权。#大咖观察 #红衣聊AI #亚马逊

54. 在线学习智能体构建，总被碎片化资料困扰？Datawhale 社区打造的《从零开始构建智能体》教程，帮你系统掌握智能体原理与实践！这个开源项目覆盖了智能体基础知识、大语言模型智能体搭建、高级技术扩展，到多智能体综合案例实战，最后还有毕业设计项目，理论与实战并重，适合有 Python 基础和 LLM 概念的开发者、学生、自学者。亮点功能：- 全面讲解智能体历史、范式与类型，打好理论根基；- hands-on 经典智能体范式实现（ReAct、Plan-and-Solve 等）；- 探索低代码智能体平台并开发自研智能体框架；- 深入上下文工程、记忆检索、多智能体通信协议与智能体训练；- 丰富实战案例：智能旅行助手、深度研究智能体、模拟赛博小镇；- 配套完整代码，支持本地运行，社区活跃互动，随时求助解惑。项目完全免费，PDF 教程无水印，助你从 LLM 使用者进阶为智能体系统构建者。📚 在线阅读及教程下载地址：datawhalechina.github.io/hello-agents/🌟 GitHub 地址：github.com/datawhalechina/hello-agents动手实践智能体开发，让 AI 不再是黑盒，成为你创造未来的利器！#AI创造营##人工智能#

55. Agent常见面试题：LLM 是如何学会调用外部 API 或工具的？1 训练数据让模型先“知道工具是怎么用的”在模型具备工具调用能力之前，它必须先在训练数据里看到足够多的工具调用示例。通常包含两类数据：1）真实 API / 工具调用代码或文档，例如：a. “要获取天气，请调用 get_weather(city=...)”b. “要计算数学表达式，请调用 calculator(expression=...)”2）人类标注或模型生成的“对话 + 工具调用”示范，例如：a. 用户问：杭州天气如何？模型示范：调用 tool.get_weather({city:"杭州"})再根据工具返回的结果继续回答。通过这些示例，LLM 学会了：什么问题对应调用什么工具；工具调用的格式是什么；什么时候不该调用工具。2 监督学习（SFT）使模型学会“根据指令选择工具”在 Fine-tuning 阶段加入大量的示例：1）该调用工具的场景2）不该调用工具的场景3）多工具协作场景例如：用户问「告诉我台北到上海的机票价格」。正确示例：a. 模型判断这需要实时信息b. 模型调用 flight_search API模型学习到：当遇到“需要外部信息/计算能力”的问题时，应倾向调用工具。3 通过 RLHF 让模型“偏好正确的工具调用行为”强化学习阶段会奖励：1）正确调用工具2）不乱调用工具3）工具调用后能给出正确结果惩罚：1）不必要的调用2）调用错误的工具3）调用格式不正确这一步让模型不仅会“模仿”，还会“懂得什么时候该调用工具”。4 ReAct / 规划式数据让模型学会 “推理后再决定工具”许多训练数据采用 ReAct 风格：1）模型先思考：要不要调用工具？2）再决定工具调用3）执行后再继续思考与回答这种数据让模型具备：1）任务分解2）长链路推理3）工具调用规划最终效果是：面对复杂任务，模型不会盲调，而是自行形成“推理 → 调用 → 再推理”的结构化流程。5 架构层提供“可调用工具的接口”现代 Agent 框架都会在推理阶段给模型提供一个结构化 schema：1）告诉模型有哪些工具2）告诉模型调用格式3）告诉模型每个字段是什么类型这样模型在生成内容时不需要“猜”，而是严格遵循系统提供的 schema，直接输出可执行的 JSON 或结构化调用指令。例如：1）系统提供工具：search(query: string)2）模型内部只需决定：要不要调用？，以及 query 内容是什么。6 推理时的实际行为：模型并不真的“执行工具”，而是生成结构化调用请求推理时发生的事情是：1）模型生成 JSON 指令，例如：{"tool":"search", "query":"杭州天气"}2）外部系统执行工具并将结果返回3）模型继续根据工具结果生成下一步行动或最终答案模型本身没有执行能力，它只是生成符合 schema 的字符串而已。总结LLM 学会调用外部 API / 工具，是一个“示例训练 + 强化学习 + 架构支撑 + 推理策略”组合的结果：1）先在数据里看到大量工具调用示范2）通过 SFT 学会该如何调用3）通过 RL 学会什么时候应该调用4）通过 ReAct 学会任务分解与步骤规划5）通过 functions/schema 让调用标准化因此模型看起来像真的“理解工具”，但本质是根据统计学习到的模式生成结构化指令。#ai创造营# #程序员#

56. Autoresearch是一种AI代理框架，能自主执行评估-优化循环，适用于任何可量化的技能、工作流或研究任务，帮助实现指数级改进，但需注意token消耗。token = 信息有序程度。更多的 token = 更高的内容质量，代码水平等等等等。。。网页链接

57. 不被AI淘汰的重要能力就是学会当智能体的领导。 #大咖观察 #红衣聊AI #智能体

58. 最近大家都在说的养小龙虾是什么？这个龙虾不是吃的，是OpenClaw——能主动干活的AI智能体！像多手龙虾同时处理任务，直接操作你的电脑、浏览器，自己找资料、整文件，甚至主动找你汇报。它最近在GitHub上热度爆表，百天星标数突破23万，成为开源界新星！但养它不简单：开源免费但要API费，国内版便宜（月费30-70元起），但复杂任务还是OpenClaw更灵活。关键是权限极高，可能泄露数据、误删文件（找不回来那种），建议用独立电脑养，别放主力机！主动型AI是未来，但养龙虾需谨慎，做好权限备份。

59. AI智能体时代，职场规则已不同以往。想成为赢家，关键在于找准自己的位置。#大咖观察 #红衣聊AI #智能体

60. TRAE中国版白送SOLO，一人指挥一支AI大军重磅消息！SOLO终于上线TRAE中国版了，Waitlist免费开放中本期视频实测TRAE的新版本，亮点很多 1、先规划再动手的 Plan 模式 2、带专家团一起干活的 Subagent 子智能体 3、DiffView 差异视图 4、多任务并行 5、上下文智能压缩长时运行不掉链子 SOLO终于把AI从“瞎干活的外包”变成了“懂协作的队友” #AI #人工智能 #TRAE #AI编程 #vibecoding

61. #AI圈为何流行养龙虾了#最近OpenClaw这类能自己动手干活的AI智能体突然火了！跟以前只会聊天的AI不同，你给它个任务，它会自己拆解步骤、调用各种工具去执行，像自动帮你干活的小助手。这股风潮之所以流行，是因为技术成熟到了节点，大家对“自动干活”的期待也变高了。国产模型阵营如Kimi、MiniMax等也纷纷推出了自己的Claw项目，让智能体能力更加强大。#how i ai##过个有ai年#

62. 新手如何用Claude Code实现代码自动审查和批量文件处理？

63. 9.3k星Skill Seekers：一键把文档变成Claude技能，文档党狂喜

64. 在线开发者和 AI 爱好者注意了！OpenAI 发布了超实用的开源项目「Skills Catalog for Codex」，它收集了大量可被 AI 代码代理（Codex）调用的技能包，帮助实现各种编程任务的自动化和智能化。这些「技能」本质上是任务指令、脚本和资源的合集，Codex 可以用它们来完成特定工作，实现写一次、处处用的高效复用。亮点功能：- 包含丰富的开发者工作流技能，支持自动化代码、测试、部署；- 覆盖多种语言及场景，比如 Python、JavaScript 甚至 Shell 脚本；- 支持官网推荐的“curated”和“experimental”技能安装，灵活拓展能力；- 易于创建和分享自定义技能，让你的 AI 助手更贴合实际需求。GitHub：github.com/openai/skills适合对 AI 代码自动化感兴趣的开发者和团队，提升工作效率的利器！#AI创造营##人工智能#

65. 一个不错的Agent教程：《从零开始构建智能体》——从零开始的智能体原理与实践教程本教程旨在带领大家深入理解并构建真正的 AI Native Agent。教程将带领你穿透框架表象，从智能体的核心原理出发，深入其核心架构，理解其经典范式，并最终亲手构建起属于自己的多智能体应用。访问：github.com/datawhalechina/hello-agents #ai创造营# #程序员#

66. 2026年AI应用技术栈

67. Agent Skills外挂能力插件箱

68. 吴恩达agent-skills课程笔记总结3

69. 一文详解Agent Skills到底是什么（快速入门Agent Skills）

70. Agent Skills 到底是什么？给 AI 配一套能反复用的“工作流程”

71. Agent Skills 的概念、机制和应用方法

72. Skills 全攻略

73. Agent Skill 架构概述

74. AI Agent性能翻倍！技能工程实操指南，新手也能轻松上手

75. Agent skill工作流。看看AI是怎么调用skill解决你的任务的

76. 什么是ai agent，它们是怎样工作的

77. 别再啃 300 页技术文档了！AI Agent 最新技能快速上手的 3 条可落地路径

78. Agent Skills官方解释

79. Agent Skills 简易实战讲解

80. Agent skills的实现原理分析

81. 写一个你自己的Agent Skills

82. Agent Skills智能体技能技术规范

83. 什么是Agent Skills？小白100%入门

84. Agent Skills 概览

85. 实操才是硬道理！1小时快速构建Agent Skill智能体！

86. 快速了解AgentSkills，普通人也可以让AI成为技能专家

87. 一文搞懂什么是 Agent Skills

88. 漫话 Agent Skills

89. 社区自发！标准化 Agent Skills

90. 拒绝焦虑！小白也能看懂Agent Skills背后的秘密！

91. Agent Skills没革命，反而让低代码平台"逆袭"了

92. 我们做了几个实用的coze技能，免费使用

93. 【Coze AI 编程】技能从开发到调用全流程（附拼图小游戏案例）

94. Coze 2.0技能如何将专业经验转化为可调用的 AI 模块

95. 零门槛上手Agent核心实用技能

96. 提示词工程已死？Agent Skills 才是未来

97. Anthropic “Agent Skills智能体解析2

98. 我为什么开始认真研究 Claude Skill？

99. 从“提示词工人”到“技能装配师”

100. Skill、提示词、MCP、Agent 分不清？看这篇就够了

101. Agent Skills技术科普

102. 说一句话AI全搞定｜Mission模式才是终极形态 SpectrAI最炸裂的功能来了👇

103. 2026年开源AI智能体OpenClaw爆火，7×24小时自主执行任务，AI编程实现AGI路径

104. OpenClaw（龙虾🦞）爆火

105. 让 AI 能够自主规划与执行任务的工作流程----开篇说明

106. 自我教育的Cursor Code第九课

107. 无代码也能手搓！深度搜索智能体——用腾讯云智能体开发平台打造有任务规划能力的工作流

108. 用 Agent Skills 做日程管理——从设计到开源的技术复盘

109. 用好 Agent Skill，让AI代码编辑器效率起飞

110. Agent Skills 终极指南

111. Agent 的“技能书”来了

112. 2026新版Agent Skills保姆级实战教程来啦！

113. AI Agent Skills 教程

114. 下一代自动化神器，Agent Skills 实战指南！

115. 从 Claude Code 到 Web API

116. OpenClaw 技能编写指北

117. 工具调用AI智能体如何与现实世界交互

118. 智能体来了（西南总部）

119. 掌握Claude Code三大工具调用方式，释放AI无限潜能

120. AI为何难以调用外部工具？

121. Agent Skills技术协议与开源实现,让大模型拥有“即插即用”技能

122. 一、什么是Agent Skills(技能)

123. Agent Skill 解析

124. 关于用AI提高工作效率的精准指令设计

125. 关于用AI提高工作效率的精准指令设计

126. Docs

127. 为现实世界的智能体装备智能体技能

128. Agent Skills (Claude Skills) 详细攻略，一期视频精通 - 哔哩哔哩

129. Agent Skills 入门和精通看这篇就够了！

130. OpenClaw-AI Agent技能学习应用延迟复盘

131. 【Agent工具调用】一文详解三大主流Agent工具调用机制和三大核心工具

132. Agent Skills（智能体技能）技术规范

133. AI从“文本对话”进入“自主执行”：GitHub Copilot SDK软件工作流

134. 40 个 Agent Skills 精选资源：入门教程 + 实用工具 + 必装推荐

135. 用Microsoft Agent Framework 实现函数调用人工批准：让 AI 操作更可控

136. 如何通过 Skills、MCP 和 Subagents 构建 AI Agent 能力操作系统？

137. AI Agent Skills 系统性技术指南：从入门到生产落地

138. Agent Skills技术协议与开源实现，让大模型拥有“即插即用”技能

139. AI终于学会"自己干活"了！

140. 交付前一秒报错？被Coze公众号插件坑惨后，我手搓了“0超时”版救急。

141. 200+可安装AI Agent Skills全解析（附安装教程+避坑指南）- 搭配一步API实现高效 - 哔哩哔哩

142. Agent时代：AI训练师如何塑造智能体的未来——高质量AI智能体构建的三大核心要素解析

143. skill投毒：隐藏注释如何劫持Agent工具调用

144. Coze 的“插件宇宙”有多强？一个工作流，打通我的全部办公软件

145. Coze技能开发

146. Agent Skills从原理精讲到架构实操：一次全部讲透，附全套课件源码，用LangChain复现OpenClaw同款Skills系统，零基础保姆级教学

147. Dify Skills 实战手册：AI产品经理如何用"乐高思维"拆解业务，让Agent从玩具变印钞机

148. MAF快速入门（18）Agent Skill 快速开始

149. LangChain：6 步实操落地 Agent

150. 【保姆级教程】2026大模型提示词工程+Agent教学，从入门到实战系统精讲！存下吧，比啃书好太多了！

151. 一文读懂 Agent Skills：从概念到实战资源全整理

152. Microsoft Agent Framework 使用 Skills

153. SkillsBench：我们测试了47000+技能，平均质量堪忧，这里是4个反直觉结论

154. 扣子Coze插件开发之Doubao-Seedream-4.0插件（限时送100个coze工作流源码和n8n教程）

155. 让Coze扣子智能体从“会聊天”变成“会做事”，插件才是最重要的一环

156. claude-skills

157. AI Agent应用场景

158. Agent Skills使用指南

159. .NET+AI | Agent | 启用工具调用（6）

160. OpenAI Agent Skills 创建指南

161. coze插件开发课程，零基础学扣子插件开发，学完即可上线10款实用插件

162. Agent Skills | Qwen Code & Qoder 开发及使用Skills

163. openclaw，workbuddy，skillsbot上必装的12个AI 智能体 Skill 技能

164. 扣子Coze开发了一个文生图插件（限时送100个Coze工作流源码）

165. 一篇搞明白RAG、MCP、Agent、Skills、Agent集群

166. 智能体技能（Agent Skills）：赋予AI记忆与使命

167. 从零开始：Kilo Code Agent Manager 完整使用指南

168. 一文搞懂｜coze（扣子）工作流插件节点详细解析

169. 一文搞懂Agent Skills：在 OpenAgents 中使用skills

170. 一文理解什么是 Agent Skill？

171. 使用 DeepAgents 编写智能体（四）：支持Skills

172. AI智能体（Agent）具体如何用？

173. Agent Skills 的一次工程实践

174. 一个go写的 AI Agent 管理与执行平台，支持多模型供应商、工具调用、技能编排、多轮对话和流式响应

175. 从“能问”到“能做”：制造企业如何基于Agent Skills实现AI智能体落地

176. 智能体风控的执行闸门-工具风控

177. Agent Manager 面板使用

178. 第5章：什么是技能？何时需要它们？

179. 低代码Agent开发框架使用指南（四）—Coze大模型和插件参数配置最佳实践

180. skills.sh 深度指南：最大的 AI Agent Skills 目录与「Agent 能力工厂」

181. 0基础学AI（一）什么是Agent skills ？

182. 网页与搜索工具类MCP：让智能体实时接入全球信息资源

183. 冰洋老师：AI智能体工程-从对话工具到自主任务执行

客服总被问崩？手把手教你一周搭个AI数字员工，7x24小时自动回消息

精选参考来源