Zk

🛒 电商互联网深耕者
🤖 AI出海研究者
💰 擅长商业变现与表达

[Zk @Zklnbp]

@AdrianPunk115 听你说话分享就能感觉出来，人比较真诚，你的投资人估计也是看到了你这一点

[Zk @Zklnbp]

装 Skill 最烦的不是找仓库，是每个 Agent 目录都不一样——1 条 `npx skills` 能装到 75+ 个 Agent👇

以前要手动往 `.claude/skills/`、Cursor、Codex 各自塞文件。现在用 Vercel Labs 开源的 skills CLI（仓库 vercel-labs/skills，约 3.4 万 Stars，MIT），把「跨 Agent 装 skill」收成标准动作。

核心能力（按文档/常见用法）：
· 一条命令从 GitHub / GitLab / 本地装 skill
· 自动识别本机已装的 coding agent
· 项目级或全局安装；可 symlink 或复制
· find / list / update / remove，像管 npm 包
· `skills use`：可不安装，直接生成提示词喂给 agent
· `init`：一键生成 SKILL.md 模板
· 私有仓库也能装（走你已有的 Git / gh 凭证）

适合谁：经常换 Claude Code / Cursor / Codex，又想统一管理 Skills 的人。
注意：装前看源仓库权限说明；遥测等开关以项目 README 为准；别对不信任的 skill 开高权限。

国内提醒：`npx` 与 GitHub 拉取在中国大陆可能需代理；也可用国内镜像或先 `git clone` 再本地路径安装。Claude Code / Cursor 官方服务本身亦受网络与账号限制。

建议收藏🔖 换电脑或换 Agent 时，先问自己：Skills 能不能一条命令带走？
你现在装 Skill 是手拷目录，还是已经上 CLI 了？

#AI工具 #ClaudeCode #开源

[Zk @Zklnbp]

@MistralAI Engineering + astronomy on a private STEMBench is a nicer signal than another public leaderboard reshuffle. How much of Large 4's gain is tool use vs raw knowledge—any public split you can share?

[Zk @Zklnbp]

@reflection_ai Apache 2.0 plus BF16/FP8/NVFP4 out of the gate is the right packaging—most open releases make you hunt for a usable stack. How does DFlash2 draft quality hold up in multi-tool agent loops vs full BF16?

[Zk @Zklnbp]

1 条 Prompt，让 Codex / Claude Code / Cursor 都先「读懂你的仓库」——写出它们会优先看的 AGENTS.md👇

没有这份文件，Agent 常会猜命令、乱改迁移、瞎编风格。有了它：对的命令、禁区、你们的真实习惯，一次写清。

做法（证据优先，别写空话）：
① 角色：当成在给其他 AI Agent 做入职手册
② 先收集：README、两层目录树、改动最多的文件、近期合并 PR、CI 配置
③ 原则：代码和 CI 胜过文档；只保留 Agent 推不出来的规则；每条规则尽量挂真实路径
④ 砍掉：空泛「写干净代码」、linter 已能管的、任何密钥/token
⑤ 建议结构（控制在约 150 行内、多用条目）：
OVERVIEW · MAP · SETUP · TEST · CONVENTIONS · LOGIC · QUIRKS · NEVER · DONE
⑥ 写完自检：命令能跑、路径真实、无废话；留 3 个只适合人类回答的问题
⑦ 维护：大 PR 后或 Agent 重复踩坑时再更新

通用性：同一份 AGENTS.md，可在 Codex、Claude Code、Cursor 等读规则文件的编码助手里共用（具体加载优先级以各工具文档为准）。

国内提醒：上述官方云端服务在中国大陆多需自行解决访问；可把同样结构写成项目根目录规则文件，先给本地/开源 Agent 用。别把密钥写进 AGENTS.md。

建议收藏🔖 下次开新仓，先让 Agent 按证据生成一版，再人工改「NEVER」禁区。
你仓库里现在有 AGENTS.md 或等价规则文件吗？最长写到多少行了？

#AI编程 #ClaudeCode #Cursor

[Zk @Zklnbp]

分不清 Prompt、Skill、MCP、Agent？先按「招人」想一遍，80% 收益其实在最上几层👇

很多人一上来就追 Agent、装一堆 MCP，结果日常还是在聊天框里反复贴同一段话。层级乱了，工具再多也白搭。

用招人来类比（对应常见工具）：

① Prompt｜口头临时交代
一次任务、聊完就忘。适合：单次提问、试错。

② 常驻指令｜厂规手册
语气、禁区、项目背景，每次自动生效。
对应：ChatGPT 自定义指令、Claude Projects、CLAUDE.md / AGENTS.md / .cursor/rules

③ Skill｜流程夹
完整多步打法，需要时才打开，不占每次上下文。
对应：Claude Skills、可复用 SKILL.md、斜杠命令

④ MCP｜门禁工牌
让 AI 进你的真工具：Notion、表格、日历、代码仓……
没有它：只能嘴上教你；有了它：能读真实数据、动手操作。

⑤ Agent｜能自己干活的员工
懂厂规、会抽流程夹、有工牌，甚至你不在也能跑。
对应：定时 Agent、多步编码助手、自动化工作流

怎么选（别跳级）：
· 老重复同一句 → 先写常驻指令
· 老做同一套多步活 → 做成 Skill
· 必须读写外部工具 → 再上 MCP
· 要无人值守 → 最后才上 Agent

国内提醒：Claude / Cursor / 多数海外 MCP 在中国大陆需自行解决网络与账号；本地可先用支持 Skills/规则文件的开源助手练这套分层。免费档往往够写指令和 Skill，MCP 权限要谨慎授权。

建议收藏🔖 下次想装新工具前，先问自己卡在哪一层。
你现在卡在哪一层：还在贴 Prompt，还是已经在写 Skill？

#AI工具 #Agent #效率

[Zk @Zklnbp]

@AetrixEmby 精简工具定义确实能腾不少干活空间，同感。

[Zk @Zklnbp]

Claude Code 烧 Token 太狠？打开 /context 看一眼：第一轮往往已经吃掉几万输入👇

有人拆过一次真实会话：26 次调用、6 条回复。输入 Token 每轮都在涨——因为历史会整包重发。

更扎心的是：第一轮还没真正干活，上下文里可能已经塞满了：
· 工具定义（bash / read / edit 等）
· 你接上的 MCP 工具清单
· 项目根目录的 CLAUDE.md
· Skills 说明
· 系统提示词
· 你的第一条长指令

这些会在后续每一轮再寄一次。会话一长，账单就跟着肥。

省 Token 三板斧（立刻能试）：
① 输入 /context，先看「谁最重」——别瞎猜
② CLAUDE.md 减肥：通用规则留根目录；只服务某文件夹的规则，放进该目录的 CLAUDE.md（用到才加载）
③ 关掉本项目用不到的 MCP——工具描述也会占上下文

额外习惯：
· 长任务拆会话，别一条线程聊到死
· 大文件别整份贴进对话，让它按需 Read
· Skills / 插件只装当前项目真用得到的

适合：天天开 Claude Code、感觉额度掉得莫名其妙的人。

建议收藏🔖 下次额度告急，先 /context，再决定砍什么。
你项目里最重的往往是哪块：CLAUDE.md、MCP，还是 Skills？

#ClaudeCode #AI编程 #省Token

[Zk @Zklnbp]

@zengshan9 对，给得精才不容易跑偏，你这套我记下了。

[Zk @Zklnbp]

@AetrixEmby 对，工具定义先把窗口吃满，真正干活反而挤后面了。

[Zk @Zklnbp]

@Jtxccjdbb 对，先定场景再挑工具，比从榜单从头试省一大截。

[Zk @Zklnbp]

不会写代码也能出产品？先别乱试 14 个 AI 搭应用工具：按场景选，一天能交一版👇

2026 年「我不会写代码」已经不是借口。难的是：工具太多，选错就反复返工。

按强度/定位快速对照（个人向，非广告）：
1️⃣ Replit Agent —— 偏后端、会自检循环，重业务逻辑可先看它
2️⃣ v0（Vercel）—— UI 生成强，页面/组件优先
3️⃣ Lindy —— 按额度计费的工作流型
4️⃣ NxCode —— 用量上限相对清晰
5️⃣ Taskade Genesis —— 嵌在工作区里搭应用
6️⃣ OpenAI Agent Builder —— 偏「感觉式」搭 Agent
7️⃣ https://t.co/RWsMwmeKor —— 全栈出货快
8️⃣ https://t.co/WmpGViaJx2 —— 适合「克隆已有站点」再改
9️⃣ Emergent AI —— 全栈搭建向
🔟 Grok Build Mode —— 对话式搭
11. Framer AI Agents —— 营销站/落地页
12. Google Stitch —— UI 设计向
13. Antigravity —— 更偏自主写码
14. Sticklight —— 全栈搭建向

怎么选（别背名单）：
· 后端重 / 要跑通逻辑 → 先试 Replit Agent 这类
· 只要好看界面 → v0 / Stitch
· 只要落地页 → Framer
· 想抄一个现成站改 → https://t.co/WmpGViaJx2 这类克隆向

原则：先定场景和预算，再开账号；同一需求最多并行试 2 个，用「能不能交一版」当标准。

建议收藏🔖 下次立项先对表，少交学费。
你最近在用哪一类：搭页面、搭全栈，还是搭 Agent？

#AI搭应用 #NoCode #VibeCoding

[Zk @Zklnbp]

@zengshan9 学到了：省 Token 本质是控制信息增量，不是少说话。

[Zk @Zklnbp]

@XiaotiaoWang 同感，出第一版只是起点，验证和维护算进成本才选得准。

[Zk @Zklnbp]

@srduino2026 示波器那个比喻太准了。子任务隔离上下文，主会话只收结论，这个分层很干净。

[Zk @Zklnbp]

@KowalPrato4o 对，额度归自己才能盯用量。长任务分号跑，比跟共享号抢窗口省心多了。

[Zk @Zklnbp]

学 AI 别只刷二手转述：用「3 层信息源」把自己接到一手信号上👇

国内看到的很多是翻译、合集、二创。不是没用，但如果只停在这一层，你会永远慢半拍。

【第 1 层｜一手信号】
跟模型方、工具官方、核心工程师：新能力、限额变化、踩坑说明，优先看他们。

【第 2 层｜实战拆解】
找「做过产品 / 跑过工作流」的人：有步骤、有取舍、有失败案例。比纯安利清单更值钱。

【第 3 层｜二手合集】
当索引用：快速扫话题、补盲点。看到感兴趣的，再回到第 1、2 层核对原文。

怎么落地（每周 30 分钟）：
① 固定关注 5–8 个一手账号（模型/工具/工程师）
② 再加 5–10 个实战型创作者（写工作流、晒仓库、讲失败）
③ 合集帖只收藏不沉迷；每周挑 1 个话题深挖到可复现
④ 建一个简单笔记：工具名 → 能解决什么 → 我试没试 → 结论

判断一条信息值不值得跟：
· 有没有可复现步骤？
· 有没有成本/限额说明？
· 是不是刚过时的旧截图？

建议收藏🔖 下次再刷到「100 个必关账号」时，先按这 3 层筛，别全盘跟。
你现在信息源更偏哪一层：一手、实战，还是合集？

#AI学习 #信息源 #AI工具

[Zk @Zklnbp]

Roadster 发布会刷屏了：马斯克到底更会造车，还是更会造 AI？👇

新款 Tesla Roadster 今早全球热搜：主动空气动力、冷气推进器，媒体甚至写「it can fly」。
但这件事里，真正值得 AI 圈盯的不是「能不能飞」。

同一家公司，一边在卷汽车形态，一边在堆：
· 自动驾驶（FSD）——车就是会跑的机器人
· 人形机器人 Optimus —— 工厂里的劳动力
· xAI / Grok —— 自己的大模型赛道

造车拼的是供应链和工程；
造 AI 拼的是数据、算力和产品闭环。
马斯克两条线都押，所以每次发车，其实也在给「AI 公司」做营销。

对普通人更有用的一课：
大热点能不能蹭，看你能不能用一句话把它拉回自己的赛道。
硬写汽车参数，小号会被淹没；问「车还是 AI」，才和账号相关。

你觉得马斯克更牛的是造车，还是造 AI？

#Tesla #Roadster #AI #马斯克

[Zk @Zklnbp]

「陈光宇加入 Anthropic」先别转：我翻了原帖，能确认的只有 2 件事👇

① 10/15 早上 8 点，陈光宇（@nathancgy4）发帖宣布已离开 Kimi（月之暗面），说这一年是“目前人生最好的一年”。
② Anthropic 研究员 Sholto 在评论区问他还去不去 CMU、建议来旧金山；他回：“am coming to the bay :)”——我要去湾区了。

没有任何一句写「加入 Anthropic」。
网上流传的职位、Dario 亲自面谈、天价签字费，目前都找不到本人或公司的公开确认。

这件事对普通人更有用的一课：
· AI 圈消息，先找当事人原帖，再看二手解读
· 「来湾区」≠「入职某公司」，一字之差就是谣言
· 转发前花 1 分钟点开原链接，能省掉一次翻车

你刷到这条消息时，是先看到原帖，还是先看到「已加入 Anthropic」的标题？

#AI #Kimi #Anthropic

[Zk @Zklnbp]

@zengshan9 「关一次窗口就重说一遍」真的是 Claude Code 新手最大的痛点。你的上下文文件夹里，哪一类内容最常用到？

[Zk @Zklnbp]

每天给 AI 重复交代背景？用 1 个文件夹 + 30 分钟，让 Claude 每次开工前就「认识你」👇

问题不在模型不够聪明，而在它没地方存你说过的话：一关窗口，你是谁、客户是谁、喜欢什么写法，全部清零。
换更强的模型、写更长的提示词、打开内置记忆，本质上都还是「每次开头再交代一遍」。

解法：在电脑上建一个「记忆文件夹」。
Claude Code、Codex、Gemini CLI 这类能读写本地文件的工具，每次开工先读它，学到新东西再写回去。

6 步搭起来：
① 建一个空文件夹（比如「我的工作」），用 Claude 桌面端的 Code 标签打开它
② 写一个 CLAUDE.md：我是谁、哪类请求去哪个子文件夹、3 条铁律（没我同意不对外发；不凭记忆报价格/日期/数字；没核实不说「完成」）
③ 每类工作一个子文件夹，先从「客户」「写作」两个开始；各放一个 CLAUDE.md（这里放什么）+ 一个 MEMORY.md（只记事实）
④ 在写作文件夹的 MEMORY.md 里贴一条你真写过的消息，比一堆形容词更能教会它你的语气
⑤ 它做错就纠正，然后说「记下来」，它会把修正写进对应文件
⑥ 每周问一次「这周学到了什么、哪些该改」，删掉过期内容

两个关键：
· 总控文件要短：每次都会读，多一行就稀释一行
· 只在相关时才读对应文件夹，注意力不被无关信息分散

用 Codex 就在同目录放 AGENTS.md，用 Gemini CLI 放 GEMINI.md，里面写一句「读取本目录的 CLAUDE.md 并照做」。
网页版聊天不行，它读写不了你电脑上的文件；Claude 这边需要包含 Claude Code 的付费套餐。

国内提醒：Claude 在中国大陆不直接开放；「文件夹当记忆」这个思路，换成任何能读写本地文件的 AI 编程工具都能照搬。

建议收藏🔖 今晚花 30 分钟搭好，明天开始少说一半重复的话。
你每天最常给 AI 重复交代的是哪句话？

#Claude #AI工具 #效率