相关文章
1248 篇高质量内容
从零开始玩转循环 (Getting started with loops)【译】
最近大家都在热议“设计循环”，而不是简单地给你的AI智能体扔一条提示词就完事。在Claude Code团队，我们将“循环”定义为AI智能体不断重复执行工作周期，直到满足某个预设的停止条件。 核心内容： 1. “循环”的明确定义及四个分类维度 2. 详解回合制循环的触发、停止与适用场景 3. 如何通过具体提示词和SKILL.md文件控制消耗与保证代码质量
Skill 是 Agent 时代的 App
Agent时代，Skill正成为个人与企业的关键资产。本文探讨Skill如何定义Agent时代的应用生态，并揭示其背后的巨大机遇。 核心内容： 1. Agent热潮下的Skill定位与价值 2. 个人在Agent时代的机会与实战案例 3. Skill作为可迁移核心资产的未来展望
一份可信来源，终结 Skill 管理混乱：Skill 治理最佳实践
掌握Skill治理的核心方法，告别版本混乱与手动同步，实现团队协作的高效规范。 核心内容： 1. Skill管理中的常见痛点与挑战 2. Nacos AI Registry提供的统一管理路径 3. 从本机统一到团队共享的实践步骤
当 AI 参与需求分析，设计师在设计什么？
当AI深度参与需求分析，设计师的工作重心从生成答案转向验证逻辑与依据。本文探讨如何让AI的分析过程更透明、判断更可靠，从而真正赋能设计决策。 核心内容： 1. 设计师如何区分需求文档中的事实、假设与方案 2. AI生成“看似合理”分析的内在逻辑与潜在陷阱 3. 构建可检查、可验证的AI辅助需求分析方法论
职业.Skill 2.0：让顶级专家团包揽你的工作
从“有哪些技能该做”到“如何判断与决策”，职业.skill 2.0为你配备一支顶尖的私人顾问团，深度赋能工作决策。 核心内容： 1. 从技能清单到专家顾问团的理念升级 2. 顾问团的构建原则：蒸馏判断力、三重验证与诚实边界 3. AI 产品顾问团的具体应用案例与效果
Claude团队：别再逐条喂Prompt，学会给Agent设计循环
别再逐条下达指令，学会为Agent设计“工作循环”，让AI编程助手自主完成任务闭环。 核心内容： 1. 循环设计的核心定义与分类维度 2. 基于轮次与基于目标的两大循环模式详解 3. 如何通过技能文件与用量管理提升效率
这个开源的Skill让你发送会议纪要就能生成PRD、还能自动进行需求评审
用AI帮你把会议纪要秒变专业PRD，还能自动评审，让产品经理从繁琐文档中解放。 核心内容： 1. 开源Taya Skills如何将模糊需求转化为结构化产品文档 2. 三大核心技能：产品规划、专业评审与需求评估 3. 支持中文与AI场景，成为产品经理的智能工作搭档
Agent 怎么沉淀技能:把一个好 prompt 变成全队资产
如何让团队中的AI智能体共享最佳实践？Multica的Skills系统让好用的prompt变成可复用的团队资产，告别经验流失。 核心内容： 1. 团队AI协作中经验沉淀的痛点与挑战 2. Multica Skills系统的心智模型与两种来源 3. 关键设计：技能从云端同步到本地的实现机制
我做了一个律师办案skill：案件接收与中转站
律师办案新技能：用AI建立案件处理中转站，从接收材料到理清事实，让法律分析更扎实。 核心内容： 1. 新案件接收的痛点与AI处理风险 2. legal-case-intake技能的核心结构与功能 3. 案件处理中转站的标准化流程与文件组织
AI Agent 的 Skill 系统设计
结构化设计让 AI Agent 行为更可控，本文系统讲解 Skill 系统的核心设计原则与工程实践。 核心内容： 1. Skill 系统的设计理念与结构化方法 2. 在有限上下文下的高效加载与执行策略 3. 确保行为合规的测试方法与演进方向
从 Prompt 到 Skill：专业工作流的结构升级
从长Prompt到结构化技能：如何让AI工作流更可控、更可复用。 核心内容： 1. 长Prompt的三大痛点：精确与遵循的矛盾、出错难排查、复用成本高 2. 根因剖析：流程控制缺失与领域知识无法独立维护 3. 解决方案：从“一段话”升级为结构化、可复用的“技能”
我们做了一款招投标Skill，数据按需调用
告别传统招投标会员的束缚，我们推出按需调用的招投标Skill，让数据服务更灵活、更智能。 核心内容： 1. 传统招投标平台的痛点与我们的解决方案 2. 招投标Skill的三大核心应用场景 3. 如何利用AI与数据实现智能分析与决策
Harness 工程之道：Skill 原理与最佳实践
Agent Skills 如何让 AI Agent 更聪明、更高效？本文从核心理念到工程实践，为你系统拆解 Skill 的运作机制与最佳路径。 核心内容： 1. Skill 产生的背景：从臃肿的 Prompt 工程到模块化能力封装 2. 核心原理：基于“渐进性披露”的三阶段加载机制 3. 工程实践：以真实项目为例讲解结构规范与触发优先级
SkillOpt 架构拆解：把 Skill 文本当参数，用执行轨迹训练 Agent
如何让Agent的Skill文本不再失控？SkillOpt提出用执行轨迹训练文本，让Skill像模型参数一样可优化、可验证。 **核心内容：** 1. Skill维护的常见问题与失控风险 2. SkillOpt的核心机制：采样、反思、受限编辑与验证 3. Skill文本作为可优化参数的工程化价值
重新思考研发基础设施：当 Agent 成为第一公民
从 Agent 驱动的小系统看研发基础设施的范式转移，探讨当代码变为即时生成、基础设施趋于透明时，我们该如何重构开发工具链。 核心内容： 1. 以 Agent 为核心驱动的新型系统架构案例 2. 代码即时生成与基础设施“不可见”的两大趋势观察 3. 对现有研发基础设施支撑能力的根本性质疑与未来思考
别让 AI 写的文档误导用户：从单次 Prompt 到高可信文档工程化实践
告别AI文档的“幻觉陷阱”，一套工程化流程让每篇文档都经得起验证。 核心内容： 1. 从单点Prompt到工程化流程的转型动因与挑战 2. Rules、Skills与验证Harness构成的“铁三角”约束框架 3. 文档团队从内容编写到知识工程的角色升级
一个测试人必备的需求分析Skill，搞定需求分析8大维度，生成用例采纳率直接拉满
掌握需求分析8大维度，从此告别脑补测试点，轻松生成高采纳率用例。 核心内容： 1. 测试需求分析的重要性与常见痛点 2. test-requirement-analysis工具的核心设计原理 3. 该工具如何系统解决分析维度缺失与需求模糊两大难题
开源「仓颉.Skill」2.0，你现在可以蒸馏任何视频！
开源「仓颉.Skill」2.0重磅升级，现在不仅能拆书，更能一键蒸馏任何长视频干货，帮你快速提取核心方法论。 核心内容： 1. 开源「仓颉.Skill」2.0的核心功能：视频蒸馏 2. 应用场景：处理长视频、课程及播客等时效性内容 3. 技术亮点：基于美团Longcat-2.0大模型，支持超长上下文
手写 Skill vs skill-creator：差距在哪
用 skill-creator 告别手写 Prompt 的陷阱，AI 技能从此精准触发、结构清晰、效果可测。 核心内容： 1. 手写 Prompt 的三大痛点：触发不足、结构混乱、无法验证 2. 官方工具 skill-creator 的便捷安装与创建流程 3. 工具带来的核心改进：强制触发、结构化输出与效果评估
写 Skill 不是写 Prompt，而是给 AI 搭一条生产线
一篇关于AI Agent工程设计的深度解析，揭示Claude Code与Codex两套系统背后的“规矩”差异。 核心内容： 1. 探讨模型差异的本质：Agent工程骨架对“模型性格”的影响 2. 通过真实案例，剖析一个Bug修复背后的复杂工程问题链 3. 以公众号排版为例，展示一个完整Skill系统如何实现分层治理与权限控制