cursor99

非专业老码农（Non-professional older coder）

[cursor99 @cursor992]

@santoulang 92年上高中，有微机课，学习BASIC

[lifcc @mylifcc]

把 DeepSeek Harness 的源码翻了一遍，发现一个挺有意思的变化：

它根本没把 Prompt 当成一段 System Prompt。

而是把 Prompt 做成了一个 Runtime。

大概是：

Identity
+
Persona
+
Tool Guidance
+
Runtime Context
+
Tool Schema
+
Variables
+
Middleware

最后动态 Assembly 成模型看到的东西。

这意味着一个能力不再只是：

Tool + Code

而是：

Tool + Schema + Prompt Guidance

谁负责这个能力，谁就负责告诉模型“应该怎么用”。

比如 shell 自己拥有 shell 的 Prompt，filesystem 自己拥有 filesystem 的 Prompt，web 自己拥有 web 的 Prompt。

这其实很像软件工程里的模块化：

Capability = Implementation + Interface + Model-facing Instructions

更有意思的是，它还把 Prompt 分成了不同 Scope。

Global Prompt
↓
Agent Scope
↓
Agent-specific Override

所以不同 Agent 可以继承、覆盖或者增加自己的 Prompt。

这就不是传统的：

“给所有 Agent 塞一个巨大的 System Prompt”

而更像：

Prompt Dependency Injection。

还有一个我觉得特别重要的设计：

DeepSeek 把 Runtime Context 和 Prompt 分开了。

比如 cwd、git 状态、当前任务这些动态信息，不需要每次都修改稳定的 System Prompt，而是作为动态 Context 注入。

于是：

Instruction = 我应该怎么工作

Context = 我现在处于什么状态

Tools = 我现在能做什么

三者被明确拆开。

甚至 Prompt 里的变量也不是简单的 string.format。

未知变量、malformed variable、重复 section 等情况，会倾向于直接 fail。

换句话说：

DeepSeek 把 Prompt 当成了“程序”，而不是文案。

还有一个很容易被忽略的东西：

Tool Schema 本身就是 Prompt Engineering。

Tool 的名字、description、参数描述、tool ordering、tool availability，都在影响模型行为。

所以模型最终看到的其实不是：

System Prompt + Tools

而是：

Instructions + Context + Capabilities

统一组装。

我觉得这才是 DeepSeek Harness 最值得研究的地方。

它真正想解决的可能是
“怎么构建一个可以持续演进的 Prompt Runtime？”

如果这个方向继续发展下去，未来的 Agent Prompt 可能不会再是一份几千行的 system prompt。

而会更像一个软件工程项目：

/identity
/persona
/tools
/context
/agents
/middleware
/variables

每个能力自己携带自己的 Prompt。

Prompt 从“文案”变成“基础设施”。

这可能才是 Harness Engineering 真正有意思的地方。

[cursor99 @cursor992]

@skywind3000 智普到现在为止上涨5%

[向阳乔木 @vista8]

https://t.co/Qu5OxNduhP

[cursor99 @cursor992]

@jietang @elonmusk @teortaxesTex 加油！

[宝玉 @dotey]

如果你同时用飞书和 Claude Code 的话，Zara Zhang这个开源项目 feishu-claude-code-bridge 值得一试，它可以让你在飞书里面直接连接 Claude Code，从飞书指挥 Claude Code，反过来也能借助 Claude Code 新建、编辑飞书文档。

举例来说，我可以通过和飞书智能体对话，发送推文连接，让它抓取推文并翻译成中文，再把结果创建成飞书文档。

或者说你在飞书上收到一条消息，也可以一键转发给飞书智能体，它会通过 Claude Code 做后续处理，并且实时将处理过程通过消息同步给你，如果有需要确认的，还能通过卡片的形式在飞书中展示。

连接步骤很简单，打开飞书本地客户端（网页版不行），然后在命令行窗口执行：
> npx -y lark-channel-bridge@latest run （第一次需要配置 App 凭证，后面可以跳过这一步）
> 和
> npx -y lark-channel-bridge@latest run

就可以通过扫码或者浏览器打开 URL 创建智能体、连接 Claude Code

按照网页提示创建应用和授权，连接上就可以在飞书的会话看到新建的智能助手。然后直接发送消息。

有个细节做的很好，就是它可以设置 Claude Code 对应的 Workspace（工作区），也就是运行 Claude Code 的目录，这样你所有操作结果都会在 Workspace，也可以读取 Workspace 下的文件、CLAUDE.md 设置、Skills、Hooks 等等，跟你直接用 Claude Code 操作几乎没差别。

一些具体的指令可以看项目文档，说的很清楚。

工作原理其实不复杂，它是一个“飞书消息 ↔ 本机 Claude Code CLI”的桥，或者说翻译。飞书负责收发消息，bridge 常驻本机，收到消息后整理成 prompt，通过 “claude -p ”这样的命令行启动本机的 Claude CLI 处理，再把 Claude 的流式输出更新回飞书。

这种项目的价值，不仅说你可以将飞书和 Claude Code 打通，还可以发掘出很多新的可能，比如你也可以让飞书和本机的小龙虾、Codex、Cursor 连接起来，在飞书界面中操作它们，它们反过来也能借助飞书 cli 操作飞书。

开源项目有个好处就是你可以照葫芦画瓢，如果你想参考它做一些自己的机器人，可以把代码库发给 Coding Agent，帮你定制化一个自己的版本。

比如说这两个是其他网友做过的把 Codex 接入飞书的 bridge 项目，用起来也是一样的：
https://t.co/cKLfCDfskP
https://t.co/zCPoISnudz

有一点要提醒的是，Bridge 使用的是claude -p模式，自 2026 年 6 月 15 日起，Claude 订阅计划对 claude -p 和 Agent SDK 的使用将独立计费，不走订阅额度。如果你是用 API，不受影响。或者也可以考虑使用上面的 Codex bridge 项目。

项目地址：https://t.co/7BWMwz6p3s

[cursor99 @cursor992]

@inari_oji 日本人本原子弹轰炸一点都不无辜

[歸藏(guizang.ai) @op7418]

装上飞书这个 CLI，再装上藏师傅的 Claude to IM Skill。

你的 Claude Code 和 Codex 飞书协作的体验比小龙虾好一万倍！

[一泽Eze @eze_is_1]

发布一个非常旋转无敌好用的 Skill 「Web Access」
能让你的 Agent 的联网和浏览器能力，拉满到最强的一集

特别适合在 Claude Code、OpenClaw 增强Agent 联网任务能力

支持：
装了这个以后，你可以让 Agent 代替你做很多事情：
1）一次性打开操作 100+ 浏览器网页
2）自动化模拟操作，发布各大社媒平台
3）帮你直接找 B 站、网飞等并自动打开播放
4）自动查美签系统，看可预约时间并预约
5）Agent 自动化测试 Web App ……
每天使用我都在发现新的惊喜

已知特性：
1）优化 Agent 联网方式的策略，减少只搜不浏览器，只 fetch 不搜等尴尬情况
2）Skill 内自动总结站点操作经验，每次执行都能优化下次执行速度！
https://t.co/RqjhVwBEcc

[Rainier @mtrainier2020]

google的大招放出来了。
据说明天还有重要发布。

[歸藏(guizang.ai) @op7418]

Claude Code 创建者写的如何使用和创建 Skills

如果你还不了解的话，强烈推荐看看！

Anthropic 内部现在有数百个 Skills 在用，从 API 文档到部署流程全覆盖。他们把这些经验总结出来了。

做个笔记📒：

======

Skills 不只是 Markdown 文件

很多人以为 Skills 就是写个 Markdown 文档，其实不是。Skills 是一个文件夹，里面可以放脚本、资源文件、数据，甚至注册钩子函数。

代理可以发现这些内容，读取它们，执行脚本，在特定时机触发钩子。这才是 Skills 最有意思的地方。

最好的 Skills 都在创造性地使用这些配置选项和文件夹结构。

======

九种 Skills 类型

Anthropic 把内部的 Skills 整理了一遍，发现它们基本归为九类。好的 Skills 能明确归入一类，混乱的 Skills 往往跨了好几类。

------

1. 库与 API 参考

解释怎么用某个库、CLI 或 SDK。可以是内部库，也可以是 Claude 经常搞错的常用库。

通常包含一个代码片段文件夹，加上一份"别踩这些坑"的清单。

比如：
▸ billing-lib — 你们内部计费库的边界情况和常见坑
▸ internal-platform-cli — 内部 CLI 的每个子命令和使用场景
▸ frontend-design — 让 Claude 更懂你们的设计系统

------

2. 产品验证

描述怎么测试或验证代码是否正常工作。通常配合 Playwright、tmux 这些工具。

验证 Skills 极其重要，值得让工程师花一周时间专门打磨。

可以让 Claude 录制测试视频，或者在每一步强制执行程序化断言。这些通常通过在 Skill 里放各种脚本实现。

比如：
▸ signup-flow-driver — 在无头浏览器里跑注册流程，每步都有状态断言钩子
▸ checkout-verifier — 用 Stripe 测试卡驱动结账界面，验证发票状态
▸ tmux-cli-driver — 测试需要 TTY 的交互式命令行工具

------

3. 数据获取与分析

连接你的数据和监控栈。可能包含带凭据的数据获取库、仪表盘 ID、常见工作流说明。

比如：
▸ datadog-metrics — 预设的仪表盘链接和常用查询
▸ postgres-query-helper — 连接生产数据库的只读凭据和常用查询模板
▸ user-analytics — 获取用户行为数据的脚本和分析模板

------

4. 业务自动化

自动化重复的业务流程。比如创建 Jira ticket、发 Slack 通知、更新文档。

这类 Skills 通常包含调用内部 API 的脚本，加上业务流程的说明。

比如：
▸ incident-reporter — 创建事故报告并通知相关人员
▸ release-notes-generator — 从 Git 提交生成发布说明
▸ onboarding-automation — 新员工入职的自动化流程

------

5. 代码脚手架

生成项目或组件的初始代码结构。包含模板文件和生成脚本。

比如：
▸ react-component-scaffold — 生成符合团队规范的 React 组件
▸ api-endpoint-generator — 生成 API 端点的样板代码和测试
▸ microservice-template — 创建新微服务的完整结构

------

6. 代码质量与审查

帮助审查代码质量、安全性、性能。可能包含 linter 配置、审查清单、自动化检查脚本。

比如：
▸ security-review — 安全审查清单和常见漏洞检查
▸ performance-profiler — 性能分析工具和优化建议
▸ code-review-checklist — 代码审查的标准流程

------

7. CI/CD 与部署

管理持续集成和部署流程。包含部署脚本、环境配置、回滚流程。

比如：
▸ deploy-to-staging — 部署到测试环境的完整流程
▸ rollback-helper — 快速回滚的脚本和检查清单
▸ ci-debugger — 调试 CI 失败的常用方法

------

8. 运行手册

处理生产环境问题的操作指南。通常是"如果 X 发生了，做 Y"的格式。

这类 Skills 在紧急情况下特别有用，因为它们把经验固化成了可执行的步骤。

比如：
▸ database-recovery — 数据库故障恢复流程
▸ traffic-spike-handler — 流量激增时的应对措施
▸ memory-leak-debugger — 内存泄漏排查步骤

------

9. 基础设施运维

管理云资源、容器、网络配置。包含 Terraform 脚本、Kubernetes 配置、监控设置。

比如：
▸ aws-resource-manager — 管理 AWS 资源的脚本和最佳实践
▸ k8s-troubleshooter — Kubernetes 常见问题排查
▸ terraform-helper — Terraform 模块和使用指南

======

写好 Skills 的最佳实践

Anthropic 总结了一些实用的技巧，都是从实际使用中提炼出来的。

------

写明 Gotchas

把常见错误和陷阱明确列出来。Claude 会认真读这些内容，避免重复犯错。

比如在 API 文档里写："注意：这个端点有速率限制，每秒最多 10 次请求。超过会返回 429 错误。"

------

利用文件系统做渐进式披露

不要把所有信息都塞在一个 Markdown 文件里。用文件夹结构组织内容，让 Claude 按需探索。

比如：
```
my-skill/
README.md # 概览和快速开始
examples/ # 代码示例
scripts/ # 辅助脚本
reference/ # 详细文档
gotchas.md # 常见陷阱
```

Claude 会先读 README，需要时再深入其他文件。

------

存脚本和辅助库

把可复用的脚本放在 Skill 里，而不是让 Claude 每次都重写。

这些脚本可以是 Python、Bash、Node.js，任何能执行的东西。Claude 可以直接调用它们，或者读取代码学习怎么用。

------

使用稳定存储做记忆

Skills 可以访问 `${CLAUDE_PLUGIN_DATA}` 目录，这是一个持久化存储位置。

可以用来保存：
▸ 上次运行的状态
▸ 用户偏好设置
▸ 缓存的数据
▸ 历史记录

这样 Skill 就有了"记忆"，可以在多次会话间保持状态。

------

按需钩子保护危险操作

对于可能造成破坏的操作（删除数据、部署到生产环境），使用按需钩子（on-demand hooks）。

这会在执行前弹出确认提示，让用户明确批准。

比如在 Skill 的 frontmatter 里配置：
```yaml
hooks:
on_demand:
- name: deploy-to-prod
command: ./scripts/deploy.sh production
confirm: "确定要部署到生产环境吗？"
```

------

用 PreToolUse 做度量

可以注册 PreToolUse 钩子来记录 Skill 的使用情况。

这样能知道哪些 Skills 最常用，哪些需要改进，哪些可以下线。

======

分发 Skills

Skills 的一大优势是可以跟团队共享。有两种方式：

------

签入代码仓库

把 Skills 放在 `./.claude/skills` 目录下，跟代码一起提交。

适合小团队，在少数几个仓库间协作。但每个签入的 Skill 都会占用模型的上下文，所以不能无限增加。

------

插件市场

创建一个内部插件市场，让用户上传和安装插件。

适合大团队。用户可以选择安装哪些 Skills，不会污染所有人的上下文。

Anthropic 没有集中式团队管理市场，而是有机地发现有用的 Skills。如果你有个好 Skill，上传到 GitHub 的沙箱文件夹，在 Slack 里分享链接。

如果很多人觉得有用，就会被推广到正式市场。

======

管理市场的实用建议

------

设置沙箱区域

在市场里创建一个"实验性"或"社区贡献"区域，让人们可以自由上传。

好的 Skills 会自然浮现，然后可以移到"官方推荐"区域。

------

鼓励文档和示例

要求每个 Skill 都有清晰的 README 和使用示例。

没有文档的 Skills 很难被采用，即使功能很好。

------

定期清理

定期检查哪些 Skills 没人用，考虑下线或合并。

市场里 Skills 太多会让人不知道选哪个，保持精简很重要。

------

收集反馈

提供简单的方式让用户反馈 Skills 的问题和改进建议。

可以是 GitHub Issues，也可以是 Slack 频道。

======

实际案例

Anthropic 分享了几个他们内部最受欢迎的 Skills：

------

commit-helper

帮助写符合团队规范的 Git 提交信息。

包含提交信息模板、常见类型（feat/fix/docs）的说明、以及检查提交信息格式的脚本。

使用频率极高，因为每个人每天都要提交代码。

------

pr-reviewer

自动化代码审查流程。

会检查代码风格、测试覆盖率、安全问题，生成审查评论。

节省了大量人工审查时间，让审查者可以专注于逻辑和架构问题。

------

incident-response

生产环境事故响应流程。

包含排查清单、常用命令、通知模板、事后总结模板。

在紧急情况下特别有用，因为它把经验固化成了清晰的步骤。

------

api-docs

内部 API 的完整文档和使用示例。

Claude 经常需要调用内部 API，有了这个 Skill 就不用每次都查文档或问人。

------

test-runner

运行测试的标准流程。

包含不同类型测试（单元测试、集成测试、端到端测试）的运行方法，以及如何解读测试结果。

======

Skills 的未来

Anthropic 认为 Skills 会朝几个方向发展：

------

更智能的发现机制

现在 Claude 需要用户明确调用 Skill，未来可能会自动识别场景并推荐相关 Skills。

比如你在写 API 调用代码，Claude 自动建议使用 api-docs Skill。

------

Skills 之间的组合

现在 Skills 基本是独立的，未来可能会支持 Skills 之间的依赖和组合。

比如 deploy-to-prod Skill 可以自动调用 test-runner 和 security-review Skills。

------

动态生成 Skills

根据代码仓库的实际情况，自动生成或更新 Skills。

比如扫描代码库，自动生成 API 文档 Skill。

------

跨团队共享

建立公开的 Skills 市场，让不同公司的团队可以共享通用的 Skills。

比如常用框架（React、Django）的最佳实践 Skills。

======

核心理念

Skills 的本质是把团队的工程实践和领域知识固化成可复用的扩展。

好的 Skills 应该：
▸ 解决真实的重复性问题
▸ 包含清晰的文档和示例
▸ 利用文件夹结构和脚本增强能力
▸ 在需要时提供保护机制
▸ 容易分发和维护

不要为了做 Skill 而做 Skill。从团队的实际痛点出发，把那些每次都要重复的事情固化下来。

一个好的 Skill 能让整个团队的 AI 编程体验提升一个档次。

[Ding @dingyi]

再次总结一下现在市面上的 design skills：

1. Impeccable
增强版 frontend-design skill，17 个设计命令（/polish、/audit、/distill 等）。
https://t.co/Vo6UIAcDvu

2. UI Skills
包含 15 个独立 skills：baseline-ui（Tailwind 设计一致性）、fixing-accessibility（无障碍审计）、fixing-metadata（SEO 元数据）、fixing-motion-performance（动画性能）、12-principles-of-animation（迪士尼动画原则）等。
https://t.co/3X5o3UyX3l

3. Taste Skill
包含 taste-skill（前端设计）、redesign-skill（升级现有项目）、output-skill（强制 AI 写完整代码）、soft-skill（让东西看起来和感觉昂贵。涵盖高级字体、宽阔的空白、层叠的卡片设计、流畅的弹簧动画以及漂浮导航。）。
https://t.co/bElD1T4EVZ

4. Better Icons
MCP server + skill，搜索并获取 20 万+ 图标，支持自动学习常用图标库，直接同步到项目 icons 文件。
https://t.co/dF2iFCHazY

5. UI Design Brain
60+ 组件最佳实践库，包含布局模式、无障碍规则和反模式，支持 5 种设计风格（SaaS、极简、企业、创意、数据仪表盘）。
https://t.co/yHVPZUgzXB

6. AI kit by Motion ($299)
Motion+ 会员专属，包含动画专家 skill、性能审计、CSS spring 生成、过渡可视化和文档搜索工具。
https://t.co/H48KM7V4j8

[Tw93 @HiTw93]

最近在看 Agent / LLM 的长期记忆方案，顺便研究了一下 MemOS 给 OpenClaw 做的这个插件。

很多 Agent 在长期任务里都会遇到一个问题：Session 一长，Context 和 Token 开销就开始迅速增长，而且历史交互也不一定会沉淀成可复用经验，很多事情会反复试。

MemOS 的思路是把 Memory 从 Prompt 里抽出来，做成系统层的一部分。这样 Agent 不再只是依赖 Context 维持状态，而是有一个独立的长期 Memory 系统。官方 benchmark 里 Token 成本能降 70% 左右。

我给几个写代码的 Agent 接入跑了一段时间，整体集成挺快的。比较有意思的是对话会逐渐沉淀成 Task，再进化成可复用 Skill，一些之前遇到过的问题基本不会再问第二遍。插件是 100% 本地运行，数据存在本机 SQLite，也支持多个 Agent 共享知识协同工作。

如果平时在折腾 Agent 的长期记忆或者多 Agent 系统，可以看看这个项目。
https://t.co/Yjksg5KiHM

[歸藏(guizang.ai) @op7418]

朋友们，Claude-to-im Skills 也更新了！

现在可以让你的 Claude 和 Codex 链接飞书有飞书官方 Openclaw 插件的全部能力

而且引导更加详细，会告诉你需要补的权限

支持：流式卡片输出、工具调用进度 、权限审批按钮、项目快捷切换、Thinking 状态等

[宝玉 @dotey]

作者经验挺值得学习的，满满干货：先找到客户再帮客户解决问题，有怎么营销有技术分享
AI Agent （不仅是OpenClaw）普及过程中机会还是很多的

[阿西_出海（2.0版） @imaxichuhai]

https://t.co/p7npz0ANKW

[Tw93 @HiTw93]

https://t.co/RTkJ3NQKeS

[向阳乔木 @vista8]

千万不要被龙虾火热带跑偏了，还是好好研究skills，附带推荐一些实用skill工具。

[Mr Panda @PandaTalk8]

这是一篇对我挺有启发的文章，
作者是在澳在读的经济学与医学双学科的博士。

[马天翼 @fkysly]

https://t.co/cpu4CPdMYT