/teach 把学习分成三层： Knowledge：从可信资料获得知识 Skills：靠练习和反馈形成能力 Wisdom：去真实世界和社区里获得判断力 最难得的是第三层：它没有假装 AI 什么都能教。

第一个提示词： 请阅读理解当前项目代码全链路，并按照 Google Open Knowledge Format (OKF) 规范，在项目根目录创建一个 `docs/okf/` 文件夹。 要求： 1. 为每个核心数据库表或 API 创建一个独立的 `.md` 概念文件。 2. 每个文件必须包含 YAML frontmatter 头部，包含 `type`（如 table/api）、`title`、`description` 和 `resource` 等字段。 3. 使用标准 Markdown 链接在这些概念文件之间建立关联。 4. 生成符合 OKF 规范的 `docs/okf/index.md` 索引文件。

Karpathy说“LLM不怕更新wiki”， Google直接把这句话变成了标准。 Open Knowledge Format (OKF)： 用最朴素的 Markdown + YAML，让AI智能体真正能干活的知识格式。 不用学新语法 不用新工具链 直接跟代码放一起，用 Git 管理 Agent想改就改，人类只管看 这才是真正的「LLM Wiki」落地版。 人类终于不用再当知识库的保姆了。 链接🔗放到下面了👇

看完一篇长文档，脑子里大概有个谱，但要把实体之间的关系画成图，手动整理太费劲。 AI Knowledge Graph 能把一段文本自动拆解成知识图谱，用大模型提取实体和关系，生成一张可交互的网状图。 GitHub： 它会自动做实体去重和关系推理，把分散在不同段落里的关联串起来，断开的部分也能补上推断关系。 兼容 Ollama、OpenAI 等各种接口，本地模型也能跑。适合做文献梳理、知识整理的朋友试试。

本周文章推荐：AI 相关的｜为什么说 GPT-5.6 改变了 AI 的协作方式，我们能用它来做什么？ 《How GPT-5.6 Changes Knowledge Work：Don’t do your work. Tend your loop.》 作者：Dan Shipper｜Every 文章链接在末尾！ 这篇文章很清晰的结合 GPT 的升级，给出了未来的 AI 的新的运转方向：使用 AI 的基本单位，正在从一次任务变成一个持续运转的闭环。 之前我们使用类似于 GPT 帮助我们工作的过程，大概都是你收集信息、做判断、执行、再复盘，AI 只负责其中一小步。 比如我在需要研究某个项目的时候，AI 可能承载的帮我搜集资料和判断辅助的功能。 但是从 GPT 5.6 开始，AI 协作新方式变成了：收集和理解信息 → 提出决策与行动 → 人类批准 → 执行 → 从反馈中学习 AI 可以不断扫描信息源、整理重点、提出下一步，甚至执行经过批准的动作；人的工作则逐渐从“亲自完成每个步骤”，变成设定目标、制定边界、纠正系统和做关键判断。 作者把这种工作方式称为 tend your loop：不要只完成工作，而要照料那个持续产生工作的系统。 当然这种模式并不适合所有任务，目前仍处于早期阶段。这个模式，可能需要大家摸索一段，然后找到适合自己的方式，可能可以找到很多好玩的事情， 我目前能想到的，我会立马去做的三个场景： 1️⃣投资闭环：市场信息 → 关键变化 → 情景判断 → 仓位行动 → 结果复盘。 2️⃣内容闭环：素材和碎片想法 → 选题 → 成文 → 发布数据 → 总结什么符合你的风格。 3️⃣社群闭环：群聊观点 → 高质量信号 → 周报草稿 → 成员反馈 → 线下活动→深度链接。 所以 AI 复利是什么？ 我觉得是让它逐渐理解你的判断标准，让同一个流程下一次变得更好。 未来拉开人与人差距的，可能不是谁完成了更多任务，而是谁建立了更多能够持续学习和改进的工作闭环。 文章链接：

为什么 95% 的 Claude Fable 5 做的网站看起来“垃圾”？ Every Level of Claude Fable 5 Websites Explained 这个 21 分钟的实操视频，把如何通过一套可复制的七级进阶系统（Skills 和 Knowledge），持续产出高质量、可交付的网站讲的很透。 # 七级进阶框架 1. Grab And Go · 像聊天机器人一样直接说“给我建个网站” · 3/100，典型 AI 网站感 2. Screenshots & References · 上传参考图、截图、情绪板（Moodboard） · 10/100，图像胜千言 3. Design Skills · 注入 GitHub 上的设计技能文件（Skills） · 大幅质变，接近专业风格 4. Image & Video · 用 OpenArt 生成/编辑图片与视频资产 · 媒体质感提升 5. UI Snapping · 从 21st. dev、CodePen、Magic UI 等库复制组件 · 直接复用现成高质量组件 6. Finding The Data · 用 Firecrawl 做竞品调研、找转化数据 · 网站开始具备商业逻辑 7. Design Extraction · 提取优秀网站的设计 DNA 并让 Fable 5 重建 · 一夜之间的差距 # 逐层要点提炼 Level 1：聊天式建站的陷阱 · 用户像指挥设计师一样随口说“给我做一个很酷的黄 iPhone 网站”。 · 结果：经典 AI 味、浮动 iPhone、配色平淡、缺乏创意。 · 结论：这只是“草稿”，不能交付。 Level 2：视觉参考 · 关键资源：godly. io、landbook、dribbble 等。 · 方法：把优秀网站截图直接丢进 Claude，让它“照着风格做”。 · 效果：设计架构立刻改善，因为图像比语言更精确。 Level 3：设计 Skills - 前半段最大升级 · Skills 是社区或专家整理好的预包装指令，相当于给 Claude 一本“设计圣经”。 · 推荐资源：GitHub 上近 10 万星的 UIUX Pro Max、Shading UI 等。 · 操作：复制 Skill 文件 → 让 Claude 加载 → 再让它“使用所有相关设计技能”建站。 · 结果：网站出现 Apple 风格、Bento 布局、统一配色、专业字体，明显跨越“可交付”门槛。 Level 4：图片与视频资产 · 工具：OpenArt（Nano Banana、C dance 等模型）。 · 不仅可以生成静态 iPhone 产品图，还能从单帧生成循环视频，并保证首尾帧一致。 · 作者强调：可以连接 Claude 的 MCP，让图像生成变成自动化资产流水线。 Level 5：UI Snapping · 概念：像“从任意房子复制壁炉”一样，把互联网上公开的高质量 UI 组件直接粘贴进自己的网站。 · 推荐库：21st. dev、CodePen、Magic UI、Mobin。 · 操作：复制组件代码/URL → 让 Claude 集成到底部或指定位置。 · 演示：把气球动画组件加到页面，立刻提升动态感。 Level 6：数据驱动 · 漂亮网站若不能转化，就像“没有引擎的法拉利”。 · 工具：Firecrawl。 · 用例：让 Claude 抓取 10 家成功屋顶公司 + 10 家失败屋顶公司，分析差异、CTA 结构、转化逻辑，输出“可交给另一模型执行”的 Blueprint。 · 核心洞察：用外部证据指导设计，而非凭空创意。 Level 7：设计提取 - 视频高潮 · 方法：以优秀网站（如 anti-gravity. co）为例，让 Claude 提取其字体、配色、设计规则、情绪、版式。 · 然后把这些提取出的设计 DNA 应用到新主题（如卖黄 iPhone 或耳机）上。 · 使用 Fable 5 执行最终“one-shot”重建。 · 结果：动态变色光球、精致排版、统一视觉语言——与 Level 1 的网站“天差地别”。