JitHub程序员

Lody 新版移动端已发布，快试试，绝对比 codex 和 claude code 的 remote control 好用。
因为你起码可以在手机上使用任意的 code agent，控制你所有平台的机器。

Anthropic 今年三月上线了一个叫 Anthropic Academy 的课程平台。目前一共十八门课，全部免费，每门学完发一张官方证书，可以直接挂到 LinkedIn 上。注册只需要一个邮箱，不需要 Anthropic 账号。

十八门课分五个方向，从完全不写代码的人到做 agent 开发的程序员都能找到对应的内容。按三类人来说。

先说不写代码的人。

AI Fluency: Framework & Foundations 是最值得非技术人员先上的一门。十四节课，大概一小时出头，教的是怎么跟 AI 有效协作。它提了一个 4D 框架：委托、描述、辨别、勤勉。展开讲的是怎么给 AI 布置任务、怎么把你想要的描述清楚、怎么判断 AI 给的结果靠不靠谱、怎么保持对输出质量的把控。如果你天天在用 Claude 但觉得用得不够好，这门课值得花一小时走一遍。

Claude 101 更基础，讲 Claude 的功能和常见用法，适合完全没用过的人。AI Capabilities and Limitations 讲大模型到底能做什么、不能做什么，包括幻觉和上下文长度限制这些常见坑。

另外还有四门按场景细分的版本：给教育工作者的、给学生的、给非营利组织的、给小型企业的，都是在通用框架上叠加了具体行业的用法。还有一门 Teaching AI Fluency 专门教老师怎么在课堂上教 AI 素养，附带了可以直接用的教学材料。

再说开发者。

这部分课程量最大。Building with the Claude API 是整个平台的重头课：八十四节课、八个多小时视频、十个测验，从认证到流式传输到工具调用到检索管道，把用 API 做 Claude 应用的全链路走了一遍。如果只有时间上一门开发课，选这门。

Claude Code 有两门。Claude Code 101 讲基础工作流：探索、规划、写代码、提交，以及怎么在终端、VS Code、JetBrains 这些环境里安装和使用。Claude Code in Action 进一步，十五节课一小时，讲怎么把 Claude Code 融进日常开发，包括文件操作、命令执行和 GitHub 集成。

MCP 协议也是两门。入门课讲 MCP 的架构、用 Python SDK 搭服务端和客户端、调试工具怎么用。进阶课讲生产环境的部署模式：采样、通知、文件系统访问、传输机制。两门都需要 Python 和 JSON 基础。

跟 agent 相关的有三门。Introduction to Agent Skills 六节课半小时，教你在 Claude Code 里写 Skill，就是可复用的 Markdown 指令，Claude 会自动在合适的任务里调用它。Introduction to Subagents 四个动手模块，教怎么把任务拆给子 agent，每个子 agent 有独立的上下文窗口，不会污染主对话。Introduction to Claude Cowork 讲 Anthropic 新出的桌面 agent 工具，用来做文件管理和多步骤任务的自动化。

最后说用云平台的人。

Claude with Amazon Bedrock 和 Claude with Google Cloud Vertex AI 两门课分别讲怎么在 AWS 和谷歌云里接入 Claude。如果你们公司已经在用这两个平台，对应的课会告诉你怎么在现有架构上集成。

有一件事需要提前知道：所有课程目前只有英文，没有中文版。视频有英文字幕但没有翻译。当然这个也很容易，有太多 AI 工具可以翻译了。

怎么选取决于你是谁。非技术人员先上 AI Fluency 再上 Claude 101。开发者想系统学 Claude 开发，直接上 Building with the Claude API。已经在用 Claude Code 的，去看 Agent Skills 和 Subagents。对 MCP 感兴趣的先入门再进阶。

最近用 Codex 写项目，发现了一个问题，就是上下文的管理。

但我最近发现了一个很好用的项目，叫 ok-skills，它是一套专门为 Claude Code、Codex、Cursor 这类 AI 编程工具整理的可复用 skill 集合，有 40 多个。

可以告诉 AI 在特定场景下应该怎么工作，做什么，不做什么。

1
先说我用得最多的一个：planning-with-files。
它解决的问题很具体：AI 在复杂任务里没有持久记忆。

这个 skill 的思路来自 Manus 的工作方式——把"上下文"从对话窗口移到文件系统。
它让 AI 在开始任务之前先创建三个文件：task_plan.md 记录阶段目标和决策，findings.md 存放调研发现，progress.md 做每次操作的流水记录。

整个任务过程中，AI 每隔两个操作就写一次文件，保证关键信息落到磁盘上，而不是飘在对话上下文里。

我实际用起来的感受是，任务被强制结构化了。
AI 不能一上来就开始写代码，必须先建计划，先搞清楚做什么、分几步、每步验证什么。遇到报错也要记下来，下次不许重复同样的失败方式。
正是因为有这些约束，长任务才不容易跑偏。

2
另一个让我觉得挺有意思的是 grill-me。
它做的事情是，在你真正动手之前，逼着你把方案想清楚。

具体方式是一问一答的审讯式对话。
AI 会对你的方案提问，一次只问一个问题，问完你的回答再继续问下一个，直到设计上的每一个决策都有明确答案为止，不允许你含糊过去。

我第一次用它的时候觉得有点烦，因为它揪住了几个我自以为想清楚了但其实根本没想清楚的地方。
但事后复盘，那几个被追问出来的问题，确实是后来真正出问题的地方。

与它配套的还有一个 grill-with-docs，专门对照文档、架构决策记录（ADR）来质疑你的方案，边问边帮你把结论更新到文档里，对需要维护长期项目文档的场景很有用。

3
还有几个平时用得到但容易被忽略的：
find-docs 是查文档的。AI 写代码经常会用到一些过时的 API，因为它的训练数据有截止日期。
这个 skill 接入了 Context7，能在写代码之前先拉取当前版本的库文档，减少写出来能跑但已经是旧写法的情况。

gh-fix-ci 是修 CI 的。
GitHub Actions 挂了，日志拉下来，让 AI 读、归因、出方案，一套流程走完。不用自己一行行去看那些 ANSI 颜色乱码的日志。

frontend-design 和一整套叫 impeccable 的设计 skill 包是做界面的。
这套东西有个专门的概念叫"AI slop test"——如果你把这个界面给人看，对方一眼就觉得是 AI 生成的，那就是问题。

skill 里整理了一份很详细的"AI 生成界面的典型指纹"：蓝紫色渐变、毛玻璃卡片、每个 heading 旁边放图标……
skill 的作用是给 AI 立规矩：什么不能用，往哪个方向走。

4
使用方式不复杂。
把仓库 clone 到 ~/.agents/skills/ok-skills，然后在你的 AGENTS.md 或者 CLAUDE.md 里加几行触发规则，告诉 AI 什么时候用哪个 skill。

比如任务超过 5 个工具调用就启用 planning-with-files，需要查文档就用 find-docs，要做界面就读 frontend-design。
之后直接自然语言说"用 planning-with-files 来规划这个重构"就可以了。

仓库里的 skill 来源很杂，有 Anthropic 自己出的，有 OpenAI、Vercel、Upstash、各路开发者贡献的，ok-skills 这个仓库做的事情是把它们收集整理到一起，让你不用到处找。

这个ok-skills 是目前我见过整理得比较完整的一套。

上次说开源个roblox游戏的skill，
这几天抽空整了下 ，
有需的自取噶 github.com

用这个 skill 可以直接生成部署 roblox 游戏站。

一键将skill 仓库地址给到openclaw或者hermes 克隆到本地，用codex 使用也行，效果更好。

常规的用法是：
在飞书直接对话框把游戏名称给skill，指令是调用 roblox-site-architect 帮我上线这个roblox 游戏站。
就自己去干了。
效果后面还有调的空间。

具体的使用方法参考 skill.md

基本上涵盖了 从游戏名称到 关键词挖掘 页面生成 到SEO检测 推送部署 ，最后定时更新 。

里面内置一个我实际能拿到流量的站点模板，会vibe的兄弟也可以直接调改模板。

这个 skill ，对于刚做roblox游戏站的朋友应该可以足够入门了。

几个实际出的站点，大家看看效果，还行。

都是机器人加的外链，为啥这两者检测到的数量差异这么大呢？

今天又看下那些H5游戏 IO老站的外链数，动则十几万，少则几千，

看来我们还是不够大胆，
胆小的原因还是见识少，实践少了。

事实证明了博客外链是有价值的，
至少不会遭遇传说中的那种惩罚。

分享个开源外链机器人skill github.com ，

直接接入openclaw或者hermes ，
定时任务搞起，
每天的慢慢悠悠的发个几十条博客外链，也算是一种生产力提效了 。

上次跟杭州见了个做培训的野路子

这哥们说做企业ai培训是次选项
累 赚钱不多 交付费劲

优选项是做程序员ai培训
美其名曰培训
其实就是把企业需求扔给这些程序员做

程序员交学费来学ai
其实就是让程序员解bug
题都是企业命名好的

这些程序员弄什么skill 小龙虾 agent部署可比普通人快多了
尤其是想快速改造再就业的

一边拿企业需求给程序员外包
一边赚程序员的学费
一边还把成熟的ai程序员卖回给企业
因为程序员理解业务了…..沟通摩擦少

我问他焦虑的程序员这么多吗
他说聪明的都opc了
不太聪明的是先opc俩月不挣钱回来培训
不聪明的是直接培训
还有一帮大学生是出学校就培训

Vibe 了一个局域网 / 线上对战小游戏，以前和同学一起捣鼓的时候，得花一周多的闲暇时间和宝贵的心力才能搞完，现在就是一个 codex 夜间任务，实现 + debug + 部署全都搞定。

这次依旧用的 Bevy，现在的思路越来越坚定了，与其去等 Unity / Unreal / Godot 的 MCP 覆盖，不如直接找一个无编辑器引擎早早的积累自己的模块，所有的预研都可以 agent 端到端的完成。

P.s. 之前的任务 codex 每一轮都会给我视觉反馈，最长的一个已经跑了四百轮的截图了。

codex你自己看看你在说什么

勤勤耕耕的codex每天帮忙提交外链
😂😂😂

高性能、专业级、100%免费的JavaScript动画库GSAP发布了官方skills，以后不懂设计也可以做出合格的动画了。

GSAP skills涵盖了：
· gsap-core：Tween、缓动、 stagger 交错动画等核心基础。
· gsap-timeline：多动画编排及位置参数、标签管理。
· gsap-scrolltrigger：滚动驱动动画与视差效果。
· gsap-plugins：ScrollTo、Flip、Draggable、SplitText 等高级插件用法。
· gsap-frameworks：在 React (useGSAP)、Vue、Svelte 等框架中的最佳集成方式。
· gsap-performance：高性能动画与 60fps 优化策略。

Skills涵盖的均为最新版API，再也不用担心AI因为训练数据过时用错API了。

安装方式：
使用 Skills CLI 一键添加，该命令会自动检测你正在使用的 AI 编程工具（如 Cursor、Claude Code 等）并完成配置：

```bash
npx skills add github.com
```