14 posts tagged with "Skill"

Skill 维护的核心是钉住 5 件事：成功标准、失败点、测试集、进化、版本。少一类，评估是空的。

• 成功：结果 / 过程 / 风格 / 效率，缺一类评估就漏
• 失败：触发 / 环境 / 执行 3 类，每类独立观察、独立维护
• 测试集：显式 / 隐式 / 上下文 / 副测试集，10-20 条就够
• 进化：失败信号 → 候选补丁 → 新能力验证 → 基线回归 → 灰度
• 版本：git 单一来源——commit / tag / push 三件套，不另起基础设施
• 结论：Skill 进生产就是工作流资产——靠体感维护必然崩，按这 5 件事维护才能稳

Skill 装得越多效果越差；可视化是 5 分钟筛掉一个陌生 skill 的最快工具。

1. 数量上限：相关研究显示 7-10 个 是单 agent 装 skill 的甜点，超过会显著掉效果
2. 挑选两条件：取"充分理解"+"实际在用"的交集，任一不满足就别装
3. 可视化筛选 Archscribe：把 SKILL.md 转可编辑 excalidraw + 动画 GIF，比逐字读快 5 倍
4. 飞书 Coze 案例：五类功能各一张图，整体 5 分钟扫完
5. 5 项硬指标：目录结构 / 触发条件 / 外部依赖 / 失败预案 / 不冲突，全过才装

AI 写 UI 最大问题是都长一个样。两个 skill 解。

1. 问题：默认审美"通用 slop"（AI 批量产的劣质模板）。
2. taste-skill：67.5k stars，"反 slop" 框架，风格库一键装。
3. Impeccable：49.9k stars，23 个命令 + 7 大模块知识库精细打磨。
4. 配合：风格约束 + 渐进打磨可叠加使用。
5. 安装：一行 npx skills add 即装即用。
6. 背景：都源自 Anthropic 官方 frontend-design skill。

RAG 和 Skill 不是替代关系，是解决不同问题的两套机制。混着用很容易踩坑。

1. 本质区别：RAG 按语义检索文档，Skill 按触发词加载流程
2. 必须用 RAG：3 类场景——开放域语料、答案分布广、用户不知道要看哪篇
3. Skill 能替代：3 类场景——知识结构化、触发条件明确、需要本地动作
4. 决策框架：是「检索」还是「执行」？前者 RAG，后者 Skill
5. Claude Code 案例：它用 Skill 不用 RAG，但 Skill 内部可以包 RAG
6. 混合方案：Skill 触发 + RAG 检索子语料，渐进式披露

核心结论：把 RAG 当 Skill 用、或者把 Skill 当 RAG 用，都是常见的设计错误。

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。

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