作者深度测试开源数据图表 Skill「lieflat-charts」15天后，总结出3个实用场景：一是给文章制作数据配图，适合公众号长文、小红书、工具测评等，Skill 会自动判断数据结构并选择合适模板，还支持自定义品牌主题色；二是给视频制作动态数据画面，利用滚动入场、数字递增、动态排名等效果，通过浏览器录屏制作视频素材；三是生成完整的数据报告，内置12套中英文模板，可产出调研一页纸、年度海报、Dashboard 等。该 Skill 已在 GitHub 获5.7k收藏，适合内容创作者使用。
作者为解决 AI 视频创作中角色换装难题，开发了一个服装提取 Skill。它接收穿搭参考图，提取可见的配色、轮廓和层次，生成横向服装资产板：左侧为整套造型，右侧为可单独取用的外套、内搭、下装、鞋饰等部件。这样在制作多镜头视频时，角色换装和服装一致性都有据可依，不必每次对着原图重新文字描述。Skill 还能补全原图未展示的视角（如背面照的正面），但作者提醒补全部分仅作造型提案。文末提示网络素材可能存在版权风险。
本文针对中小餐饮商家，介绍如何用WorkBuddy AI办公Agent解决日常经营难题。作者指出中小餐饮面临食材、房租、人工三大成本压力，且数字化程度低。文章梳理了四个典型应用场景：一是采购小票对账，通过拍照上传自动生成采购台账；二是老客召回与点评口碑管理，用AI做会员分层、生成召回话术，并借助餐饮点评分析Skill处理差评；三是营业复盘，按周输出经营分析，结合菜单四象限方法优化菜品结构，还可生成经营看板网页；四是宣传物料制作，AI生成朋友圈文案与海报配图。每个场景均附提示词模板与推荐Skill技能，强调需根据自身情况调整，注意数据核对与合规风险。
作者分享其开源公文排版 Skill 走红后的复盘：发布后自测发现电子红头模式存在标题贴线、字体错误等问题，坦言自己常用路径绕过了该功能，导致未经验证的信任。随后逐项核对国标，通过生成 18 份 Word/PDF 共 37 页的场景测试，修复了间距、字段挤位、命令格式理解偏差、标题样式缺失、红头纸套打和字体替换等隐蔽问题。文章核心观点：AI 大幅加快了开发速度，但无法省掉面向真实使用场景的验证与返工，'测试过了'需要具体化到场景、环境和结果。
作者分享了一套 Landing Page 高效工作流：先用 saaslandingpage.com 灵感库浏览数百个顶级 SaaS 产品的真实落地页，学习 Hero Section 和价值主张的设计；再借助 website-rebuild-skill（基于 Claude Code / AI Agent 的网站复刻工具）以像素级精度抓取结构、样式并重构干净代码。工作流为：选定对标案例，用 Skill 自动化重构基础骨架，替换自己的文案与品牌资产，可节省约 90% 前端排版时间，将原本一天的页面打磨工作大幅压缩，同时保证高质量还原。
作者使用 AI 助手 Jev 逐个阅读 README，将 180 个能让 Claude Code、Codex 等 agent 直接做视频、剪辑、动效的开源 skill 和工具包分为 10 个类别并做安全评级，以约 200 美元成本产出开源仓库和在线筛选页面，每 8 小时刷新。文章介绍了各分类分布：剪辑与后期 35 个、讲解科普 32 个、框架 29 个等，重点分析 OpenMontage、HyperFrames 和 Remotion 两大技术路线，并指出代码化出片、配方卡资产化、小仓库信息密度被低估三个观察。
作者用 AI 工具 Jev 逐个阅读 README，整理出 180 个能让 Claude Code、Codex 等编程 agent 直接制作、剪辑视频和动效的开源 skill 仓库，分为剪辑与后期、讲解科普、框架工具包等 10 个类别，每个都附安全评级（178 个 SAFE）。文章指出代码化出片（Remotion、HyperFrames）是主流路线，占四成；镜头配方卡正在成为通用资产；107 个不到 50 星的小仓库信息密度被严重低估，按星数排序会漏掉它们。仓库与在线筛选页面均已开源，每 8 小时刷新。
文章由 dontbesilent 的 Codex 撰写，完整复盘了一个内容诊断 Skill（dbs-beta-content-value）的制作过程，介绍如何将个人经验沉淀为 AI 可重复执行的规则。核心流程为：定义任务 → 做出第一版 → 输入真实案例 → 定位错误位置 → 写成通用规则 → 换案例复测。文章强调使用真实案例暴露 AI 判断错误、区分任务目标/判断过程/对外表达三类错误、用理论（如信息觅食理论）稳固规则、以及用已有 Skill 协助制作新 Skill 的协作链，最后附上可直接使用的 Skill 制作清单和母提示词。
作者分享用Codex自动剪辑AI视频并接到品牌商单的完整教程。流程使用三个工具：Codex负责整理文案、安排画面并调用剪辑工具；火山引擎豆包语音将文案转为配音；ChatCut桌面端承接素材、字幕、音轨并导出视频。文章详细讲解了从工具连接、文案撰写、配音生成、素材交付、先做小样确认效果、具体化修改要求，到字幕断句与标点处理、导出前检查等八个步骤，并附上可直接复制的提示词。最后提醒保留原始素材、提前确认商单交付要求、先跑通流程再增加复杂效果，并分享接商单时的报价谈判技巧。
文章面向律师行业，介绍如何用AI工具WorkBuddy提升工作效率。作者梳理了四个常见场景：合同审查初筛（分层审查、推荐contract-risk-reviewer等Skill）、类案检索（AI只做检索路线规划，案号需人工到官方库核实，防范AI编造案例）、起诉状答辩状撰写（AI搭初稿骨架、律师把关论证）、案件归档与纪要转待办（录音转纪要、OCR归档、开发案件台账系统）。强调AI只能做初筛和辅助，法律判断必须由律师完成，并提醒注意保密脱敏和逐字审核。
作者介绍了自己开发的 git-story-film skill：只需提供一个 GitHub 仓库链接，Claude Opus 5.5 就能像导演一样，从 git 提交历史中挖掘故事，为项目设计主角、画风和镜头语言，最终生成一部两分钟左右的 4K 手绘动画短片。文章展示了 Raven、CC Switch、Cherry Studio、LobeHub 四个仓库的成片案例，每个项目都有独特的视觉隐喻。作者详细拆解了七步视频法 SOP（提纲、主角、全片提纲、分镜、详细编写、Studio 预览、4K 渲染），并总结了八条设计原则，如导演而非生成器、画面与提交一一对应、只说真话等，还分享了制作过程中的翻车与惊喜。
作者宣布将数学解题视频生成器skill整合到edulab项目并开源。该skill让其他模型也能拥有类似Opus的视频生成能力，作者已测试Codex的sol模型和workbuddy的Hy4 preview模型，均可正常生成视频。与Opus相比，差异主要在解题思路的清晰度上，Opus的解题过程更清晰易懂且额度消耗更少。语音合成使用了GLM TTS，也支持其他TTS方案，可让AI帮忙微调。该项目在GitHub上开源，欢迎用户体验。
文章系统讲解了如何从零开始创建自己的 Skill。作者指出 Skill 本质是给 Agent 的说明书，将个人经验和工作流沉淀为可反复调用的规则包。文章详细介绍了 Skill 的模块化结构：SKILL.md 作为门面和大脑（含触发词、决策原则、流程骨架、雷区），references/ 知识库、scripts/ 确定性脚本、examples/ 样例、assets/ 静态资源五个模块，以及 AI 读取 Skill 的渐进式披露三层机制。最后给出从梳理流程到测试迭代的七步创建法，强调从小版本起步、多轮迭代，让读者15-30分钟内即可做出属于自己的 Skill。
作者开源了 AI 自动化视频剪辑项目 SeeCut，实现从数字人口播到网感精剪的全流程自动化。文章详细介绍了项目的四个关键设计：利用 Gemini 实现真正的视频理解、AI 自剪自评的迭代循环（用左右对比代替打分）、宁可截取真实界面也不生成假画面、基于 536 个镜头拆解总结的露脸决策表。流程分三步：数字人出镜（HeyGen）、AI 网感精剪、导出剪映草稿供人工微调。项目一句话即可通过 Claude Code 安装，作者也坦诚目前存在的速度慢、音效一般等不足，采用 PolyForm 非商业协议开源。
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。
Cerebras 团队测试了主流 AI 个人助理完成订餐任务的表现，发现现有助理耗时过长（如 Grok Bot 需 7 分 40 秒）。团队使用 Qwen 3.8 27B 模型运行在 Cerebras 硬件上，以 Pi 作为 Agent Harness，通过三项优化将任务压缩至 22 秒：1) 并行执行独立的检查操作；2) 借助 Cerebras 快速推理加速模型调用；3) 将探索网站的经验固化为 Skill 复用，减少 80% 以上的工具调用。文章展示了 Harness Engineering、快速推理和经验沉淀对 Agent 效率的巨大提升潜力。
作者介绍Anthropic用两周时间将claude.ai核心体验提速3倍的方法论：先量化指标、用指令数稳定测量、设置棘轮防止性能回退，并在150多个并行线程中由Claude找问题、人做取舍。作者照此方法让agent优化自己的4个网站并整理成「闪电.skill」，其中公众号排版器打开到能打字的耗时从2238毫秒降至209毫秒，减少90.7%。文章还分享了优化过程中的踩坑经验，如旧草稿覆盖风险、测量干扰等，并提供skill的安装方式供读者使用。
作者马佳彬分享WorkBuddy这款AI Agent工具在美业的落地应用方法，针对美业获客转向内容和信任的趋势，选取四个高频场景：活动方案与门店SOP、营销文案批量产出与广告法合规审查、会员话术库沉淀、巡检与合规记录归档。每个场景给出痛点分析、提示词模板、推荐Skill及小工具开发方法，并强调AI产出需人工复核，结合自身需求独立判断，才能真正落地。
本文详细介绍了腾讯 ima 知识库的完整使用教程，涵盖界面概览、知识库创建（个人库/共享库）、8种资料导入方式（本地文件、网页、公众号、微信文件、录音转写等）、基于知识库的 AI 问答与多模型选择、文档解读翻译、笔记创作与双向链接、Copilot 智能体记忆配置、算力购买，以及知识号开通、Skill 创建与 Skills 广场、MCP 外部服务连接等功能，是一份面向教师和知识工作者的保姆级操作手册。
作者分享了自己用 AI 搭建口播视频自动化剪辑管线的实践：结合 Hypit 的爆款拆解逻辑、Talkcraft 剪辑管线、Hyperframes 动效组件、数字人口播生成，以及 Gemini 视频理解接入 Claude Code 做质检，实现从数字人口播到自动出片并推送剪映工程文件的完整流程。此外，作者还开发了一个 Codex Skill「ah-longform-clip-matrix」，基于语义块拆解与重组，将 8 分钟长视频切分成多条角度不同的短视频用于矩阵分发，源码已开源。作者同时分享了 AI 自媒体低粉变现的经验与新手入局建议。
作者分享了使用 AI 工具 WorkBuddy 制作企业汇报 PPT 的经验。文章首先分析了为什么不用 HTML 做演示文稿：固定模板留白过多、修改不便、企业协作接受度低，可编辑的 PPT 更适合汇报、演讲和文件交接。随后作者以上海线下分享为例，讲述了完整制作流程：先让 AI 整理大纲（对比 ChatGPT 和 WorkBuddy 的输出），再交给 WorkBuddy 生成，并回答配图、风格等设计问题。文章给出了详细的操作步骤和可直接复用的提示词，涵盖大纲整理、设计确认、按页修改、导出检查等环节。WorkBuddy 除生成可编辑 PPT 外，还附带 DESIGN.md 设计规范、逐页文稿和演讲稿。
作者介绍了一套基于 Codex 与 Excalidraw 的自动化 Skill，只需在 Claude Code 中输入一行命令，即可生成不露脸、无需剪辑的手绘白板风格知识视频，输出 1080p 成片、封面、发布稿和资料来源。文章详解了白板视频的留存优势、账号运营方法（定位、选题、标题、多平台分发、红线规范），并拆解七步制作流程：查证、写旁白、生成贴纸、画场景、做封面、配音渲染与验收。
文章探讨了开发者对 AGENTS.md 和 CLAUDE.md 等 AI 编程工具说明文件的普遍误解。作者指出，很多团队把所有希望 AI 做到的事都写进一个不断膨胀的文件，导致维护规则本身成了负担，本末倒置。正确的做法是让 AGENTS.md 保持精简（作者根文件不到 50 行），只写每次开工都需要知道的少数核心事项，再指向不同任务对应的规则文件，让 Agent 按需读取。作者引用西蒙'存储信息'与'需要时获取信息'的区分，并提醒只有在流程确实需要反复执行时才值得做成 Skill，不必急于按需调用。
AI 桌面换装视频近期在 Twitter 爆火，作者程序员鱼皮分享了如何复刻这类视频的完整流程。核心方法是使用其开源的「AI 桌面换装视频」生成 Skill：用户只需与 AI 对话回答主角、场景、造型、台词等问题，AI 会自动生成完整的视频提示词，复制到即梦等支持 Seedance 模型的视频工具即可出片，也可直接调用 API 生成。核心原理是让 AI 逐帧分析原版爆款视频，拆解换装镜头的机关细节，生成提示词模板并封装成可复用技能，全程开源到 GitHub。作者强调借助 AI 的 Agent 与视觉理解能力，从拆片到发布几乎全由 AI 完成。
作者分享了一个 GitHub 上的开源工具 chubbyskills，可以快速将视频转为逐字稿，支持小红书、B站、视频号、抖音等几乎所有主流自媒体平台，也适用于国外平台视频。安装非常简单，直接丢给 Codex 等AI编程工具即可完成安装。作者感叹 GitHub 是个大宝箱，并呼吁给项目点星支持。面对用户关于竖屏视频（带背景音乐）识别准确率的提问，作者表示目前未遇到问题，即使有问题也可以让 AI 帮助调整。
作者将公众号日更写作流程拆解为 10 个 Claude Skill 组成的生产线：找爆款选题、拆解爆文结构、核实一手资料、写初稿或重写、生成标题、挑刺审稿、制作封面与逻辑配图、最终排版为微信 HTML。文章逐一给出每个 Skill 的用途与调用指令，并提供一条总控指令，让十个 Skill 自动接力完成整条生产线，人只在选题确认和最终成稿两个节点拍板。作者强调每个 Skill 只负责一件事，无需通用万能 Skill，还可通过 skill-creator 自建版本，从而把重复劳动交给 Skill，把时间留给判断。
作者在测试 Qwen-Image 2.1 时发现，生图和改图效果不佳的主要原因是创作意图未被准确传递给模型，如负面文字被印进海报、改姿势只换了衣服等。作者将经验整理成 qwen-image-gen Skill 并提交开源：区分文生图、局部编辑和参考人物创作；将人物动作、接触关系、镜头和画面文字写成模型可执行的描述；落实比例决策并检查返回图片真实像素；将质量反馈带回下一版。四组对照实验显示三组改善、一组失败，证明提示词改写有价值但非几何纠错器。
作者复盘了自己做过的40多个GitHub小项目（其中20个仍是0 Star），其中互动作品《清明上河图》获得5000多人次体验并得到OpenAI官方点赞。文章按项目类型详细分享了制作过程：清明上河图分段添加交互、邮票和夜景图像处理Skill、数学可视化页面、线上看展互动、口播动画等，讲述了灵感来源、与AI协作的提示方式、第一版后的迭代修改，以及从手稿、小流程、视觉规则到多端测试的七步可复用工作方法，鼓励持续做喜欢的小作品。
文章介绍了来自 Hamel Husain 和 Shreya 的 AI Evals 课程沉淀的 8 个 Skills，帮助工程师和产品经理为自己的 AI 产品构建评测体系。核心理念是先看数据再写评测：先手动阅读真实 trace 做错误分析，发现失败模式，再针对每个模式构建评测器，并用约 100 条人工标注校准（TPR/TNR 目标 >90%）。8 个 Skills 覆盖入口路由、错误分析、评测审计、合成数据生成、Judge 提示词编写、评测器校准、RAG 评测和标注界面构建。方法论强调二值评判、单一 judge 测单一失败模式、Rogan-Gladen 偏差修正等最佳实践。
作者因Claude账号被封，将全部历史对话数据导出，利用豆包工作新推出的计划模式和目标模式，对数年积累的对话“遗产”进行系统化整理。文章详细拆解了三步工作流：先用Plan模式只读调研并生成Markdown实施计划，直接在文档中修改对齐需求；再用Goal模式将“完成”标准拆成硬性验收指标，逐项校验交付成果。最终产出可检索的历史索引、验证过的工作流、风格偏好文档和可直接复用的Skills。文末总结了Plan与Goal模式的适用场景对比，强调复杂长任务应先定方案再锁交付标准，让AI经验得以持续复用。
