AI Skills:前端新的效率神器

AI Skills:前端新的效率神器

近来,AI 领域有个火爆的话题:Skills
Github 上被疯狂 star 的仓库,很多都是和 skills 有关的。
有的仓库仅仅上线三个月就获得了快 50K 的 star,Skills 的火热可见一斑。

在这里插入图片描述


不管是大模型,还是 Cursor、Codex、Claude、Trae、Copilot 等编程 IDE 都在争先支持 Skills。
围绕 Skills,它们在做的就是为了完成一件事情:技能是通过学习和反复练习获得的,而 Skills 是把经验和最佳实践沉淀为 AI 能力,将“知道”转化为“做到”的本领。

详解什么是 Skills

要说清楚什么是 Skills,先来了解一下关于 AI 的 2 个核心概念-- Agent 和 MCP

关于 Agent

让 Agent 开发一个在线商城平台,要完成购物功能,它只需要考虑用户输入的“我要购买一个商品”指令,并最终完成购买商品这个目标,它并不关心项目是否前后端分离,前端用 vue 还是 react 来实现,后端用 java 还是 php,选什么数据库,也就是说,Agent 不在乎细节。

Agent 是面向目标的。

关于 MCP

在这里插入图片描述


我们在开发项目的过程中,一个项目不可能所有的功能都自己实现,往往需要一些第三方的服务,比如短信通知,微信、支付宝支付。而使用这些服务的方式就是通过调用第三方平台的 API,每个平台的都有自己的 API 规则。
而 MCP 就是 AI 的 API,Agent 通过 MCP 来实现调用第三方服务,和第三方服务进行通信。

回到 Skills

在这里插入图片描述


讲清楚了 Agent 和 MCP 的概念后,我们知道,AI 在使用 MCP 或者完成一些目标任务时,会产生很多的重复性的工作,我们可以把这些重复性的工作整合成一个工具包,只需要让 AI 调用这个工具包就行,而这个工具包就是 Skills
这个工具包,可以是前端的组件开发,文件下载,后端 SQL 查询,接口文档生成。所有人都可以使用这些工具包来完成自己工作。

简单来说,Skills 通过固定的规则和标准化的能力,来保证结果的稳定和一致
在这里插入图片描述


下面从我们前端的角度出发,来看看 Skills:
开发一个增删改查的功能,你要创建 API 文件,状态管理、路由生成,增删改查的页面开发。想要按照项目或者公司的前端开发规范来完成这些任务,用 AI 来实现的话,仅凭一句提示词:帮我写一个文件管理功能,它可以做出来,但最终结果不是你想要的。
现在你可以使用 增删改查 Skill 来完成这项任务,完全按照你设定的规范来执行,设置帮你把接口联调好,再多的增删改查都能一个 Skill 搞定。
这就是 Skill 的便利性,让你从重复劳动中解放。

Skills 的应用场景

Skills 是经验、规则、最佳实践的积累,它把你“封装组件”、“封装函数”的能力都学会了。
在使用 Skills 时,我们要明确 2 个问题:

  1. 这件事情是否是重复的?
  2. 这件事情是否能够标准化?

当你得到肯定答案的时候,就可以考虑使用 Skills 来简化工作。
Skills 最适合的应用场景:

在这里插入图片描述
  • 频繁重复性工作:比如增删改查。
  • 标准化的输出:基于UI规范,输出标准化的组件或功能页面。
  • 知识沉淀:项目或者公司的开发规范,前端的样式规范,色彩和字体的使用规范等。

skills.sh

目前社区已经涌现出了很多官方和个人分享的 Skills。
skills.sh 是 Vercel 发布的一个可视化的 AI Skills 平台,可以说它是AI Skills 界的 NPM
它汇总了所有的公开 Skills,在上面可以看到 Skills 的信息,下载安装量,其中包括了前端、后端、DevOps、安全等 Skills,能快速检索出你想要的 Skills。

在这里插入图片描述

前端 Skills

agent-skills

在这里插入图片描述


vercel 推出的 skills 项目:
是 React 和 Next.js 的 Skills 集合。包含 8 个类别共 45 条规则,旨在指导自动化重构和代码生成。
目前 agent-skills 里面包括三个主要的技能集合:

react-best-practices

专门用于 react 和 nextjs:
基于 Vercel 工程团队的 React/Next.js 性能优化指南,含 40+ 分级规则:
适用场景:

  • 新组件 / 页面开发
  • 数据请求实现
  • 代码性能评审、包体积
  • 加载速度优化

核心规则:

  • 消除请求瀑布(核心)
  • 包体积优化(核心)
  • 服务端性能
  • 客户端数据请求
  • 重渲染优化

都是非常实用的。

web-design-guidelines

对 UI 代码进行多维度合规性审计,含 100+ 规则:
适用场景:

  • UI 评审
  • 可访问性检查
  • 设计审计
  • 站点最佳实践校验

核心规则:

  • 无障碍适配
  • 焦点状态
  • 表单设计
  • 动画性能
  • 排版规范
  • 图片优化
  • 暗黑模式适配

解决 AI 开发中的各种 UI 问题。

vercel-deploy-claimable

实现应用一键部署到 Vercel 平台,支持所有权转移:
适用场景:

  • 应用部署
  • 生产环境发布
  • 获取线上预览链接

核心规则:

  • 自动识别 40+ 前端框架
  • 生成预览 URL 和所有权认领 URL
  • 自动过滤无用文件(node_modules/.git)

Github 地址:https://github.com/vercel-labs/agent-skills

vue-skills

在这里插入图片描述


在这里插入图片描述


vue-skills 是 voidzero 团队成员发起的项目:

专门为 AI 创建 Vue 技能,以增强 AI 在 Vue 3 开发中的能力。

也就是教 AI 怎么写 Vue3。
vue-skills 中包含 3 个主要的技能集合:

vue-best-practices

核心规则:

  • vue3 最佳实践
  • Composition API 最佳实践
  • vue-router 类型处理
  • vue3 代码可维护性

vueuse-best-practices

核心规则:

  • VueUse 组合式 API 的最佳实践
  • VueUse 常见问题规范

pinia-best-practices

核心规则:

  • Vue3 应用中 Pinia的 TypeScript 配置
  • Pinia 的最佳实践
  • Pinia 常见问题规范

vue-skills Github 地址:https://github.com/hyf0/vue-skills

如何快速上手 Skills

这些 Skills 包是实打实的能在你的项目中发挥作用的,下面来看看如何快速使用。

  1. 安装
    在项目中执行以下命令:
npx skills add https://github.com/vercel-labs/agent-skills --skill vercel-react-best-practices 
在这里插入图片描述


安装过程中会让你确认: 选择支持的 AI 工具。

目前支持的工具包括:

在这里插入图片描述
  • Antigravity
  • Codex
  • Cursor
  • Gemini CLI
  • Trae

启用的范围:

在这里插入图片描述
  • 项目
  • 全局

安装完成后,会自动根据你的提示词来启用 Skills,无需手动操作。

开始编码

接下来你就可以正常进行你的任务了,比如让 AI 帮你开发组件,它会自动调用 Skills 来完成任务。

企业/个人 Skills 开发

Skills 这么好用,我们也想自己开发一个 Skills 来提高我们的工作效率。

一个标准的 Skills 文件结构:

my-Skill/ ├── Skill.md # 必需:核心指令 ├── rules/ # 可选:规则设置 │ └── crud.md ├── examples/ # 可选:输入/输出示例 │ ├── input.md │ └── output.md ├── templates/ # 可选:可复用的模板 │ └── component.tsx ├── LICENSE.txt # 可选:开源协议 └── resources/ # 可选:参考文件、运行脚本或素材 └── style-guide.md 

你可以自由的去设计自己的 Skills,一个CRUD的 Skill 或者是项目的 UI Skill。

新的起点

vercel 率先祭出了 skills.sh 这个平台,更多类 NPM 的 Skills 平台将会如雨后春笋一般出现,AI 也要有自己的 Skills NPM 平台,这势必又是一场话语权的争夺。
而更多的、更高质量的 Skills 将会出现:

  • 3D、2D 模型 skills
  • node skills
  • ios skills
  • ui skills
  • 企业 skills
  • 个人 skills

目前 AI 开发已经不再局限于大模型的能力,高质量的代码取决于你给 AI 赋予了什么技能。
AI + Skills 的开发方式已经不可避免的成为未来前端开发的新方向。


↘AI Skills:前端新的效率神器!

Read more

Flutter 三方库 linalg 的鸿蒙化适配指南 - 掌控高性能线性代数、矩阵运算实战、鸿蒙级算法中枢

Flutter 三方库 linalg 的鸿蒙化适配指南 - 掌控高性能线性代数、矩阵运算实战、鸿蒙级算法中枢

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 linalg 的鸿蒙化适配指南 - 掌控高性能线性代数、矩阵运算实战、鸿蒙级算法中枢 在鸿蒙跨平台应用处理 3D 图形变换、复杂的信号处理(DSP)或是端侧的小型机器学习模型时,高效的矩阵(Matrix)与向量(Vector)运算是一切算法的基石。如果你不想手写枯燥且易错的嵌套循环。今天我们要深度解析的 linalg——一个纯 Dart 实现的、遵循线性代数标准的专业级数学库,正是帮你搭建“算法堡垒”的数字基石。 前言 linalg 提供了一套直观且功能完备的线性代数 API。它不仅支持基础的向量加减、点积(Dot Product)和叉积(Cross Product),还涵盖了复杂的矩阵乘法、转置(Transpose)以及行列式计算。在鸿蒙端项目中,

By Ne0inhk

用 Python 从零实现一个简单神经网络算法(含原理 + 代码 + 可视化讲解)

一、前言:为什么要自己实现神经网络? 很多人刚接触深度学习时,会直接用 TensorFlow、PyTorch 等框架。 但如果没有理解背后的数学原理,很容易出现“只会调库不会调脑”的情况。 👉 因此,从零实现一个简单的神经网络,是入门深度学习最重要的一步。 在本文中,我们将一步步手写一个可以学习 XOR(异或)问题 的神经网络。 不借助任何高级框架,只用 Python + NumPy,彻底理解神经网络的计算过程。 二、神经网络的核心思想 1. 神经元模型的启发 神经网络的灵感来源于人脑的神经元(Neuron)结构。 一个神经元会接收输入信号,通过加权求和后再经过激活函数产生输出: y=f(w1x1+w2x2+⋯+b) 其中: * xi :输入特征 * wi :权重(决定输入的重要性) * b:偏置项(Bias,控制整体偏移)

By Ne0inhk

Python终端音乐终极指南:轻松玩转网易云音乐

Python终端音乐终极指南:轻松玩转网易云音乐 【免费下载链接】pyncm 项目地址: https://gitcode.com/gh_mirrors/py/pyncm 还在为音乐播放器占用过多系统资源而苦恼吗?想要在编程时享受高品质音乐却不影响工作流程?今天,让我们一起探索一个神奇的Python工具——pyncm,它将彻底改变你在终端中体验网易云音乐的方式! 痛点直击:为何选择终端音乐? 想象一下,当你正在专注编写代码时,一个轻量级的音乐播放器在后台默默运行,不占用宝贵的屏幕空间,不拖慢系统速度。这就是pyncm带给你的极致体验。 资源占用对比: * 传统音乐客户端:占用内存200MB+ * pyncm终端播放器:内存占用仅20MB左右 快速上手:一键安装配置 安装pyncm就像喝一杯咖啡那样简单: pip install pyncm 如果你想要更丰富的功能体验,还可以选择完整版安装: pip install pyncm[full] 实战演练:四大核心功能深度体验 智能搜索:精准定位心仪音乐 from pyncm import

By Ne0inhk
告别繁琐配置:在线运行 Matplotlib 画图,Python 环境免安装新体验!

告别繁琐配置:在线运行 Matplotlib 画图,Python 环境免安装新体验!

作为Python数据科学领域的程序员和爱好者,你是否也曾被这些问题困扰: * 环境配置噩梦: 想快速验证一个Matplotlib画图想法,却要先折腾Python版本、pip、虚拟环境,再安装NumPy、Matplotlib等一堆依赖? * 设备限制: 临时换了台电脑,没有Python环境,项目演示或代码分享受阻? * 新手门槛: 向初学者介绍数据可视化,复杂的安装步骤就劝退了一大波人? 现在,这些烦恼都可以成为过去式了!今天向大家隆重介绍一款强大的Python在线运行和测试环境(支持Python 3.12.7),它不仅能让你即时执行Python代码,更内置了对Matplotlib等常用库的支持,让你无需在本地安装任何Python环境,就能直接在浏览器中体验Matplotlib画图的乐趣! 👉 工具直达链接:Python在线运行 ✨ 这款在线工具有何过人之处? 这款在线Python运行环境不仅仅是一个简单的代码执行器,它集成了更多强大的功能,尤其适合进行数据处理和可视化探索: 1. Matplotlib 内置支持(可便捷安装): 无需手动 pip install m

By Ne0inhk