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或.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

最后唠两句

为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选

很简单，这些岗位缺人且高薪

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

在这里插入图片描述

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

那0基础普通人如何学习大模型 ？

深耕科技一线十二载，亲历技术浪潮变迁。我见证那些率先拥抱AI的同行，如何建立起效率与薪资的代际优势。如今，我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理，分享于此，为你扫清学习困惑，共赴AI时代新程。

我整理出这套 AI 大模型突围资料包【允许白嫖】：

  • ✅从入门到精通的全套视频教程

  • ✅AI大模型学习路线图（0基础到项目实战仅需90天）

  • ✅大模型书籍与技术文档PDF

  • ✅各大厂大模型面试题目详解

  • ✅640套AI大模型报告合集

  • ✅大模型入门实战训练

这份完整版的大模型 AI 学习和面试资料已经上传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

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

在这里插入图片描述

② AI大模型学习路线图（0基础到项目实战仅需90天）

全过程AI大模型学习路线

在这里插入图片描述

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

在这里插入图片描述

④各大厂大模型面试题目详解

在这里插入图片描述

⑤640套AI大模型报告合集

在这里插入图片描述

⑥大模型入门实战训练

在这里插入图片描述

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

在这里插入图片描述
在这里插入图片描述

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

​​​​在这里插入图片描述
在这里插入图片描述

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

在这里插入图片描述

# 人工智能 # transformer # 产品经理 # 深度学习
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

拒绝做文献搬运工：我用2小时，给自己“捏”了一个不知疲倦的科研搭子

本文记录了作者开发深度学习科研助手的实践过程。面对论文阅读和综述写作的信息过载问题，作者基于Nvidia的"Build a Deep Research Agent"课程，构建了一个具备自主思考能力的智能体系统。该系统通过Docker环境隔离、Llama-3.3推理模型、RAG检索管道和AI-Q协调框架四层架构，实现了从文献检索到报告生成的完整科研流程。文章重点分享了网络配置、服

avatar 2048 AI社区

【AI学习从零至壹】代码专用Embedding模型调研报告

它在 CPU 环境下依然能提供接近实时的响应（<500ms），并保证了极高的检索质量，完全满足 RAG 系统的需求。代码专用Embedding模型通过将代码片段映射到低维语义向量空间，实现代码语义的可计算化，是代码搜索、漏洞检测、智能补全、跨语言迁移等场景的核心技术，其性能直接影响下游任务效果，因此科学评估其召回率、效率等指标具有关键意义。针对代码Embedding模型的核心需求（召回率、效率、资

avatar 2048 AI社区

Pulsar 特性在 AI 场景中的使用！

Checkpoint 数据具有明显的历史消息无效的特性，如果发生积压时，只有最新的一条 checkpoint 才有价值，这时可以使用 Pulsar 的压缩 Topic(Compaction Topic)，压缩 topic 将 Checkpoint Topic 从日志流变为 KV 存储，仅保留每个 Key 的最新消息，自动清理历史版本，这样对比传统方案（扫描 S3 文件列表 → 排序 → 下载）需要

avatar 2048 AI社区