老金的分享

Skill 工程化的终局，不是把一把瑞士军刀磨得更利，而是让团队像流水线般作战。本篇讲显式调用与技能链、Treat Skill as Code 的版本控制与反向优化，以及带团队跨越 AI 新手村的三阶段路径。

把 Skill 当代码来写：从 description 路由、SKILL.md 契约、references 拆分，到黄金用例集与安全审查。一份可以直接落地的工业级 Skill 开发 SOP。

Skill 是给模型的作业指导书,不是函数调用。四件套(Metadata / allowed-tools / SKILL.md / scripts)+ 三阶段生命周期(注册 → 匹配 → 执行),讲清何时该写、怎么写不跑偏。

Andrej Karpathy 拆解大模型时代的编程范式演变:从传统软件、机器学习到 Software 3.0,氛围编程如何成为主流,Agentic Engineering 又如何守住专业质量的底线。

从 Prompt 的三大坑出发,解释 Skill 为什么是 AI 工程化的下一步:持久化、按需激活、参数化。本文讲概念、类比与渐进式披露三层架构。

用一个下午、零成本，从零搭建一个属于自己的 AI 私人助理：随手记录碎碎念，自动分类成 todo / mood / note，每晚生成复盘、次日邮件推送，装成手机 App。全程 Vibe Coding，附完整步骤。

AI 开发的真正门槛早就不是会不会写提示词，而是能不能搭出一套稳定、可控、可校验的系统。这期视频把 Harness Engineering 拆成四块拼图，并用实际项目案例演示怎么把 AI 管成一支能持续产出正确结果的研发团队。

AI 把语法实现的成本拉到趋近于零，真正稀缺的变成了理解力——能看懂、能评估、能判断。这篇把两个犀利观点合起来讲清楚：新范式下程序员的核心竞争力到底是什么。

用 Vercel + Neon + Auth.js + Resend + NVIDIA NIM 七件套，零成本搭一个挂公网、朋友能用的 AI 小应用——这是我那个下午翻出来的购物清单

一次性梳理 Claude Code 的 35 项进阶使用技巧，覆盖基础代码生成、上下文管理、工作流编排、自动化调试等关键环节，帮助开发者从「让 AI 写代码」升级到「与 AI 高效协作」。