📍个人网站：www.kelin.center

👋关于我
📂base：科林｜INFJ｜双子座｜最后一代90后
📂Hobby：文艺纪实片｜播客｜旅行｜DeepThinking
📂To do：把自己看到的世界投射到创作&产品中，然后被同好看见。
📂Awards：AdventureX 2025 双赛道冠军➕魔搭社区赛道亚军➕Dify赛道优秀奖｜软硬件赛道大奖➕MiniMax优秀奖

👋一些正在鼓捣的项目
📍ComfyUI LLM Agent开源项目：负责过一个ComfyUI Agent开源项目的产品和运营，目前在GitHub中已有1.8k star，2个月完成了0.3k -> 1.5k star；
📍神奇酒馆MagicBar：一款专门为社交场合中通酒来完成快速破冰的小 app，通过调酒的形式构建社交话题。目前产品还在冷启动中，未大范围上线，小范围试水中……
📍MyWear：在 AdventureX 和队友一起脑爆出来的一款基于AI Agent的智能衣橱管理系统，通过一键上传识别衣物、场景化穿搭推荐和虚拟试穿，帮助用户从"不知道穿什么"到"永远知道明天穿什么"。

👋持续在更新的爱好&工具......
🗂️最近看过的好书：《大教堂与集市》 《你的灯亮着吗：如何找到真问题》 《乔布斯传》
🗂️最近看过的好电影：《年少日记》 《僧侣和枪》 《我们最后一次做孩子》 《花样年华》
🗂️最近在用的AI工具：MiniMax Agent、Claude Code、 Flowith Neo、Gemini 2.5 Pro、ComfyUI、即梦、Dia......

最近正好赶上 ComfyUI 发布 ComfyHub。

我觉得这是个很关键的节点，以前很多人卡在安装、环境、依赖，现在官方亲自下场把门槛往下拉，ComfyUI 会变得越来越容易用。

刚好说一下我为什么要做 ComfyUI Skills 这个开源项目。

在 diffusion 生态里，ComfyUI 基本是绕不开的开源项目了。

它的价值不只是生成图片和视频，而是这套可视化节点编排 + 可扩展 custom nodes 的能力，已经沉淀成了很多团队和项目真实在用的后端工作流资产。

我做这个项目的想的也很直接：我不认为 Agent （包括 openclaw） 的价值是从零开始重造一切，而是把已有业务能力更高效地调起来。

所以我更想把 OpenClaw 当作一个中转层：
复用你已经做好的 ComfyUI workflows
按不同场景路由到不同 workflow
远程也能调用，并且让 workflow 管理更可视化

再往后，我想做的事情是：
上传 workflow 时就能给节点/参数加注解，让 AI 读懂这个 workflow 是干什么的、每个参数该怎么填；

调用时，AI 自动向用户补齐必要输入，而不是让人手动翻节点，以及让 Agent 自动根据场景调用多个 workflow 来协同工作。

如果你也在用 ComfyUI，或者在做 Agent + 工作流编排，欢迎来聊聊你最痛的点。

我会持续把这个 skill 做得更智能、更可复用。

如果你觉得这个项目有价值，欢迎来star，也欢迎玩 diffusion 的朋友来贡献代码！

github.com

最近把 ComfyUI Skill OpenClaw 最近更新了一轮，重点主要在前端 UI 和多服务器工作流管理。

- 前端这边把很多交互重新整理了一遍，包括服务器管理弹窗、工作流编辑器、自定义下拉、自定义确认弹窗，以及一些状态切换和提示反馈，整体会比之前更统一，也更顺手。

- 工作流编辑器这次也增强了不少，补了搜索、批量暴露参数、批量折叠/展开节点这类能力，整理复杂工作流时会更高效。

- 后端这边主要完善了多服务器配置和存储逻辑，新增服务器、配置校验、错误提示这条链路现在更稳定，排查问题也更直接。

- 这套 skills 的核心目标还是让大家已经部署在不同服务器上的 ComfyUI 工作流和资产更容易流转起来，让 OpenClaw 能更自然地去调用它们，而不是每次都从零手动整理。

- 另外一个重点是把工作流里的参数进一步结构化，让 Agent 更容易理解这些参数，后面不管是复用、编排还是自动调用，都会更顺一些。

GitHub：github.com

【ComfyUI Skill OpenClaw】

📍hihi! 为了让OpenClaw小龙虾拥有强大的图片生成能力以及高扩展性，我写了一个ComfyUI的Skill能力，可以让小龙虾拥有ComfyUI强大的生成图片的能力，并且配置了工作流的前端配置面板，让工作流配置更加简单。

项目已经同步开源到了GitHub，欢迎各位虾友来玩！也欢迎各位家长来提PR！

GitHub：github.com

字节果然是一个年轻的公司
虽然现在OpenClaw还在早期的业务场景探索。

但是作为大规模开放接口的飞书还是首家
字节在这次又走在了前面，这相当于进一步强化了飞书作为中台的一个定位，抢占了大量的免费流量。

相较于阿里、腾讯之前做的一键部署，飞书把自己定位为超级中台的做法显得没有前者这么“老气横秋”，接下来就看企微和钉钉怎么接招了hhh

Claude Code的Subscription价格太贵了，以至于只要有一个模型可以达到Claude Code 旗舰模型的70～80%，而价格又是其1/10（最近的codex-5.3就是一个很好的例子），用户就会放弃掉Claude Code。更何况anthropic还有严格的IP限制和无理由的封禁账号。

分享一些写提示词的take aways

1. 角色设定
把大模型看作一个巨大的概率分布库。设定极其具体的角色（如Reddit语言引擎而非英语老师），目的不是为了让它角色扮演，而是为了强行把它的搜索范围锁定在训练数据中属于该特定领域的向量空间里。

2. 负向约束优于正向描述
告诉AI不要做什么，往往比告诉它要做什么更有效。这就像产品设计中的边界条件定义，使用严禁废话、严禁回答等负向指令，能最大程度防止模型产生幻觉或过度表现。

3. 风格参数的可视化
避免使用地道或专业这种模糊的形容词。要把抽象的风格拆解为随意度、句式结构、词汇选择等可执行的维度。这就像在调节参数旋钮，让模型根据明确的权重去动态构建内容。

4. 隐性思维链机制
在提示词中强制模型执行意图识别、草拟、优选等中间步骤。虽然用户只看到结果，但这能打破大模型预测下一个词的直觉惯性，迫使它启动慢思考系统，从统计学上的正确转向逻辑上的最优。

5. Few-Shot
无论指令写得多完美，都不如直接提供两个高质量的示例（Few-Shot）。示例是人与模型对齐意图最高效的桥梁，它不仅展示了风格标准，更像单元测试一样直接锁死了输出的格式。

所以AI只是在给人类做注脚吗？

最近几次在外出活动的时候，如果是一些比较重要的会议/演讲，我都会把Granola打开，每次看完Granola做完的总结都会给我一种很会抓重点的感觉。

绝大部分情况下都能够把会议的主线和逻辑理的很清楚，对事后复盘起到了很重要的参考。之所以我不太喜欢用转录这类的产品，是因为我之前大部分转录的内容都会吃灰。

一方面是转录的内容信噪比太低，有很多信息是我不需要的，但是我又花时间要在里面找到我想看的内容，这个对我而言是一件性价比很低的事情。第二方面，是我看到有一些转录不准确的地方，我可能有想去纠错的冲动，就会把我的注意力抢走。

而Granola则是录制的过程中不会展示实时转录的文字，这样我就不会把我的注意力放在文字转录的效果上面。录制结束后，granola会生成一个这次录制的note，把主要的脉络和重点记录下来。
granola还设计了一个白板可以随时记录会议中的一些想法，在结束后会放入会议录制的上下文一起enhance。这样我就可以用最少的注意力告诉它我想记录的重点是什么，而我主要的注意力就focus在最重要的会议理解上面。

📍如何在一场AI活动中获得高质量的社交

很多人当下在参加AI活动的时候，其实并不知道如何去社交，或者说不知道如何在与一线Builder或Founder的交流中获得真正的信息增量。

我觉得在AI活动中，所谓的高质量社交，核心其实在于你是不是能够提出高质量的问题。

1. 多问与自己日常build中遇到的具体问题。
这类问题往往是自己最痛的点。因为是你亲身经历的难题，所以在得到对方回答后，你自己才有信息判断能力。如果你问的问题在自己的能力圈之外，其实那个答案对你来说没有任何信息增量。

2. 不要空泛地聊宏观问题。
例如，不要问我该如何Go to market这种大词。而是要具体。比如：我现在做招聘赛道，发现还有哪些痛点未被满足？这些未被满足的点是市场问题，还是制度原因？如果我做，我能有什么优势？只有颗粒度够细，交流才有价值。

3. 多问踩坑的经验，少问成功的经验。
其实大部分成功的经验是无法复刻的。很多成功来源于事后归因，或者来源于当时的时代机遇。窗口期很短，过了那个时期，这些takeaway就失效了。但是坑是有普适性的。有些坑你一旦踩中了可能真的会万劫不复，例如拿到一笔条款很糟糕的融资。

4. 不要害怕，大部分创业者很乐意分享。
这次活动遇到的builder大多是在硅谷拿到一定成绩的，但我发现他们在日常攀谈中其实很平易近人。只要带着真诚和具体的问题，即便是我日常做产品遇到的细节难题，也能得到他们很详细的解答。