- 博客(21)
- 收藏
- 关注
原创 【干货】Agent Skill 从「提示词」到「软件包」:26 万个技能背后,缺的从来不是分发,而是验证
Agent Skill生态的困境与出路:分发繁荣下的验证真空 当前Agent Skill生态正面临规模爆炸(26万+技能)与选择困难的矛盾。技能数量激增(SkillsMP 20万/GitHub 6万)远超用户消化能力,导致"资源丰富却更焦虑"的悖论。虽然社区对"Skill本质是提示词还是软件抽象"存在争论,但真正核心问题是:当Skill成为可分发软件包时,必须解决软件工程两大基础命题——分发与验证。 当前生态呈现严重不对称: 分发侧快速成熟:出现类似npm的集中注册表(如skild),解决安装管理问题 验证
2026-08-14 14:46:50
510
原创 【干货】自建 AI Agent 从入门到清醒:一个被低估的工程复杂度,和三个多数人踩过的结构坑
"给 AI 接个模型、写几个工具函数,一个 Agent 就成了"——这是 2026 年最常见的认知误区。
2026-08-14 14:37:11
585
原创 【干货】你让 AI「自己跑任务」,它跑出了一座垃圾山——Agent 自主执行的三个约束层和一个验证闭环
让 AI 自己跑任务是 2025-2026 年 Agent 用户最普遍的诉求,也是最普遍的翻车现场。很多人以为"让它自己跑"就是少管、不管、放手看结果。实际结果是:AI 跑出了一堆用不了的东西,顺带烧掉了大量 Token 额度。
2026-08-11 17:04:56
162
原创 【干货】把 Codex 当聊天工具用?你的 Agent 工作流还差三个工程层
大量用户在使用 Codex 一段时间后发现,它最大的瓶颈不是"能力不够",而是"记性不够"和"边界感不够"——同一个需求反复交代、会话一丢上下文就清零、任务说清就能跑好否则就跑偏。
2026-08-11 14:17:14
714
原创 【深度】自学 AI Agent 的「教程陷阱」:为什么你刷完 50 门课,依然做不出一件像样的事
AI Agent 的学习热潮里,一门课接一门课的宣推帖子铺天盖地,从「7 天入门 Agent」到「30 天成为 Agent 工程师」。但一个尴尬的事实是——学完这些课的人,绝大多数依然无法独立交付一个真正跑得通的 Agent 系统。
2026-08-07 18:24:47
682
原创 【深度】当 Agent 开始替你搜索:效率革命的背面,是一个正在失控的信息过滤权
2026 年被业内普遍视为"主动性 Agent"元年。从被动应答到主动搜索、主动规划、主动执行,Agent 的能力边界正在快速外扩。但这场效率革命的背后,藏着一个鲜被讨论的问题:当 Agent 替你完成"搜索—筛选—决策"整条链路时,你实际上把信息过滤的权力完全交给了它。
2026-08-06 17:49:06
522
原创 【深度】Cursor 提效 500%?别急着信——拆解 AI 编程工具的效率幻觉与真实能力验证
本文从真实用户反馈切入,系统拆解了效率数字被夸大的三个结构性原因(基线缺失、复杂度不对称、记忆偏差),然后将 Cursor 的提效分解为四个可验证的层次(补全、局部生成、对话式开发、Agent 自主执行),逐一分析每层的真实贡献和天花板。
2026-08-05 16:50:56
332
原创 【深度】自建 AI Agent 门槛降到了新手村?你可能忽略了这三个结构性难题
市场上关于"自建 AI Agent 就像搭乐高积木"的叙事越来越流行——选模型、配工具、写提示词,三步就能搞定。各种 Agent SDK 和开源框架也确实把构建门槛降到了前所未有的低点。但当你真正从"跑个 Demo"走到"做一个能用的东西"的时候,会发现那些教程里没写的结构性难题开始集中爆发:记忆管理、工具调用的稳定性、安全边界的设计。
2026-08-04 16:26:09
811
原创 【深度】AI 主动执行越能干越浪费——关于智能体自主性的三个关键约束
让 AI 主动执行任务,是 Agent 系统最让人兴奋的能力,也是踩坑最多的地方。本文从多地社区的真实用户反馈出发,分析一个反直觉现象:AI 的自主性越强,如果没有配套的约束设计,实际效率反而越低——它会不停地把任务往外延伸,穷举所有可能,结果就是烧掉大量时间甚至金钱,产出却寥寥。
2026-08-03 17:51:43
978
原创 【干货】自学 AI Agent 的人都说“别上来就啃论文”——这句话,也该送给 Skill 市场
社区里大量"如何自学 AI Agent"的讨论,不约而同指向一个共识:别从论文和公式入手,先让代码跑通解决问题。这个朴素经验背后藏着一个更深层的规律——"描述"和"能力"之间存在巨大鸿沟,纸面理解永远替代不了真实执行。
2026-07-31 13:31:26
333
原创 【干货】OpenAI 官方教你怎么用 Codex,其实是在教你怎么写一份「Skill」
OpenAI 官方的 Codex Manual 里有一套很明确的推荐用法——别把 Codex 当聊天框,把它当工程同事:一个好任务要包含目标、上下文、约束、完成标准;复杂任务先 Plan 再动手;长期项目要靠 AGENTS.md 沉淀规则;跑完一定要验证。
2026-07-30 15:48:30
515
原创 【干货】到底什么是 Agent?一个被用滥的词,和一个被低估的机制
人人都在说 Agent,但很少有人讲清楚它到底是什么。本文从最朴素的角度拆解 Agent 的本质——一个能感知、决策、执行的自主循环系统,然后引入 Agent 体系中至关重要却常被忽略的一环:Skill。
2026-07-29 18:17:51
663
原创 【深度】当 Skill 放大一万倍,它就变成了 Memory——从渐进式披露到动态上下文的工程演进
当 Skill 的规模从一个 MD 文档放大到上万个,放大十倍甚至一万倍时,Skill 实际上就演变成了 Memory。本文拆解 Skill 的真实本质、一个完整 Skill Pack 的四层构成、大规模场景下的核心难点,以及"Skill → Memory"这条演进路径背后的工程逻辑。
2026-07-28 15:18:41
559
原创 【实战】18 条文字润色提示词,从手动复制到 Agent 自动执行的进阶之路
每次写完文章,手动逐条复制粘贴这些提示词,本身就比写文章还累。本文先整理这 18 条提示词并按功能分类,再聊聊怎么把它们打包成 Agent Skill 实现一键流水线,最后说说在 5 万+ 的 Skill 市场里怎么找到真正好用的文字处理 Skill。
2026-07-24 17:10:12
477
原创 【深度】别再神话 Skill 了——一个完整 Skill 到底由什么组成,为什么多数 Skill 跑不起来
Agent Skill 正在被过度神话。很多人以为装一个 Skill 就等于给 Agent 加了一项能力,但现实是大量 Skill 装了之后根本跑不起来——不是 Skill 本身写错了,而是它缺少配套的工具链、结构化数据和验证机制。
2026-07-22 22:07:41
295
原创 【深度】给 Agent 装的 Skill 越多越好?论文说恰恰相反——少而精才是王道
很多人给 Agent 装 Skill 的策略是"多多益善"——看到好用的就装,几周下来挂了几十个,以为越多越强。但最近一篇研究论文用实验数据给出了完全相反的结论:2-3 个精炼的 Skill 能提升 18.6% 的表现,一旦超过 4 个,效果骤降到 5.9%。
2026-07-21 17:47:05
685
原创 【干货】给 Agent 装满技能就万事大吉了?聊聊「选错技能」这个被忽略的坑
当前Agent技能市场存在两大问题:技能描述注水导致Agent难以精准匹配所需技能,以及缺乏真实执行数据导致无法验证技能可靠性。这导致Agent常选错技能,影响任务执行效果。 解决方案 —— Deep Skill Finder(掘技)通过引入社区百万级真实测评数据,让Agent选技能时不再依赖夸大描述,而是基于实际战绩进行召回和排序,确保选中的技能真实可用且高效。 价值 —— 该方案将技能选择权真正交给Agent,使其从被动执行工具进化为能自主补全能力的智能伙伴,同时与skill2loop形成互补,共同推动
2026-07-20 18:25:28
470
原创 【实战】不会写代码也能做 Agent Skill——普通人从 0 到 1 创建 Skill 完整指南
很多人以为做 Agent Skill 需要写代码、调 API、搞部署,实际上完全不需要。Skill 的本质就是一个 `.md` 文件,用自然语言写清楚工作流程和约束规则就行。本文以一个会议纪要整理 Skill 为例,手把手走一遍从需求梳理到测试上线的完整流程,拆解 5 种常见的 Skill 设计模式,总结让 Skill 从「能用」到「好用」的核心原则。最后聊聊做完自己的 Skill 之后,怎么在 20 万+ 的 Skill 市场里找到别人做的好 Skill。
2026-07-17 18:11:14
573
原创 【深度】大模型正在吃掉 Skill,但剩下的更值钱了——聊聊模型进化对 Agent Skill 生态的影响
随着大模型理解和规划能力的快速提升,我们在实测中发现,超过半数的 Agent Skill 所做的事情,现在模型裸跑就能完成,且效果相当甚至更好。大量 Skill 本质上是在帮早期模型做 Prompt Engineering,模型进化之后这些 Skill 反而成了负担。本文结合多个真实场景案例,介绍 Deep Skill Finder 如何在模型进化的新背景下,帮助用户在信噪比持续下降的 Skill 生态中精准找到那些真正不可替代的 Skill。
2026-07-16 15:46:02
601
原创 【干货】Skill 装多了,Agent 反而变笨了?聊聊我们为什么要做 Deep Skill Finder
Skill 不是装得越多越好。我们在实际评测中发现,超过 73% 的 Skill 存在能力描述夸大、边界不清的问题,装错 Skill 不仅无法提升 Agent 能力,反而会导致任务成功率下降。本文从 Skill 的调用机制出发,分析 Description 膨胀带来的技术问题,并介绍我们基于真实任务数据构建的 Skill 推荐方案——Deep Skill Finder。
2026-07-15 13:43:21
294
原创 【干货】AI Agent Skill 太多找不到靠谱的?deep-skill-finder(掘技)帮你找到最合适的Skill
deep-skill-finder (掘技)能帮你找到最适配当前任务的 Skill。它不看 Skill 描述里怎么说,只看它在真实任务里跑得怎么样——整理社区百万条实测,进行横向对比,再通过多渠道搜索,帮你从海量 Skill 里挑出真正跑通过的。
2026-07-14 11:44:09
854
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅