如何让 Claude 穿越时空预测项目失败（事前验尸技能）
文章介绍了一种利用 Claude AI 进行的“事前验尸”技术，该方法通过模拟未来项目已失败的情境，帮助用户识别潜在风险和隐藏假设。作者详述了该技能的工作原理、背后的心理学依据以及具体的应用场景，旨在帮助用户在做出高风险决策前进行压力测试。
相关文档
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。
AI 教程红利已死，工作流红利还活着
文章指出，单纯学习AI工具教程的红利已结束，因为供给爆炸且工具迭代快。真正的红利在于建立个人工作流，将工具融入生产系统并稳定输出结果。作者提出三层剥皮分析，建议戒掉收藏、党派思维等习惯，并通过7天实战将单点技能转化为可复用的SOP流程。
万字长文｜从 Skill 到工作流：复制三段提示词，做出你的第一条 AI 工作流
这是一篇面向零基础读者的实战教程，教读者通过复制三段提示词，让具备本地文件读写能力的 AI（以 Codex 为例）依次创建内容分析、写作、审校三个 Skill，完成一篇文章的素材分析、大纲初稿和审校验收全流程。文章强调'先做出东西，再弄懂原理'，每段提示词后设有操作后检查清单，帮助读者验证 AI 是否真实创建文件、守住事实边界（如虚构案例性质、不把相关性写成因果）。教程把重复性的提示、纠错动作固化为可复用的工作流，实现长期复用，无需手写代码或安装软件。
最近一个月收藏和推荐的 Skills 合集（建议收藏）
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。
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。
蒸馏万物，再创作万物：我的底层 Skill 三板斧，全部公开
作者分享了在 YouMind 平台累计获得约 601.94 美元的成果，并完整公开其 Skill 创作三板斧方法论：Content-to-Skill 用于从文章、课程等材料中蒸馏出可复用机制；元提示词架构师将机制重构为可执行、可测试的指令系统，强调先写失败清单再写提示词；道 Skill 借鉴道家思想，对 Skill 进行归根、结构化封装与验证。作者推荐按蒸馏→写指令→封装验证的顺序生产，并指出真正值得复制的不是提示词本身，而是从真实问题出发、手工跑通流程、持续迭代验证的路径。
AI 七宗罪全网最全审判指南：从入门到榨干
文章总结了 AI 在执行任务时的七大常见毛病：抢答、脑补、独断、加戏、话痨、失忆和报喜。针对每一宗罪，作者提供了具体的提示词和解决策略，旨在通过规范流程让 AI 问清需求、抓住重点、精准执行并凭据交付，最终提升工作效率。
不写代码，2小时用Obsidian+Claude+NotebookLM搭建个人知识库
本文详细介绍了如何在两小时内，无需编程基础，利用Obsidian、Claude和NotebookLM搭建个人知识库系统。文章将三个工具分别定义为矿场、仓库和搭档，并提供了环境准备、软件安装及插件配置的完整步骤，帮助读者构建高效的AI工作流。
浪费20亿Token之后，我做了一个帮自己定义目标的Skill
作者分享了一个名为Leader.skill的开源工具，旨在解决Agent交互中目标定义模糊的问题。该工具基于“目标七问”方法论，将模糊需求转化为清晰的目标任务书，支持多模型组合（如Claude规划、GPT执行），显著提升长程任务的完成率与Token利用率。
CIA 红队方法：用 4 个 Prompt 在执行前摧毁你的坏点子
文章介绍了如何利用 CIA 的红队策略，通过 4 个特定的 Prompt 让 Claude 对你的点子进行残酷的压力测试。这种方法旨在通过识别关键假设、扮演魔鬼代言人等手段，克服认知偏见和 AI 的阿谀奉承，帮助你在浪费数月时间之前验证或否定想法，让点子变得无懈可击。
The complete Graph Engineering playbook for Claude Code
本文介绍了Graph Engineering（图工程）的概念，阐述如何利用Claude Code构建分布式Agent系统。通过将任务分解为线性、分发、规约和验证等节点，实现高效、可靠的AI工作流，优化计算成本和结果质量。
Claude Second Brain & Folder Workflow: The Complete Guide
文章介绍了如何使用简单的Markdown文件夹和CLAUDE.md索引文件构建AI原生的第二大脑。通过扁平文件结构、语义化文件夹和严格的主题命名规范，无需复杂应用即可实现高效的知识管理和AI检索。
