AI 前沿

前沿技术与落地实践，追踪 AI 领域最新动态

08.25/5 MIN

Huashu-Excel正式发布！可能、也许、大概是最好用的Excel数据处理和分析skill

我已经3年多没工作过了，按理说呢，我其实没那么多数据分析需求了，那我为啥要做这么个skill？压测里撞出来的几十个bug和缺陷，大部分已经修回skill里，还有两个已知的挂在改进清

05.21/5 MIN

重新定义Skill开发：保姆级教程&一站式开发助手发布

05.21/5 MIN

网盘存量代码迁移实战：我们如何用三层架构管住 AI 的输出

05.20

终于有人把 71 套顶级产品设计规范，做成了一个 Skills

想做一个页面，脑子里大概知道要“高级一点”“像 Stripe 那种”“有 Apple 的简洁感”“参考 Linear 的效率感”，但真正落到颜色、字体、间距、组件、布局时，又很难说清楚。作品出来又感觉：设计稿看起来“差点意思”UI 细节总差一口气让 AI 改来改去，越改越乱想借鉴品牌风格，又担心变成

05.17

Perplexity：每一个 Skill 都是一项税

精读《Designing, Refining, and Maintaining Agent Skills at Perplexity》之一原文作者：Perplexity Research 原文标题：Designing, Refining, and Maintaining Agent Skill

05.16

B 端产品设计 Skill 怎么做？结构对了，比你想的简单

上篇写了微信小程序设计 Skill，有人问：B 端是不是太复杂了，感觉怎么做效果都不理想？先回答这个问题B 端规范确实更重——组件更多、状态更复杂、业务差异更大。但复杂不等于难做。B 端设计规范本身就有结构，结构清晰的东西反而更适合做成 Skill。难的不是做，是得知道该装什么，还得知道怎么验证它真

05.16

26个PPT生成Skill，我做了一次系统梳理

unsetunset写在前面unsetunset 做 PPT 这件事正在被 AI Agent 重新定义。不是那种"输入标题，输出一堆丑模板"的传统工具——而是在 Claude Code、Codex、Cursor 这些 AI 编程环境里，用自然语言告诉 AI 你要什么，它就在你的电脑上生成一份完整

05.16

AI 测试用例审核 Skill：把用例评审从“凭经验”变成“可评分”

关注霍格沃兹测试学院公众号，回复「资料」, 领取人工智能测试开发技术合集导读测试用例写完以后，最怕的不是数量不够，而是评审会上被连续追问： “这个前置条件是什么？” “这里为什么直接跳到下一步？” “预期结果怎么算出来的？” “边界值有没有覆盖？” “PRD 里这个互斥规则，用例体现了吗？”

05.15

Perplexity 首次公开了内部 Skill 设计指南

我之所以把这篇写得更长，是因为我没有闲暇时间把它缩短。—— 十七世纪法国思想家布莱兹·帕斯卡（Blaise Pascal）帕斯卡的这句名言，现在成了 Perplexity 开发者的核心准则。 Perplexity 认为，开发高质量 Agent Skill 所需的直觉和实践方法，与构建传统软件完

05.14

大神Karpathy的AI编程避坑指南与开源Skill（附安装教程）

当 AI 能完成 80% 的代码，程序员的工作到底会变成什么样？如果你关注 AI 编程，大概率在年初被Andrej Karpathy（OpenAI创始成员、前特斯拉 AI 总监）的一篇帖子刷屏了。这位 AI 领域的顶级大神，用亲身经历描述了过去两个月里，自己编程工作流的巨大变化。近日，有人将他的核心

05.14

skills-refiner 2.0：如何做好Skills的系统化治理

 导读skills-refiner 2.0 在 1.0 的「设计层审计」之上（使用skills-refiner提升skill质量），把问题扩展到已安装 skills 的拓扑、来源、本地证据与保守治理；原则仍是 「AI judges, scripts collect」，即由脚本收集

05.14

Skill Factory：三天手搓面向Harness设计的技能工厂（附AI coding实践）

阿里妹导读文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。一、出发点最近深度体验了一把从产品设计、UI/UX，到前后端开发，再到核心算法落地的全流程闭环。目前终于成功把流程 Run 起来，虽然在高并发处理和算法精度上还有不少待优化点，但这次实践让我对系统架构的全局把控有了更立体

05.13

AI吞噬软件的叙事要分化了？

读到一篇关于 AI Agent 开发的博客，作者在复盘一个困扰自己一年多的 skill 设计问题。这个问题拖了很久，期间试过不少方案，一直没真正解决。后来技术条件变了，原来卡住的地方终于能做了，问题也随之解开。但真正让我停下来的，不是问题本身，而是他在复盘里写的那几句：如果每遇到一个局部问题，就不断

05.13

鹅厂员工觉得好的code模型应该具备什么能力？

摘要：你是否遇到过这样的情况：让 AI 帮你写一个 MCP 服务，结果它每次都给你不同的代码结构，有时忘了错误处理，有时漏了关键配置，你还得反复提醒它“加上 stdio 传输”、“记得写 README”？这不是 AI 不够聪明，而是它缺少一套可复用的标准化工作流。Anthropic 推出的&nbsp