我以为企业微信这种地方 AI Agent进不去，只能手动点 然后发现企微自己出了个CLI工具 装完之后，Agent能干的事有点多—— 发消息、建文档、改智能表格 创建会议、管日程、增删待办 一句话描述任务，它在终端里直接跑 不是Webhook推消息那种程度， 是真的能读写数据、操作业务流程的那种 一行命令装Skill，接进Claude Code或者hermes-agent， 企微的东西就全在Agent工作流里了 2.3k星，MIT免费，企微官方维护 👉 你现在Agent工作流里有没有接企微？ #AgentSkill# #企业微信# #AgentWorkflow#

推荐这个项目，shadcn（shadcn/ui 作者）做了一个 Agent Skill——让最贵的模型做审计和规划，让便宜的模型写代码。这个想法本身不新，但 shadcn 把它做成了一个可安装、可编排、带执行闭环的系统，每个设计决策都很实用。 shadcn/improve：一个 Agent Skill，让最强模型做审计，让便宜模型写代码 核心理念：把智能会累积的那部分——理解代码库、判断什么值得做、写规格——交给最强的模型。执行交给便宜的模型。这个 skill 自己从来不实现任何东西。计划就是产品。 /improve → 全局审计 → 优先级排序的发现 → 计划 用法 /improve # 全局审计 /improve quick # 快速：热点 + 最高优先级 /improve deep # 详尽：每个包、每个类别 /improve security # 关注审计（还有 perf, tests, bugs...） /improve branch # 只看当前分支改了的部分 /improve next # 产品方向建议 /improve plan <描述> # 跳过审计，直接起草一个计划 /improve review-plan <文件> # 批判和收紧已有计划 /improve execute <计划> # 派便宜执行器，审查其工作 /improve reconcile # 刷新 backlog：验证、解锁、退役 内部流程 勘查。 映射仓库：技术栈、规范、准确的构建/测试/lint 命令——这些变成每个计划的验证门。同时读取设计文档（ADR、PRD、CONTEXT.md 等），让已决定的 tradeoff 不再被重新标记。 审计。 并行分派子 agent 跨 9 个类别：正确性、安全性、性能、测试覆盖、技术债务、依赖和迁移、DX、文档、方向。每个发现带 file:line 证据、影响、努力和置信度。 审查。 子 agent 会过度报告，所以 advisor 在给你看之前重新读每个引用的位置——假阳性被丢弃，错误归属被纠正，驳回被记录。 优先级排序。 发现按杠杆排序（影响 ÷ 努力，按置信度加权）。你选哪些变成计划。 计划化。 每个选中的发现一个文件，写入 plans/，带索引、优先级顺序和依赖图。 什么让这些计划可执行 计划是为最弱的合理执行者写的——一个从未见过 advisor 会话、可能小得多的模型。三个特性承载这一点： 自包含。所有上下文内联：精确文件路径、当前状态代码摘录、带示例文件的仓库规范、已验证的命令。没有"如上所述"。 验证门。每一步以命令及其预期输出结束。完成标准机器可检查。执行者永远不需要判断自己是否成功。 硬边界。明确的范围外列表，加上 STOP 条件——"如果 X，停止并报告"——而不是让小模型在现实不匹配计划时即兴发挥。 闭环 execute：派更便宜的执行器子 agent 在隔离 git worktree 里，把计划交过去，然后像 Tech Lead 一样审查——重新跑每个完成标准、检查范围合规、读 diff 对意图。通过（批准，合并始终由你决定）、退回修改（最多 2 轮）、或阻塞并精炼计划。 reconcile：验证 DONE 计划是否仍成立、调查 BLOCKED 计划并绕过障碍重写、刷新漂移的计划、退役独立修复了的发现。 --issues：把计划发布为 GitHub issues。 硬规则 从不修改源代码。唯一的写入到 plans/；执行器只在一次性 worktree 中编辑，合并始终是你的。从不运行会破坏你工作树的命令。从不复现密钥值。被要求实现？拒绝并指向计划（或提供 execute）。 项目: shadcn/improve #AgentSkills# #CodeAudit# #LLM架构#

很多人玩AI Agent，至今分不清Agent Skill和MCP，看懂底层逻辑，才能精准踩中AI Agent的发展风口，少走弯路少踩坑，今天一次性给你讲通透，新手也能秒看懂。 其实Agent Skill说白了，就是AI智能体的专属技能包。 本质上它是AI智能体可调用的标准化执行能力模块，相当于给Agent预装专属工具，让AI从单纯对话升级为可落地执行的实用助手，自主完成查询、运算、交互等复杂任务。没有技能的AI，只会空谈对话；装上Skill之后，AI能干活、能执行、能落地，是让AI从嘴炮变实干的核心关键。 它的用法超级简单，不用复杂编程，按需加载、随开随用，想让AI具备什么能力，直接匹配对应技能就行，门槛极低，适配绝大多数AI落地场景。 开发者直接接入预设技能库，按需启用对应功能即可，普通用户也能在交互界面一键开启，无需复杂代码配置，大幅降低AI落地门槛。 最核心的亮点是它的渐进式披露机制：不会一次性给AI全开权限，而是根据你的需求，一步步解锁对应能力。 既杜绝权限滥用风险，又兼顾安全和实用性，完美解决AI失控、隐私泄露问题。 很多人混淆它和MCP，二者核心差异一目了然：MCP侧重协议层面的资源互通，通用性强但落地繁琐；Agent Skill聚焦单智能体的垂直能力强化，轻量化、易部署、上手快。

开源了我的 AI Agent Skill 集合 rnskill，目前 5 个 Skill，分三类。还有几个后续补齐。 写作类一个： rn-renhua，专门处理中文 AI 技术文章的去味精修。我写推文和测评稿之前都会过一遍，删掉「不是A而是B」「真正/其实/本质上」这些 AI 壳，把判断和测试细节留下来。 视频类三个。 rn-motion-director 是导演层，把选题转成动效视频概念，核心是防止做出 PPT 式的视频——每个画面必须有运动，不能只是标题 + 要点 + 渐入。 rn-dark-saas-video 是暗色 SaaS 产品短片的完整风格蓝图，8 套场景模板、3 种时长预设、9 条硬性规则。 rn-bw-text-opener 做黑底白字打字机开场，附带一个 Python 脚本自动算每个字的出现时间和音效时间戳。 质检类一个： rn-replica-qc，用来复刻参考视频时做闭环对齐。三级保真度、逐帧拆解、PSNR/SSIM 计算、修一处验一处，最后把对齐好的运动模式沉淀成可复用组件。 安装一行：npx -y skills add Pluviobyte/rnskill -g --all 支持 Codex、Claude Code、Trae Solo。每个 Skill 都带 SKILL.md + openai.yaml，复制到项目里就能用。

字幕转录翻译剪辑 Skill —— BaoCut（仅支持 Mac） 借助 Agent Skill，可以转录视频、对转录结果识别 Speaker、润色（纠正错别字口癖等）、也可以根据转录结果对视频进行简单的剪辑，比如删除口癖、重复等。 这次尝试解决一个问题就是 Agent 对字幕转录翻译后，无法通过一个友好的操作界面二次编辑的问题。 现在的做法是为 Agent 提供一个 cli，配合 Skill 的说明，Agent 可以借助 cli 去转录，获取转录结果润色、翻译，并实时同步进度到 GUI。后续可以在 GUI 进行预览和人工编辑。 安装了 Skill 和 App 后，后续只要从 Codex 或者 Claude Code 这种 Agent，触发 Skill 即可执行，比如： > /baocut 转录并翻译视频：<视频 url 或路径> 已知问题： - 仅支持 Mac - 翻译速度略慢，但质量会不错 下载地址： Skill 从 App 内可以安装，或者 Skill 地址：

骗子 skill ：一个针对 Claude Code/OpenClaw 的 AI Agent Skill 把诈骗话术套路蒸馏成 AI 知识库，用户粘贴一段可疑消息 3秒返回骗局类型 + 当前处于第几阶段 + 骗子下一步会说什么 + 建议怎么应对

这周，我最想安利的 4 个 skill 最近在折腾 coding agent 的人应该越来越多了，如果你也在用 Claude Code、Codex、Cowork、OpenClaw、Hermes 这些，下面几个 skill 值得试一下。 安装方式巨简单：开个新聊天窗口，把 GitHub 链接丢进去，跟 agent 说“帮我安装这个”就行。 GStack：github 117k stars。Y Combinator CEO Garry Tan 做的。它给你的 agent 搭一支 23 人的虚拟工程团队，有负责压力测试产品创意的 CEO、能识别劣质 AI 内容的设计师、跑 OWASP 审计的安全官、还有负责 merge request 发布的发布工程师。你可以跑 /gstack-office-hours，在写任何代码之前先对创意做压力测试。 （token 粉碎机，预算够的可以试试） Stop Slop：github 12.6k stars。一个小 skill，去 AI 文本痕迹的。把 ChatGPT 的输出粘进来，跑一下，出来就是更干净的文字。拿 AI 写剧本或写博客的人应该会需要。 Graphify：github 72.7k stars。把代码库、文档或你的第二大脑转成可查询的知识图谱。你能看到一个很漂亮的知识图谱，展示这些内容之间的相关性。你的 agent 可以直接查这个图谱当记忆用，不用每次都重新读所有文件。文档说大型项目每次会话的 token 使用量能降 71 倍。 非常实用的skill，省token利器。 Last 30 Days：github 47k stars。这个是我最喜欢的skill。在 Reddit、X、YouTube、Hacker News、Polymarket 和开放网络上做实时情绪研究。输入 /last30days research [主题]，就能看到大家对一个话题到底感兴趣什么、困惑什么、在猜什么。 #agent# #Skill# #REDSkill#

那种滚动页面时镜头一路飞进场景里的 3D 落地页，看着很炫酷但开发成本极高。 scroll-world 把这件事做成了一个 Agent Skill，用 AI 生成整套沉浸式滚动飞行落地页，适用于任何行业和品牌。 流程大概这样：先生成微缩立体的场景图，再用视频模型做出镜头飞入的效果，场景之间无缝衔接。 通过滚动鼠标就是在控制镜头的时间轴，往下划就是往前飞。 GitHub： 输出的滚动引擎是纯原生 JS，不绑框架，丢进普通 HTML、Next.js 或 Vue 页面都行。 还能额外渲染一套 9:16 竖版给手机端，专门针对竖屏重新构图。 想给品牌或产品做一个有冲击力的展示页，这个项目省了大量从零搭建的工夫。

币安上线美股之后，很多人问我第一步怎么判断买哪只——我直接教你用白毛股神的3K星skill做美股第一轮筛选。 Serenity Skill 是是基于知名投研博主 @aleabitoreddit 公开方法论做成的 Agent Skill，核心逻辑只有一句话： 大行情里真正有价值的机会，藏在系统扩产时最难绕开的关键环节。 不是告诉你"AI 很火买英伟达"——而是把 AI 半导体、机器人、算力、光模块这些热点拆产业链，找哪个环节供应商最少、验证周期最长、最难扩产，然后再定向给出值得深挖的标的和逻辑链。 >用它判断美股买什么，三步搞定： 1️⃣ 下载 @EasyClawBot Mac/Windows 官网直接下，双击装好，零配置） 👉 2️⃣ 安装Serenity Skill : 复制下面的prompt给easyclaw 👉 【请帮我把这个 Agent Skill 安装到 EasyClaw 的股票大师 Agent，并启用它： 3️⃣ 直接问：「美股 AI 基建产业链里，现在哪个瓶颈环节最值得看？」 Agent 自动联网查财报、客户认证、产能公告，给出产业链层级排序 + 候选标的 + 风险边界，不是随手搜出来的结论，每一条都有证据链。 >为什么在币安交易前先跑这个？ 币安的美股是 T+0、24 小时交易——节奏快，更需要在下手前把逻辑想清楚。让 AI 先做第一轮深度研究，把模糊热度变成有逻辑、有证据、有风险边界的研究方向，然后再你自己决定买不买。 现在下载Easyclaw每天 送200 免费积分，Claude / DeepSeek Pro 随便跑，内置的这个股票大师使用一段时间，分析得非常到位，可以免费下载试试。 👉