WorkBuddy 搭建私人 Skill 内容生产线

本文以《非暴力沟通》为例，提供了一个将书籍转化为可调用AI技能（Skill）的六步教程。作者使用Claude Opus 4.8模型，因其具备100万token上下文窗口、结构化输出及多步智能体（Agent）能力，能一次性处理全书逻辑。流程包含文本准备、全局结构分析、五类提炼（框架/原则/技法/反模式/作者声音）、技能生成及关键的自检步骤。生成的技能保留了书中原始框架命名（如OFNR四要素、长颈鹿语言），并将触发词优化为"怎么提意见不像在指责"等日常表达。整个流程耗时约45分…

一篇详细指南解析如何最大化利用 Grok 绑定 X 后赠送的 $100 开发者积分。文章从省钱角度出发，提供具体的使用策略与建议，帮助开发者避免浪费这笔额度，实现"省到极致就是赚"的效果。

Google 新论文 WikiSkill 提出 Agent 技能库应物理拆分为原始轨迹、复盘认知、执行手册三层，强调失败认知需永久保留以产生复利。实验显示 9B 模型配结构化手册可干翻 27B 裸跑，27B 模型加手册在复杂表格任务上从 40% 提升至 81%；而弱者写的保守补丁会把 Gemini Flash 从 50% 拖累至 18%，实战中偷看知识库反而导致手册质量退步。

博主@0xlangeai 手把手教你把 Grok Bot 打通成专属 Linux 开发机：其账号背后是一台 8 核 16G、带持久存储的真实 Linux 云主机，固定用户名 box，持久化文件在 /workspace。

Cursor 工程师 Lauren Tan 加入五个月，上月合并 1000 个 PR，本月 12 天已近 800 个。她认为 AI 写代码的瓶颈在验证而非生成，通过让 Agent 操作产品、复现 bug，并将失败模式沉淀为 Skill 实现自动合并。她已允许 Agent 自动合并 PR，一晚 20 个 PR 零故障并入 main 分支。

博主建议按统一内存选Mac跑本地AI，而非看CPU跑分。日常轻量AI选Mac mini M6（16-32G，899美元起），中度本地模型选Mac mini M5 Pro（48-64G。

吴恩达拆解AI应用工程师6项必备技能，认为最拉开差距的是评估驱动开发而非写Agent或调prompt。大模型输出不可预测，需通过系统性评估结果做对决策，把不可靠组件拼成可靠系统。其他5项是战术，评估是让战术转起来的引擎。

Google 推出专用于语音转文字的 Gemini 3.5 Transcribe 模型，主打快速、准确且低成本的转录，原生支持说话人分离和词级毫秒时间戳。该模型支持 85+ 种语言自动识别与代码切换，可通过 custom_vocabulary 传入最多 1，000 个领域术语避免专有名词拼写错误，并提供 Smart Transcription 与 Verbatim 两种模式。

Anthropic 的每兆瓦收入从 2024 年的负毛利（每 1 美元收入对应 1.94 美元算力成本）扭转为 2026 年 40-50% 的毛利率，并在 2026 年首次实现盈利季度：109 亿美元营收、5.59 亿美元营业利润。

Warp 在 Claude 平台上构建了基于 Agent Skills 的自我改进循环，通过基础技能与改进技能两个文件型技能，将人类反馈转化为对智能体的持续优化。该模式已应用于其整个开源仓库，覆盖数百名贡献者与数千次代码审查。团队建议以原则而非规则编写技能，并强调低摩擦反馈与改进技能的可复用性。