@Yangtze_Seventh：暴论：技能正在消亡，方法论永存。昨天，我参加了 Bilibili 的 Build in Public 活动，Kabi 老师……

暴论：技能正在消亡，方法论永存。

昨天参加了 Bilibili 的 Build in Public 活动，Kabi 老师 @jakevin7 居然直接把这句话放进了 PPT 公开分享！这绝对是整个下午的高光时刻——感觉就像在上课一样！

干货中的干货——太干了！

正如 Kabi 老师所说，随着模型不断通过训练迭代，大量通用知识和标准工作流会逐渐被内化到模型里。以前需要长篇大论的指令才能教会它做事？未来可能只需要几句精准的 prompt，就能调用这些内置能力。

这让我们可以把更多精力放在：这次要解决什么问题？该用什么方法？以及如何验证它真的做对了？

Kabi 老师分享的这 8 个点可以直接嵌入你的日常 prompt，大幅拉升工作流效率。结合你自己的洞察使用，绝对值得收藏：

1️⃣ 第一性原理 -> 先把问题本身彻底厘清。 把这个喂给你的 Agent，让它回归现实：检查问题是否可复现、根因是什么、修复前后结果有何差异。确保核心问题真实存在，且从一开始就可执行。

Kabi 老师用 Claude 尝试证明费马大定理作为及时案例——非常贴切。100 轮之后，你怎么让 Claude 还记得它到底要干啥？

2️⃣ 对抗性审查 -> 启动一个专门的挑刺 Agent。 让一个未参与构建的 Agent 做独立审计：寻找反例、漏洞和失效场景，并要求它用证据支撑一切。 本质上就是多 Agent 交叉验证——让所有人都对结果签字画押。

3️⃣ 消融实验 -> 抽掉一个组件，看看还能不能立住。 这是写论文时不可妥协的一步：Ablation Study。说白了，就是剔除某个关键变量，衡量其对结果的影响。 要测试某条规则、某个工具或某段 prompt 是否真的有用，保持其他一切稳定，删掉它，重新运行，对比结果。这是证明每个部分都在发挥作用的唯一方式。

4️⃣ 奥卡姆剃刀 -> 先交付能跑的最简版本。 如果脚本就能搞定，那就尽快让脚本跑起来。让架构随真实需求演化。 这和会议开场时 Neko Girl Project 创始人分享的观点完美契合。既然大家都在 Build in Public，如果你有一个能跑的想法，就丢出来接受审视——收集真实反馈和需求，产品就能顺势升级！

5️⃣ 列出所有不安全感 -> 给怀疑留出空间。 明确要求 Agent 自我坦白：哪些结论缺乏证据？哪些场景尚未测试？哪些地方只是在拍脑袋？ 哪怕最强的 Agent 也会翻车（Astra 的 100% 基准测试？呃，先搁置吧）。自我检查是降低错误率的唯一途径。

6️⃣ 保持独立思考 -> 先自己判断，再看别人的说法。 尤其在多 Agent 协作中，让每个 Agent 在群聊前先独立抛出结论和推理。这样更容易发现分歧，避免一个 Agent 胡说、其他 Agent 跟着点头的局面。 后面他还深入讲了多 Agent 架构——Swarm、Graph、Agent Teams，以及如何选择。

7️⃣ 批判性思维 -> 审查证据，没有例外。 别因为一个分析听起来天衣无缝就全盘接受。要求 Agent 区分观察到的事实和猜测，并明确说出什么证据会推翻它自己的判断。

8️⃣ 高内聚、低耦合 -> 钉死模块边界。 把相关逻辑打包在一起；让模块通过干净接口握手。这直接决定了 Agent 的工作难度：调整某个模块的范围越清晰，就越容易喂给它正确的上下文并测试变更。

我对“技能正在消亡“的理解，主要针对那些冗长的通用知识堆砌。以前那些上千行的说明文档？预训练已经把大部分内容内化了——现在几行文字就能出惊艳效果。

当然，技能不只是文本；视觉、工具调用等仍有其价值。

这场分享简直是金矿——价值密度拉满！喜欢 Kabi 老师把工程方法论转化为我们下次启动 Agent 就能直接上手的东西。有的值得深思，有的即插即用！

感谢 Kabi 老师的分享——下次见！

真的受益匪浅!

如果预加载的话堆积在上下文,可能还没等执行任务就已经把1M限制打爆了。。

在我们的memory里面是支持wiki,如果涉及到了对应的任务才会高效的加载。日常使用的话我觉的涉及到一个完整的流程、重复的流程,新开一个窗口单独完成效率高很多。

其实日常使用完全够了,模型也越来越强,解决问题的能力也会越来越强

但上层肯定有人会想追求效率,追求更好的效果嘛,自然会有一些小技巧。我觉的AI 工具可以提高人的下限,但对不同人提高的程度也不一样嘛

哈哈其实不冲突,大模型会越来越强,之前的skill由于会占用太多上下文,现在都已经在预训练中内置好了,只需要一些名词来出发,这本身就是一种进步。

而且,大模型解决基础的任务已经非常足够了,如果有更高的开发需求和效率提升,才需要注意更多细节上的使用。

安装到本机最好是按照自己的工作习惯来做一些适配。开箱即用且好用的并不多