本文基于公开文档与使用分享，系统比较了 xAI 的 Grok Bot 平台与 Meta 的个人 AI Agent Muse。两者均能在云电脑上执行任务、连接外部服务并在后台持续运行。差异在于：Grok Bot 支持多 Bot 分工、Skills 与 Routines、Team Bots 团队共享，协作编排更具可玩度；Muse 则强调围绕个人目标的持续代办、记忆延续，并配备 VM 隔离与 Sentinel 审查等安全机制。文章还从信息获取、模型能力、安全隐私、服务接入与订阅费用等维度展开对比，并通过出差预订场景说明两者的工作组织方式，帮助读者按需求选择。
作者因 Claude 账号被封，无法使用 Opus 5.5 的代码动画玩法，于是尝试用 Codex 复现该路线：将参考视频交给 Codex 分析画法、编写剧本、拆分镜，最终用 p5.js 和 Canvas 生成动画并导出带中文旁白、配乐的 MP4。作者还将做法整理成开源 Skill（wtt-code-animation-studio），支持剧本编写、十种画风推荐与选择、配音、渲染导出等全流程，并验证了同一角色在扁平、沙画、粒子等画法下的多种组合，以及随机三种风格混合的新故事测试片。
文章探讨了高级 AI Skill 的本质：不是把更多指令塞进一份文件，而是把多个单点能力按任务关系编排组合。作者通过分析 GitHub 上多个热门 Skill 仓库，总结出五种组合模式：路由（判断调用哪个 Skill）、顺序（强制工作流程）、选择（按需分诊组合）、流水线（专业能力交接）和分层（Skill 与系统能力分工）。文章提出组合 Skill 的五个核心零件：路由、输入输出契约、顺序与并行、上下文状态、验证反馈，并建议从真实返工中逐步长出组合关系。核心观点：Prompt 让 AI 听懂一次需求，Skill 固化一类做法，而组合 Skill 才能把复杂任务交付出来。
作者分享了自己三个月迭代七个版本的 AI 作图 skill（wtt-nine-comic-imagegen）的完整拆解。核心观点是：拥有自己的作图 skill，起点不是从零写，而是拿大神的骨架、喂自己的翻车。文章从 skill 的来历讲起，分析其分层结构（触发词交付层、骨架变量池工程层、铁律与负面清单经验层），指出最值钱的是「不许什么」的负面约束。通过字体词失灵等实测案例，总结出品味翻译的三种形态：翻译成数字、动作和禁止。还提出锚点与变量分离、共享机制抽取等结构决策，以及比喻成败目录这一沉淀品味的方法，给出了今晚就能开工的实践路径。
文章系统讲解如何编写 AI Skill：从用一句话加 SOP 封装出第一个 60 分的 skill，到通过把目标改写为动作、补充约束、设计自由度和提高词表颗粒度来提升到 90 分。作者拆解了摄影 skill 和封面 skill 两个开源案例，指出高手的秘诀在于将模糊概念拆成可执行的词表和明确的「不要」清单。还介绍了如何让 AI 递出陌生领域的行话词表，并澄清了 skill 与提示词、智能体的区别。全文强调约束和颗粒度决定 skill 的专业程度。
文章回顾了 FDE（前线部署工程师）岗位的兴起，提出核心观点：每当新基础设施把某一环节成本打到趋近于零，相邻环节就会裂开一条责任真空的缝隙，率先站上去的人会从「打杂的」成长为值钱的岗位。作者以 ERP 实施顾问、SRE、互联网运营为历史样本，论证 FDE 正是 AI 把「做出来」变便宜后撕开的最后一公里。文章还分析了中国企业的「先干后认」路径及其在需求、计价、组织上的独特约束，并指出岗位动荡期与稳定期的不同价值规律。
