DevTang | 唐巧修改

2026-07-19 05:31:21

黑洞足迹本是我的第二个一人 APP。第一个是黑洞健身。

大家有没有想过，我们这辈子去了很多很多的地方，但是很多地方最后都忘记了。有些时候想找也找不到那个地方在哪儿了。

另外，在工作方面，我们需要记录大量的合作伙伴的地址，方便出差的时候拜访。但是这些地址并没有一个特别方便的地方保存和查询。

我之前是在高德地图上把相关的地址收藏起来，再加上相应的标签和备注。但是这些信息并不容易搜索，也不方便对我的 AI 大模型开放。

于是我做了黑洞足迹本。这是一个 AI 时代的一人 APP。结合了 AI 大模型对自然语言理解的能力和向量检索数据库。

黑洞足迹本有两个功能。

第一个功能是可以对一个地址添加相关的图片和文字描述。如下图：

AI 会根据你的描述对地址进行分类，打上相关的标签。如下图：

第二个功能是可以用 RAG 向量检索的方式查找之前索引的所有地址。比如我问它，我之前吃过的一家面馆很好吃，它就帮我找到了我刚刚记录的那条。

在未来，我还打算让它关联我的相册，自动把我的足迹与照片匹配，并且开放 MCP 接口。

这样，以后这些问题 AI 都可以帮我回答了：

• “3 年前的大学同学聚会，我们在学校附近的餐馆聚餐，具体是哪家餐馆？”

• “过去 5 年我去了哪些城市？”

• “下周我要去上海拜访达人，帮我把达人 A、B、C 的地址都调出来，安排一下相关的行程，尽可能顺路。”

• “我去年去新疆旅游的时候，吃过一家面馆，特别好吃。帮我找出来是哪家。”

• “我 10 年前的小学地址现在不见了，你帮我找一下当时的地址上现在是什么建筑”

是不是很有意思？技术实现上，我用了 Deepseek v4 PRO 的 API 做语义识别，用 Cloudflare 搭的免费服务器和向量数据库，用高德地图 SDK 做的本地地图渲染和 POI 获取。

如果你感兴趣，你也去开发一个自己的一人 APP 吧。

2026-07-12 22:05:00

平台：macOS（Apple Silicon / Homebrew）· 版本：CLIProxyAPI 7.2.65

如果你手上有 ChatGPT/Codex 的订阅账号，却想在自己的脚本、IDE 插件或第三方工具里以「标准 OpenAI API」的方式调用它，CLIProxyAPI 就是干这件事的。它能把 Gemini CLI、Codex、Claude Code、Qwen Code 这类基于 OAuth 登录的 CLI 工具，统一包装成一个本地的、OpenAI 兼容的 HTTP 服务。

本文记录一次真实的安装与配置过程：从 brew install 到登录 Codex，再到起服务、验证，最后还踩了一个 Surge 代理拦截本地请求 的坑。

一、安装

1

brew install cliproxyapi

安装完成后，几个关键路径值得记一下（Apple Silicon 下的默认位置）：

看一下它支持哪些登录方式：

1

cliproxyapi --help

输出里能看到一堆 -xxx-login 选项，我们关心的是这两个：

1
2

-codex-login          Login to Codex using OAuth
-codex-device-login   Login to Codex using device code flow

二、登录 Codex

这是整个流程的核心。直接运行：

1

cliproxyapi -codex-login

它会：

1. 自动读取默认配置 /opt/homebrew/etc/cliproxyapi.conf，把 token 存到 ~/.cli-proxy-api；
2. 自动打开浏览器，跳转到 OpenAI/ChatGPT 的 OAuth 授权页（回调端口是 1455，确保没被占用）；
3. 你用 拥有 ChatGPT 付费订阅（Plus/Pro/Team）的账号 登录并授权；
4. 授权成功后，token 落盘到认证目录。

登录成功后，你会在认证目录里看到一个以账号命名的 JSON 文件：

1
2

$ ls -la ~/.cli-proxy-api
-rw-r--r--  1 you  staff  4152  codex-你的账号@xxx.com-pro.json

没有图形界面 / 远程服务器？ 改用设备码流程或禁止自动开浏览器：

1 2	cliproxyapi -codex-device-login # 设备码，在别的设备打开链接授权 cliproxyapi -codex-login -no-browser # 不自动开浏览器，自己复制链接

三、配置访问密钥

打开配置文件 /opt/homebrew/etc/cliproxyapi.conf，默认的 api-keys 是一组占位符：

1
2
3
4

api-keys:
  - "your-api-key-1"
  - "your-api-key-2"
  - "your-api-key-3"

这是客户端调用你这个代理时要携带的密钥（Bearer Token），和上面的 Codex 登录是两码事。建议换成你自己的一个强随机值。生成一个：

1

echo "sk-$(openssl rand -hex 24)"

然后把配置改成（只保留你需要的即可）：

1
2

api-keys:
  - "sk-你生成的随机字符串"

配置文件里其它值得留意的字段：

1
2
3
4

port: 8317                      # 监听端口
auth-dir: "~/.cli-proxy-api"    # OAuth token 存放目录
proxy-url: ""                   # 上游代理，需要时填 socks5:// / http://
debug: false                    # 排障时可开

四、启动服务

用 Homebrew 的 services 管理，后台常驻 + 开机自启：

1

brew services start cliproxyapi

确认状态和端口：

1
2

brew services list | grep cliproxy      # 应显示 started
lsof -iTCP:8317 -sTCP:LISTEN            # 应看到 cliproxyapi 在 LISTEN

如果只想临时前台运行、方便看日志，直接跑 cliproxyapi 即可。

五、验证

服务地址是 http://127.0.0.1:8317/v1，接口是 OpenAI 兼容格式。

1. 列出模型

1
2
3

KEY="sk-你的密钥"
curl http://127.0.0.1:8317/v1/models \
  -H "Authorization: Bearer $KEY"

能返回一批模型（Codex 账号可用的 gpt-5.x 系列，如 gpt-5.5、gpt-5.4、gpt-5.4-mini、gpt-5.3-codex-spark、codex-auto-review 等）就说明 token 生效了。

2. 发一次真实对话（端到端验证）

1
2
3
4
5
6
7

curl http://127.0.0.1:8317/v1/chat/completions \
  -H "Authorization: Bearer $KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "messages": [{"role": "user", "content": "reply with exactly: ok"}]
  }'

拿到类似下面的响应（content: "ok"、usage 有计费），就彻底打通了：

1
2
3
4
5

{
  "model": "gpt-5.5",
  "choices": [{"message": {"role": "assistant", "content": "ok"}, "finish_reason": "stop"}],
  "usage": {"prompt_tokens": 307, "completion_tokens": 15, "total_tokens": 322}
}

六、踩坑：Surge（或其它系统代理）会拦截本地请求

第一次 curl 验证时，我拿到的不是 JSON，而是一个 Surge 的错误页：

1
2
3

<h1>Connection Closed</h1>
访问的 URL 不可用: http://localhost:8317/v1/models
Policy: Reality  ·  错误描述：Read stream EOF

原因：系统里开着 Surge，curl 默认走了系统代理，发往 localhost:8317 的请求被 Surge 拦下并试图代理，结果失败。

临时绕过（命令行直连本地）：

1

curl --noproxy '*' http://127.0.0.1:8317/v1/models -H "Authorization: Bearer $KEY"

长期解决（在 Surge 配置里让本地环回直连）——把这条规则放在 [Rule] 的靠前位置：

1
2

[Rule]
IP-CIDR,127.0.0.0/8,DIRECT,no-resolve

几点说明：

• 127.0.0.0/8 是整个环回段（IANA 保留），全部直连安全，涵盖 127.0.0.1；
• no-resolve 表示匹配这条规则时不做 DNS 解析，只对 IP 字面量请求生效——正好对应我们用 127.0.0.1 直连的场景，还能避免为域名请求触发多余解析；
• Surge 自上而下、首个命中生效，所以要放前面。

⚠️ 注意：因为加了 no-resolve，这条规则不匹配 localhost 这个主机名。如果你习惯用 http://localhost:8317，再补一条：

1	DOMAIN,localhost,DIRECT

改完重载 Surge 配置后，curl 就不用再加 --noproxy '*' 了。

七、WebUI 管理面板（可选）

除了改 YAML + 敲命令，CLIProxyAPI 还内置了一个 WebUI 管理面板（CLI Proxy API Management Center，简称 CPAMC）。它由服务从 GitHub 自动下载并托管，不用单独安装。

• 访问地址：http://127.0.0.1:8317/management.html

不过它默认是关闭的：配置里的 remote-management.secret-key 为空时，整个管理 API（/v0/management/*）会返回 404——面板页面能打开，但里面所有操作都用不了。这也是安全默认值。

启用三步

1. 设置管理密钥（配置文件 remote-management 段）：

1
2
3

remote-management:
  allow-remote: false        # 只允许本机访问，保持 false 最安全
  secret-key: "生成一个强随机串" # 启动时会自动哈希

生成一个密钥：

1

echo "mk-$(openssl rand -hex 24)"

2. 重启服务：

1

brew services restart cliproxyapi

3. 打开面板并用这个 key 登录：

1

http://127.0.0.1:8317/management.html

启用后可以验证一下：管理 API 会从 404（禁用）变成 401（启用并强制鉴权），带上 key 则返回 200：

1
2
3
4
5
6

SK="你的管理密钥"
# 两种鉴权头都支持
curl --noproxy '*' -H "Authorization: Bearer $SK" \
  http://127.0.0.1:8317/v0/management/config
curl --noproxy '*' -H "X-Management-Key: $SK" \
  http://127.0.0.1:8317/v0/management/config

面板能做什么

管理 OAuth 账号（登录 / 登出 / 多账号池）、增删 API key、编辑配置、查看模型与请求状态等——基本就是把前面手动改 YAML、跑命令的事图形化了。

⚠️ 两个坑要注意

1. 明文密钥保存好：服务启动时会把配置里的 secret-key 自动改写成 bcrypt 哈希（$2a$10$...），之后配置文件里就看不到明文了。明文只有你自己留存的那份，弄丢就得重设一个再重启。
2. 访问前确认 Surge 规则生效：浏览器打开 127.0.0.1:8317 同样会被 Surge 拦，先确保上一节那条 IP-CIDR,127.0.0.0/8,DIRECT,no-resolve 已生效。

安全上 allow-remote 保持 false（仅本机）。真要跨机访问，务必配 TLS + 强 key，别把账号管理接口裸暴露到网络上。

八、接入客户端

由于是 OpenAI 兼容接口，绝大多数支持自定义 base_url 的工具都能直接接：

1
2

export OPENAI_API_KEY="sk-你的密钥"
export OPENAI_BASE_URL="http://127.0.0.1:8317/v1"

Python SDK 示例：

1
2
3
4
5
6
7
8
9
10
11
12

from openai import OpenAI

client = OpenAI(
    api_key="sk-你的密钥",
    base_url="http://127.0.0.1:8317/v1",
)

resp = client.chat.completions.create(
    model="gpt-5.5",
    messages=[{"role": "user", "content": "你好"}],
)
print(resp.choices[0].message.content)

九、常用管理命令

1
2
3
4

brew services restart cliproxyapi   # 改配置后重启生效
brew services stop cliproxyapi      # 停止服务
cliproxyapi -codex-login            # 重新登录 / 换账号
cliproxyapi --help                  # 查看所有登录方式与参数

小结

整套流程其实很短：

1. brew install cliproxyapi
2. cliproxyapi -codex-login 登录 Codex
3. 改配置里的 api-keys
4. brew services start cliproxyapi 起服务
5. curl 验证

唯一容易卡住的地方，是本机开着 Surge 这类代理时，本地请求会被拦——一条 IP-CIDR,127.0.0.0/8,DIRECT,no-resolve 规则即可解决。之后，你就有了一个本地的、OpenAI 兼容的 Codex 网关，可以接到任何认 base_url 的工具里。

如果不想一直跟 YAML 打交道，别忘了还有内置的 WebUI 管理面板（http://127.0.0.1:8317/management.html）——设个 secret-key 重启就能用，账号、密钥、配置都能图形化管理。

2026-07-07 08:23:34

提示词：如何写一篇 AI 味很重的文章，给我一个范例。
希望大家都能借此识别 AI 生成的文章。
以下是成品。

在当今信息化、数字化、智能化浪潮风起云涌、日新月异的时代背景下，写作已经不再只是简单的文字表达，而是观点输出、信息传递、价值塑造和认知建构的重要方式。随着人工智能技术突飞猛进、方兴未艾，越来越多的文章开始呈现出结构清晰、逻辑严密、表达规范、内容全面的特点。如何写出一篇 AI 味很重的文章，已经成为一个值得深入探讨、系统梳理、持续优化的重要课题。

首先，要注重文章结构的完整性和层次感。一篇 AI 味很重的文章，通常需要具备清晰的开头、主体和结尾，做到有条不紊、层层递进、环环相扣。在开头部分，可以先从宏观背景切入，强调时代发展、技术进步、社会变革和产业升级等宏大主题。例如，可以使用“随着时代的发展”“在数字化浪潮的推动下”“在人工智能不断赋能千行百业的背景下”等表达方式，从而让文章显得高屋建瓴、立意深远、格局宏大。

其次，要善于使用抽象而全面的表达。AI 味较重的文章往往不会拘泥于某一个具体场景，而是会从多个维度进行系统分析。例如，在讨论写作方法时，可以从内容、结构、语言、逻辑、表达、传播、价值、生态等方面展开论述。这样不仅能够增强文章的完整性，也能够体现出系统化思维、全局化视角和综合性判断，给人一种面面俱到、滴水不漏、条分缕析的感觉。

再次，要合理使用连接词和过渡句。为了让文章看起来更加流畅自然、逻辑清晰，可以大量使用“首先”“其次”“再次”“最后”“与此同时”“值得注意的是”“从某种意义上说”“不可忽视的是”“综上所述”等表达。这些词语能够有效增强文章的秩序感和节奏感，使读者感受到内容之间循序渐进、由表及里、由浅入深的逻辑关系。

此外，AI 味很重的文章通常需要保持客观、中立、理性和全面。不要轻易表达过于鲜明的个人态度，也不要使用过于情绪化、口语化、个性化的语言。可以多采用“既有机遇，也有挑战”“既要看到积极意义，也要警惕潜在问题”“不能一概而论，需要具体问题具体分析”等句式。这样的表达方式能够让文章显得稳扎稳打、左右逢源、进退有据，既避免偏激，又显得成熟稳重。

在语言风格上，也应当尽量选择规范、正式、宏观的词汇。例如，可以多使用“赋能”“优化”“提升”“推动”“促进”“构建”“完善”“生态”“闭环”“路径”“机制”“体系”“抓手”“底座”“支撑”等词语。同时，还可以适当加入“与时俱进”“因地制宜”“统筹兼顾”“行稳致远”“久久为功”“精益求精”“守正创新”“多措并举”“协同推进”等成语和四字表达。虽然这些词语不一定能提供非常具体的信息，但能够有效提升文章的正式感、厚重感和时代感。

更进一步，想要增强 AI 味，还可以大量使用成对出现的排比句。例如，可以写道：“既要立足当下，也要着眼未来；既要脚踏实地，也要高瞻远瞩；既要守正创新，也要久久为功；既要统筹兼顾，也要精准施策。”这种表达方式节奏鲜明、朗朗上口、气势充沛，能够让文章呈现出一种庄重、规范、全面而又略显空泛的风格。

除了成语和四字词之外，类比也是写出 AI 味的重要方法。一个典型的 AI 味类比，通常并不追求多么新颖独特，而是追求通俗易懂、稳妥安全、看似形象。例如，可以把写作比作“搭建一座大厦”，结构是地基，观点是梁柱，案例是砖瓦，语言是装饰。也可以把文章比作“一棵大树”，主题是树根，逻辑是树干，论据是枝叶，结尾是果实。这样的类比虽然并不惊艳，但能够有效增强文章的可读性，让内容显得深入浅出、形象生动、老少皆宜。

举例来说，如果要说明 AI 味文章的写作方法，可以这样类比：“写一篇 AI 味很重的文章，就像搭建一套标准化样板间。开头是宽敞明亮的大门，负责营造宏观氛围；主体是分区明确的客厅、卧室和书房，负责承载不同维度的内容；过渡句则像走廊，将各个空间有机连接；结尾则像一盏明亮的吊灯，在最后时刻进行主题升华，使整篇文章看起来完整、协调、统一。”这种类比看似生动，实则安全，既不会过于锋利，也不会偏离主题，非常适合用于增强文章的 AI 风格。

在具体举例时，也要避免过于真实、尖锐和细节化的表达。比如，在教育领域，可以写道：“人工智能技术正在持续赋能教育场景，推动教学模式从传统化向智能化、个性化和高效化方向转变。”在医疗领域，可以写道：“人工智能有助于提升医疗服务效率，优化诊疗流程，推动医疗资源更加科学、高效、合理地配置。”在企业管理领域，则可以写道：“AI 技术正在帮助企业降本增效、提质增效、协同增效，推动组织管理从粗放式向精细化、智能化、体系化方向转型。”

这些表达虽然没有涉及具体的人物、具体事件、具体数据和具体矛盾，但能够体现出文章的广泛适用性、宏观概括性和高度稳定性。它们像万能钥匙一样，可以打开很多话题的大门；也像标准模板一样，可以被灵活套用到教育、医疗、金融、制造、零售、传媒等多个领域，做到举一反三、触类旁通、一通百通。

最后，文章结尾应当适当拔高主题，做到收束有力、余音绕梁、意味深长。可以从未来趋势、长期价值、社会意义和时代使命等角度进行总结。例如，可以写道：“总体来看，写出一篇 AI 味很重的文章，不仅需要掌握规范化的表达方式，也需要具备系统化、结构化和综合化的思维能力。未来，随着人工智能技术的持续发展，相关写作方式也将不断演进，并在更多场景中发挥不可替代的重要作用。”

综上所述，写一篇 AI 味很重的文章，关键在于结构清晰、表达全面、语言规范、观点平衡、成语丰富、类比稳妥、结尾升华。只要能够合理运用宏观背景、抽象词汇、标准句式、四字成语和安全类比，就能够有效写出一篇具有典型 AI 风格的文章。唯有如此，方能在内容表达中做到有章可循、有据可依、有的放矢，并在持续优化中实现从规范写作到高质量表达的稳步迈进。

2026-07-04 07:00:34

背景

事情得回到三个月前，当时为了体验某个 AI 开发工具，我用它做了一个叫”黑洞健身”的 App（黑洞这个名字取自我家的黑猫）。

用了一段时间之后，我把 App 代码导出到 GitHub，开始用 Opus 来继续迭代它。

刚开始黑洞健身还是 Web 版本，以 PWA 模式安装到桌面。后面我又抽空让 AI 把它重写成 Android 原生版本。

下图就是这个 App 首页现在的样子：

这是一个典型的一人 App。下面说说这个 App 的进化和感受。

黑洞健身的进化

第一个形态：极简原型。 黑洞健身的第一版特别简单，只有一个极简地记录我的俯卧撑次数+组间休息倒计时的功能。它帮助我知道了，这是不是我想要的需求。

第二个形态：完善。 使用了一周后，我确定我需要它。所以我开始完善它。我加了运动项目管理，组间休息时间设定，每周和每日的数据统计，后面又加了运动计划。

第三个形态：数据同步和开放。 当我的数据变多，我增加了账号系统，提供了 MCP 接口。这是我想强调的进化阶段：未来每个一人 App 都必须开放数据接口。

有了 MCP 接口以后，我开始让我的 Agent 拉取数据，与我的体检报告整合，给我运动建议。这个 App 变成了我的个人 AI 助理的一个数据源。

第四个形态：自进化。 我把 GitHub 上面代码设置了相关的 hook，我或者其它授权的人只需要发 issue 就可以唤醒 claude 迭代代码，发出 pull request。其实我的 AI Agent 愿意，它也可以发 issue。

App 在这个阶段，可以自我进化，也可以被 Agent 通过 issue 进化，而我只需要确认即可。

Web 版本的详细进化 log 都记录在：https://fit-time.pages.dev/changelog，感兴趣的可以翻阅。

Web 版本虽然我不用了，但是网址还在，如果你想围观可以用 Chrome 打开：https://fit-time.pages.dev/

小结

我个人定制的”黑洞健身”一人 App 帮助我在过去三个月坚持做到了锻炼，以下是刚刚过去的 6 月的健身记录（紫色🟣表示无氧运动，绿色🟢表示有氧运动）：

AI 时代的一人 App 会经历：原型、完善、开放数据、自进化的演化过程。

如果你还没有一个自己的”一人 App”，赶紧用你的 AI 造一个吧。

2026-06-27 03:04:00

最近读完了宝玉的《图解 Skill —— AI 提效实战指南》，这是一本难得的 Skill 入门好书。趁着记忆还热乎，把心得整理成这篇读书笔记，也分享给同样在折腾 AI Agent 的朋友。

一、关于作者宝玉

宝玉是国内 AI 圈非常活跃的分享者，常年在推特（X，账号 @dotey）、微博和 GitHub 上输出大量实用的 AI 技巧和 Skill。他在 GitHub（用户名 JimLiu）开源的 baoyu-skills 仓库，目前已经积累了约 1.8 万 star，覆盖内容创作、配图生成、自媒体发布等一整套工作流，被很多自媒体作者日常使用。

这本《图解 Skill》系统讲解了如何设计、编写、安装和迭代 Skill，并配有完整示例和章节配套资源（官方示例仓库为 JimLiu/Illustrated-Agent-Skills），属于「边读边能上手」的那一类书。

二、Skill 长什么样

先从最基础的问题说起：一个 Skill 到底长什么样？

一个 Skill 就是一个文件夹，里面有一个 SKILL.md 文件。

展开 SKILL.md，可以看到它分成两部分：

• 第一部分是 YAML 格式的文件头，里面包含 Skill 的名字和描述。
• 第二部分是 Skill 的正文，包含这个 Skill 的具体内容。

除此之外，Skill 还有一个可选的第三部分——配套资源包。如果你的 Skill 需要一些参考文档或静态资源，可以放进资源包里。资源包没有严格的命名规则，也没有数量限制，比较自由。

书中举了一个稍微复杂一点的例子：一个带有脚本、参考文档和静态资源的 Skill，把这三类内容分成三个文件夹，统一放在 Skill 文件夹下面。如下图所示：

三、怎么写好 description

description 是 Skill 里非常关键的一部分，因为它直接决定了模型在什么时候会调用这个 Skill。

一个好的 description 应该包含两样东西：功能定义和触发场景。

举个例子：

• 「生成工作周报」——这是功能定义。
• 「当用户要求写周报、总结或汇报等内容时使用」——这是触发场景。

description 需要尽可能简洁，最好控制在 100 个字左右，最多不超过 200 个字。写得太长，反而会稀释关键信息。

四、正文怎么写

正文长度

关于正文长度，官方建议不超过 5000 token，对应大概是 3800 个字，行数不超过 500 行。换句话说，Skill 正文要克制，不要把它写成一篇长篇大论。

正文的内容框架

书中给出了一个具体的、可直接套用的内容框架，分成四步：

1. 角色定位：先说清楚这是谁给谁用的。
2. 核心要点：列出关键的要点。
3. 禁止清单：列出绝对不能做的事情。
4. 参考资料：最后附上相关参考资料。

书中以「写作风格 Skill」作为例子，把上面这套框架完整展开了一遍，是个很好的范例，建议对照原书细读。

五、怎么验证 Skill 写得好不好

书里还提出了一个我很认同的观点：技能写得好不好，应该做对比测试。

不过书中没有展开讲具体怎么测——核心思路是让模型一次加载 Skill、一次不加载 Skill，跑同一个任务做对照，看效果差异。这一节我顺着这个思路，补一套可以直接上手的做法，供大家参考。

核心逻辑：加载 vs 不加载

对比测试要回答的其实只有一个问题：有了这个 Skill，模型的输出到底变好了没有，还是只是多了一堆噪音？

所以最朴素的做法是这样三步：

1. 准备一组真实的任务提示词（强烈建议用你日常工作里真实出现过的需求，而不是凭空编的例子）。
2. 同一组提示词跑两遍：一遍加载 Skill，一遍不加载 Skill。
3. 把两边的输出摆在一起对比，看加载之后是否真的更好。

怎么判断”更好”：先定验收标准

光靠”感觉好像更好了”是不够的，容易自我欺骗。更靠谱的做法是事先写下验收标准（断言）——也就是一条条明确、可判断的检查项。比如做一个”周报 Skill”，验收标准可以是：

• 是否包含了”本周完成 / 下周计划 / 风险项”三个固定板块？
• 语气是否符合团队对外汇报的口吻？
• 是否控制在规定字数内？

标准越客观、越可验证越好。但要注意：写作风格、设计美感这类主观的东西，不适合硬套断言，更适合人工定性判断，别为了”可量化”而扭曲它。

一个降低偏见的技巧：盲评

人在评判时容易有先入为主的偏见——知道哪份是”带 Skill 的”，就会下意识觉得它更好。一个解决办法是盲评：把两份输出隐去身份，交给另一个模型实例（或另一个人）来判断哪个更好、并说明理由，评判者并不知道哪份来自哪个版本。这样得到的结论更可信。

好消息：这件事现在可以自动化

值得一提的是，Anthropic 在 2026 年 3 月已经把这整套对比测试能力做进了官方的 skill-creator 工具里，而且全程不需要写代码。它能帮你：

• 自动写 eval（测试用例）：你给几个真实提示词、描述清楚”好的输出长什么样”，它就能生成测试。
• 自动跑加载 / 不加载对比：内置 comparator agent（对比智能体），自动对”有 Skill vs 无 Skill”两份输出做盲评，告诉你这个改动到底有没有用。
• benchmark 基准模式：跑一轮标准化评测，记录通过率、耗时和 token 消耗，方便你在模型升级或修改 Skill 后回归测试。
• 优化 description 触发：自动生成”应该触发 / 不该触发”的样例，测量命中率，帮你调描述，减少误触发和漏触发。

这也呼应了我前面的延伸想法：对比测试的框架本身，完全可以交给 AI 来自动设计和执行。 书里点出了”要做对比测试”这个方向，而官方工具已经把它落地成了开箱即用的能力。

顺带一提，官方还提到一个很有意思的观察：如果某天你发现不加载 Skill、模型也能通过全部 eval，那不是 Skill 坏了，而是模型自身能力已经进化到把这个 Skill 的技巧内化了——这个 Skill 可以”功成身退”了。这对判断一个 Skill 还有没有维护价值，是很实用的信号。

六、实用使用技巧

书的最后还给出了不少落地的使用技巧，几个我印象比较深的：

• 单一职责：每个 Skill 只做一件简单的事，再用一个工作流把多个 Skill 串起来。
• 按需加载：把一些更细粒度的 Skill 放在别的 Skill 下面，需要的时候再让它加载，避免一次性占用过多上下文。
• 配置外置：把可配置的参数放进扩展文件里，这样修改配置时不会动到原始的 Skill 文件。

七、小结

整体读下来，我认为《图解 Skill》是一本很好的 Skill 入门书。它把 Skill 的结构、写法、测试到使用技巧讲得清晰又系统，配图和示例也很到位，能帮助读者对 Skill 的设计和使用建立起一个全面的认识。

如果你正打算开始用 Skill、或者想把手头的 Agent 用得更顺手，这本书很值得一读，推荐给大家。

最后，感谢人民邮电出版社英子老师的赠书。

2026-06-13 10:00:46

斑马玩教具业务从 22 年底到现在，已经快 4 年了。我们团队从研发课程的赠品出发，做出了斑马思维机这款爆款产品，连续三年销量第一。我一直在思考，我们在积累什么能力，我们的护城河在哪里，这里记录一下我的思考。

我们积累什么能力

内容教研能力

玩教具要解决“在玩中学”，所以需要把知识用有趣的方式在玩具中呈现出来。让孩子用“习得”的方式掌握知识。

动画片、儿歌、故事、游戏、音乐，这些任何让孩子感兴趣的方式，都变成了知识的载体。

但不是简单地把知识强行嫁接游戏就能成功。我见过一个失败的案例，把一个模拟经营的游戏变成了做题，孩子只能做题才能拿到游戏经营的金币，这种把游戏的快乐与做题的痛苦强行结合的方式，就像我们用奖励来鼓励孩子学习一样，只会让学习本身变得更加索然无味。

好的教研应该更进一步：把儿童发展目标转化为游戏规则、材料结构、交互路径和难度梯度。

斑马思维机在这方面帮我们收获了很多的经验。我们发现“过家家”似的角色扮演游戏是孩子非常感兴趣的游戏形式，我们就让孩子扮演过家家里面的某些角色，通过场景来构造知识的容器：

• “晚上夜深了，帮猫妈妈告诉小猫应该睡觉了”
• “要过马路了，提醒佩奇牵住爸爸的手”
• “上车啦，帮小朋友系上安全座椅的安全带吧”

这就是更加融合知识的游戏结构。

产品设计能力

做教育产品需要有双用户洞察的视角：家长关心教育价值，孩子只关心好不好玩。很多产品失败，是因为只满足了家长，没有满足孩子——包装上写满”逻辑思维、空间认知、专注力、数学启蒙”，但孩子玩 5 分钟就放弃。反过来，如果只好玩但家长看不到成长价值，就会变成普通玩具，被一堆公司模仿，没有壁垒。

好的产品应该：

• 低门槛启动。不需要说明书，孩子一眼就知道怎么玩。
• 短反馈循环。孩子每一步操作都能得到反馈：拼对了、点亮了、答对了、解锁了、完成了、你真棒。并且鼓励他的具体努力行为，而不是简单夸他聪明。比如：你连续做对了 3 道题，真厉害！
• 难度递进。利用 i+1 理论，让知识螺旋上升，有复习巩固，不让孩子有挫折感。
• 多解法或开放性。构建开放系统，让孩子可以多次重复玩，每次玩都不一样。
• 可展示成果。孩子做完后可以给家长看：“我学会了一首古诗”，“我认识了一个单词”，“爸爸，我考你一个成语”。这会强化家长的价值感知。

渠道能力

现在售卖渠道变得多元化。天猫、京东、拼多多、抖音、快手、私域、线下门店，甚至海外渠道，都是需要投入建设的。每一个渠道虽然有部分用户与其他渠道重合，但是也有着它自己的忠实用户。

我们在每个渠道都花了三年时间深耕。比如：

• 在天猫渠道，我们和李佳琦建立了深度的合作，每年李佳琦给我们带来的成交量能占到天猫总成交量的小一半。
• 在抖音，我们合作了上千位达人，每个达人都是花时间一点一点谈下来的。这个过程既帮双方挣到了钱，也建立了合作的信任关系。

我们的壁垒是什么

我们的短期壁垒是教研、产品、渠道。

教研壁垒使得我们的竞争对手还是聚焦在教育领域，我们也可以尝试进攻那些非教育领域的品牌。就像学习机领域那样，最终教育公司（学而思、阿尔法蛋）把硬件公司（步步高、读书郎）打败了。非教育公司很难招聘和拥有大量的教研团队，同时他们的品牌也不支持用户心智，所以就容易放弃竞争。

产品壁垒是我们的创新带来的时间窗口。我们会在产品上领先同行 6-12 个月，这使得我们可以更早开展营销获客，获得用户和品牌心智，竞争对手需要考虑同质化竞争的难度，或差异化竞争的方案。

渠道壁垒是我们在各大渠道积累的合作经验，这使得我们可以在新品售卖的时候复用这部分的能力。

我们的长期壁垒是构建教育品牌心智、产品内容矩阵。这种心智会产生长期的主动搜索和主动购买，从而让我们过得一天比一天好。

我们的危机是什么

我们当前的优秀产品数量还太少，无法形成“产品矩阵”，但是我们又不能像搭积木一样，快速堆砌新产品，而是需要从用户需求出发，重新挖掘市场机会，这注定让我们的速度是慢的。

等我们有 3-5 款像斑马思维机一样的爆款产品，我们的品牌心智才有可能相对稳固。

小结

玩教具行业的核心竞争力，是把儿童发展规律、教育内容、游戏机制整合成一个可持续复购的产品系统，并产生品牌心智，形成长期口碑和复购。