作者Orange AI发布了一个写作Skill（Claude技能），其理念源自一篇获得新概念一等奖的万字爱情故事。该故事全篇无抒情无评论，仅用数字、动作和物件传递情感：如卵子三点五微克与五千万美元两吨半的对比、反复出现的指甲锉、重复十几次的'我说好'。Skill提炼的核心心法是时刻关注读者的认知与情绪状态，具体技巧包括：数字做情感的工作、物件代替心理描写、重复结构与打破、零解释信任读者、信息差结构。Skill推荐使用Opus 4.6模型，配合语音输入写作真实情感故事，已在GitHub开源（MIT协议）。
文章整理了 8 个用 Claude Opus 生成视频的 GitHub 仓库，核心思路是让 Claude 写动画代码，再通过浏览器或本地工具渲染成视频。包括成片与提示词合集 awesome-opus5-5-videos、提供 51 种影片风格的 Skill 项目 lemo-opuscar、两支歌词 MV 完整工程 pdoom-video 与 PDoomVideo、15 种 MG 动效风格的 mg-styles-15、角色动画起步包 ClaudeAnimationBase，以及案例追踪和中文提示词仓库。作者建议从 10-15 秒短片练手，并提醒素材商用授权需注意。
Lemo-Opuscar 迎来上线以来最大更新，新增【剪辑与纪实】8 种视频风格（字幕新闻、1920s 新闻影片、实时倒计时分屏、延时交响、视觉调查、构成主义蒙太奇、体育战术板、电视新闻包装），风格总数达 59 种，目标 99 种。项目定位从视频风格库升级为搭建个人风格库的工具箱：用户可修改库里任意风格或从空白创建，通过 Claude 逐题问答的方式定制专属风格。作者还预告了 Lemo Studio 工作台和日系动漫风格。文章详细介绍了新风格的适用场景、Sonnet 5.5 测试效果，以及自定义风格的完整流程。
文章针对 AI 写作常见的空泛、模板化问题，提出三步解决方案：先查清问题、再改表达、最后校准文风。作者整理了 22 个去重后的开源工具清单，包括 humanizer、stop-slop 等编辑规则工具，AI 文本检测研究项目，以及 shuorenhua、qu-ai-wei 等中文改稿 Skill，还有 writing-style-skill 等长期校准个人风格的工具。文中强调改稿时要保留事实、数字和原有语气，不靠编造经历来'显得像人'，并给出了可直接使用的提示词模板。
作者基于 Anthropic 工程师删除 Claude Code 80% 系统提示词却无性能损失的事实，反思提示词与 Agent Skill 的实践方法。提出提示词不是八股文，应聚焦任务三要素（目标、规则、完成标准），减少角色铺垫和冗余规则，多给思考方向而非僵硬示例，并设定明确验收标准。关于 Skill 沉淀，强调只有高频且流程稳定的任务才值得做成 Skill，要写入独特经验而非通识废话，严格控制单一职责与边界，主文件精简并渐进式加载，且必须内置自检环节形成质检闭环。
作者整理了 8 个用于 Claude Opus 5.5 代码生成视频的 GitHub 仓库，包括爆款视频提示词合集 awesome-opus5-5-videos、支持 51 种风格的 Claude Code skill（lemo-opuscar）、可本地渲染 4K60 的卡拉 OK MV 工程 pdoom-video、MG 动效风格包 mg-styles-15、手绘卡通角色动画起步包 ClaudeAnimationBase 等资源，涵盖成片、提示词和源码，适合想要用 AI 制作视频的开发者收藏使用。
文章针对普通人收藏大量 AI 教程却始终没学会的问题，提出按可上手顺序排列的六阶段学习路线：先搞懂大模型、Agent、MCP、Skill 四个基础概念；再学会高效提问；然后选一个通用 AI 助手用熟；之后分创作者路线（做图、视频、语音）和开发者路线（MCP 与 Agent 开发）深入；最后选读书籍论文进阶。作者强调'卡住你的不是资源不够，而是顺序不对'，并附上 30 天打卡表、53 个免费资源和五个避坑建议，倡导边用边学、动手实践。
作者分享了使用 Claude Code（Opus 5.5）批量制作资讯类竖屏短视频的完整工作流。核心步骤包括：选题（AI 粗选、人工精选，信息源以推特和 Hacker News 为主）、素材准备（Gemini API 写脚本和 TTS 配音、Suno 背景音乐、背景图、logo 等）、编写初始提示词、让 Agent 撰写脚本并派子 agent 做对抗式审查、反复修改脚本与成片。文中提供了可直接复用的提示词模板，并开源了包含 18 套竖屏视频风格的 Claude Code skill（creator-style-kit），可用于固定视频的字体、配色、动效与音效风格。
作者公开了使用 Claude Opus 5.5 制作 AI 资讯类视频的完整工作流程：包括从 X 和 Hacker News 选题、准备 Agent 所需工具（Gemini API 写脚本与 TTS 配音、Suno 背景音乐等）、编写初始提示词模版、让 Gemini 写脚本并由 Claude Code 派子 agent 进行对抗式审查，以及反复迭代修改脚本与视频。作者还开源了包含 18 套风格的 creator-style-kit 风格 skill，并指出选题是内容成败的关键，常见问题是画面信息密度过高和配音契合度问题。
文章总结了一套用于消除AI写作套路的写作Skill规则。作者以V2EX网友讨论和RUC新闻坊实验等为证据，归纳出'不是……而是……'、三段式、对偶、大词、行话、程度词堆叠、科学名词比喻、假精确、编造事实等12条AI写作套路，并为每条制定了明确的删留条件。作者分享了与Claude、ChatGPT等模型多轮协作改稿的4道工序，并指出Claude初稿中4处事实错误说明规则无法替代人工核查。作者认为AI套路源自人类写作被模型放大，保持个性需依靠一手采访、自己的假设、多轮互动以及选用不同模型。
作者介绍了一个免费 Claude Code skill——anatomy（作者 wheresryan22，MIT 许可），可以把任意问题变成一个可交互的『机器』教学页面：一个独立的 HTML 页面，包含真实的机器模型、按步骤点击的按钮、展示内部工作原理的剖视窗口、由真实模型驱动的实时数字仪表、每步提示和拟声词。文章以意式咖啡机如何产生 9 bar 压力为例，详细给出安装、构建提示词、可读性优化、儿童绘本风格样式和自动化质检等 6 个步骤及全部提示词，特别适合向孩子解释机械原理。
作者受 yetone 分发的 AI 持续开发工作流启发，分享自己基于 Claude Code + Codex CLI 的开发实践。核心思路是：主 Agent 用 Claude Opus 负责需求分析、任务拆解、调度与审查，Codex 负责具体编码，低成本 Claude Subagent 监测 GitHub Issues/PR，并结合 Git Worktree 隔离任务。开发前强调明确需求、复用成熟开源组件（yt-dlp、Whisper、FFmpeg）、不断质疑想法；开发中通过 Human-in-the-Loop 让人负责体验与最终决策，AI 处理重复任务。文末附完整的可复用提示词。
本文介绍如何设计可信的评估体系，并依据评估开展爬山优化，重点讲解 claude-api 技能中的 build-eval 和 hillclimb 两个命令。文章首先阐述良好评估的四个要素：任务反映生产环境、更强模型表现更好、保留提升空间、运行波动小，并强调对抗性采样的误区。随后说明 build-eval 如何通过生产流量采样、验证评分器、诊断检查建立评估。爬山优化部分介绍迭代成本低、效果可归因、目标明确等原则，以及通过拆分训练集与测试集防止过拟合。最后通过客服基准降本和 claude-api 技能提分两个案例展示实际效果。
