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。

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-- AgentMCP

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

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

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

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:

  • 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。

前端 Skills

agent-skills

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)

vue-skills

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

 

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:

csharp

体验AI代码助手

代码解读

复制代码

npx skills add https://github.com/vercel-labs/agent-skills --skill vercel-react-best-practices

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:

  • Antigravity
  • Codex
  • Cursor
  • Gemini CLI
  • Trae

启用的范围:

  • 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。



帮我开发一个 segment 组件,要符合 vue3 的最佳实践。

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:

perl

体验AI代码助手

代码解读

复制代码

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。



自定义 Skill 的一个小技巧是,先让 Skill 能正常运行,再一步步去优化。

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。

原文:https://juejin.cn/post/7598807837868539930

Read more

融合满足多种条件:基于无人机的多模态目标检测的高多样性基准和基线

大家读完觉得有帮助记得关注和点赞!!! 摘要 (Abstract) 基于无人机(UAV)的可见光(RGB)与红外(IR)图像融合目标检测,借助深度学习技术的进步和高质量数据集的推动,实现了全天候的鲁棒检测。然而,现有数据集难以充分捕捉真实世界的复杂性,因其成像条件受限。为此,我们提出了一个高多样性数据集 ATR-UMOD,覆盖多样场景,飞行高度从 80m 到 300m,相机角度从 0° 到 75°,并包含全天候、全年份的时间变化,涵盖丰富的天气和光照条件。此外,每对 RGB-IR 图像标注了 6 个条件属性,提供有价值的高层上下文信息。 为应对如此多样条件带来的挑战,我们提出了一种新颖的 提示引导的条件感知动态融合(PCDF) 方法,利用标注的条件线索自适应地重新分配多模态贡献。通过将成像条件编码为文本提示,PCDF 通过任务特定的软门控变换,有效建模了条件与多模态贡献之间的关系。一个提示引导的条件解耦模块进一步确保了在无标注条件下的实际可用性。在 ATR-UMOD

【无人机路径规划】无人机三维路径规划中蚁群算法、A* 与 RRT* 算法对比(Matlab代码实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥 💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭:行百里者,半于九十。 📋📋📋本文目录如下:🎁🎁🎁 💥1 概述 随着无人机技术的快速发展,其在军事侦察、物流配送、环境监测等众多领域的应用日益广泛。在实际应用场景中,无人机需要在复杂的三维空间内规划出一条安全、高效的飞行路径,以避开障碍物并满足任务需求。蚁群算法、A* 算法和 RRT* 算法是目前无人机三维路径规划中常用的算法,它们各自具有独特的原理和特点,对其进行详细对比有助于根据具体应用场景选择最合适的算法。 蚁群算法 蚁群算法是一种模拟蚂蚁觅食行为的启发式优化算法。蚂蚁在寻找食物的过程中,会在走过的路径上释放信息素,信息素浓度越高的路径对其他蚂蚁的吸引力越大。在无人机路径规划中,将三维空间划分为多个节点,每只“虚拟蚂蚁”从起点开始,根据信息素浓度和启发式信息选择下一个节点,不断迭代更新信息素浓度,最终找到一条从起点到终点的最优路径。 A* 算法 A*

【实战教程】MATLAB GUI实现多算法雷达CFAR检测:从原理到可视化分析

1. 什么是雷达CFAR检测? 雷达恒虚警检测(CFAR)是雷达信号处理中的一项核心技术,简单来说就是在复杂多变的噪声环境中,始终保持稳定的目标检测能力。想象一下你在一个嘈杂的派对上试图听清朋友的谈话,CFAR就像是你的大脑自动调节"听力阈值"的过程——当环境噪音变大时,你会不自觉地提高注意力阈值;当环境安静时,又能降低阈值捕捉细微声音。 在雷达系统中,CFAR技术通过动态调整检测门限来实现这个功能。传统固定门限检测在噪声变化时要么漏检目标(门限过高),要么产生大量误报(门限过低)。而CFAR算法能够根据周围环境的噪声水平,实时计算出最合适的检测门限值。 MATLAB GUI实现的最大优势在于可视化交互。通过图形界面,我们可以直观地看到: * 原始噪声信号的波形特征 * 不同CFAR算法计算出的动态门限曲线 * 目标检测结果的标记位置 * 算法在不同信噪比下的表现差异 2. CFAR核心算法原理解析 2.1 均值类CFAR算法 均值类算法是CFAR家族中最基础的成员,其核心思想可以用"邻里比较"来理解。就像通过比较周围房屋的价格来评估某处房产价值一样,这些算法通