GitHub上发现一个面向中国科研工作者的三技能包项目aiset-academic-skills，覆盖论文写作、学术Office文档生成和科研计算三大场景，三个skill互补协作形成从数据到论文到答辩PPT的完整链路，中文优先但不翻译公式变量名，不编造参考文献和实验数据，PPT生成内置学术质量规则。

前两天在GitHub上刷到一个挺有意思的仓库，叫weixin-liaotianjilu-skill，icodebase-cn这个组织搞的，刚创建没几天，星标还是零。这个仓库做的事情说起来简单，就是把微信聊天记录导出、校验、然后交给AI agent去总结分析。

刷GitHub的时候翻到一个小众仓库，icodebase-cn/weixin-liaotianjilu-skill，名字一下就把我勾住了。做写作工具这么久，看到writing和dna放一块儿，本能地想点进去看看到底在干嘛。 仓库的思路其实挺简单，它想把一个作者的写作风格拆解成可复用的结构化数据。不是那种"你的风格偏口语化"的模糊描述，而是把句式偏好、段落节奏、用词频率这些东西量化出来，存成一个可以调用的配置文件。

被朋友拉去给团队讲AI落地，翻完自己这两年的折腾经历发现一条线，AI本身不产生钱，它只是放大你的判断力和执行力。真正靠AI赚到钱的人不是靠工具，是靠前期积累的判断力，能把真实问题拆解到AI能消化的颗粒度。学AI用AI积累AI三步缺一不可，跳过中间直接从学到赚钱的鸿沟得自己填。

先把结论摆在前面来讲，大模型本质上属于一种工具，而Agent则是一条完整的流程。 大模型通常是你问一句它才答一句，比方说你提出要求说写一篇种植牙的科普，它便会给你生成800字的内容，产出的质量全凭你提问的方式高明不高明，要是换个问法得出的结果就截然不同了，更为致命的一点在于大模型本身是不具备长期记忆的，一个会话结束之后要是再新开一个会话，AI便不再记得你先前聊过些什么，并且也不了解你的做事风格和

cangjie-skill 是个把整本书蒸馏成 AI 可调用技能的元 skill，作者袋鼠帝，仓库 12.5k 星。我在 AISet 里拿《黄帝内经》跑了一轮，素问加灵枢拆出 22 个能力。这篇讲清楚 RIA-TV++ 七阶段流水线怎么转，v2.5 的 Capability Bundle 为什么是分水岭，安装和编译模式选择上我踩过的坑，以及蒸馏产物怎么接进我自己的分层 Wiki 知识库。

GitHub上出现了一个专门给AI视频生成做流程编排的开源项目，把分镜、提示词、参数配置全塞进一个skill里，让AISet直接驱动视频生成工具链。本文从实际使用角度拆解这个项目的结构和思路。

医疗AI项目从PPT到真实医院落地，头一周就露馅。数据没法用、品类变化太快、维护跟不上、安全性和可用性难平衡，真正的瓶颈在组织层不在技术层。科室自己跑起来才是项目成败的关键，家庭筛查推荐能把单次就诊变成长期健康管理关系。

AI在办公场景里到底扮演什么角色？从方案撰写到合同审查，从会议纪要到数据可视化，AI正在把执行层面的门槛拉平，让判断力和沟通能力成为职场新的核心竞争力。本文用具体案例聊聊AI如何改变日常办公方式，以及为什么它不是替代者而是数字助手。

前几年开诊所的人应该都有个体感，靠地推和广告拉来的客户一年比一年贵，转化还越来越差。以前在小区门口摆个摊发传单，或者投一波本地广告，总能来几个人。现在患者连传单都不愿意接了，广告费倒是涨得挺欢。这套打法不是不好用了，是整个环境变了，人在哪儿注意力就在哪儿，患者的注意力早就不在传单上了。 说到底医生手里真正的核心资产一直就不是那块招牌，是患者对这个人本身的信任。以前这个信任靠面诊建立，患者坐你对面

AI落地有两条路，单一高频流程自动化小但容易跑通，AI获客销售系统链条长但离钱近。真正值钱的不是演示好看，是接了真实数据能支撑决策。离客户的钱越近，报价才越高。头一次跑通比赚多少更重要。

很多人卡住不是因为没能力，而是知道自己的能力和资源却找不到方向。本文拆解了一套从能力到变现的完整路径：先向内看把自己拆成能力模块，再看谁愿意为你的经验付费，用多维度标准验证市场，最后用低价获客高价转化的模型跑通商业闭环。

数据挺扎眼，部分地方的外流率能冲到40%以上。医生累得半死，病人觉得没被接住，转头就去大城市了。这时候有人提AI，说它能读片、能写病历、能查文献。听着很美好，但真落到业务系统里，你会发现它像个站在门口的聪明实习生，话挺多，就是进不了屋。 因为它缺了最核心的东西，结构化数据。 没有这个底座，AI就是个高级外挂。它能告诉你某个结节有点像恶性，但它不知道这个患者在你们医院的既往病史是什么，也不知道他

医疗机构资料管理普遍存在版本混乱、内容同质、数据冲突等问题，AI无法在缺乏结构化数据时自主学习。真正能跑通的路径是从具体场景切入，八周周期内建立最小可行性产品并跑通闭环。智能客服、复诊提醒、健康科普等内容化运营能带来可量化的收益提升。

医疗资料变Skill，从存着到用起来企业天天喊着要要更聪明的AI，但很多时候AI连你的资料都没看过，再聪明也帮不上忙，电脑里有报告、方案、录音、案例、SOP，老板和老员工脑子里还有多年经验，这些东西都在，只是放在那里，要用时找不到，找到了也不知道哪份合适，新人来了又得跟着老员工从头学。文件夹像个仓库

很多人以为prompt能力是会写更复杂的指令。但真正的prompt能力根本不在措辞层面，它在你能不能定义问题、建立边界、控制污染、安排验证。换句话说，prompt能力是研究能力，不是写作能力。这篇文章记录了我从爽文研究项目中得出的认知，以及AISet知识库的设计思路。

女娲.skill是独立开发者花叔开源的Agent Skill，输入一个人名自动蒸馏其思维方式——心智模型、决策启发式、表达DNA。已蒸馏乔布斯、马斯克、芒格等14位人物，全员通过保真度盲测。本文拆解它怎么用、应用场景在哪。

一个大二学生用 AISet 加 Obsidian 搭了一套围绕自己运转的 OPC 赚钱系统，大半年变现六万多。文章拆解了前端获客中端转化后端交付的三段结构，以及五模块知识库怎么让 AISet 一直知道你是谁。

前两天有个做健康管理的朋友找我聊，说看了篇讲医疗AI Agent的文章，很兴奋，觉得自己那摊业务也能用上，问我搞一个出来要多少钱，多久能跑起来。 我让他先把文章发我看看，结果微信打不开，环境异常验证那一套又来了。不过他转述的内容我已经大概明白了，核心就三件事，拍照收集用户的医疗数据，体检报告拍照上传然后自动解读，再加一个智能客服随时回答健康问题。 说实话这三

收藏夹里的文章从来不会重读，知识没有沉淀只是换了地方堆。Karpathy提出的LLM Wiki思路，让AI增量维护结构化Wiki代替每次从零拼接的RAG模式，一次编译持续复用。用AISet+Obsidian实操搭建，从采集到编译到查询到治理，跑通个人知识管理全流程。