14 posts tagged with "Skill"

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。

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。

Skill 不是一段 prompt，而是一份 带触发条件的可复用指令包。把它的内部结构画出来，5 分钟就能看明白。

1. 核心观点：skill = 触发条件 + 指令正文 + 可选资源三层结构，和 prompt 的区别在「可被自动加载」。
2. 第一层：YAML frontmatter 里的 name / description 决定何时触发，决定 agent 是否"看见"它。
3. 第二层：Markdown 正文是 agent 真正读到并执行的内容，等价于一段 system prompt 补丁。
4. 第三层：references/ scripts/ assets/ 是按需调用的工具集，不进 context。