作者分享了将25条思考类提示语（苏格拉底式提问、第一性原理、乔哈里视窗、逆向法等）封装为开源skill「老爷爷」的过程。受Matt Pocock的ask-matt路由启发，该skill可根据用户当前处境自动匹配最合适的提示语，解决「提示语存了一堆但从来不用」的问题。作者强调原提示语一字不改的原则，避免工程化改写导致的性能下降，并介绍了乔哈里视窗和逆向法两个实用方法，主张让AI负责挑选提示语、人负责感知问题的分工方式。
作者分享了从程序员转型为百万播放 AI 视频创作者的经验——审美积累，并宣布开源历时近一个月、花费约两万元的项目 awesome-seedance。项目包含 463 条经实测复现并打分分类的 AI 视频提示语、14 个覆盖各类视频的提示语模版（如手持 UGC vlog、打斗、产品广告等）以及 25 个 AI 视频 Skills。文章详细讲解了模版与 Skill 的区别与用法，分享了提示语写作技巧如接触点描写、招式链和流派生物力学，并倡导以"临摹"方式学习 AI 视频创作，邀请社区提交 PR 共同完善项目。
本文实测了 DeepSeek 开源的 Agent 框架 DeepSeek Harness（dsh），强调其“everything is a plugin”的设计理念，基于 Cordis 插件系统，可高度定制。文章介绍了四种预设模式（标准、PTC、极简、创造）的特点，并通过实际案例展示了 dsh 在代码审查、创意生成、性能对比等任务中的能力，最后探讨了模型与框架的乘法关系，推荐日常使用 v4-flash。
作者开源了维护三年的AI提示语案例库，并建立了GoodCase.ai网站，旨在提供经过验证、持续迭代的案例库。文章详细介绍了对Seedance 2.0 Fast、MiniMax H3、Wan 3.0三个视频生成模型的横测过程，涵盖多素材参考生视频、文生视频、真人视频等场景，对比了各模型在动作连贯性、人脸稳定性、物理效果等方面的表现，并分享了提示语编写经验。
作者因安装 300 多个 Skill 导致每次对话多消耗约 8.2k token，累计浪费数亿 token。为此，他开发了一个“Skill 瘦身”工具和可视化控制台，按使用频率和重要性将 Skill 分为核心全局、项目级和触发级。通过将低频 Skill 改为动态加载，既节省了上下文窗口，又保留了完整能力。
作者分享了三年使用 AI 进行知识管理和代办的经验，并开源了基于 LLM 的「阿福 TODO」Skill。该工具通过自动扫描 Markdown 文件识别待办任务，支持 AI 分组合并素材、日历同步及归档管理，帮助用户高效处理碎片化信息并避免遗漏。
作者发现并体验了开源项目 Tutti，一个被称为 Agent OS 的统一管理工作台。它整合了 Codex、Claude Code 等多个 Agent，支持实时共享上下文、文件和任务。Tutti 提供 BYO Subscriptions 机制，利用现有订阅无需额外付费，并具备 Goal to Tasks 自动拆解和多 Agent 协作功能，极大提升了使用 Agent 进行创作和开发的效率。
