9 posts tagged with "Skill"

Agent 拿到视频链接只能读字幕，看不到按钮怎么点、报错在哪秒出现。

1. 核心问题：字幕里没有 UI、按钮点击时机、报错瞬间
2. 解决方案：yt-dlp 拉字幕 + FFmpeg 抽帧，按时间点对齐
3. 三档抽帧：快 50 帧 / 默认 100 帧（按镜头）/ 不限
4. 抽帧硬限制：2 fps，>10 分钟视频短促变化会被跳过
5. 时间戳定位：指定「2 分钟附近」重抽帧，画面更完整
6. 集成方式：ClaudeCode 走插件市场，其余装成 agent skill
7. 无字幕兜底：Groq / OpenAI Whisper（要 key）或本地 FunASR SenseVoice（免费离线）
8. 当前版本：0.2.0，仅读不写不剪

海量 Skill 不能全量塞进 prompt，核心是渐进式披露（progressive disclosure）按需加载。

1. 为什么淘汰全量：token 是模型的注意力预算，工具目录涨到 200 个左右，工具选择准确率从 95% 断崖跌到 41%。
2. 三 层渐进式披露：L1 元数据索引 → L2 意图注入 schema → L3 触发 RAG 翻文档，token 开销砍掉 90% 以上。
3. 冷启动延迟：前端轻量路由分流 + 高频工具常驻 KV cache，响应时间缩短 30% 以上。
4. 状态断联：任务快照浓缩执行进度，切技能时注入，新技能原地复活。
5. 反过度设计：二三十个技能别上三层，前置语义过滤 + 精简 prompt 更稳。

shadcn/ui 官方 Skill，让 AI 写 符合规范 的 shadcn 项目代码。

1. 它是什么：放在 shadcn-ui/ui 仓库 skills/shadcn/ 下的官方 Skill
2. 解决的痛点：AI 写 shadcn 项目普遍走偏——用原生 div 替代组件、写自定义样式覆盖组件、手撸 chat UI
3. 核心机制：限定只跑 shadcn@latest CLI + 6 类强制 Critical Rules
4. 关键能力：shadcn mcp 给 AI 加 search/view/install 工具
5. 配套：--preset 主题码一键切换整套主题 + 组件
6. 结论：做 shadcn 项目 必装，别让 AI 瞎写

drawio-skill：让 AI 用自然语言画 draw.io 图，省掉手动拖拽。

1. 它是什么：Agent Skills 格式的 Skill，AI 把一段描述转成可编辑的 .drawio 文件。
2. 核心痛点：流程图脑里清楚、手里画废；让 AI 写代码容易，画图靠拖拽。
3. 典型用法：自然语言描述图 → 生成 .drawio → 2 轮视觉自检 → 导出 PNG/PDF。
4. 对比 drawio-mcp：mcp 走 XML 动作点画；skill 走声明式一次性成型。
5. 成熟度：官方（jgraph）+ 社区（Agents365-ai）双线并存，跨 6+ Agent 平台。
6. 适用：架构图、流程图、ERD、UML 等结构清晰的图。
7. 结论：不想拖拽就首选 Skill。

写 Agent Skill 最容易踩的 4 个坑，加一份最小可用的模板。

1. 最小目录：一个 SKILL.md，Agent 只加载这一份。
2. 核心定位：description 决定何时调，不是"能做什么"。
3. 坑一：description 写漂亮话 = 装了个寂寞。
4. 坑二：SKILL.md 里塞百科，首次加载被拖垮。
5. 坑三：把 Agent 已经会的事写进去，浪费 token。
6. 坑四：装太多 Skill = 每轮白付 token。
7. 结论：Skill 的价值 = 领域知识 + 不可替代的本地动作。

Skills Manager 解决多 AI 编程工具 Skills 分散管理的痛点，15+ 工具用一套中央库 + 工作区 + 预设搞定，再也不用手动复制。

• 痛点：每个工具自己一份 Skills 目录，复制几次后不知道哪份是新的
• 解法：中央技能库统一托管，跨工具一键同步（复制或软链接二选一）
• 三层工作区：全局（每工具默认生效）/ 项目（仅当前项目生效）/ 预设（一组常用技能打包）
• 跨设备同步：接私有 Git 仓库自动备份，冲突时本地版不会被覆盖
• 适用：同时用 2+ AI 编程工具 / 自己写 Skill / 团队共享常用技能
• 边界：偶尔用网页聊天的人先不用装，装任何 Skill 前先看 SKILL.md

DESIGN.md 是 Google Stitch 提出的设计系统规范，把 token 化的视觉语言写进项目根目录。

1. 痛点：AI 写组件超过 5 个，颜色 / 间距 / 圆角就开始漂移
2. 解法：把9 大模块（视觉主题 / 色彩 / 字体 / 组件 / 布局 / 深度 / Do's / 响应式 / Agent 指南）写进 DESIGN.md
3. 格式：YAML Front Matter + Markdown 正文，机器可读 + 人类可读
4. 生态：awesome-design-md 70+ 品牌（9.6 万 Star）+ getdesign.md 索引站 + Chrome 扩展 逆向竞品 + webdesignhot 403 个 CLI 模板
5. 本质：和 AGENTS.md 平行的"视觉约束文件"
6. 局限：直接套别人的设计只适合原型 / 内部工具，自有品牌仍得手写

book-to-skill 把一本书拆成 Claude Code 可按章节调用的 Skill，解决"买了书两个月就忘"的痛点。

1. 痛点：书看完两个月只剩一句"好像讲过"，问 AI 拿到的是东拼西凑的通用建议
2. 解法：一句 /book-to-skill ~/path/to/your-book.pdf 把 PDF/EPUB 转成 ~/.claude/skills/<slug>/
3. 机制：按章节按需加载，不一次性塞全本——更快、更便宜、不幻觉
4. 效果：同一问题，普通 AI 给通用建议；用 Skill 后直接基于原书框架分析
5. 适用：工具书/方法论书/技术书，不适合小说散文
6. 边界：目前一次拆一本，跨书检索、增量更新还没设计

Karpathy 4 条规则是写给 AI Coding Agent 的行为准则，源自他 2026 年 1 月对 LLM 编码常见错误的观察，核心是先想再写、最小化改动、外科手术式修改、目标驱动。

1. Think Before Coding — 别假设、别掩饰困惑，主动暴露权衡和歧义
2. Simplicity First — 最小可用代码，不写"以防万一"的抽象和功能
3. Surgical Changes — 外科手术式修改，只动该动的，只清理自己造成的孤儿
4. Goal-Driven Execution — 把模糊指令转成可验证的成功标准，让 Agent 自己循环到完成

一句话：不告诉 Agent 走哪条路，告诉它什么叫"做完了"。LLM 在"循环到满足具体目标"这件事上异常擅长，给强标准比给详细步骤更有效。