dbskill 更新：新增 /dbs-good-question 助力 Agent 自动化
本文介绍了 dbskill 的新功能 `/dbs-good-question`。作者结合《无穷的开始》中的理论，提出 Agent 自动化的起点在于“更好的问题”。该工具旨在将模糊的问题重写为包含对象、目标、冲突、约束和反馈入口的“问题说明书”，从而生成可批评、可验证的候选解释，为 Agent 自动化任务提供稳定的基础。
相关文档
怎样把你的经验教给 AI？这套方法已经间接带来七位数收入
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。
万字长文｜Skill 从入门到精通 - 入门一句话，精通一张词表
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。
skill-refiner — 一个让你的长程 skill 更听话的 skill
针对 Agent 长程任务中常见的跳步、幻觉和状态丢失问题，作者开发了 skill-refiner 工具。该工具基于 FSM（有限状态机）设计，通过三原语约束执行流程。此外，它还提供了通过强模型改写提示词以降低弱模型运行成本的策略。
设计界的Personal Agent也来了，偷学我的作图风格，现在比我还熟
作者分享了自己用 Lovart Arti（个人设计 Agent）的体验。此前作者自写了 article-visual-director 配图 skill，但出图环节依赖生图模型。Lovart Arti 整合多个图像视频模型，能记住用户上传的作品集与风格偏好，之后生成封面、配图无需重复描述风格。作者实测了文章配图、每周定时任务整理 AI 工具动态与 X/Instagram 设计案例周报、为开源项目 luobo-ppt 生成全套视觉物料、以及制作萝卜 IP 与 Arti 联名表情包等场景，认为其适合'重复但又不能乱做'的工作，显著提升效率，并建议关键信息（如安装命令）仍需人工把关。
X 上 Grok Bot 必读文章合集：9 个分类，24 篇文章
作者将散落在 X 平台不同作者时间线上的 24 篇 Grok Bot 相关文章整理成合集，按主题分为九大类：额度与订阅、入门与认知、微信和飞书等 IM 接入、云端服务器与 SSH 连接、AI 工具集成（如 Claude Code）、多 Bot 角色分工协作、自媒体内容流水线、编码工程与备份维护，以及跨工具组合自动化玩法。合集覆盖从零基础入门创建 Bot、Skill 配置、订阅套餐比较，到多 Bot 团队搭建与内容生产等进阶用法，并附原文链接，方便读者按需查找学习。
8 个可能爆火并赚钱的 GitHub 仓库
文章介绍了 8 个免费或开源的 GitHub 工具与 AI Skill，帮助用户借助 AI 构建、销售并运营业务，涵盖宣传视频制作（Brag）、客户痛点研究（Agent Reach）、本地语音克隆与配音（Voice Studio）、可编辑 PPT 生成（PPT Master）、多智能体协作编程（OpenRig）、引流免费工具制作、创意验证访谈（Grill Me）以及设计优化等场景。每个工具都附带了具体的变现思路，核心模式是为企业完成有价值的工作并主动送上门开启对话，多数工具免费下载，仅需支付底层模型费用。
Manus Cue 上手保姆级教程：从开通到完成第一个任务
本文是 Manus 个人 AI Agent 产品 Cue 的保姆级上手教程。作者介绍了 Cue 的开通流程（邀请制、Mac 客户端、Cue Plus 订阅）、核心界面（对话、云电脑、资料页）以及如何通过指令设定协作边界。通过一个开源项目实操示例，讲解了如何下发有边界和交付标准的任务、核对过程记录，以及如何导入 Claude Code 格式的 skill。还介绍了邮件派活、定时任务等进阶用法，并给出常见问题排查方法。电话和钱包功能因仅限美国，建议国内用户跳过。
Grok Bot 从入门到精通：从 1 个 Bot，到一支会自己干活的 AI 数字员工团队
作者 Fred-New 分享了如何将 Grok Bot 从单一聊天工具打造为长期数字员工团队的方法论。核心思路是：先给一个 Bot 一个窄岗位和明确验收标准，跑通真实任务；结果稳定后把流程保存成 Skill，再做回归测试；稳定后设置 Routine 让 Bot 定时自动工作。当出现稳定分工需求后，再组建多 Bot 团队（情报员、爆款分析师、Researcher、Writer、Reviewer、Visual Planner 六岗位）。文章强调岗位边界、工具接入、薄 Context Pack、固定交接格式（如 Research Pack 和 Handoff）的重要性，并指出真正的多 Agent 协作关键在于可替换的模块和清晰的接口，而非人数。
一个文科生，怎么让AI每天自动替我找选题
作者作为AI博主，分享了自己搭建「选题雷达」系统的完整流程。系统包含两个AI编辑：一个负责AI大新闻选题，通过AIHOT热点榜、精选流和Follow Builders追踪正在爆的事件；另一个负责实战心法选题，通过best-skills排行榜和GitHub Trending筛选值得亲测的工具。每条选题需经过48小时时效、目标用户相关度、一小时内可执行动作等多重过滤，并由Agent打分排序。作者强调AI只决定「值得看」，最终「值得写」的判断仍靠人的体感。整个系统跑在HermesAgent和GrokBot上，让作者把重复性工作交给AI，只保留判断、体验和表达。
高级 Skill 不是更长的提示词，而是一套组合技
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。
区分有效 Skill 与空谈文章的 9 条原则
作者提出九条原则，帮助判断 Agent Skill 是否真正有效，覆盖 Skill 生命周期三个阶段：被选中、可靠执行、经受现实检验。核心观点包括：元数据描述是触发与否的关键入口；上下文是共享预算，需渐进式加载；流程与检查点优于长篇散文；规则应解释原因以应对边缘情况；预先记录并反驳模型常见的跳过理由；确定性逻辑写成脚本代码而非依赖推理；严格限定修改范围；Skill 会随库更新和约定变化而腐化，需版本化管理；上线前必须用真实用例运行验证，从观察到的行为而非想象中调试。
暴论：Skill 将死，方法论永生
作者参加 B 站 Build in Public 大会，记录卡比老师关于「Skill 将死，方法论永生」的分享。随着模型训练进步，通用知识和标准流程逐渐被模型内化，长篇 Skill 说明将变得多余，重点转向方法论。文章总结了 8 个可加入日常 Prompt 的方法论：第一性原理、对抗式审查、消融实验、奥卡姆剃刀、列出不确定点、保持独立思考、批判性思维、高内聚低耦合。作者认为 Skill 中的视觉参考和工具调用仍有存在价值，但重复性通用说明已可被精简的提示词替代。
