Auto-sync: 2026-04-23 08:03

This commit is contained in:
2026-04-23 08:03:15 +08:00
parent a66a882a41
commit e4463f12e1
12 changed files with 513 additions and 6 deletions

View File

@@ -0,0 +1,52 @@
---
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: [claude-skills, anthropic, ai-agent, workflow-engineering]
date: 2026-01-08
---
## 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! 1]]
## Summary用中文描述
- 核心主题Anthropic 官方 Claude Skills 仓库的核心价值,以及 Skills 作为 AI 应用新范式的意义
- 问题域AI 应用从「提示词工程」向「流程工程」的范式转变
- 方法/机制Skills = 写给 Claude 的"说明书" + "SOP",将反复执行的有固定流程的任务拆解为 AI 能理解、复用、自动执行的一套流程
- 结论/价值Claude Skills 是 AI 这条路上最值得研究的一套范式;最有价值的不是 Prompt 写得最花,而是能把业务流程沉淀成 SOP 并交给 AI 稳定执行
## Key Claims用中文描述
- Anthropic 官方 Skills 仓库github.com/anthropics/skills收藏数突破 3.2 万,它将 Claude.ai 网页版的真实生产级能力原封不动地拆解展示
- Skills 本质是官方在教"怎么像我们一样开发 AI 应用"——包含办公自动化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
- 除官方库外,还有 3 款高产开源 Awesome-Claude-Skills 精选仓库ComposioHQ、VoltAgent、BehiSecc
- 三大 Skill 聚合站skillsmp.com、aitmpl.com/skills、claudemarketplaces.com可"拿来主义",内容多、更新快、有分类有搜索
- Claude Skills 的爆发标志着从提示词工程迈向流程工程Vibe Coding 的尽头也是 Skills
## Key Quotes
> "Skills 就是一套你写给 Claude 的'说明书'和'SOP标准作业程序'" — 文章核心定义
> "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 Skills 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" — 文章核心洞察
## Key Concepts
- [[Claude Skills]]:将反复执行的有固定流程的任务拆解为 AI 能理解、能稳定复用、能自动执行的一套流程,是 AI 应用从「提示词工程」向「流程工程」转变的核心产物
- [[Vibe Coding]]AI 辅助编程的新范式,其尽头也是 Skills
- [[流程工程Workflow Engineering]]:相对于提示词工程的新阶段,关注将人类业务流程经验转化为可自动化执行的 SOP
## Key Entities
- [[Anthropic]]Claude Skills 官方仓库的发布方,将 Claude.ai 网页版的生产级能力原封不动地拆解展示给开发者
- [[skillsmp.com]]Skill 聚合站,提供大量社区 Skills 的直接复制使用
- [[aitmpl.com]]Skill 聚合站,内容多、更新快、有分类有搜索
- [[claudemarketplaces.com]]Claude Skill 市场,提供可搜索的 Skills 目录
- [[ComposioHQ]]Awesome-Claude-Skills 精选仓库的维护方之一
- [[VoltAgent]]Awesome-Claude-Skills 精选仓库的维护方之一
- [[BehiSecc]]Awesome-Claude-Skills 精选仓库的维护方之一
- [[Claude Code]]Anthropic CLI 编码代理,内置 Skill 能力,可通过 npx claude-code-templates 扩展技能库
## Connections
- [[Claude Code Skills]] ← extends ← [[Claude Skills]]Claude Code Skills 是 Claude Skills 在 CLI 工具上的具体实现)
- [[Vibe Coding经验收集]] ← related_to ← [[Claude Skills]]Vibe Coding 的尽头是 Skills
- [[如何在项目里安装claude-code-templates-skills]] ← related_to ← [[Claude Skills]](安装扩展 Skills 的方法)
- [[Google-5个-Agent-Skill-设计模式]] ← extends ← [[Claude Skills]]Google 发布的 Skill 设计模式)
- [[Claude Code调用方法总结]] ← related_to ← [[Claude Skills]]Claude Code 内置 Skill 能力)
## Contradictions
- 无已知冲突内容

View File

@@ -0,0 +1,53 @@
---
title: "7 ways I use NotebookLM to make my life easier"
type: source
tags: [AI工具, NotebookLM, 知识管理, 被动学习]
date: 2025-11-23
---
## Source File
- [[raw/AI/7 ways I use NotebookLM to make my life easier]]
## Summary用中文描述
- 核心主题:作者分享个人使用 Google NotebookLM 的 7 种日常生活场景
- 问题域:信息过载时代,如何高效处理大量未读内容、学习新技能、管理项目
- 方法/机制:利用 NotebookLM 的 source-grounding来源锚定特性——仅基于用户上传的文档回答问题确保答案有据可查、可溯源、可信
- 结论/价值NotebookLM 的核心优势是"准确性优先"——将知识库严格限定于可信文档,扮演用户自定义的专属专家,可替代 Gemini 或 ChatGPT 处理许多日常任务
## Key Claims用中文描述
- NotebookLM 的 source-grounding 机制确保 AI 输出严格基于可信文档,杜绝幻觉
- 将 PDF、文章、YouTube 视频等未读材料上传 NotebookLMAI 自动完成阅读和理解,用户通过交互式问答获取核心内容
- Audio Overviews播客概览将文档转换为双 AI 主持的对话播客,适合驾驶、健身等被动学习场景
- 可将游戏文档、历史资料等非小说类内容作为学习材料,通过辩论式播客深入理解
- NotebookLM 可作为编程学习助手:上传官方文档,通过对话实时学习,并提供原文引用
- NotebookLM 可作为项目管理的"个人知识中枢",将零散的研究资料、想法、会议记录整合为结构化路线图
- 对比不同版本的 App 更新、新闻稿、长文档时NotebookLM 可快速列出差异并附带引用
- 法律文档(租约、合同)分析是 NotebookLM Premium 的核心卖点——每个答案都附带精确引用,支持一键回溯原文
## Key Quotes
> "The core magic behind this whole approach is called source-grounding. NotebookLM's entire knowledge base is strictly limited to the documents you specifically upload. This means the output it gives you is accurate and self-verified." — NotebookLM 的核心技术:来源锚定,知识库严格限定于上传文档
> "NotebookLM will only take what is given and give you citations that show you where things are said." — 每个答案都附带引用,指向原文位置
> "Every answer is accompanied by a precise citation. I can click this citation to instantly view and confirm the exact wording right there in the source itself." — 精确引用支持一键回溯原文核实
> "This audio format is perfect for passive learning because you can consume complex information during times that would otherwise be downtime." — 播客格式非常适合被动学习,零碎时间也能消化复杂信息
> "I made about six apps that are being leased by companies this year, which NotebookLM organized into goals for me." — NotebookLM 帮助作者将零散想法整理成可执行目标,一年做出 6 个 App
## Key Concepts
- [[Source-Grounding]]NotebookLM 的核心技术,仅基于用户上传的文档回答问题,确保答案有据可查、无幻觉
- [[Audio Overview]]NotebookLM 将文档内容转换为双 AI 主持的播客式对话,支持 Deep Dive / Brief / Critique / Debate 等多种风格定制
- [[Passive Learning]]:通过音频形式(播客)在驾驶、运动、清洁等被动场景中学习复杂信息
- [[Source Citation]]:每个答案附带精确引用,可一键跳转到原文位置核实
- [[Custom Instructions]]AI Host可为主持人 AI 指定角色和风格,如设定为"该主题的学生"进行学习
- [[Project Roadmap]]NotebookLM 将零散资料和想法整合为结构化项目路线图
## Key Entities
- [[NotebookLM]]Google 开发的 AI 笔记助手,支持文档问答和播客生成两大核心功能,核心优势是 source-grounding 确保答案准确可信
- [[Google]]NotebookLM 的开发商
## Connections
- [[google-神级生产力工具-所有-github-开源平替都找到了]] ← extends ← [[7-ways-i-use-notebooklm-to-make-my-life-easier]](本文是 NotebookLM 使用经验,开源平替文章系统梳理了 NotebookLM 生态)
- [[Personal Knowledge Base (RAG)]] ← related_to ← [[7-ways-i-use-notebooklm-to-make-my-life-easier]](两者同属 AI 驱动的知识管理工具RAG 更通用NotebookLM 侧重对话+音频交互)
- [[Second Brain]] ← related_to ← [[7-ways-i-use-notebooklm-to-make-my-life-easier]]两者同属个人知识管理NotebookLM 侧重"文档→问答/音频"Second Brain 侧重"对话记忆捕获"
- [[Passive Learning]] ← extends ← [[7-ways-i-use-notebooklm-to-make-my-life-easier]]Audio Overview 是被动学习的具体实现形式)
## Contradictions
- 暂无发现与其他 Wiki 页面存在明显内容冲突

View File

@@ -0,0 +1,75 @@
---
title: "不会Gemini的产品经理真的要被淘汰了 | 附保姆级PRD生成指南"
type: source
tags: []
date: 2025-12-18
---
## Source File
- [[AI/不会Gemini的产品经理真的要被淘汰了 附保姆级PRD生成指南]]
## Summary用中文描述
- 核心主题AI大模型Gemini/Claude等如何重塑产品经理的工作流程特别是需求文档PRD的生成效率革命
- 问题域产品经理在AI时代的能力重构、工作方式变革、以及是否会被淘汰的职业焦虑
- 方法/机制作者提出一套基于大模型的PRD生成三步法——①用FeatureList构思需求框架、②让大模型画逻辑图ER图/时序图/泳道图、③分页面逐一描述生成PRD+HTML原型。同时强调"想"必须由人完成,大模型只负责"写"
- 结论/价值作者认为大模型可缩短产品经理90%以上的文档工作时间,但"不会用大模型"的产品经理面临被淘汰风险。更深层的洞察是未来可能不需要PRD文档产品经理需要向"超级个体"进化——核心能力不是写文档,而是市场洞察和把事情做对的方法论
## Key Claims用中文描述
- Gemini 3 Pro可缩短产品经理某些工作时间90%以上
- 大多数场景下All in AI是愚蠢的、懒惰的做法但企业"贴身去用"看起来像是All in可能是保持在线、积累认知的聪明做法
- 超级个体之所以是超级个体不是因为AI而是因为他们本来就掌握"把一件事做对"的方法和能力
- 原本只能做到六十分及以下的人,大概率永远"用不好AI"而是被工具化嵌入到AI的某个流程中
- 市场洞察永远是创业者和产品经理最稀缺、也最重要的能力,技术服务于市场洞察,而不是技术领导市场洞察
## Key Quotes
> "你想的"永远需要你来完成,大模型只是负责把你脑海里的东西"写"下来。它跟你自己写的差别是,你可以只用只言片语描述需求,它来负责补全各种边界场景定义、各种通用规则描述、语言严谨的行文格式。" — 作者关于人机协作的核心方法论
> "不会用Gemini的产品经理真的要被淘汰了",这句话不一定对,因为有可能"会用Gemini的产品经理还是会被淘汰"。" — 作者对耸人听闻标题的反思性修正
> "用图文传递信息一定是有损的。智驾都端到端了,需求实现不能端到端吗?" — 作者对未来产品经理工作流变革的前瞻性思考
> "原来我觉得那个临界点就算到来,也不会太近;现在我觉得我不应该做这个判断,我也没能力做这个判断。如果自己并非模型类产品的从业人员,那就贴身去用、悬置判断,等到质变发生的时候,我们能快速嵌入到漩涡中。" — 作者对AI发展的"理性乐观"态度
## Key Concepts
- [[Vibe Coding]]:用自然语言 + AI 工具完成编码工作的方法论,本文作者将类似思路迁移到产品经理的文档工作
- [[FeatureList]]层级式功能需求表用于在写PRD之前构思产品框架是作者与Gemini协作的起点
- [[Mermaid]]开源图表绘制工具支持ER图/时序图/泳道图等,大模型可生成其代码后直接渲染为可视化图表
- [[PRD生成工作流]]作者提出的三步法——FeatureList构思 → 逻辑图辅助理解 → 分页面逐一描述生成PRD
- [[AI时代产品经理能力重构]]:产品经理需要掌握将大模型嵌入工作流的能力,而非仅依赖传统文档写作技能
- [[超级个体]]能独立完成从创意到交付全流程的个人其核心竞争力不在于使用AI工具本身而在于"把事情做对"的方法论
## Key Entities
- [[Gemini]]Google开发的大语言模型家族文章中主要使用的AI工具被视为产品经理提效的核心工具
- [[Gemini 3 Pro]]Gemini系列的高性能版本被作者用于实际产品需求文档生成
- [[纯银]]@vividlife文章中提及的犬声社区成员分享了Gemini 3 Pro的使用体验和"只有提交真实需求,才能获得真实的触动"观点
- [[Kira2red]]本文作者造车行业产品经理通过亲身实践展示了大模型在PRD生成中的应用
## Connections
- [[AI时代产品经理能力重构]] ← 核心论点 ← [[不会gemini的产品经理真的要淘汰]]
- [[FeatureList]] ← 来源 ← [[不会gemini的产品经理真的要淘汰]]
- [[PRD生成工作流]] ← 来源 ← [[不会gemini的产品经理真的要淘汰]]
- [[AI时代产品经理能力重构]] ← 关联 ← [[Vibe Coding]]Vibe Coding在编码领域的类似实践
- [[超级个体]] ← 核心洞察 ← [[不会gemini的产品经理真的要淘汰]]
- [[Mermaid]] ← 工具依赖 ← [[不会gemini的产品经理真的要淘汰]]
## Contradictions
- 无明显冲突
## 实战工作流细节
### 1. FeatureList阶段
- 核心技巧给Gemini提供表头模板让它按照模板输出层级式功能点
- 关键原则:只描述"做什么",不描述"怎么做",把"想"留给自己,把"写"交给大模型
- Gemini容易犯的错误表格格式导出到Excel错行、用制表符代替真正表格
### 2. 逻辑图阶段
- ER图描述数据库表结构和字段关系用mermaid代码输出飞书文档可直接渲染
- 时序图:描述业务流程中各角色的交互顺序
- 核心技巧遇到名词理解不一致时给Gemini提供正确的mermaid代码示例它会快速学会
### 3. PRD生成阶段
- 核心原则:一个页面一个页面地口述需求,复杂页面拆成几个状态分批沟通
- Template + 调教用PRD写作指南 + 简单PRD示例文件喂给大模型
- 调教方法:直接指出问题,不要客气——"它比真人好的地方是一教就会,同样的问题几乎不会犯两次"
- HTML生成对后台需求可同时生成HTML代码直接作为可交互原型使用
- 迭代维护把旧HTML扔给Gemini描述修改内容自动生成新版HTML和差量PRD