前几天 Claude 发布的 Skills 功能,大概率是“急眼”了表现:示例都给这么多了,各位产品经理们咋还不会用?!

从去年 9 月 Sonnet3.7 以来,整个大模型领域的开发范式就变了:从把 AI 当成一个工具“随用随调”,转变成了让 AI 主导一切,人类为它们提供服务。

今年以来国内各大模型厂商发布新版本时都把Agentic能力放在最前面就说明了一切。

但是,厂商们都折腾一年了,大家还在做 workflow,能不急眼么……

Claude 在发布 Skill 功能的同时,还提供了 10 组涵盖办公、开发、设计、测试具体场景的 SKLL 示例包,可谓是给大家提供的发挥大模型 Agentic 能力的,MVP 最佳实践。

如果你能看透这一层价值,作为产品经理,你才算拿到了 AI 产品的门票;

如果还没看到,没关系,这篇文章,我们一起看看这个 Skill 为啥是 Agentic 的最小可行性实现和最佳实践。

Skill如何作用

官方提供的 Skill 模板中包含一个创建 Skill 的 Skill,其中给出了非常详细的 Skill 如何作用、如何创建的描述。

(这些 Skill 模板官方都在 Github 开源了,但都是英文的,我把它们都翻译成了中文,获取方式在文末)

每一个技能都包含:

    1. 一个什么时候、如何使用技能的说明文档SKILL.md
    1. 一个或一组与技能关联的资源,可以包括专业知识技能、文档资料和程序

SKILL.md文档由“元数据”和“正式说明”组成

元数据中包含一段非常简短的什么时候使用这个技能、技能有哪些价值的说明,一旦技能被加载到 AI 客户端(如Claude Code)中,这个元数据就会成为模型对话的上下文。

相当于工具列表,只是只有 description。

当模型在工作时觉得需要调用这个工具时,才会加载文档中的“正式说明”。

正式说明是对如何使用这个技能的详细说明,与以前玩法不同的是,它不只是一段提示词说明,而是类似一个“送工具的培训班”:

    1. 可以提供一系列可直接运行的脚本,让模型直接使用“工具”完成任务;
    1. 可以提供一系列文档和参考资料,让模型在完成任务过程中可以查资料;
    1. 还可以提供直接复用的资源包,比如 LOGO、PPT 模板、字体

下面是人-模型-Skill之间协作的流程图和时序图,看完你就知道:这已经不是简单的提示词指令模板玩法了,而是妥妥的在构造为 Agent 提供服务的工具 Tools!

流程图:


否
是

references
scripts
assets
都不需要

是

否

开始
解析用户请求/意图
匹配 Skill 元数据(name/description)
走通用回答/建议创建 Skill
加载 SKILL.md 主体获取目标/步骤/约束
是否需要额外资源?
按需加载 references/*(模式/API/政策/流程指南)
调用 scripts/*(确定性子任务/可复用代码)
读取 assets/*(模板/样板/字体/图标)
直接按步骤执行
执行步骤/组合中间结果
信息是否缺失?
向用户澄清/收集参数
组装最终产出(结果+附件/文件)
记录 badcase 与改进点
结束/建议迭代打包

下面是时序图版本:

输出组装器
运行时/工具(scripts、API)
Skill 资源加载器
技能选择器(基于name/description)
模型/编排器(Router)
用户
输出组装器
运行时/工具(scripts、API)
Skill 资源加载器
技能选择器(基于name/description)
模型/编排器(Router)
用户
opt
[需要领域知识/长文档]
opt
[需要确定性/可复用代码]
opt
[需要模板/静态资产]
par
[渐进式披露]
[可能存在信息缺口]
记录难点与badcase,建议Skill改进
alt
[命中技能]
[未命中技能]
提出任务请求(自然语言)
解析意图,检索可用技能(匹配元数据)
返回候选技能(置信度/理由)
触发技能,加载 SKILL.md 主体
返回工作流步骤/所需资源
按需加载 references/*
提供模式/政策/API 说明
调用 scripts/* 执行子任务
返回中间结果/文件
读取 assets/*(模板/字体/样板)
返回可直接复用文件
追问澄清/收集缺失参数
提供约束与补充材料
组装最终产出(结果+附件)
交付可用结果(含可下载/可复用资源)
无合适技能
走通用能力/建议创建或改造 Skill
模型使用 Skill 的时序(触发→加载→执行→产出)

这才是产品要学习的“提示词”

Claude 官方怕你学不会,一口气给了 11 组 Skill 模板,其中包括:

    1. skill-creator:前面拆解的技能创建指南和示例
    1. document-skills:包括让 AI 创建、处理 Word、Excel、PPT 和 PDF 文档的详细方法,细致到离谱、看得我头皮发麻
    1. internal-comms:办公利器,让模型学习使用公司规范些内部沟通文档的技能,模板里提供了FAQ指南、面相领导汇报、3P-汇报、事件报告等示例
    1. mcp-builder:一个教大模型把工具和服务创建为 MCP 的技能,也可以称为“MCP 教学文档”
    1. webapp-testing:教模型做网页测试的技能,Vibe Coding 必备搭档
    1. theme-factory:包含 10 个主题模板,可以让模型把它们复用到任意视觉产品上,比如 PPT、网页、文档报告等
    1. slack-gif-creator:让模型学会创建 Slack 表情包的技能,输出的是 gif 文件所以微信也能用
    1. canvas-design:让模型创建各种设计素材的技能,最终输出为.pdf.png,里面给了很多设计哲学
    1. brand-guidelines:教模型使用 Claude 官方品牌配色,设计与 Claude 其他产品视觉匹配样式的技能,可以给你公司的 UI 和品牌部做一个
    1. artifacts-builder:在 Claude 的 artifacts 中创建应用的技能。不是简单的 HTML,而是包含复杂的状态管理和路由的应用。也就说,当你在 Vibe coding 一个复杂前端应用时,可以魔改一下这个技能
    1. algorithmic-art:一个让模型写炫酷网页的技能,我怀疑这个 Claude 在嘲讽那些拿着“我家模型也能写出这种炫酷网页了”来大肆宣传自己超过 Sonnet 的厂牌……

不管你已经是 AI 产品经理里了,还是正在努力成为,这 11 组技能都非常值得你逐个仔细研读、学习:

    1. 当前场景,如何把模型引入进来?
    1. 如何向模型描述当前场景的环境,已提供足够准确的上下文
    1. 如何向模型阐明当前场景的任务要求和结果预期
    1. 为让模型高效完成任务,应该为它提供什么工具、如何设计这些工具
    1. 如何告诉模型在正确的场景调用这个技能

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新,更多的大模型学习和面试资料已经上传带到CSDN的官方了,有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

在这里插入图片描述

01.大模型风口已至:月薪30K+的AI岗正在批量诞生

在这里插入图片描述

2025年大模型应用呈现爆发式增长,根据工信部最新数据:

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K(数据来源:BOSS直聘报告)

70%企业存在"能用模型不会调优"的痛点

真实案例:某二本机械专业学员,通过4个月系统学习,成功拿到某AI医疗公司大模型优化岗offer,薪资直接翻3倍!

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程:把ChatGPT从玩具变成生产工具
2️⃣ RAG系统:让大模型精准输出行业知识
3️⃣ 智能体开发:用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你:
✔️ 大厂内部LLM落地手册(含58个真实案例)
✔️ 提示词设计模板库(覆盖12大应用场景)
✔️ 私藏学习路径图(0基础到项目实战仅需90天)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

在这里插入图片描述

Logo

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地,聚焦技能开发、插件实践与部署教程,为开发者提供可直接落地的方案、工具与交流平台,助力高效构建与落地 AI 应用

更多推荐