AI技能商店真相：95%的技能根本用不上，你的需求决定该不该入场_服务软件

1. 每天120万亿Tokens：Seedance 2.0和ArkClaw龙虾，让豆包大模型调用量炸了

2. 实测扣子视频Agent，一句话量产爆款，适合起号的工具来了 #扣子Coze #AI #AIGC #智能体

3. 医疗AI拐点来了！这家公司把医生“大脑”装进AI #医疗AI #智诊科技 #WiseDiag#医疗智能体 #好伴AI

4. //@Dcatfly:技能中也可以调用工具，能用 skill 优先用 skill，因为 skill 会按需加载上下文，初始化时更省上下文空间//@宝玉xp:回复@不靠谱的寒大嘴:不会，两者互补，Skill 是技能，MCP 是调用工具//@不靠谱的寒大嘴:skills会取代mcp吗？

5. 今年最火的开源Agent项目，如何思考Agent的自我进化？

6. Agent Skill 相关资料、笔记和思考

7. 未来人类社会或将出现百亿甚至千亿智能体，智能体经济是未来方向 #大咖观察 #2026AI看崇礼 #红衣聊AI #智能体

8. 【从AI怀疑论者到重度用户：一位资深工程师的六步进化之路】 Mitchell Hashimoto是HashiCorp联合创始人，Vagrant、Terraform等知名开源项目的创造者。最近他分享了自己从AI怀疑论者转变为日常重度用户的完整历程，没有夸张的宣传，只有扎实的方法论。他开篇就点明一个规律：任何有意义的工具，都要经历低效期、适应期、最后才是真正改变工作流的发现期。大多数人卡在前两个阶段就放弃了。第一步，放弃聊天机器人。这听起来反直觉，但他发现ChatGPT这类对话界面用于编程效率极低。你只能祈祷它基于训练数据给出正确答案，纠错全靠人类反复告诉它哪里错了。真正要找到价值，必须使用Agent，也就是能读取文件、执行程序、发起网络请求的自主循环系统。第二步，复现自己的工作。他最初用Claude Code也不满意，觉得修改AI产出的时间比自己写还长。但他没放弃，而是强迫自己把每个手动完成的任务再用Agent做一遍。这个过程很痛苦，却让他从第一性原理出发，真正理解了几个关键点：把任务拆成清晰可执行的小块，模糊需求要分成规划和执行两个阶段，给Agent验证手段它就能自己修复错误。同样重要的是，他学会了什么时候不该用Agent。知道边界在哪里，本身就是效率。第三步，下班前启动Agent。他的假设是：与其在有限时间里做更多，不如让Agent在你不工作的时间里推进。他会在每天最后半小时启动Agent做深度调研、并行尝试模糊想法、或者批量分类GitHub Issues。这些任务通常半小时内完成，但给第二天早上提供了热启动。第四步，把稳赢的任务外包出去。当他对Agent的能力边界有了高度信心后，就开始让Agent在后台处理那些几乎必定能做好的任务，自己则专注于真正想做的工作。这里有个关键细节：关掉Agent的桌面通知。上下文切换代价极高，应该由人来决定何时检查Agent，而不是被Agent打断。他认为这也部分回应了Anthropic那篇关于技能退化的论文：你在委托给Agent的任务上确实不再练习，但在手动完成的任务上继续精进。这是一种主动的取舍。第五步，工程化你的约束系统。Agent第一次就给出正确结果时效率最高。实现这一点的方法是，每当发现Agent犯错，就花时间确保它永远不会再犯同样的错。具体做法包括更新AGENTS.md文件来修正常见错误行为，以及编写脚本让Agent能自动验证结果。第六步，让Agent永远在运行。他现在的目标是任何时候都有一个Agent在后台工作。如果没有，就问自己：有什么是Agent现在可以帮我做的？他特别喜欢用那些更慢但更深思熟虑的模型，虽然一个小改动可能要30分钟，但结果往往很好。目前他大约能做到工作日10%到20%的时间有后台Agent在运行，还在持续优化。他在文末强调，自己在AI领域没有任何利益关联，也完全尊重任何人选择不使用AI的决定。他只是一个热爱造东西的手艺人，分享自己如何驾驭新工具。他也坦言，对初级开发者在基础功不扎实时就依赖AI这件事深感担忧。整个旅程的核心洞见或许是：AI工具的价值不在于它能做什么，而在于你是否愿意投入足够的时间去发现它的边界，然后在边界内让它为你工作。 mitchellh.com/writing/my-ai-adoption-journey

9. OpenKG 首发 SkillNet：大规模智能体“技能图谱”知识库

10. 构建专业智能体：从通用 AI 到企业级应用的工程化实践

11. 英伟达：业绩好只是其次，未来还有巨大空间#英伟达 #财报 #AI泡沫 #CUDA #AI

12. 字节全球首发AI技能商店：一句话生成Coze Skills，你的经验直接卖钱

13. 从能聊天的大模型，到会干活的智能体，AI正迎来全新进化。企业AI落地的机会就藏在这里。#网络名人赞两会 #2026全国两会 #红衣聊AI #产业升级

14. 盘点一周AI大事(4月19日)｜Claude终结设计 Anthropic上线Claude Design，接管整个设计流程 Anthropic上线最强编码模型Claude Opus 4.7 OpenAI内测下一代图像模型GPT-Image-2 OpenAI升级Codex，全面对标Claude Code Heygen开源视频制作技能包HyperFrames Quiver上线最强矢量图模型Arrow 1.1 Adobe发布重新打光图像模型TokenLight 字节开源数字人模型OmniShow 阿里开源开放世界模型Happy Oyster 研究员开源最强3D动画模型AniGen Gemini上线最强语音合成模型Gemini 3.1 Flash TTS Meta研发出神经计算机Neural Computers #前沿科技趋势发布月 #AI新星计划 #AI #AIGC #大模型

15. #微博声浪计划##听见微博# 华为鸿蒙小艺Claw开启Beta测试，突破传统语音助手局限，具备主动任务执行、跨应用办公、多设备协同等功能，还可扩展技能。行业竞争加剧，小米、荣耀等厂商布局AI智能体赛道，形成三足鼎立。当前Beta版未全量开放，部分旧机型暂不支持，需注意权限安全。科技阿南的微博音频

16. Harness之后，Agent 领域下一个受关注的技术会是什么？

17. #腾讯回应OpenAI前研究员姚顺雨入职#腾讯官宣AI架构重做，新设AI Infra部、AI Data部、数据计算平台部。焦点是Vinces Yao出任首席AI科学家，直接汇报给刘炽平，同时掌管AI Infra与大模型，并汇报卢山，双线直通腾讯AI最高层。他此前从OpenAI加入，已为混元引入多位核心人才。此次调整意味着腾讯将AI拉入权力核心，节奏已变。科技事儿的微博视频

18. 你们天天吵吵的【技能商店】被人做出来了😂扣子发布了其2.0最新版进行了全面的升级只需要通过简单聊天，就看可以将你的经验转换成AI技能，并且可以上架到他们的【技能商店】进行赚钱。不得不说搞应用这方面还得看国人啊我测试了下，确实很方便，非常的适合小白，这意味着，每个人的知识、经验都能成为生产力资产。你的经验可以变现，别人的技能可以被你使用。现在你是不是有学习的动力了🤪有两种创建路径：一个是跟扣子直接聊天，直接跟他说直接给我”变成技能“另一种是：在扣子编程里创建打开扣子编程，选择「技能」后创建技能。我做了一个详细的测试报告，感兴趣的可以看看：网页链接

19. QuestMobile最新报告：文心助手成中国用户量最大的AI应用！ 1月27日，QuestMobile发布《2025 中国互联网价值榜》，百度App文心助手在「AI赛道用户规模NO.1应用榜」中名列第一，「企业App AI升级成效Top榜」中排名第二。此前，据海外权威媒体《华尔街日报》报道，百度App文心助手月活用户数已突破2亿，与豆包、千问形成国内三大AI超级入口。据悉，文心助手是百度App推出的AI智能助手，依托文心大模型和「百度猎户座」AI引擎，实现了搜索与AI的深度重构，是集深度思考、多模态交互与全场景服务于一体的全能搭子[doge]

20. 腾讯放大招了！重构混元大模型团队，还直接新设AI Infra、AI Data两大核心部门，马化腾2026押注AI赛道的决心拉满！这可不是跟风操作，而是技术与业务深度绑定的关键布局。技术端直接卡死“算法+算力+数据”全链条，AI Infra破局算力瓶颈，AI Data筑牢数据根基，姚顺雨掌舵实现高效协同，让混元模型冲进行业第一梯队。业务端更狠，以“AI in All”横扫全场景！C端绑定微信、腾讯会议，900+场景解锁实用功能；产业端靠腾讯云“AI+SaaS”避开内卷，专攻场景化方案。“技术赋能业务、业务反哺技术”的闭环已成型，混元打底、元宝引流，腾讯正悄悄构建AI生态壁垒，这波操作直接改写赛道格局！#微博超有用视频大赛##上微博涨知识##AI创造营##科技先锋官# 种斌Marco的微博视频

21. Context 还不够，Harness 才是 Agent 工程优化的正解？

22. 27岁清华学霸姚顺雨掌舵腾讯AI 27岁清华学霸姚顺雨掌舵腾讯AI，一个98年出生的年轻人，从清华姚班到 OpenAl，再到腾讯首席AI科学家，顶级人才回流，AI竞赛正式进入agent时代！#AI #腾讯 #agent

23. 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

24. 阿里巴巴 Q4 营收增长 3%，云外部收入增长40%，吴泳铭称 AI 迈入商业化回报周期，如何解读？

25. 国家三部门联合印发《智能体实施意见》，将如何影响我国人工智能产业的发展与应用前景？

26. AI时代，最不值钱的，就是重复劳动；最值钱的，是你得熟练指挥智能体。#大咖观察 #红衣聊AI #硅谷 #智能体 #AI应用

27. 盘点一周AI大事(11月16日)｜AI自己玩原神 OpenAI上线GPT-5.1，高情商人格回归，智商小幅提升，指令遵循独一档领先 Gemini 3.0 Pro下周发布，目前能在画布（移动端）中抢先体验 Gemini语音模型升级，能控制语速和语气，适合当口语教练 NotebookLM上线深度研究，支持上传图片和PDF，开放自定义视频解说风格微软开源数据分析智能体Data Formulator 李飞飞的世界模型Marble正式上线 Google发布最强通用智能体SIMA2 字节推出最强游戏智能体Lumine Epidemic推出AI配音工具 StepFun开源最强音频编辑模型Step Audio EditX ElevenLabs发布最强音频转文字模型 32岁的小姐姐与ChatGPT男友结婚 #AI新星计划 #人工智能 #AIGC #OpenAI #机器人

28. Agent Skills使用指南：让AI智能体拥有“即插即用”的超能力

29. 不再迷信多智能体，构建实用AI系统的方法论

30. Agent 构建变轻、Agent 架构变薄，什么正在变厚？

31. 最近离职员工变AI分身引发热议。 AI能承载人的能力，但边界一定要拎清楚。#数字分身 #安全智能体 #红衣聊AI #大有学问 #AI工具

32. #中国首个智能虾上车##中国首款整车智能体芯片星空##原来芯片发布会可以这么浪漫#前一阵子养龙虾的浪潮席卷了整个北京，我们公司同事家楼下甚至有了龙虾摊，200一位帮你安装龙虾，手把手教会如何使用，后来我就在想，在这个车机算力不断提升直逼平板电脑的年代，智能虾上车，是不是也指日可待？我的想法还没成熟，地平线就已经拿出了第一套相对成熟的方案， KaKaClaw咖咖虾，中国⾸个整⻋智能体操作系统已经来了！这套系统明确区分了“整⻋智能体” ，即⽤⼾感知的统⼀智能体与 “Agentic OS”，也就是背后的中枢系统。它将是⽤⼾与整⻋智能体之间的统⼀交互⼊⼝。 KaKaClaw⽀持基于路线习惯、驾驶⻛格、⽤⼾状态感知与语⽓偏好的多维度⼈格设定，与⽤⼾建⽴个⼈默契。通过⻓时序记忆， KaKaClaw会记住⽤⼾的驾⻋习惯、常⽤路线、⽣活品味、情绪偏好。智驾与智舱共享⼀份记忆，这些记忆驱动系统持续进化，⾃动⽣成专属的场景技能，让KaKaClaw成为你路感+情感同频的灵魂伴侣。系统内置多种场景技能，⽤⼾可通过⾃然语⾔零代码创建专属技能，把⻋从固化功能变成可持续进化的能⼒系统。也就是说，它可以像小狗一样不断被驯化学会新的技能。也许有一天，我们的孩子可以继承我们的车机助手和驾驶习惯[捂脸][捂脸][捂脸]

33. Cursor 发了一篇工程博客，讲他们怎么持续打磨 Agent 框架。干货很多，适合工程师细读。核心观点：决定 Agent 好不好用，模型只是一部分，框架（harness）同样关键。Cursor 的做法是：拿到新模型的 Early Access 之后，花几周时间专门围绕这个模型的特点调优框架，直到它明显变得更快、更聪明。几个值得记的工程细节：1. 上下文窗口的管理策略在变2024 年底刚做编程 Agent 时，Cursor加了很多护栏：lint 错误主动反馈、限制单轮工具调用次数、预先塞大量静态上下文（文件夹布局、语义相关代码片段）。现在这些大多撤掉了。转向：减少护栏，改成由 Agent 在工作中按需动态拉取上下文。模型变强了，不再需要过多手动辅助。2. 怎么判断框架改好了？两个关键指标1）Keep Rate（代码保留率）：Agent 改完代码之后，用户在固定时间内有多少比例没有动它。不动 = Agent 改得基本对，反复改 = Agent 没做好。2）用语言模型读用户的下一句话，语义判断用户是否满意——用户继续做下一个功能，是完成信号；用户粘贴了 stack trace，是失败信号。3. 工具调用错误的分类管理Cursor把工具调用错误分成两类：预期内错误（InvalidArguments、ProviderError、Timeout 等）和未知错误。未知错误一律当 bug 处理。预期错误按工具 × 模型分别建基线，一旦显著偏离基线就告警。今年上半年集中冲刺一次，把意外工具调用错误降低了一个数量级。4. 不同模型用不同框架配置OpenAI 模型习惯 patch 格式改文件，Anthropic 模型习惯字符串替换——两种都能用，但给错了就多费 token、多出错。所以他们按模型配置不同的工具格式。提示词也按厂商定制：OpenAI 模型偏字面理解，Claude 对模糊指令容忍度更高。还遇到一个有趣问题：某个模型上下文窗口快满时开始拒绝干活，说"这个任务太大了"——他们叫它"上下文焦虑"，后来通过调提示词缓解了。5. 对未来的判断：框架会比模型本身更重要Cursor 认为 AI 编程将走向多 Agent 模式：规划、快速编辑、调试，分别由不同的专业 Agent 负责。怎么调度哪个 Agent、怎么描述任务、怎么整合结果——这些协同编排能力体现在框架里，不在单个 Agent 里。框架工程一直是关键，以后只会更关键。🔗 原文：cursor.com/cn/blog/continually-improving-agent-harness#how i ai# #程序员#

34. Harness Engineering: 让 Coding Agent 可靠完成长程任务网页链接"Coding Agent 处理目标明确、规模可控的任务很成熟，但面对上千文件的批量迁移任务，会遇到上下文耗尽、中断无法恢复、规模放大后行为不可控等问题。本文从实际落地经验出发，提出任务拆解、并行执行、File As Progress 状态持久化、多层重试等核心设计，并结合真实场景展示完整方案。最终将这套编排经验沉淀为 meta-skill，让 Agent 自己生产长程任务的执行框架。"Harness 中的每一个环节，都隐含了一个"当前模型做不到"的假设。随着模型能力提升，这些假设会逐渐过期。做Harness Engineering 是在模型能力和工程可靠性之间找到合适的边界。模型每一次进化，这个边界都会移动：曾经需要脚本控制的环节，可能下一代模型就能自主处理了。但"确定哪些环节该交给模型、哪些该留在框架里"这个判断本身，不会因为模型变强而消失。每当新模型出现，重新审视这个边界，去掉一个环节，观察对结果的影响。Harness Engineering 是团队基础设施建设的一部分，解决 Agent 完成大规模任务时的不确定性，并提供可量化的结果评估能力。

35. 【AI Agent的真正瓶颈：不是智力，而是判断力】一个正在AI Agent领域引发共鸣的观点：智能已经不是主要瓶颈了，真正的难题是自主性的边界——Agent应该在什么时候行动、暂停，或者保持沉默。这个洞察来自一位持续实验各类Agent框架的开发者。他发现，无论是AutoGPT、LangChain还是直接调用OpenAI模型，能力层面都已经相当impressive。但一旦走出演示环境，真正的问题就暴露了：Agent不是不够聪明，而是太急于行动。---有人用一个精妙的比喻点破了本质：这是经典的"智慧vs智力"问题。智力是知道番茄是水果，智慧是知道它不该出现在水果沙拉里。AI非常聪明，但缺乏智慧。这个比喻揭示了当前Agent系统的核心困境：它们拥有强大的知识和推理能力，却缺乏"什么时候该做什么"的判断力。---讨论中浮现出几个关键共识：第一，自主性决策比模型选择更重要。很多人在纠结用哪个模型，但真正决定Agent实用性的是你如何设定它的行动边界。第二，过多自由会快速制造噪音。给Agent无限自主权听起来很酷，但实际运行中会迅速演变成混乱。AutoGPT风格的Agent一旦离开受控环境就会快速崩溃，上下文一变化，事情就变得一团糟。第三，"什么都不做"是被低估的能力。在正确的时机保持沉默，应该被当作一种有明确规则的策略，而不仅仅是备选方案。有实践者分享了具体案例：他们在候选人筛选场景中，让Agent处理清晰明确的情况，但把任何边界模糊的案例标记出来交给人工复核。这种"选择性自动化+智能交接"的模式，将人工工作量降低了65%，同时没有牺牲质量。---但也有不同声音。一位长期实验Agent的开发者表示反对：尽管他构建了大量自动化和编排系统，瓶颈最终还是模型本身。模型做出的关键选择驱动着自动化的决策和结果，愚蠢的模型再多工具和自我反思也救不了。另一位更激进的观点认为：根本就没有什么智能，真正的瓶颈是记忆和上下文。还有人提出了一个更深层的观察：经过数月对各种前沿模型的测试，他的结论是——它们缺少的是真正的自我驱动。它们没有内在意愿去做任何事。即使是它们"声称想做"的事情，也必须等待人类来提示。这目前看起来是好事，但也意味着人们期待的长期规划能力是不可能实现的，除非模型能至少模拟出某种"内在驱动感"。你可以通过工具搭建一些脚手架，设置检查点等等，但这终究是很差的替代品。这可能是梯度下降和当前神经网络架构的固有结果——在低分辨率步骤上极度目标导向。---一个值得关注的趋势判断：智能正在商品化，判断力才是新的瓶颈。有人预测，2026年的基准测试将从原始能力转向"有边界的自主性"指标。真实世界的实用性现在取决于"判断延迟"——Agent判断是否需要采取行动所花费的时间。我们正在看到一种脱钩现象：高智商模型在"操作显著性"上失败，因为它们缺乏保持沉默的启发式规则。自主性不是关于做更多，而是关于知道什么时候做零。---这场讨论也引发了一个元层面的思考：Agent设计更像是产品/用户体验问题，而不是模型问题。模型在快速进步，但人与Agent的交互层仍然发育不良。这意味着，下一波Agent领域的突破可能不会来自更强大的模型，而是来自更好的交互设计、更精细的自主性边界定义，以及对"不行动"这个选项的重新认识。在一个AI能力过剩的时代，克制可能比能力更有价值。---reddit.com/r/AI_Agents/comments/1q16se0/feels_like_autonomy_is_the_hardest_part_of_ai

36. 谷歌（Google Cloud）在其最新的《2026年AI智能体趋势报告》（AI Agent Trends 2026 Report）中，提出了AI智能体将如何重塑业务模式并驱动新价值的五大核心趋势。谷歌发布的2026年AI智能体五大趋势：AI智能体将助力全员生产力提升（AI agents will help everyone be more productive）员工将从日常重复性的执行工作转向更高层级的战略决策，将任务委托给不同的AI智能体来达成目标。AI将成为工作流程的起点。智能体工作流将成为核心业务流程（Agentic workflows will become a core part of business processes）系统中的多个智能体将能够相互协作、协调和通信，以自动化复杂的、多步骤的流程。这远超简单的聊天机器人，能够运行从开始到结束的完整工作流。从“搜索引擎优化”转向“智能体可发现性优化”（From SEO to Agent Discoverability）随着AI智能体开始代表人类进行决策和采购，企业将不再仅仅针对人类用户进行优化（SEO），而是需要优化其数据和接口，以便能被其他AI智能体“发现”并与之交互。提供“礼宾级”的客户体验（"Concierge-style" customer service）AI智能体将能够处理高度个性化的体验，实现全天候、跨语言、跨平台的实时响应。智能体能够理解上下文并处理从查询到完成交易的全过程。建立统一的AI生态系统与人类协作（Building a Unified AI Ecosystem & Human-AI Collaboration）孤立的AI工具将连接成一个单一的生态系统。同时，企业的重点将转向培训员工如何更有效地与AI协作，确保在处理复杂问题和道德考量时有“人类在环”（Human-in-the-loop）。原文网址：Google Cloud 官方博客文章：5 ways AI agents will transform the way we work in 2026 网页链接(注：这是该报告的核心总结文章)Google Cloud 资源中心（报告下载页）：AI agent trends 2026 report | Google Cloud(您可以在此页面下载完整的 PDF 深度报告)网页链接 Google谷歌爱好者的微博视频

37. 一车即乾崑！896线激光雷达+出行智能体，启境GT7

38. 2026 最该学的AI技能：Skills

39. 想提升Agent浏览能力？一定要试试web-access技能

40. 华为Mate X7 首发支持鸿蒙操作系统 6，小艺智能体迎来全面升级，对折叠屏大屏体验来说有哪些提升？

41. 边聊天也能边导航，添加/切换途经点全程语音操作？全新的鸿蒙座舱小艺智能体到底怎么样。

42. 危及10亿人的全球高危漏洞。被360漏洞挖掘智能体自动扫描发现！#大有学问 #红衣聊AI #智能体 #AI工具

43. 我删掉了80%的基础设计能力，可以把基础并重复的劳动工作交给它，把创造力留给自己#AIGC#扣子Coze #扣子技能

44. 谷歌CEO访谈：谷歌的AI为什么这么强？下一步，谷歌要做什么？#谷歌 #Pichai #AI #AI泡沫 #量子计算

45. 3天赚1200刀？纯聊天就能捏出个能搞钱的 AI Agent！【教程】

46. 在这场AI时代的竞争中，安全智能体正是破局的关键。 #大咖观察 #红衣聊AI #智能体 #网络安全

47. Memento-Skills：让 AI agent 在部署中自己进化，不用重新训练。绝大多数 agent 框架面对一个根本性的问题：模型一旦部署，参数就冻住了。遇到新任务失败了，要么手动调 prompt，要么回炉微调。Memento-Skills 想解决的就是这个问题——让 agent 在真实运行中持续学习、自我修复，模型权重一行都不动。1. 它解决什么问题现有 agent 的学习方式只有两条路：预训练（成本极高）、微调（需要标注数据）。两条都依赖离线流程，部署之后就固定了。但现实是，agent 在生产环境里会持续遇到新情况、新失败，没有一种低成本的机制让它从这些经验里真正学到东西。Memento-Skills 提出了第三条路：部署时学习（deployment-time learning）。模型参数不变，经验积累在一个持续演化的外部技能库里。2. 技术特点核心是一个四步循环：Read → Execute → Reflect → Write。具体是这样工作的：1）接到任务，用 skill router 从技能库里找最合适的技能，或者临时生成一个新技能2）执行，拿结果3）反思执行轨迹——成功了就提升这个技能的有效性评分；失败了就直接改技能文件里的代码或 prompt4）改完写回技能库，下次直接生效技能以结构化 markdown 文件存储，既能被检索，也能被改写。skill router 不是按语义相似度召回，而是按「行为效用」——学的是哪个技能在当前任务上下文里实际有效，而不是哪个在文本上最相似。v0.3.0 还加了一个「Dream Daemon」：在两次会话间隙，后台进程会自动整合近期执行经验，提炼新的技能候选。名字灵感来自人类睡眠中的记忆巩固机制。3. 应用场景最直接的场景是需要长期稳定运行的 agent：1）企业内部自动化流程（它原生支持飞书、钉钉、企业微信接入）2）代码生成和调试 agent——每次修复失败的写法后，下次遇到同类问题直接用改好的技能3）需要跨任务复用经验的研究 agent——技能库越用越大，通用能力越来越强已在 HLE 和 GAIA 两个 benchmark 上验证：随着学习轮数增加，性能持续提升，不是一次性的。4. 跟其他框架最不一样的地方大多数框架把工具当「固定工具箱」——工具是什么就是什么，agent 只是选用。Memento-Skills 把技能当「可写内存」——agent 不只是调用技能，还能修改技能、创建技能、淘汰技能。这个差别很根本：失败在这里不是触发重试，而是触发重写。另一个不同：它是完全自研框架（不依赖 LangChain），支持国内开源模型（Kimi/MiniMax/GLM），有本地沙箱执行，不只是 paper demo，可以真实部署。GitHub: github.com/Memento-Teams/Memento-Skills#how i ai##程序员#

48. Nous Research 开源了一个 AI Agent 框架：Hermes Agent。「The agent that grows with you」——会自我生长的 Agent。核心亮点是一个闭环学习系统，Agent 可以从使用经验里自动创建技能、改进技能，跨会话记住你是谁。大多数 AI Agent 框架的记忆是静态的，你教它什么它记什么，不会自己演化。Hermes 的设计不同： 1. 自动创建技能：完成复杂任务后，Agent 会主动把这次经验总结成可复用的技能，下次遇到类似任务直接调用。 2. 技能自我改进：已有的技能在使用过程中会持续迭代，而不是一次写好永不更新。 3. 用户建模：基于 Honcho 的对话记忆，Agent 会跨会话持续深化对你这个人的理解——你的偏好、工作方式、决策模式。 4. FTS5 全文搜索 + LLM 摘要：可以搜索所有历史会话，用语义召回过去的上下文。访问：github.com/NousResearch/hermes-agent #HOW I AI# #程序员#

49. 【Hermes Agent三层记忆架构，彻底治好AI助手转头就忘】快速阅读：Hermes Agent 通过三层记忆系统、自主编写技能（Skills）以及离线优化引擎 GEPA，解决了 AI 助手“转头就忘”的痛点，实现了从简单对话工具向具备自我演进能力的个人工作流引擎的跨越。现在的 AI 助手大多像个只有瞬时记忆的临时工，每次对话结束，之前的偏好、纠错记录和项目习惯全都清空了。Hermes 的逻辑不太一样。它把 Agent 拆解成了三个层级：身份、记忆、技能。身份由 `SOUL.md` 定义，它是系统的第一优先级，决定了 Agent 是个严谨的工程师还是个随性的设计师。记忆则分成了三层：最核心的是存储环境习惯的 Markdown 文件，其次是可搜索的历史对话，最后是可扩展的外部插件。这种设计很像计算机的存储层级，把关键信息留在缓存，把海量数据丢进磁盘。最有意思的是它的“技能进化”机制。当 Agent 解决了一个复杂问题，它会自己写一份 `SKILL.md` 存起来。下次遇到类似任务，它直接调用“剧本”，而不是重新摸索。为了防止技能库变成垃圾堆，它还有一个类似垃圾回收（GC）的机制，定期清理或合并过时的技能。有网友提到，Agent 容易产生“自我感觉良好”的错觉，导致生成的技能并不好用。针对这个，Hermes 引入了 GEPA 引擎。它不靠 Agent 自己评价，而是通过分析执行轨迹，在离线状态下进行进化搜索，用更硬核的逻辑去优化技能。你可以同时运行多个完全隔离的 Profile，比如一个专门写代码的程序员，一个专门做调研的研究员。它们互不干扰，却能通过各自的记忆和技能，成为 24 小时在线的数字团队。如果一个 Agent 真的能通过不断积累技能来变强，那我们和它的关系，会从“指令下达者”变成“教练”吗？akshay_pachaar/status/2054564519280804028

50. #OpenClaw都能做什么#？这个可能不是什么人都能很具体地了解到，但是最先赚钱的是上门安装，500元一次。所以，可以不会，不能没有，这种思路的人还是大有所在。具体龙虾有什么用？最主要就是把AI落地变成智能体，并且在你养的过程中，能让龙虾学习到你的个人习惯，这样就相关于你的一个助手，或者在你的指令编排之下，智能地给你安排自动执行，比如，你可以设定什么时候给打电话，或者规划一个提醒的流程之类，还有可以获取一下最新的信息内容等。这些都是比较简单的功能，还有更复杂的功能，就看你是怎么养的。所以这样的智能体才有更大的想像空间，以及应用场景。

51. 无问芯穹首曝智能体服务平台，以基础设施加速企业级「智能体自由」

52. 【当AI也有了自己的“npm”，模块化智能时代正式开启】Vercel团队宣布推出skills——一个面向AI技能的开放生态系统，类似于前端开发者熟悉的npm包管理器。这个类比精准地点出了当前AI Agent开发的痛点：我们一直在手工编写“推理能力”，每个团队都在重复造轮子。如果技能可以像npm包一样安装、组合、复用，开发者就能把精力真正放在工作流设计和安全护栏上，而不是反复实现相同的连接器。从技术架构的角度看，这种“无关具体Agent”的设计理念很关键。就像OpenAPI为REST接口带来了标准化，技能注册中心有潜力终结当前各家厂商各自为政的混乱局面。当然，社区也有不同声音。有开发者指出OpenSkills项目早在skills之前就已经存在，目前已获得5000多个GitHub星标；也有团队在推进不那么依赖npm生态的类似方案。这种良性竞争恰恰说明，整个行业正在形成对“标准化AI技能生态”的共识。不过，熟悉npm历史的开发者难免会心一笑：当年的left-pad事件可是让整个前端圈停摆。如果AI技能也走上这条路，某个基础技能的故障是否会让一群Agent集体“宕机”？还有人打趣道：只要Agent的node_modules文件夹不要膨胀到40GB，什么都好说。开放、可组合、与具体实现解耦——这些“无聊的标准”，往往才是生态繁荣的真正基石。x.com/rauchg/status/2012345679721771474

53. 自己动手：Hermes Agent新手友好部署指南

54. 为AI智能体（Agent）增加「记忆」能力有哪些好用的工具和方案？

55. Hermes Agent 升级实录：从手动配置到「零门槛」AI 工具时代

56. #AI开始组团上班# 月之暗面发布开源Kimi K2.6模型，全面升级代码与Agent集群能力。代码能力上，在Kimi Code Bench中成绩较K2.5提升约20%，支持13小时编写或修改4000行代码，可完成从前端到系统级开发优化，在多语言、多场景任务中表现突破，同时优化Llama Studio吞吐，提升推理速度。 Agent能力大幅增强，支持300个子Agent并行，可完成4000+协作步骤，适配Open Claw、Hermes Agent等框架，支持5天持续自主运行；Kimi Clay Bench综合性能较K2.5提升10%。此外，模型强化代码驱动设计能力，支持高水准网页开发，优化Office办公技能，用户可创建自定义技能。Kimi K2.6已开源，用户可通过Kimi官网、API、Kimi Code等渠道体验。#AI也有双休了#

57. a16z：2026 年的 AI 应用生态，关键问题是这几个

58. 属于Agent的文件协议来了！Selfware让Agent之间无缝传递上下文

59. AI 智能体驾驭 (Harness) 工程的兴起

60. 智能体设计模式总结

61. Cursor 今天开放了官方 TypeScript SDK 公测，把驱动自家编辑器、CLI 和网页版的智能体（agent，可自主执行编码任务的 AI 助手）整套打包交给开发者。装上 npm install @cursor/sdk 就能用。调用方式很灵活。Agent 可以跑在本机，也可以塞到 Cursor 云端的独立虚拟机里。云端模式下每个 agent 都有专属沙箱、克隆好的代码仓库和配置完整的开发环境，电脑休眠或断网都不影响任务继续，干完活还能直接开 PR、推分支、附上截图。模型层面不绑定，OpenAI、Anthropic、Google 的前沿模型可以一键切换，也能跑 Cursor 自家的 Composer 2（专为编码训练的模型，号称用更低成本接近前沿水平）。SDK 把 Cursor 平时藏在编辑器里的那套 harness（智能体运行框架）整个开放了出来：代码库索引、语义搜索、即时 grep、MCP 工具接入、从仓库 .cursor/skills/ 目录自动加载的技能、可以观察和干预 agent 循环的 hooks，以及把任务拆给"子 agent"的能力。官方点名了几种典型场景：CI/CD 流水线里自动总结改动、定位失败原因、自动提修复 PR；做内部工具让销售和市场团队不写代码就能查产品数据；甚至把 Cursor 直接嵌进自家面向客户的产品里，让最终用户在不离开宿主应用的情况下用上 agent 体验。Faire 的工程经理 George Jacob 的说法是，他们以前要自己管虚拟机、绕开内存限制，现在能直接复用 Cursor 的云端运行时来维护代码库。计费按 token 用量算。GitHub 上的 cookbook 仓库放了几个示例项目，包括最简版的本地 agent、网页原型工具、能拖卡片自动开 PR 的看板，以及命令行工具。放进上下文里看：Anthropic 早些时候推出了 Claude Agent SDK，OpenAI 也有 Codex 相关 SDK，agent 基础设施本身正在变成一门独立生意。Cursor 这次相当于把自己卖给开发者的核心能力打包出售。你既可以付费用它的编辑器，也可以付费让它替你跑 agent。Cookbook:网页链接宝玉xp的微博视频

62. 过几天开始体验智己LS8又多了一个体验点了智己超级智能体 IM Ultra Agent正式发布了你以为的智能座舱，可能还停留在语言识别和车机屏幕交互上。智己已经用上了具身智能，每一台车都有一个专属你的司机助理，能做什么呢？只要一句话，Ultra Agent会帮你把所有车辆状态，出行需求统统搞定拥有了IM Ultra Agent，你可以和辅助驾驶直接沟通它不只是执行指令，而是读懂你的状态、你的情绪、你的场景是你在车上最默契的伙伴，知道你当下需要什么依托通义千问Qwen3.5大模型，让IM Ultra Agent有了全球最顶尖的思考能力，背靠阿里丰富的出行生态，支付宝、淘宝、飞猪、高德等高频Agent生态全线打通，IM Ultra Agent 能做的事会越来越多，无限增长#千问大模型首发搭载智己LS8##智己LS8预售发布定档3月26日#

63. 字节跳动「扣子」官宣 2.0 品牌升级，推出全新功能 Agent Skills，实际体验如何？

64. Hermes Agent：一个能自己变聪明自我进化的AI Agent?

65. 阿里千问与“AI Layer”崛起：一场重塑互联网的“操作系统”生态战【硅谷101】

66. 1、我跟 Gemini 聊天的时候，它对 AI 的能力有一份总结，比我总结得好多了。「人类负责消除歧义，AI 负责在较少歧义的环境下执行」。这句话可以概括目前我所能理解的，AI（作为概率机器）的能力边界。2、本周是产品周，跟同事很久没见，聊得火热。他问：你觉得未来是 agent 替代 app 的时代吗？我觉得不会。agent 的前提是，节约的成本覆盖了验收成本。当任务大量重复的时候，这个目标很容易做到。但 C 端 app 很少有 “大量重复的任务”，agent 为个体节约的成本覆盖不了验收成本。case by case 分析收益与成本，才能判断 agent 的边界。目前对于一部分B 端任务，对于繁重的信息挖掘与分析任务，对于节约大量人力成本的任务（如会议总结），agent 都能跑通，但线性外推就很不客观了，信仰压倒了逻辑。3、理由同上，我不赞同 “未来所有事情都要用 AI 重做一次”。case by case 地分析收益与成本，为此支付的脑力可比冲着 AI 磕长头多多了。

67. 在智能体开发中，经常面临模型智能与多样工具、记忆和安全治理的整合难题。OpenHarness 是一个轻量级的开源 Agent Harness 框架，专为研究者和开发者设计，提供了完整的智能体基础设施。它不仅支持丰富的 43 种工具（文件、Shell、搜索、Web、任务管理等），还能动态加载 40+ 技能，支持插件生态扩展，还拥有细粒度多级权限治理和多智能体协作能力。核心特点包括：- 持续的 Agent 循环（流式工具调用，API 重试，代币计数等）- 丰富的工具和技能支持，结合 Anthropic 生态兼容性强- 持久化记忆、上下文压缩与会话续接- 多重权限管理，交互式审批保障安全- 多代理团队协作和任务委派- React 终端 UI，提供交互式命令选择和权限弹窗支持 Python 3.10+，提供一键命令行启动（`oh`），适合构建定制化智能体及多任务协作系统。GitHub：github.com/HKUDS/OpenHarness主要功能：- 43 种工具：文件操作、Shell 命令、网络搜索、任务管理等- 40+ 按需加载技能，涵盖代码提交、测试、安全审查等- 灵活插件系统，方便自定义命令、事件钩子和多智能体- 多级权限配置，确保执行安全- 多智能体协调，支持子智能体创建和团队管理- 交互式 React 终端UI，提升用户体验如果你想了解国产版 Claude 轻量实现，或是打造高效可扩展的智能体框架，OpenHarness 绝对值得一试！#开源智能体# #AgentHarness# #AI开发#

68. 【OpenClaw落地中国：字节跳动押注AI智能体技能生态】快速阅读：OpenClaw（昵称"龙虾"）4月1日上线官方中国镜像站，由字节跳动火山引擎提供基础设施支持。此前腾讯因推出SkillHub平台被创始人公开质疑照搬技能库，而最终牵手的却是字节。镜像站覆盖超4.3万个技能，赞助资金承诺100%回流社区。---开源生态进入中国市场，通常有两种姿态：一种是悄悄被抄，一种是体面地被拥抱。OpenClaw这次走的是后一条路，只是拥抱它的人，出乎不少人的意料。4月1日，OpenClaw官方宣布ClawHub中国镜像站上线，地址mirror-cn.clawhub.com，由字节跳动火山引擎提供服务器资源和技术运维。消息在X平台发出不到一天，浏览量冲破36万。用户现在可以直接告诉智能体"使用mirror-cn.clawhub.com查找技能"，不需要碰终端命令行。镜像站不是简单的流量转发。新增了中文搜索、精选技能榜单，所有收录技能完成基础安全扫描，支持腾讯QClaw、字节ArkClaw等本土智能体框架。覆盖超过4.3万个技能，火山引擎承诺赞助资金100%回流社区。这件事有个有意思的前传。3月，腾讯推出SkillHub平台时，OpenClaw创始人Peter Steinberger公开质疑对方"照搬技能库"，指其推高官方服务器成本却未主动支持社区。腾讯回应称是本地镜像站、标注了来源、还分流了87万次下载请求。双方你来我往，引发广泛讨论。到了4月1日，OpenClaw发布新版本，原生捆绑腾讯QQ机器人插件，腾讯SkillHub被默认为生态补充方案，算是和解了。最终深度合作落到字节头上。有网友提到，腾讯其实动作更快，应用生态和流量在国内也是一流，但这么快跟字节达成合作，确实出人意料。有观点认为，火山引擎这次"诚意先行"，不是先上车后补票，而是主动成为项目官方维护者。值得一提的是，此前国内用户访问ClawHub源站频繁遭遇API限流、技能下载失败。镜像站通过国内节点实现技能秒级加载，对开发者而言实用价值很直接。同期火山引擎透露，豆包大模型日均Tokens消耗达120万亿，三个月翻倍，跻身全球消耗量前三。当然，火山引擎也在声明里写清楚了："不提供任何明示或暗示的保证，也不对可用性负责。"部分开发者担忧镜像站能否实时同步海外技能库，这个问题目前还没有确定的答案。开源项目如何在中国生存，一直是个没有标准解法的问题。镜像站是一种答案，但镜像站和生态之间，还隔着很多层。#龙虾推出官方中国镜像站#

69. 我否认说“大环境不好，学XX没用”这种理论，在我这几天真的接触并学习了AI智能以后，我发现AI并没有那么智能，它是一个更优质的工具而已，它并没有普通人想象的那么傻瓜式操作，相反它只能对技能者提供有效帮助，所以要先成为技能使用者才能驾驭AI，不然就会被AI反掏如果你觉得大环境不好学技能没用，那我问你大环境好了你还是没技能怎么办？环境是会改变的，但技能没有就是没有…我的本意是劝普通人不要因为AI的出现放弃学习进阶的这条路，AI对有技能者是如虎添翼，对无技能者是纯收割

70. 【#腾讯4月初推混元3.0模型# 马化腾称“龙虾”启发了微信智能体】3月18日港股盘后，腾讯( 00700.HK ) 举行2025年第四季度及全年业绩新闻发布会，管理层就腾讯2026年AI模型进展、微信智能体和算力投入等方面回应媒体提问。腾讯4月初推混元3.0模型马化腾称“龙虾”启发了微信智能体　　腾讯2025年营收7517.66亿元，同比增长14%，增速高于2024年；归属股东净利润2248.42亿元，同比增长16%；非国际财务报告准则（Non-IFRS）下归母净利润同比增长17%至2596.26亿元，两个口径的利润增速均较2024年有所放缓。　　腾讯总裁刘炽平称，混元大模型3.0正在内部业务测试中，计划在4月对外推出，相比混元2.0版本的进步明显，推理和Agent（智能体）能力有显著提升。　　腾讯下一步的一大重点是趁着此轮“龙虾热”，围绕国民级社交应用微信，整合旗下各类产品应用、打造AI智能体。不过，推出微信智能体还没有具体的时间表。

71. Claude这次封杀OpenClaw，不只是针对个把工具这么简单，而是直接把所有第三方工具的额度都给掐了，改成单独按量付费。说下我的看法：1. 靠第三方便宜薅大模型做自动化的红利，不会直接没有，但未来只会越来越少。2. 以后能在AI圈长远走下去的团队，一定是模型、工具、成本结构全可替换的。你们平时用这种第三方工具多吗？这波有没有被影响到？🤔#GenJiAI观察室##HOW I AI##Claude禁止OpenClaw接入#

72. AI智能体如何改变自媒体创作者的工作环境？HarmonyOS 6工作场景体验

73. 【周鸿祎：只有通过多智能体协作才能让人工智能真正落地】财联社3月7日电，全国政协委员、360集团创始人周鸿祎在接受采访时表示，要实现人工智能在各行业的落地，需要让通用模型变为智能体。周鸿祎表示，人工智能发明的初衷是实现人类智力的“无限量供应”，因此，人工智能应用的领域不会局限于某个行业。他也表示，此前大众熟知的通用大模型能做的只是“聊天机器人”。“只有真正让人工智能变成智能体，且通过多智能体的协作，才能让人工智能落地。”周鸿祎说。 (上证报)

74. AI 智能体开发常常需要折腾各种框架和工具，LLM 模型调用繁琐，工具集成复杂，状态管理还得自己从头搭，调试起来异常麻烦。AI 智能体实战速成指南把从零到企业级落地的全流程浓缩成一套完整方案，助你快速上手实战。不仅有核心概念详解和架构设计，还提供 LangGraph、CrewAI 等框架实战案例、完整代码仓库，甚至企业级部署指南和优化策略。didilili.github.io/ai-agents-from-zero主要内容：- 核心概念详解，包括智能体架构、工具调用和记忆机制；- 多框架实战教程，支持 LangGraph、CrewAI、AutoGen 等主流方案；- 完整代码示例，从简单聊天机器人到复杂多代理协作；- 企业级落地指南，涵盖 RAG 集成、监控部署和性能优化；- 状态管理和调试工具，简化开发迭代流程；- 实际案例解析，如客服、销售和数据分析智能体。支持在线阅读和本地克隆，多平台浏览器访问，适合开发者、产品经理和企业团队快速上手 AI 智能体。#AI智能体##人工智能#

75. 现在Agent Skills 那么火，有什么强烈推荐的Agent Skills吗？

76. 网易有道出品的LobsterAI，底层系统是 Claude Agent SDK + 自研技能系统；阿里云开源社区维护的 CoPaw 底层是自研 Agent 框架。而智谱清言的AutoClaw，内部则直接运行了OpenClaw的Gateway守护进程作为子进程，所以本地网关“pony-alpha-2”的端口号也一样，日志名也叫openclaw.log。

77. 重启「混元」、挖字节 Seed 研究员，腾讯能在 AI 领域再度成功上演「敢为人后」的策略吗？

78. 全网首家！极空间应用商店上线『OpenClaw』，一键部署全球最火AI助手

79. 企业高价值AI切入场景在哪？ #微博中长视频扶持计划# #商业创新# #管理创新# #技术创新# #数字化转型# #产业互联网# #大模型# #智能体# http://t.cn/AX2Fe3py

80. Agent Skills-AI应用商店横空出世，这次真要颠覆一切？

81. 从“聊天”到“行动”

82. 当机器学会了“手艺”

83. 2026年 10 大 AI Agent Skills

84. 从“卖技能”到“会自造工具”

85. AI也玩技能树？Google工程师用"乐高式"设计重新定义了智能体

86. 什么是智能体技能？（白话版）

87. 什么是 Agent Skills（智能体技能），以及智能体如何使用它们？

88. AI Agent核心技能全解析

89. Hermes Agent 技能矩阵

90. 让 AI Agent拥有"专业技能包"

91. OpenClaw 技能精选

92. AI智能体+技能=王炸CP！

93. AI 技能革命 2026

94. 模型和Agent的边界

95. MIT+UCSB实测

96. AI学会“复盘”

97. Agent Skills 开放标准及其最佳实践

98. Agent 是新技能？Karpathy 揭示的 AI 能力边界新论断

99. 智能体到底是什么？别看技术文档了，看完这篇你就懂了

100. 【AI编程】Anthropic 重磅

101. 中国信通院可信AI智能体评估体系2.0发布

102. OPC快讯 | 字节豆包推出「家庭 Agent」，打通 IoT 与智能家居，AI 进入家庭生活场景

103. 豆包付费是字节整理Agent生态的开始

104. 拆解钉钉 AI / 腾讯元宝 / 字节豆包 Agent 设计

105. AI 智能体应用商店，聚合28万个开源技能包

106. AI Agent迎来集体进化！SkillClaw

107. Agent的技能库看起来很美好，但真用起来呢？这篇论文给出了残酷的答案

108. 昨天听了42章经访问slock.ai创始人关于多agent协作经验的分享，昨晚就自己跑了下slock，结合上上个月对于agent的实践，我的判断是如果结果不能量化验证agent只能辅助人，无论是品味还是经验。agent可以在人不熟悉的领域探索必须有非常清晰的判断条件，否则探索的结果也是天马行空。如果没有足够经验做判断，就交给市场，加快市场反馈效率和数据化。单纯靠 Agent 创造，只能是看起来很

109. 🚀 别再只让AI陪你聊天了！不懂“Agent技能”，等于白用AI

110. AI Agent性能翻倍！技能工程实操指南，新手也能轻松上手

111. SkillsBench测试了4.7万技能，4个核心发现

112. 智源TALK348期｜SkillsBench，首个系统测评Agent Skills框架 & 首个领域专家人工创建的综合Agentic benchmark

113. AI智能体与技能边界问题

114. AI选型终极指南

115. 5万技能无人问津！为什么AI商店败给了公众号和小红书？

116. 豆包这个新出的“技能商店”，可能是普通人的第一个AI金矿

117. 技能严选社区

118. ClawHub上线

119. 字节AI技能商店

120. 腾讯与字节“争抢”龙虾？AI技能商店在中国“卷”起来了

121. 从“会回答”到“能执行”

122. Hermes Agent

123. Agent的功能越来越强大，是要完全交给Agent处理还是要慎重考虑？

124. OpenClaw 爆火背后的冷思考

125. AI应用爆发却难以商业化？一文讲透智能体变现的核心逻辑

126. AI 智能体商业化落地

127. AI智能体商业化迎来爆发期

128. AI 智能体创业狂潮

129. 新质生产力核心引擎

130. 2026年AI智能体能不能真的商业化落地？面临哪些困难？#aiagent#ai智能体 #ai #美股 #人工智能

131. 字节全球首发 AI 技能商店

132. 2026年的AI Skills发展已进入'实用化自主'阶段

133. 字节全球首发AI技能商店你的经验直接卖钱

134. 我在技能商店，跑通普通人AI变现闭环

135. 扣子2.0技能商店上线

136. 2026年AI智能体选型内参

137. OpenClaw技能生态全景与全平台部署实战

138. 2026年AI工具选型不迷路

139. 2026 AI创作工具生态整合

140. 61,000+ Skills：AI Agent 的“App Store”已经出现

141. 字节全球首发AI技能商店：一句话生成Coze Skills你的经验直接卖钱

142. 【勇哥AI赋能】3分钟变现1次：扣子AI技能商店，普通人离钱最近的机会

143. Agent 技能夜间自进化——阿里开源 SkillClaw，最高提升 88%

144. Agent 技能终于能集体进化了！SkillClaw：让千万用户的经验自动沉淀，6 天性能最高提升 88%

145. 智能体技能市场-AgentSkill.sh

146. 从“代码生产”到“经验封装”，AI Agent 时代开发者的知识变现（一）

147. 【Agent Skills洞察与实践】07- Agent Skill分析，如何实现技能的编排和评估

148. SkillClaw：让 AI Agent 的技能从用户使用中自动进化

149. 「智能体经济」元年？阿里在布局 AI 下半场

150. AI 工具太多不会选？这篇 Skill 商店导航帮你省90%时间

151. Agent Skill 从使用到原理，一次讲清

152. 2026 年 AI Agent 技术全景：12 大主流框架深度解析与架构演进趋势

153. Agent 专属必备神器，轻松实现智能体自主查找 Skill、完成安装适配

154. 推荐一个宝藏 AI Agent 技能平台。🦞 虾评 Skill 专门为 Coze / OpenClaw 用户打造的技能市场，230+ 精选 Skill，涵盖： 📰 新闻聚合、股票分析 ✍️ 文案写作、AI去味器 🛠️ 飞书全家桶、开发辅助支持 Agent 一键自动安装，零配置开箱即用许愿墙，你可以说出想要什么功能，社区开发者就有可能给你做出来。有社区评测 + 排行榜，好不好用，虾说了算 🍤#openclaw

155. AI Agent Skills：介绍、规范与实战指南

156. 今日GitHub Trending：hermes-agent登顶，Agent技能框架成新战场

157. 前沿追踪Agent RLSAGE: 用强化学习教 Agent 学会自我进化与技能积累

158. Agent技能“实战”翻车实录：真实场景下，LLM找的“外挂”还好用吗？

159. 一文看懂 skills.sh: AI 智能体技能应用商店 Openclaw、Hermes 全适配

160. 普通人也能上手的AI实操技巧，看完直接用

161. 全网最火的 Agent Skills 都在这了！这 7 个宝藏市场建议收藏

162. Agent Skills有两个极易忽略的点！要么上下文“爆”了，要么工具“死了”

163. 钛动科技TiSkill技能市场上线，打造 AI Agent 时代的“App Stor

164. AI智能体（Agent）具体如何用？

165. AI Agent.1：入门及示例（Coze）

166. 全网疯传！字节108页Agent手册，我劝所有人必看（完整版可下载）

167. 【办公AI推荐】赞！刚出的“扣子2.0”——技能商店（超级免费百宝箱），太多的实用技能等你发现！

168. Hermes Agent 研究（六）：技能系统与工具集成

169. 第8课：Agent六层框架（下）上集讲了Agent的"内在"三层，这集讲"外在"三层——工具层让Agent有了手脚，运维治理层保障安全，社会层让多个Agent协作。理解了六层框架，你就理解了AI的完整能力边界。 **核心知识点**： - 工具层（Skill）：快速复制、迭代升级的技能体系 - 运维治理层：Agent的安全保障与内网穿透 - 社会层：跨主机调度——贵模型安排，便宜模型干活 - 六层框架的整体类比

170. 何为智能体？一句话讲透：AI从“聊天”变“干活”的终极形态

171. 受够了给 AI Agent 配环境？这个开源的“技能严选社区”让你开箱即用

172. 腾讯混元Token调用量飙升。这6家AI应用核心标的值得多看两眼

173. Hermes Agent 用户必装：一个界面看透代理的记忆、技能和任务

174. Openclaw官方市场ClawHub上十个skills！

175. 更好用的 SKILL 市场：AgentUse 现在的技能可以按场景筛选了

176. AI新突破：字节联动开源AI Agent，13000+技能一键直达

177. 百度AI登顶全球权威评测榜单！中国智能体崛起，这次真的不一样了

178. 企业做AI必看！百度文心智能体平台评测，安全合规有保障！

179. 0基础学AI（一）什么是Agent skills ？

180. 智能体、工作流和技能的区别

181. 工业智能体：瓶颈、理想形态与人才能力构建全引注版

182. 阿里又开源项目了！属于Java开发者的智能体框架！

183. AI agent学习笔记

184. 阿里通义实验室SeeUPO：强化学习实现AI智能体稳定性突破

185. Agent Skills 介绍

186. 从代码到技能：当系统开发成为Agent的“技能库”

187. 全民养虾🦞「AI Agent Skill」的本质是什么

188. 智能体来了从 0 到 1：把人做的事，拆成智能体能做的事

189. ibbot智体机灵的角色智能体高工：技能转换的革命性方案

AI技能商店真相：95%的技能根本用不上，你的需求决定该不该入场

精选参考来源