如何使用 Claude Skills 自动化任何工作流(完整指南)
本文是一份关于 Claude Skills 的完整指南。文章指出 Claude Skills 不仅仅是保存的提示词,而是包含具体指令、标准和输出格式的“培训文件”。作者将其比作训练有素的员工,而非临时工。文章详细介绍了从安装第一个 Skill 到构建自定义 Skill 的四个阶段:安装、构建、测试优化以及建立技能库,并提供了具体的操作步骤和行业应用场景,旨在帮助用户建立可重复的系统以自动化任何行业的工作流。
本文是一份关于 Claude Skills 的完整指南。文章指出 Claude Skills 不仅仅是保存的提示词,而是包含具体指令、标准和输出格式的“培训文件”。作者将其比作训练有素的员工,而非临时工。文章详细介绍了从安装第一个 Skill 到构建自定义 Skill 的四个阶段:安装、构建、测试优化以及建立技能库,并提供了具体的操作步骤和行业应用场景,旨在帮助用户建立可重复的系统以自动化任何行业的工作流。
文章区分了“AI 辅助”与真正的“AI 原生”企业。真正的 AI 原生不是简单地使用 ChatGPT,而是将企业重建为机器可读的操作系统,让 Agent 执行核心工作流,人类负责监督与判断。作者强调,通过清洗数据、标准化流程,AI 原生公司将实现极高的人效比。
作者 Peter Yang 认为传统的 AI 聊天模式(如 ChatGPT)正在被 Codex、Claude Code 等 Agent 工具取代。虽然普通用户不想学习复杂的技术设置,但未来的 AI 必须将执行能力与极致的易用性结合,演化为拥有深度上下文理解、能主动完成任务的“个人代理”,而不仅仅是聊天机器人。
文章探讨了Anthropic最新发布的Claude“托管代理”中的记忆功能,指出虽然文件化的记忆存储为Agent提供了可检查、可跨会话持久化的基础,但仅有存储并不等同于理解。作者强调,真正的智能记忆需要“语义”(定义事物是什么)和“本体”(定义事物为何重要)。文章以企业场景为例,阐述了销售、法务、产品等不同部门对同一信息的不同理解视角(即本体),并提出企业AI的未来在于构建共享的底层记忆基座与上层可定制的领域本体(透镜层),从而让AI从被动问答转向主动提供上下文。
本文分享了一个利用 Hermes Agent 和 XCrawl 实现 Amazon 选品自动化的实战案例。通过抓取 Amazon 榜单数据并匹配 1688 货源,AI Agent 能在 3 分钟内完成利润计算与结构化分析,将传统需 4-6 小时的人工流程大幅压缩。文章详细解析了 API 调用细节、反爬虫应对策略及 ROI 计算,展示了工具与工作流结合的实战价值。
文章讲述了作者如何利用 AI Agent 辅助管理母亲的高血压。面对三甲医院仅 2 分钟的问诊无法处理的 8 年血压数据,作者利用 Claude 进行数据分析发现了“晨峰”规律,检查了药物相互作用,并通过自动化工具生成月报。文章强调了 AI 并非替代医生,而是填补了医疗系统中因时长限制而缺失的连续性管理和个性化分析空白。
文章介绍了一款名为 Bloome 的内测平台,它允许用户将本地调教好的 Agent(如 Claude Code、Codex 等)像联系人一样拉进群聊,实现与真人的多端协作。作者通过实测展示了 Agent 在群聊中生成图表、编写代码及「悄悄话」控制等功能,并探讨了 AaaS(Agent 即服务)的商业潜力与团队共享场景,认为这种将 Agent 社交化的交互模式可能是未来的大方向。
作者宣布其 AI 热点监控网站 AIHOT 开放 Skill、RSS 和 API 三种接入方式,旨在解决用户在 AI 时代高效获取信息的痛点。重点介绍了 AIHOT Skill,支持 Claude Code、OpenClaw 等 Agent,具备日报、精选、分类查询及关键词搜索四大功能,实现了只需一句话即可掌握行业动态。文章还提供了详细的安装方法和使用场景,并保持对所有用户免费开放。
作者分享了如何利用“龙虾(Claude)+ ClawEmail + XCrawl”的组合,将 AI 接入实际工作流。通过赋予 AI 邮箱身份和网页抓取能力,实现了教育行业招投标信息的自动化监控与飞书自动更新。文章强调,传统的电子邮件正成为调用 AI Agent 最稳定、最低门槛的接口。
作者通过实验发现,仅靠简单的 Ralph 循环(重复运行相同提示词)来驱动长运行 Agent 效果有限,容易导致歧义累积和目标偏离。文章指出 Codex 的 /goal 功能虽然解决了中断问题,但存在方向性偏差和缺乏反馈的缺陷。为此,作者提出了一套更优的工作流:在开始编码前进行严格的“设置阶段”,通过 /interview 命令让 AI 提问以消除模糊性;并采用多智能体协作模式,利用编排器管理子团队,以提高任务完成的质量和准确性。
OpenAI 发布 B2B Signals 报告,揭示前沿企业与普通企业在 AI 应用上的核心差距已从访问量转向使用深度。数据显示,前沿企业每员工 token 消耗量是普通企业的 3.5 倍,Codex 等 agentic 工具的使用量更高达 16 倍。这表明领先企业已将 AI 从聊天助手转变为干活的“Agent同事”,文章还分析了 Cisco 和 Travelers 的落地案例及前沿企业的五大共性。
本文深度体验了一款名为 Bloome 的内测产品,它将 Agent 视为通讯录中的“一等公民”,用户可以像加好友一样添加 Agent,并将其分享给他人。文章详细探讨了 Bloome 如何通过链接分发、记忆持久化和多 Agent 协作(如圆桌群)等功能,重新定义人与 AI 的交互方式,旨在打造 Agent 互联网的“微信”。
文章介绍了 Codex 的新插件 HyperFrames,作者展示了如何利用该工具结合代码和提示词,在 10 秒内制作出包含关键帧、字幕、转场及粒子效果的 AI 科技预告片。这种新方式将传统的剪辑转变为通过代码调度镜头,文末附带了具体的提示词案例。
本文记录了作者走访一家华东非标电梯企业的思考。面对 AI 热潮,该企业表现出难得的冷静:不盲目改造车间,而是从代理商内容赋能、设计展示辅助和经验知识库等低风险场景切入。文章指出,小企业应利用大公司的试错成本,在安全合规的前提下,先通过 AI 解决营销和知识沉淀问题,而非急于投入高昂的智能车间系统。
文章介绍了 Google 开源的 DESIGN.md 标准,通过将设计系统的核心元素结构化,解决了 AI 生成 UI 时的一致性痛点。结合 Agent Skills,创业者可快速建立统一的设计语言,应用于官网、App、PPT 等多个触点,在 1 小时内大幅提升项目的视觉质感,使其具备独角兽公司的专业外观。
本文介绍了 OpenAI 官方客户端 Codex 的安装与使用方法。文章对比了 Codex 与 Claude Code 的优劣,展示了 Codex 在安装便捷度、额度及封号风险上的优势。作者详细演示了四个实用场景:利用 Skill 生成长文配图、一键生成可编辑 PPT、设置定时自动化任务、以及 Mac 专属的 Computer Use 自动操作电脑功能,旨在帮助用户通过 Codex 提升工作效率。
文章探讨了在大语言模型时代,如何权衡使用单智能体与多智能体系统。引用斯坦福及Google/MIT的研究指出,多智能体系统并非总是更优,往往伴随着更高的计算成本、延迟和通信开销,且在“思考预算”相当的情况下,优化后的单智能体常能胜出。文章建议将单智能体作为默认起点,仅当任务涉及大量工具、上下文退化严重、存在自然解耦边界或需严格合规验证时,才考虑引入多智能体架构。
本文提供了2026年成为AI/Agent工程师的详细路线图。作者指出,核心在于掌握Harness Engineering(上下文工程与工具编排),而非追逐各种框架。文章介绍了LangGraph和Claude Agent SDK两大主流技术栈,并推荐了包括工程博客、免费课程及Newsletter在内的优质学习资源。通过17周的集中学习和实战项目,读者可以掌握构建、评估及部署生产级Agent系统的能力。
本文分享了作者构建“公司大脑”系统的经验。核心观点包括:企业智能将从单纯的知识库转向基于本体的记忆系统;公司记忆应自发于日常工作流而非简单的转录;系统需支持基于角色的多种本体视角,以解决不同部门对同一信息不同理解的问题;最终目标是建立企业的世界模型,通过强化学习机制,降低信息传递延迟,实现上下文实时感知与智能响应。
文章探讨了如何利用豆包 Seed-2.0-lite 多模态大模型和 Agent 技术,将 Andrej Karpathy 两年前提出的“视频转博客”构想变为现实。作者通过将多模态能力封装为 Skill,并设计了一套包含视频切片、结构化素材提取、关键帧智能挑选和 Markdown 生成的四步工作流,成功解决了传统 ASR+LLM 流水线中信息丢失的问题,实现了高质量、图文并茂的技术博客自动化生成。
这是一份2026年AI学习资源清单,包含7个精选的GitHub开源仓库。内容覆盖从初学者指南到高级LLM路线图,包括微软的GenAI课程、从零构建ChatGPT的PyTorch教程、Karpathy的nanoGPT训练、OpenAI与Anthropic的实战Cookbook以及AI Agents构建指南。所有资源均免费,旨在帮助学习者掌握Prompt、RAG、微调及Agent等核心技术。
文章详细介绍了国产大模型 Kimi 的各项功能,包括四种对话模式、八种核心工具(PPT助手、深度研究、Kimi Code 等)及浏览器插件。作者通过自身实践,展示了如何利用 Kimi 的深度研究、Agent 模式和工作流整合在五天内涨粉 3000+。文章也客观指出了 Kimi 在复杂任务规划和事实准确性上的局限,强调工具组合成系统的重要性。
文章介绍了提升 Codex 使用效率的五个实用技巧:开启 Memory 功能以记住个人工作习惯;编写 AGENTS.md 固化项目规则;使用 CLI 模式替代 MCP 以节省资源;采用“四段式提示词”先计划再执行;以及任务完成后让 Codex 进行自审。这些方法旨在优化代码生成流程,减少错误并提高团队协作效率。
文章记录了作者利用中国开源模型 MiniMax M2.5(仅 10B 激活参数),通过行为工程和 Goose 运行时的优化,在 Databricks OfficeQA 基准测试中以 71.5% 的准确率击败了 Claude Opus 4.5 的实战经历。文章指出,企业级 AI 的竞争已从单纯的模型参数量转向行为工程与驾驭层能力,并揭示了中美 AI 生态(中国执行引擎+美国编排方法论)结合所产生的高效低成本优势。
本文详细介绍了作者如何利用“Vibe Coding”理念和开源项目Nanobot,在15天内从零构建并迭代出一套个人Agent工作系统。文章提炼了一套可复制的方法论,涵盖轻量基座选择、Claude Code辅助开发、脚手架文件构建(CLAUDE.md、docs/)、需求规格化以及自动化测试配对五个关键步骤。作者特别强调了“先规划后编码”和“测试驱动”的重要性,旨在帮助非专业开发者也能快速上手。
本文由前Google M&A团队成员撰写,深入分析了“智能革命”的演进规律。作者结合Carlota Perez的技术革命框架,预测AI发展将经历四个微观阶段:聊天、代理、语境和平台。文章指出,最终的赢家将掌握“语境”层,成为历史上最大的公司,因为它将聚合整个AI行业并消耗所有数字劳动力。
文章针对过去 6 个月 AI 交易工具爆发式增长带来的选择困难,提出了一个三层结构分类法:交易所原生 Skill、通用 Agent 平台(如 Moss)和自制 Skill。文章重点分析了各层的优势与短板,并指出通用 Agent 平台是新手最合理的入口。作者还详细介绍了如何在 Moss 上设置参数、关注核心指标(胜率、PF、回撤),并推荐了几个值得长期关注的开源项目,总结了新手应避免的常见错误。
文章探讨了“Context engineering(上下文工程)”作为构建优秀 AI Agent 的核心挑战与解决方案。相比于传统的 IVR 和预设流程,Context engineering 通过“渐进式披露”和条件逻辑,确保 Agent 在对话的每一个时刻都能获得最相关且最少量的信息。这不仅解决了模型处理大量 Token 时的性能下降和幻觉问题,还能让 Agent 充分利用大模型的推理能力,适应复杂的现实场景,并随着模型升级而自然进化。
文章详细解析了 WLFI 生态项目 WorldClawAI,定位为 AI Agent 操作系统。核心产品 WorldRouter 聚合了 300+ 主流模型,价格降低 30% 并支持 USD1 稳定币结算。项目构建了“算力调用-任务执行-经济结算”闭环,支持 Agent 自主支付,并通过锁定 $WLFI 代币提供订阅激励,增强了代币的实用价值与生态支撑。
文章针对用户对 Claude Code 使用停留在初级阶段的问题,通过 5 个实战场景(上下文压缩、模型切换、低成本试错、任务隔离、工作流自动化)讲解了如何组合使用 Slash 命令。文章强调通过手动压缩上下文、动态切换模型、使用分支和代理等技巧,可以实现成本减半并大幅提升编程效率。