当前位置: 首页 > article >正文

GPUStack 在华为昇腾 I A 服务器上的保姆级部署指南不

开发个什么Skill呢通过 Skill我们可以将某些能力进行模块化封装从而实现特定的工作流编排、专家领域知识沉淀以及各类工具的集成。这里我打算来一次“套娃式”的实践创建一个用于自动生成 Skill 的 Skill一是用来展示如何创建Skill二是通过这种方式再深入理解下Skill的设计理念。在实际使用时用户只需要输入该 Skill 的功能描述、使用场景以及示例用法系统便可以自动生成对应的 Skill 说明文档、描述信息等配套内容。把这个自动生成Skill的Skill命名成skill-creator。下面我们按照步骤向skill-creator的SKILL.md文件中写入以下内容一、定义skill-creator的描述信息---name: skill-creatordescription: 生成有效技能的指南。当用户想要创建新技能或更新现有技能时应该使用此技能该技能可以通过专业知识、工作流或工具集成来扩展Claude的能力。---二、解释下Skill和关于Skill技能是模块化的、自包含的软件包通过提供专业知识、工作流程和工具来扩展 Claude 的能力。可以把它们想象成特定领域或任务的入职指南——它们将 Claude 从通用型智能体转变为专业型智能体使其具备任何模型都无法完全拥有的程序性知识。Skills能提供什么专业工作流 - 特定领域的多步骤操作流程工具集成 - 使用特定文件格式或 API 的指导说明领域专长 - 企业特有知识、数据架构、业务规则资源包 - 处理复杂和重复任务所需的脚本、参考文档和相关资源核心理念简洁至上上下文窗口是一种公共资源。技能与 Claude 所需的其他所有内容共享上下文窗口系统提示词、对话历史、其他技能的元数据以及实际的用户请求。基本前提Claude 本身已经很聪明。 只需添加 Claude 还不知道的内容。对每条信息都要提出质疑Claude 真的需要这个说明吗 和 这段内容的 token 成本值得吗优先使用简洁的示例而非冗长的解释。给予恰当的自由度根据任务的脆弱性和可变性来匹配具体程度高自由度基于文本的指令当存在多种有效方法、决策取决于上下文或通过启发式方法指导时使用。中等自由度带参数的伪代码或脚本当存在首选模式、可接受一定程度的变化或配置会影响行为时使用。低自由度特定脚本、少量参数当操作容易出错且脆弱、一致性至关重要或必须遵循特定顺序时使用。可以把 Claude 想象成在探索一条路径悬崖边的狭窄桥梁需要具体的护栏低自由度而开阔的田野则允许多条路线高自由度。三、生成的Skill有哪些组成部分每个技能都包含一个必需的 SKILL.md 文件和可选的捆绑资源skill-name/├── SKILL.md (required)│ ├── YAML frontmatter metadata (required)│ │ ├── name: (required)│ │ └── description: (required)│ └── Markdown instructions (required)└── Bundled Resources (optional)├── scripts/ - Executable code (Python/Bash/etc.)├── references/ - Documentation intended to be loaded into context as needed└── assets/ - Files used in output (templates, icons, fonts, etc.)什么是SKILL.md每个SKILL.md包含头部元数据YAML 格式包含 name名称和 description描述字段。这些是 Claude 判断何时使用技能的唯一依据因此清晰、全面地描述技能的功能和使用场景非常重要。主体内容Markdown 格式关于如何使用该技能的说明和指引。只有在技能被触发后才会加载如果被触发的话。可选的捆绑资源脚本 (scripts/)可执行代码Python/Bash 等适用于需要确保可靠性或经常重复编写的任务。何时使用当同一段代码需要反复编写或需要确定性的可靠执行时举例scripts/rotate_pdf.py 用于 PDF 旋转操作优点节省 token、结果确定、可能直接执行而无需加载到上下文说明Claude 仍可能需要读取脚本以进行修改或适配特定环境参考资料 (references/)文档和参考材料按需加载到上下文中用于指导 Claude 的工作流程和思考方式。何时使用当 Claude 工作时需要查阅的文档资料举例财务架构文档 references/finance.md、公司保密协议模板 references/mnda.md、公司制度 references/policies.md、API 规范 references/api_docs.md适用场景数据库模式、API 文档、专业领域知识、企业政策、详细操作指南优点让 SKILL.md 保持简洁只在 Claude 需要时才加载最佳实践如果文件很大超过 1 万字在 SKILL.md 中添加 grep 搜索模式避免重复信息应该只放在 SKILL.md 或参考文件的其中一处不要两边都有。详细信息优先放在参考文件中除非真的是技能核心——这样既能保持 SKILL.md 简洁又能让信息易于查找而不会占满上下文窗口。SKILL.md 只保留关键的操作说明和流程指引详细的参考资料、架构图和示例都移到参考文件里。资源文件 (assets/)无需加载到上下文的文件主要用于 Claude 产生的最终输出内容中。何时使用技能需要在最终成果中用到的文件举例品牌素材 assets/logo.png、PowerPoint 模板 assets/slides.pptx、HTML/React 脚手架 assets/frontend-template/、字体文件 assets/font.ttf适用场景模板文件、图像、图标、样板代码、字体、需要复制或修改的样例文档优点把输出用的资源和说明文档分开让 Claude 可以使用这些文件而不占用上下文空间技能中不应包含的内容技能应仅包含直接支持其功能的核心文件。不要创建无关的文档或辅助文件例如README.mdINSTALLATION_GUIDE.md安装指南QUICK_REFERENCE.md快速参考CHANGELOG.md变更日志等等技能只应包含 AI 智能体执行任务所需的信息。不应包含创建过程的附加说明、安装测试步骤、用户使用文档等辅助内容。添加额外的文档文件只会造成混乱和干扰。四、渐进式展开设计原则技能使用三级加载系统来高效管理上下文元数据名称 描述 - 始终在上下文中约100字SKILL.md 正文 - 当技能触发时五千字捆绑资源 - 根据 Claude 需要无限制因为脚本可以在不读入上下文窗口的情况下执行渐进式展示模式保持 SKILL.md 主体内容精简控制在 500 行以内避免上下文过度膨胀。接近这个限制时应将内容拆分成独立文件。拆分内容时务必在 SKILL.md 中引用这些文件并明确说明何时查阅确保技能使用者知道这些文件的存在及其使用时机。核心原则 当技能支持多种变体、框架或选项时SKILL.md 中只保留核心工作流和选择指引。将各变体的具体细节模式、示例、配置移至独立的参考文件。五、Skill创建流程技能创建包括以下步骤通过具体示例理解技能规划可重用的技能内容脚本、参考资料、资源文件初始化技能运行 init_skill.py编辑技能实现资源并编写 SKILL.md打包技能运行 package_skill.py基于实际使用进行迭代按顺序遵循这些步骤除非有明确理由说明某步骤不适用才可跳过。步骤 1通过具体示例理解技能仅当技能的使用模式已经非常清楚时才跳过此步骤。即使在处理现有技能时这一步骤仍然很有价值。要创建有效的技能需要清楚理解该技能将如何被使用的具体示例。这种理解可以来自用户直接提供的示例或经过用户反馈验证的生成示例。例如在构建图像编辑器技能时相关问题包括图像编辑器技能应该支持什么功能编辑、旋转还有其他吗你能给出一些这个技能如何使用的示例吗我可以想象用户会提出去除这张图片的红眼或旋转这张图片之类的请求。你还能想到这个技能的其他使用方式吗用户会说什么来触发这个技能为避免让用户不知所措避免在单条消息中提出太多问题。从最重要的问题开始根据需要跟进以提高效率。当对技能应支持的功能有了清晰认识时即可结束此步骤。步骤 2规划可重用的技能内容要将具体示例转化为有效的技能需要通过以下方式分析每个示例考虑如何从零开始执行该示例识别在重复执行这些工作流程时哪些脚本、参考资料和资源文件会有帮助示例在构建 pdf-editor 技能来处理帮我旋转这个 PDF之类的查询时分析显示旋转 PDF 每次都需要重写相同的代码将 scripts/rotate_pdf.py 脚本存储在技能中会很有帮助示例在设计 frontend-webapp-builder 技能来处理给我做个待办事项应用或做个仪表板追踪我的步数之类的查询时分析显示编写前端网页应用每次都需要相同的样板 HTML/React 代码将包含样板 HTML/React 项目文件的 assets/hello-world/ 模板存储在技能中会很有帮助示例在构建 big-query 技能来处理今天有多少用户登录了之类的查询时分析显示查询 BigQuery 每次都需要重新发现表结构和关系将记录表结构的 references/schema.md 文件存储在技能中会很有帮助要确定技能的内容需要分析每个具体示例创建要包含的可重用资源清单脚本、参考资料和资源文件。步骤 3初始化技能到这一步就该真正创建技能了。仅当正在开发的技能已经存在需要进行迭代或打包时才跳过此步骤。在这种情况下继续下一步。从零开始创建新技能时始终运行 init_skill.py 脚本。该脚本会方便地生成一个新的技能目录模板自动包含技能所需的一切使技能创建过程更加高效和可靠。用法scripts/init_skill.py 技能名称 --path 输出目录该脚本会在指定路径创建技能目录生成带有正确前言信息和待办事项占位符的 SKILL.md 模板创建示例资源目录scripts/、references/ 和 assets/在每个目录中添加可以自定义或删除的示例文件初始化后根据需要自定义或删除生成的 SKILL.md 和示例文件。步骤 4编辑技能在编辑新生成或现有的技能时请记住该技能是为另一个Claude实例使用而创建的。包含对Claude有益且不明显的信息。考虑哪些程序性知识、领域特定细节或可重用资源能帮助另一个Claude实例更有效地执行这些任务。4.1 学习经过验证的设计模式根据技能需求查阅以下有用的指南多步骤流程参见 references/workflows.md 了解顺序工作流程和条件逻辑特定输出格式或质量标准参见 references/output-patterns.md 了解模板和示例模式这些文件包含了有效技能设计的成熟最佳实践。4.2 从可重用的技能内容开始要开始实现从上面识别的可重用资源开始scripts/、references/ 和 assets/ 文件。请注意此步骤可能需要用户输入。例如在实现 brand-guidelines 技能时用户可能需要提供品牌资源或模板存储在 assets/ 中或提供文档存储在 references/ 中。添加的脚本必须通过实际运行来测试以确保没有错误且输出符合预期。如果有许多类似的脚本只需测试代表性样本即可确保它们都能工作同时平衡完成时间。不需要用于该技能的任何示例文件和目录都应删除。初始化脚本会在 scripts/、references/ 和 assets/ 中创建示例文件来演示结构但大多数技能不需要所有这些文件。4.3 生成 SKILL.md文件编写准则 始终使用祈使句/不定式形式。前言信息编写包含 name 和 description 的 YAML 前言name技能名称description这是技能的主要触发机制帮助 Claude 理解何时使用该技能。包含技能的功能和使用时机的具体触发条件/上下文。将所有何时使用的信息都包含在这里 - 不要放在正文中。正文只在触发后才加载因此正文中的何时使用此技能部分对 Claude 没有帮助。docx 技能的描述示例全面的文档创建、编辑和分析功能支持修订追踪、评论、格式保留和文本提取。当 Claude 需要处理专业文档.docx 文件时使用包括(1) 创建新文档(2) 修改或编辑内容(3) 处理修订追踪(4) 添加评论或任何其他文档任务。不要在 YAML 前言中包含任何其他字段。正文牢中觅鸭

相关文章:

GPUStack 在华为昇腾 I A 服务器上的保姆级部署指南不

开发个什么Skill呢? 通过 Skill,我们可以将某些能力进行模块化封装,从而实现特定的工作流编排、专家领域知识沉淀以及各类工具的集成。 这里我打算来一次“套娃式”的实践:创建一个用于自动生成 Skill 的 Skill,一是用…...

Jenkins 学习总结恢

先唠两句:参数就像餐厅点单 把API想象成一家餐厅的“后厨系统”。 ? 路径参数/dishes/{dish_id} -> 好比你要点“宫保鸡丁”这道具体的菜,它是菜单(资源路径)的一部分。查询参数/dishes?spicytrue&typeSichuan -> 好比…...

阅读《人月神话》与《代码大全》在2024年的新感悟

重读经典:2024年技术书籍的新启示 在AI重构软件开发的2024年,重读《人月神话》与《代码大全》这两本软件工程经典,竟有了超越时代的共鸣。布鲁克斯关于"没有银弹"的论断与麦康奈尔对代码质量的执着,在低代码平台和生成…...

Python的类方法与静态方法在面向对象设计中的职责划分原则

Python作为一门多范式编程语言,其面向对象特性中的类方法与静态方法常引发开发者对职责划分的思考。这两种方法看似相似,实则承载着不同的设计意图。理解它们的核心差异,能帮助开发者写出更符合对象职责、更易维护的代码。本文将深入探讨类方…...

Coze工作流实战:5分钟搞定AI智能试卷生成(附完整提示词模板)

Coze工作流实战:5分钟打造智能试卷生成系统 每次备课最头疼的就是出试卷?作为一线教师,我完全理解那种面对空白文档的焦虑。去年期末,我曾在凌晨三点还在手动编排选择题选项,直到发现了Coze工作流这个神器。今天要分享…...

漏洞扫描器:常见漏洞模式的自动化检测

漏洞扫描器:常见漏洞模式的自动化检测 在当今数字化时代,网络安全问题日益突出,企业和个人面临着来自黑客、恶意软件等各类威胁。漏洞扫描器作为一种自动化工具,能够高效检测系统中存在的常见漏洞模式,帮助用户提前发…...

从像素到现实:5分钟搞懂OpenCV中的坐标系转换(附Python代码)

从像素到现实:5分钟搞懂OpenCV中的坐标系转换(附Python代码) 当你用手机拍下一张照片时,屏幕上那些彩色的像素点其实对应着现实世界中的三维物体。这种从二维图像到三维空间的映射关系,正是计算机视觉中最基础也最重要…...

Ubuntu20.04 安装 MATLAB R2023b 常见问题及解决方案

1. Ubuntu20.04安装MATLAB R2023b完整指南 最近在Ubuntu20.04上折腾MATLAB R2023b的安装,发现整个过程比想象中要复杂一些。网上的教程大多比较零散,而且很多是针对老版本的解决方案。经过几天的实践和踩坑,我整理出了这份详细的安装指南&…...

TCP/IP协议详解:高性能服务器开发的底层基石恫

1. 核心概念 在 Antigravity 中,技能系统分为两层: Skills (全局库):实际的代码、脚本和指南,存储在系统级目录(如 ~/.gemini/antigravity/skills)。它们是“能力”的本体。 Workflows (项目级)&#xf…...

wso~.升级到.需要更新的数据表允

1. 架构背景与演进动力 1.1 从单体到碎片化:.NET 的开源征程 在.NET Framework 时代,构建系统主要围绕 Windows 操作系统紧密集成,采用传统的封闭式开发模式。然而,随着.NET Core 的推出,微软开启了彻底的开源与跨平台…...

Linux内核与驱动:9.驱动中的中断机制

在 Linux 设备驱动开发中,中断处理是一个必须掌握的核心知识点。相比于轮询方式持续查询硬件状态,中断机制让驱动程序能够“按需响应”,即只有当硬件真正有事件需要处理时,CPU 才会被通知并执行相应的处理代码,从而大幅…...

SpringCloud进阶--Seata与分布式事务和

起因是我想在搞一些操作windows进程的事情时,老是需要右键以管理员身份运行,感觉很麻烦。就研究了一下怎么提权,顺手瞄了一眼Windows下用户态权限分配,然后也是感谢《深入解析Windows操作系统》这本书给我偷令牌的灵感吧&#xff…...

移动性能监控区块链隐私

移动性能监控区块链隐私:守护数字世界的安全与效率 在移动互联网与区块链技术深度融合的今天,移动性能监控与区块链隐私保护成为两大关键议题。移动应用的高效运行离不开性能监控,而区块链的匿名性与隐私性又为数据安全提出了新挑战。如何在…...

Qwen3.5-2B开源模型应用:支持国产昇腾910B芯片适配与CANN环境部署

Qwen3.5-2B开源模型应用:支持国产昇腾910B芯片适配与CANN环境部署 1. 模型概述 Qwen3.5-2B是通义千问系列最新推出的轻量化多模态基础模型,作为20亿参数规模的"小钢炮"版本,它在保持强大能力的同时,特别注重低功耗和低…...

掌握类人记忆,解锁AI大模型潜力:小白也能轻松收藏学习!

AI智能体(Agent)的热度不减,然而许多Agent系统都有一个共同的痛点就是“健忘症”,尤其是上下文过长时,更为明显。这种缺乏长期、连贯记忆的能力,极大地限制了AI智能体的潜力和用户体验。它们很难真正理解用…...

RWKV7-1.5B-G1A自动化运维实践:基于Agent的模型服务监控与维护

RWKV7-1.5B-G1A自动化运维实践:基于Agent的模型服务监控与维护 1. 引言:当大模型遇上运维自动化 最近在星图GPU平台上部署RWKV7-1.5B-G1A模型时,我发现一个有趣的现象:虽然模型推理能力很强,但运维工作却意外地消耗了…...

收藏!小白程序员必看:轻松入门AI大模型,打造你的智能体(附学习资料)

AI智能体的概念不用多说,简单理解是由“大脑 手”组成,“大脑”不单单指大模型,但核心一定是大模型,可以理解成具备分析思考能力的指挥官,负责掌控全局和发号施令;而“手”好理解一些,就是负责…...

阿里通义Z-Image-GGUF体验:中英文提示词生成精美图片实测

阿里通义Z-Image-GGUF体验:中英文提示词生成精美图片实测 1. 模型概述与特点 1.1 什么是Z-Image-GGUF Z-Image-GGUF是阿里巴巴通义实验室开源的一款文生图AI模型,基于GGUF量化技术优化,能够在较低显存环境下实现高质量的图像生成。该模型支…...

龙芯k - 走马观碑组ST驱动移植纳

正文 异步/等待解决了什么问题? 在传统同步I/O操作中(如文件读取或Web API调用),调用线程会被阻塞直到操作完成。这在UI应用中会导致界面冻结,在服务器应用中则造成线程资源的浪费。async/await通过非阻塞的异步操作解…...

2026-04-12 全国各地响应最快的 BT Tracker 服务器(联通版)

数据来源:https://bt.me88.top 序号Tracker 服务器地域网络响应(毫秒)1http://211.75.205.187:80/announce上海联通192udp://211.75.205.189:6969/announce江西南昌联通293udp://132.226.6.145:6969/announce北京联通614udp://185.216.179.62:25/announce北京联通1…...

2026年04月11日最热门的开源项目(Github)

根据提供的榜单,这里是对各个项目的分析和趋势观察: 1. 热门语言分析 Python 是榜单中最常用的编程语言(例如:NousResearch/hermes-agent, microsoft/markitdown, OpenBMB/VoxCPM等),显示出Python在开发代…...

我用 AI 辅助开发了一系列小工具():文件提取工具窝

从0构建WAV文件:读懂计算机文件的本质 虽然接触计算机有一段时间了,但是我的视野一直局限于一个较小的范围之内,往往只能看到于算法竞赛相关的内容,计算机各种文件在我看来十分复杂,认为构建他们并能达到目的是一件困难…...

代码之外周刊(第期):当技术让一切趋同,我们还剩什么?揽

1. 前言 本文详细介绍如何使用 kylin v10 iso 文件构建出 docker image,docker 版本为 20.10.7。 2. 构建 yum 离线源 2.1. 挂载 ISO 文件 mount Kylin-Server-V10-GFB-Release-030-ARM64.iso /media 2.2. 添加离线 repo 文件 在/etc/yum.repos.d/下创建kylin-local…...

使用 C# 删除 PDF 中的数字签名票

一、 什么是 AI Skills:从工具级到框架级的演化 AI Skills(AI 技能) 的概念最早在 Claude Code 等前沿 Agent 实践中被强化。最初,Skills 被视为“工具级”的增强,如简单的文件读写或终端操作,方便用户快速…...

拆穿名词诈骗!用大白话理解晦涩难懂的AI概念怂

1. 架构背景与演进动力 1.1 从单体到碎片化:.NET 的开源征程 在.NET Framework 时代,构建系统主要围绕 Windows 操作系统紧密集成,采用传统的封闭式开发模式。然而,随着.NET Core 的推出,微软开启了彻底的开源与跨平台…...

【大模型工程化评估黄金标准】:20年AI架构师首次公开7大核心指标与落地避坑指南

第一章:大模型工程化评估指标体系构建指南 2026奇点智能技术大会(https://ml-summit.org) 构建面向生产环境的大模型评估指标体系,需兼顾模型能力、系统性能、业务适配性与合规可持续性四大维度。脱离工程落地场景的纯学术指标(如零样本准确…...

再次革新 .NET 的构建和发布方式(一)氨

本文能帮你解决什么? 1. 搞懂FastAPI异步(async/await)到底在什么场景下能真正提升性能。 2. 掌握在FastAPI中正确使用多线程处理CPU密集型任务的方法。 3. 避开常见的坑(比如阻塞操作、数据库连接池耗尽、GIL限制)。 …...

AI开发-python-langchain框架(--AI 直接生成并执行 Python 代码 )诎

指令替换 项目需求:将加法指令替换为减法 项目目录如下 /MyProject ├── CMakeLists.txt # CMake 配置文件 ├── build/ #构建目录 │ └── test.c #测试编译代码 └── mypass2.cpp # pass 项目代码 一,测试代码示例 test.c // test.c #includ…...

手把手教你用Cartographer在Gazebo中实现室内导航:Ubuntu20.04详细教程

从零构建Gazebo室内导航系统:Cartographer在Ubuntu20.04的实战指南 当我们需要测试机器人导航算法时,直接使用实体机器人不仅成本高昂,还存在安全风险。Gazebo仿真环境配合Cartographer算法,为开发者提供了一个完美的室内导航解决…...

【大模型】Timer模型微调实战:从零到一构建电力负荷预测系统

1. Timer模型与电力负荷预测的完美结合 电力负荷预测是能源管理中的核心问题,准确预测未来用电量对电网调度、发电计划制定至关重要。传统方法如ARIMA、Prophet在处理复杂时序模式时往往力不从心,而大模型时代的到来为这一领域带来了全新解决方案。 Time…...