新手开发Skill的三大认知陷阱与工程化破局之道
05-16 15:44
精选参考来源
网络用户 2026-04-16
来自新浪微博
网络用户 2026-02-10
来自新浪微博来源
精选参考来源
1. Skill其实就是分类学!最近也不知道为啥,看到大家对skill的热情高涨到了一种有点离谱的程度。感觉万物都可以蒸馏,万物都可以封装成skill。我看了好几个朋友的skill库,有的装了六七十个,最离谱的甚至都破百了。昨天正好发了Harness的文章后,提到了我觉得skill就是分类学这个事,那一段出乎意料的被很多朋友转发。所以我就再展开说一下。一个好的skill,我觉得他的核心就两个词:分类和触发。一个多月前Claude还更新过一次他们的Skills生成器,我当时还专门写过一篇:网页链接,新版本最重要的动作,就是怎么用反馈去不断优化一个skill的触发条件。skill怎么触发、能不能正确触发、触发以后能干什么,才是最核心的事。之前有一篇论文发过实验数据,就是当Skills数量在20个以下时,准确率保持在90%以上,几乎不会错。超过30个准确率就不行了。到了200个的时候,准确率就剩20%了,而且速度极慢,Token消耗还爆炸。跟我自己体感差不多,我自己的的Skills常年保持在30个以下。我举个自己的例子,我之前想把NanoBanana的API封装成能被Agnet调用的skill,因为我平时有很多生图的需求,比如公众号封面图、小红书封面图、PPT配图等等。那这些应该每一个需求单独做一个skill,还是应该合成一个skill呢?我的做法就是只有一个图片生成的Skill,这个skill内部写了我的几个主流场景,在Agent触发这个skill后,根据我的上下文进行二次分析,再调用内部具体的分支画图场景,同时也能用这个skill,覆盖我其他的通用生图需求。这其实就是分类学的核心理念。从来不是只分的越细越好,是找到最合适的颗粒度。界、门、纲、目、科、属、种,生物学就是如此,一层一层穿透下去。你要是把前面全抹了,只给你留个种,你可以想象一下这个世界有多灾难。封面图和PPT配图之间的差异,不值得在最顶层各自占一个独立的skill,它们只是图片生成这个类别内部的变异。但图片生成和服务器管理之间的差异,那是真的大到需要各自占一个独立的skill。我自己判断一个skill值不值得存在,标准就三条:1. 它对应的场景有没有明确的边界。2. 它对应的场景是不是会高频复现。3. 它能不能归属进已有的skill里。以及,奥卡姆剃刀原则,如无必要,勿增实体。翻译过来就是,你用不到的skill你就别装。但最重要的,还是需要你设计自己的分类系统,哪些是CLAUDE.md能处理的,哪些是skill该处理的。分类学如此。你的skill,也应如此。 #how i ai# AI#skills#
新浪微博 2026-04-16 00:00:00
2. 【当Claude学会了“记忆”,我的代码产出翻了三倍】三个月前,每个冲刺周期我能交付4到5个功能。现在?12到15个。工作时长没变,代码库没变,我也还是那个我。区别不在于我写代码更快了,而在于我不再做那些“不是写代码”的事情了。以前我的典型编码场景是这样的:打开Claude,解释项目架构,描述编码规范,提醒它我用测试驱动开发,说明文档格式,再讲一遍Git提交规范。然后才开始写代码。每一次都要走这个流程。每个会话光是让Claude进入状态就要花15到20分钟。一天8到10个会话,我每天光是“加载上下文”就损失两个多小时。而且不只是时间问题,还有心智负担。我有一个50多条提示词的Google文档,各种工作流、代码审查清单、测试协议、文档模板,每天复制粘贴得像回到了2015年。2025年10月16日,Anthropic推出了Skills功能。大多数人以为Skills就是“保存的提示词”。错了。Skills是可执行的知识包,Claude在相关场景下会自动加载。它们不是快捷方式,而是你安装到Claude工具箱里的能力,跨会话持续存在。技术上,每个Skill以SKILL.md文件存在于.claude/skills/目录下,包含指令、参考文件和可执行脚本。会话开始时,Claude扫描所有可用Skills识别匹配项,触发时完整加载。这已经从提示词工程进化成了系统设计。真正的突破不是自动化,是消除。我没有构建50个Skills,我只构建了5个真正重要的。+ 第一个:项目上下文守护者这个Skill维护完整的项目架构、模块信息、技术栈和仓库结构。我管理多个微服务,每个都有不同的架构决策、数据库模式和API模式。以前我每次对话都要重新解释“用户数据用PostgreSQL,缓存用Redis,分析日志用MongoDB”。这个Skill包含2400行结构化项目知识,覆盖完整的数据库模式和表关系、API端点规范、编码标准、模块边界,以及常见陷阱。以前Claude会建议违反我们架构的方案,比如“在users表加个新列”。但我们的users表为了审计合规是只追加的。现在它已经知道了。+ 第二个:测试驱动强制器我信奉测试驱动开发,但说实话也很懒。赶deadline时会跳过测试,心想“之后再补”。事实是从来没补过。这个Skill会拦截每个功能请求:先澄清需求,再生成测试用例,和我一起审查测试覆盖,然后才写实现,验证测试通过,最后生成集成测试。就像有个资深工程师死活不让我合并烂代码。实施90天以来:生产环境bug减少70%,测试覆盖率从40%提升到90%,出问题时调试速度提升50%。凌晨两点不用修线上bug的时间,无价。测试驱动开发前期确实慢,但长期来看快得惊人。这个Skill强制我吃蔬菜。+ 第三个:文档生成器我痛恨写文档。但六个月后想不起来当初为什么做某个架构决策时,我更恨过去的自己。这个Skill不是让我写文档,而是在开发过程中问我问题。“你这里为什么选Redis不选Memcached?”它捕捉我的回答,转化成结构化文档。意外收获:面试高级职位时,我能展示文档齐全的GitHub仓库。面试官以为我极度自律,其实我只是把自律自动化了。+ 第四个:代码审查协议“收工上线”是最容易出问题的时刻,心理上已经结束了,想合并走人,这时候未用的导入、调试日志、未处理的边界情况最容易溜进去。这个Skill自动执行47项检查,涵盖安全、代码质量、最佳实践。每次审查2分钟,比20分钟手动审查强太多。更重要的是,在代码审查之前就捕捉问题。两周前,它发现一个API端点没有限流。那个端点如果上线,24小时内就会被DDoS攻击。47行markdown避免了一场灾难。+ 第五个:系统化调试框架以前遇到bug会慌,随机尝试修复,到处打日志,重启服务,刷StackOverflow,最后撞上一个方案,根本不知道为什么管用。这个Skill强制执行结构化调试方法:可靠复现、生成假设、系统排除、识别根因、实现修复、预防回归、记录经验。上周用户报告结账失败。以前的我会花几小时随机调整超时值。有了这个Skill:5分钟复现问题,生成4个假设,10分钟排除3个,识别根因是Redis连接池耗尽,5分钟修复并添加监控。总共25分钟。+ Skills真正改变了什么?使用前,每周40小时:13小时重复解释上下文,8小时修可避免的bug,6小时补拖延的文档,4小时陷入调试黑洞。实际编码时间:9小时。使用后,每周40小时:0.5小时上下文,2小时修bug,0小时写文档,1.5小时调试。实际编码时间:36小时。编码时间翻了四倍。但真正的倍增来自这36小时可以做什么。Skills之间会复合增效。测试驱动Skill和文档生成Skill协同工作,代码审查Skill可以引用两者。这就是工具和系统的区别:工具是加法,系统是乘法。Skills暴露了大多数开发者不愿承认的事实:我们花在解释上的时间比构建上更多。以前我以为自己的工作是写代码,结果70%的“编码时间”实际上是在重复解释上下文、记忆规范、查文档、审查自己的代码、调试本可避免的问题。真正的编码?可能只有30%。Skills没有让我成为更好的程序员,它们消除了编码周围的元工作。这才是核心区别。如果你读到这里,问题不是“我该不该用Skills”,而是“我反复在做什么事情,其实只需要做一次?”回答这个问题,你就找到了第一个Skill。x.com/ihtesham2005/status/2020534925934641200
新浪微博 2026-02-10 00:00:00
3. Claude Code 内部复盘的Skills实战经验公开:好 Skill 的 5 个共性
微信公众号 2026-03-23 00:00:00
4. Agent Skill 相关资料、笔记和思考
知乎 2026-01-18 00:00:00
5. 今天,我决定把「卡兹克风格创作.skill」开源了。
知乎 2026-04-07 00:00:00
6. 最近 Anthropic 的工程师 Thariq 发了一篇长文,分享了他们内部使用 Claude Code Skills 的经验。这篇文章信息量很大,因为 Anthropic 自己内部就有几百个 Skills 在日常运转,他们踩过的坑、总结出来的方法论,含金量相当高。我把里面最有价值的东西提炼出来,跟大家聊聊。1、Skill 这东西,比你想的要强大得多很多人对 Skill 的理解停留在“就是个 Markdown 文件嘛,写点提示词让 AI 照着做”。Anthropic 的人说,这是最常见的误解。Skill 其实是一个文件夹。里面可以放脚本、数据文件、参考代码、模板,甚至 SQLite 数据库。Claude 能自己去翻这个文件夹,找到它需要的东西,然后用起来。这就像你给一个新来的同事安排工作,如果你只给他一张纸条写着“去把这个功能做了”,他大概率会做得磕磕绊绊。但如果你给他一个完整的工具箱,里面有参考代码、常见问题清单、测试脚本、模板文件,他上手就快得多。Skill 就是这个工具箱。想想看,我们平时做任何工作,效率最高的时候往往是手边有一套趁手的工具和参考资料。Skill 的设计思路其实跟这个道理一模一样,把你的经验、流程、工具打包成一个可复用的单元,下次再遇到类似的事,直接调用就行。2、九种类型,覆盖了软件开发的方方面面Anthropic 把内部所有的 Skills 梳理了一遍,发现它们基本可以归成九类。这个分类本身就很有参考价值,因为它相当于给你画了一张地图,告诉你 Skill 能用在哪些场景。第一类是知识类,教 Claude 怎么正确使用某个库或工具。比如你们公司有个内部的计费库,各种边界情况和容易踩的坑,写成 Skill 之后 Claude 就不会再犯同样的错。第二类是验证类,教 Claude 怎么测试和校验代码。Anthropic 的人特别强调这一类,说让一个工程师花一整周专门打磨验证类 Skill,绝对值得。他们甚至会让 Claude 把测试过程录成视频,这样你能看到它到底测了什么。这个思路挺有意思的,等于给 AI 的工作加了一层可追溯性。第三类是数据类,连接你的数据源和监控系统。第四类是流程类,把重复性工作打包成一条命令。第五类是脚手架类,生成项目模板。第六类是代码审查类,保障代码质量。第七类是发布部署类。第八类是排查诊断类,从一个报错出发,走完整个排查流程,输出一份结构化的报告。第九类是运维类,处理日常维护。这九个类型看下来,你会发现一个规律:它们覆盖了一个软件工程师日常工作的几乎所有环节。从写代码、测代码、查数据、做日报、部署上线、排查问题到日常运维,每个环节都能用 Skill 来提效。这其实给了我们一个很好的思考框架。不管你是做什么工作的,都可以用类似的方式去梳理:我的日常工作有哪些环节?哪些环节是重复的?哪些环节容易出错?把这些环节整理出来,就是你应该优先做成自动化流程的地方。3、写好一个 Skill 的关键:写 Claude 不知道的东西这一条是整篇文章里我觉得最精辟的观点。Claude 本身对编程已经很懂了,它有很多默认的偏好和习惯。如果你写的 Skill 只是在重复 Claude 已经知道的东西,那就是浪费。好的 Skill 应该聚焦在那些能把 Claude 从惯性思维里拽出来的信息上。Anthropic 举了一个例子,他们有个前端设计的 Skill,专门用来纠正 Claude 的审美。因为 Claude 默认生成的前端页面总是那几个老套路:Inter 字体、紫色渐变。这个 Skill 就是通过反复跟客户迭代,把更好的设计品味“教”给了 Claude。这个思路放到更广的场景里也成立。我们跟 AI 协作的时候,最有价值的输入往往是那些 AI 自己不容易想到的东西,比如你们团队独特的规范、行业里不成文的惯例、过去踩过的坑。这些东西才是你作为人类最不可替代的贡献。4、踩坑清单才是一个 Skill 的灵魂Anthropic 的人说,任何 Skill 里信息密度最高的部分就是踩坑清单,也就是 Gotchas。这些内容应该从 Claude 使用你的 Skill 时反复犯的错误中积累起来。理想的做法是随着时间推移不断更新,Claude 每踩一个新坑,你就往清单里加一条。这个做法特别实在。我们平时做项目也是一样,最宝贵的经验往往不是“怎么做对”,而是“怎么避免做错”。一个团队的核心竞争力,很大程度上就体现在他们踩过多少坑、记住了多少教训。把这些教训系统化地沉淀下来,就是在给团队建护城河。5、给指令留灵活空间,别写成死板的操作手册因为 Skill 是高度可复用的,所以你要注意别把指令写得太死。Claude 通常会严格遵循你的指令,如果你规定得太细,它在遇到稍微不同的情况时就会手足无措。正确的做法是:给 Claude 它需要的信息,但也给它根据实际情况灵活应变的空间。这跟管理团队是一个道理。好的管理者给方向和原则,差的管理者给步骤和流程。前者培养出能独立思考的人,后者培养出只会照本宣科的执行者。跟 AI 打交道也是如此,你越是把它当成一个有判断力的协作者来对待,它给你的产出就越好。6、让 Skill 拥有记忆有些 Skill 可以通过在内部存储数据来实现记忆功能。比如一个每天发站会汇报的 Skill,可以维护一个日志文件,记录每次生成的内容。这样下次运行时,Claude 读一下历史记录,就能知道跟昨天比有什么变化,只汇报增量。这个设计很巧妙。它让 Skill 从一个无状态的工具变成了一个有上下文的助手。就像一个好的秘书,不只是帮你干活,还记得你之前干了什么,能帮你做前后对比和趋势分析。7、给 Claude 现成的代码,而不是让它从头写Anthropic 说,你能给 Claude 的最强大的工具就是代码。给它脚本和函数库,让它把精力花在组合和决策上,而不是重复造轮子。比如你有一组从数据库取数据的函数,直接放到 Skill 里。当你问 Claude“周二发生了什么”的时候,它不需要从头写查询逻辑,直接调用你给的函数,把精力放在分析和组合上。这其实揭示了一个更深层的道理:AI 最擅长的是组合和创造,最不擅长的是记住你们公司特有的那些细节。所以最高效的协作方式是你提供素材和工具,让 AI 来做组合和决策。8、分享 Skill 的两种方式小团队直接把 Skill 提交到代码仓库里就行,放在 .claude/skills 目录下。但随着团队变大,每多一个 Skill 都会给模型的上下文增加一点负担。这时候更好的方式是搭建一个内部的插件市场,让每个人自己决定装哪些。Anthropic 内部的做法是让好的 Skill 自然浮现。有人做了一个觉得不错的 Skill,先放到 GitHub 的沙盒目录,在 Slack 里推荐一下。等用的人多了,再正式搬进市场。他们特别提醒了一点:做出质量差或者重复的 Skill 太容易了,所以在正式发布前一定要有筛选机制。这跟任何工具生态的道理一样,数量不重要,质量才重要。9、最后的感受读完这篇文章,最大的感受是:Skill 这个东西的潜力远比大多数人想象的要大。它表面上看是一个给 AI 写提示词的地方,但实际上它是一套完整的知识管理和流程自动化体系。你可以把团队的经验、规范、工具、流程全部沉淀进去,让 AI 成为一个真正了解你们团队的协作者,而不只是一个通用的聊天机器人。Anthropic 自己内部有几百个 Skills 在运转,这个数字本身就说明了问题。当一个 AI 公司自己都在重度使用这套机制的时候,你就知道这东西是真的有用,不是花架子。而且 Thariq 最后说了一句很实在的话:他们的大多数 Skill 一开始也就几行文字加一条踩坑提醒,后来是因为 Claude 不断遇到新的边界情况,大家才一点一点把它们完善起来的。所以不用追求一步到位,先从最简单的开始,用起来,然后慢慢迭代。这可能是对待任何新工具最聪明的态度。#How I AI##科技先锋官#
新浪微博 2026-03-20 00:00:00
7. 龙虾装了几百Skill搜不到还冲突?Claude Code官方新版 Skill Creator一键优化!
微信公众号 2026-03-16 00:00:00
8. 各种Skill向你袭来,同事Skill、前任Skill、导师Skill、老板Skill、永生SKill等,已经十多个了~
知乎 2026-04-03 00:00:00
9. 基本上同意,其实我一直认为 skill 的诞生就是为了将自己的经验和流程 sop 化,针对自己的经验和技能创建的 skill 才是最符合自己需求的,但是,现在很多人都在用别人创建的 skill ,用完之后,大多数人还会吐槽一句 skill 也就这样,就是一个大号的提示词。 这恰恰低估了 skill 的能力。
新浪微博 2026-02-27 00:00:00
10. 实测了一下阿里云的贾维斯 Claw ,我从 ClawHub 上下载了 18 个 Skill 插件,用阿里云的 JVS Claw 做了一次完整的安全审计。事情的背景是这样的:今年 3 月,OpenClaw 的插件中心被曝出 340 多个恶意 Skill,伪装成天气查询、一键排版之类的小工具,实际上藏着键盘记录器和凭据窃取器。更夸张的是,平台上大约 36.82% 的 Skill 都存在安全缺陷。我先把 MCP 协议规范、Skill 开发文档和慢雾安全团队的安全检查清单喂给了 JVS Claw,让它自己整理出一份审计标准,覆盖了十三个大类、上百个检查项。然后让它按照这份标准去扫描本地的 18 个 Skill。整个过程大概 10 分钟就跑完了。结果也挺触目惊心的。综合评分 78 分,将近一半的 Skill 有安全问题。其中一个叫 agent-reach 的插件被标为高风险,它集成了十几个社交平台的操作能力,但 Cookie 是明文存储的,还能直接提取你本地浏览器的 Cookie,完全没有授权确认。CVSS 评分直接打到了 9.1。具体实测效果大家可以看看这篇文章:网页链接#科技先锋官##How I AI#
新浪微博 2026-04-08 00:00:00
11. 《Agents, robots, and us: Skill partnerships in the age of AI》麦肯锡最新报告指出,当前技术理论上能自动化超过美国一半的工作时长,这意味着工作方式正经历深刻变革。到2030年,美国有望释放约2.9万亿美元的经济价值。需求变化尤为显著:过去两年内,AI技能需求激增7倍,成为增长最快的职场能力。75%的AI技能需求集中在三个职业群体,且非体力工作占美国工作时长的三分之二,AI正在重塑人类技能的应用方式。然而,自动化“任务”与自动化“完整工作流程”之间差距巨大,许多企业在真正释放价值时仍面临挑战。真正的竞争力,来源于能够重新设计工作流、掌握AI作为杠杆而非玩具的人才。未来的职场不是被AI取代,而是成为AI的“指挥官”。这场变革不仅是技术问题,更是教育、管理和政策的挑战。若不能同步更新,生产力提升将难以转化为普惠的生活水平改善。AI流利度不仅是“会用工具”,更是“懂得重构工作”。总结来看,AI将重塑职业边界,推动人类从“执行者”向“协调者”转型。拥抱变化,培养新技能,才能抓住这场价值释放的机遇。原文:www.mckinsey.com/mgi/our-research/agents-robots-and-us-skill-partnerships-in-the-age-of-ai#/
新浪微博 2025-12-01 00:00:00
12. 千问PC端上线AI语音输入,无需切换各类应用直接用AI助手创作、翻译,给普通人工作学习带来哪些变化?
知乎 2026-05-07 00:00:00
13. 爆肝10亿token,我给OpenClaw做了个龙虾管家!【一键安装龙虾】
哔哩哔哩 2026-03-10 00:00:00
14. 「Github一周热点99期」提升ClaudeCode效率10倍的工具?
哔哩哔哩 2026-01-02 00:00:00
15. 所有用OpenClaw的朋友,我都劝你先装上这个能保命的Skill。
知乎 2026-03-13 00:00:00
16. 想让 AI 自动读取 doc/docx 文档,再基于这些文档生成新文档,这种场景能做成 Skill 吗?可以,但做之前先想清楚一个问题:这是一次性任务,还是需要反复做的任务?如果只是一次性任务,没必要做成 Skill——Skill 的核心价值在于复用。如果是需要反复做的任务,建议按这个流程走:1. 先手动做几遍,沉淀最佳实践。摸清楚哪些步骤是固定的,哪些地方容易出问题,什么样的输出质量最好。2. 让 Agent 帮你创建 Skill。新开一个会话,在支持 Skills 的 Agent 里把任务完整做一遍,做完后告诉它:把刚才的操作创建成一个 Skill,方便以后复用。3. 用 Skill 做任务,持续迭代优化。以后都用这个 Skill 来执行任务。每次完成后检查输出,哪里不满意就告诉 Agent,让它改进并更新 Skill。简单说,Skill 就是可复用的最佳实践。先跑通流程,再固化成 Skill,然后在实战中不断打磨,这才是正确的使用姿势。
新浪微博 2026-01-20 00:00:00
17. 怎么用好 Openclaw ?其实很简单,用大家熟悉的思路来理解:你现在拿到了新的Android手机,你知道它很强大,但很可惜现在还没有一个AppStore。所以,你发挥不出来它的能力。那怎么给你的 Openclaw装App呢?其实也就是大家说的skill。以前安装是点击apk,现在基本上是自然语言安装,很多把skill文档链接 直接发给openclaw就这样好了,然后直接问他该怎么用。所以用大家熟悉的逻辑就是,用好openclaw,就是多装多试skill。那从哪里获得skill的资讯呢?1、多关注几个大V,看他们的分享。微博上有@宝玉xp @歸藏的AI工具箱 @数字生命卡兹克 当然推特上更多。2、有需求就去搜看看有没有写了类似的skill,比如这种skill 集合站 网页链接,也可以去github搜。我上午想让openclaw帮我逛小红书,就找了个agent-reach 插件3、当然也可以找gpt啊啥的直接问,反正思路就跟你以前找app差不多。4、进阶一点,那就是开始看着别人的skill文档,琢磨自己的skill。这玩意儿就好比自己写App,但语言是自然语言。你把以上这些弄明白了,那应该已经超越90%的openclaw用户了。
新浪微博 2026-02-26 00:00:00
18. Skill 调用 Skill:Agent Skills 的乐高式组合写 Skill 的时候遇到一个问题:我的漫画生成 Skill 需要画图,但用户可能装了 Nano Banana Pro 的 Skill,也可能装了 Midjourney 的。我要在代码里写死调用哪个吗?不用。这正是 Agent Skills 设计的精妙之处。原理:启动即感知Claude 调用 Skill 时会加载 SKILL.md、注入指令、修改执行环境。但更关键的是启动阶段——Agent 启动时就预加载了所有已安装 Skill 的名称和描述。换句话说:Agent 一启动就知道自己有哪些能力。实践:松耦合调用我的漫画 Skill 里,画图环节是这样写的:> Check available image generation skills If multiple skills available, ask user preference> 检查可用的画图 Skill,如果有多个则提示用户选择好处是解耦。我不依赖任何特定的画图实现,用户装了什么画图 Skill,Claude 就调用什么。更妙的是 Claude 能动态适配目标 Skill 的能力:- 支持参考图 → 传角色设计图- 只支持文本 → 传文字描述所以我只需要说:“帮我画张图”,而不用:“用 Nano Banana Pro 的 API 帮我画张图”。为什么这样更好这种松耦合带来几个实际好处:1. 可替换:换画图引擎不用改上游 Skill2. 可扩展:新画图 Skill 自动可被调用3. 低维护:Skill 作者不用追踪下游依赖4. 用户自主:用户选自己喜欢的工具Skill 间相互调用是基于能力描述的松耦合。你只描述“需要什么能力”,Claude 在运行时自动匹配。这让 Skills 成了真正的乐高积木——独立模块,自由组合,构建复杂工作流。
新浪微博 2026-01-22 00:00:00
19. Claude悄悄更新了Skills生成器,这绝对是一次史诗级升级。 上周直播的时候,发现Anthropic的skills仓库居然有更新了。 点进去一看,然后居然发现了一个超级刚需的Skills迎来了更新。 就是这个,甚至可以说是整个Skills生态的基石。 Skill-creator。 可以说,现在小龙虾的能力能这么强,有一半的原因都要归功于Skills,而这些Skills能被创造出来,几乎都要归功于这个母Skills,Skill-creator。 我相信,任何一个看过我们过去关于Skills的文章,或者玩过Skills的朋友,都绝对不可能对这个Skill-creator陌生。 简单总结就是,这是Anthropic官方出的Skills生成器。 你可以用嘴描述出你的需求,然后直接用Skill-creator,帮你做成一个Skill。 如果有不了解的,可以去看一下我们过去的这一篇文章:一文带你看懂,火爆全网的Skills到底是个啥。自认为写的还是比较详细的。 这周终于有时间,详细翻了一下这次更新的Skill-creator的文档,然后发现,这次真的可以说,是史诗级更新也不为过,强了太多太多了。 所以我觉得,值得写一篇文章,来给大家聊聊,这次Skill-creator更新的新特性和新功能。 真的,所有的skills,都值得重新优化一遍。 非常简单的说,这次他们一口加了4个全新的能力,分别是: 1. 评估系统,跑完直接告诉你这个skill到底行不行。 2. 基准测试,把通过率、耗时、token用量,全都量化。 3. 多代理并行测试,每个测试在干净的环境里独立跑,支持A/B盲评,结果不互相污染。 4. 描述调优,可以自动帮你改skill描述,该触发的触发,不该触发的就别乱触发。 之前的Skill-creator其实一直有个痛点,就是你生成完的Skills,其实是个黑盒,你完全不知道,这个Skills到底好不好用,它的质量怎么样,它的触发机制合不合理。 用我们现代经常提的工业化体系来说,就是缺少了一个很重要的东西,评估机制。 评估太重要了,一个好的评估,是真的可以引领方向的。 而现在,新版的Skill-creator,直接把整个评估体系,全都补上了。 我极力推荐大家,一定要更新到最新版。 更新方式也究极无敌简单,你直接把这段话,发给你的Agent就行,无论是Claude code、OpenClaw、OpenCode等等等等: http://t.cn/AXGZiVap,这个skills更新了,帮我更新到最新版本 对,就这么一句话。 然后你的Agent,就会自己去更新了。 很快,就更新完了。 我用一个案例,来给大家演示一下新版Skill-creator的能力。 在之前有一篇文章中,我把Github上的yt-dlp做成了一个Skill,能从YouTube、B站等各种视频网站下载视频。 但其实我们后来发现,光能下载视频还不够。 我还希望拿到视频链接之后,能直接生成文字版的讲稿。 而且如果是英文或其他语言的视频,最好能直接给我中英双语的讲稿文档。 所以正好,借着这个机会,我就用skill-creator又搓了一个新skill。 提示词很简单。 我想创建一个skill,我希望能够实现我给了一个视频链接,它能够把文字版的讲稿发给我,如果是别的语言,最好是把原语言版和中文版的讲稿文档给我。 它会先问你几个问题,确认需求细节,然后开始帮你设计整个skill。 大概3到5分钟,这个Skill就设计完了。 我拿一个OpenClaw创始人的YouTube访谈视频来试一下。 就给了一个YouTube的链接。 五分钟后,中文版的讲稿就出来了。 但是,其实有个问题。。。 这一大坨文字堆在一起,字又小又挤。 根本没法看。 这时候你就可以继续对话,让它给你优化,帮你改进这个skill。 新版的Skill-creator,在改进的能力上,也有一些提升。 改进之后的效果: 几乎完美。 排版清晰,段落分明,这才像个文档该有的样子。 但这还没完。 但这个时候,一个头疼的问题就来了,我害怕我的skills触发会打架。 因为我现在有两个skill都跟视频链接相关。 一个是yt-dlp,负责下载视频到本地。 一个是刚做的讲稿生成,负责把视频转成文字。 两个skill的触发条件都是给一个视频链接,我害怕他们会打架,就是出现该触发的不触发,不该触发的乱触发。 那就可以使用Skill-creator的评估体系了,让它来帮你,进行优化skill描述。 它首先会读取你当前skill的描述,然后告诉你接下来要做四件事: 自动生成两组查询,应触发的10条和不应触发的10条。 设计得很有意思。 故意把边界情况都摆进去,逼模型在模糊地带做判断。 然后,直接生成了一个网页,让你确认,特别牛逼。 真的,我用到的时候都惊呆了。 所有查询排在界面里,每一条右边有个开关,标着是否应该触发。 你可以逐条看一遍,觉得哪条判断不对,直接关就行。 打个比方,第三条这种情况,我不想让它再触发了,我就直接让它关掉就行。 然后还有不应该触发的10条,我看了一遍,没啥问题。 所有的都确认之后,这时候,你点导出评估集,就完事啦。 确认完样本之后,优化循环会在后台启动,最多跑5轮迭代。 每一轮做三件事来帮你进行测试和评估,整个过程大约需要10-20分钟。 它还会定期汇报进度。 跑完之后就是你就能看到一个巨型表格。 每一列是一个查询样本,每一行是一个迭代版本的描述。 绿色勾对勾表示触发成功,红色叉×表示没触发。 蓝色列是测试集,其余是训练集。 它把样本分成60%训练集和40%测试集,在训练集上迭代优化,最终用测试集上的表现来选,防止过拟合。 跑完之后,最优的描述会自动写回你的SKILL.md,全程不用你动手。 Anthropic官方在自己6个文档类skill上测了一下,5个触发率都有提升。 仅仅就用新版的skill-creator优化了一下,真的很牛逼。 通过这一步,能大大提升你的Skills的触发准确率。 但触发对了,并不等于OK。 所以,你的Skill装上并且能稳定触发之后,到底在实际任务上表现如何,这个能力,也还要评估一下。 我就继续拿这个刚做好的skill来跑一遍,带你大家看看整个过程。 直接对刚刚那个skill进行一下评估。 它会先把你的skill文件完整读一遍,搞清楚这个skill的核心流程是什么。 然后它会问你:你更想测哪个方面? 我选了全面评估。 它根据skill的功能,自动设计了三类测试场景,同时设计了量化验收标准。 确认方案之后,它一次性启动了4个独立子代理,同时跑。 这次4个并行的Agent来进行测试,就很香了。 以前其实你也可以做一些简单的评估,但是,最大的问题,就是会按顺序跑,一个跑完再跑下一个。 但是大家都知道,上下文管理有多重要,前一个任务积累的上下文,会污染后一个的结果。 你以为是skill的功劳,但,其实完全是对话历史帮了忙。 这次的评估,就对味了很多。 每个代理都在完全干净的环境里独立运行,有自己的token 计数和时间指标。 互相之间零交叉。 结果更快,数据更干净。 等待的时候,它也顺手就把量化评分脚本也准备好了。 等测试结果回来之后,就直接自动检查格式是否符合要求,很多小细节全都在里面。 测试跑完,浏览器里会弹出评估查看页面,有两个标签页。 输出标签页,可以直接看每个测试用例的输出。 下面还有一个反馈框,你可以直接标注哪里不对、哪里需要改进。 这些反馈会被存起来,下次改进skill的时候直接用。 另一个是基准测试标签页,可以看有skill vs 无skill。 通过量化对比,一目了然。 数据这块,也是极度量化。 有skill的通过率100%,无skill基线9%,差值91.5%。 费用上,有skill每次大约4000token,无skill1750token,差了2250。 但这是skill带来的额外消耗,对比产出的结果,值得。 但评估的价值远不止于此。 Anthropic官方也举了个例子。 他们有个PDF skill,之前在处理表格时会出错。 Claude需要把文字精确的放在特定坐标上,但因为没有明确的字段做引导,经常放歪。 这个问题在评估过程中被发现,再进行修复改进定位逻辑后,问题就解决了。 也就是说,找到问题之后不用从头来过。 评估结果会存在本地,下次你用skill-creator改进这个skill的时候,它会把上次标注的问题直接带进去,针对那里改。 改完再跑一遍评估,看有没有提升。 测试、发现、修、再测,这个循环是完整的。 Anthropic把软件开发的一些严谨做法,比如测试、基准、迭代改进等等,这次引入Skills的创作流程。 真的,牛逼太多了。 这绝对对于所有人来说,都是一个史诗级增强。 你要知道,小龙虾为什么那么强,能做那么多的事,其实真不是因为他本身有多牛逼,纯粹是因为,它身上挂的SKills,太多了,那都是一个一个的技能包。 可以说,Skills,就是整个Agent未来大繁荣生态的基石,而我自己,也一直极力的看好和强力推广各种各样的Skills。 所以,我极度建议,大家把Skill-creator更新到最新版,然后把你自己所有的Skills,都进行优化和评估一遍。 当然,你得先分清楚,你写的Skills是哪种。 因为本质上,Skills其实分两种。 第一种是能力提升型。 就是教Claude做它本来不擅长的事。 比如官方的前端设计skill、文档创建skill,里面写了大量技巧,是你光靠Prompt根本拿不到的效果。 我们大多数人自己搓的skill,基本也都是这类。 第二种官方叫编码偏好型。 就是告诉Claude按你的规矩来。 Claude本身每一步都能做,但你的skill把这些步骤按你团队的流程串起来了。 比如一个会议纪要整理skill,按你们公司固定的格式,自动把录音转成带行动项的文档。 或者一个周报生成skill,从各个平台里拉数据,按你要的格式排好。 你可以把这种,理解成一个Workflow,就是一个工作流。 对这两种类型,评估的方向会稍微不太一样。 对于能力提升型,测的是模型更新之后这个skill还有没有存在的必要。 用A/B测试对比,有skill和没skill各跑一次。 结果如果差不多,这个skill就可以退休了。 编码偏好型测的是另一件事,它有没有老老实实按你的流程走? 有没有漏步骤?有没有自作主张改了顺序?有没有忘了你特别说过的某个要求? 所以会稍稍有一些区别,这个大家在自己评估的时候,可以注意一下。 回头想想,以前造完一个skill,其实也就是自我感觉良好。 但说实话,全是黑盒,根本不知道该怎么评估。 现在就舒服多了。 评估跑一遍,数据摆出来,好不好用,一眼就见真章。 所有的Skills,真的都值得重新优化和评估一遍。 Skills生态。 感觉又要迎来一波大繁荣了。 #AI[超话]##how i ai##科技先锋官##skill##skills#
新浪微博 2026-03-11 00:00:00
20. 9.3k星Skill Seekers:一键把文档变成Claude技能,文档党狂喜
微信公众号 2026-02-11 00:00:00
21. 同事.skill,被严重神话了! #大有学问 #红衣聊AI #AI工具 #skill
抖音 2026-04-15 00:00:00
22. 手把手彻底学会 Agent Skills!【小白教程】
哔哩哔哩 2026-02-02 00:00:00
23. 一次搞懂skill原理,玩法,开源skill资源,动手教程......
哔哩哔哩 2026-02-06 00:00:00
24. 从“能用”到“会用”|如何写好一个 Skill http://t.cn/AXfA39Pv 本文为 Skill 设计与开发的一站式最佳实践指南,可助力你: - 系统厘清 Skill 的定义,规避常见认知误区; - 熟练掌握高命中率、高稳定性 Skill 的设计标准与核心原则; - 掌握 “评测驱动、失败优先” 的工程化 Skill 构建与迭代全流程; - 掌握可维护、可扩展的 Skill 设计技巧; - 依托 AI 高效完成 Skill 的创建、迭代与优化; - 凭借反模式检查清单,精准规避 Skill 开发中的典型问题。 #How I AI#
新浪微博 2026-03-17 00:00:00
25. 优秀工程师不一定能写出优秀的Skill来,Perplexity公开了他们内部工程师在开发和评审 Skills 时使用的文档,帮助开发人员开发高质量Skill地址:research.perplexity.ai/articles/designing-refining-and-maintaining-agent-skills-at-perplexity开发高质量 Skill 所需的直觉和最佳实践,与构建传统软件所需的直觉和最佳实践有很大不同。Agents 团队会审阅许多优秀工程师在工作中提交的 Skill 相关 pull request。结果几乎总是会产生大量评论和修改建议。这是因为,许多在写代码时有用的模式,在创建 Skill 时反而会变成反模式。例如,如果你借用 PEP20《Python 之禅》中的一些格言,很快就会发现:写好 Python 代码和写好 Skills 完全不是一回事。在这 20 条智慧中,至少有一半在写 Skills 时要么完全错误,要么会造成严重误导。下面是其中五条(如图):这份指南是 Perplexity 内部工程师在开发和评审 Skills 时共同使用的文档。我们也将这份指南公开发布,希望我们的发现和经验能让更广泛的社区受益。无论你是在日常工作中设计生产级 Skills 的工程师,还是希望在自己最熟悉的领域开发自定义 Skill 的 Computer 用户,或者两者都是,这份指南都适合你。#AI创造营##How I AI#
新浪微博 2026-05-09 00:00:00
26. 如何打造高效的Claude Agent Skills?这份官方最佳实践指南为开发者提供了全面且实用的指引,助你写出简洁、有结构、且经过真实测试的Skills,确保Claude能准确发现并高效调用。核心原则:- 简Image洁为王:Skill内容共享Claude的上下文窗口,精简每个token,避免冗余信息。默认假设Claude已具备大量知识,仅补充必要上下文。- 自由度匹配任务:根据任务复杂度设定指令自由度,高自由度适合多路径判断,低自由度适合严格顺序执行(如数据库迁移)。- 跨模型测试:不同Claude模型(Haiku、Sonnet、Opus)对指令细节需求不同,须确保Skill在所有目标模型上均表现良好。Skill结构与命名:- 使用YAML frontmatter定义name(小写字母、数字、短横线,最长64字符)和description(简明描述功能和使用场景,最长1024字符)。- 命名推荐用动名词形式(processing-pdfs、analyzing-spreadsheets),保持一致性,便于管理和调用。- 描述需具体且客观,避免第一人称,确保Claude正确匹配Skill。内容组织与渐进式揭示:- SKILL.md作为入口,保持500行以内,超过时拆分成多个文件(示例、API参考、工作流等),Claude按需加载,节省上下文资源。- 避免深层嵌套引用,所有引用文件应直接从SKILL.md连接,确保完整读取。- 长文档加目录,帮助Claude快速定位信息。工作流与反馈循环:- 复杂任务拆解成清晰步骤,提供可复制的checklist,方便Claude跟踪进度。- 实施验证反馈循环(如校验脚本),确保每步结果正确,减少错误传播。代码与脚本:- 编写可执行脚本解决具体问题,避免将错误处理推给Claude。- 明确指示Claude执行脚本或仅作参考。- 列出依赖包且确认可用,避免环境不一致导致失败。- 用正斜杠书写路径,兼容所有平台。测试与迭代:- 先构建测试评估,界定成功标准,基于真实用例优化Skill。- 采用“Claude A”协助开发,“Claude B”实际测试,观察行为反馈不断迭代。- 关注Claude使用Skill时的路径、遗漏和重复,调整信息架构和描述。避免误区:- 不用Windows风格路径。- 不提供过多选择,推荐默认方案并预留替代方案。- 避免时间敏感内容,采用“旧版本”/“当前版本”分区说明。高级用法:- 利用视觉分析功能处理图像或表单布局。- 设计可验证的中间产出,采用计划-校验-执行模式保障准确性。- 清晰标注MCP工具调用,避免工具定位错误。总结一句话:写Skill如导航指南,既要言简意赅,又要层层递进,帮助Claude快速准确地找到并执行任务,真正实现智能助理的高效赋能。详情:platform.claude.com/docs/en/agents-and-tools/agent-skills/best-practices
新浪微博 2025-12-09 00:00:00
27. 当 AI Agent 成为日常,为什么“Skill Registry”是个人或企业沉淀核心能力的必经之路?
知乎 2026-05-11 00:00:00
28. 把C++写的老项目重构成现代框架?给AI吧我不干了!
哔哩哔哩 2026-02-14 00:00:00
29. 千问电脑版上线语音输入法:打工人终于可以用嘴干活了
微信公众号 2026-05-07 00:00:00
30. 团队内的 skills 管理和维护的一点经验分享(以 codex cli 用的 .agents/skills 目录为例):1. Git 管理是一定要的。版本控制太重要了,而且 Skills 都是 Markdown 和脚本文件,天然适合 Git。2. 用好 Symlink。不要把 Skills 整个拷贝到 .agents/skills,而是通过 Symlink 直接链接到原始 Skills 的 Repo。好处有两个:一是版本控制更干净;二是使用中遇到问题,Agent 定位后可以直接在 Repo 里改,改完就能 Review 提 PR。我日常维护 baoyu-skills 就是这么干的,用的时候发现问题,让 Agent 在当前会话改,改的就是 Repo 本身,流程非常顺。主要的坑是 Windows 下好像不支持 Symlink,另外首次配置稍麻烦(可以让 Agent 帮你操作)。3. Skills 的编辑优先让 Agent 来。改完走 Git 提 PR,这就是最好的协作和发布流程。4. 验证确实不太好做。脚本部分可以写单元测试,Skill 的 Markdown 部分只能靠平时积累的测试集,大部分还得人工。但配合 Git 的版本管理,快速迭代反而更现实:不怕改出问题,出了问题根据 commit history 快速定位,或者直接回滚。5. 最后提醒一下:大部分 Skills 应该跟着项目走(放项目目录下的 .agents/skills),不要放全局(~/.agents/skills)。即使是渐进式加载,meta 信息累积起来也会占不小的上下文空间。
新浪微博 2026-04-03 00:00:00
31. 美团LongCat 团队发了篇Paper 并发了一个配套的skill,用一个比较简单的办法来提升agent在数学、代码和可验证推理任务上的表现。地址:huggingface.co/papers/2605.02396现在 Agent 框架越来越复杂了,很多系统通过多智能体、记忆、技能和工具调用来提升模型表现。但作者认为真正起作用的可能并不是这堆复杂的东西,而是模型在推理时进行“更重、更充分思考”的能力。论文提出的 HeavySkill,就是把这种能力封装成一个可复用的 skill:先让模型从多个角度独立推理,再对这些推理过程进行综合、比较和判断。实验结果显示,这种“多路探索 + 综合反思”的方式,通常比简单多次采样或多数投票更有效,尤其在数学、代码和可验证推理任务上提升明显。这个skill在这里:github.com/wjn1996/HeavySkill#AI创造营#
新浪微博 2026-05-06 00:00:00
32. Anthropic 发了一份 33 页的官方指南,专门讲怎么给 Claude 构建 Skill。这份文档信息量很大,我来帮你梳理一下核心要点。 先说 Skill 是什么。本质上就是一个文件夹,核心是一个叫 SKILL.md 的文件,用 Markdown 写,带个 YAML 头部。它解决的问题是:你不用每次对话都重复解释自己的偏好、流程和专业知识,教一次就够了,以后自动生效。 可以把它理解成 Claude 的标准操作手册。以前你得反复 prompt,现在打包好让它自己按流程走。 文件夹结构很简单。主文件 SKILL.md 是必须的,另外可以选配脚本目录、参考文档目录和资源目录。 这套系统有个精妙的设计叫三层渐进式加载。第一层是 YAML 头部的 name 和 description,这个始终在系统提示词里,用来判断要不要激活这个 Skill。第二层是 SKILL.md 正文的完整指令,只有 Claude 判断当前任务相关时才加载。第三层是 references 目录下的文档,按需读取。 这意味着你启用几十个 Skill 也没事,Claude 不会把所有内容都塞进上下文。第一层的 description 就像个触发器,写得好才能在正确时机激活。 Skill 和 MCP 是什么关系?指南用了个比喻特别到位:MCP 是专业厨房,提供工具、食材、设备;Skill 是菜谱,告诉你怎么用这些东西做出一道菜。MCP 解决的是能做什么,Skill 解决的是该怎么做。没有 Skill 的 MCP,用户拿到工具却不知道怎么用;有了 Skill,等于给工具配上说明书和经验沉淀。 指南把使用场景分成三类。第一类是文档和素材创作,不依赖外部工具,纯靠 Claude 内置能力,比如生成前端设计、PPT、文档。第二类是工作流自动化,多步骤流程的标准化执行,比如用 skill-creator 引导用户一步步创建新 Skill。第三类是 MCP 增强,给已有的 MCP 连接提供工作流指导,比如 Sentry 那个代码审查 Skill,能自动拉错误数据、分析 PR、给修复建议。 技术细节上有些硬性规则要注意。文件名必须精确是 SKILL.md,大小写敏感。文件夹名必须用 kebab-case,比如 my-cool-skill,空格下划线大写都不行。Skill 文件夹里不能放 README.md。禁止用 XML 尖括号,防止提示词注入。名称不能包含 claude 或 anthropic。 description 字段写法直接决定 Skill 能不能被正确触发。好的写法要同时包含三个要素:做什么、什么时候触发、核心能力是什么。 指南总结了五种实战模式。顺序工作流编排适合严格按步骤执行的场景,比如客户入驻流程。多 MCP 协调适合跨服务的联合工作流,比如设计到开发交接。迭代精炼适合需要多轮改进的场景,比如报告生成。上下文感知的工具选择适合同一目标根据条件选不同工具的场景,比如智能文件存储。领域专业智能适合需要嵌入专业知识的场景,比如支付合规检查。 测试上建议覆盖三个维度。触发测试看 Skill 是否在正确时机激活,直接请求能触发、换种说法也能触发、无关请求不误触发。功能测试看执行结果对不对。性能对比看有无 Skill 的差异,对话轮次、API 失败次数、token 消耗这些指标。 一个实用建议:先在单个困难任务上反复迭代直到成功,再把经验提取成 Skill,别一开始就追求广覆盖。 分发方面,个人用户可以下载压缩后上传到 Claude.ai 设置,或者放到 Claude Code 的 skills 目录。组织层面管理员可以全工作区部署。API 用户通过 /v1/skills 端点管理。Anthropic 把 Agent Skills 定位成开放标准,希望它能跨平台使用。 常见问题排查。Skill 不触发通常是 description 太模糊,要加具体的触发短语。Skill 过度触发是范围太宽,要加负向条件缩小范围。指令不被遵循往往是太长太含糊或关键内容被埋没,要精简并把重要的放最前面。上下文变慢是 SKILL.md 太大或启用太多 Skill,主文件控制在 5000 词以内,详细文档移到 references 目录。 最后一个高级技巧值得记住:关键验证步骤用脚本替代自然语言指令。代码是确定性的,语言理解不是。 指南下载地址 :resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf?hsLang=en #HOW I AI##科技先锋官#
新浪微博 2026-02-08 00:00:00
33. 我确实想过这个问题,本来想建个 Skill 平台,好用的 Skill 可以直接在平台付费才能使用。但是,感觉通用 skill 的市场价值不大,效果也不好,其实最有价值的赚钱方式是基于客户的需求做定制化的 Skill,才能把 skill 的价值发挥出来。毕竟,skill 是对能力的封装,封装了自己的能力,别人不一定适用,而通用的 skill 价值就会大打折扣。所以,我感觉卖定制化 Skill 开发服务可能更赚钱,也更有市场。#科技先锋官##How I AI#
新浪微博 2026-03-14 00:00:00
34. 初始化你的🦞之后,可以装一个起安全防护作用的skill-security-auditor,用来审查你之后从各种地方看到安装的skill是否安全在让🦞安装的同时可以再附上以下内容:在 AGENTS.md 的 "## Safety" 章节添加:- 安装任何新 skill 前,必须先运行 `skill-security-auditor` 审计- 风险评分 >40 的 skill 不建议安装- 不要 exfiltrate 私人数据
新浪微博 2026-03-09 00:00:00
35. Skill其实就是分类学。
知乎 2026-04-16 00:00:00
36. 「Github一周热点100期」爆火的AI编程工具却被Claude封禁?
哔哩哔哩 2026-01-17 00:00:00
37. 你写的Skill,正在拖慢模型?策略式Gene才是正确答案
微信公众号 2026-04-21 00:00:00
38. Skill Creator:构建 AI 智能体的skill技能。很多人在用 Claude Code 或 OpenClaw 时,慢慢就自己摸出了一套工作流——比如"我每次都先这样,然后那样,再加一个脚本"。Skill Creator 提供了一套结构化的框架,让你把这种高频工作模式固化成一个 Skill,然后:1. 保存下来,永久复用2. 根据测试反馈迭代改进3. 通过量化评估来验证有没有真的变好4. 最后打包分享给团队核心机制:Draft → Test → Review → Improve → RepeatSkill Creator 的设计逻辑很工程化:1. Draft定义 Skill 要做什么、什么时候触发、输出格式写成 SKILL.md —— 这是核心,包含人类可读的指令 + 元数据目标:200-500 行清晰的文档,不堆砌2. Test写 2-3 个现实场景的测试用例关键:不只跑一遍,要同时跑"用这个 Skill"和"不用 Skill"两个版本(baseline)捕获:时间、token 消耗、输出质量3. Review启动一个交互式评审界面(浏览器),可视化对比两个版本用户逐个看,打反馈,可以看定性输出(文件内容)和定量数据(性能指标)关键:提前草稿量化评估(assertions),而不是等结果出来再想4. Improve根据反馈改 Skill重新测试到新的 iteration和上一版本对比,看有没有真的变好5. 反复直到满意项目:github.com/anthropics/skills/tree/main/skills/skill-creator#HOW I AI# #程序员#
新浪微博 2026-04-04 00:00:00
39. 同事.skill,被严重神话了!#ai创造营# #ai生活指南# http://t.cn/AXMnrbCq
新浪微博 2026-04-15 00:00:00
40. Claude灾难级大宕机,全球开发者集体炸锅!Anthropic三连翻车被怒喷
知乎 2026-04-07 00:00:00
41. 你不知道的 SKILL 技巧 —— 语境劫持
知乎 2026-03-23 00:00:00
42. 最近我几乎每天都在跟AI一起编程,有时一天都不睡觉。 不咋看微信、十几个小时连轴转,对着手机给AI下指令,让它做智能体、改Skill……#大有学问 #人工智能 #红衣聊AI #openclaw
抖音 2026-03-23 00:00:00
43. 「Github一周热点113期」AI 终端工具、一站式黑客工具箱、Skill 包、Codex 生态技能和AI短视频
哔哩哔哩 2026-05-02 00:00:00
44. 同事.skill 的尽头,是把人生外包给 AI
微信公众号 2026-04-04 00:00:00
45. Agent Skill 和 mcp 和 prompt区别是什么?
知乎 2026-01-27 00:00:00
46. OpenClaw 0-Click漏洞致恶意网站劫持开发者AI Agent
微信公众号 2026-03-01 00:00:00
47. Skill不就是prompt吗?为啥被吹成这样?
知乎 2026-05-08 00:00:00
48. 高中生,想成为鸿蒙开发者
哔哩哔哩 2025-12-14 00:00:00
49. AI革命的红利期不会永远存在,现在入场还不算晚。 #大咖观察 #红衣聊AI #人工智能 #科技 #app开发
抖音 2025-12-04 00:00:00
50. 两个月,19 个 Skills,10000+ stars,400 多次 commit。这个视频是我做 baoyu-skills 从 0 到 1 的完整复盘。前半段是真实场景演示,看我日常怎么用 Agent + Skills 完成实际工作;后半段是设计哲学和迭代方法论,把踩过的坑和悟出来的经验都讲透。四个核心观点:1)从提示词到 Skills:起步没有门槛。把你已有的好用提示词、好的实践、甚至模糊的想法,直接用 /skill-creator 变成 Skill。关键是动手。2)别做万能 Skill:Skill 要原子化,每个只做一件事。然后用 AGENTS.md 编排成工作流,让 Agent 灵活执行。我的素材收集和写作流程就是这么串起来的。3)Skills 像随身小刀,越用越顺手:自己常用、遇到问题当场改、给 Agent 高质量对比样例让它自己优化、用 git 做版本管理留后悔药。4)站在 Agent 角度设计:多存中间文件、先分析再执行、写清验证标准、用子 Agent 并行、脚本优先于 MCP。这些小细节决定 Skill 能不能真正跑通。baoyu-skills 已全部开源:github.com/JimLiu/baoyu-skills 网页链接 宝玉xp的微博视频
新浪微博 2026-03-23 00:00:00
51. 最近花了些时间扩展了一下wegent里的skill机制,先说一个。 传统的skill和mcp是平行的关系,在claude code新推出的插件机制里这俩也是并列的存在。 但是我总觉得,没必要把skill和mcp做成两种机制。 skill本质上就三个能力: 代码拆分:skill可以独立于agent开发和分发,也就意味着skill开发者不需要有agent开发能力。 动态加载:默认情况下只给模型摘要信息,加载后再“展开”skill提示词。 附加文件:skill可以携带附加的文档和脚本,供大模型调用。 这三个能力很好,但是有个问题: 如果一个能力需要用到某种远程资源,目前的skill不能描述这个信息,需要通过plugin来描述。而plugin里的mcp的生命周期和skill又是不同的,就造成了skill可以按需加载,但mcp只能静态加载的问题。 在一些极端场景中,为了某个不怎么常用的偏门技能,可能需要加载一堆静态mcp资源,性价比很低。 因此wegent给skill的metadata做了个扩展,支持直接在metadata里面配置mcpserver,并且对上下文做了些改进,让skill相关的mcp工具随着skill的激活而激活,而不是每次都发给模型。 目前这个机制还在测试,从初步测试的效果来看,对于无需加载skill的任务会有一些帮助,毕竟少了很多无关的干扰项。 但是我始终没想明白为什么官方skill和mcp是两套机制,是不是我的理解肤浅了……[流汗]
新浪微博 2026-02-03 00:00:00
52. ClawHub漏洞可操纵排名,恶意skill登顶引发供应链攻击
微信公众号 2026-03-26 00:00:00
53. 照着做,让你Claude Code里的Skill真正起作用!
微信公众号 2026-03-18 00:00:00
54. 「Github一周热点107期」OpenAI收购的AI安全工具、AI代理事务所、OpenClaw技能库、claude code插件和上下文数据库
哔哩哔哩 2026-03-21 00:00:00
55. 万字长文!小白全面入门Codex手把手教程【附保姆级文档】
哔哩哔哩 2026-05-14 00:00:00
56. OpenClaw「App」榜单,国产Skill下载量冲上第一:能给龙虾接入现实世界
微信公众号 2026-03-13 00:00:00
57. Agent Skill开发实践(7)
今日头条 2026-04-08 00:00:00
58. Skills编写实战第 02 课|TDD 写 skill
微信公众号 2026-04-21 00:00:00
59. 写了300个Skill后,我总结出一套小白也能上手的方法论
今日头条 2026-03-25 00:00:00
60. 总结下 Skill 的坑。
小红书 2026-03-17 00:00:00
61. 写了那么多 AI 测试 Skills,为什么还是不好用?
知乎 2026-05-13 00:00:00
62. 为什么你写的 Skill 总是不好用? Anthropic官方方法论+九条黄金法则
微信公众号 2026-04-17 00:00:00
63. 如何写出工业级Skill
微信公众号 2026-05-05 00:00:00
64. 如何快速开发并封装一个 Skill?
今日头条 2026-04-18 00:00:00
65. 660元实测Skill开发全流程|硬核复盘普通人避坑指南!
微信公众号 2026-04-16 00:00:00
66. 我给我的WorkBuddy开发了一个公众号编写Skill,效果出乎意料
微信公众号 2026-05-10 00:00:00
67. OpenClaw新手避坑指南
微信公众号 2026-04-04 00:00:00
68. 用Skill做产品规划?聊聊我踩过的3个坑
微信公众号 2026-05-09 00:00:00
69. 如何编写高质量的agent skill?(三)
知乎 2026-05-05 00:00:00
70. 如何编写高质量的agent skill?(四)
知乎 2026-05-05 00:00:00
71. 如何打造你的Skill?实战案例分享
微信公众号 2026-04-22 00:00:00
72. Skills 编写与使用
知乎 2026-03-28 00:00:00
73. 从「发个语音」到 ClawHub 技能发布
微信公众号 2026-04-30 00:00:00
74. 专栏第二篇|Skill写完≠能用!测试、验收、避坑与迭代
微信公众号 2026-04-10 00:00:00
75. Skill写得挺好,一用就崩?三个测试帮你兜底
今日头条 2026-04-15 00:00:00
76. AI测试Skills踩坑大全
知乎 2026-05-12 00:00:00
77. 10 | Skills 的调试
微信公众号 2026-03-19 00:00:00
78. 如何编写高质量的agent skill?(九)
知乎 2026-05-05 00:00:00
79. 如何编写高质量的agent skill?(八)
知乎 2026-05-05 00:00:00
80. 我花一周拆解了企业级Skills库的全套设计模式
微信公众号 2026-05-06 00:00:00
81. Anthropic 的 Skill Creator 怎么用?照着官方流程做一个能落地的 Skill
微信公众号 2026-05-13 00:00:00
82. 为什么你的 Skill 总是上下文超限?三段式加载设计详解
今日头条 2026-04-03 00:00:00
83. 为什么你写的AI skill复现差
哔哩哔哩 2026-02-12 00:00:00
84. 我把自己的笔记蒸馏成 skill,意外发生了…
微信公众号 2026-04-07 00:00:00
85. 直接开发SKILL
微信公众号 2026-04-22 00:00:00
86. OpenClaw Skill开发完全指南
今日头条 2026-03-12 00:00:00
87. 耗时两周上架Coze Skill,我却劝你别做
微信公众号 2026-02-07 00:00:00
88. 新手如何写一个 AI Skill
微信公众号 2026-05-03 00:00:00
89. 如何写出真正好用的 Skill
微信公众号 2026-05-06 00:00:00
90. 如何把个人经验装进 Skill 中
今日头条 2026-04-30 00:00:00
91. 人工设计 Skill 全面指南
知乎 2026-05-11 00:00:00
92. 新职场复仇记
微信公众号 2026-04-16 00:00:00
93. Skill教程
今日头条 2026-04-09 00:00:00
94. 【Agent Skill专题】深入理解 Agent Skills
微信公众号 2026-05-02 00:00:00
95. Skill 是什么
微信公众号 2026-05-13 00:00:00
96. 让AI稳定交付的秘密
微信公众号 2026-03-24 00:00:00
97. 字节面试官
微信公众号 2026-05-06 00:00:00
98. Superpowers TDD-SDD 方法论
微信公众号 2026-04-01 00:00:00
99. 装上这四个技能,让你的 AI 真正能干活
微信公众号 2026-04-09 00:00:00
100. 测试驱动的 Agent Skills 工程化构建迭代指南
微信公众号 2026-04-13 00:00:00
101. 6 步迭代法
微信公众号 2026-04-17 00:00:00
102. Agent Skills
今日头条 2026-04-04 00:00:00
103. Agent Skill开发实践(3)
今日头条 2026-04-04 00:00:00
104. Claude Code Skill 开发最佳实践指导(一)
今日头条 2026-05-09 00:00:00
105. 超越上下文,让 Agent Skills 完成你的真正需求(4)从点、线到面,Skill + Harness驱动的 AI 开发流程
知乎 2026-04-30 00:00:00
106. Agent Skills 系列(5):一个管理后台查询页案例,怎么把“隐性规范”变成可执行 Skill
知乎 2026-04-22 00:00:00
107. 我发现大多数人用不好对话式开发,是因为这 3 个错误
今日头条 2026-01-08 00:00:00
108. Trae五大高频Skill深度解析,开发者效率直接拉满
今日头条 2026-04-28 00:00:00
109. 我拆解了花叔自建的skill之后,发现了如何写好skill的真相
微信公众号 2026-04-24 00:00:00
110. 测试如何开发一个日常工作的skill?
微信公众号 2026-04-13 00:00:00
111. AI不是写完Skill就结束了,真正的活在后面
微信公众号 2026-05-05 00:00:00
112. 这么多 Skill,真正每天用的到底有几个?SkillsBench:评估代理技能在多样化任务中表现的基准
哔哩哔哩 2026-04-25 00:00:00
113. Agent Skill开发实践(13):Claude Skill 开发全流程案例
今日头条 2026-04-19 00:00:00
114. Claude Code开发全栈App:10次失败换来的实战秘籍,新手也能避坑
今日头条 2026-03-16 00:00:00
115. 一个程序员的AI编码工具“血泪史”:从Cursor到Skills我被坑麻了
今日头条 2026-02-12 00:00:00
116. 写给新手:Skill 从 0 到 1 完整入门
知乎 2026-04-11 00:00:00
117. 龙虾式进化:你的 Skill 正在脱壳
微信公众号 2026-03-28 00:00:00
118. 想把 Codex 用顺,先别急着装一堆 Skill
微信公众号 2026-05-08 00:00:00
119. 装上这个开源元 Skill,演进式迭代你所有的 Skill
知乎 2026-03-27 00:00:00
120. 从加班三个月到一周上线:我是如何高效接入AI能力的
知乎 2026-03-28 00:00:00
121. Skill一键生成测试用例,效率翻倍。软件测试工程师面临PRD阅读耗时、用例结构化困难、测试方法覆盖不全等痛点。该Cursor Skill通过自动化识别需求文档内容,结合通用测试策略,快速生成可导入XMind的结构化测试用例大纲,显著提升测试效率和质量。 测试工程师常见痛点 * 需求文档处理耗时:PRD/PDF页数多,手工拆解功能和编写用例效率低下且易遗漏。 * 用例管理与维护:Excel管理用例查找困难,XMind虽清晰但手动录入慢。 * 测试设计覆盖不足:易遗漏边界值、等价类、场景法、异常流等测试方法。 * 专项测试规范不统一:功能、接口、性能测试维度不同,导致重复劳动。 Skill解决的问题 * 输入:支持PRD、PDF、Word、纯文本等多种需求文档格式。 * 输出:生成按功能/模块划分、包含步骤与预期的Markdown格式测试用例大纲。 * 自动化处理:自动识别文档功能模块,减少遗漏。 * 测试策略整合:结合正向、反向、边界值、等价类、场景法、状态与流程等通用测试设计策略生成测试点 * 专项测试支持:可切换或叠加接口测试、性能测试等专项规范。 * 结构化输出:输出层级清晰,便于导入XMind后直接使用。 Skill适用范围 * 日常进行功能测试的工程师。 * 日常进行接口测试的工程师。 * 日常进行性能测试的工程师。 * 习惯使用XMind进行用例管理的测试工程师。 #软件测试 #AI测试 #测试用例 #自动化测试 #skills
抖音 2026-03-17 00:00:00
122. Skill 开发指南
知乎 2026-05-12 00:00:00
123. Agent Skill 开发最佳实践
知乎 2026-04-03 00:00:00
124. 从理论到实践,一篇文章教会你搭建skill
微信公众号 2026-04-21 00:00:00
125. SpringAI实践(09) - Skill 使用指南
今日头条 2026-03-16 00:00:00
126. 我用Codex写了一个SkillChecker技能
知乎 2026-03-22 00:00:00
127. 适用于开发与编程的skill(上)
知乎 2026-04-23 00:00:00
128. 新手先学 MCP 还是 Skill?
今日头条 2026-04-18 00:00:00
129. 自己开发的Java单测Agent Skill,在三大IDE+模型组合的实战验证
知乎 2026-02-12 00:00:00
130. Skill 不是黑科技:我筛别人 Skill 的 3 条标准
微信公众号 2026-05-02 00:00:00
131. github-actions-docs Skill,别答旧文档?
微信公众号 2026-05-12 00:00:00
132. 开发者的新武器:利用Claude Skill实现自动化代码审查与单元测试生成
知乎 2026-04-20 00:00:00
133. 🤖 Skill 2 | 如何创建、使用 Skill,并用 Claude Code 跑起来
微信公众号 2026-04-19 00:00:00
134. Agent Skill的四个经典问题总结:Skill的表示、获取、检索及演化策略
微信公众号 2026-05-12 00:00:00
135. Skill入门指南:3个特征,判断你的工作是否值得打包
微信公众号 2026-04-04 00:00:00
136. TRAE/Claude/Cursor 哪个更适合开发 Skill?
今日头条 2026-04-25 00:00:00
137. SKILL到底应该怎么写?10 分钟快速掌握 AI 智能体技能开发核心技巧
微信公众号 2026-04-28 00:00:00
138. 【养虾日记】OpenClaw 装 Skill 总踩坑?新手避坑指南(附实测有效命令)
知乎 2026-03-18 00:00:00
139. cursor中生成测试用例skill实战
微信公众号 2026-03-22 00:00:00
140. 告别「AI 写了一堆屎」:Matt Pocock 的工程师级 Agent Skills 体系解析
知乎 2026-05-01 00:00:00
141. Trace2Skill:让智能体自己总结经验,自动生成可复用技能
知乎 2026-03-28 00:00:00
142. skill优化新思路:先临摹,再创作
知乎 2026-04-01 00:00:00
143. 我开发Skill的真实流程:测试、反馈、迭代
哔哩哔哩 2026-05-12 00:00:00
144. 如何用 Skill 自动生成 Skill(自递归开发)?
今日头条 2026-04-25 00:00:00
145. 我将商品归类案例拆解的工作流封装成Skill,踩过的3个坑
微信公众号 2026-05-08 00:00:00
146. 文档解析类Skill可以怎么做?TextIn xParse Skill的设计思路解析
微信公众号 2026-04-23 00:00:00
147. 智能体Skill落地难:文档解析不足
微信公众号 2026-04-27 00:00:00
已收藏
去我的收藏夹