联网调研
web-research
改成分层检索:先用轻量查询定位来源,再对候选页做深读。同样的问题,token 成本降到原来的三分之二。
SKILLRSS 汇集主流 AI Agent Skill 的每一次更新,逐层拆解它们的结构与设计, 再把版本演进整理成可复用的模式,帮你更快地学会构建自己的 Skill。
已追踪 128 个 SKILL · 本周 37 次更新
改成分层检索:先用轻量查询定位来源,再对候选页做深读。同样的问题,token 成本降到原来的三分之二。
12 分钟前支持带勾选框与签名域的表单,自动识别字段类型再回填,不再需要人工标注坐标。
1 小时前公式生成改为先解释、后书写两步。复杂透视表的一次通过率明显上升。
3 小时前新增大纲优先模式:先和你确认结构,再逐页生成,减少整份推倒重来的情况。
今天 09:20不必逐个仓库去翻 changelog。每次更新都会被归类、摘要,并标注它属于哪一类改动。
联网调研
web-research
改成分层检索:先用轻量查询定位来源,再对候选页做深读。同样的问题,token 成本降到原来的三分之二。
表单填充
pdf-forms
支持带勾选框与签名域的表单,自动识别字段类型再回填,不再需要人工标注坐标。
表格运算
spreadsheet-ops
公式生成改为先解释、后书写两步。复杂透视表的一次通过率明显上升。
幻灯生成
slides-builder
新增大纲优先模式:先和你确认结构,再逐页生成,减少整份推倒重来的情况。
代码评审
code-review
修正大型 diff 被截断的问题,改为按文件分块评审再汇总结论。
品牌画布
brand-canvas
把颜色与字体规范抽成独立资源文件,Skill 主体只保留判断逻辑,更新规范不再改动指令。
数据可视化
data-viz
图表选择交给一张决策表,模型只匹配数据形态,不再凭感觉自由发挥。
记忆图谱
memory-graph
新增实体去重,跨会话合并同一对象的属性,重复记忆减少约四成。
把每周的更新量摊开看,你会发现活跃的 Skill 更新得越来越频繁。落后一个版本,往往就落后一种做法。
所有追踪中的 Skill,按周统计的发布次数
本季度各领域 Skill 的更新次数
好的 Skill 不是一段更长的提示词,而是分层的结构。以联网调研 Skill 为例,看看它由哪些部分组成。
--- name: web-research description: 需要联网核实事实、 收集多方来源或调研时使用 --- ## 步骤 1. 用轻量查询定位候选来源 2. 只对高相关页面做深读 3. 交叉验证后再给出结论 ## 资源 - sources.md 可信来源清单 - citation.md 引用格式规范 ## 脚本 - fetch.py 抓取与去重
开头的元信息决定这个 Skill 何时被唤起。名字、一句话用途、以及最关键的触发条件,都写在这里。
先让模型知道什么时候该用,而不是怎么用。
把任务拆成有序、可核对的步骤。每一步都是一个可以单独验证对错的动作,而不是一段模糊描述。
能被核对的步骤,才是可靠的步骤。
规范、模板、示例被放进独立文件,指令只在需要时引用它们。更新知识不必改动主逻辑。
让会变的内容和不变的逻辑分开存放。
确定性的操作交给代码去执行。模型负责判断与编排,重复且精确的部分不再靠它硬算。
能用代码保证的事,就别让模型去猜。
把同一个 Skill 的历代版本连起来看,进化的方向出奇地一致。每一次结构上的调整,都藏着一条可以借用的经验。
所有说明、规范和示例被塞进同一段 prompt。能跑,但一改就乱,也难以复用。
把一切写在一起,等于什么都没组织。
任务被拆成有序清单,每步可以单独核对。错误第一次变得可以定位。
结构本身就是一种纠错机制。
规范与模板搬进独立文件,指令只做引用。更新知识不再动到判断逻辑。
会变的和稳定的,值得放在不同地方。
抓取、去重、格式化这些确定性动作改由脚本完成,模型只负责编排。
确定的事交给确定的工具。
只有真正需要时,对应的说明和资源才被加载。上下文更干净,成本更低。
少加载,也是一种能力。
这些原则不只适用于写 Skill。它们其实是在讲,怎么把一件复杂的事,交给模型也能做好。
每周一封邮件,汇总本周值得关注的 SKILL 更新与一条可复用的拆解笔记。
免费 · 随时退订