如何把 X 上的大佬们都变成你的 Agent
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。
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。
文章提出将大佬经验转化为Agent技能的新颖思路,可操作性强且图文并茂易读,但在因果分析和深度论证上略显不足。
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。
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。
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。
文章深入剖析了开发者宝玉的 baoyu-skills 仓库,认为这不是简单的提示词合集,而是一套工程化的 AI 工作流操作系统。作者将 21 个 Skills 划分为内容生产、视觉表达、平台发布、素材输入五大模块,通过对比“提示词玩家”与“资深工程师”的思维差异,揭示了高手利用 AI 的核心逻辑:将任务拆解为代码与模型的最优组合,注重确定性、复用性与上下文效率,而非单纯依赖模型能力。
作者分享了使用 Hermes 一个月的经验,纠正了对其用途的误解。Hermes 擅长作为 Operator 进行周期性的数据分析和报告,但在构建 UI 界面方面不如 Claude。最佳实践是利用 Claude 构建 Dashboard,由 Hermes 负责持续的数据监控与分析,作者通过 PolyBond 和 Bangkok This Weekend 两个项目验证了这一工作流。