从 0 搭建口播视频 Skill（1）
文章介绍了如何从零搭建口播视频的自动化流水线，拆解了HTML画面、TTS人声、Whisper字幕、Playwright录制和ffmpeg合成的技术原理，强调了手搓流程对理解本质的重要性，并提供了可复用的Skill结构。
全部文档
12 篇
Claude Code 动态工作流解析与实战指南
文章详细介绍了 Claude Code 的动态工作流功能，通过编写编排脚本运行数十到数百个并行 subagents，解决智能体偷懒、自我偏好和目标漂移问题。内容涵盖原理、与静态工作流的区别、分类执行、对抗验证等六种实用模式，以及在迁移重构、深度研究、代码审查等九类场景的落地应用。
1 个 Skill 自动添加字幕，ByeBye 剪映会员
文章介绍了一种利用 Claude/Codex Skill 技术结合 Whisper 和 ffmpeg 实现本地化视频自动加字幕的方法。该方法通过将听写、校对翻译和烧录三个步骤拆分，利用 LLM 的纠错能力解决了传统软件（如剪映）识别不准和需手动修改的痛点，实现了免费、高准确率和全自动化的字幕制作流程。
一文看懂怎么在 X 持续写作涨粉
文章将写作视为工程问题，拆解为一套可重复的流程。核心方法论包括：选题应从个人爱好与工作中挖掘，并利用热点关键词叠加；受众定位应选择前1%的专业认知服务99%的泛人群；写作要符合X平台的移动端与转发逻辑；最重要的技巧是“写完不马上发”，通过冷却期降低后悔率，并利用AI Skill辅助审稿润色。
用好NotebookLM立省80%Token
文章介绍了一种通过结合 NotebookLM 与 Claude 来大幅降低 Token 消耗的工作流。作者指出直接将海量数据（如 50 篇论文）塞进 Claude 对话极其昂贵且效率低下，而利用 NotebookLM 作为免费的“老师”进行语料存储和检索，让 Claude 仅负责推理与编排，可实现 17 倍以上的成本节省。文中详细解析了 RAG 与 Context 的成本差异、Prompt Cache 的局限性，并提供了针对学术论文、招股书阅读及个人知识库的具体操作指南。
搞懂缓存机制，从Gemma4到Claude Code省80%Token
本文通过本地实验与源码分析，深入解析了大模型的 KV 缓存机制。作者从 Transformer 注意力机制讲起，解释了为何多轮对话会出现 100 倍的加速差异。通过逆向 Claude Code，揭示了 Anthropic 精密的缓存工程策略（前缀匹配、TTL 机制）。最后，给出了具体的 Claude Code 使用姿势（如保护缓存前缀、避免切换模型），帮助用户将 Token 消耗降低 80%，实现同样的套餐多干 3-5 倍的活。
用好NotebookLM立省80%Token
文章指出直接将大量语料塞入Claude对话会导致Token消耗巨大且缓存利用率低。作者提出了一种优化方案：利用NotebookLM作为“老师”进行免费的知识库检索和带引用问答，仅将检索结果提供给Claude进行推理和编排。实测表明，该方案在研究、打新和知识库场景下可节省大量成本，但响应速度会降低。
搞懂缓存机制，从Gemma4到Claude Code省80%Token
文章通过本地 Gemma4 实验发现大模型对话中存在 100 倍加速的现象，深入剖析了 Transformer 的 KV 缓存原理，并逆向分析了 Claude Code 的精密缓存工程。文章解释了为何连续对话比频繁开启新 Session 更省钱，指出破坏缓存的关键行为（如切换模型、修改 System Prompt），并提供了保护缓存以节省 80% Token 的具体使用姿势。
8 个 Claude Code Hooks 实战：从防误删到自动提交
文章介绍了通过 Claude Code Hooks 来解决 AI 辅助编程中的痛点。作者分享了 8 个实用 Hook，涵盖代码格式化、危险命令拦截、敏感文件保护、自动化测试、Lint 检查及审计日志等。这些配置能将被动检查转为自动化流程，显著提升代码质量与安全性。
你搭的 Claude Skills，还能提升10倍效果——使用Karpathy 的 autoresearch 方法
本文介绍了基于 Andrej Karpathy 的 autoresearch 方法，通过建立评估 Checklist 和自动迭代循环，让 AI Agent 自动优化 Claude Skills。作者分享了将落地页文案 skill 通过率从 56% 提升至 92% 的实战案例，该方法同样适用于网站优化、邮件撰写等任何可量化的工作流。
零代码克隆纳瓦尔数字分身保姆级教程
本文是一份详尽的零代码教程，指导如何利用 NotebookLM 和 Gemini 构建纳瓦尔的 AI 数字分身。全流程无需编程，涵盖了使用 Deep Research 寻找数据源、通过网页源码提取链接、利用 NotebookLM 搭建静态知识库（RAG），以及通过 Gemini 注入个性化灵魂并设置 System Prompt 的完整步骤。文末还提供了具体的验证测试用例及现成的资源包。
保姆教程：用 Gemini + NotebookLM 打造你的24h首席AI顾问
文章介绍了一种利用 AI 工具克隆特定人物数字分身的“保姆级”教程。作者以克隆技术大 V“宝玉”为例，展示了如何使用 baoyu-skills 抓取公开数据，利用 NotebookLM 进行 RAG（检索增强生成）以构建知识库，最后通过 Gemini 创建 GEM 并注入特定的 System Instructions。测试表明，该数字分身成功复刻了原作者的工程审美与批判性思维。