卧槽，太夸张了，现在 AI 时代的闲鱼已经面世了吗？这不就是谁先知道谁赚钱，拼速度了？ 你的技能，专业知识，等等你的一切，竟然可以在你睡觉的时候被别人买走，这是什么科幻小说吗？？ 之前我一直在想，现在大家优秀的 skill 往往都是自己用，大部分人舍不得开源的，那有没有一个平台既能让用户用到这些大神的专业知识、skill，但是又不用开源呢？ 还真让我给找到了！！ 前两天看到国内一个博主推荐一个很野的平台-UUMit 让你的技能、经验、工作流都可以变成能力卡，被需要的人、或者别人的 Agent 自动发现、调用 并且直接付费！！ 有点像03年淘宝刚出来的时候，只不过当年流通的是商品，现在流通的是能力 具体能干什么？举几个例子你就懂了 会写小红书脚本的，可以把选题逻辑、爆款模板、平台规则检测能力上架，别人发布“帮我做一周小红书内容计划”，平台自动匹配到你，你接单交付 会做行业研究的，可以把数据库、报告、案例库放进知识商店，AI 生成不了的真实行业数据，反而更值钱 会写代码的，可以把 API、MCP 工具、自动化脚本上架，别人的 Agent 需要某个能力时，直接调用你的接口，你按调用次数收费 甚至你只是整理过某个垂直领域的供应商名单、SOP、课程讲义，这些 AI 生成不了的资料，都可以变成知识资产 这绝对是一次能力供应链的重构！ 以前的 AI 只能在自己的对话框里回答问题，但复杂任务需要很多外部能力：数据、接口、行业知识、人工交付 UUMit 做的事情是：让 Agent 可以发现别人的能力，也能让自己的能力被别的 Agent 调用 这就是 A2A（Agent to Agent）真正有意思的地方，不是让 AI 互相聊天，而是让 AI 找能力、调接口、买知识、拉人协作，把事情交付掉 为什么我说谁先知道谁赚钱？ 因为这个平台刚起来，早期上架的人能建立先发优势 而且现在 Agent 真的开始干活了，不再只是聊天工具，它们需要外部能力来完成复杂任务 谁先把自己的能力挂上去，谁就有机会被更多 Agent 发现和调用 这就是信息差的价值，就像03年最早在淘宝开店的那批人 UUMit 现在有哪些功能？ 任务发布入口：你不用一开始就知道该找谁，也不用自己拆一堆工具，你只要说清楚想完成什么，UUMit 会帮你找能完成这件事的能力 Skill/Agent/工作流上架：你写好的工具，不一定只能自己用，它也可以成为别人工作流里的一环 知识商店：AI 可以生成很多内容，但它不一定拥有你手里的行业资料、真实数据、案例库和经验沉淀，这些东西放到 UUMit，可能会变成可复用的知识资产 数据广场：Agent 不必自己拥有所有数据和接口，需要某项外部能力时，可以通过 UUMit 调用数据广场里的资源 强烈推荐大家来试试：

后入打桩02年小红书美妆模特 去年年底认识第一天叫我去罗湖一家主题酒吧给她拍照 然后主动在卫生间开始帮我口交… 完整版视频主页简介TG

“被deepseek超过那你就玩完了，但是超过deepseek你也没什么可骄傲的” 这是我最近看到的最有意思的一句话，可以说全网都被deepseek刷屏了，其实我也真的没想到竟然有人能把模型做的又省钱又好… 完成同样一个完整的 Agent 任务， DeepSeek 花 3 美分， Claude Fable 5 花 3.15 美元， 100倍的成本差距 我愿称之为第二次的“deepseek时刻”！！ 回想起 2025 年初那个第一次的 DeepSeek 时刻， 当时它证明了开源模型能追平闭源， 现在它证明的是，可用级别的智能模型，成本已经低到几乎可以忽略不计 大家很多人没意识到这个数量级成本的减少意味着什么 这不是简单的打个折，或者性能优化了 20%， 而是一个完全不同的商业逻辑 以前我们要做个agent产品，要商业化 ，最先考虑的一定是调用成本的问题 可以说每多一轮调用都在心疼 token， 要做缓存，要想尽办法省调用 现在你完全可以让 Agent 随便跑， 跑十轮二十轮，成本还不到以前的零头 从产品经理视角看这件事，我习惯用产品思维拆解这次成本锐减带来的新机会 DeepSeek V4-Flash 这次的升级路径很有意思： 参数架构完全不变（284B 总参数 / 13B 激活）， 纯靠后训练把 Agent 能力从 7.3 拉到 54.4，涨了 7.5 倍 这打破了一个行业共识： 大家以为提升能力 = 堆更多参数量= 更高的调用成本 DeepSeek 证明了另一条路： 同样的模型，通过更好的训练方法， 可以在不增加推理成本的前提下，大幅提升实际可用性 这才是真正的工程创新 我觉得这肯定会直接催生一整代以前根本不可能存在的产品 那些需要大规模、长程、多轮 Agent 调用的应用， 以前算下来 ROI 根本不成立， 现在突然就全部成立了 比如： 全天候运行的个人 AI 助理，不用担心月底账单爆炸 深度代码审查工具，可以反复迭代几十轮直到完美 实时市场分析 Agent，每分钟跑一次也不心疼 教育场景的无限耐心 AI 导师 以前这些场景的技术可行性都在， 但商业可行性不在 现在门槛被彻底打开了 当然，顶尖模型在最难的任务上还是更强， 但日常 80% 的工作， 3 美分和 3 美元做出来的东西，大多数人根本分不出区别 接下来会发生什么： 闭源厂商会被迫继续降价 开发者会重新分层使用模型， 高频日常任务全用 Flash 级别的模型， 只有最关键的决策才用最贵的模型 但最深远的影响其实是， 智能本身正在变成大宗商品… 就像电力，就像带宽， 当它便宜到一定程度， 就没有人再去讨论它的价格了， 大家只会讨论用它来造什么 网友说的“DeepSeek 斩杀线”不是玩笑 难怪大家又开始叫梁文峰“梁圣”， 还有人说梁圣的恩情还不完 而这一天，可能比我们所有人预想的都要来得快 作为 AI个体，我最关心的永远是： 这个工具能帮我省多少时间，赚多少钱， 以及它背后的商业逻辑是什么 AGI时代因为deepseek最起码加速了20年！

最近正在梳理专属于自己的AI编程套件，用于提升自己的编程效率 我先花了几天收集和测评了 5 个 GitHub 26 万星的 AI 编程套件！直接把结论分享给大家： 1. obra/superpowers 这个应该大家都很熟悉了，superpower已经存在了2年左右 14 个技能硬编码工作流：brainstorming（苏格拉底式提问出 spec）→ writing-plans（拆成 2-5 分钟粒度任务）→ 子代理逐任务实现 + 双阶段评审（5 轮修复上限，超限强制停机裁决） 适合场景：你在意“防 AI 跑偏”多于交互流畅，需要无人值守的长任务 2. mattpocock/skills — 按需取用的工程工具箱 这个最近可以说是火爆了，我实测下来单环节的效果最好，强烈推荐大家用用，我之后的ai套件也会基于这个skill体系进行优化 两个杀手级技能值得单独说： /grill-with-docs — 把需求对齐变成文档资产 这是我测下来最聪明的一个设计 它不是简单的“AI 问你问题”，而是边问边写 CONTEXT.md 和 ADR（架构决策记录） 举个例子，你说“课程里的 lesson 变成真实文件时有问题” 它会逼你定义“真实文件”是什么，然后把这个概念写进 CONTEXT.md，术语统一叫“materialization cascade” 下次 AI 看代码时直接用这个词，不用每次都解释一遍 更绝的是：它会拿你的新想法去撞现有的 CONTEXT.md，发现矛盾就当场质疑你 “你上周说 X，这周又说 Y，到底哪个对？” 这个反向质疑机制，是我见过唯一能防止需求飘移的工具 /diagnosing-bugs — 6 步诊断法，强制你别瞎猜 这个技能解决了 AI 调试最大的问题：跳过复现直接改代码 它强制执行 6 个阶段： 先写一个能让 bug 稳定复现的测试（红灯） 最小化复现场景（删到不能再删） 提出假设（不许直接改代码） 加 log 验证假设 修复 写回归测试 3. garrytan/gstack — Web 产品从想法到上线的流水线 YC CEO Garry Tan 开源的个人配置，59 个技能，角色分工（CEO 拷问 /office-hours、安全官 /cso、发布工程师 /land-and-deploy） 这个skill我主要吸收以下两块内容： Playwright 驱动真实 Chromium 的常驻 daemon（首次 3 秒、之后每命令 100-200ms，登录态全程保留，/qa 边点页面边改码边复验） careful/freeze/guard 三个护栏用 PreToolUse hook 真拦截，不是靠提示词“记得小心” 4. multica-ai/andrej-karpathy-skills — LLM 通病的行为补丁 这个之前推荐过，karpathy的编程准则，非常适合写入claude.md中 本体就是一份 2.3KB 的 CLAUDE.md，四组守则： Think Before Coding（不静默假设） / Simplicity First（不过度抽象，“200 行能写 50 行就重写”） / Surgical Changes（每行改动可追溯到用户请求，不顺手重构） / Goal-Driven（“修 bug”→“先写复现测试再让它通过”） 5. anthropics/skills — 官方能力扩展 + 写 skill 的标尺 GitHub: anthropics/skills（16.7 万星，官方仓库） 17 个能力型技能：docx/pptx/xlsx/pdf 操作、Playwright 网页测试、MCP 构建指南等 它给 Claude 加“会做的事”，不管“怎么工作”，和上面四家不构成竞争 最值钱的是 skill-creator：唯一带闭环评测的技能（自动跑 with-skill vs baseline 对照、优化 description 触发率、格式校验脚本） 你以后自己写 skill 时它是标尺 适合场景： /plugin marketplace add anthropics/skills，装 document-skills（pdf/xlsx/docx）；另装 skill-creator 这些套件的共同点是：它们都在用代码重新定义“什么是好的 AI 编程工作流” 以前写代码是在 IDE 里敲，现在是在跟 AI 描述你要什么 但 AI 不懂工程规范，所以这些开源作者做的事，本质上是把工程纪律编译成了 AI 能理解的规则 我认为每一个资深的开发者都值得搭建一个自生长的专属ai编程套件，从而适配自己的编程习惯！ 如果这次的分享对你有帮助，欢迎大家点赞支持一下！谢谢大家～