浪费20亿Token之后,我做了一个帮自己定义目标的Skill ✍ 数字生命卡兹克🕐 2026-07-27📦 12.5 KB 🟢 已读 𝕏 文章列表 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。 AgentGoal Engineering目标定义自动化开源LLM效率工具方法论ClaudeGPT # 浪费20亿Token之后,我做了一个帮自己定义目标的Skill。 **作者**: 数字生命卡兹克 **日期**: 2026-07-27T05:02:54.000Z **来源**: [https://x.com/Khazix0918/status/2081606232373346587](https://x.com/Khazix0918/status/2081606232373346587) ---  今天给大家开源一个我自己周末做完然后用的很爽的Skill。 我把它称为, Leader.skill。 它专门解决一件事,就是帮我们定义目标。 把我们人类脑子里那些模模糊糊、连自己都还没完全想清楚、不知道该怎么明确定义目标的需求,变成一份能交给Agent使用目标模式或者/goal模式独立执行几个小时以上并且保证完成度的目标。 比如,就这么一句话。  然后它就会根据你的代码库,还有网上最新的信息,根据skill的知识,帮你产生一份定义的极其清晰的、下一个Agent拿到就直接完美开干的目标任务书。 就像这样。  所以,你可能就明白,为啥这个skill叫leader.skill了。。。 毕竟很多领导,也是说不明白话的嘛 当然,这玩意还有另一个最合适的场景,就是多模型组合,用类似Claude Fable 5、Kimi K3这种强大的规划模型出一个清清晰的目标,然后交给类似GPT-5.6 Sol、GLM-5.2这种执行能力更强的模型去超长程执行。 之所以做这个东西,其实也是因为我最近跟Agent的交互,越来越强烈的一个感受。 人类跟Agent的协作方式,其实越来越是以定义目标为核心了。 很久远的过去,我们用AI,核心交互单位是一轮对话,你问一句,它答一句,那时候,是聊天制。 后来有了Coding Agent,核心交互单位变成了一个任务。 你让它做一个功能、改一个 Bug、查一份资料,它自己调用工具,自己执行,最后把结果交回来。 但到了2026年的今天,你像Claude Code、Codex、Kimi Code都已经有了/goal、目标模式这样的功能。  我们开始希望交给Agent一个目标,它就能自己连续工作几个小时,甚至几天,然后帮我们完成这个目标。 它可以自己拆任务、自己调工具、自己派子 Agent、自己验证、失败了自己重试,一轮接一轮地跑下去。 人类不需要坐在屏幕前一直盯着,也不需要一直交互,只需要最终验收目标就行。 这就是这几年,AI与人类交互范式的转变,从聊天制,到任务制,再到目标制。 这件事听起来特别美好对吧。 但当Agent真能独立跑一整夜以后,一个以前还能被人类临场补救的问题,会突然变得非常致命。 你的目标到底写得对不对。 短任务跑偏了,你看一眼,还能马上纠正。 长程任务跑偏了,你睡醒以后,它可能已经沿着错误方向狂奔了八个小时。 它越勤奋,浪费得越彻底,就像这样,直接一天浪费了我20亿Token。  当然,网上吐槽归吐槽,但是我其实明白,核心问题还是在我自己菜比,目标定义的完全不清楚,导致Agent理解错误,最后面向错误的方向一路狂奔。 所以我之前其实一直不是很喜欢Loop Engineering这个词,我更喜欢Goal Engineering。 一个目标里,除了有明确的目标定义,也必然是包含着Harness。 所以,这个技能最重要的部分,我觉得来了,也就是,到底什么是目标? 这个问题,我其实思考了两周多的时间,也看了很多的书还有过去的一些理论,又用AI做了大量的横纵分析调研。 最后我觉得两件事特别重要。 第一件,来自军事传统里的一个概念,指挥官意图,Commander's Intent。核心就一句话,告诉部队“为什么打”和“打完了战场该是什么样”,然后让他们自己决定怎么打。 因为没有任何计划能在跟现实第一次接触后存活。比如你说“过桥清扫高地”,桥被炸了部队可能就傻了。你说“掐断补给线”,桥没了它自己就会绕路,这就是意图不变,手段随机应变。 给Agent定义目标也是同一件事。 你告诉它过桥,它就会对着断桥一直死磕,但是你告诉它掐断补给线,它有可能自己找到另一条路。 这一件事,其实大家比较好理解。 但第二件事,我觉得才是我真正花了时间才想明白的。 定义一个目标,最重要的部分,不是告诉它要做什么,是告诉它什么不能做。 大佬们花在排除上的时间,远远多于花在设定本身上的时间。 普通人定目标,想要什么,写下来。而大佬们定目标,想要什么,很多先想的是“达成这个数字最偷懒的办法是什么”,然后把偷懒路径全堵死,剩下的才是目标。 肯尼迪1961年那句著名的登月宣言,关键不在登月两个字,而在后半句: landing a man on the Moon and returning him safely to the Earth。 把人送上月球,然后,安全带回地球。 如果只是说,把人送上月球,那其实可能以当时的科技,没有特别难,但是多出来的安全返回四个字,效果上做的事情是,它把“单程票”这个最省钱的解法直接删掉了。 芒格说,我只想知道自己会死在哪里,这样我就永远不去那里。 其实也是一样的。 所以我后来越来越觉得,一个目标里,Harness比Goal本身更重要。 Goal告诉Agent往哪走,Harness告诉它哪些路不许走,没有Harness的Goal,你相信我,Agent永远会找到你没想到的捷径。 然后基于这些呢,我自己总结了一个对Agent很友好的我称为目标七问的方法论: 我用出海来打比方,因为出海跟让Agent干活也挺像的。 你给Agent定义一个目标,就是派一艘船出海,然后它在海上怎么兴风作浪,你可是管不了一丁点了。 所以,这七个问题,就是出海前你必须想清楚的七件事,缺一条都不行。 第一个,目的,Why。我们为什么要出这趟海,你是去找香料的?还是去探新航线的?还是去打仗的?这个不写清楚,船在海上遇到岔路口就不知道该咋整了。 第二个,完成态,Done。船回港的时候,甲板上应该有什么?比如出去转一圈不是完成态,带回三船香料才是。这个完成态得很具体,具体到船靠岸那一刻就能判断的程度。 第三个,证据,Proof。谁来清点货舱,怎么算数。船长说满载而归,你得有人上去一箱箱点过,数字对得上才算,你不能听船长说满就是满。 第四个,反作弊,Anti。比如不许抢商船凑数。你说带回三船香料,最省事的办法是在港口外面劫三条商船,指标一样达成了,但是人事是一件没干。所以你得把这些偷懒路径一条条写明白,告诉他不许这么干。 第五个,边界,Bounds。比如你只许走这三条航线,其他海域不准进。粮食够吃三十天,第二十天还没找到就必须掉头。 第六个,取舍,Trade。风暴里保货还是保船。大部分时候不冲突,但真冲突了船长得知道保哪个,你不提前说优先级他就只能猜,猜错了整趟航程就彻底废了,甚至人财两空。 第七个,未知,Unknown。海图上的空白区怎么办。遇到没见过的海域不要硬闯也不要原地抛锚,记下来绕过去继续走,回来以后再决定要不要探,闷头闯和原地停都是最差的选择。 七条,每一条在定义目标的时候,都需要问清楚自己。 而这,就是整个Leader.skill的最核心的心法。 还是用最开始的那个案例来给大家看一下使用流程。 直接选中一个适合做方案和规划的模型,把你的需求,比如我用的就是Claude Fable 5 Extra。 我的需求就特别的“领导”,我就要重构后台,我觉得后台做的不符合我心意,我感觉我看不懂,我不相信里面的数据是真的,而且我觉得你卡得要死。  对任何一个执行者来说,我觉得看到这段需求,必然都会窒息的。。。 这时候,就该Leader.skill出场了。 Leader.skill专治想不清楚目标的领导。 它会根据流程,先对自己的文件库进行实测,或者去网上调研最新的方案,先进行全面调研,知己知彼,方能百战不殆。 然后呢,必然就是要摸清楚领导具体的需求和喜好了,所以Leader.skill会问你最多5个他调研完以后,确实需要知道你偏好的问题,这些问题是必须由你来拍板的,比如我这个重构后台的任务,就问了我一些问题。 它问我,为啥看不懂???  还有你想秒开,只能取舍一下了。  等等。 这一步完事了之后呢,它就会自己根据上述的目标七问,开始哐哐的写目标任务书了。 有定义、有界限、有现状、有规矩、有完成条件等等。  全程大概12分钟左右。 而拿到这个目标任务书之后,你可以让Fable 5直接以这个目标进行长程开发,但是我觉得一般大家是不会的,所以更多的会是用一个便宜的模型进行后续的目标开发。 所以,这时候,我们就可以比如在Claude里新建一个会话,开启worktree,开启/goal,然后把目标任务书复制进去,让Opus 5 High来去执行。  当然,如果你是跟我一样的Claude、Codex双开玩家,两个都开了200刀的会员,也想烧烧Codex的Token,就同样的,在Codex里选择目标模式。  把目标任务书粘贴进去,选中GPT-5.6 Sol,然后,开跑。  它就会自己开始嘟嘟嘟的跑了。  可能几个小时以后,Codex就会开发完了,这时候,你可以去睡觉,也可以去干别的,也可以多开几个目标并行,到时候做完了以后验收就行。 我自己一般的习惯就是Claude Fable 5规划,然后用GPT-5.6 Sol去长程执行,我觉得是目前最经济效果最好的方案,也能最大化利用两家的Token额度。 如果你只能用国产,那我目前觉得,Kimi K3规划比较好,执行上GLM-5.2也不错,当然你要是只有比如Kimi K3,他自己干全程,也没有问题。 核心还是Leader.skill帮你定义清楚目标。 最后,老规矩,这个Skill我也直接开源了,网址在此: https://github.com/KKKKhazix/khazix-skills/tree/main/leader  这个就是。 你需要做的就是把它装到你的skill目录里,直接把链接复制给你的Agent,让它给你装这个Skill,然后在对话里跟Claude说一句你想干的事让它帮你定义一下目标啥的,它就会自动触发Leader.skill,帮你产出一份完整的目标任务书。 而且我还发现了一个神奇的用法,不止是帮我拆功能开发的目标。 我在公司管理上,当我给足足够的上下文,用Leader.skill来帮我定义目标,有奇效。 大家也可以试试,把它放在市场策划、运营方案等等一些有趣的地方。 说不定就有更加独特的用法。 希望对大家有用~ ## 相关链接 - [数字生命卡兹克](https://x.com/Khazix0918) - [@Khazix0918](https://x.com/Khazix0918) - [23K](https://x.com/Khazix0918/status/2081606232373346587/analytics) - [https://github.com/KKKKhazix/khazix-skills/tree/main/leader](https://github.com/KKKKhazix/khazix-skills/tree/main/leader) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [1:02 PM · Jul 27, 2026](https://x.com/Khazix0918/status/2081606232373346587) - [23.7K Views](https://x.com/Khazix0918/status/2081606232373346587/analytics) - [View quotes](https://x.com/Khazix0918/status/2081606232373346587/quotes) --- *导出时间: 2026/7/27 23:09:47*
开 开源CC+Obsidian打造LLM Wiki内容创作3.0系统 文章介绍了一套基于LLM Wiki方法论的内容生产3.0系统,解决了2.0版本中知识库信息垃圾化的问题。通过“三步编译法”(浓缩、质疑、对标)将原始文档编译为持久化Wiki结构,实现知识资产的自动积累与进化,大幅降低维护成本并提升了内容创作与知识管理的效率。 技术 › LLM ✍ 饼干哥哥AGI🕐 2026-07-07 ClaudeObsidian知识管理内容创作Agent提示词自动化开源RAG方法论
1 17个Hermes Agent提示词:在你睡觉时运行的高效自动化工作流 本文介绍了如何通过17个具体的Prompt配置,将Nous Research的开源Agent框架Hermes转化为强大的“夜间劳动力”。文章强调了Hermes作为持久化、可调度Agent的核心理念,即通过后台守护进程接管重复性工作(如通知摘要、代码审查、竞品监控、Inbox分流等),从而在用户离线时自动完成任务。作者分享了实战中的具体Prompt案例及其解决的实际痛点,并提供了关于模型选择、服务器配置及持久化运行的关键建议。 技术 › Hermes ✍ Mnimiy🕐 2026-06-08 AgentHermes自动化工作流开源PromptClaudeDevOps效率工具Nox Research
S Superpowers:Claude Code 效率暴涨 10 倍的秘密 文章介绍了 Claude Code 的开源技能库 Superpowers,它如同 AI 的导航系统,通过头脑风暴、计划拆解、子代理驱动开发和测试驱动四大核心工作流,自动引导用户从构思到上线。该系统有效降低了认知负荷,并通过严格的审查机制确保代码质量,是提升企业 AI 交付效率的利器。 技术 › Skill ✍ Miles.🕐 2026-05-22 Claude CodeSuperpowers工作流Agent测试驱动自动化开源效率工具开发实践LLM
开 开源 AI 营销兵器库:6 个新技能与 32K 行生产级代码 作者分享了其开源的 AI 营销技能库,新增了 6 个实战技能(长视频切片、短视频生成、站点克隆、内容评估、线索档案、字幕生成)。这些工具均为经过真实商业环境验证的生产级代码,旨在通过开源建立信任和商业漏斗,而非提供简单的 Demo。 技术 › Agent ✍ ericosiu🕐 2026-04-24 AI营销自动化开源视频处理WhisperClaudeAgent商业策略效率工具技术栈
E ECC:高效能 Claude Code 配置全解析 文章介绍了一个名为 ECC 的 Claude Code 配置包,该工具帮助开发者在黑客松中快速构建产品。ECC 包含 38 个专用 Agent 和 156 个技能,配备 AgentShield 安全审计系统。配合 claude-mem 和 Superpowers 等工具,可实现会话记忆和规范思考,大幅降低开发成本并提升效率,有望替代昂贵的开发团队。 技术 › Claude Code ✍ Noisy🕐 2026-04-17 ClaudeAgentDevOps效率工具自动化开源项目安全审计开发工作流LLM代码生成
如 如何(以及为何)构建 Agent First 应用 文章介绍了如何使用 Agent-Native 框架构建 Agent First 应用。通过统一的前端动作与 Agent 工具,实现 UI 与 Agent 的双向同步。应用支持通过聊天交互、集成外部 Agent、A2A 通信及自动化任务,且完全开源。 技术 › Agent ✍ Steve (Builder.io)🕐 2026-07-29 AgentAgent-NativeClaude前端A2A开源自动化框架UI
H How to master graph engineering 本课程教授如何构建 AI 智能体图,涵盖图的基本概念、关键模式(如菱形模式)、停止规则及人工审批环节。包含三个实战案例:深度研究台、SEO 内容生成器和市场推广套件,旨在提升业务效率并控制成本。 技术 › Agent ✍ Machina🕐 2026-07-23 AgentGraphLLMClaudeWorkflow工程化自动化架构设计效率实战
如 如何使用Linear管理Agent并构建软件工厂 作者分享了使用Linear工具管理编程Agent的实战经验。他将任务按结果层级组织,利用分流箱收集问题,并通过分批处理工作流来提高效率。文章重点强调了制定清晰的Ticket契约(目标、原因、结果)、确保Agent完整完成任务以及实现无监督并行工作,从而打造个人“软件工厂”以提升生活质量。 技术 › Agent ✍ Fred Jonsson🕐 2026-07-20 LinearAgent自动化工作流软件工程编程LLM生产力Claude效率
B Build Your Whole Team With Claude 文章介绍了如何将 Claude 转变为一个完整的虚拟团队,通过安装 42 个涵盖开发、设计、营销、财务和法律等部门的特定技能(Skills),构建一个类真实的组织架构。这改变了传统的使用 AI 的方式,从重复提示转变为向专业员工委托任务,极大提高了个人或小团队的工作效率。 技术 › Skill ✍ Hamza Khalid🕐 2026-07-18 ClaudeSkillAgent生产力团队构建自动化工作流效率工具虚拟团队
G GPT-Live + Anki:让你更加系统的进行口语练习 文章介绍了如何结合 GPT-Live 和 Anki 进行系统的英语口语练习。通过 Prompt 让 GPT-Live 记录练习中的卡壳和停顿,生成包含中文意思和英文表达的清单,再将其导入 Anki 制成间隔重复卡片。这种方法解决了“开口难”到“有进步”的转化问题,确保昨天的难点在明天得到复习。 技术 › 工具与效率 ✍ Oldeng🕐 2026-07-16 GPTAnki口语练习英语学习方法论LLM效率工具
构 构建可复用十年的AI写作框架 本文探讨了如何构建一个健康、可持续的AI写作框架,旨在帮助写作者避免被特定软件厂商或AI模型绑架。作者提出了一套基于文件夹系统和Agent工具的“AI外骨骼”工作台,强调让AI辅助而非替代创作,实现数据的自主掌控和灵活迁移,从而让作者专注于故事创作本身。 技术 › 工具与效率 ✍ 忒修斯的船板🕐 2026-07-16 AI写作工作流自动化写作技巧AgentClaudeObsidian方法论
V Vibe Coding 16小时:Fable 5与GPT-5.6时代最佳AI开发流程 作者分享了在Claude Fable 5和GPT-5.6时代的AI开发流程,通过优化测试流程和Agent协同,实现高效自动化的开发模式。核心流程包括用Claude出方案、GPT纠错、Codex目标模式执行,极大提升了开发效率和创造力。 技术 › Agent ✍ 数字生命卡兹克🕐 2026-07-15 AI开发AgentClaudeGPTVibe Coding自动化测试优化CI/CD