dbskill 教程:没有教程也能学会
文章探讨了在 Agent 时代如何设计新工具 dbskill 的入门体验。作者反对传统的 PDF 教程模式,认为这要求用户先分类问题再调用工具,不符合直觉。 dbskill 通过 /dbs 命令让 Agent 自动读取上下文、判断步骤并调用 Skill,实现‘没有教程也能学会’的即用即学体验。
文章探讨了在 Agent 时代如何设计新工具 dbskill 的入门体验。作者反对传统的 PDF 教程模式,认为这要求用户先分类问题再调用工具,不符合直觉。 dbskill 通过 /dbs 命令让 Agent 自动读取上下文、判断步骤并调用 Skill,实现‘没有教程也能学会’的即用即学体验。
文章介绍了用AI Agent(如Claude Code、Codex)逆向和改造现实电子设备的新玩法。作者通过实例展示了如何让AI清理公司会议室电视的开机广告并重做简洁桌面、逆向补光灯蓝牙协议开发统一灯光控制台、以及打造多机位相机控制台。只需把需求和设备信息交给Agent,跟着提示一步步操作,小白也能完成硬件改造。作者引用《设计心理学》理念,指出AI正在降低个性化改造设备的门槛,让普通人从产品使用者变成参与设计者,哪里不爽改哪里。
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。
本文介绍如何将 Claude Code、Grok Bot 和 Cursor cloud agent 串成一条自动化开发流水线。分工为:用户提需求拍板,Claude Code 负责读代码、拆任务、审 PR 和合并,Grok Bot 作为调度员派发 cloud agent 并跟进进度,Cursor cloud agent 负责写代码、跑测试、开 PR。这种架构省 Token 额度、支持并行开发、实现写审分离。搭建只需三步:在 Grok Bot 中创建专用调度 Bot 并粘贴协作提示词;在 Claude Code 中安装 cg-link 工具;登录 Cursor 完成授权。配置完成后即可通过 /cg-link 命令开始使用。
本文是零基础 Grok Bot 全流程教学。作者介绍了 Grok Bot 与 Codex、Claude Code 等项目型 Agent 的区别:每个 Bot 像有独立身份、职责和 Skill 的个人助手。文章讲解了 Grok Bot 的核心特性——每个账号配备一台云电脑,Bot 之间可互相传话、拉群协作;并给出四类 Bot 搭建方向:固定任务型(定时任务)、专业领域型(安装 Skill)、工具型(接入 Codex、飞书等 CLI)、连接器型(打通推特、密码管理器、邮箱等)。文中还包含安全提醒和额度消耗技巧,是一份实用的 personal AI 入门指南。
文章面向 FDE(前沿部署工程师),系统讲解传统企业进行 AI 改造的技术架构。作者梳理了 Model、Agent、Skill、MCP、CLI 五大概念的分层关系与职责,并以请假查询为例展示一次工具调用的完整链路。针对 OA、PLM、MES 等存量老系统,提出三级改造路径:API 封装(首选)、CLI 包装(次选)、RPA 兜底(过渡),并强调凭证透传、审计底账和人机协同确认等安全机制。最后结合整车制造请假系统与商用车 PLM 客户端两个案例说明落地方式,给出从资产盘点、协议标准化到审计闭环的实施步骤。
作者利用破局俱乐部官方CLI和自己服务器上运行的Hermes Agent,搭建了一个名为"AI路径诊断"的公益网站。用户通过答题卡形式的访谈(精简模式12题或深入模式24题),网站会检索破局社群中与用户情况相近的真实实战案例,生成包含推荐方向、12周学习计划、真实案例参考的个性化报告,支持生成分享卡片、长图和Excel导出。文章详细介绍了技术架构:为网站单独创建受限的Hermes profile、通过白名单调用破局CLI只读不写、接入飞书CLI读取完整复盘文档、以及两个核心Skill(访谈skill和报告skill)的设计规则,后端采用Python FastAPI,前端使用原生HTML/CSS/JS,数据库使用SQLite。
作者分享了上线付费 Skill 产品 Oil UI 的完整商业化技术方案。曝光方面通过 GitHub 开源版积累影响力并引导转化 Pro 版;通过 JSON 配置和 Markdown 替换表由脚本从 Pro 版自动生成开源版;基础设施采用 Cloudflare 域名、Vercel 网站、Resend 邮件和 Neon 数据库;登录使用邮箱验证码,收款通过 Stripe 支持买断制及海外与国内支付;交付环节自研运行在 Agent 中的 CLI,采用设备码授权,从 GitHub 私有仓库拉取 Pro 版;并通过 check_update 脚本实现非强制自动更新。整体成本极低,域名加邮件每月约 30 美元以内。
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。
作者分享了自己搭建个人远程工作流的经验:通过 Telegram 连接本地 Eagle 资产库和电脑开发工具,实现手机发指令、家里电脑自动执行任务的闭环。作者认为通用 Agent 不适合有固定规矩的本地环境,转而采用任务分流架构:图片归档直接调用 Eagle API,轻量任务用轻量模型,复杂工程交给 CLI 无头模式执行。文章还解决了 Telegram 相册消息拆分、远程唤醒阻塞前台等实际问题,用标准输入传任务、保存会话 ID、文件夹记录状态等细节保证流程稳定,强调 Agent 应安静接入工作流,而非做万能的电子宠物。
文章复盘了马斯克发布的 Grok Bot 从原型到公开发布的产品历程:小团队用约 4 周做出内部可用原型,再花 3 周公开发布。作者从 AI 产品视角总结十条经验:缩短决策链、独立产品设计入口、陪早期用户上手、云端运行与 Computer Use 降低用户负担、以'靠谱同事'为设计框架、发布前删功能、聚焦接走完整工作流而非生成内容、关注监督成本而非单纯完成率、用脚手架思路应对模型迭代,以及普通人如何从低风险小事开始使用 Agent。
文章批评当前 AI 产品的两种范式:以任务为中心(如 Codex)和以 Bot 为中心(如 Grok Bot、Muse),认为两者本质相同——都把 AI 的组织工作交给用户,要求用户先分类、判断该找哪个 Bot 或建立哪个 Task。作者指出这一错误的根源是把 AI 当作人,套用人类社会的职业分工逻辑。作者提出 AI 应被理解为全知全能的'唯一神',用户只需持续地向其表达意图,AI 在后台自行理解 Intent、Episode、Project 与 Memory,所有交互应发生在同一个持续的 AI relationship 中。