探果 Tengo 自定义 Skill 开发实战:花了三个晚上,我把自己常用的工作流塞进了一个技能

使用Label Studio标注车牌数据:YOLOv26模型训练指南 在计算机视觉领域,数据标注是模型训练的基础环节,直接影响最终模型的识别精度。Label Studio作为专业的标注工具,支持多种标注类型和格式导出,特别适合目标检测任务的数据准备。通过多边形标注技术,可以精确捕捉车牌的四个角点,生成旋转矩形框(OBB)标注数据,这种标注方式相比传统水平框能更好地处理倾斜车牌场景。标注完成后,数据可导出为YOLO格式,直接用于YOLOv26等先进目标检测模型的训练。在实际工程中,合理的标注策略和严格的质量控制能显著提升车牌识别模型在复杂场景下的鲁棒性,适用于智能交通、停车场管 阅读详情

探果 Tengo 除了 5000+ 预置 Skill,还支持自定义开发。本文从零拆解一个"竞品周报生成器"Skill 的完整开发过程,含 YAML 配置、提示词调试、变量绑定踩坑记录。看完你也能花半小时封装自己的专属工作流。

为什么还要自己写 Skill?

5000 个预置 Skill 确实覆盖了大多数场景——写周报、做竞品分析、整理会议纪要,开箱就能用。

但每个人干活都有自己的套路。

举个例子:我们团队每周五要出一份竞品周报,固定包括价格变动追踪、新功能汇总、社交媒体动态三块。预置的"竞品分析"Skill 只输出通用摘要,我每次都得手动补格式、加数据源、统一排版。烦了三个礼拜后,决定自己写一个。

这就是自定义 Skill 的价值——把你知道怎么干、但不想每次都手动干的活,固化成一次配置、终身复用的技能。

Skill 是怎么构成的

探果的 Skill 定义本质上是一个结构化的 Prompt 模板,配输入变量、输出格式、触发词。核心三个要素:

1. 角色定义(System Prompt)

告诉 AI 它在这个 Skill 里扮演什么角色、遵循什么规则。这是 Skill 的"人格"。

2. 输入变量

用户启动 Skill 时需要填的参数。比如竞品周报 Skill 需要"竞品名称"和"数据来源链接"两个变量。探果会在执行前让用户补全,然后注入 Prompt。

3. 输出模板

规定 AI 输出什么、按什么结构输出。你可以用 Markdown 模板定义表格、小节标题、固定字段,保证每次结果格式统一。

实战:从零写一个"竞品周报生成器"

Step 1:角色定义

写 Prompt 的时候,指令越具体,输出越稳定。别写"你是竞品分析专家",写了等于没写。

你是一个竞品追踪分析师,专门跟踪 {{competitor_name}} 的动态。

分析规则:
- 价格变动:提取页面中所有价格数字,对比历史数据,标注涨幅/跌幅百分比
- 新功能:识别所有新增或更新的功能点,按重要度排序
- 社交媒体:提取本周所有帖文标题和链接,判断互动趋势

输出时遵循以下约束:
- 价格数据用表格呈现(原价/现价/变动幅度/数据来源)
- 每项分析附具体链接
- 结论部分不超过3句话,直奔核心结论

踩坑来了——变量名不要用中文。

我初版写的 {{竞品名称}},保存不报错,跑的时候探果直接当字面字符串输出了,根本没触发变量替换。改成 {{competitor_name}} 秒好。这是探果目前的解析限制,变量名只认英文+下划线。

Step 2:设定输入变量

探果后台的 Skill 编辑器有两个关键字段:inputs 和 output_format。

inputs 定义启动时需要用户填的参数。字段不多,但类型别搞错了:

参数名

类型

说明

示例值

competitor_name

string

竞品名称

飞书

data_urls

text(multiline)

数据来源链接,每行一个

https://...

report_period

select

报告周期(日/周/月)

周

类型选 string 是单行输入,选 text 是多行输入,选 select 是下拉框——下拉选项在编辑器的单独配置页设置。别把 text 配成 string,多行链接会吞换行符。

Step 3:输出模板

我用了 Markdown 模板,探果能直接渲染:

# {{competitor_name}} 竞品周报({{report_date}})

## 一、价格变动追踪

| 产品线 | 原价 | 现价 | 变动幅度 | 数据来源 |
|--------|------|------|---------|---------|
| (AI 自动填充) |

## 二、新功能动态

| 功能名称 | 重要度 | 上线时间 | 来源链接 |
|----------|--------|---------|---------|
| (AI 自动填充) |

## 三、社交媒体动态

| 平台 | 帖文标题 | 互动量 | 链接 |
|------|---------|--------|------|
| (AI 自动填充) |

## 四、结论与建议

(AI 自动填充,3句话以内)

Step 4:调试阶段

写完保存后别急着用,先跑三组数据验证。

我的调试清单:

  1. 输入只有一个竞品的数据 → 看是否正常填充
  1. 输入两个竞品的数据 → 看表格是否混乱
  1. 输入一个没有价格数据的链接 → 看价格区块是报错还是显示"无"

第3个场景翻车了——当某竞品本周没调价时,AI 在价格表格里填了"暂无变动,建议持续关注",占满了一整行。修复方法是给 Prompt 加硬约束:

价格变动表格:如果本周无价格变动,直接输出"本周无价格变动",不生成表格行。

加完这句话,空数据场景的格式就干净了。

自定义 Skill 的边界在哪

不是所有活都适合封装成 Skill。这个判断直接影响你是在省时间还是在浪费时间。

适合做 Skill:

  • 每周/每月固定要做的重复性工作(周报、月报、数据汇总)
  • 格式要求严格但内容不同的场景(合同条款审查、简历筛选)
  • 需要多个数据源汇聚后统一输出的场景(竞品跟踪、舆情监控)

不适合做 Skill:

  • 一次性任务——花半小时写 Skill,不如直接用对话跑一次
  • 流程经常变的场景——Skill 改了就得重新调试,维护成本高于收益
  • 需要实时数据的——Skill 是 Prompt 模板,不是数据管道,不能自动拉取 API

我是怎么把 Skill 和 Agent 串起来的

写完竞品周报 Skill 后,我发现单 Skill 还是不够——每周五我还得手动打开 Skill、填参数、等结果、复制到飞书群。

于是把三个 Skill 串进了 Agent 工作流:

  1. 竞品周报 Skill → 产出分析内容
  1. 格式美化 Skill(预置)→ 把 Markdown 转成飞书富文本
  1. 消息推送 Skill(预置)→ 自动发送到指定飞书群

每周五只需要点一次触发,整个流程自动跑完。这是探果最有价值的地方——Skill 是零件,Agent 是产线,搭在一起才算生产力工具。


小结

自定义 Skill 的核心不是技术门槛,是你有没有把自己的工作流拆清楚。

拆得清楚,半小时封装一个 Skill,以后永远不用手动重复这个活。拆不清楚,写出来的 Skill 用两次就吃灰。

如果你是探果的重度用户,花一个下午把手里最烦的三个重复任务封装成 Skill——这笔时间投资的回报周期,可能比你以为的短得多。

yolov26改进 | 检测头篇 | 利用渐近特征金字塔网络AFPN改进yolov26检测头融合P2网络结构(让小目标无所遁形,全网独家首发) 本文介绍一种基于AFPN渐近特征金字塔网络改进的YOLOv26四检测头Detect_FPN。AFPN通过逐级融合底层细节、中层结构与高层语义特征,缩小不同尺度特征之间的语义差距,减少直接融合带来的信息冲突,使检测头获得更稳定、更充分的多尺度表达。本文进一步增加高分辨率小目标检测分支,强化对微小目标、密集目标和复杂背景目标的感知能力,适合工业缺陷、遥感及无人机等场景。文中将展示基础模型与改进模型的训练对比结果,并提供完整代码、配置文件、模块注册方法及Codex修改思路,方便直接复现和二次创新。 阅读详情

相关推荐

麒麟v10(ky10.x86_64)升级——openssl-3.2.2、openssh-9.8p1

执行命令: make -j 4 && make install 这里要等待一段时间,等待编译完成。执行命令: ./configure --prefix=/usr/local/src/zlilb。执行命令: ./config --prefix=/usr/local/src/openssl。执行命令: make -j 4 && make test && make install。执行命令: make -j 4 && make install。执行命令: /etc/init.d/sshd restart。

X_yufei的博客 7429

本地 AI 工具架构解析:为什么探果(Tengo)能做到“不部署、秒启动、数据不出机“

本文剖析了探果(Tengo)本地AI工具的混合架构设计,指出其通过本地推理引擎+云端沙箱隔离的创新方案,实现了真正的数据隐私保护与开箱即用体验。

FutureLab_AI的博客 382

保姆级教程:用Seurat 5.0.1搞定单细胞测序数据从质控到细胞注释的全流程

本文提供了一份详细的Seurat 5.0.1单细胞测序数据分析教程,涵盖从数据质控到细胞注释的全流程。通过R代码示例和可视化分析,帮助用户掌握单细胞RNA测序数据处理的核心技术,包括数据标准化、降维聚类和细胞类型注释,适用于生物信息学研究和临床数据分析。

weixin_29067143的博客 201

探果 Tengo:零门槛超级 AI 助理,让人人都能拥有专属 “数字员工“

然而,对于绝大多数普通用户来说,AI 依然是 "遥不可及" 的技术概念:想要实现任务自动化需要掌握 Python 编程,处理敏感数据担心隐私泄露,跨软件工作流需要频繁切换窗口,云服务订阅费用更是一笔不小的开支。从需要专业知识才能使用的编程工具,到人人都能上手的超级 AI 助理,探果正在推动 AI 技术的 "平民化" 进程。从自动整理学习资料、批量处理办公文档,到生成个性化生活建议、辅助副业项目开发,真正实现了工作、学习、生活全场景覆盖,让 AI 不再是遥远的技术概念,而是即开即用的日常工具。

weixin_44629852的博客 252

abaqus 6.13安装(ubuntu 16.04LTS)

1。从iso将文件拷贝出来 2。chmod 777 -R ./* 给文件权限 3。sudo /home/xx/A/setup 4。安装licenseserver 5。拷贝lic,log文件 6。打开license sudo ./lmgrd -c path 7. 27011@xx or 27011@localhost ...

a1099313374的博客 1950

使用PlotNeuralNet绘制深度学习网络图的基本操作

使用PlotNeuralNet绘制深度学习网络图的基本操作

weixin_46877907的博客 2114

AI 助手进入交付阶段:探果 Tengo 如何用 Skills 和 Agent 重构个人工作流?

对开发者、运营、产品经理和独立创作者来说,真正耗时间的往往不是某一个问题,而是跨工具、跨文档、跨流程的连续执行。探果 Tengo 的价值,正是在这个变化里被放大:它不是只提供一次对话,而是尝试把 Skills、Agent、APP 自动化和安全沙箱组合成一个可交付结果的个人 AI 工作流入口。但日常工作里,还有另一类更高频的问题:需求文档散在不同地方,会议记录要整理,表格要分析,素材要归档,内容要发布,报告要生成,甚至还要在多个软件之间来回切换。对于普通用户和小微团队,它降低了使用 AI 自动化的门槛。

weixin_44629852的博客 282

超级超级细的CLIP官方模型解读及代码逐行讲解

本文详细解析了OpenAI开源的CLIP模型代码架构。文章首先介绍模型概念,包括训练时通过对称损失计算图像-文本相似度,预测时通过余弦相似度匹配最佳文本。随后重点解析各模块代码实现:LayerNorm改进、QuickGELU激活函数、Transformer编码器结构、ViT图像编码器的特征提取过程、文本编码器的掩码机制和特征投影。最后阐述CLIP整体架构如何整合视觉和文本编码器,并详细说明了特征归一化和相似度计算的关键实现。全文通过代码级解读帮助读者深入理解CLIP模型的实现细节。

m0_64595440的博客 2428

探果(Tengo)Skills 体系深度评测:5000 个预置技能到底有几个能打?

花了三天把探果 5000+ Skills 按品类测了一遍,结论是本文从 Prompt 工程角度拆解 Skills 的实际设计逻辑,附各品类实测评分和避坑指南。

FutureLab_AI的博客 189

ERA5获取的风场数据转换为.dfs2文件

ERA5获取风场数据的具体步骤可以参考下面的文章下载好后应该是.nc格式的文件,想要读取或者转换成其他格式的文件可以安装下面步骤,本文介绍如何转换为.dfs2文件。

我的博客 1460

读懂 SAP S/4HANA 里的 SAP Fiori 架构:前端服务器、搜索链路、传统应用接入与内容组织全景解析

摘要:SAP Fiori架构并非简单的系统连接图,而是明确区分界面层与业务数据层的三层分工体系:用户交互层(浏览器与Fiori launchpad)、前端技术层(SAPUI5运行环境)和业务数据层(SAP S/4HANA后端)。这种分离实现了生命周期解耦,前端专注于统一体验治理,后端处理核心业务逻辑。值得注意的是,SAP Fiori front-end server本质仍是ABAP系统,负责UI技术组件运行。虽然SAP S/4HANA推荐嵌入式部署,但独立部署在多系统场景中仍有价值。典型Fiori应用通过O

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 180

从 AI 助手到桌面智能体:探果 Tengo 如何把 Skills、Agent 和 APP 自动化做成个人生产力入口?

对于普通用户来说,真正需要的不是一个只会回答问题的大模型,而是能理解任务、调用工具、处理文档、运行自动化流程,并且兼顾本地隐私与云端安全的个人 AI 助理。在日常办公、学习和副业场景里,用户真正想解决的问题通常不是“得到一段答案”,而是完成一个完整任务:整理一批学习资料、分析一组商品数据、批量处理办公文档、生成选题文案、打通 WPS、微信、钉钉等常用工具。从产品资料来看,探果采用“本地电脑 + 云端沙箱”的混合架构,目标是让 AI 编程、任务自动化、数据分析等能力成为普通用户也能使用的生产力工具。

weixin_44629852的博客 266

Qt实现思维导图功能5『纵向分布模式』

思维导图纵向分布模式:模式一

浮生流年的博客 1062

办公提效选哪个?像聊天一样就能写方案,探果 TengoClaw、Copilot、元宝等哪个更顺手?

说白了,元宝是很棒的聊天机器人,但不是帮你干活的办公助手。但共同瓶颈是止步于"聊天",跨不过"干活"那道坎——不能读写本地文件、无办公软件集成、长文档中途容易跑偏。她说用了——Copilot 要装 VS Code 太重,元宝写的方案太"空",ChatGPT 又访问不了……它是这 6 款里唯一让你感觉在"跟靠谱同事协作",而不是"跟机器人聊天"。"帮我把方案提炼成一页 PPT 大纲" → 按"问题→方案→价值→行动"逻辑重组。左边是传统方式的"输入→空话→手动加工",右边是探果的"确认→交互→交付"

weixin_44629852的博客 255

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

探果 Tengo 知识库功能深度解析:本地 RAG 是怎么跑起来的?

知识库这个词,现在很多 AI 产品都在用。但实现方式差异很大。典型的云端方案:文档存到云端→云端向量化→云端检索→云端 LLM 生成答案,全链路在服务商的服务器上跑。探果 Tengo 知识库本地文档 → 本地向量化 → 本地向量数据库↓用户提问 → 本地检索(语义匹配)→ 本地 LLM 生成答案整条链路在你的电脑上跑,不需要网络,文档内容不出设备。这对企业内部文档、法律文件、客户合同、研发技术文档这类场景来说,是刚需。

FutureLab_AI的博客 381

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

探果AI(Tengo AI)办公AI实战:5分钟搞定复杂环境,避坑指南在此

安装路径有空格或中文​ ❌解决:安装路径用全英文,不要有空格。比如D:\TengoAIWindows Defender误杀​ ❌解决:安装前暂时关闭“实时保护”;安装后把安装目录添加到排除项技能下载卡住​ ❌解决:可能是网络拦截。开手机热点,或在设置里切换下载镜像历史对话消失​ ❌解决:在设置里开启“保存对话历史”,会存在本地数据库性能慢​ ❌解决:关掉不用的技能,在“设置-模型”里切回“均衡模式”2026年了,如果你的团队还在为“给AI配个环境”而头疼,真的该换个思路了。探果的价值,是提供了一个。

FutureLab_AI的博客 250

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

探果 Tengo:把 AI 编程、自动化和安全沙箱装进个人电脑

当 AI 开始生成脚本、处理文件、调用工具时,用户最担心的往往不是“它会不会写”,而是“它会不会误删文件、泄露数据、把电脑环境弄乱”。它不是单纯的聊天机器人,而是面向个人用户和小团队的超级 AI 助理:既能用自然语言沟通,也能把 AI 编程、任务自动化、数据分析、办公处理等能力封装成可直接使用的工作流。如果说过去一年大家对 AI 工具的期待,还是“能不能帮我写一段代码、生成一篇文案”,那么到了 2026 年,真正有价值的问题已经变成了:AI 能不能接住一个完整任务,并且安全、稳定地把结果交付出来?

weixin_44629852的博客 245

飞书CLI + Skill 完全指南:让AI真正替你操作飞书

飞书 CLI 不仅仅是一个命令行工具,它是连接 AI 大模型与企业办公数据的桥梁。通过19 个内置 Skill,AI 从“聊天机器人”进化为真正的“数字员工”。开会时:AI 监听会议(lark-vc) -> 生成妙记(lark-minutes) -> 自动写文档(lark-doc)。上班时:AI 读取日程(lark-calendar) -> 汇总群消息(lark-im) -> 创建多维表格任务(lark-base)。按照上述教程完成安装后,你就可以开始尝试用自然语言指挥 AI 去操作飞书了。参考链接。

1、测试博主技术知识分享 2、pos行业知识技术分享 3、java后端技术知识分享 4、嵌入式技术知识分享 5、运维部署相关知识分享 3464

Jackson 序列化 / 反序列化注解 完整版笔记

Jackson 序列化 / 反序列化注解 完整版笔记

handsome_sai的博客 306

Web 版翻译者资料库

本项目是桌面版《翻译者资料库》的 Web 移植版,基于 Spring Boot 3.3、Thymeleaf、Bootstrap 5.3 与 MySQL 8.0 构建。它面向翻译写作提供资料、词汇、句库、文本工具、对照制作、查找、备份恢复及旧库迁移等功能,完整继承桌面版核心业务规则,支持一键启动与离线访问。

howard2005的专栏 180

MCP 协议会成为前端 AI 工程的标准接口吗?

MCP(Model Context Protocol)正在成为连接 AI 模型与外部工具、数据源的一层通用协议。本文从 MCP 的核心机制出发,分析它在浏览器与前端工程中的落地边界,讨论它能否成为前端 AI 工程的标准接口,并给出当下更务实的架构选择建议。

m0_62937412的博客 387

LangGraph 本地 build 频频翻车,最终在服务器跑通流式对话

先说结论:我本地那个,一次都没成功过。三次,三次,全挂在拉镜像上。而顺得像刚上过油。这就很像我高中那辆自行车:骑着能走,一上锁就坏。那天晚上我盯着终端里那行红字看了很久,想的不是技术方案,想的是——为什么同一个工具,可以一边让我觉得自己很行,一边让我觉得自己不太行。

人工智能AI技术 320

带着小白学习-微服务-6 实战:网关

地址栏输入:http://localhost:8088/goods/index,这时候就不是到8100端口去调用了,而是8088直接通过路由转发,分别到nacos对应的goods对应的服务中区调用。** 可以看出,这里将前面已经正常运行的server-store子工程(库存服务,服务提供方),server-goods子工程(商品服务,服务消费方)。(1)uri: lb://store 代表要到nacos的注册中心的服务列表中找到服务名为store的微服务;,网关是做路由转发,不是服务调用;

wdyan297的博客 236

海外平台频繁弹验证?从 DNS、WebRTC 到浏览器指纹的环境异常排查清单

在运营多地区海外平台账号时,即使代理节点通畅、TCP 握手成功,仍可能遇到频繁人机验证、地区限制、播放失败等异常。核心结论是:这类问题往往不在网络传输层,而在浏览器环境参数与网络出口之间的逻辑自洽性。本文从 DNS 泄漏、WebRTC 穿透、时区与语言匹配、Canvas/WebGL 指纹、TLS 特征五个维度,给出一份可复现的环境异常排查清单,并对比个人手动配置与工程化环境管理方案的适用边界。适用于跨境运营、多账号运维团队。

P1Browser【p1指纹浏览器】的博客 227

智能问诊的流程

本文介绍基于FastAPI构建的医疗多Agent系统MediAgent,通过症状分析、诊断推理与治疗建议等模块协同,实现从问诊到报告生成的完整工作流。系统采用前后端分离架构,结合MySQL、RabbitMQ与Docker实现工程化部署,支持异步化验结果接入。虽当前状态暂存于内存,但已具备可扩展性,未来可通过Redis持久化、消息队列联动及医疗安全机制完善,应用于慢病管理、辅助决策等场景,推动AI在医疗流程中的落地应用。

Joey 的工作空间~ 783

HTML5 History API 详解:前端路由底层原理

pushState改 URL 不刷新popstate接浏览器导航服务端必须兜底 SPA 入口前端路由的本质不是“魔法”,而是:把「URL 字符串」变成「组件渲染函数」的映射表,再让浏览器历史栈和这张表保持同步。

2603_94941239的博客 203
上一篇: 探果 Tengo 知识库功能深度解析:本地 RAG 是怎么跑起来的?
下一篇: 码豹AI编程实战评测:我用一句话让AI做了三个项目,到底靠不靠谱?
FutureLab_AI
博客等级 码龄179天 0粉丝 23原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值