【AI智能体】基于OpenCode 搭建Skills环境与项目实战开发详解

【AI智能体】基于OpenCode 搭建Skills环境与项目实战开发详解

目录

一、前言

二、OpenCode 介绍与环境搭建

2.1 OpenCode 介绍

2.1.1 OpenCode 是什么

2.1.2 OpenCode 主要特点

2.1.3 OpenCode 使用场景

2.2 OpenCode 本地环境搭建

2.2.1 安装ndoejs

2.2.2 使用npm安装OpenCode

2.2.3 效果测试

2.2.4 opencode 基本使用技巧

三、OpenCode 配置大模型

3.1 OpenCode 配置大模型过程

3.1.1 前置准备

3.1.2 进入模型配置窗口

四、OpenCode 配置和使用Skills

4.1 skills介绍

4.1.1 skills是什么

4.1.2 为什么需要 Skills?它解决了什么问题?

4.1.3 Skills 工作原理

4.1.4 Skills 与其他能力的协作关系

4.1.5 Skills 核心组成

4.2 使用模板Skills

4.2.1 前置问题

4.2.2 获取skills包

4.2.3 模板skills效果验证

4.3 开发自己的Skills

4.3.1 编写生成自媒体文案Skills

4.3.2 效果验证

4.3.3 常用的Skill 推荐

五、写在文末


一、前言

Agent Skills 最近非常火,它是既 MCP 后 Anthropic 推出的又一个 Agent 领域的行业标准。它的成长路线和 MCP 也非常像,25 年 10 月份发布时只有 Anthropic 自家产品支持,后来 Cursor、Codex、Opencode、Gemini CLI 等产品看到了 Skills 的优势于是纷纷开始支持。再后来社区开始涌现大量的开源 Skills 以及 Skills 开放市场,当下大家已经默认 Skills 成为了又一个扩展 Agent 能力的标准实践。

简单来说,Skills 的作用就是将那些重复性的、专业的流程进行打包封装。当你需要使用某种能力时,不再需要像过去那样每次都去查阅手册或重新输入冗长的提示词,而是像调用工具一样直接使用。

二、OpenCode 介绍与环境搭建

Read more

ChatGPT降AIGC率指令实战:如何精准控制生成内容质量

ChatGPT降AIGC率指令实战:如何精准控制生成内容质量 在AIGC内容生成中,如何有效降低低质量或无关内容的生成率是开发者面临的常见挑战。本文将介绍一套基于ChatGPT的降AIGC率指令实战方案,通过prompt工程优化、内容过滤机制和后处理策略,帮助开发者提升生成内容的相关性和质量。读者将学习到可立即应用于生产环境的代码实现和调优技巧。 1. 背景痛点:AIGC内容质量问题的业务影响 随着AIGC技术的普及,内容生成的速度和规模呈指数级增长。然而,伴随而来的低质量内容问题也日益凸显,这直接影响了用户体验和业务价值。 * 内容相关性差:模型可能生成与用户意图或上下文关联度不高的内容,例如在撰写技术文档时插入无关的生活建议。 * 事实性错误:模型可能生成看似合理但实际错误的信息,这在新闻、教育、医疗等严肃领域尤为致命。 * 逻辑混乱与重复:生成的内容可能结构松散、逻辑跳跃,或者在同一段落中反复陈述相同观点。 * 风格不一致:在长文本生成或多轮对话中,模型的语气、用词和知识水平可能出现前后矛盾。 * 有害或偏见内容:模型可能无意中生成带有社会偏见、歧视性或不符合

Copilot的Plan模式到底好在哪?

Copilot的Plan模式到底好在哪?

Copilot的Plan模式到底好在哪? 本文共 1696 字,阅读预计需要 3 分钟。 Hi,你好,我是Carl,一个本科进大厂做了2年+AI研发后,裸辞的AI创业者。 GitHub Copilot 在 VS Code 里提供了四种内置 Agent:Agent、Plan、Ask、Edit。 很多人搞不清楚 Plan 模式和 Agent 模式有什么区别——"不都是让 AI 帮我写代码吗?" 本文会从官方设计理念出发,拆解 Plan 模式的三个核心特点,并告诉你什么场景下应该选 Plan,什么时候直接用 Agent 更高效。 Plan 模式是什么?官方定义拆解 先看官方怎么说。 根据 GitHub 官方

LLaMA-Factory微调多模态大模型Qwen3-VL

LLaMA-Factory微调多模态大模型Qwen3-VL

LLaMA-Factory微调多模态大模型Qwen3-VL 目录 LLaMA-Factory微调多模态大模型Qwen3-VL 1. 显卡驱动 2. 模型微调 3. 模型导出 4. 模型部署:vLLM服务 5. 测试效果 1. 显卡驱动 * 显卡型号:NVIDIA GeForce RTX 3090 24G * 显卡驱动:NVIDIA-SMI 535.171.04             * CUDA: 12.2 ,Driver Version: 535.171.04   微调Qwen3-VL-2B模型,至少需要12G显存 2. 模型微调 项目采用大型语言模型工厂(LLaMA-Factory)对大模型微调,目前可支持Qwen3 / Qwen2.5-VL / Gemma 3 / GLM-4.1V / InternLM