如何靠 Claude Skills 做被动收入
文章指出 Claude Skills 市场是一个类似早期 App Store 的蓝海,无需编码即可将行业经验打包为可售卖的 AI 工作流。作者详细拆解了从选题、定义产品、编写 SKILL.md 到测试发布的完整变现路径,强调了垂直领域经验在 AI 时代的变现价值。
文章指出 Claude Skills 市场是一个类似早期 App Store 的蓝海,无需编码即可将行业经验打包为可售卖的 AI 工作流。作者详细拆解了从选题、定义产品、编写 SKILL.md 到测试发布的完整变现路径,强调了垂直领域经验在 AI 时代的变现价值。
文章发布于2026年6月,紧贴当下时效热点;实操性极强,直接给出选题方法、代码模板、测试避坑与变现定价策略;结构清晰、可读性极佳,但商业模式与深度分析相对偏浅。
这是一篇关于如何不写代码、仅利用 Claude 的 Cowork 功能构建 AI Agent 的完整教程。文章首先澄清了 AI Agent 与普通聊天机器人的区别,指出构建 Agent 是目前高价值的技能。随后,教程将 Agent 拆解为角色、指令、工具和记忆四个核心组件,并以“内容研究 Agent”为例,手把手演示了从定义角色到测试优化的全过程。最后,文章展示了如何将多个具有不同角色的 Agent(如研究员、大纲师、撰稿人)组合成一个高效的“内容生产团队”,实现工作流自动化。
文章探讨了 AI 在长篇小说创作中的应用现状与实战案例。虽然直接使用 ChatGPT/Claude 往往导致长篇烂尾,但通过 Sudowrite、NovelCrafter 等垂直工具,结合 Muse 模型和 Codex 知识库,海外作家已实现高效产出。文中详细拆解了多位作家将写作周期从数年压缩至数周的工作流,并分析了“Shy Girl”AI 生成小说遭出版社撤稿等争议事件,指出 AI 辅助创作已成为不可忽视的趋势。
作者继八月 AI Native 实践后,记录从 Stage 7 迈向 Stage 8 的多 Agent 工作方式探索。核心实践包括:用「测试测试」验证测试有效性(借鉴变异测试);要求 Agent 交代判断依据;采用 1+N 组织方式,由 Captain 统筹调度其他 Agent,并保护其上下文不陷入实现细节;用 logbook Kit(lbkit)串起需求到上线的完整交付流程,通过 Preflight 预演减少中途打断;让 Delivery 与 Verify 两种角色形成对抗,发现分歧。作者强调多 Agent 有成本需按任务规模挑选,目标是保护人的完整注意力与决策密度,认为对抗机制比单纯循环更重要。
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。
作者分析了100多个国外开源Claude动画源码,通过双盲实验和消融实验迭代开发出Claude Motion skill,让Codex也能生成具有“Claude感”的动画视频。该skill通过素材库(含47条源码案例、5套制作系统、14个场景入口、30条物件包)为GPT提供可复用的绘图实现,GPT负责判断题目需求、检索案例、复制实现并重写主体与镜头,最终由浏览器逐帧绘制、FFmpeg合成视频。文章展示了天文台、灯塔、光圈等五组盲测对照成果,效果显著优于官方skill,项目已在GitHub开源。
作者分享了国庆期间折腾 Grok Bot 的进阶用法,搭建了两套 AI 组织体系:一套服务跨境电商的 12 岗位亚马逊团队,一套服务个人自媒体 IP。核心玩法包括:将本地电脑托管给云 Bot,把在 Claude、Codex 中打磨好的 Skill 迁移给 AI 员工;按功能拆分岗位并写清职责边界;用 1+N 统筹机器人模式降低 Token 消耗;让 Grok 调用 Codex、Cursor 等外部 Agent 实现模型分层;接入飞书 CLI 落成云文档,以及通过 GBrain 知识库打通手机资料收集与工作流。文中还强调了岗位权限边界与人工把关的重要性。