即刻App年轻人的同好社区
下载
Claude Code 推出了官方可以远程连接 Telegram 和 discord 的 MCP
直接设置就可以用手机远程控制 CC
具体的操作方式 - Telegram：
创建机器人：
在 Telegram 中打开 BotFather，创建后复制他给你的 Token
安装插件：
/plugin install telegram@claude-plugins-official
配置 Token：
/telegram:configure <token>
使用命令启动：
claude --channels plugin:telegram@claude-plugins-official
Telegram 配对：
打开 Telegram 发送任何信息获取到配对码；
在 Claude Code 里面发送 /telegram:access pair <code>
锁定访问权限：
/telegram:access policy allowlist
具体的操作方式 - Discord：
创建 Discord Bot 并加进自己的服务器
▫ 去  → New Application
▫ 创建 Bot，点「Reset Token」拿到 token
▫ 在 Bot 设置里打开 Message Content Intent
▫ 在 OAuth2 → URL Generator 里勾选 `bot`
▫ 然后给它这些权限：View Channels / Send Messages / Send Messages in Threads / Read Message History / Attach Files / Add Reactions
▫ 打开生成的链接，把 bot 邀请进自己的服务器
安装插件：
/plugin install discord@claude-plugins-official
配置 Token：
/discord:configure <Discord Bot token>
命令启动 ClaudeCode：
claude --channels plugin:discord@claude-plugins-official
配对 Discord 机器人：
私信你的机器人发配对码；
回到 Claude Code 发：
/discord:access pair <配对码>
/discord:access policy allowlist
详情：code.claude.com/docs/en/channels
直接设置就可以用手机远程控制 CC
具体的操作方式 - Telegram：
创建机器人：
在 Telegram 中打开 BotFather，创建后复制他给你的 Token
安装插件：
/plugin install telegram@claude-plugins-official
配置 Token：
/telegram:configure <token>
使用命令启动：
claude --channels plugin:telegram@claude-plugins-official
Telegram 配对：
打开 Telegram 发送任何信息获取到配对码；
在 Claude Code 里面发送 /telegram:access pair <code>
锁定访问权限：
/telegram:access policy allowlist
具体的操作方式 - Discord：
创建 Discord Bot 并加进自己的服务器
▫ 去  → New Application
▫ 创建 Bot，点「Reset Token」拿到 token
▫ 在 Bot 设置里打开 Message Content Intent
▫ 在 OAuth2 → URL Generator 里勾选 `bot`
▫ 然后给它这些权限：View Channels / Send Messages / Send Messages in Threads / Read Message History / Attach Files / Add Reactions
▫ 打开生成的链接，把 bot 邀请进自己的服务器
安装插件：
/plugin install discord@claude-plugins-official
配置 Token：
/discord:configure <Discord Bot token>
命令启动 ClaudeCode：
claude --channels plugin:discord@claude-plugins-official
配对 Discord 机器人：
私信你的机器人发配对码；
回到 Claude Code 发：
/discord:access pair <配对码>
/discord:access policy allowlist
详情：code.claude.com/docs/en/channels
00:17
20 612
飞书做了一个超安全且功能更强大的龙虾！
前段时间，龙虾爆火的时候，飞书因为健全的生态和开放的接入方式，成为了大家国内接入龙虾的首选 IM 平台。
但是毕竟 龙虾 有自己的体系，还有很多安全性问题，所以导致飞书服务的 to B 企业其实很多时候很难自己部署，或者是不敢自己部署。
这次飞书直接把他们的 aily 升级了，升级成了一个更安全、跟飞书契合度更高，而且更懂你的企业和你的龙虾。
你可以一键配置，随后它会直接生成一个联系人作为你的助手。你可以直接让他进行回复，或者在飞书中跟他聊天、给他安排任务。
他能读取你飞书里的所有信息，并帮你完成任务。此外，他还可以调用一些常见工具，甚至获取飞书之外的信息。
而且可以自定义 Skills，比如说：你的日报、PPT、安排日程，这些都可以让它去帮你做。
更强的是，他们还有一个专业版的 Aily，在网页上使用，自带了超级多的 Skills。
比如我这里就让他查找了一下对应的一个群，然后让他总结群里的信息，同时写了一个网页可视化的展示这些信息。
这个对于我们日常的企业管理和一些群的维护是非常好用的，而且还可以自动发送到比如说群里，对吧？
同时，它支持更多超长的指令和复杂任务拆解，以及定时任务。他还给这个 Aily 配备了 Agent 电脑，支持更稳定的调用。
我们都知道龙虾强就强在它丰富的生态，也就是那些 Skills。
这次除了官方内置的大量 Skills 以外，你还可以通过 aily 专业版自己创建 Skills，同时支持上传以前自己制作的 Skills。
这个功能非常厉害，可以将很多个人流程直接落地：
比如我之前做的一些“去 AI 味儿”的指令
还有一些视频剪辑或文本生成的 Skills
你完全可以将自己的工作流落地到 Skills 里，Agent 的创建门槛已经变得非常低了。
目前你可以飞书搜索 Aily，就可以开通 Aily 助手；
同时去网页版（aily.feishu. cn）可以使用专业版的 Aily，都有免费额度，可以去玩玩，非常好玩。
前段时间，龙虾爆火的时候，飞书因为健全的生态和开放的接入方式，成为了大家国内接入龙虾的首选 IM 平台。
但是毕竟 龙虾 有自己的体系，还有很多安全性问题，所以导致飞书服务的 to B 企业其实很多时候很难自己部署，或者是不敢自己部署。
这次飞书直接把他们的 aily 升级了，升级成了一个更安全、跟飞书契合度更高，而且更懂你的企业和你的龙虾。
你可以一键配置，随后它会直接生成一个联系人作为你的助手。你可以直接让他进行回复，或者在飞书中跟他聊天、给他安排任务。
他能读取你飞书里的所有信息，并帮你完成任务。此外，他还可以调用一些常见工具，甚至获取飞书之外的信息。
而且可以自定义 Skills，比如说：你的日报、PPT、安排日程，这些都可以让它去帮你做。
更强的是，他们还有一个专业版的 Aily，在网页上使用，自带了超级多的 Skills。
比如我这里就让他查找了一下对应的一个群，然后让他总结群里的信息，同时写了一个网页可视化的展示这些信息。
这个对于我们日常的企业管理和一些群的维护是非常好用的，而且还可以自动发送到比如说群里，对吧？
同时，它支持更多超长的指令和复杂任务拆解，以及定时任务。他还给这个 Aily 配备了 Agent 电脑，支持更稳定的调用。
我们都知道龙虾强就强在它丰富的生态，也就是那些 Skills。
这次除了官方内置的大量 Skills 以外，你还可以通过 aily 专业版自己创建 Skills，同时支持上传以前自己制作的 Skills。
这个功能非常厉害，可以将很多个人流程直接落地：
比如我之前做的一些“去 AI 味儿”的指令
还有一些视频剪辑或文本生成的 Skills
你完全可以将自己的工作流落地到 Skills 里，Agent 的创建门槛已经变得非常低了。
目前你可以飞书搜索 Aily，就可以开通 Aily 助手；
同时去网页版（aily.feishu. cn）可以使用专业版的 Aily，都有免费额度，可以去玩玩，非常好玩。
32 413
试了一下 LibLib 发布的这个 LibTV，这个有点厉害啊！
尤其是 Skills，感觉突然开窍了。
他们做了一个 AI 视频创作平台。这个系统是同时面向人类和 Agent 设计的：
人类可以操作、Agent 也可以操作、人类和 Agent 还可以相互协作
具体包括两个部分，网站和 Skills。
首先网站：
它是一个无限画布的创作形式，你能用现在几乎市面上所有的图像模型和视频生成模型去创建视频。
支持五种类型的节点：文本、图片、视频、音频和脚本。
如果你用过 ComfyUI 或者其他同类型的这种无限画布式的产品的话，应该很容易上手。
而且你可以在这里一次性充值，就能用到几乎所有的图像和视频生成模型，非常方便。
我试了一下，这部分优化也挺好的，交互各方面都很方便。你拉过去以后，它就能直接选择节点并出现对应的设置，还能实现自动化批量运行。
第二部分就是 Skills：
它的 Skills 支持它所有的功能。你只需要在你的账号右上角生成一个 API Key，然后把它的开源 Skills 地址发给：你的龙虾或者是你的 Claude Code或者 Codex 其实都可以。
然后你的 agent 就可以去调用 LibTV 里面几乎所有的能力和所有的模型，去帮你自动化地生产：视频、图片、脚本。
比如我就直接给了它我那个项目的 GitHub 地址，然后让它读取信息，帮我生成一个类似高级化妆品广告的，这样一个生活方式的产品广告片。
你原有的 AI Agent 里的所有能力都可以调用，自动生成脚本，然后从脚本变成图片，从图片生成视频和音频。
比如说你可以让你的龙虾收集器在晚上帮你收集好昨天的 AI 新闻，然后调用 LibTV 帮你做成播客，甚至可以调用 LibTV 帮你做成视频。
这样你早上起来就可以“收菜”了，无论是你自己看还是发布出去都可以。
甚至你在 Liblib. tv 上创建了自动化的生成，然后你出去以后如果懒得打开网站，你也可以让你的 AI Agent 查询生成进度。
同时，你的 AI Agent 也可以操作你的微调项目，这样的话在外面不方便打开网页的时候也可以工作。
他们在定价上也非常猛：年卡最低可以到 39 折，订阅用户最高赠送 150 条 可灵O3 和 150 条 可灵 3.0。
感兴趣的话可以来这里试试：liblib.tv
尤其是 Skills，感觉突然开窍了。
他们做了一个 AI 视频创作平台。这个系统是同时面向人类和 Agent 设计的：
人类可以操作、Agent 也可以操作、人类和 Agent 还可以相互协作
具体包括两个部分，网站和 Skills。
首先网站：
它是一个无限画布的创作形式，你能用现在几乎市面上所有的图像模型和视频生成模型去创建视频。
支持五种类型的节点：文本、图片、视频、音频和脚本。
如果你用过 ComfyUI 或者其他同类型的这种无限画布式的产品的话，应该很容易上手。
而且你可以在这里一次性充值，就能用到几乎所有的图像和视频生成模型，非常方便。
我试了一下，这部分优化也挺好的，交互各方面都很方便。你拉过去以后，它就能直接选择节点并出现对应的设置，还能实现自动化批量运行。
第二部分就是 Skills：
它的 Skills 支持它所有的功能。你只需要在你的账号右上角生成一个 API Key，然后把它的开源 Skills 地址发给：你的龙虾或者是你的 Claude Code或者 Codex 其实都可以。
然后你的 agent 就可以去调用 LibTV 里面几乎所有的能力和所有的模型，去帮你自动化地生产：视频、图片、脚本。
比如我就直接给了它我那个项目的 GitHub 地址，然后让它读取信息，帮我生成一个类似高级化妆品广告的，这样一个生活方式的产品广告片。
你原有的 AI Agent 里的所有能力都可以调用，自动生成脚本，然后从脚本变成图片，从图片生成视频和音频。
比如说你可以让你的龙虾收集器在晚上帮你收集好昨天的 AI 新闻，然后调用 LibTV 帮你做成播客，甚至可以调用 LibTV 帮你做成视频。
这样你早上起来就可以“收菜”了，无论是你自己看还是发布出去都可以。
甚至你在 Liblib. tv 上创建了自动化的生成，然后你出去以后如果懒得打开网站，你也可以让你的 AI Agent 查询生成进度。
同时，你的 AI Agent 也可以操作你的微调项目，这样的话在外面不方便打开网页的时候也可以工作。
他们在定价上也非常猛：年卡最低可以到 39 折，订阅用户最高赠送 150 条 可灵O3 和 150 条 可灵 3.0。
感兴趣的话可以来这里试试：liblib.tv
26 617
28 181
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
9 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
34 2414
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
64 441
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
