新闻详情

新闻详情

首页 / 资讯中心 / 详情

davidondrej-skills 思考篇:5 个 Agent Skills 帮 AI 把脑中想法变成清晰文档

发布时间:2026/11/16 10:37:33来源:尧图网络
davidondrej-skills 思考篇:5 个 Agent Skills 帮 AI 把脑中想法变成清晰文档
davidondrej-skills 思考篇5 个 Agent Skills 帮 AI 把脑中想法变成清晰文档【免费下载链接】skillsaccess to david ondrejs personal agent skills项目地址: https://gitcode.com/gh_mirrors/skills46/skillsdavidondrej-skills 是 David Ondrej 开源的个人 Agent Skills 技能库其中 skills/thinking-and-docs/ 目录专门负责「思考与文档」把脑中零散的想法、口头做出的决定、讨论中丢失的线索统统变成结构清晰、可追溯的 Markdown 文档。本文精选其中 5 个最实用的 Agent Skills帮新手快速上手 AI 思维工作流。什么是 Agent Skills每个技能都是一个独立文件夹核心是一份 SKILL.md 指令文件写清「什么时候用、怎么用」AI 执行任务时按需加载。你可以把仓库理解为「给 AI 的岗位说明书合集」——不需要写代码复制文件夹、改改措辞就能拥有自己的技能。gh_mirrors/skills46/skills └── skills/ └── thinking-and-docs/ ← 本篇主角思考与文档技能1. save-idea一句话把灵感存进「想法收件箱」灵感最怕忘。save-idea/SKILL.md 让你随口说「save-idea做个本地代理对比工具」AI 就会把这句话原样追加到对应清单里自动编号、标注来源哪个项目、哪次对话、什么日期然后提交并推送——灵感从此不再流失。它还内置了一套「分流路由」视频想法进VIDEO-IDEAS.md、创业点子进STARTUP-IDEAS.md、个人观察进OBSERVATIONS.md……每条想法都有归处不会混成一锅粥。✨2. adr-verbatim把口头决定变成「不可篡改」的记录架构讨论中最容易丢的就是「当时为什么这么定」。adr-verbatim/SKILL.md 的做法很特别ADR架构决策记录的正文必须是你本人的原话一个词都不许改——AI 只负责加标题、编号和状态行。规则写得极其严格保留你的错别字和语法不添加为什么这很重要之类的总结新决定必须开新 ADR、绝不修改历史记录。这条verbatim逐字保留原则恰好治好了 AI 替你润色决策的毛病。3. keep-track多话题讨论时不再丢线索一次聊 5 个问题聊到第 3 个就忘了第 1 个还剩什么keep-track/SKILL.md 只有两句话却威力巨大AI 在每次回复末尾都追加一条分隔线并列出尚未处理完的话题清单。就像一张始终可见的待办看板你和 AI 逐条清账永远不会聊着聊着就跑题。4. before-building动手前先揪出 1-3 个关键抉择before-building/SKILL.md 在你抛出我要做个 XX的瞬间触发AI不许读文件、不许搜代码凭直觉立刻列出你这个想法里隐藏的 1-3 个真正重要的抉择——比如「一次性脚本 vs 以后会反复用」「几十行凑合 vs 正经模块」并给出推荐然后停下等你拍板。这是典型的先问后做帮你把最贵的决策放在动手之前而不是重构时。5. signal-from-expert用专家观点给你的想法找盲区signal-from-expert/SKILL.md 是思考篇里最硬核的技能把你写的笔记语料库 某位专家 一个主题交给 AI它会搜索并抓取该专家 5-8 篇相关文章可用 scripts/fetch-sources.py 批量下载然后逐字引用你和专家的原话做对比分析最后至少指出一个Gap——即专家观点挑战到你思考盲区的缺口。分析直接保存为signal-专家名.md你的思考盲区变成了文档。快速上手指南场景技能一句话触发灵感闪现save-ideasave-idea……做出重要决定adr-verbatim记录成 ADR多线程讨论keep-trackkeep-track准备开工before-buildingbefore-building检验想法signal-from-expertsignal-from-expert 保罗格雷厄姆 创业新手建议从keep-track和before-building两个两句话技能开始用零学习成本立刻感受 Agent Skills 如何把 AI 的行为约束成清晰的文档流。仓库是只读的建议git clone https://gitcode.com/gh_mirrors/skills46/skills拉取后按需复制技能文件夹到本地使用。【免费下载链接】skillsaccess to david ondrejs personal agent skills项目地址: https://gitcode.com/gh_mirrors/skills46/skills创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉