与「AgentSkills」相关的搜索结果

开源了，开源了！ 是不是受够了公众号排版？辛苦调好的样式，一粘进编辑器就掉格式？每篇还得手动全选复制、排版还千篇一律？ 我和「摸鱼小李」联名首发一套排版神器 👉 gzh-design-skill 写完 Markdown，它帮你一键排成能直接粘进公众号、且样式不掉的精致 HTML。 四大特色： 1⃣ 6 套精选厚主题：摸鱼绿 / 红白 / 石墨极简 / 留白禅意 / 摸鱼票据 / 橄榄手记 ， 每套都是自成体系的组件库，不是换配色的"皮肤" 2⃣ 主题生成器：现成的不够用？一句话描述或甩张参考图，当场现造一套新主题 3⃣ 一键复制：预览页点「复制到公众号」→ 直接粘贴，样式一点不掉，告别手动全选 4⃣ 双关卡校验：脚本确定性兜住公众号平台的各种限制，换啥模型都不走样 ⚡ 不挑模型：Claude / GPT / Gemini + DeepSeek / Kimi / 通义 / GLM 国产模型都能跑 📦 一行安装： npx skills add isjiamu/gzh-design-skill AGPL-3.0 开源 · 欢迎共创 #AgentSkills# #公众号排版# #开源#

不管你是企业还是个人，用 agent 的时候，有一句话最该先问，但几乎没人问： 你装的这个 skill，安全吗？ 为什么这事要命？ 一个 skill，往往能拿到你的 API key，能读你的文件，能碰你 agent 的记忆 装一个恶意 skill，等于给人开了一道直通你 agent 大脑的门 而它就混在一堆正常结果里，长得跟好人一模一样 所以在 agentskillshub（现在收了 13 万个 skill）上，我们最近上线了一个功能： 把任意一个 GitHub 项目丢进去，它自动帮你审计里面 skill 的安全性 跑完会给你一份结果： 质量评分、完整度、各个维度的分，最后一个总评级 比如一个聚合了营销、写作各类 skill 的仓库，跑出来是「安全」 你就能放心装到自己 agent 上，不用再凭感觉赌一把 方法上分两层： 1️⃣ 一层是基于规则 + 参考学术论文的快速审计，覆盖广，给你一个安全下限 2️⃣ 一层是深度安全审计，真要放进企业，就得深挖它到底会不会偷偷拿走你的密钥 skills 安全，是现在个人和企业都在忽略的一块 装之前，先查一下 👇 🔗 CLI审计： npx @agentskillshub/cli audit owner/repo

[开源学习资源] AI Engineering from Scratch 59.8K ⭐️ 作者 @ghumare64 课程共 20 个阶段，以 Python 为主要编程语言，主张在导入任何框架之前，先用纯数学把每个算法手写一遍。 课程地址： 开源地址： 它和常见教程的本质区别 ？ 大多数 AI 教程是“API 驱动”的：装个库、调个接口、跑个 demo。这个项目反其道而行，每节课遵循固定的六段结构： Motto → Problem → Concept → Build It → Use It → Ship It 以 Phase 10 的一节课「Tokenizers: BPE, WordPiece, SentencePiece」 为例，这个格式是真实落地的，而且写作质量相当高： · Problem 部分不讲废话，直接从代价切入：“你的 LLM 不读英语，它读整数。分词器决定这些整数是承载意义还是浪费意义”，然后解释为什么 tokenization 不是预处理，它是架构的一部分（影响上下文窗口利用率、API 计费、推理速度）。 · Concept 部分用“三种失败的方案和一种胜出的方案”来讲演化逻辑：词级切分（词表爆炸、[UNK] 问题）→ 字符级切分（序列过长）→ 子词切分（BPE 的折中），并配上真实语料上 BPE 逐步合并的手工演算。 每节约 3000+ 词，带 Mermaid 图、可运行代码和测试。 另外两个设计值得强调： · 每节课产出一个可复用的 artifact，一个 prompt、一个 skill、一个 agent 或一个 MCP server。学完整个课程，你手里有 523 个可展示的作品，不是 523 个跑完就扔的 notebook。 · 强调“证据留存”：保留命令、退出码、输出，作为学习发生的证明。这明显吸收了工程实践中“可验证性”的思路。 # 课程结构：从线性代数到自主智能体集群 20 个阶段构成一条完整的上升曲线，咱们它分成五个大块来看： 基础层（Phase 0–2）：环境与工具链、数学基础（线性代数/概率/微积分）、经典机器学习。这是给基础不牢的读者铺的路。 深度学习与感知层（Phase 3–6）：神经网络核心、计算机视觉（一路讲到 NeRF、高斯泼溅、世界模型，这已经超出一般教程的覆盖范围）、NLP、语音。 生成与决策层（Phase 7–9）：Transformer 深挖、生成式 AI（GAN、扩散模型、flow matching）、强化学习。 LLM 层（Phase 10–12）：这是全课程的重心之一。Phase 10 的目录我逐条看过，它不只是“从零实现 GPT”这种常规内容，还包含了相当前沿的论文级主题：DeepSeek-V3 架构走读、DualPipe 并行策略、Native Sparse Attention（NSA）、多 token 预测、Jamba 的 SSM-Transformer 混合架构、 speculative decoding 等。Phase 11 转向应用侧（RAG、LoRA、MCP、可观测性），Phase 12 覆盖多模态（从 CLIP 到 computer-use agent）。 智能体层（Phase 13–16）：工具与协议（MCP、A2A、Agent Skills）、54 节课的 agent 工程、自主系统与安全、多智能体集群。这一层的分量很能说明项目的判断：它认为 AI 工程的重心正在从“训模型”转向“构建可靠协作的智能体”。 收尾（Phase 17–19）：生产基础设施、伦理与对齐、毕业设计。 # 生态与周边：不只是一个课程仓库 网站：带浏览器本地存储的学习进度追踪、术语表、课程目录和路线图。 六卷本书籍：课程内容由 CI（pandoc）自动构建成 EPUB/PDF，附在 GitHub Releases 上，课程即书，且随仓库持续更新。 Agent 导师模式：运行 npx skills add rohitg00/ai-engineering-from-scratch，可以把整个课程装进 Claude Code、Codex 等编码智能体，变成一个带分级测验（placement quiz）和个性化路径的交互式导师，学习进度写在 LEARNING.md 里。这是“用你正在学的工具来学”的巧妙闭环。 认证备考：5 条备考路径、67 节课、505 道练习题，覆盖 Anthropic 的 Claude 认证和 Agentic AI Foundation 的 MCPA。项目明确声明与这些考试机构无关联，只是独立的备考材料。 12 种语言的翻译（含中文），以及四条核心学习路径（构建与部署 AI 应用、软件工程基础、Agent 辅助工程、产品判断与交付）供不同目标的人选路。

NVIDIA 发布 Skill2Env：用“集体技能”强化智能体 NVIDIA 研究者们把社区公开的 Agent Skills 编译成可执行 RL 训练环境的数据流水线：3.4k 个 Skills 变成 8k 个带程序化测试和行为量规的终端任务；仅 300 步 RL 训练就让 Qwen3.8-27B 在 Terminal-Bench 2.1 上提升 4.7 个百分点，且模型行为显著向源 Skills 的方法论对齐。 开源项目： 核心洞察：公开 Agent Skills 是一个被忽视的监督来源 Agent Skills 是“教智能体做某件事”的文件夹：一个 SKILL.md 加上可选的脚本、参考资料和资产。论文指出，把公开 Skill 语料当作数据来读，它同时提供三样东西： · 任务分布的采样：人们真正想让智能体处理的任务分布（有人愿意花时间写下工作流，说明这活儿值得自动化）； · 真实世界的锚点：指向真实的仓库、数据集、工具和工件； · 结果测试表达不了的质量标准：领域专长、默认参数、常见坑、“好结果长什么样”。 # 数据流水线：四阶段编译，验证靠构造 1. Plan（分解）：容器化的 Codex 规划器读取完整 Skill 包、联网调研相关公共资产，把 Skill 拆解成若干可验证的 workflow，每个附带元计划（场景、初始世界、预埋缺陷、难点来源、解法草案、验证策略）、资产建议和“任务轴池”（任务原型 × 验证器模式 × 人物画像）。 2. Diversify（多样化）：宿主从轴池采样一组组合，加上复杂度、指令语气、请求者专业水平。关键设计是轴池以 workflow 为条件：研究型 workflow 配“证据可追溯”验证和研究者画像，而不是从全轴乘积空间乱抽，这让多样化保持 sensible。 3. Create（构造）：全新创建者 Codex agent 在 Docker 内工作，尽可能用真实素材（钉在特定 commit 的开源仓库、真实版本化文档、官方 API 规范）；需要联网服务的场景改造成本地替身（stub 服务器、录制回放 fixture、PATH 上的假 CLI、种子数据库），求解时绝不依赖网络。创建顺序被严格固定：先建世界 → 写指令 → 写测试 → 写量规 → 最后才写参考解，测试先于解法冻结，保证解法必须迁就评分契约而非反过来。 4. Verify（验证）：宿主端无模型参与的接收门：静态检查（布局、符号链接、Dockerfile 安全、基础镜像按内容摘要钉死）+ 两个容器内试跑：Oracle（参考解）必须全指标满分，NOP（什么都不做的 agent）必须全指标零分。任一失败即拒绝。 值得注意的一个反直觉选择：不做 teacher 模型预验证（不像部分工作用强模型试解、解不出就丢弃任务）。理由有二：这会把任务难度上限压到验证器能力，且成本翻倍；而 group-based RL 的在线动态过滤（rollout 无优势的 prompt 自动不产生梯度）天然淘汰过难/过易任务。 # 数据画像：广、贵、且忠实于源 规模与成本：7,971 个任务，用 GPT-5.6 Sol（xhigh 推理档）生成，API 花费超 9 万美元。（脚注：出于法律原因，公开发布的数据集改用 Kimi-K3-max 在同一流水线下生成。） 领域分布：13 个领域中，软件工程仅占 22.5%，AI/ML 10.5%，商业/金融/法律/HR 10.5%，营销 9.3%……论文对比了 TMax-15K、Terminal-Bench、DeepSWE 等，Skill2Env 是唯一全覆盖 13 域、且非技术知识工作占大头的语料。 忠实度探针（很聪明的设计）：用任务指令+量规作查询、对 3.4k 个 SKILL.md 做 TF-IDF 检索，73.2% 的任务 top-1 命中真实源 Skill，94.6% 进 top-10（随机 0.03%）。单用量规也有 68.5% top-1，证明量规携带的是 Skill 专属方法论而非泛泛建议。 SFT 数据：用 GLM-5.3 对每个任务 rollout 两次，得到 15,968 条轨迹，平均奖励 0.74，中位轨迹 19 次模型调用 + 23 次工具调用。 S2EBench：考虑到公开基准饱和，从 SkillHub 另外生成、逐条人工审核（指令无歧义、忠实于源 Skill、测试公允）后的 79 任务私有 held-out 基准。 # RL 实验：基础设施 + 极简配方 基础设施（论文明确说“现代 agentic RL 首先是基础设施挑战”）：Molt（PyTorch 原生全异步训练，Ray + vLLM + FSDP2）+ Polar（agent rollout 层：rootless Apptainer 沙箱、代理回传 token ID 和采样时 log-prob、prefix merging 把 harness 的多次补全缝合成训练轨迹）。 配方（刻意走“简单路线”）：GRPO 组归一优势 + DPPO 的 binary-KL 信任域掩码（δ=0.05，超出阈值的 token 直接丢弃，无需参考模型，还能防训练-推理失配）；G=8 rollouts/组，批 64，lr 1e-6 恒定，无 KL 惩罚、无熵奖励、无 SFT 热启动，每任务 65k 上下文。 量规校准奖励：开量规时，额外由 GPT-6 Astra 做 LLM-as-Judge（带“宪法”：惩罚无脑循环、reward hacking、答非所问；hacking 实证 = -5 分），总奖励 r = r_V + λs/5（λ=0.2），即 judge 最多把程序化奖励拉动 ±0.2。量规是校准可执行结果奖励，而非取代它，这是与“Rubrics as Rewards”一系的定位差异。 # 四项发现（论文最有信息量的部分） 发现 1：小规模 RL 即有跨域迁移。 仅 300 步、只用 2,400 任务子集训一个 epoch：S2EBench pass@1 +4.3（均分 +18.5），Terminal-Bench 2.1 +4.7（49.4→54.1）。训练集与 TB 无重叠（13-gram Jaccard < 0.8），且训练集从未针对 TB 调过，论文将其解读为规划、工具使用、收尾能力的通用提升而非任务族记忆。这让 27B 本地模型显著缩小了与云端前沿模型的差距。 发现 2：量规校准 RL 在基准上落后于纯结果 RL，一个诚实的负结果。 量规版在 TB 2.1 只有 50.1（纯结果版 54.1）；训练中量规版的程序化奖励长期停在 0.5–0.6，judge 分项从头到尾无上升趋势，两个奖励在训练分布上互相拉扯。论文不把它当作对量规奖励的终审判决（两者优化不同目标，而基准只考结果那一半），并给出两个疑因：λ=0.2 的加性形式让失败任务仍能拿正奖励、judge 看不到文件系统等设定均未调优；以及更本质的，Skill 写下的方法论可能本来就不是最大化基准通过率的分布。 发现 3：行为确实向 Skill 对齐，量规的价值所在。 200 个任务的成对偏好测试（judge 拿源 SKILL.md 当标准，比较匿名化的 base 与 RL 轨迹）：纯结果 RL 已被偏好 54.5% vs 33.5%；量规版被偏好 73.0% vs 24.0%。这说明量规奖励买到的东西在结果基准上看不见，但对“怎么做事”影响实质，对网页开发、报告综合、开放研究这类难验证任务尤其重要。 发现 4：GLM-5.3 蒸馏 SFT 反而伤害 Qwen。 在 GLM-5.3 轨迹上做 SFT：27B 上 TB 2.1 掉到 45.8；4B 上直接崩塌（TB 18.7→3.4，出现思维/工具调用死循环）。归因：教师的 interleaved-thinking + 工具调用风格与学生自身 post-training 不兼容，模仿覆盖了学生依赖的行为模式却带不来教师的能力。与 TMax 报告的“SFT 混合数据劣化已后训练的 Qwen”互相印证。因此论文所有 RL 结果都从未修改的原始 checkpoint 出发。

Binance Web3 Data AI Agent Skills let agents: 🔎 Discover trending tokens 🐋 Track smart money wallets 🛡️ Check token risks 📊 Analyze market data What would you have your AI agent research first? Learn more👇

🔥 Codex 做游戏，现在真的有点离谱了。 我整理了 10 个游戏开发方向的 Agent Skill。 从「生成游戏」到「游戏引擎」，再到「UI、手感、多人联机」，基本把一个游戏开发团队拆成了 10 个专家。 1️⃣ higgsfield-game-generation｜游戏生成 直接让 Codex 构建、迭代和部署可玩的浏览器游戏，还能生成 Sprite、纹理、3D 资产、音乐和音效。 👉 2️⃣ game-engine｜游戏引擎 负责游戏架构、游戏循环、物理、碰撞检测、2D/3D 渲染等。 👉 3️⃣ multiplayer-game｜多人联机 专门处理多人游戏的 matchmaking、实时状态同步、tick loop、玩家连接等。 👉 4️⃣ game-developer｜通用游戏开发 适合让 Codex 按专业游戏开发流程来实现玩法、逻辑和功能。 👉 5️⃣ game-ui-design｜游戏 UI 专门处理游戏菜单、HUD、按钮、状态栏等界面设计。 解决 AI 写出来的游戏： 功能能跑，UI 像程序员半夜赶出来的。💀 👉 6️⃣ game-design-theory｜游戏设计理论 负责玩法循环、玩家体验、关卡、奖励机制等。 核心就是解决： “代码写出来了，但为什么不好玩？” 👉 7️⃣ game-feel｜游戏手感 这个非常值得收藏。 打击反馈、粒子效果、屏幕震动、动画、音效、操作反馈…… 让游戏从： 能玩 → 玩起来爽。 👉 8️⃣ game-ui-ux｜游戏 UI/UX 解决 HUD、菜单、响应式布局、安全区域、键盘/手柄导航等问题。 👉 9️⃣ threejs-game-ui-designer｜Three.js 游戏 UI 如果你想用 Three.js 做 3D 网页游戏，这个很适合。 专门处理 HUD、菜单、Overlay、触控按钮和响应式布局。 👉 🔟 develop-web-game｜网页游戏开发 这个是 OpenAI 官方 Skills 仓库里的 Skill。 它不是单纯让 Codex 写代码，而是让 Codex： 写代码 → 测试 → 截图 → 检查 → 修 Bug → 再测试 形成完整的游戏开发迭代循环。 👉 ⸻ 如果你只是想用 Codex 做小游戏： 🎮 入门 develop-web-game ⚙️ 游戏架构 develop-web-game + game-engine ✨ 想做得更精致 game-feel + game-ui-ux 🌐 Three.js 3D 游戏 threejs-game-ui-designer 🤖 AI 直接生成完整浏览器游戏 higgsfield-game-generation 以前： “Codex，帮我写一个小游戏。” 现在： “Codex，把这几个 Skill 组合起来，给我整个游戏开发团队。” 这才是 Agent Skill 真正有意思的地方。😂 #Codex# #AgentSkill# #AI编程# #VibeCoding# #游戏开发#

Introducing ElevenLabs CLI v1. Developers and coding agents can now manage ElevenLabs workflows directly in the terminal with well-documented commands, built-in agent skills, structured JSON, and dry runs to preview any operation.

Finally, a good paper testing whether Agent Skills actually help. Worth reading if you are maintaining a skill library in a team. WebDev-Skills-Bench runs 31 public WebDev Skills over 50 Web-Bench projects and 1,000 ordered tasks, with a length-matched irrelevant control so prompt-length effects can be separated from Skill content. Injecting the target Skill reduces mean Pass@2 by 1.3% to 4.2%, lowers task completion depth, and raises token cost by 72% to 394%. Gains show up in 17% to 36% of Skill-project pairs. The controls split the damage into two failure modes. Some models are length-distracted, where an equally long irrelevant Skill reproduces most of the loss. Others are content-misled, where prompt length is neutral, and the Skill content still costs 1.1 to 1.4 points. Other findings: > Losses concentrate on easy early tasks > Skill rankings transfer weakly across models > Anti-pattern rules outperform example-heavy content inside the Skills that do help Paper: Track more trending AI papers in our academy:

最近我把 TermiX / 从头到尾手操了一遍。 这玩意儿有点难搞，但跑完整个流程后，我反而觉得它有点东西。 注册 Agent → 发任务 → 报价接单 → Escrow 托管 → 交付 → 验收 → 结算 我发现它真正有意思的地方，并不是“又来了一个 AI Agent 平台”。 而是它在问一个更现实的问题：如果 Agent 以后真的能自己干活，那它去哪接活？怎么报价？钱怎么收？出纠纷谁处理？ 简单的理解来说， 就像一个链上的 Agent 自由职业市场。 Agent 有自己的 Identity，可以当 Client，也可以当 Provider。 Client 发需求、定预算和交付标准； Provider 报价接单； 资金进入智能合约 Escrow； 完成任务后提交结果； 没问题就放款； 有争议，就进入 Challenge，由评审机制处理。 也就是说，它不是简单做个“Agent 接单网站”。 而是试图把： 身份 → 任务 → 报价 → 托管 → 交付 → 验收 → 声誉 → 结算 这一整套交易流程搬到链上。 以前我们聊 Agent，关注的基本都是： 能不能写代码？ 能不能交易？ 能不能调用 API？ 能不能自动执行？ 但当 Agent 真正开始变强以后，下一个问题是：干完活，然后呢？ 找客户 → 报价 → 接单 → 干活 → 验收 → 收钱 → 积累信用。 TermiX 做的就是把这套逻辑重新给 Agent 跑一遍。 而我比较关注的，其实是 Identity + Reputation。 因为 Agent 注册出来只是“有身份”。 真正做过任务、完成过多少单、有没有纠纷、别人还愿不愿意找它 你说自己会写代码，和你链上真的干完 50 个代码任务，完全是两回事。 所以未来 Agent 真开始接单，我觉得：能力决定你能不能干活，声誉决定别人敢不敢把活给你。 另外还有 Bounty。 有任务、有奖励，符合条件的 Agent 可以直接来干活。 再结合 termix-agent-skills，理论上以后甚至可以做到： 发现任务 → 判断需求 → 报价 → 接单 → 执行 → 交付 → 收钱 到这一步，这已经不只是“AI 帮人工作。” 而是，“Agent 自己开始工作、接单，甚至赚钱。” 当然，现在还不能直接吹“Agent 经济闭环已经跑通”。 真正的难点根本不是智能合约能不能写。 而是： 有没有真实任务？ 有没有真实需求？ 有没有靠谱 Provider？ Reputation 能不能真正沉淀？ 没有任务，Agent 再聪明也只能在家待业 😂 所以我现在更想看的，是它能不能从： 技术闭环 → 经济闭环 如果大家感兴趣，我反而建议别只看介绍。 自己注册进去，把 Client 和 Provider 两个角色都跑一遍。 注册入口： 如果这件事真跑通，Agent 的叙事可能就会从：“会做事” → “能赚钱” 个人观点，仅供参考。

Introducing ElevenLabs CLI v1. Developers and coding agents can now manage ElevenLabs workflows directly in the terminal with well-documented commands, built-in agent skills, structured JSON, and dry runs to preview any operation.