4个工作Skill+2个运维Skill，装完Claude直接变工作搭档
文章提出仅安装 Claude Skill 无法提升效率的根本原因在于缺乏工作流框架。作者基于“收集→消化→产出→汇报”四个工作步骤，推荐了 Web Access、Obsidian/llm-wiki、Humanizer、md2wechat 等工具，并辅以 Superpowers 和 Skill-Creator 进行系统运维与定制，旨在帮助用户构建一套完整的 AI 辅助工作流。
相关文档
从一个 Bot 到一整个组织，Grok Bot 的进阶用法分享
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。
Claude 封号，记忆归零？我的本地架构：换号也不用重训
作者分享了一套不依赖云端账号的本地 AI 工作流架构，核心思路是把规则、技能、日记等真正有价值的资产沉淀在本地硬盘，而非网页端/App 的记忆功能中。整套体系分为四层：工具层（Claude Code、Codex、Cursor 作为入口）、模型层（可随时更换）、架构层（本地文件结构）、处理层（按本地规则和技能处理任务）。作者通过全局规则文件（CLAUDE.md）、本地 skills 目录、按日短记忆 + 长期偏好文件、AI 日记四层文件体系，实现了账号封禁后快速恢复工作的能力，并提出新人可先从三步最小方案入手搭建。
两句话，55 分钟，一条 3D 纪录片：我把它做成了一个 skill（已开源）
作者用 Claude 制作 3D 历史纪录短片，通过将制作经验封装成开源 skill（code-doc-film），把《郑和下西洋》片子的制作时间从 116 分钟压缩到 55 分钟，只需两句指令。skill 本质是一个包含说明文档和脚本的文件夹，核心是一张「翻车表」：记录镜头钻山、音画不同步、史实错误、渲染纯色等 7 类踩坑问题及自动化校验方案。文章同时坦承 skill 的局限：人物建模粗糙、未做过的题材仍慢、事实核对只保证有出处不保证正确。
The Complete Guide to AI PM OS
文章介绍了 AI PM OS——一套面向产品经理的 Agent Skill 体系。作者强调：与其信任模型凭提示词自由发挥，不如为 Agent 配备结构化技能，确保输出质量稳定。核心方法论是'监督比你更聪明的人'：通过间接提示让 Agent 自己复述问题、避免被先入为主的假设带偏，并用 /first-principles、/mckinsey-issue-tree、/causal-tree、/jtbd-forces 等技能栈按'定义问题、选择赌注、理解用户、定义成功、塑造构建、写作、推动组织'分阶段组织工作。同时利用记忆和历史会话，让 Agent 继承过往决策背景，提升产品判断力。
Claude被封号！如何用豆包工作“Plan+Goal”模式处理它的“遗产”？
作者因Claude账号被封，将全部历史对话数据导出，利用豆包工作新推出的计划模式和目标模式，对数年积累的对话“遗产”进行系统化整理。文章详细拆解了三步工作流：先用Plan模式只读调研并生成Markdown实施计划，直接在文档中修改对齐需求；再用Goal模式将“完成”标准拆成硬性验收指标，逐项校验交付成果。最终产出可检索的历史索引、验证过的工作流、风格偏好文档和可直接复用的Skills。文末总结了Plan与Goal模式的适用场景对比，强调复杂长任务应先定方案再锁交付标准，让AI经验得以持续复用。
高级 Skill 不是更长的提示词，而是一套组合技
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。
区分有效 Skill 与空谈文章的 9 条原则
作者提出九条原则，帮助判断 Agent Skill 是否真正有效，覆盖 Skill 生命周期三个阶段：被选中、可靠执行、经受现实检验。核心观点包括：元数据描述是触发与否的关键入口；上下文是共享预算，需渐进式加载；流程与检查点优于长篇散文；规则应解释原因以应对边缘情况；预先记录并反驳模型常见的跳过理由；确定性逻辑写成脚本代码而非依赖推理；严格限定修改范围；Skill 会随库更新和约定变化而腐化，需版本化管理；上线前必须用真实用例运行验证，从观察到的行为而非想象中调试。
Skills 管理思路：本地管理 + 软连接
作者分享了管理 AI Agent Skills 的经验：不建议在本地一次性安装太多 Skills，因为过多的 Skill 会误触发模型调用并限制模型发挥，同时 Skill 描述会占用上下文窗口的 Token 预算。管理方法分两步：第一步将所有 Skills 统一放在本地目录（分 Github、personal、official 三类），并建立管理文档和定时更新脚本；第二步用软连接（symlink）按项目需要启用 Skill，而不是复制安装，避免全局启用浪费上下文。这些工作都可以交给 Codex/Claude 等 Agent 自动完成。
公众号和小红书情感自媒体创作工作流与大纲Skills经验分享
作者分享了做情感赛道半年总结出的AI辅助内容创作工作流，包括四个核心模块：情绪锚定选题、风格执行手册、三层覆写（信息覆盖、观点注入、语气校准）和结构设计，并强调AI产出仅为初稿，需人工三遍处理和AI率、同质化等检测。文中附上核心提示词和Skill.md代码，详细展示情感文章大纲生成工具，涵盖选题诊断、人群锚定、四阶段情绪路径设计、结构模板和钩子设计等完整流程。
我给Codex找了6个写作Skill，终于不用一条提示词硬写到底了
作者认为用单一提示词或Skill让AI写文章效果不佳，提出应让多个Skill分工协作。文章介绍了6个开源写作Skill：Content Research Writer负责查资料搭大纲、Doc Co-Authoring做协作写作与读者测试、Ghostwriter建立个人风格档案、Copywriting写产品文案、Docs Writing处理技术文档、Humanizer去除AI痕迹。不同写作场景可组合不同Skill流水线，作者建议从自身痛点入手，先做一个环节的Skill即可有效提升写作效率。
去AI味完整实战教程：从自查、改写到文风塑造的全部流程指南
本文深入探讨了AI写作中常见的“AI味”问题，指出真正的AI味源于结构化的表达而非简单的词汇堆砌。文章详细介绍了多种去AI味的工具和Skill，如stop-slop-zh、Humanizer-zh等，并强调了文风塑造和个人写作系统建立的重要性，适合内容创作者参考。
5大顶级AI编程套件盘点与搭建指南
本文盘点并测评了5个GitHub上热门的AI编程套件（如obra/superpowers、mattpocock/skills等）。这些套件通过硬编码工作流、需求文档化、强制诊断流程及工程护栏等方式，将工程规范编译成AI能理解的规则，有效解决了AI编程中的“跑偏”、需求飘移和瞎猜等问题。作者指出，开发者应基于自身习惯搭建专属的自生长AI编程套件，以大幅提升编程效率。
