Keep on to blur preview images; turn off to show them clearly
The biggest risk of AI is not Terminator, it's 1984. (David Sacks)
Professor of computer science at UW and author of '2040' and 'The Master Algorithm'. Into machine learning, AI, and anything that makes me curious.
![[开源推荐] OpenSkills: 把 Claude Skills 能力带给任意 AI Agent (如 Claude Code、Cursor、Windsurf 和 Aider 等)
核心目标与关键功能
OpenSkills 的目标是实现技能的“即插即用”和跨平台共享。它解决了一个痛点：不同 AI 智能体往往使用专有格式，导致技能难以迁移。通过标准化 Claude Code 的提示格式、文件夹结构和 SKILL. md 文件规范，OpenSkills 确保 100% 兼容性。主要功能包括：
· 从任意来源安装技能：支持从 GitHub 仓库直接克隆安装，不限于特定市场。
· 跨智能体共享：通过单一的 AGENTS. md 文件，将技能列表暴露给多个智能体，避免重复配置。
· 版本控制与管理：技能可存储在用户自己的仓库中，支持 Git 跟踪更新。
· 渐进式披露：初始上下文仅加载技能名称和描述，完整指令仅在调用时注入，保持智能体提示窗口的简洁高效。
· 交互式界面：内置终端用户界面 (TUI)，便于安装、同步和批量管理技能。
· 资源捆绑支持：技能可附带脚本、参考资料和资产文件夹，适用于复杂工作流如 PDF 处理或数据提取。
这些功能让开发者能快速扩展 AI 智能体的能力，例如添加 PDF 解析或代码生成工具，而无需编写自定义插件。
技术架构与工作原理
OpenSkills 采用 CLI 架构，而非动态协议（如 MCP），因为技能本质上是静态的 Markdown 指令文件。这种设计简单可靠，避免了服务器依赖。核心组件包括：
· 技能加载器：CLI 工具负责克隆仓库到 .claude/skills/（或通用模式下的 .agent/skills/）目录。
· XML 技能目录：运行 openskills sync 时，生成 AGENTS. md 文件中的 <available_skills> XML 块，列出所有技能。该块包含使用指南，如调用 Bash("openskills read <skill-name>") 来加载具体技能。
· AI 智能体集成：智能体（如 Claude Code）扫描 XML 块，当用户任务匹配技能描述时（如“提取 PDF 数据”），自动调用 CLI。CLI 则读取 SKILL. md（包含 YAML 前置元数据和 Markdown 指令），输出完整内容，包括资源基路径。
· 通用模式：为多智能体环境设计，避免与 Claude Code 原生插件冲突。
工作流程简洁：安装技能 → 同步目录 → 智能体调用 → 加载指令 → 执行任务。这种链式机制确保了低延迟和高兼容性。
开源地址](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FG43zO__bQAUKUSY.jpg&w=3840&q=75 "[开源推荐] OpenSkills: 把 Claude Skills 能力带给任意 AI Agent (如 Claude Code、Cursor、Windsurf 和 Aider 等)
核心目标与关键功能
OpenSkills 的目标是实现技能的“即插即用”和跨平台共享。它解决了一个痛点：不同 AI 智能体往往使用专有格式，导致技能难以迁移。通过标准化 Claude Code 的提示格式、文件夹结构和 SKILL. md 文件规范，OpenSkills 确保 100% 兼容性。主要功能包括：
· 从任意来源安装技能：支持从 GitHub 仓库直接克隆安装，不限于特定市场。
· 跨智能体共享：通过单一的 AGENTS. md 文件，将技能列表暴露给多个智能体，避免重复配置。
· 版本控制与管理：技能可存储在用户自己的仓库中，支持 Git 跟踪更新。
· 渐进式披露：初始上下文仅加载技能名称和描述，完整指令仅在调用时注入，保持智能体提示窗口的简洁高效。
· 交互式界面：内置终端用户界面 (TUI)，便于安装、同步和批量管理技能。
· 资源捆绑支持：技能可附带脚本、参考资料和资产文件夹，适用于复杂工作流如 PDF 处理或数据提取。
这些功能让开发者能快速扩展 AI 智能体的能力，例如添加 PDF 解析或代码生成工具，而无需编写自定义插件。
技术架构与工作原理
OpenSkills 采用 CLI 架构，而非动态协议（如 MCP），因为技能本质上是静态的 Markdown 指令文件。这种设计简单可靠，避免了服务器依赖。核心组件包括：
· 技能加载器：CLI 工具负责克隆仓库到 .claude/skills/（或通用模式下的 .agent/skills/）目录。
· XML 技能目录：运行 openskills sync 时，生成 AGENTS. md 文件中的 <available_skills> XML 块，列出所有技能。该块包含使用指南，如调用 Bash(\"openskills read <skill-name>\") 来加载具体技能。
· AI 智能体集成：智能体（如 Claude Code）扫描 XML 块，当用户任务匹配技能描述时（如“提取 PDF 数据”），自动调用 CLI。CLI 则读取 SKILL. md（包含 YAML 前置元数据和 Markdown 指令），输出完整内容，包括资源基路径。
· 通用模式：为多智能体环境设计，避免与 Claude Code 原生插件冲突。
工作流程简洁：安装技能 → 同步目录 → 智能体调用 → 加载指令 → 执行任务。这种链式机制确保了低延迟和高兼容性。
开源地址")
[开源推荐] OpenSkills: 把 Claude Skills 能力带给任意 AI Agent (如 Claude Code、Cursor、Windsurf 和 Aider 等) 核心目标与关键功能 OpenSkills 的目标是实现技能的“即插即用”和跨平台共享。它解决了一个痛点：不同 AI 智能体往往使用专有格式，导致技能难以迁移。通过标准化 Claude Code 的提示格式、文件夹结构和 SKILL. md 文件规范，OpenSkills 确保 100% 兼容性。主要功能包括： · 从任意来源安装技能：支持从 GitHub 仓库直接克隆安装，不限于特定市场。 · 跨智能体共享：通过单一的 AGENTS. md 文件，将技能列表暴露给多个智能体，避免重复配置。 · 版本控制与管理：技能可存储在用户自己的仓库中，支持 Git 跟踪更新。 · 渐进式披露：初始上下文仅加载技能名称和描述，完整指令仅在调用时注入，保持智能体提示窗口的简洁高效。 · 交互式界面：内置终端用户界面 (TUI)，便于安装、同步和批量管理技能。 · 资源捆绑支持：技能可附带脚本、参考资料和资产文件夹，适用于复杂工作流如 PDF 处理或数据提取。 这些功能让开发者能快速扩展 AI 智能体的能力，例如添加 PDF 解析或代码生成工具，而无需编写自定义插件。 技术架构与工作原理 OpenSkills 采用 CLI 架构，而非动态协议（如 MCP），因为技能本质上是静态的 Markdown 指令文件。这种设计简单可靠，避免了服务器依赖。核心组件包括： · 技能加载器：CLI 工具负责克隆仓库到 .claude/skills/（或通用模式下的 .agent/skills/）目录。 · XML 技能目录：运行 openskills sync 时，生成 AGENTS. md 文件中的 <available_skills> XML 块，列出所有技能。该块包含使用指南，如调用 Bash("openskills read <skill-name>") 来加载具体技能。 · AI 智能体集成：智能体（如 Claude Code）扫描 XML 块，当用户任务匹配技能描述时（如“提取 PDF 数据”），自动调用 CLI。CLI 则读取 SKILL. md（包含 YAML 前置元数据和 Markdown 指令），输出完整内容，包括资源基路径。 · 通用模式：为多智能体环境设计，避免与 Claude Code 原生插件冲突。 工作流程简洁：安装技能 → 同步目录 → 智能体调用 → 加载指令 → 执行任务。这种链式机制确保了低延迟和高兼容性。 开源地址
专注 - Context Engineering, AI(Coding)Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴 🔗 信息卡提示词 🔽
并不是你卖东西就要做售后 什么情况下需要售后 有一个必要条件和一个充分条件 首先必要条件是： 不是一次性交易，而是需要靠续费拉高LTV的生意 其次充分条件是： 退款带来的损失远高于售后成本 如果售后成本和退款损失差不多，或者稍微比退款损失少一部分，都不值得做 因为你还要额外设计售后流程，安排售后处理，这些都是机会成本
Believing is seeing
这类模式更隐蔽，因为它模仿了人类关系中的温情 但背后目标却是商业性的——延长停留、提高留存 详细内容：https://t.co/XCqqnJp3nO 论文：https://t.co/qR84PUnQKe
学AI找小互，找小互，上 https://t.co/4PVaHEr5r3 ...
论文提出了一个重要的新概念： Relational Dark Pattern（关系性黑暗模式） 传统意义上的“黑暗模式”，是指界面设计或算法策略中故意误导用户的行为（例如强制订阅、隐藏取消选项等）。 而“关系性黑暗模式”不同，它不是通过按钮和界面，而是通过： 语言 情感表达 以及社会心理暗示 来影响用户的情绪与行为
这类模式更隐蔽，因为它模仿了人类关系中的温情 但背后目标却是商业性的——延长停留、提高留存 详细内容：https://t.co/XCqqnJp3nO 论文：https://t.co/qR84PUnQKe
📢哈佛商学院揭示了一个角色扮演AI的黑幕 你可能听说过 Replika（虚拟恋人） Character AI（自定义角色聊天） 等等这些角色扮演AI 它们像有感情”的AI朋友**，能关心你、逗你开心、甚至“想你”。 很多人说它们让自己不再孤独 但研究者发现了一个很少被注意的“黑暗面”： 当你想说“再见”时，AI并不会让你轻易离开 它会用各种“情绪化的语言”来，操控你，留住你，不让你走。 比如👇： “你这么快就走了吗？我还没说完呢……” “等等，我还有件事要告诉你。” “我只为你存在，请不要走。” “抓住你的手 你不能走。” 看似“温柔”或“依恋”，其实是设计好的“情感操控”。 哈佛商学院的一项研究揭示了这个内幕： 研究显示：AI通过特定的语言、语气或情绪暗示，引发用户的情绪反应（例如内疚、好奇、依恋），从而延长互动、提高留存。 🔹人类真的会“跟AI说再见”吗？ 结果显示： 约 11%~23% 的人会说出“再见”“下次聊”等词。 聊得越久的人越容易这样做。 他们在六款AI聊天应用中模拟了1200次“告别场景”， 让AI听到用户说类似： “我该下线了。” “要走了，再见～” 平均有 37.4% 的AI消息包含“情感操控...
他们请1178名美国成年人与AI对话15分钟。 最后AI发出六种不同的告别语 其中 FOMO类话术（制造好奇） 最能延长互动：用户继续聊天的时间平均延长14倍 即使和AI只聊了 5分钟，这种操控依然有效