作者将电脑中 8 个 Claude 视频制作 skills 整合成一支 100 秒视频，视频本身由 Claude 写代码完成。文章逐一介绍每个 skill 的功能：xilo-opus-video 通用生成、lemo-opuscar 风格图册、mg-styles-15 动态设计、dashi-animationstyle 口播配画面、huashu-art-motion 美术史风格、wtt-code-animation-studio 全流程编剧、video-shotcraft 产品宣传片、archival-doc 历史纪录片剪辑。作者感谢开源作者，并回复网友评论。
Ramp CEO Eric Glyman 发布企业级 AI 产品 Glass，回答了 David Senra 的提问“Ramp 为何移动如此之快”。Glass 的核心理念是让公司只学习一次：将员工分散在聊天记录、Slack 和个人头脑中的最佳工作沉淀为企业共享知识库，成为所有人的工作起点。Glass 集成 Linear、Notion、Slack、Gong 等工具，支持多人协作、Skills 复用、任意模型选择，并通过 Ramp Router 自动选择合适模型和项目计费器控制成本，使 Ramp 的 AI 账单一夜下降 30%。产品上线后已有 323 名员工做出 6500 多次知识编辑，功能请求捕捉量从每月 300 提升至 20000。
作者南鸢基于开源项目 honghouzi 的 Codex Workspace Enhancer 和 yubowen123 的 codex-sidebar-enhancer 改造整合，开发并开源了 Nuyoah Codex Workstation。这是一套嵌入 Codex / ChatGPT 桌面应用的本地增强工具，核心功能包括：最多四个 Codex 对话并排的四宫格布局、项目进展与交付文件管理、任务地图展示任务关系、以卡片形式展示已安装 Skills 并可一键插入任务、以及素材资产只读浏览与插入（支持 Eagle 和本地文件夹）。作者说明了适用人群、安装门槛（需 Node.js 22.5+、macOS/Windows）及部分功能尚未完全验收的情况，项目采用 MIT 许可证，源码已在 GitHub 公开。
文章系统整理了 67 个实用的 Claude Skills，涵盖需求规划、方案设计、编码、测试、排错、代码审查等开发全流程。作者介绍了 Skills 的概念（包含 SKILL.md 的文件夹，封装可复用的工作流程），并列举了来自 Anthropic 官方、Matt Pocock 和 SkillsMP 市场的技能资源，如 Skill Creator、Grill Me、Write a PRD、TDD、QA、Code Review、Systematic Debugging 等，附项目链接、使用方法和安装命令，帮助开发者把 Claude 用成一支完整的开发团队。
本文深入解读 Pi School 这门免费开源的 15 节课程，教授如何使用 Pi——一个模型无关的极简终端编程智能体。课程采用'用 X 学 X'的设计，学员把提示词粘给 Pi，由 Pi 自己授课并同步进度。内容分四个阶段：环境搭建与配置契约（含 AGENTS.md）、理解模型边界（上下文压缩、会话分支）、以及四层扩展体系（Skills、MCP、Code mode、Extensions）。文章特别分析了 Pi 的 Trust 信任模型——以项目级一次性授权替代逐动作确认，并点评了课程的优势（认知阶梯清晰、诚实度高、押注开放标准）与局限（深度偏入门、生态绑定 Cloudflare 等）。
作者基于一年运营 AI 原生公司并帮助客户转型的经验，提出打造 AI 原生公司的七步方法论：先清理数据与上下文（建立 Company AI Brain），再构建共享基础设施而非零散自动化；让全员在 Harness（如 Claude Cowork、Codex）中工作；用技能、上下文和新模型解决大部分工作；全员教育并培养 Champion 推动进化；自定义 Agent 最后才建；并保持持续尝试。作者还破除 Agent 神话，指出'人机三明治'模式依然存在，人的角色随信任与上下文积累而变薄。
作者实测了 Manus 推出的多 Agent 产品 Cue。Cue 允许用户创建多个 Agent，为它们分配邮箱、电话号码、钱包和桌面，Agent 之间可以单独传话或组群聊协作。文章详细体验了创建 Agent、查看独立桌面、设置自动化任务、邮箱收信、电话与支付等功能。作者发现邮箱需要手动提醒、收信不稳定，电话和支付仅限部分地区，连接器以国外服务为主。总体评价 Cue 方向与 Grok Bot 相似但仍是'毛坯房'，基础体验有待完善，更看好其 Skills 和连接器的发展潜力。文末附邀请码 MEETCUE。
作者以个人技术视角回顾了 2022 年底 ChatGPT 上线至 2026 年约四年的 AI 发展历程。从最初围绕聊天框的 Prompt Engineering，到 2023-2024 年 RAG、工具调用与工作流编排（LangChain、n8n、Dify、MCP）；2025 年 Codex CLI、Claude Code 等编程 Agent 兴起，本地部署与浏览器 Agent 出现，长任务催生上下文工程与 Harness 机制；2026 年 Skills 生态、OpenClaw 个人助手、多 Agent 协作与电脑操作能力成熟。文章梳理了从聊天框到完整任务执行系统的演进脉络，展示了 Agent 工具、技能与协作形态的迭代过程。
这是一篇面向新手的 Codex 面板使用教学文章。作者 Hardy Chen 详细讲解了新版 Codex 界面的各个区域功能：最左侧功能入口栏（首页、定时任务、资料库、图像、插件与 Skills、远程连接）、第二列的项目与对话管理（区分项目、对话与分支概念）、输入框的使用（任务描述三要素、权限模式选择、/命令、$技能、@文件引用三大入口符号）、任务执行过程中的查看与验收方法、右侧工作台与审查视图，以及对话的整理、侧边聊天和分享功能。最后通过四步实操演练帮助读者掌握面板的基本使用流程。
本文是一篇面向新手的 Gemini 保姆级教程。作者指出多数用户仅用 Gemini 做基础问答，浪费了其八成能力。教程从零基础入门讲起，介绍网页端模型切换、超大 PDF 阅读、无字幕视频理解、Gems 专属分身等基础功能；拆解 Google AI Pro 会员的核心隐藏权益，包括 NotebookLM Plus、2TB 云盘等；对比 Chrome 实时语音看屏与 Codex/Claude Computer Use 的差异；详细讲解 Antigravity 桌面端的上手方法、定时任务、@ / 指令用法及 ParaGravity 多开方案；最后介绍如何通过 GitHub Skills 技能包将 B站、YouTube、播客等变成私人知识库，并附上实测案例与可复用的三段式提示词。
文章拆解了海外独立操盘手 DeRonin 如何靠 AI 一人运营内容分发机构，月入 7.8 万美元并服务 9 家大客户。核心是 7 个自动运转的闭环部门：雷达部抓取买家痛点、侦察部筛选达人、锻造部批量生产内容、守门部用异构模型交叉审核、实验室盲测、记账部自动化流程、中继部输出周报。系统靠'只准追加的踩坑手册'和'带测试的技能库'实现自我进化，配合工业级模型调度分工，成本仅 1400 美元/月，毛利率 98%。文章还给出普通人 12 周的落地指南。
文章分析了 Agent 生成 PR 描述普遍存在的冗长、流水账问题，梳理了 Matt Pocock 与 dex 两位从业者的解决方案。Matt 的 /pr skill 定位为'格式参考'而非'工作流'，通过 Summary、Size and door、变更结构、Evidence、刻意省略五部分模板压缩 reviewer 的认知成本。dex 的 visual-pr 则是动手的工作流 skill，配合 show-me 的最小可视化语法。文章还介绍了 dex 提出的 skills vendoring 复用方案——将依赖的 SKILL.md 内联引用，避免 fork 脱钩，即'markdown 版 kustomize'，将 skills 复用从手工同步升级为声明式机制。
本文整理了 Matt Pocock 与 Gergely Orosz 的 96 分钟深度访谈精华。Matt 提出'知识已死，智慧永存'：AI 吃掉了战术性编程，人类须守住战略性编程。他分享了完整 AI 协作方法论：grill me（让 Agent 无情拷问以对齐需求）、spec→tickets 拆分工单绕开 15 万 token 注意力限制、wayfinder 用地图+战争迷雾隐喻管理超大工程、日班/夜班节奏。最具原创性的发现是'引导词'技巧：把经典软件工程书籍中的术语写入提示词，能激活模型深层概念、改变行为。他强调代码库就是 Agent 的运行环境，工程师应成为 Agent 的平台团队与园丁。结论是：帮助他的不是新方法，而是 25 年前的经典软件工程智慧。
这是一篇面向初学者的 AI Agent 完全指南，介绍如何部署实用的 agent 集群（swarm）。文章首先区分了 AI 聊天机器人与 AI Agent：前者只与你对话，后者能代你执行桌面操作。随后系统讲解了构建高效 Agent 的四大要素：1）Context（上下文），建议通过 Claude Cowork 用语音提问生成 context.md 文件；2）Memory（记忆），让 Agent 通过 memory.md 持续学习你的偏好；3）Skills（技能），类似 SOP 的分步任务文档，可通过手动讲解或屏幕录制自动生成；4）Tools（工具）。文章还介绍了 Harness（如 ChatGPT agent、Claude Code subagents）和 Loops（持续运行的工作流），帮助读者打造 24/7 全天候工作的迷你 AI 员工团队。
作者认为市面上动辄上万元的 FDE（Forward Deployed Engineer）培训完全没必要报课，只需学习几个开源项目即可：fdeops 定位为 FDE 第二大脑，可接入 Claude Code、Cursor 等 Agent，让访谈纪要和交付清单可直接被引用；fdestack 将工作流拆成可复用 Skills；openfde 提供本地优先工作区，作为可引用的作战记忆；fde-guide 补充方法论和流程。建议做 ToB 交付、驻场、AI 落地的人按 Skills 管流程、仓库管记忆的思路，先装 fdeops 底座，再按团队技术栈补齐。
作者从「AI 时代要建立个人信源」这一正确却难落地的命题出发，分析了 RSS、关注 list、design skills 等方案为何都难成功：它们的正确解法都要求用户先升级身份成为「编辑」或「设计师」，而用户实际只愿付出一次点击、一次收藏的代价。文章提出伪需求的真正定义：痛点是真的，但用户愿付的行动预算是假的。结论是 AI 降低了开发成本却不改变需求真伪，正确做法是找到用户一次性、无需身份升级就能完成的动作，把它做到极致。
作者整理了近一个月收藏和推荐的 Claude Agent Skills 资源合集。内容分为三大类：一是作者自研的开源 Skills（信息卡生成、品牌复刻 DESIGN.md、SVG 手绘效果）；二是 UI/UX 设计类 Skills，包括设计工程师审美经验、去 AI 味前端设计品味、Remotion Skills 2.0 及 Atlassian 对 DESIGN.md 的实测等；三是 Skills 构建与方法论，涵盖 33 页完整构建指南及中文翻译、Google Research 的 WikiSkill、Warp 的自我改进 Agent 与 Skill Doctor 等。最后还推荐了精选单点 Skills，如去 AI 味 Top 10、Cursor 代码质量审查、show-me 图示 Skill、Unslop 写作优化等。
作者受开源社区启发，将散落在 GitHub 各处的 52 个影像类 AI Skills 整理成一个可视化网站「图灵悖论 · Photo Skills 影像技能档案」。这些 Skills 是写给 AI 的专业工作手册，能把普通照片转换为电影镜头、复古海报、水墨画等各种风格。文章介绍了网站的浏览、搜索、安装方式，并借此赞颂互联网精神：无私分享的开源作者们如微光彼此连接，聚成群星闪耀。作者认为由利他而利己是完美的双赢。
文章讨论了随着编码代理模型的快速演进，过去的提示与指令实践已不再适用。作者以 GPT-6 Astra 为例，指出项目中积累的大量臃肿指令（Skills、AGENTS.md、任务提示）需要重新审视。核心建议包括：Skill 描述应尽量简短、采用渐进式披露的文档结构、避免过度详细的流程式指导；AGENTS.md 中应移除不必要的文件阅读和测试要求，因为新模型已有更强的自主判断力；要注意决策边界的表述，明确任务完成定义以避免模型过早停止。作者建议借新模型发布之机对仓库指令做一次全面清理和审计。
作者在 Hermes 残酷共学一周实践中，分享了将 Hermes 从简单聊天工具用成多 Agent 团队的完整经验。文章涵盖：基础使用（手机/TUI/桌面端多入口）、任务交代三要素（做什么、交付什么、怎么算完成）、四层上下文组织（SOUL.md、prompt 库、AGENTS.md、执行兜底）、skills 的学习与沉淀、profile 与 bot mode 的稳定身份机制，以及通过看板调度 coder/reviewer/tester 三个 bot 协作开发贪吃蛇游戏的实战案例。作者认为 Hermes 兼具数据掌控与开箱即用，是适合大多数人的 Agent 形态。
作者认为当前 Skills 的问题不在于不好用，而是数量太多让人无从下手。以 SEO 领域为例，专家花 10 分钟就能做出类似的 skill，而 Codex 类工具已经能解决 80% 的问题。作者分享了一份完整的 SEO 审计 prompt，可直接发给 AI 生成基于真实网页证据的专业审计 PDF 报告，涵盖抓取索引、页面 SEO、性能体验、内容机会四大板块，并强调 SEO 专家真正的价值在于与实际生产结合以及对 AI 输出的审查把控能力。
本文系统介绍腾讯 AI 工作台 WorkBuddy 的使用方法，从安装配置、工作空间设置讲起，强调 Agent 与普通 AI 的区别在于交付“交付物”而非“答案”。文章详细讲解了如何撰写结构化任务说明（背景、目标、输入、处理规则、交付标准）、如何纠偏和验收结果，并深入说明 Skills 沉淀工作方法、连接器与 MCP 接入外部服务的用法，还涵盖权限分级管理风险、两个实战案例（部门周报整理与行业研究），帮助读者真正用好 AI Agent 完成端到端工作。
作者整理收藏夹中的「0出镜短视频 skills」，精选出十项开源工具与技术方案，涵盖手绘故事视频、Vox风格拼贴解说、数字人口播、3D动画科普、火柴人动画、儿童折纸定格动画、图书带货流水线、古诗词动态画等多种形式。这些方案借助Codex、Claude Code等AI工具，可实现从选题、脚本、分镜、配音到成片的高程度自动化制作，适合不想出镜的短视频创作者参考。
文章解读了 Anthropic 官方发布的《打造高效的人机协作团队》，总结了让 AI 高效融入团队的 4 条经验：一是写清楚协作信息，通过会议纪要、聊天记录总结、企业知识库、项目配置文件给 AI 提供背景；二是给 AI 和人类分好工，用 Skills 文件定义 Agent 角色，实现多 Agent 协作；三是设定'北极星'目标，让 AI 主动提出建议；四是循序渐进地与 AI 建立信任。作者结合知乎回答工作流等实例，指出 AI 不会拯救混乱的团队，只会放大团队原本的样子。
作者 Farea 分享了在全新 Hermes 环境中必装的 17 个技能（Skills），强调技能是让智能体从普通聊天机器人升级为能研究、编码、剪视频、执行循环任务的专业代理的关键。清单涵盖 Agent-Reach（免 API 联网）、oh-my-hermes（多智能体规划与验证执行）、Anthropic 网络安全技能库、OpenMontage（视频制作）、Minions（看板任务管理）、代码库知识图谱索引、浏览器自动化等，并逐一说明用途、解决的问题及适用场景。
作者分享了如何使用腾讯云ADP平台搭建企业级智能体的保姆级教程，实现云端在线、接入企微群、带Skills固定产出、小白友好等需求。教程分三步：一是创建Claw模式应用并配置知识库（文档、问答、数据库），支持Agentic RAG精准检索；二是配置内置、共享、自定义三种Skills及Notion、Cloudflare、Stripe等丰富连接器；三是接入企业微信机器人发布应用，让团队成员在群里随时@调用。作者以定时发送法律科技周报为实际案例演示了完整搭建流程。
这是一篇面向新手的 Codex 全面教程，系统讲解了 OpenAI Codex 这一可实际操作的 Agent 工具。文章从界面布局、项目与任务管理讲起，详细介绍了 Local、Worktree、Cloud 三种工作区模式的选择，Plan 计划模式的适用场景，权限与沙盒的配置方法。还覆盖了集成终端、内置浏览器、Computer Use、Memory 等基础工具，CLI 常用命令与快捷键，AGENTS.md 项目规则文件的写法，并厘清了 Skills、Plugins、MCP 三者的区别与用法，帮助读者独立上手 Codex 完成实际任务。
本文基于第一手文档对比 Grok Bot 与 Hermes Bot Mode。两者在产品层面日益相似，但架构理念截然不同：Grok Bot 提供托管的云计算机环境，让持久化 AI 队友像管理产品一样运行，降低操作摩擦；Hermes 则是一个开源（MIT）可配置的 Agent 运行时，模型层、工具、记忆、技能、Profiles 等组件均可由操作者自行配置。文章分析了 Hermes 的 Profiles 状态隔离（并非执行隔离）、多模型路由自由，以及两者都将技能视为可复用的长期资产等关键差异。
Remy, from AI with Remy, shares how he runs his company on agent skills, treating them as SOPs for AI. He explains the concept of skills as markdown files that package workflows, and the problem of AI being single-player. The solution is to store skills in a GitHub repo and distribute them as plugins via Claude Code or Codex, enabling team-wide sharing, version control, and auto-updates. He also discusses designing skill chains, a self-improvement loop for skills, and a web app layer for managing them. The key takeaway is to centralize skills, use plugins for distribution, and continuously improve them.
文章介绍了开源项目 awesome-agentic-ai-zh 提供的 AI Agent 学习地图，将学习路径分为两条：路线 A（CLI Power User）面向只想用好现成 Agent 的用户，学习 Claude Code、Codex、MCP、Skills 和工作流搭建；路线 B（Agent Builder）面向想开发 Agent 的工程师，需深入 Tool Use、Agent Framework、Memory、RAG 和 Multi-Agent。作者强调不要跳级学习，先补齐 Terminal、Git、API、JSON 等基础，普通人学好路线 A 已能解决大量实际问题。
