【代码】ai skill 调用c#的shell代码。

好处是可以不用skill文件夹，而且是100%导入skill

能干的AI”就是从“辅助人”进化到了“替代人”的阶段。它不再是一个被动的问答工具，而是一个拥有自主性的智能伙伴，能够独立感知环境、规划方案、执行任务并交付结果。结合你刚才问的“能干”这个词，以及当前AI技术的最新发展（特别是2025年到2026年的趋势），“能干的AI”通常指代的不再是简单的聊天机器人，而是AI智能体（AI Agent），甚至是迈向通用人工智能（AGI）的雏形。如果说普通的AI（如

节点特征 (Node)：面的类型（Plane=1, Cylinder=2…）、面积、中心点。边特征 (Edge)：连接类型（凹、凸、平）、共同边长度。模型：使用简单的GraphSAGE或GAT。这种方法虽然没有预训练权重，但针对特定公司内部的零件库，仅需少量标注即可训练出极强的检索能力。

针对你这种 纯结构化数据（面、边、邻接关系、特征JSON） 的需求，目前最匹配的方案不是通用的VLM（视觉语言模型），而是 Graph Foundation Model（图基础模型） 结合 Agent（智能体） 架构。你指的 Graph（图数据/拓扑结构） 而不是 Image（截图/像素），这直接切中了工业AI最硬核的点：让AI真正理解几何逻辑，而不是仅仅“看图识字”。你想要的不是一个“看图说话”

层次结构是最顶层的抽象，所有注释（含尺寸）都有它。是的特化，专门处理“尺寸”的显示层面。IDimension是独立于显示层面的数据层面，代表模型内部的参数。工作流程当你需要改变模型的大小时，操作IDimension(设置 Value)。当你需要在工程图中改变尺寸的样子（如改精度、加括号、改箭头）时，操作。当你需要移动尺寸的位置、改变其颜色或图层时，通常通过继承自的方法进行操作。通过可以从显示对象找

你只有“大体步骤”完全没有问题，OpenClaw 的核心能力就是将你的高层目标拆解为可执行的细节步骤。*执行： 当你说“把今天的会议要点记下来”时，AI 发现需要记笔记，就会自动调用 Notion Skill，而不需要你指定“用 Notion 记”。*错误做法（太死板）： “先打开浏览器，输入网址，点击登录，输入账号...”（这叫 RPA，不是 AI Agent 的玩法）*正确做法（目标驱动）：

你提出的“用 AI 识别原神界面并打标签”的思路，完全可行且符合技术趋势。从模板匹配起步：用 OpenCV 实现基础按钮识别；引入 OCR 处理文字按钮；设计清晰的标签命名规范（如UI_{类型}_{功能}将“技能”与“UI状态”解耦，形成可扩展的自动化框架；参考 BetterGI 开源项目，其代码结构已非常接近你的设想。未来若结合 VLM（如 Lumine 使用的视觉语言模型），甚至可实。

【代码】memos 写入记忆读取记忆的skill。

1.没打开skill文件，ai直接用start打开一个编的网站。2.知道模之屋可能是网站但是不知道地址。2.打开skill文件，打开正确网站。1.ai不知道模之屋是网站。