写作Skill的去AI味改造
我有个专门用来写中文博客的Skill，但是用它写出来的东西，很多一看就是AI写的。今天对它做了一次比较彻底的改造，这里把找到的问题和对应的解决办法记下来。
#Skill
共 13 篇文章。
AI 是养出来的：从 Eval First 谈领域经验
前段时间我一直在折腾创意可视化。试过不同模型，也写过一些 Skill，效果总差点意思。模型不是做不出来，而是做出来的东西经常“没毛病，但也没什么意思”：页面能跑，图也完整，细节处理得挺认真，可你看完还是会觉得，这不就是换了一种画法吗？
Skill和Agent的区别
给同事分配任务时踩了个坑。我说按构建 Agent 的方式去做，结果收上来的交付物全是 Skill。他们觉得做一个 skill 包就算交差了。
Skill、Agent、AI Client 与 Multica：AI 工作流的四层边界
最近我在整理自己的 AI 工作流。Daily brief、Session 分析、代码交付检查、内容生产、知识整理，这些工作都在逐渐用上 Skill 和 Agent。但流程多了以后，有个问题需要理清楚：哪些工作直接在 AI Client 里做就够了，哪些值得交给固定的 Agent，哪些又需要放进 Mu
Lieflat Charts 技术拆解：惊艳的可视化是怎么被工程化出来的
最近我在给团队找一套能稳定产出高质量可视化的方案，试到一个开源 skill，叫 Lieflat Charts。同一份数据，不给 Agent 这套 skill，它很容易回到默认蓝、渐变色和拥挤图例。加上以后，出图就像换了一个人。
蒸馏投资分析Skill
做了一个小实验：把一批公开投资文本整理成一个可以被 AI 调用的 Skill。
Skill工程架构
最开始我把 Skill 理解成一种更完整的 Prompt：把流程写清楚，把注意事项补全，再加上一些示例，效果应该就会越来越好。
如何把公司文档里的经验，变成自己项目里的工程约束
之前我调研过一个同类的二次开发项目。一开始我的想法很直接：把它的源码和文档找出来，看看他们怎么做的，哪些架构可以照着用，哪些功能可以直接参考。
AI 提效之后，如何持续找到值得做的需求
最近我在思考一个比较现实的问题：团队使用 AI 工具以后，开发效率确实提高了，但需求并没有跟着变多。
从会用 AI 到建设自己的 AI 基建
过去一年，很多人对 AI coding 的理解还停留在“让 AI 帮我写代码”。但真正拉开差距的地方，可能已经不在于一次提示词写得多漂亮，而在于你能不能把反复发生的工作、隐性的判断经验、验证规则、学习循环攒成可复用的 AI 基建。
提取博客知识为Skill
按此标准，博客中约 5%（~60 篇） 有 Skill 价值，其中真正高价值、可直接抽取的约 15-20 个。
如何设计项目AI改造Skill
最近在 AgentInfra 里做了一个新的 Skill，名字叫 harness-builder。
如何蒸馏我自己的写作风格
最近在折腾一件事：把自己的博客写作风格蒸馏成一个 Skill。