即刻App年轻人的同好社区
下载
App内打开
coy_
69关注42被关注0夸夸
奇奇怪怪的思考
coy_
10天前

一泽Eze: 非常旋转无敌好用的 Skill 「Web Access」，正式发布了！ 能让你的 Agent 的联网和浏览器能力，拉满到最强 支持： 1️⃣ 一次性打开操作 100+ 浏览器网页 2️⃣ 自动化模拟操作，发布各大社媒平台 3️⃣ 帮你直接找 B 站、网飞等并自动打开播放 4️⃣ 自动查美签系统，看可预约时间并预约 5️⃣ Agent 自动化测试 Web App ……每天使用我都在发现新的惊喜 已知特性： 1）优化 Agent 联网方式的策略，减少只搜不浏览器，只 fetch 不搜等尴尬情况 2）Skill 内自动总结站点操作经验，每次执行都能优化下次执行速度！ 3）多 sub agent 并行加速任务 👉 并且用了很大的篇幅，开源这个 Skill 的设计思考（是我这两个月对 Skill 的不断摸索的总结），相信能对很多人都有启发

00
coy_
19天前

Indie-Maker-Fox: 妈呀，我被这些设计技能硬控了快一整天 https://impeccable.style 这真的是最好最强的设计技能库，没有之一！ 首先，你可以使用audit技能全面检查项目在UI/UX上的问题 然后，你可以使用各种技能依次去修复这些问题。 例如，adapt技能，处理网页在跨端的适配情况。normalize技能，处理网页的间距、大小等数据对齐。optimize技能，优化界面加载速度等。 这还不算什么，神奇的是，你还可以使用技能提升网站档次！ 例如，colorize技能，让你的网页的色彩搭配更加舒服。它真的特别懂颜色，而且特别会让组件利用theme中的color进行搭配。 还有，animate技能，让你的网页元素动起来！这真的是效率神器，以后只管先弄出好看的落地页，最后用它把动画补齐就行了！

00
coy_
19天前

ChampionCheung: 我用 OpenClaw + Kimi + Discord 搭了个 24h 在线的个人 AI Agent，完全免费 我花了 8 个月，从零开始构建自己的「个人操作系统」。 最开始是一个 Next.js + Python 的 Web App（FutureMe），后来发现——真正有价值的不是代码，而是我对自己的理解结构。 于是我把这些理解提炼成了一套 Markdown 文件，用 OpenClaw 把它变成了一个住在 Discord 里、24 小时在线、了解我是谁的 AI Agent。 今天分享一下这段旅程的思路和踩坑经验👇 Part 1：起源——一个 ADHD 患者的自我管理系统 我是一个 ADHD 倾向比较明显的人。拖延、注意力涣散、做计划很兴奋但执行总断片。 用了无数效率工具之后，我意识到一个核心矛盾：工具不了解我。 每次打开 ChatGPT 或 Kimi，都要重新介绍自己的目标、习惯、偏好。它们是强大的通用 AI，但不是我的 AI。 所以我开始构建一个叫 FutureMe 的系统——最初是一个完整的 Web 应用： Next.js 前端 + Python 后端 目标管理（从年度愿景→季度OKR→月度任务的层层拆解） 知识管理、日记系统、待办清单 甚至做了一个 Canvas 画布来可视化目标树 做了大半年，功能越做越多，我慢慢意识到一件事—— 我真正需要的不是一个 App，而是一个"懂我"的 AI 伙伴。 Part 2：思想的传承——从 Web App 到 AI Agent FutureMe 最有价值的产出不是代码，而是我在构建过程中沉淀下来的一整套自我认知框架： 三个时间视角的 AI 角色（这是在做 FutureMe 的 AI 对话模块时设计的）： 🔭 愿景激励师·1Y：负责年度愿景和人生意义探索 🧭 战略领航员·3M：负责季度 OKR 和路径规划 ⚡ 理想执行者·1M：负责月度/周度任务分解，特别适配 ADHD 一套个人操作系统文档（这些都是在做 FutureMe 的过程中逐步提炼的）： 1. Champion 1.0.md：我的核心身份、世界观、行动法则 2. 奥卡姆剃刀、80/20、PDCA、第一性原理……一份思维模型md文档 3. 十二个人生航向：健康·幸福·财富·学习·自由·时间·意义·兴趣·工作·亲情·友情·爱情 经验积累： 1. 知识管理的 Zettelkasten 方法论 2. 内容创作的 SOP 流程 3. 间隔重复的 SM-2 算法 4. 「未来日记」的标准化记录规范 这些东西，全是 Markdown 文件。当我发现 OpenClaw 这个框架的时候——它完美契合了我的需求：把 Markdown 文件变成 AI 的灵魂和技能。 💡 核心洞察：FutureMe（Web App）是我学习"造轮子"的过程，但真正的价值在于这些"轮子"背后沉淀的思维模型和自我认知。OpenClaw 让我把这些认知直接"注入"到一个 24h 在线的 AI Agent 中。 Part 3：我是怎么搭的？（原理 > 步骤） 架构很简单，一句话就能说清楚： OpenClaw+ Kimi K2.5+ Discord（交互界面）+ 免费云服务 为什么选这些？ 1. 我的思考 OpenClaw 开源、用 Markdown 定义一切（SOUL.md = 灵魂，Skills = 能力），不需要写代码 Discord 多频道 = 天然的上下文隔离。在 #年度目标 频道对话，它自动切换成愿景激励师；在 #月周度目标 频道，它变成执行教练 云部署 有免费的clawcloud方案可以零成本运行，Docker 容器一键部署 Discord 频道分组 = 天然的上下文隔离，这是我觉得最优雅的设计 ⬇️ 我把 Discord 服务器分成了 4 个频道组，每个组承担不同职责，OpenClaw 会根据你在哪个频道对话，自动切换不同的 Skill 和对话记忆——不同频道之间的上下文是完全隔离的。（也可以共享记忆） 📌 GENERAL（日常） #常规 → 快速问答、不确定去哪时的入口 #运维 → 系统配置、Token 周报、Git 同步 🎯 GOAL MANAGEMENT（目标管理） #年度目标 → 🔭 愿景激励师·1Y｜人生愿景、价值观探索 #季度目标 → 🧭 战略领航员·3M｜OKR 设定、风险评估 #月周度目标 → ⚡ 理想执行者·1M｜任务分解、ADHD 执行支持 📖 KNOWLEDGE & CONTENT（知识与内容） #未来日记 → 📓 日记管理器｜反思记录、情绪追踪 #内容创作 → 📝 内容引擎｜文章写作、小红书内容 #知识管理 → 📚 知识管理器｜Zettelkasten 卡片笔记制作 #记忆训练 → 🧠 间隔重复训练师｜SM-2 对话式复习（类似 Anki） 🧪 LAB（实验室） #sandbox → 测试新功能，不影响正式数据 举个例子：我在 #年度目标 频道和 Agent 聊人生愿景，然后切到 #月周度目标 要求它拆解本周任务——它不会把两边的对话混在一起。每个频道就像一个独立的“会议室”，有各自的专家角色和记忆上下文。这比用一个大而全的聊天窗口好太多了。 关于 AI 模型的选择，这里有个踩坑故事 ⬇️ Part 4：踩坑实录——模型选择的弯路 最初我打算用 Kimi 官方 API（Moonshot 平台）。Kimi K2.5 中文能力确实强，200K 上下文窗口很诱人。 但实际用起来发现几个硬伤： tier0 额度太少了——新用户只有很少的免费额度，对于一个 7×24 在线的 Agent 来说，根本撑不了几天 轮次限制——每分钟 / 每天的请求频率限制很紧，Agent 稍微忙一点就触发限流 Token 限制——单次请求的 token 上限在低等级下比较紧，而 Agent 的系统提示词（SOUL.md + Skills）本身就不短 想升级到更高 tier 需要充值一定金额，但我还在实验阶段，不确定要投入多少 后来发现 NVIDIA 提供了免费的 Kimi K2.5 API——同样的模型、兼容 OpenAI 格式、没有那么严格的限制。切换过去之后，问题解决了大半。 🎯 经验总结：选 API 不要只看模型能力，免费额度、轮次限制、Token 限制才是实际跑 Agent 时最先碰到的墙。建议先找免费渠道验证想法，再决定是否付费。 Part 5：灵魂注入——这才是重点 技术部署其实不难（半小时搞定）。真正花时间的是写 SOUL.md。 OpenClaw 的核心理念是：你的 Agent 有多好，取决于你对自己的理解有多深。 我的 SOUL.md 里写了什么？ 1. 我是谁（核心身份、ADHD 特质、沟通偏好） 2. 我怎么看世界（8 条世界观基石，每条都来自真实的人生经验） 3. 我怎么做事（7 条运作法则：奥卡姆剃刀、PDCA、第一性原理……） 4. 我的边界在哪（什么必须做、什么绝不能做） 然后通过 8 个 Skill（技能文件）赋予它具体能力： 1. 3 个角色 Skill（从 FutureMe 的 prompts.md 直接迁移） 2. 未来日记管理、内容创作、知识管理、间隔重复训练、Git 同步 然后通过 8 个 Skill（技能文件）赋予它具体能力： 3 个角色 Skill（从 FutureMe 的 prompts.md 直接迁移过来） 未来日记管理、内容创作、Git 同步 🌟 最得意的设计——知识管理 + 间隔重复的闭环 这两个 Skill 值得单独展开讲： 📚 知识管理引擎（#知识管理 频道）： 基于 Antinet Zettelkasten（卡片笔记法） 我给 Agent 发一篇文章或一段想法，它会自动提取核心观点、拆成原子化卡片 每张卡片只记录一个核心观点 + 反思笔记 + 知识间的链接 不是简单的“帮我总结”——而是强制你思考，因为每张卡片必须有你自己的反思 🧠 间隔重复训练师（#记忆训练 频道）： 1. 基于 SM-2 算法（就是 Anki 背后的核心算法） 2. 知识管理引擎生成的卡片，自动进入复习队列 3. 每天早上 Agent 在 Discord 推送：“今天有 3 张卡片等待复习，预计 5 分钟” 4. 复习方式是对话式的：先提问让你回忆，你回答后看答案，给自己评分（忘了/模糊/记得/秒答） 5. SM-2 根据评分计算下次复习间隔：1天→3天→7天→21天→…… 6. 每次复习不超过 10 张卡片——ADHD 友好，防认知过载 💡 知识管理器负责生成卡片，间隔重复训练师负责复习调度。两个 Skill 各司其职，组合起来就是一个从「学」到「记住」的完整闭环。在 Discord 聊天就能完成，零摩擦。 还设计了一个 4 层记忆系统来控制成本： L0：开机记忆（每次必加载，≤1500 tokens） L1：活跃记忆（当前目标/本周计划） L2：归档记忆（季度/月度摘要） L3：日志（自动压缩） 💰 成本实际控制在每天不到 1 块钱（因为用的是免费 API，主要是云服务的费用） Part 6：给同样想折腾的人 1. 先问自己"你需要 Agent 做什么"——不要为了搭而搭。技术只是手段 2. OUL.md 比部署更重要——如果你不了解自己，Agent 也帮不了你 3. 从最小可用开始——先让它在一个频道能正常聊天，再逐步加 Skills 4利用 FutureMe 的思路做知识沉淀——把方法论写成 Markdown，这些文件在任何框架里都能复用 5. 安全第一——默认配置有安全漏洞，部署后第一件事就是关掉不安全认证 5. 模型选择要看「实际可用额度」——不是模型越强越好，要看免费额度够不够你实验 # 结尾 回头看这 8 个月，最开始我以为自己是在开发一个 App。 后来发现，我是在开发对自己的理解。 FutureMe 的代码可能会过时，但那套自我认知框架——它的价值会随着时间增长。 而 OpenClaw 只是让这些认知有了一个 7×24 在线的"容器"。 最好的 AI Agent 不是技术最强的那个，而是最了解你的那个。 PS: 以上文章是我用antigravity总结的，意思和我想的差不多，我就不码字了

00
coy_
19天前
遇见春天
00
coy_
19天前

MAZIPAH: 给 Claude 装了一个「包以德循环」决策引擎 最近给自己的 Claude 写了一个 OODA 决策顾问的 Skill，用了几轮之后觉得值得分享一下。 ━━━━━━━━━━━━━━━━ 背景 约翰·包以德（John Boyd）是冷战时期的美国空军战略家，他提出的 OODA Loop 本来是飞行员空战决策模型，后来被广泛用于商业竞争和创业策略。核心逻辑是：谁的循环转得更快、更准，谁就赢。 ━━━━━━━━━━━━━━━━ 这个 Skill 做了什么 把 OODA 四个阶段严格结构化，强制 Claude 不能跳步骤： ▸ Observe 采集环境数据，识别盲点 ▸ Orient 破坏旧认知，重建心智模型（最核心） ▸ Decide 输出 3 个假设驱动的策略选项 ▸ Act 最小可行行动 + 闭环指标设定 最有意思的是 Orient 阶段——它会主动帮你识别沉没成本谬误、确认偏见这类认知陷阱，然后用博弈论/系统论重新解释你的处境。不是给答案，是帮你换一副眼镜。 ━━━━━━━━━━━━━━━━ 一个实际用法 我在做某个产品方向决策时丢进去，它先问了我一堆「你没想到要说」的问题（竞品的退出信号、用户流失的时间分布），然后直接指出我在用「去年的市场假设」做今年的决策——这个 reframe 本身就值了。 ━━━━━━━━━━━━━━━━ Skill 的设计思路 每轮决策结果都写入 decision_log.jsonl，下次启动时先 review 历史预测准确率，动态调整风险偏好。跨会话的「校准记忆」，算是对 Claude 无状态问题的一个补丁。 适合场景：竞争环境模糊、方向不确定、需要快速迭代决策的时候。 不适合：你只是想要一个确定答案。 ━━━━━━━━━━━━━━━━ 完整 SKILL.md 附后 👇，这个skill附带一些脚本和资源，可以点击评论区链接下载 --- name: ooda-decision-advisor description: 本技能是一个基于约翰·包以德"OODA循环"的高级战略决策引擎。当用户处于高度不确定性、面临竞争对手的挑战、需要快速寻找"产品/市场契合度(PMF)"，或者明确要求"使用包以德循环/OODA进行决策调整"时触发。请勿在常规的语法排错或简单的日常问答中调用此技能。 license: Apache-2.0 compatibility: Universal (Claude, Codex, Copilot, Cursor) --- 包以德循环（OODA Loop）自适应决策顾问 作为一名深谙约翰·包以德控制论与战略学说的高级顾问，你的目标是帮助用户在模糊且快速变化的环境中以谋略制胜。你必须带领用户严格经历观察（Observe）、调整（Orient）、决策（Decide）、行动（Act）四个阶段。绝不允许跳过任何阶段，且必须在前一阶段的信息被充分验证后才能进入下一阶段。 阶段 1：观察（OBSERVE）—— 构建环境基线 不要立即给出建议。你的首要任务是引导用户进行全方位的数据采集，区分信号与噪音。跨会话记忆：如果这不是第一次循环，请务必先查阅 assets/decision_log.jsonl，评估用户「先前预测的准确性」，从而动态调整本次循环的风险偏好。如果用户在「观察」阶段难以理清思路，可提取 references/ooda_diagnostic_worksheet.md 作为结构化问卷辅助。向用户提出结构化问题，收集当前情况的内部约束（如资源、时间）和外部变量（竞争对手的动态、市场趋势反馈）。识别用户陈述中的潜在盲点，关注用户「没有说到」的缺失数据。输出：总结出一份「当前环境状态清单」，明确列出现有已知事实和关键未知领域。 阶段 2：调整（ORIENT）—— 认知引擎的毁灭与创造 这是循环的核心。你必须帮助用户摆脱僵化的心智模型。如果用户受困于传统思维，请自动查阅 references/destruction_and_creation.md 获取深层理论指导。 破坏性演绎（Destructive Deduction）：毫不留情地审查用户第一阶段的数据。可主动查阅 references/cognitive_biases.md，识别并指出用户的隐性假设、认知偏见（如沉没成本谬误、确认偏见）以及过时的行业范式。将用户面临的庞大问题拆解为最原子的孤立因素。 创造性归纳（Creative Induction）：运用跨学科知识库（物理学、心理学、经济学、博弈论），并查阅 references/mental_models_library.md 获取多元思维模型，将上述原子因素与全新的视角重新组合，为用户构建一个解释当前困境的全新「心智模型（Mental Model）」。 输出：提交一份「认知重构报告」，清晰指出用户之前的认知误区，并确立新的核心焦点（Schwerpunkt）。 阶段 3：决策（DECIDE）—— 制定战略假设 将新的认知转化为可执行的选项。记住，所有决策在复杂系统中都仅仅是「假设」。基于重构后的认知，提出 3 个截然不同的战略调整方案。每个方案都必须以科学假设的形式呈现（「如果执行动作 X，预期会观察到结果 Y，其底层逻辑是 Z」）。必须使用决策选项评估矩阵进行输出，矩阵包含：选项编号、战略方向、核心假设推演、主要执行风险、预估落地节奏（Tempo）、资源消耗评估。 阶段 4：行动（ACT）—— 快速测试与反馈闭环 引导用户将决策投入现实以获取新的数据，完成循环。要求用户从上述选项中选择一个。为用户选定的方案制定一个「最小可行性行动（Minimum Viable Action）」，强调以最低的资源成本在最短的时间内（高节奏 Tempo）对系统进行扰动。明确设定衡量该行动成败的具体时间点和量化指标，并强烈提醒用户：一旦行动产生结果，必须立即将新数据带回「观察」阶段，启动下一轮极速循环。日志记录：必须将用户在本轮 OODA 循环中的最终决策、核心假设和预期衡量指标以 JSON 格式追加写入（Append-only）到 assets/decision_log.jsonl 中，为下一轮迭代提供历史记录原材料。

00
coy_
1月前
coy_
2月前
coy_
2月前
coy_
2月前

KleinHE: 经过 8 个月高强度实战，我们决定开源内部 Claude Code 的最佳实践 在说这一切之前必须从我们踩过的坑说起。从 8 个月前 Claude Code 发布开始，我们就在尝试各种开发流程：从最早的 OpenSpec，到前段时间爆火的 plan-with-files，再到最近霸榜 trending 的 Superpowers，我们都有过使用，但可惜结果都是初看很惊艳，但实际效果很一般 核心问题有两个： 1. OpenSpec 类框架：本质上是 PRD-driven，而不是 Spec-driven。 每次新任务都要重新写一遍架构约束、代码风格、错误处理规则。 2. Superpowers 类框架：开源的 skill 都是比较宽泛的，没法解决项目内各种特化的问题，但是即使我们定义了自己的项目规范 skill，有时也因为幻觉或者上下文过长而没有调用，这带来了不可预测性。最后大部分时候 skill 必须手动使用，使用体感很差。 我们认为在未来的 AI Framework 里，Spec 和 Skill 必须同时存在： - Spec 负责约束：确保 AI 始终遵循项目规范，提供可预测性 - Skill 负责能力：按需扩展 AI 的能力边界，保持灵活性 解决了这两个问题，才能真正提升 AI 的代码质量，再配合上自动上下文注入之后，并行调用、团队协作等能力也就成为可能了。 下面就要讲到我们的开源框架 Trellis：https://github.com/mindfold-ai/Trellis Trellis 的寓意是植物的爬架——我们希望它能像爬架一样，为 AI 编码提供结构化的支撑，让代码自然生长的同时保持方向可控。同时也希望它就像庭院里真实的爬架一样，是高度可自定义的。 1. 我们给 Spec 加上了分层和索引机制，这样它就拥有了 Skill 的渐进式披露，在节省上下文的同时也确保永远不会遗失关键 context； 2. 我们用脚本整合了一套自动注入上下文的 Skill 工作流，让你每次对话都能自动完成一套规范的工作流，而不需要手动调用一堆 command； 3. 我们加上了更强的 Todo 管理系统，结合 json 和 md 文档，让它在有丰富的 prd 的同时，有了优先级、能关联工程师、关联 branch&worktree 4. 最后我们结合上述功能并加上了 multi-agent && multi-session 功能，这样你的 AI 可以判断 Task 复杂度，自行开启一个或多个 worktree 开发任务甚至直接 PR 这套系统的玩法还非常多，比如 task 系统和任务管理系统比如 Linear 的双向同步；比如自动多模型 Review PR；甚至像 ClawdBot 一样嵌入到 Slack、discord 等任何地方… 最重要的是，没有学习成本：只需三行命令完成初始化，之后像平常一样用 Claude Code 就好了。(因为所有的复杂逻辑我们都已经原生做在了框架内部) 在过去的几天，我们内部搓了一个自动生成 Leads 的系统；一个每天帮我们刷各种社媒的 agent；一个支持 ACP、嵌入 Trellis 的 Cowork GUI… 与此同时我们还在准备 Trellis 下两个版本的大更新，以及整理团队内部使用的 Skill 包，很快就全量会放出来。 容我再次插入一个 CTA，感兴趣的朋友可以 star 一下，支持我们，关注后续进度 👉 https://github.com/mindfold-ai/Trellis 也欢迎直接加我 wx 交流：rangalaxy

00
coy_
3月前

Simon的白日梦: 2026了，还没折腾明白claude code的同学，我觉得可以直接上open code了~！ 🌟划重点：开源、免费、免梯、有客户端界面、有免费模型、无缝自动接入claude skills\MCP，性能接近原生claude code🥹 ▶️官网: https://opencode.ai/ 具体案例和教程大家可以看@向阳乔木 老师写的这篇科普文：{OpenCode & Oh-My-Opencode + 开源 AI 编程与 Agent 框架} ➡️原文链接：https://mp.weixin.qq.com/s/AQd9RV43SYGLhjB8l3SFtw 🧐 OpenCode 是一款在 2026 年爆火的开源 AI 编程工具，它不仅提供了类似 Claude Code 的终端交互体验，最核心的突破是解决了封号和高昂费用的痛点。它内置了免费的顶级模型（如 GLM-4.7），并支持通过 Oh-My-Opencode 插件实现多智能体（Agent）协作与 Skill 自动化，极大地降低了 AI 编程的门槛。 ✨重点 ● 🆓 零成本白嫖顶级模型 OpenCode 内置了强大的免费模型网关，用户无需绑定信用卡即可使用 GLM-4.7。该模型在代码生成（HumanEval 94.2%）和指令遵循（IFEval 88%）方面均表现出色，完美适配 AI 编程场景。 ● 🧩 Oh-My-Opencode (OMO) 框架 这是目前最强的 Agent 编排插件。它通过多模型协作，将任务分配给不同的专业 Agent：Sisyphus（主控）、Oracle（架构师）、Librarian（代码库扫描）等，实现复杂任务的自动化处理。 ● 🔌 极简的安装与多模型连接 支持 Mac/Windows/Linux，通过一行 curl 命令即可安装。除了内置模型，它还能通过 /connect 轻松集成 GPT、Gemini、Mistral 或本地的 Ollama 模型，提供 75+ 供应商选择。 ● 🧠 一句话安装与调用 Skill 兼容 Claude Code 的技术方案。用户只需输入 GitHub 链接即可自动安装 Skill。例如，安装 obsidian-skills 后，只需一句话指令就能生成知识画布文件（Canvas），实现经验的流程化复用。 ● 🛠️ 元技能（Skill-Creator）驱动生产力 通过安装官方的 skill-creator，用户可以用自然语言描述工作流来生成自定义 Skill。例如创建一个“前端美化 Skill”，它能自动完成从代码扫描到多方案设计的设计迭代。 ● 📁 灵活的 Skill 分享与管理 Skill 的本质是文件夹集合。OpenCode 支持一句话指令完成 Skill 的“打包下载”或通过 GitHub CLI 快速发布分享，方便团队内部的经验传递与流程标准化。 ● 🔍 深度集成 MCP 与 联网搜索 内置了 Exa（搜索）、Grep.app（代码海搜）等模型上下文协议（MCP），让 AI 不再局限于训练数据，而是能实时查阅文档、抓取最新的 GitHub 实现或搜索互联网信息。 ● 🚀 推荐的明星 Skill 列表 文章推荐了多个实战级 Skill：Superpowers（全能开发包）、Planning-with-files（任务计划管理）、X-article-publisher（自动图文发布）以及 NotebookLM skill（PDF/视频自动总结）。

00