即刻App年轻人的同好社区
下载
20 161
Codepilot 0.38.3 版本已经支持刚发布的 Xiaomi MiMo-V2-Pro 和 MiniMax M2.7 模型
而且小米这个模型未来一周会免费，各位可以来 Codepilot 玩了
只需要在服务商中填入你的 API Key 就行
而且小米这个模型未来一周会免费，各位可以来 Codepilot 玩了
只需要在服务商中填入你的 API Key 就行
歸藏: 小米这波牛逼啊，一下掏出三个顶级模型！ 前几天在 OpenRouter 杀疯了的 Hunter Alpha 就是 MiMo‑V2‑Pro。 MiMo‑V2‑Pro 旗舰模型，主要在 Agent 能力和代码能力上很强。 MiMo‑V2‑Omni：多模态感知模型，负责感知环境为 Agent 模型提供信息。 MiMo‑V2‑TTS：TTS 语音模型负责 Agent 跟人类沟通 而且这几个模型会在接下里的一周提供免费试用，Codepilot 已经支持，填写 Key 就能用。 ------ MiMo‑V2‑Pro 顶级 Agent 编程模型： 总参数超 1T，激活参数 42B，最高支持 100 万上下文 Artificial Analysis 里面中文 LLM 第二，仅次于 GLM-5 测试集成绩来看，成绩非常接近 Sonnet4.6，价格只有 Sonnet 4.6 的 5 分之一。 256K 价格：1/3 美元百万 Token 1M 价格 2/6 美元百万 Token MiMo‑V2‑Omni 全模态理解 LLM： 支持图像、视频和超长音频理解 官方宣称音频理解超过 Gemini3Pro，支持 10 小时以上连续音频理解 图像理解上复杂图表与多学科视觉推理能力 超过 Claude 4.6 Opus 支持音视频联合输入，强调「情景感知 + 未来预测」 原生支持 工具调用、函数执行、UI grounding MiMo‑V2‑TTS 更猛： 支持「自然语言风格指令」，不限于固定标签 支持句中情绪切换、渐变、以及更细粒度的情绪控制 中英双语为主，同时支持多种方言风格 还支持人物化声音，例如孙悟空等 咳嗽、叹气、犹豫填充音等非言语声音建模 会用大小写、重复字符、标点符号作为韵律信号 在同一模型中支持说话与唱歌，能准确捕捉旋律和节奏 详情：mimo.xiaomi.com/zh
8 31
小米这波牛逼啊，一下掏出三个顶级模型！
前几天在 OpenRouter 杀疯了的 Hunter Alpha 就是 MiMo‑V2‑Pro。
MiMo‑V2‑Pro 旗舰模型，主要在 Agent 能力和代码能力上很强。
MiMo‑V2‑Omni：多模态感知模型，负责感知环境为 Agent 模型提供信息。
MiMo‑V2‑TTS：TTS 语音模型负责 Agent 跟人类沟通
而且这几个模型会在接下里的一周提供免费试用，Codepilot 已经支持，填写 Key 就能用。
------
MiMo‑V2‑Pro 顶级 Agent 编程模型：
总参数超 1T，激活参数 42B，最高支持 100 万上下文
Artificial Analysis 里面中文 LLM 第二，仅次于 GLM-5
测试集成绩来看，成绩非常接近 Sonnet4.6，价格只有 Sonnet 4.6 的 5 分之一。
256K 价格：1/3 美元百万 Token
1M 价格 2/6 美元百万 Token
MiMo‑V2‑Omni 全模态理解 LLM：
支持图像、视频和超长音频理解
官方宣称音频理解超过 Gemini3Pro，支持 10 小时以上连续音频理解
图像理解上复杂图表与多学科视觉推理能力 超过 Claude 4.6 Opus
支持音视频联合输入，强调「情景感知 + 未来预测」
原生支持 工具调用、函数执行、UI grounding
MiMo‑V2‑TTS 更猛：
支持「自然语言风格指令」，不限于固定标签
支持句中情绪切换、渐变、以及更细粒度的情绪控制
中英双语为主，同时支持多种方言风格
还支持人物化声音，例如孙悟空等
咳嗽、叹气、犹豫填充音等非言语声音建模
会用大小写、重复字符、标点符号作为韵律信号
在同一模型中支持说话与唱歌，能准确捕捉旋律和节奏
详情：mimo.xiaomi.com/zh
前几天在 OpenRouter 杀疯了的 Hunter Alpha 就是 MiMo‑V2‑Pro。
MiMo‑V2‑Pro 旗舰模型，主要在 Agent 能力和代码能力上很强。
MiMo‑V2‑Omni：多模态感知模型，负责感知环境为 Agent 模型提供信息。
MiMo‑V2‑TTS：TTS 语音模型负责 Agent 跟人类沟通
而且这几个模型会在接下里的一周提供免费试用，Codepilot 已经支持，填写 Key 就能用。
------
MiMo‑V2‑Pro 顶级 Agent 编程模型：
总参数超 1T，激活参数 42B，最高支持 100 万上下文
Artificial Analysis 里面中文 LLM 第二，仅次于 GLM-5
测试集成绩来看，成绩非常接近 Sonnet4.6，价格只有 Sonnet 4.6 的 5 分之一。
256K 价格：1/3 美元百万 Token
1M 价格 2/6 美元百万 Token
MiMo‑V2‑Omni 全模态理解 LLM：
支持图像、视频和超长音频理解
官方宣称音频理解超过 Gemini3Pro，支持 10 小时以上连续音频理解
图像理解上复杂图表与多学科视觉推理能力 超过 Claude 4.6 Opus
支持音视频联合输入，强调「情景感知 + 未来预测」
原生支持 工具调用、函数执行、UI grounding
MiMo‑V2‑TTS 更猛：
支持「自然语言风格指令」，不限于固定标签
支持句中情绪切换、渐变、以及更细粒度的情绪控制
中英双语为主，同时支持多种方言风格
还支持人物化声音，例如孙悟空等
咳嗽、叹气、犹豫填充音等非言语声音建模
会用大小写、重复字符、标点符号作为韵律信号
在同一模型中支持说话与唱歌，能准确捕捉旋律和节奏
详情：mimo.xiaomi.com/zh
27 1711
Claude Code 创建者写的如何使用和创建 Skills
如果你还不了解的话，强烈推荐看看！
Anthropic 内部现在有数百个 Skills 在用，从 API 文档到部署流程全覆盖。他们把这些经验总结出来了。
做个笔记📒：
======
Skills 不只是 Markdown 文件
很多人以为 Skills 就是写个 Markdown 文档，其实不是。Skills 是一个文件夹，里面可以放脚本、资源文件、数据，甚至注册钩子函数。
代理可以发现这些内容，读取它们，执行脚本，在特定时机触发钩子。这才是 Skills 最有意思的地方。
最好的 Skills 都在创造性地使用这些配置选项和文件夹结构。
======
九种 Skills 类型
Anthropic 把内部的 Skills 整理了一遍，发现它们基本归为九类。好的 Skills 能明确归入一类，混乱的 Skills 往往跨了好几类。
------
1. 库与 API 参考
解释怎么用某个库、CLI 或 SDK。可以是内部库，也可以是 Claude 经常搞错的常用库。
通常包含一个代码片段文件夹，加上一份"别踩这些坑"的清单。
比如：
▸ billing-lib — 你们内部计费库的边界情况和常见坑
▸ internal-platform-cli — 内部 CLI 的每个子命令和使用场景
▸ frontend-design — 让 Claude 更懂你们的设计系统
------
2. 产品验证
描述怎么测试或验证代码是否正常工作。通常配合 Playwright、tmux 这些工具。
验证 Skills 极其重要，值得让工程师花一周时间专门打磨。
可以让 Claude 录制测试视频，或者在每一步强制执行程序化断言。这些通常通过在 Skill 里放各种脚本实现。
比如：
▸ signup-flow-driver — 在无头浏览器里跑注册流程，每步都有状态断言钩子
▸ checkout-verifier — 用 Stripe 测试卡驱动结账界面，验证发票状态
▸ tmux-cli-driver — 测试需要 TTY 的交互式命令行工具
------
3. 数据获取与分析
连接你的数据和监控栈。可能包含带凭据的数据获取库、仪表盘 ID、常见工作流说明。
比如：
▸ datadog-metrics — 预设的仪表盘链接和常用查询
▸ postgres-query-helper — 连接生产数据库的只读凭据和常用查询模板
▸ user-analytics — 获取用户行为数据的脚本和分析模板
------
4. 业务自动化
自动化重复的业务流程。比如创建 Jira ticket、发 Slack 通知、更新文档。
这类 Skills 通常包含调用内部 API 的脚本，加上业务流程的说明。
比如：
▸ incident-reporter — 创建事故报告并通知相关人员
▸ release-notes-generator — 从 Git 提交生成发布说明
▸ onboarding-automation — 新员工入职的自动化流程
------
5. 代码脚手架
生成项目或组件的初始代码结构。包含模板文件和生成脚本。
比如：
▸ react-component-scaffold — 生成符合团队规范的 React 组件
▸ api-endpoint-generator — 生成 API 端点的样板代码和测试
▸ microservice-template — 创建新微服务的完整结构
------
6. 代码质量与审查
帮助审查代码质量、安全性、性能。可能包含 linter 配置、审查清单、自动化检查脚本。
比如：
▸ security-review — 安全审查清单和常见漏洞检查
▸ performance-profiler — 性能分析工具和优化建议
▸ code-review-checklist — 代码审查的标准流程
------
7. CI/CD 与部署
管理持续集成和部署流程。包含部署脚本、环境配置、回滚流程。
比如：
▸ deploy-to-staging — 部署到测试环境的完整流程
▸ rollback-helper — 快速回滚的脚本和检查清单
▸ ci-debugger — 调试 CI 失败的常用方法
------
8. 运行手册
处理生产环境问题的操作指南。通常是"如果 X 发生了，做 Y"的格式。
这类 Skills 在紧急情况下特别有用，因为它们把经验固化成了可执行的步骤。
比如：
▸ database-recovery — 数据库故障恢复流程
▸ traffic-spike-handler — 流量激增时的应对措施
▸ memory-leak-debugger — 内存泄漏排查步骤
------
9. 基础设施运维
管理云资源、容器、网络配置。包含 Terraform 脚本、Kubernetes 配置、监控设置。
比如：
▸ aws-resource-manager — 管理 AWS 资源的脚本和最佳实践
▸ k8s-troubleshooter — Kubernetes 常见问题排查
▸ terraform-helper — Terraform 模块和使用指南
======
写好 Skills 的最佳实践
Anthropic 总结了一些实用的技巧，都是从实际使用中提炼出来的。
------
写明 Gotchas
把常见错误和陷阱明确列出来。Claude 会认真读这些内容，避免重复犯错。
比如在 API 文档里写："注意：这个端点有速率限制，每秒最多 10 次请求。超过会返回 429 错误。"
------
利用文件系统做渐进式披露
不要把所有信息都塞在一个 Markdown 文件里。用文件夹结构组织内容，让 Claude 按需探索。
比如：
```
my-skill/
README.md # 概览和快速开始
examples/ # 代码示例
scripts/ # 辅助脚本
reference/ # 详细文档
gotchas.md # 常见陷阱
```
Claude 会先读 README，需要时再深入其他文件。
------
存脚本和辅助库
把可复用的脚本放在 Skill 里，而不是让 Claude 每次都重写。
这些脚本可以是 Python、Bash、Node.js，任何能执行的东西。Claude 可以直接调用它们，或者读取代码学习怎么用。
------
使用稳定存储做记忆
Skills 可以访问 `${CLAUDE_PLUGIN_DATA}` 目录，这是一个持久化存储位置。
可以用来保存：
▸ 上次运行的状态
▸ 用户偏好设置
▸ 缓存的数据
▸ 历史记录
这样 Skill 就有了"记忆"，可以在多次会话间保持状态。
------
按需钩子保护危险操作
对于可能造成破坏的操作（删除数据、部署到生产环境），使用按需钩子（on-demand hooks）。
这会在执行前弹出确认提示，让用户明确批准。
比如在 Skill 的 frontmatter 里配置：
```yaml
hooks:
on_demand:
- name: deploy-to-prod
command: ./scripts/deploy.sh production
confirm: "确定要部署到生产环境吗？"
```
------
用 PreToolUse 做度量
可以注册 PreToolUse 钩子来记录 Skill 的使用情况。
这样能知道哪些 Skills 最常用，哪些需要改进，哪些可以下线。
======
分发 Skills
Skills 的一大优势是可以跟团队共享。有两种方式：
------
签入代码仓库
把 Skills 放在 `./.claude/skills` 目录下，跟代码一起提交。
适合小团队，在少数几个仓库间协作。但每个签入的 Skill 都会占用模型的上下文，所以不能无限增加。
------
插件市场
创建一个内部插件市场，让用户上传和安装插件。
适合大团队。用户可以选择安装哪些 Skills，不会污染所有人的上下文。
Anthropic 没有集中式团队管理市场，而是有机地发现有用的 Skills。如果你有个好 Skill，上传到 GitHub 的沙箱文件夹，在 Slack 里分享链接。
如果很多人觉得有用，就会被推广到正式市场。
======
管理市场的实用建议
------
设置沙箱区域
在市场里创建一个"实验性"或"社区贡献"区域，让人们可以自由上传。
好的 Skills 会自然浮现，然后可以移到"官方推荐"区域。
------
鼓励文档和示例
要求每个 Skill 都有清晰的 README 和使用示例。
没有文档的 Skills 很难被采用，即使功能很好。
------
定期清理
定期检查哪些 Skills 没人用，考虑下线或合并。
市场里 Skills 太多会让人不知道选哪个，保持精简很重要。
------
收集反馈
提供简单的方式让用户反馈 Skills 的问题和改进建议。
可以是 GitHub Issues，也可以是 Slack 频道。
======
实际案例
Anthropic 分享了几个他们内部最受欢迎的 Skills：
------
commit-helper
帮助写符合团队规范的 Git 提交信息。
包含提交信息模板、常见类型（feat/fix/docs）的说明、以及检查提交信息格式的脚本。
使用频率极高，因为每个人每天都要提交代码。
------
pr-reviewer
自动化代码审查流程。
会检查代码风格、测试覆盖率、安全问题，生成审查评论。
节省了大量人工审查时间，让审查者可以专注于逻辑和架构问题。
------
incident-response
生产环境事故响应流程。
包含排查清单、常用命令、通知模板、事后总结模板。
在紧急情况下特别有用，因为它把经验固化成了清晰的步骤。
------
api-docs
内部 API 的完整文档和使用示例。
Claude 经常需要调用内部 API，有了这个 Skill 就不用每次都查文档或问人。
------
test-runner
运行测试的标准流程。
包含不同类型测试（单元测试、集成测试、端到端测试）的运行方法，以及如何解读测试结果。
======
Skills 的未来
Anthropic 认为 Skills 会朝几个方向发展：
------
更智能的发现机制
现在 Claude 需要用户明确调用 Skill，未来可能会自动识别场景并推荐相关 Skills。
比如你在写 API 调用代码，Claude 自动建议使用 api-docs Skill。
------
Skills 之间的组合
现在 Skills 基本是独立的，未来可能会支持 Skills 之间的依赖和组合。
比如 deploy-to-prod Skill 可以自动调用 test-runner 和 security-review Skills。
------
动态生成 Skills
根据代码仓库的实际情况，自动生成或更新 Skills。
比如扫描代码库，自动生成 API 文档 Skill。
------
跨团队共享
建立公开的 Skills 市场，让不同公司的团队可以共享通用的 Skills。
比如常用框架（React、Django）的最佳实践 Skills。
======
核心理念
Skills 的本质是把团队的工程实践和领域知识固化成可复用的扩展。
好的 Skills 应该：
▸ 解决真实的重复性问题
▸ 包含清晰的文档和示例
▸ 利用文件夹结构和脚本增强能力
▸ 在需要时提供保护机制
▸ 容易分发和维护
不要为了做 Skill 而做 Skill。从团队的实际痛点出发，把那些每次都要重复的事情固化下来。
一个好的 Skill 能让整个团队的 AI 编程体验提升一个档次。
原文：x.com/op7418/status/2034082485798314489
如果你还不了解的话，强烈推荐看看！
Anthropic 内部现在有数百个 Skills 在用，从 API 文档到部署流程全覆盖。他们把这些经验总结出来了。
做个笔记📒：
======
Skills 不只是 Markdown 文件
很多人以为 Skills 就是写个 Markdown 文档，其实不是。Skills 是一个文件夹，里面可以放脚本、资源文件、数据，甚至注册钩子函数。
代理可以发现这些内容，读取它们，执行脚本，在特定时机触发钩子。这才是 Skills 最有意思的地方。
最好的 Skills 都在创造性地使用这些配置选项和文件夹结构。
======
九种 Skills 类型
Anthropic 把内部的 Skills 整理了一遍，发现它们基本归为九类。好的 Skills 能明确归入一类，混乱的 Skills 往往跨了好几类。
------
1. 库与 API 参考
解释怎么用某个库、CLI 或 SDK。可以是内部库，也可以是 Claude 经常搞错的常用库。
通常包含一个代码片段文件夹，加上一份"别踩这些坑"的清单。
比如：
▸ billing-lib — 你们内部计费库的边界情况和常见坑
▸ internal-platform-cli — 内部 CLI 的每个子命令和使用场景
▸ frontend-design — 让 Claude 更懂你们的设计系统
------
2. 产品验证
描述怎么测试或验证代码是否正常工作。通常配合 Playwright、tmux 这些工具。
验证 Skills 极其重要，值得让工程师花一周时间专门打磨。
可以让 Claude 录制测试视频，或者在每一步强制执行程序化断言。这些通常通过在 Skill 里放各种脚本实现。
比如：
▸ signup-flow-driver — 在无头浏览器里跑注册流程，每步都有状态断言钩子
▸ checkout-verifier — 用 Stripe 测试卡驱动结账界面，验证发票状态
▸ tmux-cli-driver — 测试需要 TTY 的交互式命令行工具
------
3. 数据获取与分析
连接你的数据和监控栈。可能包含带凭据的数据获取库、仪表盘 ID、常见工作流说明。
比如：
▸ datadog-metrics — 预设的仪表盘链接和常用查询
▸ postgres-query-helper — 连接生产数据库的只读凭据和常用查询模板
▸ user-analytics — 获取用户行为数据的脚本和分析模板
------
4. 业务自动化
自动化重复的业务流程。比如创建 Jira ticket、发 Slack 通知、更新文档。
这类 Skills 通常包含调用内部 API 的脚本，加上业务流程的说明。
比如：
▸ incident-reporter — 创建事故报告并通知相关人员
▸ release-notes-generator — 从 Git 提交生成发布说明
▸ onboarding-automation — 新员工入职的自动化流程
------
5. 代码脚手架
生成项目或组件的初始代码结构。包含模板文件和生成脚本。
比如：
▸ react-component-scaffold — 生成符合团队规范的 React 组件
▸ api-endpoint-generator — 生成 API 端点的样板代码和测试
▸ microservice-template — 创建新微服务的完整结构
------
6. 代码质量与审查
帮助审查代码质量、安全性、性能。可能包含 linter 配置、审查清单、自动化检查脚本。
比如：
▸ security-review — 安全审查清单和常见漏洞检查
▸ performance-profiler — 性能分析工具和优化建议
▸ code-review-checklist — 代码审查的标准流程
------
7. CI/CD 与部署
管理持续集成和部署流程。包含部署脚本、环境配置、回滚流程。
比如：
▸ deploy-to-staging — 部署到测试环境的完整流程
▸ rollback-helper — 快速回滚的脚本和检查清单
▸ ci-debugger — 调试 CI 失败的常用方法
------
8. 运行手册
处理生产环境问题的操作指南。通常是"如果 X 发生了，做 Y"的格式。
这类 Skills 在紧急情况下特别有用，因为它们把经验固化成了可执行的步骤。
比如：
▸ database-recovery — 数据库故障恢复流程
▸ traffic-spike-handler — 流量激增时的应对措施
▸ memory-leak-debugger — 内存泄漏排查步骤
------
9. 基础设施运维
管理云资源、容器、网络配置。包含 Terraform 脚本、Kubernetes 配置、监控设置。
比如：
▸ aws-resource-manager — 管理 AWS 资源的脚本和最佳实践
▸ k8s-troubleshooter — Kubernetes 常见问题排查
▸ terraform-helper — Terraform 模块和使用指南
======
写好 Skills 的最佳实践
Anthropic 总结了一些实用的技巧，都是从实际使用中提炼出来的。
------
写明 Gotchas
把常见错误和陷阱明确列出来。Claude 会认真读这些内容，避免重复犯错。
比如在 API 文档里写："注意：这个端点有速率限制，每秒最多 10 次请求。超过会返回 429 错误。"
------
利用文件系统做渐进式披露
不要把所有信息都塞在一个 Markdown 文件里。用文件夹结构组织内容，让 Claude 按需探索。
比如：
```
my-skill/
README.md # 概览和快速开始
examples/ # 代码示例
scripts/ # 辅助脚本
reference/ # 详细文档
gotchas.md # 常见陷阱
```
Claude 会先读 README，需要时再深入其他文件。
------
存脚本和辅助库
把可复用的脚本放在 Skill 里，而不是让 Claude 每次都重写。
这些脚本可以是 Python、Bash、Node.js，任何能执行的东西。Claude 可以直接调用它们，或者读取代码学习怎么用。
------
使用稳定存储做记忆
Skills 可以访问 `${CLAUDE_PLUGIN_DATA}` 目录，这是一个持久化存储位置。
可以用来保存：
▸ 上次运行的状态
▸ 用户偏好设置
▸ 缓存的数据
▸ 历史记录
这样 Skill 就有了"记忆"，可以在多次会话间保持状态。
------
按需钩子保护危险操作
对于可能造成破坏的操作（删除数据、部署到生产环境），使用按需钩子（on-demand hooks）。
这会在执行前弹出确认提示，让用户明确批准。
比如在 Skill 的 frontmatter 里配置：
```yaml
hooks:
on_demand:
- name: deploy-to-prod
command: ./scripts/deploy.sh production
confirm: "确定要部署到生产环境吗？"
```
------
用 PreToolUse 做度量
可以注册 PreToolUse 钩子来记录 Skill 的使用情况。
这样能知道哪些 Skills 最常用，哪些需要改进，哪些可以下线。
======
分发 Skills
Skills 的一大优势是可以跟团队共享。有两种方式：
------
签入代码仓库
把 Skills 放在 `./.claude/skills` 目录下，跟代码一起提交。
适合小团队，在少数几个仓库间协作。但每个签入的 Skill 都会占用模型的上下文，所以不能无限增加。
------
插件市场
创建一个内部插件市场，让用户上传和安装插件。
适合大团队。用户可以选择安装哪些 Skills，不会污染所有人的上下文。
Anthropic 没有集中式团队管理市场，而是有机地发现有用的 Skills。如果你有个好 Skill，上传到 GitHub 的沙箱文件夹，在 Slack 里分享链接。
如果很多人觉得有用，就会被推广到正式市场。
======
管理市场的实用建议
------
设置沙箱区域
在市场里创建一个"实验性"或"社区贡献"区域，让人们可以自由上传。
好的 Skills 会自然浮现，然后可以移到"官方推荐"区域。
------
鼓励文档和示例
要求每个 Skill 都有清晰的 README 和使用示例。
没有文档的 Skills 很难被采用，即使功能很好。
------
定期清理
定期检查哪些 Skills 没人用，考虑下线或合并。
市场里 Skills 太多会让人不知道选哪个，保持精简很重要。
------
收集反馈
提供简单的方式让用户反馈 Skills 的问题和改进建议。
可以是 GitHub Issues，也可以是 Slack 频道。
======
实际案例
Anthropic 分享了几个他们内部最受欢迎的 Skills：
------
commit-helper
帮助写符合团队规范的 Git 提交信息。
包含提交信息模板、常见类型（feat/fix/docs）的说明、以及检查提交信息格式的脚本。
使用频率极高，因为每个人每天都要提交代码。
------
pr-reviewer
自动化代码审查流程。
会检查代码风格、测试覆盖率、安全问题，生成审查评论。
节省了大量人工审查时间，让审查者可以专注于逻辑和架构问题。
------
incident-response
生产环境事故响应流程。
包含排查清单、常用命令、通知模板、事后总结模板。
在紧急情况下特别有用，因为它把经验固化成了清晰的步骤。
------
api-docs
内部 API 的完整文档和使用示例。
Claude 经常需要调用内部 API，有了这个 Skill 就不用每次都查文档或问人。
------
test-runner
运行测试的标准流程。
包含不同类型测试（单元测试、集成测试、端到端测试）的运行方法，以及如何解读测试结果。
======
Skills 的未来
Anthropic 认为 Skills 会朝几个方向发展：
------
更智能的发现机制
现在 Claude 需要用户明确调用 Skill，未来可能会自动识别场景并推荐相关 Skills。
比如你在写 API 调用代码，Claude 自动建议使用 api-docs Skill。
------
Skills 之间的组合
现在 Skills 基本是独立的，未来可能会支持 Skills 之间的依赖和组合。
比如 deploy-to-prod Skill 可以自动调用 test-runner 和 security-review Skills。
------
动态生成 Skills
根据代码仓库的实际情况，自动生成或更新 Skills。
比如扫描代码库，自动生成 API 文档 Skill。
------
跨团队共享
建立公开的 Skills 市场，让不同公司的团队可以共享通用的 Skills。
比如常用框架（React、Django）的最佳实践 Skills。
======
核心理念
Skills 的本质是把团队的工程实践和领域知识固化成可复用的扩展。
好的 Skills 应该：
▸ 解决真实的重复性问题
▸ 包含清晰的文档和示例
▸ 利用文件夹结构和脚本增强能力
▸ 在需要时提供保护机制
▸ 容易分发和维护
不要为了做 Skill 而做 Skill。从团队的实际痛点出发，把那些每次都要重复的事情固化下来。
一个好的 Skill 能让整个团队的 AI 编程体验提升一个档次。
原文：x.com/op7418/status/2034082485798314489
63 439
Open AI 发布了 GPT-5.4 Mini 和 Nano 两个模型
把 GPT‑5.4 能力下放到更快、更便宜的小模型，用来当“执行层”和子 Agent 主力。
GPT‑5.4 mini：
- 定位即时响应的代码助手
- 大模型规划 + mini 并行执行的子智能体
- 解析复杂 UI 截图的 computer use
- 代码、推理、多模态、工具使用都有明显提升
GPT‑5.4 nano：
- 定位速度 / 成本敏感的简单任务
- 分类、数据抽取、排序
- 简单辅助的子 Agent
性能：GPT‑5.4 > GPT‑5.4 mini ≈ GPT‑5.4 nano > GPT‑5 mini
价格：
GPT‑5.4 mini：0.75 / 4.50 美元百万 Token
GPT‑5.4 nano：0.20 / 1.25 美元百万 Token
把 GPT‑5.4 能力下放到更快、更便宜的小模型，用来当“执行层”和子 Agent 主力。
GPT‑5.4 mini：
- 定位即时响应的代码助手
- 大模型规划 + mini 并行执行的子智能体
- 解析复杂 UI 截图的 computer use
- 代码、推理、多模态、工具使用都有明显提升
GPT‑5.4 nano：
- 定位速度 / 成本敏感的简单任务
- 分类、数据抽取、排序
- 简单辅助的子 Agent
性能：GPT‑5.4 > GPT‑5.4 mini ≈ GPT‑5.4 nano > GPT‑5 mini
价格：
GPT‑5.4 mini：0.75 / 4.50 美元百万 Token
GPT‑5.4 nano：0.20 / 1.25 美元百万 Token
12 02
Midjourney V8 模型终于发布了！
跑了几张图试了一下，发现基础的提示词风格跟 V7 有差别，但是不多。
可能增强在那些定制化的审美表现上吧。
具体官方发布的更新内容有：
在复杂提示词遵循上更强
图像更连贯，更理解你的审美偏好
文字渲染更好。
个性化风格参考在情绪板上的效果也大幅增强。
图像生成速度为之前的 5 倍
支持多种长宽比
还有各种参数，兼容 V7 的各种设置和资产
也增加了 2K 的 HD 模式，可以直接直出 2K 图。
目前在 Midjourney alpha 网站上测试
跑了几张图试了一下，发现基础的提示词风格跟 V7 有差别，但是不多。
可能增强在那些定制化的审美表现上吧。
具体官方发布的更新内容有：
在复杂提示词遵循上更强
图像更连贯，更理解你的审美偏好
文字渲染更好。
个性化风格参考在情绪板上的效果也大幅增强。
图像生成速度为之前的 5 倍
支持多种长宽比
还有各种参数，兼容 V7 的各种设置和资产
也增加了 2K 的 HD 模式，可以直接直出 2K 图。
目前在 Midjourney alpha 网站上测试
27 42
36 28
果然，Agent 只要有新形态，Manus 就会跟进。
他们发布了 My Computer，可以在你本地运行 AI Agent，操纵你的本地文件、运行自动化工作流。
有 Window 和 Mac OS 版本。
他们发布了 My Computer，可以在你本地运行 AI Agent，操纵你的本地文件、运行自动化工作流。
有 Window 和 Mac OS 版本。
00:56
57 1122
