Workspace sync: auto commit 2026-04-23 09:33:08

wiki/sources/3-2-万人收藏的-claude-skills-才是-ai-这条路上最值得研究的一套范式.md

@@ -0,0 +1,60 @@
+---
+title: "3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！"
+type: source
+tags: [ai, claude-skills, vibe-coding]
+sources: []
+last_updated: 2026-01-05
+---
+
+## Source File
+- [[AI/3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！]]
+
+## Summary（用中文描述）
+- 核心主题：Anthropic 官方 Claude Skills 仓库介绍，以及从「提示词工程」向「流程工程」的范式转变
+- 问题域：AI 应用如何从零散的 Prompt 创作升级为结构化、可复用、可自动执行的 Skills 体系
+- 方法/机制：Skills = 说明书 + SOP，将反复执行有固定流程的任务拆解为 AI 能理解、能复用、能自动执行的一套流程；官方库展示生产级 Skills（办公自动化/开发者工具箱/创意类）
+- 结论/价值：Skills 爆发标志范式转变——最有价值的不是 Prompt 写得多花哨，而是把业务流程沉淀成 SOP 并交给 AI 稳定执行；Vibe Coding 的尽头也是 Skills
+
+## Key Claims（用中文描述）
+- Anthropic 将 Claude.ai 网页版的生产级能力原封不动地拆解开来，展示在官方 Skills 仓库（github.com/anthropics/skills，3.2 万收藏）中
+- Skills 本质是一套「说明书」+「SOP」，将反复执行、有固定流程的任务拆解为 AI 能理解、能稳定复用、能自动执行的流程
+- 官方库包含三大类 Skills：办公自动化四大件（Word/PDF/PPT/Excel）、开发者工具箱（MCP Server/Web测试/Artifacts构建/自动化验证）、创意类 Skill（算法艺术/Canvas设计/主题生成）
+- Claude Skills 的爆发标志着从「提示词工程」向「流程工程」的范式转变——最有价值的不是 Prompt 写得最花，而是谁能将业务流程沉淀成 SOP 并交给 AI 稳定执行
+- Vibe Coding 的尽头也是 Skills
+- 三大 Skill 聚合站（skillsmp.com、aitmpl.com/skills、claudemarketplaces.com）可直接「拿来主义」使用
+- 三款高产开源 Awesome-Claude-Skills 仓库（ComposioHQ/VoltAgent/BehiSecc）提供系统性灵感
+
+## Key Quotes
+> "Skills 就是一套你写给 Claude 的'说明书'和'SOP（标准作业程序）'。" — Skills 的本质定义
+> "它是 Anthropic 把 Claude 线上真正在跑的生产级能力，原封不动地拆解开来，摊在桌面上给你看。" — 官方库的价值
+> "这个库本质上是官方在教你，'怎么像我们一样开发 AI 应用'。" — 官方库的核心价值
+> "未来真正有价值的，不是谁的 Prompt 写得最花、谁一次能生成最多内容。而是谁最懂业务流程、谁能把经验沉淀成 SOP、谁能把 SOP 交给 AI 稳定执行。" — 范式转变的核心洞察
+
+## Key Concepts
+- [[Claude-Skills]]：Anthropic 官方发布的 AI 技能指南，一套写给 Claude 的「说明书」+「SOP」，将反复执行有固定流程的任务拆解为 AI 能理解、能复用、能自动执行的流程
+- [[流程工程]]：从「提示词工程」向「流程工程」的范式转变，核心是将业务流程沉淀为 SOP 并交给 AI 稳定执行
+- [[Vibe-Coding]]：AI 编程范式，其尽头也是 Skills——将 AI 编程的最佳实践固化为可复用的技能体系
+- [[Awesome-Claude-Skills]]：第三方维护的 Claude Skills 精选仓库集合
+
+## Key Entities
+- [[Anthropic]]：Claude Skills 的官方发布者，github.com/anthropics/skills 仓库的维护方
+- [[Claude.ai]]：Anthropic 的 AI 产品，官方 Skills 仓库中的 Skills 均来自其网页版的实际生产级能力
+- [[github.com/anthropics/skills]]：Anthropic 官方 Skills 仓库，3.2 万收藏，包含生产级 Skills 代码
+- [[ComposioHQ/awesome-claude-skills]]：第三方 Awesome-Claude-Skills 仓库之一
+- [[VoltAgent/awesome-claude-skills]]：第三方 Awesome-Claude-Skills 仓库之一
+- [[BehiSecc/awesome-claude-skills]]：第三方 Awesome-Claude-Skills 仓库之一
+- [[skillsmp.com]]：Skill 聚合站之一，可直接使用高手分享的 Skills
+- [[aitmpl.com/skills]]：Skill 聚合站之一，支持 Claude Code Templates 安装
+- [[claudemarketplaces.com]]：Skill 聚合站之一
+
+## Connections
+- [[3-2-万人收藏的-claude-skills-才是-ai-这条路上最值得研究的一套范式-1]] ← duplicate ← [[AI/3.2 万人收藏的 Claude Skills，才是 AI 这条路上最值得研究的一套范式！]]
+- [[Vibe-Coding]] ← depends_on ← [[Claude-Skills]]
+- [[claude-code调用方法总结]] ← related_to ← [[Claude-Skills]]
+- [[Google-5个-Agent-Skill-设计模式]] ← related_to ← [[Claude-Skills]]
+
+## Contradictions
+- 与 [[3-2-万人收藏的-claude-skills-才是-ai-这条路上最值得研究的一套范式-1]]：
+  - 冲突点：同一来源文章被两次独立摄取，生成了两个不同的 source page
+  - 当前观点：本页面代表该来源的一次独立摄取
+  - 对方观点：另一 slug 版本（带 -1 后缀）代表首次摄取

wiki/sources/codecrafters-iobuild-your-own-x-master-programming-by-recreating-your-favorite-technologies-from-scratch.md

@@ -0,0 +1,47 @@
+---
+title: "codecrafters-io/build-your-own-x: Master programming by recreating your favorite technologies from scratch"
+type: source
+tags: [build-your-own-x, byox, codecrafters, github, learn-by-building]
+sources: []
+last_updated: 2026-04-23
+---
+
+## Source File
+- [[raw/AI/codecrafters-iobuild-your-own-x Master programming by recreating your favorite technologies from scratch.md]]
+
+## Summary（用中文描述）
+- 核心主题：通过"从零重建"（Build Your Own X）方法学习编程——精选高质量、分步骤指南，手把手教开发者从零实现自己最喜欢的主流技术。
+- 问题域：如何系统化地理解复杂系统内部原理，而非停留在表面使用层面；如何找到高质量、可执行的"手把手"教程资源。
+- 方法/机制：GitHub 社区协作维护精选教程列表，涵盖 26 个技术领域（C++/Python/Java/JavaScript/Go/Rust 等多语言），每条教程附带源码链接和难度标注。核心理念引用 Richard Feynman："What I cannot create, I do not understand"。
+- 结论/价值：将"被动阅读文档"升级为"主动重建系统"，是深度掌握计算机科学核心技术的最有效路径；资源全部免费开源，社区持续贡献新教程。
+
+## Key Claims（用中文描述）
+- build-your-own-x 项目通过聚合 26+ 技术领域的分步骤指南，使开发者能够从零重建主流技术，从而实现深度技术理解。
+- 分领域教程覆盖 3D Renderer、Augmented Reality、BitTorrent Client、Blockchain/Cryptocurrency、Bot、Command-Line Tool、Database、Docker、Emulator/Virtual Machine、Front-end Framework、Game、Git、Network Stack、Neural Network、Operating System、Physics Engine、Programming Language、Regex Engine、Search Engine、Shell、Template Engine、Text Editor、Visual Recognition System、Voxel Engine、Web Browser、Web Server 等。
+- 每条教程配套源码和难度指引，支持 C++/Python/Java/JavaScript/Go/Rust/Haskell/TypeScript 等 15+ 编程语言。
+
+## Key Quotes
+> *"What I cannot create, I do not understand — Richard Feynman."* — 项目核心理念，强调动手重建是真正理解技术的不二法门
+
+## Key Concepts
+- [[Learn-By-Building]]：通过重建主流技术来学习编程的方法论，区别于被动阅读文档或观看视频，是深度技术理解的最高效路径。
+- [[From-Scratch Methodology]]：从零实现系统的学习方法，强调不使用任何外部库或框架，在最小化依赖下理解核心原理。
+- [[BYOX-Build-Your-Own-X]]：build-your-own-x 运动，即"自己动手重建 X"的学习社区和方法论。
+- [[Codecrafters]]：提供实战编程挑战的在线教育平台，以 build-your-own-x 理念为核心，提供分步骤练习。
+
+## Key Entities
+- [[CodeCrafters]]：build-your-own-x 项目的维护方，总部位于旧金山的教育科技创业公司，致力于提供实战编程教育。
+- [[DanielStefanovic]]：build-your-own-x 项目的创始人（最初由其发起），GitHub ID: danistefanovic。
+- [[RichardFeynman]]：诺贝尔物理学奖得主，其名言"What I cannot create, I do not understand"成为 BYOX 运动的理论基石。
+- [[NAND-to-Tetris]]：从与非门到完整计算机的课程，涵盖从硬件到软件栈的完整重建，被 build-your-own-x 收录。
+
+## Connections
+- [[Learn-By-Building]] ← inspires ← [[Vibe-Coding]]：Vibe Coding 强调让 AI 结对编程，而 BYOX 强调从零重建，两者互补——BYOX 理解原理，Vibe Coding 高效实现。
+- [[CodeCrafters]] ← maintains ← [[Build-Your-Own-X]]：CodeCrafters 不仅维护 GitHub 列表，还提供配套的在线编程挑战平台。
+- [[Codecrafters-iobuild-your-own-x]] ← references ← [[NAND-to-Tetris]]：NAND to Tetris 被列为操作系统和编程语言教程的推荐前置资源。
+
+## Contradictions
+- 与传统课程式学习冲突：
+  - 冲突点：传统 CS 教育强调理论（算法/数据结构/操作系统理论），BYOX 强调实践（从零重建系统）。
+  - 当前观点：对于有基础的开发者，BYOX 提供更深刻的技术直觉；理论为 BYOX 提供方向，BYOX 为理论提供落地。
+  - 对方观点：没有理论基础直接做 BYOX 容易只见树木不见森林，需要先修计算机体系结构/数据结构等基础课程。

wiki/sources/github-上-5000-人收藏的-vibe-coding-神级指南.md

@@ -0,0 +1,56 @@
+---
+title: "GitHub 上 5000 人收藏的 Vibe Coding 神级指南"
+type: source
+tags: [ai, vibe-coding, github]
+date: 2025-12-30
+---
+
+## Source File
+- [[AI/GitHub 上 5000 人收藏的 Vibe Coding 神级指南。.md]]
+
+## Summary（用中文描述）
+- 核心主题：中文开发者 Vibe Coding（氛围编程）指南推荐
+- 问题域：国内开发者如何快速上手并有效使用 AI 编程工具
+- 方法/机制：Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行；工具推荐 Cursor + Claude Opus；提供完整工作流程（设置环境→开发基础游戏→丰富细节→修复 Bug）；包含数百个精选提示词覆盖需求澄清、系统架构设计、分步执行、自测全链路
+- 结论/价值：专门为中文开发者设计的 Vibe Coding 资源库与工作站，帮助开发者更高效利用 AI 进行软件开发
+
+## Key Claims（用中文描述）
+- Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行 → 让「从想法到可维护代码」变成可审计的流水线
+- 开发者不再苦哈哈写代码，而是化身为"导演"，保持对产品逻辑、用户流程、审美和交互的把握
+- 让 AI 写代码前，必须有清晰的技术选型、实施规划和模块化设计 → 防止 AI 因理解偏差导致项目逻辑混乱
+- 推荐的 AI 编程工具组合：Cursor + Claude Opus 4.5 xhigh（高上下文窗口保证上下文一致性）
+
+## Key Quotes
+> "我几乎不写代码了，我只负责调整氛围（Vibe），代码会自动长出来。" — Andrej Karpathy 对 Vibe Coding 的经典描述
+
+> "Vibe Coding = 规划驱动 + 上下文固定 + AI 结对执行，让『从想法到可维护代码』变成一条可审计的流水线，而不是一团无法迭代的巨石文件。" — vibe-coding-cn 开源项目定义
+
+> "让 AI 写代码前，必须有清晰的技术选型、实施规划和模块化设计，防止 AI 因为理解偏差导致项目逻辑混乱。" — 文章核心观点
+
+## Key Concepts
+- [[Vibe Coding]]：氛围编程，开发者化身为导演而非coder，专注于产品逻辑和审美把握，体力活交给 AI 工具
+- [[规划驱动]]：AI 编程前必须完成清晰的技术选型、实施规划和模块化设计
+- [[上下文固定]]：通过大 context window 模型（如 Claude Opus）保持长程上下文一致性
+- [[AI 结对执行]]：Cursor、Windsurf、Trae 等 AI 编程工具与人类开发者配对工作
+- [[提示词工程]]（Prompt Engineering）：Vibe Coding 的核心技术能力，包含需求澄清、系统架构设计、分步执行、自测等全链路脚本
+
+## Key Entities
+- [[vibe-coding-cn]]：中文 Vibe Coding 指南开源项目（github.com/tukuaiai/vibe-coding-cn），汇集全球顶尖 AI 编程资源
+- [[Andrej Karpathy]]：AI 领域知名专家，Vibe Coding 概念推广者
+- [[Cursor]]：主流 AI 编程 IDE
+- [[Windsurf]]：AI 编程工具
+- [[Trae]]：AI 编程工具
+- [[逛逛 GitHub]]：微信公众号，本文发布渠道
+
+## Connections
+- [[vibe-coding-cn]] ← 推荐资源 ← [[Vibe Coding]]
+- [[Cursor]] ← 推荐 IDE ← [[Vibe Coding]]
+- [[AI 结对执行]] ← 核心机制 ← [[Vibe Coding]]
+- [[Claude Skills]] ← 共同主题 ← [[Vibe Coding]]（"Vibe Coding 的尽头也是 Skills"）
+
+## Contradictions
+- 与 [[Claude-Skills]] 视角差异：
+  - 冲突点：Vibe Coding 强调"氛围感"和直觉式引导，Claude Skills 强调结构化 SOP 和可复用流程
+  - 当前观点：Vibe Coding 更适合快速探索和创意验证，节奏轻快
+  - 对方观点：Claude Skills 更适合可复现的固定流程任务，稳定可控
+  - 融合可能：两者可互补使用——Vibe Coding 启动探索阶段，Claude Skills 固化成熟流程

wiki/sources/如何写出完美的prompt-提示词.md

@@ -0,0 +1,61 @@
+---
+title: "如何写出完美的Prompt（提示词）？"
+type: source
+tags: []
+date: 2025-12-18
+---
+
+## Source File
+- [[AI/如何写出完美的Prompt（提示词）？]]
+
+## Summary（用中文描述）
+- 核心主题：系统阐述如何通过结构化思维与精准表达提升 Prompt 能力，实现人与 AI 的高效协作
+- 问题域：职场人在使用 LLM 时普遍面临的"AI 输出不达预期"困境，根源在于需求传递失效和 Prompt 构建能力不足
+- 方法/机制：提出 Prompt 构建的底层逻辑（角色+需求+场景+目标）、基础方法（需求拆解/上下文补全/格式定义/示例引导）、进阶策略（思维链/任务拆分/角色赋能/预填回复/不确定性管理）、高阶技巧（跨模态联动/领域知识注入/反馈循环嵌入），并给出四大业务场景实战模板和六大避坑指南
+- 结论/价值：Prompt 能力的本质是有对问题清晰界定的能力 + 结构化的思维逻辑和表达能力，这两项底层能力决定了人能否用好 AI
+
+## Key Claims（用中文描述）
+- Prompt 是一套人与 AI 的协作协议，本质是将人的模糊需求转化为 AI 可理解、可执行的结构化任务
+- Prompt 的核心价值在于消除双重信息差：人类需求与 AI 理解之间的信息差，以及任务目标与执行标准之间的信息差
+- 专业性不在于复杂程度，而在于精准匹配——现代 LLM（如 Claude 4、GPT-4）已具备强大的自然语言理解能力，无需 XML 标签或术语堆砌
+- LLM 没有默认的行业常识和设定，隐性需求（受众/场景/目标）不明确，AI 只能盲猜
+- Prompt 优化过程本质是需求逐步清晰化的过程，不仅是让 AI 更懂你，也是让你自己更明确核心诉求
+- Prompt 能力的底层逻辑：结构化思维 + 精准表达；核心本质：需求拆解能力 + 结构化表达能力 + 场景共情能力 + 迭代优化能力
+- 能清晰给下属指令的领导，才可能用好 AI——Prompt 质量终究取决于使用者的思维深度与表达精度
+
+## Key Quotes
+> "很多人期望一次输入就能得到完美结果，一旦输出不符合预期就会认定是 AI 不行，也不愿花时间优化 Prompt。实际上，Prompt 的优化过程，本质是需求逐步清晰化的过程，不仅是让 AI 更懂你，也是让你自己更明确核心诉求。" — 迭代优化的核心理念
+
+> "Prompt 的核心价值在于消除信息差（既消除人类需求与 AI 理解之间的信息差，也消除任务目标与执行标准之间的信息差）。" — LLM 提示词的本质
+
+> "Prompt 能力的本质是要求使用者具备：需求拆解能力、结构化表达能力、场景共情能力、迭代优化能力。" — Prompt 能力底层模型
+
+> "这也解释了为什么连给下属指令都讲不清的领导，是很难用好 AI 的，因为 Prompt 的质量，终究取决于使用者的思维深度与表达精度。" — 领导力与 AI 能力的关联
+
+## Key Concepts
+- [[Large Language Model]]：大语言模型（LLM），如 Claude 4、GPT-4，是 Prompt 的执行主体
+- [[结构化思维]]：将模糊需求拆解为具体、可执行子任务的能力，Prompt 能力的基础
+- [[精准表达]]：用清晰的逻辑组织信息，让 AI 快速抓取核心指令的能力，Prompt 能力的另一基础
+- [[思维链引导]]：通过明确"推理步骤"让 AI 按逻辑逐步分析，避免输出片面或跳跃的结论的进阶策略
+- [[任务拆分法]]：将复杂任务拆解为信息收集→分析→输出→优化多个子环节的进阶策略
+- [[角色赋能法]]：给 AI 设定"具体角色+行业经验+核心能力"引导其从专业视角思考问题的进阶策略
+- [[少量样本提示]]（Few-shot）：通过 1-3 个示例引导 AI 理解格式/风格要求的技巧
+- [[上下文补全]]：在 Prompt 中提供业务背景、约束条件、参考信息以消除信息差的基础方法
+- [[AI Agent]]：能够感知→规划→执行→反思的循环控制，实现真正自主性的 AI 系统，Prompt 能力是 Agent 能力的基础
+
+## Key Entities
+- [[粒粒]]：微信公众号作者，原创本文，2025年12月2日发布
+
+## Connections
+- [[清华出的DeepSeek使用手册]] ← 与本文互补 ← [[如何写出完美的Prompt（提示词）？]]（前者侧重 DeepSeek 特定实践，本篇侧重通用 Prompt 方法论）
+- [[Nano Banana 提示词框架]] ← 与本文同属提示词工程领域 ← [[如何写出完美的Prompt（提示词）？]]（前者侧重 AI 图像生成提示词，本篇侧重职场文本场景）
+- [[Claude Prompt Library 汇总表]] ← 与本文同属提示词工程领域 ← [[如何写出完美的Prompt（提示词）？]]（前者提供现成提示词模板，本篇提供方法论和构建原则）
+- [[系统提示词构建原则]] ← 关联 ← [[如何写出完美的prompt-提示词]]（前者侧重 AI Agent 系统级指令规范，本篇侧重用户级 Prompt 构建）
+- [[Never Write Another Prompt]] ← 与本文互补 ← [[如何写出完美的prompt-提示词]]（前者展示自动生成提示词工具，本篇阐述手动构建方法论）
+
+## Contradictions
+- 与 [[系统提示词构建原则]] 存在视角差异：
+  - 冲突点：Anthropic 系统提示词强调"遵守项目约定优先、技术准确性优先"，面向 Agent 开发者；本篇强调"受众对齐、场景对齐、目标对齐"，面向终端用户（职场人）
+  - 当前观点：本篇方法论是用户层面提升 Prompt 质量的实用框架，适用于任何 LLM
+  - 对方观点：系统提示词的核心在于给 AI 明确定义身份、行为准则和执行规范，是 AI 一侧的指令工程
+  - 说明：两者并不矛盾，而是互补——[[系统提示词构建原则]] 是 Agent 设计层的最佳实践，本篇是用户使用层的操作指南