TechFan

🤖 AI 实战派 | 提示词 · Agent · OpenClaw
📝 手把手教你写 Prompt、搭 Agent、玩 OpenClaw
🔧 自己动手做，踩过的坑都写成教程
🦞 OpenClaw 深度用户 & 贡献者

[TechFan @TechFanAI]

从 0 到 1000 粉，只靠干货。

我是老 K，在这个号分享 AI 实战：
• 提示词怎么写才真的好用
• Agent 怎么搭能自动干活
• OpenClaw 怎么玩出自动化

不翻译搬运，只写自己实测过的。
想动手玩 AI 的，点个关注 👇

@TechFan33800479

[Geek Lite @QingQ77]

给编码智能体用的 HTML 技能，专门生成简洁的架构图、计划页和视觉文档。

https://t.co/rrYGQlWbYJ

effective-html 是一套给智能体用的 HTML 技能，专门做自包含的、好看的 HTML 交付物���三个子技能：html 做通用页面，html-diagram 做全屏架构图和系统图（SVG 优先），html-plan 做计划页。

[droidHZ @hezhiyan7]

哥飞老师的这个关键词难度查询工具，非社群用户一天也可以使用100次，挺好用的，判断关键词难度方便了不少，太赞了👍

https://t.co/ej37HAteeq

[陈成 @chenchengpro]

一天迁移 5000 万行 Ruby 代码，抵一个团队两个多月。这是 Anthropic 新旗舰 Claude Fable 5 干的。又慢又贵，但能啃硬骨头。它从今天起免费 13 天（6/10–6/22）。下面这些看完再上手，别浪费窗口。

1/ 它是什么：Fable 5 就是 Mythos 5 加了一道更严的安全护栏，���层性能一样。100 万 token 上下文，单次输出 128K，知识截止 2026 年 1 月，模型串 claude-fable-5。现在对所有人开放的最强公开旗舰，不过还是 preview。

2/ 跑分：SWE-Bench Pro 80.3%。Opus 4.8 才 69.2%，GPT 5.5 是 58.6%，Gemini 3.1 Pro 54.2%。三篇实测都印证同一条规律：任务越长越复杂，它领先越多。主场是大活，不是改一行代码。

3/ 真实战绩，是生产不是 demo。Stripe 一天跑完 5000 万行全库迁移。Datasette Agent 做完既定目标，还顺手发现并修掉了底层 LLM 库的 4 个 bug。@Mnilax 揪出 Opus 数月没看见的 bug，某钱包解析器 9 个，另一项目 4 个。都是得把整个文件握在工作记忆里才看得见的那种。

4/ 视觉这块被低估了。它能只凭截图重建一个 Web 应用的源码。能用纯像素 harness 从头通关《宝可梦 火红》，没有地图，也没有状态解析。《杀戮尖塔》记忆实验里比 Opus 4.8 多进步 3 倍。截图转代码、图表转数字，这部分值回票价。

5/ 价格：输入 $10、输出 $50 每百万 token，正好是 Opus 的 2 倍。Simon 实测一天烧了 $110.42，其中 89.9% 砸在一个 Agent 项目上。重活吃掉绝大部分预算，这才是它该干的事。喂它琐事，只会烧光额度还零结果。

6/ 用法变了，这条最重要。旧的「逐个喂小活、全程握方向盘」会把它锚在过时模式上。官方四条建议：直接交超出旧模型边界的大活；effort 默认拉 xhigh 或 high；重写旧 skill 和 CLAUDE.md；从「派任务」转向「给目标」，说清楚完成长什么样、怎么验证。

7/ 核心方法论：别再逐字 prompt，给它两类循环。一句话配方是「给模型一个评估指标，让它爬坡」。一类是自纠错内循环，给 rubric，让它跑、收反馈、自我修正。一类是跨 session 记忆外循环，让它自己管上下文。Claude Code 里对应 /goal，CMA 的 Outcomes 会自动 spawn 一个 grader 子智能体打分。

8/ 一个反直觉的点：别让模型自评自己的输出，效果差。换成独立上下文窗口里的 verifier 子智能体来打分。

9/ 记忆的五步：fail 记录错误，investigate 搞清原因，verify 变成已验证事实，distill 提炼规则，consult 直接查规则而不是重推。三代模型恰好卡在不同台阶。Sonnet 4.6 停在第 1 步。Opus 4.7 停在第 3 步，验证覆盖率中位只有 17% 左右。Fable 5 走完全程，最强一次到 73%。

10/ 最硬的一个数：Parameter Golf 挑战里，Fable 5 对训练 pipeline 的改进大约是 Opus 4.7 的 6 倍。行为差异也值得说。它敢押注结构性大改，扛过一次量化回退，最后冲到最大收益，作者说它像敢走高方差路径的研究者。Opus 4.7 拿到首胜后就只重复低方差的老套路。

11/ 一定要懂的护栏机制，叫静默回退。命中网络安全、生物化学、蒸馏这三类，请求会被悄悄回退给较弱的 Opus 4.8。大约 5% 触发，95% 以上的会话从不碰到。API 新增了「命中护栏」通知，把它当路由信息看就行：被标记的活，其实是 Opus 在答。也要留意误报，某个 benchmark 70% 的提示被 flag，Rust 里的 unsafe {}、公开生物数据都可能误触。

12/ 该用还是别用。该用：跨文件重构、全库迁移、长上下文审计、截图重建源码，以及需要跨 session 记忆复利的连续任务。配置上 effort 拉 xhigh，开持久记忆，给它目标加 rubric 让它自驱。别用：改一行、总结邮件这种短确定性活，Opus 或 Sonnet 更便宜；上面三类被标记的活；还有对延迟和成本敏感的交互场景。

13/ 现在就做一件事：13 天里，把你最值钱、最高 effort、一直不敢交出去的大活先排进来。再送你一条能直接套的审代码 prompt：「以从未见过这套代码的资深工程师视角审查整库，别加功能别为品味重构，只找真正的错误：竞态、吞掉的异常、掩盖失败的类型强转、死配置、只在 happy path 成立的假设。每条给出文件行号、原因、影响范围和最小安全修复。」

你打算拿这 13 天先啃哪块硬活？

[陈成 @chenchengpro]

Perplexity 刚发了篇论文，用自家两款产品做对照，把「Agent 到底比 Chat 强在哪」量化了出来。它的价值不在答得更快，而在把人原本要手动编排的整段活儿吃掉了。

对照组很干净：Search 是对话式搜索助手（你问它答），Computer 是端到端自主 Agent（给目标它自己干完）。方法是把「初始 query 几乎相同」的会话配对，当作同一���务被两款产品分别尝试的自然实验来比。

几个数字：单次会话里，Computer 替你执行 26 分钟的自主工作，Search 只有 33 秒，差约 47 倍；配对任务上，完成时间从 269 分钟压到 36 分钟，相比「人 + 仅用 Search」，时间省 87%、成本省 94%。自主也不等于失控——Computer 每条 query 的不满意率反而比 Search 低 55%。

它还改变了人的行为。机器接管底层执行后，用户的后续动作从「下一步搜什么」转向验证和扩展，更像监工而非干活；人也开始敢做以前不会做的事，比如把多个相互依赖的子任务打包进一条 query，解锁一批在 Search 里几乎不存在的工作类型。

一条因果链：自主性 → 效率 → 广度。给做 Agent 产品的人提个醒：别再用「单轮回答好不好」这种 Chat 指标去评估 Agent，要看它接管了多长的自主工作链、把人腾出来去做多高阶的事。（数据为厂商自评，绝对数字当方向性证据看。）

https://t.co/qqJRkNXUSq

[Joruno @wsl8297]

最近整理了一批适合中文内容创作者用的 Codex Skills。

如果你平时要写文章、改稿、去 AI 味、做配图、做封面、小红书卡片，这 10 个基本能覆盖一整套内容生产流程。

建议先收藏，不用一次装完，按自己的创作需求慢慢补。

1. Humanizer-zh
中文写作者很实用的去 AI 味工具。
它不是简单改几个词，而是会帮你处理���话、套话、三段式、过度排比这些问题，让稿子更像真人写出来的。

https://t.co/L1yXa7gCE9

2. dbskill
更像一个内容诊断工具。
适合做选题判断、商业表达、hook、小红书标题、爆款拆解，尤其适合中文自媒体和知识型创作者。

https://t.co/EqRLjjg6fC

3. content-research-writer
适合需要完整写作流程的人。
从选题、资料、提纲、引用到初稿，基本能把一篇长文的前期工作串起来，公众号、Newsletter、博客、X 长文都能用。

https://t.co/aKkDYNnUtn

4. NotebookLM Claude Code Skill
资料型写作者可以重点看看。
它更适合基于已有资料库来写作，能减少胡编乱造，适合行业研究、课程稿、深度文章和长文整理。

https://t.co/Ag8AOMgF2a

5. khazix-skills
适合做公众号长文和万字研究报告。
里面的写作流偏重，不是随手写一篇短文那种，更适合 AI 热点分析、深度拆解和观点型长文。

https://t.co/hIUHpcMAHI

6. ian-xiaohei-illustrations
如果你经常写中文文章，这个很适合拿来做正文配图。
它不是随便生成一张图，而是把文章里的观点、流程、情绪和隐喻，转成“小黑”风格插图。

https://t.co/jbnzCEbe2x

7. guizang-social-card-skill
写完文章之后，可以用它做小红书图文和公众号封面。
一篇长文拆成多张卡片，做成可以直接分发的视觉内容，会省很多时间。

https://t.co/ucwo52Erlm

8. baoyu-skills
中文创作者的视觉工具箱。
封面图、信息图、结构图、图解都能做，适合给文章做包装，也适合把复杂观点视觉化。

https://t.co/qIpQPt1vO0

9. guizang-ppt-skill
适合把文章观点做成 PPT、演讲图、公众号头图、小红书封面。
如果你经常把一篇文章二次分发成分享稿、演示稿或者视觉卡片，这个会很顺手。

https://t.co/2dPP628fub

10. html-anything
可以把 Markdown、文案、文章转成 HTML 页面、海报、卡片和 PNG。
适合做杂志风文章、知识卡片、小红书图文和分享图。

https://t.co/PtvDtYcPgZ

如果你只想先装一小套，我会建议从这 5 个开始：

1. Humanizer-zh
2. dbskill
3. content-research-writer
4. ian-xiaohei-illustrations
5. guizang-social-card-skill

前 3 个解决文字质量，后 2 个解决配图和分发包装。

别再只让 AI “帮我写一篇文章”了。
真正提升效率的方式，是把 AI 接进你的创作流程里：选题、资料、写作、修改、配图、分发，每一步都让它干具体的活。

[泊舟 @bozhou_ai]

AI native四个Level

Level 0：Search-first
遇到问题先搜索，自己筛选信息。
Level 1：AI-assisted
遇到问题问 AI，让 AI 总结、润色、写初稿。
Level 2：AI-native individual
先让 AI 拆解问题、生成方案、保留上下文，再由人判断。
Level 3：Agent-executed workflow
AI 不只是回答，而是直接执行任务、修正错误、交付结果。
Level 4：AI-first organization
组织/公司把工程、产品、GTM、评估、数据反馈全部围绕 AI 重构。

[艾略特 @elliotchen100]

同事推荐了一个注册美国虚拟手机号的服务，

有免费版，也有付费版，好像还不错。

https://t.co/q7rUjNliWF

[黄小木 @ai_xiaomu]

Karpathy 公开了他用 Claude Code 的 4 条规则 ,

30 秒就能修最常见的 AI 编程失败:

1. 先让 AI 写测试再写实现 ,
测试通过你才知道 AI 真的理解了需求 ,
不是给你一段看起来漂亮的代码。

2. 任何超过 100 行的修改 ,
强制让 AI 先输出 plan ,
你审完 plan 再让它写代码。

3. 永远给 AI 限定文件范围 ,
说"只改 src/x.ts 这个文件" ,
不要让它自己决定��哪些文件。

4. 每个 session 结束前让 AI 写 commit message ,
它写不清楚 = 它没真的理解自己改了什么。

4 条没一条新概念 ,但 90% 的人没认真执行第 3 条。

[Peter Pang @intuitiveml]

https://t.co/Co7vCLvCpu

[meng shao @shao__meng]

基于 Claude AI、Claude Code、Claude Cowork 三款产品工程实践对 Agent 安全的实战总结
https://t.co/hiIlCoXkcY

核心设计原则放在最前面
· 先环境层，后模型层 — 确定性边界是最后防线
· 隔离强度匹配用户监督能力 — 开发者能理解 bash，知识工作者不能
· 警惕自建组件 — 优先使用久经考验的标准隔离原语
· 出站白名单应视为能力授权，而非目的地过滤 — 每个可调用函数都是攻击面

三种风险类型
· 用户误用：用户（有意或无意）指示 Agent 执行有害操作，如绕过检查、执行破坏性命令
· 模型��为失当：Agent 未经请求执行有害操作，如"好心"地逃离沙箱、查看 Git 历史获取测试答案、自动识别 benchmark 以破解答案
· 外部攻击：通过工具、文件、网络访问等向��攻击 Agent，包括提示注入和传统运行时攻击

三层防御架构
1. 环境层（最可靠）
· 沙箱、VM、文件系统边界、出站控制
· 核心原则：确定性边界 > 概率性防御
· 若凭证从不进入沙箱，无论何种原因都无法被窃取

2. 模型层
· 系统提示、分类器、探测、训练改进
· Claude Opus 4.7 在 Gray Swan 的 Agent 红队基准上，单次攻击成功率约 0.1%，100 次自适应尝试后约 5-6%
· Claude Code 自动模式拦截约 83% 的过度积极行为

3. 外部内容层
· MCP 服务器、第三方插件、网页搜索
· 关键洞察：审计过的连接器 ≠ 审计过的数据（如 GitHub 连接器可加载被污染的 README）

三款产品的隔离模式对比（模式、实现和场景）
· Claude AI：短暂容器 | gVisor 容器，服务端运行，每次会话文件系统归零 | 通用对话，代码执行
· Claude Code：人���协同沙盒 | Seatbelt(macOS)/ bubblewrap(Linux)，允许读、工作区允许写、默认阻断网络 | 开发者工具，需本地文件访问
· Claude Cowork：密封虚拟机 | 完整 VM（Apple Virtualization/HCS），仅挂载用户指定工作区，凭证留在宿主钥匙串 | 知识工作者，非技术用户

关键教训（真实攻击案例）
1. 信任对话框之前的代码执行漏洞
· 问题：Claude Code 在启动时读取 .claude/settings.json（含钩子），此时用户尚未确认"是否信任此文件夹"
· 修复：延迟解析项目本地配置，直到用户通过信任提示

2. 用户作为注入向量（钓鱼攻击）
· 场景：研究员通过邮件发送恶意提示，诱导员工粘贴到 Claude Code
· 结果：24/25 次成功窃取 ~/.aws/credentials 并外泄
· 教训：仅环境防御有效（出站阻断 + 文件系统边界），���型层无法防御"用户本人"的指令

3. 通过已批准域名的外泄
· 漏洞：Cowork 的出站白名单允许 api.anthropic. com，攻击者嵌入 API 密钥，让 Claude 读取文件并上传到攻击者账户
· 修复：VM 内部署防御性中间人代理，仅携带 VM 自有会话 token 的请求可通过

4. 自建组件是最薄弱环节
· 经验：gVisor、seccomp、hypervisor 等久经考验的组件可靠，自定义代理/代理是失败点

未来风险方向
· 持久化内存污染：跨会话记忆的增多使注入可在每次启动时重新加载
· 多 Agent 信任升级：子 Agent 输出若被视为主 Agent 的"更高信任"内容，可能成为新的提示注入向量
· Agent 身份：跨平台 Agent 应拥有独立主体身份，还是继承用户权限？需要混合方案

[bbshare @shadouyoua]

谷歌悄悄发了个工具，专治看不懂的开源项目。
CodeWiki，丢一个 GitHub 仓库链接进去，AI 直接把整个代码库翻译成一份可交互的文档。
它不是简单总结一下代码，而是：
- 自动生成架构图和依赖关系图
- 逐个模块讲清楚是怎么跑起来的
- 配套生成保姆级的使用教程
- 还内置了一个懂整个代码库的聊天机器人，可随时追问
链接：https://t.co/dhrKZlv0l2
以前接手一个陌生开源项目，光看懂目录结构就得花上大半天，现在直接丢进去几分钟就能上手。

[周览💪｜实用工具分享 @grgerwcwetwet]

做 PPT 这件事，可能真的快被 AI 干掉了。

最近发现一个爆火开源项目：html-ppt-skill。

你只要说一句：

“做一份 AI 趋势分享，小红书风格”
或者
“生成一套产品发布会 PPT”

剩下的它全包：

✓ 自动生成内容大纲
✓ 智能排版设计
✓ 匹配主题风格
✓ 添加转场动画与特效
✓ 一键输出完整 PPT

最夸张的是视觉效果。

内置 36 套主题、31 种专业布局，
还有粒子动画、动态特效，
很多页面已经接近发布会级别演示效果。

做完还能直接导出���片，
发公众号、小红书、朋友圈都很方便。

以前做 PPT 最少折腾半天，
现在只负责提需求。

安装命令：

npx skills add https://t.co/ifgJ0yxiwN

[weijunext @weijunext]

高性能、专业级、100%免费的JavaScript动画库GSAP发布了官方skills，以后不懂设计也可以做出合格的动画了。

GSAP skills涵盖了：
· gsap-core：Tween、缓动、 stagger 交错动画等核心基础。
· gsap-timeline：多动画编排及位置参数、标签管理。
· gsap-scrolltrigger：滚动驱动动画与视差效果。
· gsap-plugins：ScrollTo、Flip、Draggable、SplitText 等高级插件用法。
· gsap-frameworks：在 React (useGSAP)、Vue、Svelte 等框架中的最佳集成方式。
· gsap-performance：高性能动画与 60fps 优化策略。

Skills涵盖的均为最新版API，再也不用担心AI因为训练数据过时用错API了。

安装方式：
使用 Skills CLI 一键添加，该命令会自动检测你正在使用的 AI 编程工具（如 Cursor、Claude Code 等）并完成配置：

```bash
npx skills add https://t.co/moz8Fn7Y75
```

[知识分享官 @knowledgefxg]

实用开源小工具推荐：pdf-inspector
解决的是一个很实际的问题：并不是所有 PDF 都需要 OCR。
比方说你扔给它一个 PDF，它先判断这个 PDF 到底是什么类型——是正常的文字版（比如用 Word 导出的）、还是扫描版（图片），然后决定怎么处理。如果是文字版，直接本地提取，几百毫秒搞定；如果是扫描版��再走 OCR 服务。这样就避免了把每一个 PDF 都送去做 OCR，省钱省时间。很适合文档智能、知识库构建、RAG 数据预处理等情景。
https://t.co/grKSpPj2sd

[向阳乔木 @vista8]

最近最火的Codex优化网络速度Use Case，写了个提示词，亲测效果不错：

1. 在Codex中输入 “/goal” ，如果中文版输入 “/目标”，如果不用，直接发提示词也行。

2. 提示词如下：

优化当前电脑的网络速度和稳定性。

请按“先诊断、再最小可逆修改、最后复测”的方式执行，不要直接破坏性重置网络。

诊断要求：
1. 先跑 before ���准：networkQuality、DNS 查询耗时、到路由器的 ping、到公网 DNS 的 ping。
2. 区分真实公网链路和本机代理/VPN/TUN：检查 scutil --nwi、route get default、scutil --dns、scutil --proxy。
3. 检查 Wi‑Fi 质量：频段、信道、带宽、RSSI、噪声、Tx Rate、周边干扰。
4. 检查 MTU、丢包、mDNS/DNS 缓存、网络服务顺序。
5. 找出高流量或会接管路由的后台进程，如 VPN、Tailscale、Shadowrocket、Stash、iCloud、Dropbox、网盘、下载器。

优化要求：
1. 只做安全、可逆、低风险修改。
2. 把真实使用的 Wi‑Fi/以太网排到网络服务第一位。
3. 禁用明显无用的伪网络服务或旧网络服务，但不要删除配置。
4. 根据实测 DNS 延迟设置更快的 DNS。
5. 刷新 DNS 和 mDNS 缓存。
6. 停止或提示我关闭明显占用带宽的后台程序。
7. 如果需要 sudo 或会影响 VPN/远程连接，先说明风险，不要强行执行。

复测要求：
1. 再跑 after：networkQuality、DNS 查询耗时、路由器 ping、公网 ping。
2. 对比 before/after：下行、上行、空闲延迟、加载延迟、丢包、DNS 耗时。
3. 总结发现的 3 个主要问题、已修复项、未修复但建议手动处理项。

[灰狐 @huihoo]

Alex Xu 的《System Design Interview》是科技招聘中最受推荐的书籍
一位 AWS 工程师通读了两卷书，在 GitHub 上做了28章读书笔记
https://t.co/HyoqdboRcJ
以网页形式浏览两卷书的笔记，还有其他一些读书笔记
https://t.co/xXXk4VZUPq

看来，读书笔记也是可以做成和原著一样备受欢迎的👏

[超级个体｜柿子 @yaohui12138]

就在 Cloud Next 2026 上，Google开源了一个官方 Agent Skills 仓库

解决的问题是：人来进行google生态的调试和各种流程时出现的各种问题

13 个 skill给你覆盖率google生态常见的教程，让你的ai更懂google，但凡你用到google生态，都值得进行收藏

仓库地址：https://t.co/PklvYaD9FL

安装就一行：npx skills install https://t.co/PklvYaD9FL

兼容 Claude Code、Gemini CLI、Cursor、Codex、Antigravity，基本��主流的 AI 编程助手全覆盖

其中内置13个skill，主要分三大类

第一类：Basics —— 产品操作手册（7 个）

让 agent 学会怎么用某个具体的 GCP 产品，包含命令、SDK 初始化、Terraform 配置、IAM 权限，该踩的坑都标出来了

① gemini-api ：调 Gemini 模型的全套操作
② bigquery-basics：BigQuery 数仓全流程。
③ alloydb-basics
④ cloud-sql-basics ：托管 MySQL/PostgreSQL/SQL Server。
⑤ cloud-run-basics ：

Services:HTTP 触发，gcloud run deploy
Jobs：定时/事件触发的批任务
Worker Pools：常驻后台（Kafka/Pub/Sub/RabbitMQ）

⑥ firebase-basics ：移动/Web 后端初始化。
⑦ gke-basics ： K8s 运维能遇到的场景全覆盖了

第二类：Recipes —— 跨产品任务流程（3 个）

不是教你用某个产品，而是帮你跑通一个完整的多步骤流程，agent 会先问你几个澄清问题，再给方案

⑧ google-cloud-recipe-onboarding ：���人首次上 GCP 的全流程：开账号 → 领 $300 免费额度 → 建 project → 绑 billing → 装 gcloud 跑 init → 启用 API → 选 Cloud Run / Compute Engine / Cloud Storage 部署第一个资源 → 验证

⑨ google-cloud-recipe-auth ：
认证授权的决策树。先问 4 个问题（谁在认证 / 代码跑在哪 / 目标是什么 / 用什么 SDK），然后给方案

⑩ google-cloud-networking-observability ：网络问题排障。分析 VPC Flow Logs、Cloud NAT、防火墙日志、威胁日志

第三类：WAF —— 架构体检清单（3 个）

对标 Google Cloud Well-Architected Framework，拿原则去给你的架构打分，agent 变成架构评审员

⑪ google-cloud-waf-security ：

安全评审。7 大原则（security by design、zero trust、shift-left、preemptive defense、AI 安全用、用 AI 做安全、合规）

⑫ google-cloud-waf-reliability “
可靠性评审。9 大原则：用户体验导向、SLO、冗余、横向扩展、可观测性、优雅降级、故障测试、数据恢复、blameless postmortem

⑬ google-cloud-waf-cost-optimization ：
成本评审。4 大原则 + 8 项 checklist：标签做成本归因、按 project 设预算告警、用 Recommender 做 rightsizing、清理闲置、优先 managed service、存储分层

[fal @fal]

🚨 Recraft V4.1 is here on fal!

✨ Built for high aesthetics and emotional imagery, not generic stock looks.
🎨 Stronger personality in 3D, illustrations and soft gradients.
🖼️ Image, vector, and utility flavors. Standard and Pro tiers for any scale.

[黄小木 @ai_xiaomu]

codex自带的webserach爬内容能力很弱，一般都需要接入很多Mcp进��能力补强。
agent reach整合了很多搜索mcp，相当于一个爬虫中转站，是个不错的方案。

[LISA @MindOS_Lisa]

畅游知识库~~Hermes自动化设置，建议收藏🔖