每个技能文件夹里，必须有一个叫「SKILL.md」的文件（大写！），它相当于“插件说明书”，告诉AI这个技能能干嘛、怎么干。网上有很多现成的优质“插件”，比如GitHub的，直接下载复制到文件夹里就行。文件内容示例 (C:\Users\用户名\.claude\skills\xlsx\SKILL.md---# 【1. 元数据区 / Metadata】# 作用：Claude 启动时只会读取这一小部分。

本文是Coze平台AI Agent开发的快速入门指南，重点介绍了AI Agent与普通大模型的区别及开发流程。主要内容包括： AI Agent核心概念：AI Agent是具有工具调用、记忆存储和任务规划能力的智能助手，相比ChatGPT能主动执行复杂任务。 Coze开发平台：提供Bot创建、插件扩展、知识库管理等一站式AI开发环境。 提示词设计方法：通过角色定位、技能描述、输出格式和约束条件四个要

是 Anthropic 推出的一种新的能力抽象层，专门设计来解决大型上下文窗口（Large Context Window）的问题。在 Claude.ai 界面中找到 Skills 设置上传或创建 SKILL.md 文件系统自动识别并加载Agent Skills API 是面向智能体（Agent）技能生命周期管理的应用程序编程接口（API），标准化了技能的创建、加载、调用、更新、销毁等核心操作，是连

这里其实就跟添加skills的思路是一样的，只是取决于你想要只装在obsidian里面还是全局skills。我今天试了一下新发布的glm5，竟然把我代码里藏了好多天的bug改掉了，感觉还是挺厉害的。

这里其实就跟添加skills的思路是一样的，只是取决于你想要只装在obsidian里面还是全局skills。我今天试了一下新发布的glm5，竟然把我代码里藏了好多天的bug改掉了，感觉还是挺厉害的。

摘要： ChatGPT的核心机制是逐词预测，通过统计海量文本数据生成概率分布，选择最可能的“下一个词”来构建连贯回答。它并不真正“理解”内容，而是基于上下文和随机性（通过温度参数调节）模拟人类语言。模型通过调整数十亿参数来优化预测，其“智能”表现源于大规模训练而非意识。文章揭示了AI语言模型的本质——一个高效的统计概率机器，其“创造力”仅是随机选择低概率词的结果。

是 Anthropic 推出的一种新的能力抽象层，专门设计来解决大型上下文窗口（Large Context Window）的问题。在 Claude.ai 界面中找到 Skills 设置上传或创建 SKILL.md 文件系统自动识别并加载Agent Skills API 是面向智能体（Agent）技能生命周期管理的应用程序编程接口（API），标准化了技能的创建、加载、调用、更新、销毁等核心操作，是连

每个技能文件夹里，必须有一个叫「SKILL.md」的文件（大写！），它相当于“插件说明书”，告诉AI这个技能能干嘛、怎么干。网上有很多现成的优质“插件”，比如GitHub的，直接下载复制到文件夹里就行。文件内容示例 (C:\Users\用户名\.claude\skills\xlsx\SKILL.md---# 【1. 元数据区 / Metadata】# 作用：Claude 启动时只会读取这一小部分。

Claude Code 对于中国大陆用户，直接使用面临网络与账号双重门槛。但可以通过本地部署 + 国产大模型兼容层（GLM / DeepSeek）方案，实现无障碍安装使用。

问答节点1：问答节点是在“输出初步的职业诊断”之后的，选择选项问答，目的是根据用户的选择决定后面执行的内容。大模型节点1：命名为“初步职业诊断”，如果这里能够确定职业的大概方向，则可以直接往下进行，节约时间也节约token。问答节点2：连接问答节点1中的选项B和其他。温馨提示：这个工作流是很消耗token的，试运行了一次，依然没钱。大模型3：用户愿意投入的精力和挖掘优势得出最终的综合结果。：这个地