即刻App年轻人的同好社区
下载
有一个确定的趋势，AI正在通过SKILL接管各种大型平台，比如云服务、ERP、数据中台等，而不止是写写ppt、做做网页。
看到GitHub这周有个热门项目，是Google官方开源的Agent Skills，已经有15k star，这可不是简单的工作提效的技能，它能让AI自动操作Google cloud、ads、analytics、android，几乎涵盖了谷歌最核心业务。
你可以把这个项目看作是Google开放给AI的标准化操作说明书，以后用谷歌广告再也不用学习上百页的操作文档了。
这个仓库至少有上百个Agent Skills，包括了GKE 集群管理、BigQuery数据分析，Gemini API管理、TPU故障排除、Google Ads API 诊断等各种技能操作。
举个简单例子，现在能通过Skill自动跑一份谷歌广告账户的数据诊断报告，找出异常风险项等，完全不需要人来处理。
安装这个包很简单，一条命令 `npx skills add google/skills`，就能按需选择安装。
而且它不只是给 Google 自己的工具用，还支持Codex、Claude Code等主流agent harness，通过插件形式集成。
可能后面其他大公司也会有这样的Skill包，把自家产品操作流程全部喂给AI，这是真的能提升效率，因为现在好多甲方公司会有专门系统操作员岗位，完全可以被Skill取代。
看到GitHub这周有个热门项目，是Google官方开源的Agent Skills，已经有15k star，这可不是简单的工作提效的技能，它能让AI自动操作Google cloud、ads、analytics、android，几乎涵盖了谷歌最核心业务。
你可以把这个项目看作是Google开放给AI的标准化操作说明书，以后用谷歌广告再也不用学习上百页的操作文档了。
这个仓库至少有上百个Agent Skills，包括了GKE 集群管理、BigQuery数据分析，Gemini API管理、TPU故障排除、Google Ads API 诊断等各种技能操作。
举个简单例子，现在能通过Skill自动跑一份谷歌广告账户的数据诊断报告，找出异常风险项等，完全不需要人来处理。
安装这个包很简单，一条命令 `npx skills add google/skills`，就能按需选择安装。
而且它不只是给 Google 自己的工具用，还支持Codex、Claude Code等主流agent harness，通过插件形式集成。
可能后面其他大公司也会有这样的Skill包，把自家产品操作流程全部喂给AI，这是真的能提升效率，因为现在好多甲方公司会有专门系统操作员岗位，完全可以被Skill取代。
0 00
我发现大家其实忽略了Grok，其实已经变得非常好用，闭源模型里仅次于ChatGPT、Claude的存在，Harness工程能力也正以可怕的速度在进步。
现在闭源模型里可能Gemini有点稍落后了几步。
最近Grok彻底融合了Cursor，在vibe coding、agent调度上进化了不少，比如最新的Grok Bot，等于一台能干活的电脑机器人。
我测试在Grok和Codex上分析公众号文章，只给了3篇内容链接，Grok顺利采集到了文章内容，但Codex居然因为被拦截没读取到，也不知道啥原因。
现在的Grok其实已经远不止一个ChatBot，融合了X、Cursor的各种数据、能力，而且已经进入特斯拉车机，据说下一代新模型还会灌入SpaceX的工程数据，想象空间非常大。
要说马斯克真的是火星人，400亿收购推特，600亿收购cursor，几乎等于内部起了另一个codex，要说还是值的，codex带给ChatGPT的价值绝不止600亿。
上周发布的Grok‑4.6综合跑分已经接近GPT 5.6 sol，但是价格只有一半，老马是真心想硬刚ChatGPT啊哈哈。
但说实话，目前我还是用Codex比较多，主要各种插件用的顺手，和本地电脑系统配合的也比较好，这是Grok还不足的地方。
现在闭源模型里可能Gemini有点稍落后了几步。
最近Grok彻底融合了Cursor，在vibe coding、agent调度上进化了不少，比如最新的Grok Bot，等于一台能干活的电脑机器人。
我测试在Grok和Codex上分析公众号文章，只给了3篇内容链接，Grok顺利采集到了文章内容，但Codex居然因为被拦截没读取到，也不知道啥原因。
现在的Grok其实已经远不止一个ChatBot，融合了X、Cursor的各种数据、能力，而且已经进入特斯拉车机，据说下一代新模型还会灌入SpaceX的工程数据，想象空间非常大。
要说马斯克真的是火星人，400亿收购推特，600亿收购cursor，几乎等于内部起了另一个codex，要说还是值的，codex带给ChatGPT的价值绝不止600亿。
上周发布的Grok‑4.6综合跑分已经接近GPT 5.6 sol，但是价格只有一半，老马是真心想硬刚ChatGPT啊哈哈。
但说实话，目前我还是用Codex比较多，主要各种插件用的顺手，和本地电脑系统配合的也比较好，这是Grok还不足的地方。
1 00
看Jeff最新的播客提到，他们开发过一套性能优化手册，叫《Performance Hints》，足足有30页，可以作为SKILL注入给大模型，能极大的提升模型推理、识别、debug性能，可以总结为一段非常经典的话：
最快的计算是根本不执行；其次是只执行一次；再次是批量执行；最后才是让每次执行更快。
简单的理解是，遇到性能问题，第一要估算运行总成本，删掉不必要的工作，而不是总想加速每一个环节。
这和奥卡姆剃刀原理有异曲同工之处，如无必要，勿增实体。
其实不光是大模型系统的优化，作为打工人也没想明白为啥这么累，说到底还是多了很多无效的消耗，凡事应该多想想这件事是否值得做，如何借助工具去做等等。
我让ChatGPT提炼了Jeff的这篇文档，生成一段能高效生产的提示语，测试下来效果不错，大家可以用用。
你是一名结果导向的高效专家。收到任务后，先在内部明确目标、约束、交付物与成功标准，识别决定结果的关键问题；删除无关工作，优先采用简单、高杠杆、可验证的方案。充分复用已知信息，合并重复步骤；常见情况走最短路径，仅在必要时处理复杂例外。信息足够时直接完成任务；只有缺失信息会实质改变结果时才提问，否则基于合理假设继续并明确假设。不得编造事实，不确定或可能过时的信息应标注并核验。输出应结论先行、结构清晰、详略与任务类型匹配，保留必要依据和关键细节，给出可立即使用的结果，不重复题意、不展示内部推理。提交前静默检查正确性、完整性、相关性、可执行性和简洁性，发现问题先修正，再只输出最终结果。
最快的计算是根本不执行；其次是只执行一次；再次是批量执行；最后才是让每次执行更快。
简单的理解是，遇到性能问题，第一要估算运行总成本，删掉不必要的工作，而不是总想加速每一个环节。
这和奥卡姆剃刀原理有异曲同工之处，如无必要，勿增实体。
其实不光是大模型系统的优化，作为打工人也没想明白为啥这么累，说到底还是多了很多无效的消耗，凡事应该多想想这件事是否值得做，如何借助工具去做等等。
我让ChatGPT提炼了Jeff的这篇文档，生成一段能高效生产的提示语，测试下来效果不错，大家可以用用。
你是一名结果导向的高效专家。收到任务后，先在内部明确目标、约束、交付物与成功标准，识别决定结果的关键问题；删除无关工作，优先采用简单、高杠杆、可验证的方案。充分复用已知信息，合并重复步骤；常见情况走最短路径，仅在必要时处理复杂例外。信息足够时直接完成任务；只有缺失信息会实质改变结果时才提问，否则基于合理假设继续并明确假设。不得编造事实，不确定或可能过时的信息应标注并核验。输出应结论先行、结构清晰、详略与任务类型匹配，保留必要依据和关键细节，给出可立即使用的结果，不重复题意、不展示内部推理。提交前静默检查正确性、完整性、相关性、可执行性和简洁性，发现问题先修正，再只输出最终结果。
0 00
现在“活人感”成了自媒体的救命稻草，真的没想到。
以前随便写篇文章，发个帖子，从来没想到要考虑活人感，因为每个字都是手打出来的。
现在AI内容满天飞，靠堆量压也能压死创作者，何况有些文字、视频真的看不出来AI的痕迹。
但活人感怕是模仿不出来，比如文章穿插点脏话、错别字、吹牛B，由衷而发的仰慕、鄙视、揶揄、窃喜、暗自神伤，或者像峰哥那样，靠哭惨，亏钱，比粉丝过的差，获得满满的活人感。
看GitHub上已经有不少开源的AI活人感写作SKILL，写出来的东西确实个人风格化很明显，没有AI惯用的句式、用词。
可是我们一方面在抵制AI写的东西，一方面又在拼命训练AI模仿人的笔触，似乎有点矛盾。
我想起前不久张朝阳说的话：
「现在AI产生的东西，让世界的媒体和内容产生了塑料的感觉。就像化肥催出来的西红柿，看着光鲜饱满、卖相完美，吃着一点味道都没有；带点泥的胡萝卜，外表没那么精致好看，却有原生的风味、更好吃。」
确实，如果终有一天AI侵占了活人感这块自媒体唯一的自留地该怎么办？
以前随便写篇文章，发个帖子，从来没想到要考虑活人感，因为每个字都是手打出来的。
现在AI内容满天飞，靠堆量压也能压死创作者，何况有些文字、视频真的看不出来AI的痕迹。
但活人感怕是模仿不出来，比如文章穿插点脏话、错别字、吹牛B，由衷而发的仰慕、鄙视、揶揄、窃喜、暗自神伤，或者像峰哥那样，靠哭惨，亏钱，比粉丝过的差，获得满满的活人感。
看GitHub上已经有不少开源的AI活人感写作SKILL，写出来的东西确实个人风格化很明显，没有AI惯用的句式、用词。
可是我们一方面在抵制AI写的东西，一方面又在拼命训练AI模仿人的笔触，似乎有点矛盾。
我想起前不久张朝阳说的话：
「现在AI产生的东西，让世界的媒体和内容产生了塑料的感觉。就像化肥催出来的西红柿，看着光鲜饱满、卖相完美，吃着一点味道都没有；带点泥的胡萝卜，外表没那么精致好看，却有原生的风味、更好吃。」
确实，如果终有一天AI侵占了活人感这块自媒体唯一的自留地该怎么办？
1 00
我发现大模型让很多工作变得超级简单，但很多人并没有感知到。
比如说传统的爬虫采集，以前可能需要写python requests、scrapy脚本，还得去解析html文本，技术门槛不低，而且巨浪费时间。
但现在有了MCP、SKILL、CLI，大模型可以直接干爬虫的活，比如playwright mcp、fetch mcp、chrome mcp、puppeteer mcp等可以直接采集和解析网页，甚至各种bing、百度等搜索工具也有mcp服务。
还有Bright data的MCP和CLI功能，把采集接口集成到mcp服务里，能控制浏览器、实时浏览网页、请求谷歌搜索数据、解锁网页验证等，直接部署在cursor、vscode、codex、workbuddy里，直接聊天对话就能采集到公开的数据，几乎是零门槛。
get.brightdata.com
除了爬虫，还有数据分析、内容写作、多媒体生产都有大量的AI工具可以实现，不过很多人有信息差，看不到，不会用。
所以没事多去看看github、魔搭、huggingface这些平台很有必要，是AI学习的必由之路。
比如说传统的爬虫采集，以前可能需要写python requests、scrapy脚本，还得去解析html文本，技术门槛不低，而且巨浪费时间。
但现在有了MCP、SKILL、CLI，大模型可以直接干爬虫的活，比如playwright mcp、fetch mcp、chrome mcp、puppeteer mcp等可以直接采集和解析网页，甚至各种bing、百度等搜索工具也有mcp服务。
还有Bright data的MCP和CLI功能，把采集接口集成到mcp服务里，能控制浏览器、实时浏览网页、请求谷歌搜索数据、解锁网页验证等，直接部署在cursor、vscode、codex、workbuddy里，直接聊天对话就能采集到公开的数据，几乎是零门槛。
get.brightdata.com
除了爬虫，还有数据分析、内容写作、多媒体生产都有大量的AI工具可以实现，不过很多人有信息差，看不到，不会用。
所以没事多去看看github、魔搭、huggingface这些平台很有必要，是AI学习的必由之路。
0 00
最近看到不少关于notebooklm的讨论，一个已经存在近两年的笔记产品，似乎“老树回春”，成了谷歌继Gemini 3 Pro、Nano banana之后又一个现象级AI应用。
直到我这几天体验了notebooklm的AI生成PPT效果后，我才发现这可能不是偶然。
notebooklm是谷歌开发的一个笔记应用，准确点说是纯AI管理的知识库，有点类似于腾讯的ima，但又比ima支持更多的内容和产出形式。
我把notebooklm总结为“构建在Gemini之上的知识万花筒“。
直到我这几天体验了notebooklm的AI生成PPT效果后，我才发现这可能不是偶然。
notebooklm是谷歌开发的一个笔记应用，准确点说是纯AI管理的知识库，有点类似于腾讯的ima，但又比ima支持更多的内容和产出形式。
我把notebooklm总结为“构建在Gemini之上的知识万花筒“。
3 00