AI产品技能库实战：将专家经验注入Claude Code，打造你的虚拟产品专家

1. 项目概述当AI助手遇上产品经理的“武林秘籍”如果你是一名产品经理、创业者或者任何需要与产品打交道的人最近可能已经感受到了AI助手带来的效率革命。无论是用Claude、ChatGPT还是其他工具来辅助写文档、分析数据它们都像是多了一个不知疲倦的实习生。但问题也随之而来这个“实习生”虽然聪明却缺乏行业经验和专业判断。当你问它“如何评估一个产品经理候选人”或“怎么制定一个有说服力的定价策略”时它给出的答案往往流于表面缺乏那些只有资深从业者才懂的“潜规则”和实战框架。这正是“Lennys Product Skills for Claude Code”这个开源项目试图解决的核心痛点。它不是一个新工具而是一套为AI助手特别是Claude Code量身定制的“专业知识库”或“技能包”。简单来说它把来自全球顶尖产品领导者如Shreyas Doshi, Marty Cagan, Elena Verna等在《Lennys Podcast》中分享的宝贵经验提炼成86个结构化的“技能”文件。当你将这些技能集成到你的开发环境中你的AI助手就不再是泛泛而谈的聊天机器人而是一个能理解产品工作具体场景、能调用成熟方法论、能给出有深度建议的“虚拟产品专家”。想象一下这个场景你在规划新功能需要写一份产品需求文档PRD。你不再需要从零开始构思框架或者去网上搜索零散的模板。你只需在IDE里向Claude Code提问它会自动调用writing-prds技能引导你思考用户故事、成功指标、验收标准等关键要素甚至提醒你避免那些新手常犯的文档陷阱。这背后是项目将Shreyas Doshi等人关于“如何写好PRD”的深刻见解转化为了AI可理解和执行的步骤。这个项目由Refound AI团队从100多期播客内容中萃取而成覆盖了产品工作的全生命周期从用户研究、战略规划、执行交付到团队管理、个人成长乃至最新的AI产品策略。它本质上是在为AI“注入灵魂”——将人类顶尖专家的隐性知识Tacit Knowledge显性化、结构化让AI能够更精准地辅助我们完成那些需要经验和判断力的复杂工作。2. 核心设计思路如何将“经验”转化为AI可用的“技能”这个项目的精妙之处不在于它收集了多少个技能点而在于它设计了一套将人类经验“翻译”成AI语言的范式。理解这套设计思路能帮助你更好地使用它甚至为自己团队定制专属技能库。2.1 技能的本质结构化的工作流与决策框架一个“技能”文件例如skills/writing-prds/SKILL.md远不止是一篇教程或清单。它是一个高度结构化的操作手册通常包含以下几个关键部分情境诊断DiagnosisAI首先会通过一系列问题帮助用户厘清当前所处的具体情境。例如在problem-definition问题定义技能中AI不会直接给答案而是会先问“你试图解决的是用户表面的‘诉求’want还是背后真正的‘痛点’need”“这个问题影响了多少用户发生的频率如何”这个过程模拟了资深产品经理在动手前先“把问题看清楚”的思考习惯。框架与心智模型Frameworks Mental Models这是技能的核心。项目将播客嘉宾分享的抽象经验提炼成了具体的、可操作的框架。比如在prioritizing-roadmap优先级排序技能中你可能会看到经过简化的RICE模型Reach, Impact, Confidence, Effort、价值vs复杂度矩阵或是Marty Cagan强调的“机会评估”思路。AI会引导你根据当前上下文选择并应用最合适的框架。行动步骤与检查清单Action Steps Checklists提供了从A点到B点的具体路径。以conducting-user-interviews用户访谈技能为例它可能包含“访谈前准备清单”如招募用户标准、讨论指南大纲、“访谈中提问技巧”如何追问“为什么”、避免引导性问题以及“访谈后合成纪要”的步骤。这让AI的辅助不再是空泛的建议而是可以一步步跟做的指南。常见陷阱与专家建议Pitfalls Pro Tips这是最具“干货”价值的部分直接融入了那些“踩过坑才懂”的经验。例如在stakeholder-alignment争取利益相关者支持技能中可能会警告你“在第一次沟通时就抛出完整方案往往会导致基于细节的争论。更好的做法是先同步‘问题’和‘目标’在达成共识后再讨论‘解决方案’。”这类洞察是普通AI训练数据中难以捕捉的。2.2 面向Claude Code的优化上下文与代码环境的融合项目名为“for Claude Code”这指明了其首要优化场景集成在IDE如VS Code中辅助与代码和产品开发相关的任务。这种设计带来了几个关键优势上下文感知Claude Code能直接“看到”你正在编写的代码、注释、项目文件。当你使用scoping-cutting范围界定与功能裁剪技能时AI可以结合具体的代码库复杂度来评估开发成本而不仅仅是凭空估算。行动内联技能的输出可以直接转化为行动。例如使用writing-specs-designs撰写技术方案技能后AI不仅能给出文档结构建议还能直接在编辑器里帮你生成Markdown格式的文档草稿甚至插入基于当前代码的API接口示例。工作流无缝衔接产品经理和工程师的许多工作是在IDE里完成的看代码、写注释、审查PR。在此处调用技能避免了在不同应用间切换的摩擦让方法论能即时应用于实践。2.3 技能的组织逻辑从离散点到知识图谱86个技能并非随意堆砌。项目通过“技能分类”进行了逻辑组织这实际上构建了一个微型的“产品管理知识图谱”。技能之间存在清晰的关联和引用。例如当你进行startup-ideation创业构思时可能会自然导向problem-definition问题定义。完成defining-product-vision定义产品愿景后下一步很可能是setting-okrs-goals设定OKR目标和prioritizing-roadmap优先级排序。shipping-products产品交付技能会关联到managing-tech-debt管理技术债和post-mortems-retrospectives复盘回顾。这种设计鼓励用户和AI以更系统、而非割裂的视角看待产品工作。AI在辅助一个具体任务时可以主动建议“要完成这个我们可能还需要考虑一下X方面是否需要也调用一下相关的Y技能看看”这使得辅助过程更具前瞻性和系统性。3. 深度实操如何部署并最大化利用这套技能库了解了项目的内涵下一步就是让它为你所用。以下是从安装配置到高阶应用的全流程详解包含大量基于实际操作的细节和避坑指南。3.1 环境准备与安装选型项目提供了多种安装方式选择哪一种取决于你的使用习惯和团队协作需求。方案一CLI一键安装推荐给个人快速启动这是最快捷的方式使用npx skills这个Vercel Labs提供的工具。# 安装全部86个技能 npx skills add RefoundAI/lenny-skills这条命令会将所有技能下载到你的用户全局目录或当前项目的.claude/skills/文件夹下。Claude Code会自动识别这个路径下的技能。实操心得在运行前最好先确认你的Node.js版本在14以上并且网络能顺畅访问GitHub和npm registry。有时安装失败是因为权限问题可以尝试在命令前加上sudoMac/Linux或以管理员身份运行终端Windows。如果你觉得86个技能太多或者只想聚焦于某些领域可以单独安装# 仅安装“撰写PRD”和“评估候选人”两个技能 npx skills add RefoundAI/lenny-skills --skill writing-prds evaluating-candidates安装后你可以用npx skills list来查看已安装的技能。方案二克隆并手动复制适合需要定制修改的团队如果你想深入研究技能文件的内容或者计划对其进行修改以适应公司内部流程这是更灵活的方式。git clone https://github.com/RefoundAI/lenny-skills.git cd lenny-skills # 将skills文件夹整个复制到你的项目目录下 cp -r skills/ /path/to/your/project/.claude/这里的关键是目标路径.claude/skills/。对于Claude Code来说这是一个约定的目录。如果项目根目录下没有.claude文件夹你需要手动创建它。注意事项直接复制的方式后续更新技能库会比较麻烦。你需要重新克隆或手动合并更改。因此如果你预计会跟随原项目更新这不是最佳选择。方案三Git子模块平衡更新与定制的最佳实践对于团队项目尤其是希望将这套技能作为团队知识资产的一部分时我强烈推荐使用Git子模块。# 在你的项目根目录下执行 git submodule add https://github.com/RefoundAI/lenny-skills.git .claude/lenny-skills这会将lenny-skills仓库作为子模块链接到你的主项目中。之后你可以通过修改.claude/lenny-skills/skills/目录下的文件来进行定制。当原项目更新时你可以在子模块目录内执行git pull来获取更新再根据情况决定是否合并到你的定制版本中。避坑指南使用子模块后新克隆你项目仓库的同事需要额外执行git submodule update --init --recursive来拉取子模块内容。务必在团队README中注明此步骤。3.2 在Claude Code中激活与调用技能安装完成后重启你的VS Code或相应IDE确保Claude Code插件已启用。技能的调用主要有两种方式方式一自然语言触发最常用直接在Claude Code的聊天框中用自然语言描述你的任务。AI会基于对话上下文自动判断并调用最相关的技能。例如你输入“我正在面试一个高级产品经理的候选人应该从哪些方面考察他的战略思维”Claude Code可能会回应“基于evaluating-candidates技能对于高级PM的战略思维考察我们可以从以下几个框架入手…” 并在回答中融入来自Shreyas Doshi或Marty Cagan的评估方法论。你输入“我们下个季度的OKR该怎么定感觉去年定的都流于形式了。”Claude Code可能会调用setting-okrs-goals技能引导你讨论“首先我们需要区分目标Objective和关键结果KR。你提到‘流于形式’通常是因为KR不够可衡量。我们来试试用‘从X提升到Y’的格式重新定义KR…”方式二斜杠命令直接调用更精准如果你明确知道自己需要哪个技能可以使用斜杠命令直接调用。/shipping-products输入后Claude Code会直接进入shipping-products技能的交互模式开始问你一系列诊断性问题比如“你感觉交付慢的主要瓶颈在哪个环节是需求不清晰、技术债务还是发布流程复杂”然后根据你的回答给出相应的加速交付策略。使用技巧你可以输入/然后按Tab键让Claude Code列出所有已安装的技能名称方便快速选择。3.3 从“使用”到“精通”让技能为你深度工作仅仅会调用技能是第一步真正的高手能将这些技能内化为自己的工作流。1. 技能组合拳解决复杂问题产品工作很少是单一技能能解决的。例如你要启动一个新项目先用/startup-ideation或/problem-definition来厘清核心问题和机会。接着用/defining-product-vision勾勒愿景。然后用/prioritizing-roadmap和/scoping-cutting来确定MVP范围。在开发过程中用/writing-specs-designs沟通需求用/managing-tech-debt与工程师协商代码质量。临近发布用/launch-marketing和/positioning-messaging规划上线。上线后用/analyzing-user-feedback和/post-mortems-retrospectives进行复盘。你可以在一个Claude Code会话中依次引导AI切换不同技能形成完整的项目辅助流水线。2. 个性化定制技能文件开源项目的最大优势是可修改。技能文件是纯Markdown格式你可以直接编辑它们。增加本地化内容在writing-prds技能中加入你们公司特有的PRD模板链接或评审流程。融入内部经验在conducting-user-interviews技能中补充你们团队验证过的、针对特定用户群体的独家提问清单。创建专属技能模仿现有技能的结构为你们团队特有的工作流程如“A/B测试评审会”、“数据需求提交流程”创建新的.md文件放在.claude/skills/目录下即可。重要提醒修改前最好先Fork原项目仓库在自己的副本上修改。这样既能保留与原项目的关联又能自由定制。记得修改README中的技能表格把你新增的技能加进去。3. 与团队共享配置将定制好的.claude/skills/目录纳入团队的代码仓库或通过子模块链接。这样所有团队成员都能在IDE中拥有一致的产品方法论助手这对于新人的快速上手和团队协作的标准化极具价值。你甚至可以围绕某个技能如running-effective-1-1s开展团队学习会讨论如何结合AI的建议与团队实际情况。4. 核心技能场景解析与实战案例86个技能包罗万象这里选取几个最具代表性、最能体现项目价值的技能进行深度拆解看看它们是如何将顶级播客嘉宾的智慧转化为具体行动的。4.1 技能深度剖析writing-prds撰写产品需求文档几乎所有产品经理都要写PRD但写得好与不好天差地别。这个技能封装了多位嘉宾关于“有效沟通与对齐”的核心思想。它如何工作当你调用该技能AI不会直接丢给你一个模板。它会启动一个交互式诊断确定文档受众它会问“这份PRD的主要读者是谁是工程师、设计师、法务还是管理层” 因为给不同人看的PRD侧重点完全不同。界定问题与机会引导你清晰陈述“我们为什么要做这个功能”连接problem-definition技能。它会挑战你“你描述的是解决方案还是用户真正的问题”定义成功与度量这是关键。技能会引入Elena Verna等人强调的“可度量结果”理念逼问你“如何证明这个功能成功了是提升某个指标5%还是减少用户支持请求20%” 它会建议避免虚荣指标Vanity Metrics。细化用户故事与流程引导你以“作为[某类用户]我希望[达成某个目标]以便[获得某种价值]”的格式描述需求。这确保了以用户为中心。划定范围与非范围明确“本次做”和“本次不做”同样重要。技能会提醒你明确排除的内容能防止项目范围蔓延Scope Creep。开放问题与依赖最后它会建议你列出所有已知的未知数和外部依赖促进早期风险识别。实战案例假设你要为一个电商App新增“愿望单分享”功能。使用该技能后你的PRD草稿可能会在AI辅助下包含这样一个“成功度量”部分成功指标Success Metrics核心指标每周愿望单分享次数提升50%基线当前为0。护航指标分享后的愿望清单商品加购转化率不低于15%。接收分享用户的7日留存率无负面影响。反面指标Guardrail Metric确保不会因分享功能过度打扰用户导致“关闭推送通知”的用户比例增长不超过1%。这个结构化的思考过程远比一个简单的“提升用户活跃度”目标要 actionable可执行得多。4.2 技能深度剖析evaluating-trade-offs评估权衡决策产品经理每天都在做选择做A还是做B这个功能加还是不加evaluating-trade-offs技能将这种模糊的决策艺术变成了可遵循的科学流程。核心框架解析该技能可能整合了以下框架基于常见产品决策方法论影响/努力矩阵Impact/Effort Matrix将选项按“预期影响”和“实现努力”两个维度分类优先做高影响、低努力的事情。AI会引导你量化“影响”如影响用户数 x 使用频率 x 体验提升度和“努力”如人周估算并考虑技术复杂度与设计资源。ICE评分模型对每个选项从影响力Impact、信心Confidence、简易性Ease三个维度打分通常1-10分然后计算平均分。技能会提供每个维度的具体评估指南例如“信心”取决于“是否有数据支持”或“是否有类似案例”。长期与短期权衡提醒你避免“短期主义”。例如为了赶工期而积累技术债managing-tech-debt虽然短期快了但长期会拖慢整个团队。AI可能会引用相关播客中关于“支付利息”的比喻。价值观对齐检查决策是否符合产品愿景和公司价值观这个常被忽略的软性层面在技能中会以提问形式出现“如果媒体报道我们这个决定我们会感到自豪吗”使用场景示例你在决定下一个迭代是优化搜索性能还是开发一个新的社交功能。你向AI描述这两个选项。AI调用evaluating-trade-offs技能引导你建立一个简单的决策表格评估维度优化搜索开发社交功能说明预期影响 (1-10)86搜索影响全体用户社交功能只影响部分用户。信心度 (1-10)95搜索优化有明确数据加载时间社交功能效果不确定。实现简易性 (1-10)43搜索涉及后端重构社交功能前端工作量大。ICE 平均分7.04.7(894)/3 vs (653)/3与季度目标关联强提升核心体验中探索新方向技术债风险低优化现有系统中引入新复杂度通过这个结构化的分析决策理由变得清晰可见便于与团队和上级沟通。AI在此过程中扮演了“引导师”和“记录员”的角色。4.3 技能深度剖析managing-imposter-syndrome应对冒名顶替综合征这是一个非常独特且人性化的技能它反映了产品工作不仅是技术活更是心理战。许多资深人士在职业转型或面对挑战时都会产生“我不配”的自我怀疑。技能如何提供帮助这个技能基于心理学和多位领导者的个人经验提供了一套可操作的自助流程识别与正常化AI首先会告诉你这种感觉在高成就者中非常普遍几乎每个播客嘉宾都提到过类似经历。这本身就能减轻孤独感和焦虑。事实核查Fact-Checking引导你列出客观证据来反驳内心的“骗子”声音。例如“写下你过去半年完成的三个具体成就。”“回忆一次你收到过的积极反馈。”AI会鼓励你把这些写下来因为书写能让模糊的恐惧变得具体。认知重构Reframing教你转换视角。比如把“我必须什么都懂”重构为“我的价值在于提出正确问题和整合资源”把“他们在评判我”重构为“他们希望我成功并愿意提供帮助”。设定学习型目标建议你将关注点从“证明自己”转移到“学习和成长”。例如设定“本周我要向一位同事学习他的数据分析方法”而不是“本周我不能出任何错”。建立支持系统连接到finding-mentors-sponsors寻找导师技能鼓励你主动寻求外部反馈和支持而不是独自挣扎。它的价值所在这个技能的存在标志着这套工具不仅关注“做事”也关注“做人”。它承认了产品工作的情感维度并为管理者提供了帮助团队成员的工具。当一位下属表现出信心不足时管理者甚至可以分享或共同使用这个技能进行一场更有支持性的职业对话。5. 进阶应用与生态整合当你熟练使用基础技能后可以探索更高级的用法将这套技能库的价值最大化。5.1 创建自定义技能工作流Skill Workflow你可以将多个技能串联起来形成一个自动化或半自动化的工作流脚本。这需要一些简单的脚本知识如Shell或Python。示例新功能启动检查清单生成器假设你们团队每次启动新功能前都需要完成一套固定的准备工作问题定义、竞品分析、粗略估时、起草PRD。你可以写一个脚本让Claude Code按顺序调用相关技能并汇总输出。#!/bin/bash # 这是一个概念性脚本实际调用需通过Claude Code API或插件 FEATURE_NAME$1 echo 开始为新功能 ${FEATURE_NAME} 启动做准备... echo 1. 问题定义 # 调用 problem-definition 技能引导用户输入 # 输出到文件 problem_context.md echo 2. 竞品分析 # 调用 competitive-analysis 技能基于问题上下文 # 输出到文件 competitive_landscape.md echo 3. 初步范围与估时 # 调用 scoping-cutting 技能 # 输出到文件 scope_estimate.md echo 4. 生成PRD草稿 # 调用 writing-prds 技能整合前几步的输出 # 输出到文件 prd_draft.md echo 准备完成请查阅生成的文档。虽然目前Claude Code的深度集成可能不支持全自动脚本调用但你可以手动按这个顺序操作并将每个技能的输出保存下来形成一份完整的启动档案。未来随着AI助手API能力的开放这类工作流的自动化程度会越来越高。5.2 与团队知识库和流程工具集成技能库不应是孤岛它可以成为连接你现有工具链的枢纽。与Notion/Confluence集成你可以将技能中的核心框架如OKR模板、PRD结构、复盘会议议程制作成团队知识库中的模板。当AI在Claude Code中给出建议后你可以一键将结构化内容复制到这些模板中填充实际内容。与Jira/Linear集成在使用prioritizing-roadmap或scoping-cutting技能确定优先级和范围后可以直接将分解出的任务条目格式化为符合你们项目管理工具导入格式如CSV的数据快速创建Epic和Ticket。与用户反馈工具集成当使用analyzing-user-feedback技能时可以引导AI直接分析从Intercom、Zendesk或应用商店评论中导出的原始数据快速生成洞察报告。5.3 技能库的维护与迭代开源项目有生命力是因为社区在持续贡献。对于你内部定制的技能库也需要建立维护机制。定期回顾与更新每季度或每半年回顾一次技能内容。产品方法论在进化团队的最佳实践也在变化。例如如果团队引入了新的目标设定方法就需要更新setting-okrs-goals技能。收集使用反馈在团队内建立简单的反馈渠道。比如在技能文件的末尾添加一个“本技能有用吗”的链接指向一个简单的反馈表单收集“哪个部分最有用”、“哪里需要更具体的例子”等信息。案例沉淀将使用技能成功解决实际问题的案例脱敏后记录下来作为技能的“实战附录”。这能极大地丰富技能的内涵让后来的使用者看到理论如何落地。例如在handling-difficult-conversations技能后附上一个“如何与工程师沟通需求延期”的真实对话范例。6. 常见问题与排错指南在实际使用中你可能会遇到一些典型问题。以下是根据社区反馈和实际使用经验整理的排查清单。6.1 安装与配置问题问题现象可能原因解决方案Claude Code中无法识别任何技能。1. 技能未安装在正确路径。2. Claude Code插件版本过旧。3. 技能目录权限问题。1. 确认技能文件位于~/.claude/skills/或项目内的.claude/skills/目录。2. 更新VS Code和Claude Code插件到最新版本。3. 检查文件夹读写权限。使用npx skills命令时报错如命令未找到。Node.js环境未正确安装或npx不可用。1. 终端运行node -v和npm -v检查Node.js和npm是否安装。2. 或尝试使用npm install -g vercel/skills全局安装skills工具后再使用。技能列表不完整或缺失。安装过程中网络中断或只安装了部分技能。1. 删除.claude/skills/目录重新运行npx skills add RefoundAI/lenny-skills。2. 检查网络连接特别是GitHub的访问。自定义技能不生效。1. 技能文件格式错误。2. 技能文件名或路径不符合规范。1. 确保自定义技能文件夹内有SKILL.md文件且格式参考原技能通常有YAML frontmatter。2. 技能文件夹名使用kebab-case短横线连接。6.2 使用与效果问题问题现象可能原因解决方案与优化建议AI的回答感觉泛泛而谈没有调用技能的深度。1. 提问方式过于宽泛。2. AI未能正确匹配到最相关的技能。1.提供更多上下文不要只问“怎么写PRD”而是说“我正在为一项面向中小商家的CRM数据导出功能写PRD我的主要读者是后端工程师和测试请问该如何组织内容”2.尝试直接调用使用/writing-prds命令强制启动该技能。技能建议与我们的实际情况不符。技能基于通用最佳实践未考虑你公司/行业的特殊性。定制化这是开源项目的优势。直接编辑技能文件在适当位置添加你们公司的内部规范、案例或注意事项。例如在giving-presentations技能中加入你们公司高管偏好的汇报结构。多个技能的建议有冲突。不同产品领袖的方法论本身就有差异或技能适用场景不同。理解上下文这不是bug而是真实世界的反映。例如shipping-products快速交付和managing-tech-debt管理技术债的平衡本身就是艺术。AI应该引导你思考权衡。你可以追问AI“根据我们当前‘急需验证市场’的背景应该更偏向哪个技能的建议”技能内容似乎有些过时。产品管理领域发展快原项目更新不及时。1. 查看GitHub仓库的Issues和Pull Requests看是否有社区在更新。2. 自行研究并提交PR贡献给原项目或在自己的分支上更新。3. 关注Lenny的播客和新文章将新洞察补充到本地技能中。6.3 团队协作问题问题现象可能原因解决方案团队成员使用的技能版本不一致。每个人独立安装或自定义内容未同步。建立中心化源使用Git子模块方案三或将定制后的技能库放在一个内部Git仓库中要求所有成员从此源同步。在团队章程中规定更新流程。新人不知道如何使用。缺乏培训和引导。创建入门指南写一份简短的内部文档介绍核心技能如writing-prds,running-effective-1-1s的价值和基本用法并配上一两个真实的屏幕录制示例。技能使用流于形式团队不买账。被当作上级强加的“额外工作”而非提效工具。自上而下示范团队领导者在实际工作如规划会、1对1、文档评审中主动使用并展示技能带来的价值。例如在评审PRD时说“我们用writing-prds技能里的‘成功度量’框架来审视一下这几个指标是否SMART”7. 未来展望与个人实践心得在我深度使用和尝试定制这套技能库的过程中它给我的感觉更像是一个“产品思维的操作系统”。它没有替代我的思考而是将那些散落在脑海各处、书本里、播客中的碎片化知识变成了随时可调用的“系统API”。最大的改变是当面对一个复杂问题时我的第一反应从“我该怎么想”逐渐变成了“该用什么框架来分析”并且能立刻在Claude Code里找到启动这个思考过程的引子。一个很个人的体会是这套技能库的价值会随着你的经验增长而增长。对于初级PM它像是一位随时在线的导师提供结构化的脚手架避免你迷失在细节中。对于资深PM它则像是一个强大的“第二大脑”和“共鸣板”能帮你快速梳理思路、查漏补缺尤其是在那些你不常接触的领域比如从技术转型做产品的人可能对fundraising融资技能感到陌生。最后关于这个项目的生态我认为最令人兴奋的可能性在于“技能市场”的雏形正在显现。既然可以有“Lennys Product Skills”未来也可以有“Design Thinking Skills”、“Data Analytics Skills”、“DevOps Skills”。不同的社区和专家可以为他们擅长的领域构建技能包。最终我们的AI助手可能会变成一个搭载了无数专业模块的“瑞士军刀”根据我们的职业角色和当前任务动态加载最合适的专业知识。而RefoundAI/lenny-skills项目无疑是这个未来图景中一块极其重要和坚实的基石。它不仅仅是一套工具更是一次关于如何将人类集体智慧更有效地编码、存储和传递的精彩实践。