即刻App年轻人的同好社区
下载
App内打开
MW_Y_NPLus
4关注0被关注1夸夸
🌈
MW_Y_NPLus
1月前

风小海: 会写字就能做Skill 最近AI圈有个词又火了,叫Skill。 直译过来叫"技能",但它实际上就是一个文件。 这个词最近在AI圈的热度,不亚于当年Prompt刚火起来的时候。GitHub上相关项目疯狂涨星,各种Skill合集到处传,连腾讯都出手做了一个专门收录Skill的平台。 但其实咱们普通人,大多数都还是没搞懂它到底是什么,跟提示词有什么区别,跟知识库有什么关系,跟智能体又差在哪里。 听我慢慢道来。 Skill是什么 Skill本质就是一个文件夹,核心是里面一个叫SKILL.md的文本文件。没那么神秘,大家不要被装神弄鬼的AI博主吓到了。这玩意用记事本就能打开,里面就是普通的文字,不需要写代码。 这个文件能装三样东西,这三样东西加在一起,决定了Skill比提示词强在哪里。 第一样:元数据 这个就等于是Skill的身份证,它叫什么名字,是干什么的,用户说什么关键词的时候触发它。 这部分体积很小,AI每次启动都会读一遍所有Skill的元数据,相当于先看一眼所有工具的简介,决定这次用哪个。这部分因为体积小,所以不费token,不用担心成本问题。 第二样:行动指南 这个是真正的核心要素。 这一块规定了AI每一步该怎么做,用什么风格,按什么顺序,注意什么细节,哪些事情绝对不能做。 写得越详细,AI执行得越稳定,越不会跑偏。 第三样:资源文件 这是Skill跟提示词最本质的区别所在。 Skill文件夹里可以附带Python脚本或者其他执行程序。这意味着AI不只是"说",还能直接"做"。 能自动生成图片、自动处理表格、自动抓取数据、自动发布内容。 提示词永远它只能停留在语言层面,Skill可以让AI真正动手干活。 全局复用 这是最大的优势 Skill可以设置成全局的,放在固定文件夹里,所有项目都能调用。不需要每次聊天重新贴一大段指令,AI看到触发词自动启动,无缝衔接。 它跟提示词有什么区别 我知道很多人都很懵,这玩意不就是提示词吗?有啥区别吗? 确实挺像的,但内核大不一样。 提示词是你每次对话临时输入的指令,这次用完,下次重新写。用的时候有效,关掉窗口就没了。 Skill是永久存在本地的文件,一次配置,永久有效,随时调用。 提示词只能"说",Skill可以"做"。 提示词就像你给员工发了一条微信,告诉他今天要干什么。说完就没了,明天还得重新发。 Skill是给员工写了一本工作手册,放在他桌上,随时能翻,还附带了一套自动化工具。不只是告诉他怎么做,还能直接帮他把事情做完。 提示词还有一个问题:漂移。 聊着聊着,AI可能忘了最开始的要求,输出越来越偏。Skill因为每次都会重新加载,不存在这个问题,稳定性要强得多。 简单说,提示词是临时口头指令,Skill是永久操作手册加执行工具。 它跟知识库是什么关系 知识库存的是信息。 你把文件、资料、数据导进去,AI需要的时候去里面查,回答基于这些信息来。信息量可以非常大,适合需要大量参考资料的场景。 Skill存的是方法。 怎么做一件事,用什么风格,按什么步骤执行。 知识库是图书馆,Skill是操作手册。图书馆告诉你世界上有什么,操作手册告诉你具体怎么干。 这两个解决的是不同问题,不是替代关系,可以叠加使用。后面会用一个具体例子说清楚。 它跟智能体是什么关系 智能体是一个完整的AI系统,有记忆、能自主决策、能连续完成多步骤任务、能调用各种工具。 Skill是智能体里的一个零件。 智能体可以同时装很多个Skill,处理邮件用一个,写内容用一个,分析数据用一个,遇到什么任务调用什么Skill。 没有Skill,智能体每次都从零开始。有了Skill,遇到熟悉的任务直接调用,越跑越顺。 但两者的门槛差距很大。 Skill:一个文本文件,今天写完今天用,零门槛。 智能体:需要搭系统、配置记忆、连接工具、调试流程,普通人没有一定基础很难独立搞定。 但大多数人的日常需求,几个Skill文件就够了,不需要上智能体。 写你的第一个Skill 说了这么多,直接来做一个。 用一个具体的职业举例。假设你是一个做小红书的美食博主,每次发笔记都要把菜谱改写成小红书风格:标题要吸引人,步骤要简洁,结尾要引导互动,配上emoji,语气要活泼。 每次都要重新跟AI说这些要求,肯定很烦对吧。 现在用Skill解决这个问题。 第一步:新建文件夹 在电脑上找个地方,新建一个文件夹,名字随便叫,你可以叫xiaohongshu-recipe,也可以叫小红书菜谱skill,也可以叫xhs,随便,都不影响功能。 第二步:新建一个文本文件,名字叫SKILL.md 就是普通的文本文件,后缀从.txt改成.md就行。 名字必须叫SKILL.md,不能改,因为AI它会去你指定的文件夹里找名字叫SKILL.md的文件,找到了才知道这是一个Skill,然后读里面的内容。 第三步:打开文件,写进去这些内容 --- name: xiaohongshu-recipedescription: 把普通菜谱改写成小红书风格的美食笔记。当用户说"转小红书版"或"改成小红书风格"时使用。 --- 执行规则: 标题: 必须带数字,比如"3步做出"、"5分钟搞定" 加上emoji,控制在20字以内 要有悬念或者反差感 正文: 开头一句话说清楚这道菜的亮点 食材列表用emoji标注 步骤用数字序号,每步不超过两行 语气活泼,像在跟朋友聊天 禁止出现"首先""其次""综上所述"这类书面语 结尾: 引导互动,比如"你们一般怎么做?评论区告诉我" 加2-3个相关话题标签 字数控制在500字以内 第四步:把文件夹放到正确的位置 写完之后,把整个文件夹放到Claude Code的skills目录里。 全局通用的放到全局skills文件夹,只用在某个项目的放到那个项目下的skills文件夹。 第五步:用起来 打开Claude Code,把你的菜谱发过去,说一句"转小红书版"。 AI自动触发这个Skill,按你定义的所有规则来输出,不需要再说任何要求。 以后每次发笔记,重复这一步就行。 这就是一个完整的Skill。 从新建文件到能用,整个过程不超过20分钟。 最后 假设你想做一个查理芒格的AI分身,让它用芒格的思维方式帮你分析问题。 提示词、Skill、知识库、智能体,四种方式都能实现,但效果会有些不同。 提示词版芒格 每次对话开头贴一段:"请用查理芒格的逆向思维和跨学科模型分析……" 能用,但每次都要贴,聊着聊着AI可能漂移忘了自己在扮演芒格,而且无法执行复杂操作。 适合偶尔用一次,不适合长期依赖。 优点:零门槛,今天就能用。 缺点:用完就没,不稳定,只能说不能做。 Skill版芒格 把芒格的思维框架、决策方式、语言风格写成文件,一次配置,永久有效。说"用芒格的角度看这个问题",AI自动切换,稳定复现,不会漂移。 适合经常需要用芒格视角分析问题的人。 优点:稳定、省事、一次配置永久复用。 缺点:没有记忆,信息量不如知识库大。 Skill本身不记得你们之间的对话历史。 每次你调用它,它只知道你在这个Skill文件里写了什么,不知道你上次问过它什么、它上次怎么回答的。 下次开一个新对话,对它来说就是第一次见面。 知识库版芒格 把芒格的书、演讲、采访全部导进去。AI能告诉你芒格说过什么,引经据典非常准确。 但知识库只有信息,没有风格约束。输出的是"关于芒格的内容",不一定是"芒格的口吻和逻辑"。 适合需要大量引用芒格原话和具体案例的场景。 优点:信息量大,有据可查。 缺点:有内容没风格,像在查百科而不是跟芒格对话。 智能体版芒格 最完整的方案。有记忆,记得你上次问过什么;能自主决策,发现你哪里想错了会主动纠正;可以连接外部工具,帮你查最新数据。 适合对芒格分身有非常高要求、需要长期深度使用的人。 优点:最强,最像真人,有记忆有主动性。 缺点:门槛高,搭建复杂,普通人很难独立完成。 Skill是目前普通人把AI落地到工作里,门槛最低、效果最实在的方式。 你现在做什么工作,就能写什么Skill。 写内容的,把选题逻辑、写作风格、发布格式固化成Skill。做电商的,把选品标准、客服话术、上架流程写进去。做咨询的,把分析框架、提问方式、报告结构打包好。 花几个小时把你现在每天在做的重复性工作提炼成Skill,这几个小时的投入,会在未来帮你省出几倍甚至几十倍的时间。 并且,Skill本身可以当产品卖。 你在某个行业深耕多年,你的经验和方法论别人没有。把它们提炼成Skill,打包出售,愿意付费的人不会少。之前有人卖Prompt合集,现在有人卖Skill包,本质是一样的,都是把你的认知变成可复用的产品。 Agent可以卖,工作流可以卖,Skill一样可以卖。 趁现在Skill生态还早,可以先把自己的业务流程整理清楚,写出来,用起来。 用好了自己省时间,用熟了可以变成产品。

00
MW_Y_NPLus
1月前

米沫MIMO: 有位麻省理工学院(MIT)的研究生,通过一套与AI高效互动的自学方法,在48小时内学完一门从未学过的课程并通过导师资格考试。 要复刻这位MIT研究生的AI高效自学方法,可遵循以下步骤并模仿关键问题: 步骤一:输入学习材料 将所学领域的教材、论文、讲座记录等所有学习资料整理好,输入到类似Notebook LM的AI工具中,让AI先对这些资料进行全面“消化”。 步骤二:提出核心框架类问题 - 问题:“这个领域的顶级专家共同拥有的三个核心认知框架是什么?” - 目的:快速抓住学科的底层逻辑和专家们的共性思维方式,建立知识的骨架。 步骤三:提出领域分歧类问题 - 问题:“这个领域内专家们争议最大的两个分歧点是什么?双方最硬核的理论依据又是什么?” - 目的:厘清学科内的不同观点和争论焦点,明确知识的边界和争议地带。 步骤四:通过AI出题检测理解程度 - 让AI出10道题,这些题不是为了考察记忆,而是检测对知识的真正理解。 - 每答错一道题,立刻追问AI:“我哪里错了?真正没懂的地方在哪里?” - 目的:逼出自己“以为懂了其实没懂”的知识盲区,实现对知识的深度理解。 步骤五:总结学科地图 通过前两步的问题,梳理出学科的共识区域、争议战场和未解之谜,从而清晰掌握整个学科的“地图”,明确学习的重点和方向。

00
MW_Y_NPLus
5月前

Yibie: 总结一下,之前我提过自己通过一个 AGENTS.md 文档实现 SDD(规范驱动开发),在经过了几个项目的开发,以及比较系统的迭代之后,我将这套方法论提炼为 SPEC-AGENTS.md。并发布到 Github 上,作为开源项目,希望能够帮助有需要的人。 ---如下是该项目的简短说明--- 本项目受 Spec-kit、OpenSpec、Stack Workflow 启发而来,兼具「规范驱动开发」和「阶段性开发」的优势,通过简单的配置,让普通小白在氛围编程(Vibe Coding)时,提升 AI 执行任务的准确性,减少与 AI 重复输(chao)入(jia)的次数,享受成熟的软件开发流程的稳定、便利。 # 特点 - 零配置 - 自然语言沟通 - 体积小,节省 TOKEN - 成熟的软件项目开发流程 - 支持多个编程工具 - 项目记忆 使用 SPEC-AGENTS 还相当于你的开发项目拥有了「记忆」,而不必担心切换开发工具之后,就很难再进行当前的开发进度。只要让 AI 通过阅读文档,就能够清楚地知道当前的项目状况,以及开发进度。 # 原理 与 OpenSpec 类似,SPEC-AGENTS.md 将开发分为不同的阶段,并约定「文档驱动开发」的工作流:先在 .phrase/phases/ 中用自然语言写好 spec_* / plan_* / task_* 等文档,再由代理按任务执行实现与验证,最后回写 task_* / change_* / spec_* / issue_* / adr_*,形成可追溯的闭环。 当你在项目中放置 AGENTS.md 后,支持该协议的 AI 工具会在会话开始时读取其中规则,把它视为“开发助理使用说明”: - 所有需求与接口信息只以文档为准,而不是零散对话; - 每次对话只处理一个 taskNNN 原子任务; - 每个任务完成后,都在变更文档中登记验证方式和影响范围。 通过这一套约束,SPEC-AGENTS.md 把传统团队里的 spec / task / change / issue 流程,压缩成一个轻量的文本协议,让个人或小团队也能在「氛围编程」状态下享受成熟的软件工程体验。 --- 查看评论区获得项目网址。

00
MW_Y_NPLus
5月前

歸藏: Nano Banana Pro 超级提示词! 帮你做任何商品的购买决策,生成任何需要对比的产品类型的 4 象限图片。 无论是饮品、电动车、自行车还是咖啡店,你可以直接化身这个品类的专家,话题度和热度拉满,每个品类都能出爆款。 ---------提示词------- 任务目标: 基于主题 [替换为主题名称],创作一张中文 3D 四象限决策矩阵海报 (3D Decision Matrix),需要先检索相关信息,然后再绘制,最后一定要输出结果图。 第一步:定义坐标轴 (Axes Definition): 请根据主题自动设定两个冲突的评价维度(X轴和Y轴): 例如饮料:X轴=难喝 -> 好喝;Y轴=不健康 -> 健康。 例如显卡:X轴=低性能 -> 高性能;Y轴=便宜 -> 昂贵。 第二步:象限分配与视觉风格 (Zone Allocation): 画面是一个被十字路口分割开的方形微缩地台,分为四个各具特色的区域: 右上角:【神级/完美区】 (The God Tier) 含义: 高性能+便宜 / 好喝+健康。 模型: 放置该主题下最受好评的 1-2 个产品。 视觉: 地台是发光的、神圣的,模型自带光环或皇冠,材质极其精致通透。 标签: 悬浮金色文字 "BEST CHOICE"。 右下角:【奢侈/刺客区】 (The Luxury/Premium) 含义: 高性能+昂贵 / 好喝+不健康。 模型: 放置该主题下极其昂贵或极端属性的产品。 视觉: 地台铺满金币或黑金质感。模型看起来很华丽但带有“危险感”(如火焰、尖刺或价签符号)。 标签: 悬浮文字 "EXPENSIVE" 或 "GUILTY PLEASURE"。 左上角:【平民/性价比区】 (The Budget/Value) 含义: 性能一般+便宜 / 口味一般+健康。 模型: 放置该主题下最普及的大众产品。 视觉: 地台是干净的素色(如木质、草地)。模型造型朴素、实用,堆叠数量较多(代表销量大)。 标签: 悬浮文字 "GOOD VALUE"。 左下角:【避雷/智商税区】 (The Trap/Trash) 含义: 性能差+昂贵 / 难喝+不健康。 模型: 放置该主题下口碑最差的产品。 视觉: 地台呈现灰色、荒芜或警告色。模型看起来有点粗糙、甚至带有“骷髅”或“警告”标志的 Q 版装饰。 标签: 悬浮红色文字 "WARNING" 或 "DON'T BUY"。 画面布局与数据层: 视角: 45 度等轴测俯视 (Isometric),可以看清四个区域的分布。 中心点: 十字交叉点矗立着两个巨大的 3D 文字路牌,分别指示 X 轴和 Y 轴的含义。 数据气泡: 每个模型上方都有一个小气泡,写着简短的评价关键词(如:No Sugar, Overpriced, Laggy)。 风格与渲染: 整体风格: 像是一个“大富翁”棋盘地图。 材质: 粘土与树脂混合的盲盒玩具质感。色彩鲜明,通过颜色区分四个区域的情绪(金/红/绿/灰)。

00
MW_Y_NPLus
6月前

HandsoMeng: 我推荐任何处在职业迷茫期的人都去做小红书。 不是说一定要报个班,这个因人而异,而是至少要做一个号。 输出一些专业化的内容,自己擅长的内容,最简单的就是从你工作的内容入手。 一个最基本的逻辑是:只要你能靠你现在的技能,也就是此刻的工作,赚到一个月几千块钱或者上万块钱。那这个东西就值得你把它讲出来。 而只要你做了小红书,你就会获得下面这些东西: 1. 至少你要做一部分的内容运营,比如封面、脚本选题标题,这些东西都会影响数据,你用美图秀秀去拼一些图,也算是内容运营 2. 数据,小眼睛,点击率,活动率,完播率,这些东西都是触手可得的,都可以帮助你来分析一个账号的情况。 3. AI ,你可能不会做内容,也不会做数据,或者说你会,但是不会在小红书上做这些。不要紧,你可以把你的这些东西都交给AI。让AI帮你分析,然后你让AI教你他是怎么分析的。你就学会AI了。 4. 未来真正独立做自媒体的可能性。——当然了,这很难,所以也只是可能性。但与其每天消费内容,不如选择一个很细分的场景,自己也去尝试一些内容,让别人消费。 我知道人生中肯定有很多困难的时候,身在职场,寄人篱下,身不由己。 但想要寻求突破,也一定是我们自己主动去突破才行。如果你没有表现出一些非凡的品质,或者过人的能力,很难有人愿意上赶着帮你。 所以我们必须自救。在这个时代,没有人是好过的。但或许你只需要“难过”一点点,就能获得更大的回报了。 —— 昨天发的那条视频在 24 个小时后,10w 阅读 1w 点赞了,虽然没有什么实际的商业价值,涨了 200 个粉丝,粉丝量也不代表什么。 但在我心里,这是一条充满社会意义的视频,反而比商业价值更重要。 而如果这条视频是你的,你在未来真的要去面试的时候(我大概率不会去上班了),就可以拿来讲了。 在发的时候,谁也不知道它会怎么样。但只要做了,就有那么一丝可能性,而那个“可能性”是这个世界上很 0重要的东西了。

00
MW_Y_NPLus
1年前
00