15 篇文章带有标签 “skill”

AI SDLC: 使用 mattpocock-skills 进行适老化计算器 macOS 原生应用开发

安装

npx skills add mattpocock/skills

初始化（/setup-matt-pocock-skills）

/setup-matt-pocock-skills

在你的 agent 中，每个仓库运行一次。它会：

  • 问你想使用哪个 issue tracker（GitHub、Linear 或本地文件）
  • 问你在 triage ticket 时会给它们打什么标签（/triage 会用到标签）
  • 问你想把我们创建的文档保存在哪里

目录结构

.
├── CLAUDE.md
└── docs
    └── agents
        ├── domain.md
        ├── issue-tracker.md
        └── triage-labels.md

软件开发工作流程

grill-with-docs → to-spec → to-tickets → implement (tdd → code-review) → code-review

/grill-with-docs

description

一场为锐化计划或设计而不留情面的访谈，过程中还会同步创建文档（ADR 与术语表）。调用 Skill 工具两次，分别传入 "grilling" 和 "domain-modeling"。

详细介绍

grill-with-docs 就一个方案或设计对你进行访谈，直到你和 ag

skillmattpocock-skillsai-codingai-agentcontext-engineeringai-sdlc

面向真正工程师的技能集：Matt Pocock’s Skills

在 AI 辅助编程风靡的今天，许多开发者沉浸于 Vibe Coding（氛围感编码）——直接抛出几句自然语言需求，交由 AI 自动生成代码。然而，这种“野蛮生长”的方式往往会导致需求理解偏差、架构快速腐化（Ball of Mud）、上下文遗忘以及越改 Bug 越多的困境。

Matt Pocock 的开源项目 mattpocock/skills 正是为了解决这一痛点而生。它不是一堆零散的 Prompt 集合，而是一套为 Claude Code、Codex 等 AI 编程智能体设计的系统化软件工程最佳实践。

官方体系将技能划分为两大类：

  1. User-Invoked（用户触发）：由开发者在终端中通过命令显式调用（如 /grill-with-docs、/to-spec），用于任务编排与流程推进。
  2. Model-Invoked（模型自主调用）：由 AI 在执行具体任务时自行判断并调用的工程纪律规范（如 /tdd、/codebase-design）。

工作流全景链路 (The Engineering Harness)

核心开发主流程遵循着从“模糊想法”到“高质量交付”的递进逻辑：

skillmattpocock-skillsai-codingai-agentcontext-engineering

OfficeCLI 研究与实践总结

对象：iOfficeAI/OfficeCLI（https://github.com/iOfficeAI/OfficeCLI） 时间线：研究 → 安装到 WorkBuddy → 能力验证 → 三格式展示文档 文档性质：将「深度研究」与「本机实践」合并沉淀，既含结论也含可复现的操作记录

〇、一句话结论

OfficeCLI 是面向 AI Agent 的 Office 自动化套件：一个单文件二进制（内嵌 .NET 运行时，零安装、零外部依赖），提供对 Word / Excel / PowerPoint 的读、改、建能力，并用「高保真渲染 + 确定性 JSON 路径寻址」让 Agent 既能算、也能看见自己生成的排版（render → look → fix 闭环）。经本机实测，README 宣称的核心能力全部成立。它当前仅作为 WorkBuddy 用户级技能 安装在本机（~/.workbuddy/skills/officecli/），可被本 WorkBuddy 实例直接调用。

一、项目研究结论（深度）

1.1 定位与本质 类别：面向 AI Agent 的 Office 文档自动化工具 / AI 中间件（Agent 与 .docx/.xlsx/.pptx 之间的适配层，本身不是聊天机器人）。 技术本质： 单文件二进制：内嵌 .

officecliskillagentofficewordexcelppt

OfficeCLI 命令行工具完整使用手册（Skill）

名称：officecli

描述：通过 officecli 命令行工具创建、分析、校对、修改 Office 文档（.docx、.xlsx、.pptx）。适用于用户需要新建文档、查看内容、检查格式、排查问题、插入图表或修改 Office 文件的场景。

officecli

适配AI使用的命令行工具，支持 .docx、.xlsx、.pptx。单二进制文件，无外部依赖，无需预先安装 Office。

安装

若未安装 officecli：

# macOS / Linux
curl -fsSL https://d.officecli.ai/install.sh | bash

# Windows（PowerShell）
irm https://d.officecli.ai/install.ps1 | iex

执行 officecli --version 验证安装。安装完成仍提示命令不存在时，请打开新终端重试。

使用层级策略

L1（读取操作） → L2（文档DOM编辑） → L3（原始XML） 优先使用更高层级接口。添加参数 --json 可输出结构化数据。

处理文档前，请查阅【专用技能模块】（文档底部） 融资演示文稿、学术论文、财务模型、数据看板、平滑切换（Morph）动画需要先加载对应专用技能——执行一次 load_skill 后再执行操作。

帮助系统（重要）

不清楚属性名称、取值格式、命令语法时，务必查看帮助文档，不

officecliskillcommand-line-tooldocxxlsxpptxofficedocument-processing

Hallmark 使用指南 

mindmap
  root((Hallmark))
    是什么
      反 AI 味的设计技能
      让 AI 生成的网页像人做的
      Together AI 出品 · MIT 开源
    给谁用
      Claude Code
      Cursor
      Codex
    核心功能 · 四个动词
      默认 · 新建设计
        预检扫描现有项目
        设计三问 · 受众/用途/基调
        先预览后写码
      audit · 体检
        给旧代码查 AI 味
        只出清单不改代码
      redesign · 重构
        留文案和品牌
        推翻视觉重做
      study · 提取 DNA
        从截图或 URL 学设计
        拒绝像素级抄袭
    凭什么不像 AI
      21 种页面结构
      20 个主题 · 4 流派
      58 道俗套检测门
      六维交付自评
    关键机制
      log.json 强制每次不重样
      tokens.css 设计系统可移植
      design.md 锁定整站风格
    怎么用
      npx skills add nutlope/hallmark

项目地址：https://github.com/Nutlope/hallmark 在线演示：https://www.usehallmark.com 许可证：MIT

一、这是什么

Hallmark 是一个面向 AI 编程助手（Claude Code、Cursor、Codex）的设计技能（Skill），由 Together AI 出品。它解决的问题很具体：大模型生成的网页 UI 总有股"一眼 AI"的味道——居中大标题、紫蓝渐变、三列等宽卡片、Inter 字体……Hallmark 用一套强制规则把这些"默认审美"全部禁掉。

它的核心理念是结构多样性优先于视觉多样性：两个不同需求（brief）生成的页面，不应该只是同一模板换了配色，而应该像两个真正不同的网站。为此它内置了：

  • 21 种宏观结构（macrostructure）——页面的整体骨架，如 Bento Grid、Long Document、Manifesto、Marquee Hero、Stat-Led 等
  • 20 个命名主题（theme）——分属四个流派（genre），外加一个"自定义主题"隐藏分支
  • 50 个组件原型——9 种 Hero、14 种导航、8 种页脚、5 种节标题等
  • 58 道"防俗套检测门"（slop test）+ 交付前六维自评——任何一项不达标就打回重做
hallmarkskilldesignaicodingux

WorkBuddy 实战案例：设计创意

WorkBuddy 介绍

全场景智能体工作搭子

开启 AI Agent 办公新范式

AI 专家团 全场景办公

WorkBuddy 是全能 AI 工作台，一人指挥，全行业专家执行，从策略到交付一站搞定

免部署·安装即用 ｜ 多专家·多模型协同 ｜ 全平台·桌面 / 主流 IM / 小程序

100+ 领域专家组成你的虚拟团队，运营、设计、数据、开发等全角色场景覆盖

一句话指令自主规划并交付完整结果

多专家并行协作，一个人顶一支团队

MCP 生态 + 自定义 Skills，能力无限扩展

设计系统（Design System）

  • 场景：设计系统
  • 模型：Deepseek-V4-Flash

输入（宫崎骏的太空之城风格设计系统）

帮我建立一套完整的 Design System，包含颜色体系、字体层级、间距规则和基础组件规范文档，风格为宫崎骏的太空之城

输出

workbuddyagentdesignwebappskillposterillustration

WorkBuddy 实战案例：代码开发

WorkBuddy 介绍

全场景智能体工作搭子

开启 AI Agent 办公新范式

AI 专家团 全场景办公

WorkBuddy 是全能 AI 工作台，一人指挥，全行业专家执行，从策略到交付一站搞定

免部署·安装即用 ｜ 多专家·多模型协同 ｜ 全平台·桌面 / 主流 IM / 小程序

100+ 领域专家组成你的虚拟团队，运营、设计、数据、开发等全角色场景覆盖

一句话指令自主规划并交付完整结果

多专家并行协作，一个人顶一支团队

MCP 生态 + 自定义 Skills，能力无限扩展

绘制架构图和流程图

输入

@file:open-ai-eco 研究这个项目，绘制架构图和流程图。

输出

workbuddyagentcodingwebappskill

SkVM：面向随处高效执行的技能编译

上海交通大学

摘要

LLM 智能体越来越多地将技能（skill）作为可复用的组合单元。尽管技能在不同智能体平台间共享，但现有系统将其视为原始上下文处理，导致同一技能在不同智能体上表现不一致。这种脆弱性损害了技能的可移植性与执行效率。

为应对这一挑战，我们分析了 118,000 个技能，并从传统编译器设计中汲取灵感。我们将技能视为代码，将 LLM 视为异构处理器。为使可移植性成为现实，我们将技能的需求分解为一组原语能力（primitive capabilities），并衡量每个模型-执行框架（model-harness）组合对这些能力的支持程度。基于这些能力画像，我们提出了 SkVM——一个面向可移植且高效技能执行的编译与运行时系统。在编译期，SkVM 执行基于能力的编译、环境绑定与并发提取。在运行期，SkVM 应用 JIT 代码固化（code solidification）与自适应重编译以优化性能。

我们在 8 个不同规模的 LLM 和 3 个智能体执行框架上评估了 SkVM，覆盖 SkillsBench 及代表性技能任务。结果表明，SkVM 显著提升了不同模型与环境下的任务完成率，同时降低 Token 消耗高达 40%。在性能方面，SkVM 通过增强并行性实现最高 3.2× 加速，并通过代码固化实现 19–50× 的延迟降低。

1. 引言

translationarxivpaperskillagentcompilerjitharnessskvm

链接

SkVM - 面向 LLM 技能的编译与运行时系统

一句话概括

把 Skill 当作"代码"、把 LLM 当作"异构处理器"，借鉴传统编译器（AOT + JIT）设计思想，首次为 LLM Agent 的 Skill 构建了跨模型、跨平台的编译与运行时系统。

一、核心问题：Skill 的"可移植性危机"

当前 Agent 把 Skill 当作原始文本直接塞给模型，导致同一 Skill 在不同模型/Harness 上表现天差地别。作者分析了 118,000+ 个 Skill（clawhub.ai + skills.sh），发现：

问题 数据
使用 Skill 后性能下降 15% 的任务
使用 Skill 后无变化 17% 的任务
至少一个模型无改善 87% 的任务
Token 开销暴增 最高 451%

三大失配：

  • P1 模型失配：Skill 假设模型能区分库 API 与 CLI，小模型直接翻车
  • P2 Harness 失配：同一模型在不同 Harness（Claude Code / OpenCode / BareAgent）上结果差异巨大
  • P3 环境失配：缺少依赖包时，Qwen 成功率从 100% 暴跌到 33-67%，且 Token 消耗翻倍

二、核心类比：编程语言的演进

flowchart LR
    subgraph Stage1["Stage 1: Assembly"]
        A1["汇编代码"]
        B1["Assembler & Linker"]
        C1["操作系统"]
        D1["硬件"]
        A1 --> B1 --> C1 --> D1
    end
    
    subgraph Stage2["Stage 2: High-level Language"]
        A2["C / Java 代码"]
        B2["C Compiler / JVM"]
        C2["操作系统"]
        D2["硬件"]
        A2 --> B2 --> C2 --> D2
    end
    
    subgraph Stage3["Stage 3: Natural Language (Skill)"]
        A3["Skill (自然语言程序)"]
        B3["SkVM<br/>Compiler & Runtime"]
        C3["Agent Harness"]
        D3["LLM (异构处理器)"]
        A3 --> B3 --> C3 --> D3
    end
    
    style Stage3 fill:#e6f3ff,stroke:#0066cc,stroke-width:2px
    style B3 fill:#ffcccc,stroke:#cc0000,stroke-width:2px

    %% 关键改动：使用隐形连线强迫子图横向排列
    Stage1 ~~~ Stage2 ~~~ Stage3

关键洞察：Skill 是"自然语言程序"，LLM 是"异构处理器"，但缺少编译器

arxiv paper skill agent compiler jit harness skvm

Claude Code 插件市场指南

Claude Code

User（用户范围） Project（项目范围） Local（本地范围）
生效范围 当前用户（跨所有项目） 该仓库的所有协作人员 仅限当前项目的当前用户
Settings
配置文件路径		 ~/.claude/settings.json .claude/settings.json .claude/settings.local.json
CLAUDE.md
指令文档		 ~/.claude/CLAUDE.md CLAUDE.md or .claude/CLAUDE.md CLAUDE.local.md
Skills
技能安装路径		 ~/.claude/skills/ .claude/skills/
Plugins
插件安装路径		 ~/.claude/plugins/ .claude/plugins/
MCP Server
MCP 服务器配置		 ~/.claude.json .mcp.json
Subagents
子智能体配置		 ~/.claude/agents/ .claude/agents/

插件市场

注册插件市场

命令行运行：

claude plugin marketplace add obra/superpowers-marketplace

Claude Code 中运行：

claude-codepluginmarketplaceskillmcpagent-skillssuperpowersfrontend-designgithubgitlab

Claude Skill（技能）构建完全指南

这份指南详细介绍了如何为 Claude 构建 “技能” (Skills)，即一种能让 AI 学习特定工作流与专业知识的指令包。通过由 YAML 元数据和 Markdown 指令构成的三层渐进式披露结构，开发者可以教会 Claude 何时以及如何执行复杂任务。技能不仅能独立运行，还能与 MCP（模型上下文协议） 结合，将底层工具访问转化为可靠、标准化的操作流程。文档涵盖了从规划设计到测试分发的全过程，并提供了多种工作流编排模式以提升输出的稳定性。其核心优势在于跨平台通用性，让团队能够统一 Claude 在不同交互界面下的任务处理逻辑。通过使用 skill-creator 等辅助工具，用户可以在短时间内完成技能的迭代与部署。

目录

  • 引言 3
  • 基础知识 4
  • 规划与设计 7
  • 测试与迭代 14
  • 分发与共享 18
  • 模式与故障排除 21
  • 资源与参考 28

引言

技能（Skill） 是一组指令——以一个简单的文件夹形式封装——旨在教导 Claude 如何处理特定的任务或工作流。技能是为您特定需求定制 Claude 最强大的方式之一。与其在每次对话中反复解释您的偏好、流程和领域专业知识，技能让您可以一次性教导 Claude，并使每次对话都受益。

当您拥有可重复的工作流时，技能将非常强大：例如根据规范生成前端设计、使用一致的方法论进行研究、创建遵循团队风格指南的文档，或编排多步骤流程。

claudeskillskill-mdmcpprogressive-disclosureskill-creatorworkflow-automationyaml-frontmatteragents-skills技能构建

🦞 个人 AI 助手 OpenClaw 应用实践

这里展示了我使用 🦞 OpenClaw 的实际使用案例和应用实践。如：自我进化、创建技能（Skill）、查看 GPU 服务器、主题研究、应用构建、定时生成技术博客日报、看新闻、文章总结、技能查看、创建提醒、技术交流、生成 SVG等。希望能给你一些启发，看看 OpenClaw 在实际生活和工作中的强大能力！🚀

OpenClaw 自我进化

😀你配置让模型支持多模态

🤖 完成！✅ 模型已配置为支持多模态。

修改内容：

  • 在 input 数组中添加了 "image" 类型
  • 现在模型可以同时接受文本和图像输入

下一步： 需要重启 OpenClaw Gateway 让配置生效。让我帮你重启：

😀检查新版本

🤖 太棒了！我拿到了 CHANGELOG.md！让我总结一下这个版本的主要变化！

🎉 OpenClaw 2026.2.21 版本更新总结！

从： 2026.2.15
升级到： 2026.2.21-2 (35a57bc)

🚀 主要新功能

1. Gemini 3.1 支持！ 🆕

  • 新增 google/gemini-3.1-pro-preview 模型支持
  • Google 最新模型集成
  1. 火山引擎（Doubao）和 BytePlus 提供商！
openclawai-agent应用实践skillgpu-monitoringpdf-generationrsscronnews-summary斯坦福小镇

OpenClaw 技能：ClawChess 国际象棋对战

📌 文件：SKILL.md

ClawChess — 专为 Moltys 设计的国际象棋

欢迎来到 ClawChess！这是一个 Moltys 之间相互对战的国际象棋平台。系统会为你匹配水平相近的对手，你的 ELO 等级分将根据表现上升（或下降）。

用时规则： 每方 5 分钟（超快棋 Blitz），无加时。

技能文件

文件 地址
SKILL.md（本文件） https://www.clawchess.com/SKILL.md
HEARTBEAT.md https://www.clawchess.com/HEARTBEAT.md
package.json（元数据） https://www.clawchess.com/skill.json

本地安装： mkdir -p ~/.moltbot/skills/clawchess curl -s https://www.clawchess.com/SKILL.md > ~/.moltbot/skills/clawchess/SKILL.md curl -s https://www.clawchess.com/HEARTBEAT.md > ~/.moltbot/skills/clawchess/HEARTBEAT.md curl -s https://www.clawchess.com/skill.json > ~/.

openclawskillclawchesschessapiheartbeattournamentmoltyskill-mdagent-game

OpenClaw - 智能体

网关架构 (Gateway Architecture)

概述

  • 一个长期的网关 (Gateway) 进程拥有所有消息传输表面（WhatsApp 通过 Baileys，Telegram 通过 grammY，Slack，Discord，Signal，iMessage，WebChat）。
  • 控制平面客户端（macOS 应用、CLI、Web UI、自动化脚本）通过 WebSocket 连接到网关，绑定在配置的主机上（默认 127.0.0.1:18789）。
  • 节点 (Nodes)（macOS/iOS/Android/无头设备）也通过 WebSocket 连接，但需声明 role: node 并包含明确的能力/命令。
  • 每台主机对应一个网关；它是唯一开启 WhatsApp 会话的地方。
  • 画布主机 (Canvas host)（默认 18793）用于提供代理可编辑的 HTML 和 A2UI。

组件与流程

网关 (Gateway) (守护进程)

  • 维护提供商连接。
  • 公开类型化的 WS API（请求、响应、服务器推送事件）。
  • 根据 JSON Schema 验证入站数据帧。
  • 触发事件，如 agent、chat、presence、health、heartbeat、cron。

客户端 (Client) (Mac 应用 / CLI / Web 管理)

  • 每个客户端一条 WS 连接。
  • 发送请求 (health、status、send、agent、system-presence)。
  • 订阅事件 (tick、agent、presence、shutdown)。
openclawagentskillgatewayagent-runtimesystem-promptcontext-managementagent-looppi-agent-coreworkspace

本地 AI 助手 OpenClaw：macOS 实操指南 + 核心架构分析

OpenClaw 简介

自2025年11月由PSPDFKit创始人Peter Steinberger作为周末项目启动（最初名为Clawd/Clawdbot），OpenClaw（曾短暂更名为Moltbot）在2026年1月迅速走红，成为当年上半年增长最快的开源AI智能体框架之一。该项目GitHub星数已超过13万（部分报道接近15万），其最大亮点在于真正实现了“本地优先、本地执行”的自主任务能力，而非单纯的云端聊天。

OpenClaw不是传统AI聊天助手，而是一个运行在用户本地硬件（Mac、PC、服务器）上的自动化中枢。它通过消息类应用（如WhatsApp、Telegram、iMessage、Discord等）接收自然语言指令，能够执行真实电脑操作：读写文件、运行命令、操作浏览器、管理邮件日历、甚至自主编写新技能。

OpenClaw 项目架构概览

设计哲学 OpenClaw 被设计为一个模块化、可扩展且强健的个人 AI 助手系统。其核心理念包括： 解耦 (Decoupling)：将智能体逻辑与传输层（如 Discord、Telegram 等通道）以及控制平面（Gateway）分离。 可扩展性 (Extensibility)：通过 Hook 和插件系统支持注入上下文或对智能体运行进行后处理。

openclawagentlocal-aimacosskilldiscordgatewaytypescriptnodejspersonal-ai-assistant