【AI智能体】Skills 智能体驱动开发从使用到项目实战详解

【AI智能体】Skills 智能体驱动开发从使用到项目实战详解

目录

一、前言

二、Skills 介绍

2.1 Skills 是什么

2.2 为什么需要 Skills?它能解决什么问题?

2.3 Skills 工作原理

2.4 Skills 与其他能力协作关系

三、Skills 环境搭建

3.1 OpenCode 本地环境搭建

3.1.1 安装ndoejs

3.1.2 使用npm安装OpenCode

3.1.3 效果测试

3.1.4 opencode 基本使用技巧

3.2 OpenCode 配置大模型

3.2.1 前置准备

3.2.2 进入模型配置窗口

四、Skills 获取与基本使用

4.1 获取Skills

4.2 基于Skills目模板使用过程

4.2.1 配置Skills使用模板

4.2.2 使用Skills开发前端网页

4.2.3 使用Skills 做数据处理

五、开发自己的Skills

5.1 Skills 编写规则

5.1.1 Skills 模板规则编写说明

5.2 开发编写周报Skills

5.2.1 创建相应的工程开发目录

5.2.2 编写SKILL.MD

5.2.3 效果验证

5.3 使用魔法创建Skills

5.3.1 给出明确的需求

5.3.2 效果验证

六、写在文末


一、前言

Agent Skills 是继 MCP 后 Anthropic 推出的又一个 Agent 领域的行业标准。它的成长路线和 MCP 也非常像,25 年 10 月份发布时只有 Anthropic 自家产品支持,后来 Cursor、Codex、Opencode、Gemini CLI 等产品看到了 Skills 的优势于是纷纷开始支持。再后来社区开始涌现大量的开源 Skills 以及 Skills 开放市场,当下大家已经默认 Skills 成为了又一个扩展 Agent 能力的标准实践。

简单来说,Skills 的作用就是将那些重复性的、专业的流程进行打包封装。当你需要使用某种能力时,不再需要像过去那样每次都去查阅手册或重新输入冗长的提示词,而是像调用工具一样直接使用。

二、Skills 介绍

2.1 Skills 是什么

Read more

OpenClaw Skills 安装与实战:打造你的 AI 技能工具箱

OpenClaw Skills 安装与实战:打造你的 AI 技能工具箱

OpenClaw Skills 安装与实战:打造你的 AI 技能工具箱 本文介绍如何使用 ClawHub 安装和管理 OpenClaw 技能包,并通过实战案例演示多个技能的协同使用。 前言 OpenClaw 是一个强大的 AI 助手框架,而 Skills(技能包)则是扩展其能力的核心方式。通过安装不同的技能包,你可以让 AI 助手具备搜索、总结、开发指导、自我学习等能力。 本文将带你完成: * ClawHub CLI 的安装与使用 * 多个实用技能包的安装 * Self-Improving 记忆系统的初始化 * 一个综合实战案例演示 一、ClawHub:技能包管理器 1.1 什么是 ClawHub ClawHub 是 OpenClaw 的官方技能包市场,提供了丰富的技能包供用户安装使用。 安装 ClawHub

【开源发布】MCP Document Converter:让你的 AI 助手精通 25 种文档转换神技!

【开源发布】MCP Document Converter:让你的 AI 助手精通 25 种文档转换神技!

【个人主页:玄同765】 大语言模型(LLM)开发工程师|中国传媒大学·数字媒体技术(智能交互与游戏设计) 深耕领域:大语言模型开发 / RAG知识库 / AI Agent落地 / 模型微调 技术栈:Python / LangChain/RAG(Dify+Redis+Milvus)| SQL/NumPy | FastAPI+Docker ️ 工程能力:专注模型工程化部署、知识库构建与优化,擅长全流程解决方案        「让AI交互更智能,让技术落地更高效」 欢迎技术探讨/项目合作! 关注我,解锁大模型与智能交互的无限可能! 前言:AI 时代的文档处理困境 【好消息】MCP Document Converter 已正式入驻 MCP 官方 Server 列表,并同步发布至 PyPI! 作为一名开发者,

飞算 JavaAI:需求转在线考试系统全流程体验-代码驱动的智能开发革命

飞算 JavaAI:需求转在线考试系统全流程体验-代码驱动的智能开发革命

每日一句 愿你是一只燕子, 衔着春光飞来; 愿你是一只雄鹰, 箭一般射向蓝天。 目录 每日一句 一.引言:当代码自动生成成为现实 二.数据库设计:自动生成的表结构与关系映射 三.实体类设计:注解驱动的对象映射 四.DAO 层设计:MyBatis-Plus 的智能封装 五.Service 层设计:事务管理与业务逻辑 六.Controller 层设计:RESTful 接口与统一响应 七.前端代码:Vue 组件与实时交互 八.开发效率对比:AI 生成代码带来的质变 九.总结:AI 驱动的开发新范式 一.引言:当代码自动生成成为现实 作为计算机专业学生,我曾以为 "一天开发一个系统"

Kubernetes与AI推理服务最佳实践

Kubernetes与AI推理服务最佳实践 1. AI推理服务核心概念 1.1 什么是AI推理服务 AI推理服务是指将训练好的AI模型部署为可访问的服务,用于实时或批量处理推理请求。在Kubernetes环境中,AI推理服务需要考虑资源管理、性能优化和高可用性。 1.2 常见的AI推理框架 * TensorFlow Serving:Google开源的机器学习模型服务框架 * TorchServe:PyTorch官方的模型服务框架 * ONNX Runtime:微软开源的跨平台推理引擎 * Triton Inference Server:NVIDIA开源的高性能推理服务器 2. GPU资源管理 2.1 安装GPU驱动和NVIDIA Device Plugin # 安装NVIDIA驱动(在节点上执行) apt-get install -y nvidia-driver-535 # 安装NVIDIA Device Plugin kubectl apply -f https://raw.githubusercontent.com/NVIDIA/