即刻App年轻人的同好社区
下载
App内打开
动感超人de小号
234关注8被关注0夸夸
需要哥斯拉的签名联系我(⁎⁍̴̛ᴗ⁍̴̛⁎)
动感超人de小号
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
动感超人de小号
2月前
动感超人de小号
2月前
动感超人de小号
2月前
动感超人de小号
2月前
动感超人de小号
2月前

Alchian花生: 这两天已经不下5个出版社编辑老师找我合作出版OpenClaw的书了。 但自从去年完成过出版这件事之后，我确实对「出书」这事没啥光环了。所以呢，干脆整了份98页的OpenClaw橙皮书📙开源 你可以在这里查看和下载这份文档👇https://my.feishu.cn/wiki/H27Iw9ussiaYbokymhncExtjnAh?from=from_copylink 简单说一下里面有什么👇 Part 1-2 讲清楚OpenClaw的本质。它不是又一个聊天机器人，是一个开源的、可以自托管的AI Agent系统。三层架构、四层记忆系统、Heartbeat心跳机制，这些让它和ChatGPT完全不同的东西，我都画了图解释清楚了。 Part 3 部署方案。本地安装、Docker、Mac mini、云服务器，我对比了9家国内云厂商的方案，包括阿里云、腾讯云、火山引擎、扣子编程等等，价格、优劣势、适合什么人，全部列出来了。结论是服务器一年也就一两百块，真正花钱的是模型API。 Part 4 渠道接入。飞书、钉钉、QQ、企业微信、Telegram、Discord，20多个平台的接入方式我都整理了。国内用户重点看飞书和钉钉，配置过程不复杂，但步骤容易漏，我把每一步都写清楚了。微信的话，不建议接，容易封号。 Part 5 Skills系统。这是真正「养虾」的核心。ClawHub上现在有1万3千多个技能，但不是装越多越好。我筛了一些值得装的推荐给大家，也写了怎么自己建Skill。另外特别提醒了Skill的安全问题，有些第三方Skill会偷你的API Key，别乱装。 Part 6 模型配置。21个模型和平台的配置方法、价格对比，国内国外都有。DeepSeek、GLM、千问、豆包、Claude、GPT，哪个性价比高、哪个效果好、哪个适合轻度使用，我都给了建议。 Part 7-8 安全避坑和生态社区。已经发生过的安全事件、成本控制策略、国内的养虾政策支持，都在里面。 这份手册配套我在B站发布的那期视频「OpenClaw养虾指南」：https://www.bilibili.com/video/BV1RxPQzcEQj/ 信息截至2026年3月8日。这个项目更新很快，后续有重大变化我会更新这份手册。

00
动感超人de小号
2月前
动感超人de小号
4月前
动感超人de小号
6月前

西里森森: 找工作，一定要去离钱近的地方。 最近经常会收到一些私信，一些刚毕业的同学会问到我关于找工作相关的问题，比如要不要考研考公，要不要留在大城市，不知道怎么选offer等等等等。 因为最近也回答了一些问题，所以综合性地说说我的想法。 如果说你以后，真的非常想赚钱，想够到更高的职业天花板，那么记住一点：找工作，一定要去离钱近的地方 原因很简单，并不是说因为钱本身多重要，而是因为在商业世界里，钱就是价值的最终量化形式。 你离钱越近，你的价值就越容易被看见，被认可，被放大。 那可能有人会问，什么叫离钱近？ 很多人听到这个说法会本能地抗拒，觉得太功利庸俗。但我们需要先搞清楚一件事，离钱近不等于唯利是图，它更多是一种职业判断的方法论。 具体来说，离钱近的地方通常包含三个维度。 第一个维度是行业。 当下的AI产业，高端制造业，都是钱在快速涌入的地方。同样的职业，在传统制造业可能年薪15万封顶，但在AI公司起薪就可能30万起步。 这个差距不是你的能力有两倍的差距，而是行业本身的价值密度不同。 行业的趋势会把你托举起来，即使你只是平均水平，行业红利也会推着你往上走，这远比在一个萎缩的行业里拼命挣扎要高效得多。 第二个维度是地域。 北上广深杭，这些一线和新一线城市的CBD，就是中国商业世界的心脏地带。 选择一个城市工作生活，其实就像买了这个城市的股票。你把时间、精力、金钱、家庭都投进去了，这城市的未来就是你的未来。 更重要的是，经济活跃的地方机会密度完全不同。在大城市，你跳槽有十个选择，在小地方可能只有一两个。这种选择权本身就是一种巨大的价值。 第三个维度是部门。 同一家公司里，销售部门、核心研发部门、投融资部门，这些都是直接创造收入或者决定公司生死的地方。 这个差别会直接反映在薪酬结构上，创收部门往往有更高的提成、更多的股权激励、更快的晋升通道。 因为公司很清楚，这些部门的员工是在帮公司赚钱。 那难道找工作就是为了钱吗？那人生的意义呢？价值观呢？ 这个问题其实问反了。 钱不是目的，但钱是达成目的的手段。更准确地说，钱是资源的具象化。 在离钱近的地方工作，意味着你身边的同事更优秀，你接触的项目更前沿，你的视野更开阔，因为资源密集的地方信息流动更快。 很多年轻人刚毕业的时候图清闲，去了一些边缘部门或者夕阳行业。 几年下来，不是他们变懒了，而是整个环境没有逼着他们成长的压力。同龄人在大厂经历了三轮业务迭代，他们可能还在用五年前的工作方法。 这种差距一旦拉开，就很难弥合，因为职业发展的底层逻辑是复利效应。你今天多学的一个技能，多认识的一个人，多参与的一个项目，都会在未来某个时刻发挥作用。 而这些机会，在离钱近的地方密度要高得多。 再说现实一点，职业生涯的黄金十年非常宝贵。从25岁到35岁，这十年是你精力最充沛、学习能力最强、负担相对最轻的阶段。 如果这十年能在高薪资的环境里打拼，你能更快完成原始积累。 这个原始积累不是让你炫富，而是给你自由。当你手里有了一笔钱，你才有资格说我想做点有意思的事情，才能在看到好机会的时候敢于去冒险。 财务自由不是目的，财务自由带来的选择权才是。而想要获得这个选择权，你需要在最短的时间内积累足够的资源。 但我必须说清楚一点：离钱近是一种职业选择的方法论，但不是唯一标准。 如果你真的对某个领域有热情，愿意为它付出十年甚至更久，那当然应该去追求。 但是，你要确保这份热情经得起考验。很多人以为自己热爱某个行业，其实只是还没遇到过真正的困难。 离钱近的地方给你的东西，不只是更高的薪水，更多的是可能性和选择权。 商业世界的规律很简单，价值在哪里，钱就在哪里，而你的时间和精力应该投向价值密度最高的地方。 当然，每个人的情况不同，选择也不同。但至少，你要确保自己是经过思考后做出的选择，而不是被惯性推着走。

00
动感超人de小号
6月前

笑里不藏刀老老王: 前几天杨振宁先生去世，刷到了很多他的采访视频，其中有一个方法，我想可能对大家都有用，在这里分享给大家。 有个清华大学的学生问杨先生，怎么在一个研究领域取得成就？ 杨先生回答说，首先当然是这个领域在蓬勃发展，只有当你进入的领域发展的快，你才更容易出成果。 其次是看自己，适不适合这个赛道，有没有天赋和兴趣。这个学生追问说，那怎么看自己适合不适合呢？ 杨先生讲了一个他小时候的故事，他的父亲杨武之是中国著名数学家，在杨振宁小时候就给他讲过，诸如鸡兔同笼、韩信点兵这样的数学知识。杨振宁说，自己很快就学会学好了，等他自己有了孩子，他又教给了自己的三个孩子，当然他们也很快就学会学好了。他敏锐地发现，一年之后这三个孩子，把这些问题全都忘了。但是当年他小的时候，不仅一年之后没忘，还一直主动地回味这些数学问题。 其实这就是判断，你适合不适合一个领域的核心方法：一看你能不能快速学会，这个领域的知识和方法。二看你在这个领域，做得久了之后，会不会感到厌烦，会不会主动去回忆和思考，之前学到的东西。 甚至我们可以更进一步说，第二点比第一点，要重要的多。因为现实中绝大多数的赛道，都比数学简单多了，绝大多数人只要用心，都可以轻易学会。比如写作、剪辑、做菜、手工，如果你能有意识地主动回顾、复习、琢磨之前的知识，你大概率也能够有所成就。 这里需要注意的是，你是否适合一个行业，不完全是由天赋决定的，如果你能够通过自律，有计划地主动学习复习，那么很大程度上是可以，抵消天赋差距的。当然如果你都不需要强制自己，就能够反复回顾之前学过的知识，还能够在复习当中，感受到很有意思，那就更好了，说明你有极强的天赋。

00