開源一個commands幫你深度拆解頂尖Skills
整理版優先睇
之前開源的自動拆解開源項目的 /howPrompt 命令深受喜愛，幫助很多 PM 學習了很多 AI 開源項目工程的最佳實踐。很多人用了以後問：能不能拆Skills？好問題。Skills 才是現在最值得學的東西。今天開源第二個指令：/howSkills——一條命令，自動深度拆解任意 Agent Skill，從產品視角提煉設計巧思和最佳實踐。一條命令下去，Agent 會自動完成 8 個階段 的深度分析，輸出一份幾千字的產品分析報告：結構掃描——這個 Skill 有哪些資源、屬於什麼類型痛點挖掘——不看文檔自述，從實現細節反推真實痛點工作流可視化——自動生成時序圖和流程圖腳本設計拆解——原子化程度、場景覆蓋、接口設計參考文檔設計拆解——知識分層、漸進式披露策略資產設計拆解——模板複用、品牌一致性獨特解法提煉——最有價值的部分，提煉可遷移的設計模式綜合評估——5 個維度打分 + 最佳實踐總結每完成一個階段，結果自動寫入項目的 analysis/howSkills.md 文檔。拆解官方的skill-creator為什麼要拆解別人的 Skills去年我寫 /howPrompt 的時候說過：產品經理想掌握AI實戰能力，一定要到真正的項目裏去學。這句話放在 Skills 上更成立。Skills 是 Agent 生態裏最值得研究的東西。一個好的 Skill，背後是一整套產品設計思維：怎麼把模糊的需求變成確定性的流程？怎麼管理 Agent 的上下文窗口不溢出？怎麼讓腳本和提示詞配合，做到人做不了的事？怎麼設計驗證機制，不讓 Agent 幻覺跑偏？這些問題，你在任何提示詞框架課程裏都學不到。只有拆開別人的作品，看到"為什麼這樣設計"，才能真正學到東西。我用它拆了 Codex 創建桌面寵物的 Skill為了驗證 /howSkills 的效果，我拿它拆了一個讓我非常好奇的 Skill——hatch-pet。這是一個在 Codex 應用裏創建動畫桌面寵物的 Skill。這個 Skill，我跑完吃完了我 Plus 賬號 5 小時的額度，可見其工程的複雜度。拆完以後更加震驚。它解決的核心問題是一個極其刁鑽的矛盾：圖像生成的不確定性 vs 精靈圖的精確性要求一個寵物需要 10+ 次圖像生成，每次都要保持同一個角色形象；最終輸出是一個 1536×1872 的精靈圖集，每個單元格 192×208，差一個像素就廢了。這個 Skill 用了 15 個腳本 + 3 個參考文檔 + 323 行指令，硬是把一個充滿不確定性的創意任務，變成了一條確定性的生產流水線。Agent 不再"畫寵物"，而是"組裝寵物"。幾個讓我拍案的設計巧思1. 身份錨點模式普通做法：每次生成都靠提示詞裏的文字描述保持一致性——"這是一隻橘貓，有白色圍脖……"hatch-pet 的做法：第一次生成完成後，立刻截取一張 canonical-base.png 作為視覺錨點，後面每一次生成都必須引用這張圖。把"一致性"從文字層面提升到視覺層面。簡單粗暴，極其有效。2. 色度鍵自適應普通做法：用固定的綠色背景做透明度處理。結果寵物身上有綠色怎麼辦？翻車。hatch-pet 的做法：從參考圖片裏採樣像素，自動選一個距離最遠的顏色當背景色。寵物是綠色的？那背景就用品紅色。3. 鏡像決策門控寵物的"向右跑"和"向左跑"動畫，如果寵物是對稱的，鏡像一下就行——省一半的工作量。但如果有不對稱元素呢？比如單側的蝴蝶結、可讀的文字？錯誤鏡像就廢了。hatch-pet 的做法：不預設，運行時決策。生成完向右跑以後，視覺檢查有沒有不對稱元素，再決定是鏡像還是重新生成。4. 漸進式驗證普通做法：全部生成完了再檢查。發現有問題？從頭來過。hatch-pet 的做法：每一層都驗證——記錄時驗證哈希，幀級別檢查質量，圖集級別檢查幾何精度。任何一層出問題，立刻停在原地修復，不用推倒重來。下面是 Agent 自動生成的架構圖：用戶交互時序圖——從用戶發起到最終交付的完整鏈路，可以看到 scripts 和 $imagegen 在哪個節點被調用：用戶到Agent到腳本的完整交互流程核心工作流程圖——從準備到並行生成、鏡像決策、最終化的完整流程，包含修復循環：超級長就不放了5 條可遷移的最佳實踐從 hatch-pet 裏提煉出來的，不只是做寵物能用：身份錨點模式：多次生成任務中，創建視覺錨點比文字描述更可靠確定性-不確定性分離：Agent 做創意決策，腳本做精確計算，各司其職漸進式驗證：在每個關鍵節點設驗證點，減少後期返工JSON 中間態：用文件做持久化狀態，比讓 Agent 在上下文裏記東西更可靠寫邊界隔離：子代理模式中，明確"誰能寫什麼"，避免併發衝突這些模式，做PPT、做文檔、做任何涉及 Agent 多步執行的任務，都能用上。完整分析報告有 500 多行，太長了就不全貼了，放在知識星球裏。如何使用/howSkills 本質是一段提示詞，封裝成了 Coding Agent 的 commands。配置後在 Claude Code 中進入要拆解的 skill 路徑，直接輸入 /howSkills，它就會自動開始分析。配置方法：方式一：直接複製（適用於所有工具）把提示詞保存到對應的目錄：Claude Code：在 ~/.claude/commands 或 項目根目錄/.claude/commands 創建 howSkills.mdCursor：在 項目根目錄/.cursor/commands 創建 howSkills.md方式二：插件安裝（Claude Code）# 1. 添加我的 marketplace/plugin marketplace add comeonzhj/comeonzhj-claude-plugins# 2. 安裝 plugin/plugin install ai-analyzer@comeonzhj-plugins# 3. 使用/ai-analyzer:howPrompt/ai-analyzer:howSkills如果你不能訪問 Github，提示詞在知識星球的圈友空間裏。關於AI學習行動圈這是我 23 年底開始，和人人都是產品經理社區共同運營的一個圈子，截止目前已經持續運營、維護超過 700 天了，已有超過 5000+圈友！我的各種 AI 研究心得、發現的好應用、開發的小項目都會在裏面分享，目前圈子有核心三個交流學習平台。8 個微信羣，早報和日常交流微信羣裏每天一早有 AI 早報，上下午還有“讀報時間”，以及我每天不定期刷屏級的各種 AI 工具體驗、提示詞編排思考、行業新聞解讀同步。以及，你可以在羣裏討論任何與 AI 相關的工具、應用問題，幾乎都能找到答案。騰訊文檔-圈友空間用來沉澱體系化、深度的 AI 文章和超長的工程化提示詞，不定期更新。當前包括：Claude code、Cursor、Manus等頂級產品的系統提示詞和工具列表，各種深度的 Agent 白皮書和實踐指南知識星球-每日報告、工具和實戰經驗分享我在星球裏主要維護「實戰分享」「工具箱」和「情報局」三個標籤實戰分享是可以在日常工作和生活中直接應用的提示詞和效率工具。上面截圖裏的 Step-Back 提示詞就非常好用，堪比 o4。在公眾號、直播中演示的所有 AI 實戰應用的提示詞也都在這個標籤下。AI 工具和鮮知道就是好用的、熱門的 AI 工具、資訊分享，我把那些太技術、太浮誇的都篩選了，放進這個標籤的都是可以直接用來的好玩兒！加入圈子，跟 5000+ 行動派一起玩 AI、聊 AI，精進起飛~
之前開源的自動拆解開源項目的 /howPrompt 命令深受喜愛，幫助很多 PM 學習了很多 AI 開源項目工程的最佳實踐。很多人用了以後問：能不能拆Skills？好問題。Skills 才是而家最值得學的東西。今天開源第二個指令：/howSkills——一條命令，自動深度拆解任意 Agent Skill，從產品視角提煉設計巧思和最佳實踐。
一條命令下去，Agent 會自動完成 8 個階段 的深度分析，輸出一份幾千字的產品分析報告：結構掃描——呢個 Skill 有哪些資源、屬於什麼類型痛點挖掘——不看文檔自述，從實現細節反推真實痛點工作流可視化——自動生成時序圖和流程圖腳本設計拆解——原子化程度、場景覆蓋、接口設計參考文檔設計拆解——知識分層、漸進式披露策略資產設計拆解——模板複用、品牌一致性獨特解法提煉——最有價值的部分，提煉可遷移的設計模式綜合評估——5 個維度打分 + 最佳實踐總結每完成一個階段，結果自動寫入項目的 analysis/howSkills.md 文檔。
拆解官方的skill-creator為什麼要拆解別人的 Skills去年我寫 /howPrompt 的時候說過：產品經理想掌握AI實戰能力，一定要到真正的項目裏去學。這句話放在 Skills 上更成立。Skills 是 Agent 生態裏最值得研究的東西。一個好的 Skill，背後是一整套產品設計思維：怎麼把模糊的需求變成確定性的流程？怎麼管理 Ag…
- 開源一個commands幫你深度拆解頂尖Skills
- 開源一個commands幫你深度拆解頂尖Skills｜重點 2
- 開源一個commands幫你深度拆解頂尖Skills｜重點 3
- 開源一個commands幫你深度拆解頂尖Skills｜重點 4
- 開源一個commands幫你深度拆解頂尖Skills｜重點 5
可記低 Prompt
之前開源的自動拆解開源項目的 /howPrompt 命令深受喜愛，幫助很多 PM 學習了很多 AI 開源項目工程的最佳實踐。很多人用了以後問：能不能拆Skills？好問題。Skills 才是現在最值得學的東西。今天開源第二個指令：/howS…
結構示例
#
1. 添加我的 marketplace/plugin marketplace add comeonzhj/comeonzhj-claude-plugins#
2. 安裝 plugin/plugin install ai-analyzer@comeonzhj-plugins#
3. 使用/ai-analyzer:howPrompt/ai-analyzer:howSkills整理版
之前開源的自動拆解開源項目的 /howPrompt 命令深受喜愛，幫助很多 PM 學習了很多 AI 開源項目工程的最佳實踐。很多人用了以後問：能不能拆Skills？好問題。Skills 才是而家最值得學的東西。今天開源第二個指令：/howSkills——一條命令，自動深度拆解任意 Agent Skill，從產品視角提煉設計巧思和最佳實踐。一條命令下去，Agent 會自動完成 8 個階段 的深度分析，輸出一份幾千字的產品分析報告：結構掃描——呢個 Skill 有哪些資源、屬於什麼類型痛點挖掘——不看文檔自述，從實現細節反推真實痛點工作流可視化——自動生成時序圖和流程圖腳本設計拆解——原子化程度、場景覆蓋、接口設計參考文檔設計拆解——知識分層、漸進式披露策略資產設計拆解——模板複用、品牌一致性獨特解法提煉——最有價值的部分，提煉可遷移的設計模式綜合評估——5 個維度打分 + 最佳實踐總結每完成一個階段，結果自動寫入項目的 analysis/howSkills.md 文檔。拆解官方的skill-creator為什麼要拆解別人的 Skills去年我寫 /howPrompt 的時候說過：產品經理想掌握AI實戰能力，一定要到真正的項目裏去學。這句話放在 Skills 上更成立。Skills 是 Agent 生態裏最值得研究的東西。一個好的 Skill，背後是一整套產品設計思維：怎麼把模糊的需求變成確定性的流程？怎麼管理 Agent 的上下文窗口不溢出？怎麼讓腳本和提示詞配合，做到人做不了的事？怎麼設計驗證機制，不讓 Agent 幻覺跑偏？呢啲問題，你在任何提示詞框架課程裏都學不到。只有拆開別人的作品，看到"為什麼咁樣設計"，才能真正學到東西。我用它拆了 Codex 創建桌面寵物的 Skill為了驗證 /howSkills 的效果，我拿它拆了一個讓我非常好奇的 Skill——hatch-pet。這是一個在 Codex 應用裏創建動畫桌面寵物的 Skill。呢個 Skill，我跑完吃完了我 Plus 賬號 5 小時的額度，可見其工程的複雜度。拆完以後更加震驚。它解決的核心問題是一個極其刁鑽的矛盾：圖像生成的不確定性 vs 精靈圖的精確性要求一個寵物需要 10+ 次圖像生成，每次都要保持同一個角色形象；最終輸出是一個 1536×1872 的精靈圖集，每個單元格 192×208，差一個像素就廢了。呢個 Skill 用了 15 個腳本 + 3 個參考文檔 + 323 行指令，硬是把一個充滿不確定性的創意任務，變成了一條確定性的生產流水線。Agent 不再"畫寵物"，而是"組裝寵物"。幾個讓我拍案的設計巧思1. 身份錨點模式普通做法：每次生成都靠提示詞裏的文字描述保持一致性——"這是一隻橘貓，有白色圍脖……"hatch-pet 的做法：第一次生成完成後，立刻截取一張 canonical-base.png 作為視覺錨點，後面每一次生成都必須引用這張圖。把"一致性"從文字層面提升到視覺層面。簡單粗暴，極其有效。2. 色度鍵自適應普通做法：用固定的綠色背景做透明度處理。結果寵物身上有綠色怎麼辦？翻車。hatch-pet 的做法：從參考圖片裏採樣像素，自動選一個距離最遠的顏色當背景色。寵物是綠色的？那背景就用品紅色。3. 鏡像決策門控寵物的"向右跑"和"向左跑"動畫，如果寵物是對稱的，鏡像一下就行——省一半的工作量。但如果有不對稱元素呢？比如單側的蝴蝶結、可讀的文字？錯誤鏡像就廢了。hatch-pet 的做法：不預設，運行時決策。生成完向右跑以後，視覺檢查有沒有不對稱元素，再決定是鏡像還是重新生成。4. 漸進式驗證普通做法：全部生成完了再檢查。發現有問題？從頭來過。hatch-pet 的做法：每一層都驗證——記錄時驗證哈希，幀級別檢查質量，圖集級別檢查幾何精度。任何一層出問題，立刻停在原地修復，不用推倒重來。下面是 Agent 自動生成的架構圖：用戶交互時序圖——從用戶發起到最終交付的完整鏈路，可以看到 scripts 和 $imagegen 在哪個節點被調用：用戶到Agent到腳本的完整交互流程核心工作流程圖——從準備到並行生成、鏡像決策、最終化的完整流程，包含修復循環：超級長就不放了5 條可遷移的最佳實踐從 hatch-pet 裏提煉出來的，不只是做寵物能用：身份錨點模式：多次生成任務中，創建視覺錨點比文字描述更可靠確定性-不確定性分離：Agent 做創意決策，腳本做精確計算，各司其職漸進式驗證：在每個關鍵節點設驗證點，減少後期返工JSON 中間態：用文件做持久化狀態，比讓 Agent 在上下文裏記東西更可靠寫邊界隔離：子代理模式中，明確"誰能寫什麼"，避免併發衝突呢啲模式，做PPT、做文檔、做任何涉及 Agent 多步執行的任務，都能用上。完整分析報告有 500 多行，太長了就不全貼了，放在知識星球裏。如何使用/howSkills 本質是一段提示詞，封裝成了 Coding Agent 的 commands。配置後在 Claude Code 中進入要拆解的 skill 路徑，直接輸入 /howSkills，它就會自動開始分析。配置方法：方式一：直接複製（適用於所有工具）把提示詞保存到對應的目錄：Claude Code：在 ~/.claude/commands 或 項目根目錄/.claude/commands 創建 howSkills.mdCursor：在 項目根目錄/.cursor/commands 創建 howSkills.md方式二：插件安裝（Claude Code）# 1. 添加我的 marketplace/plugin marketplace add comeonzhj/comeonzhj-claude-plugins# 2. 安裝 plugin/plugin install ai-analyzer@comeonzhj-plugins# 3. 使用/ai-analyzer:howPrompt/ai-analyzer:howSkills如果你不能訪問 Github，提示詞在知識星球的圈友空間裏。關於AI學習行動圈這是我 23 年底開始，和人人都是產品經理社區共同運營的一個圈子，截止目前已經持續運營、維護超過 700 天了，已有超過 5000+圈友！我的各種 AI 研究心得、發現的好應用、開發的小項目都會在裏面分享，目前圈子有核心三個交流學習平台。8 個微信羣，早報和日常交流微信羣裏每天一早有 AI 早報，上下午還有“讀報時間”，同埋我每天不定期刷屏級的各種 AI 工具體驗、提示詞編排思考、行業新聞解讀同步。同埋，你可以在羣裏討論任何與 AI 相關的工具、應用問題，幾乎都能找到答案。騰訊文檔-圈友空間用來沉澱體系化、深度的 AI 文章和超長的工程化提示詞，不定期更新。當前包括：Claude code、Cursor、Manus等頂級產品的系統提示詞和工具列表，各種深度的 Agent 白皮書和實踐指南知識星球-每日報告、工具和實戰經驗分享我在星球裏主要維護「實戰分享」「工具箱」和「情報局」三個標籤實戰分享是可以在日常工作和生活中直接應用的提示詞和效率工具。上面截圖裏的 Step-Back 提示詞就非常好用，堪比 o4。在公眾號、直播中演示的所有 AI 實戰應用的提示詞也都在呢個標籤下。AI 工具和鮮知道就是好用的、熱門的 AI 工具、資訊分享，我把嗰啲太技術、太浮誇的都篩選了，放進呢個標籤的都是可以直接用來的好玩兒！加入圈子，跟 5000+ 行動派一起玩 AI、聊 AI，精進起飛~
之前開源嘅自動拆解開源項目嘅 /howPrompt 指令好受歡迎，幫咗好多 PM 學到好多 AI 開源項目工程嘅最佳實踐。
好多人用咗之後問：可唔可以拆 Skills？
好問題。
Skills 先係而家最值得學嘅嘢。
今日開源第二個指令：/howSkills——一條指令，自動深度拆解任意 Agent Skill，從產品角度提煉設計巧思同最佳實踐。
一條指令落去，Agent 會自動完成 8 個階段 嘅深度分析，輸出一份幾千字嘅產品分析報告：
- 結構掃描——呢個 Skill 有啲咩資源、屬於咩類型
- 痛點挖掘——唔睇文檔自述，從實現細節反推真實痛點
- 工作流可視化——自動生成時序圖同流程圖
- 腳本設計拆解——原子化程度、場景覆蓋、接口設計
- 參考文檔設計拆解——知識分層、漸進式披露策略
- 資產設計拆解——模板複用、品牌一致性
- 獨特解法提煉——最有價值嘅部分，提煉可遷移嘅設計模式
- 綜合評估——5 個維度打分 + 最佳實踐總結
每完成一個階段，結果自動寫入項目嘅 analysis/howSkills.md 文檔。
點解要拆解人哋嘅 Skills
舊年我寫 /howPrompt 嘅時候講過：產品經理想掌握 AI 實戰能力，一定要去真正嘅項目裏面學。
呢句話放喺 Skills 上更加成立。
Skills 係 Agent 生態入面最值得研究嘅嘢。一個好嘅 Skill，背後係一整套產品設計思維：
- 點樣將模糊嘅需求變成確定性嘅流程？
- 點樣管理 Agent 嘅上下文窗口唔溢出？
- 點樣令腳本同提示詞配合，做到人做唔到嘅嘢？
- 點樣設計驗證機制，唔畀 Agent 幻覺跑偏？
呢啲問題，你喺任何提示詞框架課程入面都學唔到。
只有拆開人哋嘅作品，睇到點解要咁設計，先至真正學到嘢。
我用佢拆咗 Codex 創建桌面寵物嘅 Skill
為咗驗證 /howSkills 嘅效果，我拎佢拆咗一個令我好好奇嘅 Skill——hatch-pet。
呢個係一個喺 Codex 應用入面創建動畫桌面寵物嘅 Skill。
呢個 Skill，我跑完用曬我 Plus 帳號 5 個鐘嘅額度，可見佢工程嘅複雜度。
拆完之後更加震驚。
佢解決嘅核心問題係一個極之刁鑽嘅矛盾：
圖像生成嘅不確定性 vs 精靈圖嘅精確性要求
一個寵物需要 10+ 次圖像生成，每次都要保持同一個角色形象；
最終輸出係一個 1536×1872 嘅精靈圖集，每個單元格 192×208，差一個像素就廢咗。
呢個 Skill 用咗 15 個腳本 + 3 個參考文檔 + 323 行指令，硬係將一個充滿不確定性嘅創意任務，變成一條確定性嘅生產流水線。
Agent 唔再『畫寵物』，而係『組裝寵物』。
幾個令我拍案叫絕嘅設計巧思
1. 身份錨點模式
普通做法：每次生成都靠提示詞入面嘅文字描述保持一致性——『呢隻係一隻橘貓，有白色圍脖……』
hatch-pet 嘅做法：第一次生成完成之後，即刻截取一張 canonical-base.png 作為視覺錨點，後面每一次生成都必須引用呢張圖。
將『一致性』從文字層面提升到視覺層面。簡單粗暴，極之有效。
2. 色度鍵自適應
普通做法：用固定嘅綠色背景做透明度處理。結果寵物身上有綠色點算？翻車。
hatch-pet 嘅做法：從參考圖片入面採樣像素，自動揀一個距離最遠嘅顏色做背景色。寵物係綠色？咁背景就用品紅色。
3. 鏡像決策門控
寵物嘅『向右跑』同『向左跑』動畫，如果寵物係對稱嘅，鏡像一下就搞掂——慳一半嘅工作量。
但如果有不對稱元素呢？例如單側嘅蝴蝶結、可讀嘅文字？錯誤鏡像就廢咗。
hatch-pet 嘅做法：唔預設，運行時決策。生成完向右跑之後，視覺檢查嚇有冇不對稱元素，再決定係鏡像定重新生成。
4. 漸進式驗證
普通做法：全部生成曬先檢查。發現有問題？從頭嚟過。
hatch-pet 嘅做法：每一層都驗證——記錄時驗證哈希，幀級別檢查質量，圖集級別檢查幾何精度。任何一層出問題，即刻停喺原地修復，唔使推倒重來。
下面係 Agent 自動生成嘅架構圖：
用戶交互時序圖——從用戶發起到最終交付嘅完整鏈路，可以睇到 scripts 同 $imagegen 喺邊個節點被調用：
核心工作流程圖——從準備到並行生成、鏡像決策、最終化嘅完整流程，包含修復循環：
超級長就唔放啦
5 條可遷移嘅最佳實踐
從 hatch-pet 入面提煉出嚟嘅，唔只係做寵物先用得：
- 身份錨點模式：多次生成任務入面，創建視覺錨點比文字描述更加可靠
- 確定性-不確定性分離：Agent 做創意決策，腳本做精確計算，各司其職
- 漸進式驗證：喺每個關鍵節點設驗證點，減少後期返工
- JSON 中間態：用文件做持久化狀態，比起畀 Agent 喺上下文入面記嘢更加可靠
- 寫邊界隔離：子代理模式入面，明確『邊個可以寫咩』，避免併發衝突
呢啲模式，做 PPT、做文檔、做任何涉及 Agent 多步執行嘅任務，都用得上。
完整分析報告有 500 多行，太長就唔全部貼出嚟啦，放咗喺知識星球入面。
點樣用
/howSkills 本質係一段提示詞，封裝成 Coding Agent 嘅 commands。
配置之後喺 Claude Code 入面進入要拆解嘅 skill 路徑，直接輸入 /howSkills，佢就會自動開始分析。
配置方法：
方式一：直接複製（適用於所有工具）
將提示詞保存到對應嘅目錄：
- Claude Code：喺
~/.claude/commands或項目根目錄/.claude/commands創建howSkills.md - Cursor：喺
項目根目錄/.cursor/commands創建howSkills.md
方式二：插件安裝（Claude Code）
# 1. 添加我的 marketplace
/plugin marketplace add comeonzhj/comeonzhj-claude-plugins
# 2. 安裝 plugin
/plugin install ai-analyzer@comeonzhj-plugins
# 3. 使用
/ai-analyzer:howPrompt
/ai-analyzer:howSkills
如果你訪問唔到 Github，提示詞喺知識星球嘅圈友空間入面。
關於 AI 學習行動圈
呢個係我 23 年底開始，同人人都是產品經理社區一齊營運嘅一個圈子，到目前為止已經持續營運、維護超過 700 日，已經有超過 5000+ 圈友！
我嘅各種 AI 研究心得、發現到嘅好應用、開發嘅小項目都會喺入面分享，目前圈子有三個核心交流學習平台。
8 個微信羣，早報同日常交流
微信羣入面每日一早有 AI 早報，上下午仲有「讀報時間」，同埋我每日唔定期刷屏級嘅各種 AI 工具體驗、提示詞編排思考、行業新聞解讀同步。
同埋，你可以喺羣入面討論任何同 AI 相關嘅工具、應用問題，幾乎都會揾到答案。
騰訊文檔-圈友空間
用嚟沉澱體系化、深度嘅 AI 文章同超長嘅工程化提示詞，唔定期更新。
目前包括：Claude code、Cursor、Manus等頂級產品嘅系統提示詞同工具列表，各種深度嘅 Agent 白皮書同實踐指南
知識星球-每日報告、工具同實戰經驗分享
我喺星球入面主要維護『實戰分享』『工具箱』同『情報局』三個標籤
實戰分享係可以喺日常工作同生活中直接應用嘅提示詞同效率工具。上面截圖入面嘅 Step-Back 提示詞就非常好用，堪比 o4。喺公眾號、直播入面演示嘅所有 AI 實戰應用嘅提示詞都喺呢個標籤下面。
AI 工具同鮮知道就係好用嘅、熱門嘅 AI 工具、資訊分享，我將太技術、太浮誇嘅都篩選咗，放進呢個標籤嘅都係可以直接用嚟玩嘅！
加入圈子，同 5000+ 行動派一齊玩 AI、傾 AI，精進起飛~
之前開源的自動拆解開源項目的 /howPrompt 命令深受喜愛，幫助很多 PM 學習了很多 AI 開源項目工程的最佳實踐。
很多人用了以後問：能不能拆Skills？
好問題。
Skills 才是現在最值得學的東西。
今天開源第二個指令：/howSkills——一條命令，自動深度拆解任意 Agent Skill，從產品視角提煉設計巧思和最佳實踐。
一條命令下去，Agent 會自動完成 8 個階段 的深度分析，輸出一份幾千字的產品分析報告：
- 結構掃描——這個 Skill 有哪些資源、屬於什麼類型
- 痛點挖掘——不看文檔自述，從實現細節反推真實痛點
- 工作流可視化——自動生成時序圖和流程圖
- 腳本設計拆解——原子化程度、場景覆蓋、接口設計
- 參考文檔設計拆解——知識分層、漸進式披露策略
- 資產設計拆解——模板複用、品牌一致性
- 獨特解法提煉——最有價值的部分，提煉可遷移的設計模式
- 綜合評估——5 個維度打分 + 最佳實踐總結
每完成一個階段，結果自動寫入項目的 analysis/howSkills.md 文檔。
為什麼要拆解別人的 Skills
去年我寫 /howPrompt 的時候說過：產品經理想掌握AI實戰能力，一定要到真正的項目裏去學。
這句話放在 Skills 上更成立。
Skills 是 Agent 生態裏最值得研究的東西。一個好的 Skill，背後是一整套產品設計思維：
- 怎麼把模糊的需求變成確定性的流程？
- 怎麼管理 Agent 的上下文窗口不溢出？
- 怎麼讓腳本和提示詞配合，做到人做不了的事？
- 怎麼設計驗證機制，不讓 Agent 幻覺跑偏？
這些問題，你在任何提示詞框架課程裏都學不到。
只有拆開別人的作品，看到"為什麼這樣設計"，才能真正學到東西。
我用它拆了 Codex 創建桌面寵物的 Skill
為了驗證 /howSkills 的效果，我拿它拆了一個讓我非常好奇的 Skill——hatch-pet。
這是一個在 Codex 應用裏創建動畫桌面寵物的 Skill。
這個 Skill，我跑完吃完了我 Plus 賬號 5 小時的額度，可見其工程的複雜度。
拆完以後更加震驚。
它解決的核心問題是一個極其刁鑽的矛盾：
圖像生成的不確定性 vs 精靈圖的精確性要求
一個寵物需要 10+ 次圖像生成，每次都要保持同一個角色形象；
最終輸出是一個 1536×1872 的精靈圖集，每個單元格 192×208，差一個像素就廢了。
這個 Skill 用了 15 個腳本 + 3 個參考文檔 + 323 行指令，硬是把一個充滿不確定性的創意任務，變成了一條確定性的生產流水線。
Agent 不再"畫寵物"，而是"組裝寵物"。
幾個讓我拍案的設計巧思
1. 身份錨點模式
普通做法：每次生成都靠提示詞裏的文字描述保持一致性——"這是一隻橘貓，有白色圍脖……"
hatch-pet 的做法：第一次生成完成後，立刻截取一張 canonical-base.png 作為視覺錨點，後面每一次生成都必須引用這張圖。
把"一致性"從文字層面提升到視覺層面。簡單粗暴，極其有效。
2. 色度鍵自適應
普通做法：用固定的綠色背景做透明度處理。結果寵物身上有綠色怎麼辦？翻車。
hatch-pet 的做法：從參考圖片裏採樣像素，自動選一個距離最遠的顏色當背景色。寵物是綠色的？那背景就用品紅色。
3. 鏡像決策門控
寵物的"向右跑"和"向左跑"動畫，如果寵物是對稱的，鏡像一下就行——省一半的工作量。
但如果有不對稱元素呢？比如單側的蝴蝶結、可讀的文字？錯誤鏡像就廢了。
hatch-pet 的做法：不預設，運行時決策。生成完向右跑以後，視覺檢查有沒有不對稱元素，再決定是鏡像還是重新生成。
4. 漸進式驗證
普通做法：全部生成完了再檢查。發現有問題？從頭來過。
hatch-pet 的做法：每一層都驗證——記錄時驗證哈希，幀級別檢查質量，圖集級別檢查幾何精度。任何一層出問題，立刻停在原地修復，不用推倒重來。
下面是 Agent 自動生成的架構圖：
用戶交互時序圖——從用戶發起到最終交付的完整鏈路，可以看到 scripts 和 $imagegen 在哪個節點被調用：
核心工作流程圖——從準備到並行生成、鏡像決策、最終化的完整流程，包含修復循環：
超級長就不放了
5 條可遷移的最佳實踐
從 hatch-pet 裏提煉出來的，不只是做寵物能用：
- 身份錨點模式：多次生成任務中，創建視覺錨點比文字描述更可靠
- 確定性-不確定性分離：Agent 做創意決策，腳本做精確計算，各司其職
- 漸進式驗證：在每個關鍵節點設驗證點，減少後期返工
- JSON 中間態：用文件做持久化狀態，比讓 Agent 在上下文裏記東西更可靠
- 寫邊界隔離：子代理模式中，明確"誰能寫什麼"，避免併發衝突
這些模式，做PPT、做文檔、做任何涉及 Agent 多步執行的任務，都能用上。
完整分析報告有 500 多行，太長了就不全貼了，放在知識星球裏。
如何使用
/howSkills 本質是一段提示詞，封裝成了 Coding Agent 的 commands。
配置後在 Claude Code 中進入要拆解的 skill 路徑，直接輸入 /howSkills，它就會自動開始分析。
配置方法：
方式一：直接複製（適用於所有工具）
把提示詞保存到對應的目錄：
- Claude Code：在
~/.claude/commands或項目根目錄/.claude/commands創建howSkills.md - Cursor：在
項目根目錄/.cursor/commands創建howSkills.md
方式二：插件安裝（Claude Code）
# 1. 添加我的 marketplace
/plugin marketplace add comeonzhj/comeonzhj-claude-plugins
# 2. 安裝 plugin
/plugin install ai-analyzer@comeonzhj-plugins
# 3. 使用
/ai-analyzer:howPrompt
/ai-analyzer:howSkills
如果你不能訪問 Github，提示詞在知識星球的圈友空間裏。
關於AI學習行動圈
這是我 23 年底開始，和人人都是產品經理社區共同運營的一個圈子，截止目前已經持續運營、維護超過 700 天了，已有超過 5000+圈友！
我的各種 AI 研究心得、發現的好應用、開發的小項目都會在裏面分享，目前圈子有核心三個交流學習平台。
8 個微信羣，早報和日常交流
微信羣裏每天一早有 AI 早報，上下午還有“讀報時間”，以及我每天不定期刷屏級的各種 AI 工具體驗、提示詞編排思考、行業新聞解讀同步。
以及，你可以在羣裏討論任何與 AI 相關的工具、應用問題，幾乎都能找到答案。
騰訊文檔-圈友空間
用來沉澱體系化、深度的 AI 文章和超長的工程化提示詞，不定期更新。
當前包括：Claude code、Cursor、Manus等頂級產品的系統提示詞和工具列表，各種深度的 Agent 白皮書和實踐指南
知識星球-每日報告、工具和實戰經驗分享
我在星球裏主要維護「實戰分享」「工具箱」和「情報局」三個標籤
實戰分享是可以在日常工作和生活中直接應用的提示詞和效率工具。上面截圖裏的 Step-Back 提示詞就非常好用，堪比 o4。在公眾號、直播中演示的所有 AI 實戰應用的提示詞也都在這個標籤下。
AI 工具和鮮知道就是好用的、熱門的 AI 工具、資訊分享，我把那些太技術、太浮誇的都篩選了，放進這個標籤的都是可以直接用來的好玩兒！
加入圈子，跟 5000+ 行動派一起玩 AI、聊 AI，精進起飛~