dontbesilent 的底层工作流与 Skill 体系拆解
文章深入拆解了 dontbesilent(dbskill)背后的工作方法论。其核心在于将解决问题的过程沉淀为可复用的 Skill 系统,通过“生产-质检-迭代”的闭环实现知识复利。作者详细阐述了 Skill 的生成场景、迭代机制、多 Agent 协作原则(如生产与评判分离),以及如何通过跨学科思维(管理学、哲学)构建底层能力。文章指出,真正的价值不在于工具本身,而在于将隐性思维显性化、系统化的能力。
文章深入拆解了 dontbesilent(dbskill)背后的工作方法论。其核心在于将解决问题的过程沉淀为可复用的 Skill 系统,通过“生产-质检-迭代”的闭环实现知识复利。作者详细阐述了 Skill 的生成场景、迭代机制、多 Agent 协作原则(如生产与评判分离),以及如何通过跨学科思维(管理学、哲学)构建底层能力。文章指出,真正的价值不在于工具本身,而在于将隐性思维显性化、系统化的能力。
文章时效性强,深入剖析了构建AI Skill和Agent团队的底层逻辑与管理学思维,信息密度高,结构清晰,具备很强的实操参考价值。
文章探讨了 Anthropic 提出的 Agent Harness 架构,对比了 Superpowers 和新工具 Compound Engineering (CE)。CE 通过引入 /ce:compound 机制,将工作中的 Debug 经验沉淀为可搜索的项目知识库,实现了 Agent 的自我优化和“记忆”。结合 gstack 的决策层能力,作者认为 gstack + CE 构成了从规划、执行、审查到记忆积累的完整工作流。
本文介绍了一种利用 AI Agent 进行“外挂式”学习的创新工作流。作者认为不需要亲自阅读所有干货,只需通过四个步骤:收藏 X 上的内容、自动转化为 Markdown、利用 Claude Code 提炼为 Skill、最后安装到 Agent(如 OpenClaw)中执行。通过这种方式,将关注的大佬转变为“未封装的 API”,让 AI 替代自己完成学习、记忆和执行,从而构建一个拥有数百位专家经验的数字员工。
文章提出不应把 AI 当作执行单个长任务的聊天机器人,而应构建一套完整的 AI 团队操作系统:以 Grok Bot 作为 Chief 协调者,配以 Researcher、Builder(Claude)、Reviewer、Reporter 四个专职角色,各司其职。核心要素包括共享工作区持久化任务状态、分层记忆系统、独立的验证流程以及人工审批边界,防止 Agent 在未经授权时执行不可逆操作。文章给出了具体的项目目录结构、Chief 角色的完整提示词,并以 GitHub issue 处理为例展示了从调研、构建、测试到审查的自动化协作流程,实现真正可审查、有证据支撑的自主工作成果。
本文是Obsidian进阶教程,接续入门篇,系统讲解了让笔记库真正好用的高级玩法。内容涵盖:块引用的链接与嵌入用法、Callout彩色提示块的语法与折叠技巧、按属性和路径的搜索进阶、Templater动态模板(日期变量、文件名、文件夹自动套模板)、Dataview将笔记库当数据库查询(LIST/TABLE/TASK三种查询)、Canvas白板理清笔记关系、MOC内容地图的构建方法,以及Linter批量维护等。作者强调规范frontmatter是发挥这些功能的前提,并提供了速查表与常见坑集锦,帮助读者构建可持续维护的AI知识工作流。
作者分享了耗时近一个月开发的 Skill「/dbs-title-cover-intro」,属于 dbskill 工具包(v2.21.0)。用户把稿子发给它后,它会先询问内容用途(文字、待拍视频或已完成视频),然后协助确定选题:最多给出 4 个按受众从小到大排列的选题,并附标题示例,还会引导用户补充能建立信任的经历或数字。选定选题后,它一次性生成小红书、B 站标题各 3 个,抖音/视频号文案、图文封面文字、主页封面文字、视频前 10 秒开头方案,以及最多 3 条稿件修改建议。文中还介绍了安装与更新方式。
文章分享了一个用于 Claude Opus 5.5 的高质量动效视频生成提示词,该提示词可让 AI 用代码完成从设计、动画、配乐到质检的完整视频制作。提示词采用结构化设计,包含角色定义、需求简报、四种创作模式(作品集、产品片、发布故事、讲解片)、素材处理规范、动效技巧、音频制作、构建流程、评审循环和质量标准等模块。其核心亮点包括:独立的评审子代理机制、基于 facts.json 的事实核查、逐帧渲染的工程质量要求,以及'与顶尖作品同台不露怯'的质量标准。
Claude 团队工程师 Felix Rieseberg 撰写的 AI 使用指南,提出使用 AI 时应从四个维度提升“雄心”:速度、高度、深度与广度。高度指提升抽象层级、关注终极目标而非单一任务;深度指像顶尖专家一样使用专业工具与方法、挑战既有认知、创造新知识并引入外部验证;广度指跨学科调用多元视角与方法。文章还结合心理学中的“自我效能感”概念,引用丹齐格、班尼斯特等案例,说明相信事情可行、目睹他人突破、允许失败能激发更大成就,倡导人们敢于尝试曾认为不可能之事。