

> 苹果正在打破智能穿戴设备的既有形态，秘密研发一款全新的AI硬件。这款设备并非手表或手机配件，而是一款类似AirTag大小、具备环境感知能力的独立“AI胸针”，意在通过极简交互重新定义人工智能的随身体验。

## 极简美学 告别屏幕的尝试

在智能手表市场趋于饱和的今天，苹果似乎准备做减法。据透露，这款新品在外观上延续了AirTag的设计语言——扁平、圆润、极致轻薄。

机身预计采用铝合金与玻璃结合的精密工艺，既保留了苹果一贯的高级质感，又兼顾了佩戴的时尚属性。这种设计不仅是为了美观，更是为了让科技“隐形”。它不再试图争夺用户的视觉注意力，而是安静地佩戴在胸前，成为用户身体的一部分。

## 感知进化 从触控到环境理解

这款设备的核心功能不再是传统的触控交互，而是基于AI的“主动感知”。设备内置了高精度的摄像头和麦克风阵列，充当用户的“第三只眼”和“第二只耳”。

它能够实时捕捉周边的环境信息，并通过端侧或云端AI进行深度解析。这种设计思路与硅谷此前大热的AI Pin有异曲同工之妙，但背靠苹果强大的芯片算力和生态整合能力，这款产品或许能解决此前同类产品续航差、发热严重等痛点，真正开启“无屏幕计算”的新时代。

![Google_AI_Studio_2026-01-22T03_10_07.498Z.png](https://static.downly.cn/images/a58751c445b6a988a0292db536255a5a.png) <center>图源备注：图片由AI生成</center>

苹果的新物种 像AirTag一样的AI胸针

在 2026 年1月12日，Windsurf 再次通过 **1.13.6 版本** 证明了它是目前最懂开发者的 AI 编辑器。本次更新引入了核心功能 —— **Skills（技能）**。

简单来说，如果之前的 AI 只是一个“听懂指令的实习生”，那么拥有 Skills 后的 Cascade（Windsurf 的 AI 核心）就进化成了**带工具箱的高级工程师**。

它不再只是根据你的 Prompt 瞎猜，而是能**读取你预设的文档、脚本和模版，严格按流程办事**。


## 为什么你需要 Skills？

你是否遇到过这些痛点？

- **重复劳动**：每次让 AI 写爬虫，都要强调“记得加 User-Agent，记得用 Headless 模式”。
- **规范遗漏**：每次让 AI 写 Java 代码，它总是不记得用 Lombok 或者特定的注解。
- **上下文丢失**：Prompt 越来越长，但 AI 还是会漏掉关键步骤。

**Skills 就是为了解决这个问题而生的。** 它是 Prompt 的“持久化”和“结构化”版本，让你的工程标准成为 AI 的本能。

------

## 一、快速上手（基础篇）

### 目标：创建一个“代码审查 (Code Review)”技能

**场景**：AI 写的代码有时不符合团队规范（例如缺少注释、变量命名随意）。我们要创建一个技能，让 AI 在 Review 代码时自动加载我们的检查清单。

#### 步骤 1：创建技能目录

WindSurf和 [Claude Code Skills](https://github.com/anthropics/skills) 的目录基本一致，只是根目录从`.claude`换成了`.windsurf`，请在您的项目根目录下，创建以下文件夹结构：

```markdown
.windsurf/
  skills/
    code-review/          <-- 技能名称
```

**WindSurf Skills目录结构示例：**
![image.png](https://static.downly.cn/images/ea439d487290dd9315a4e920320cc6f1.png)

#### 步骤 2：编写核心描述文件 (SKILL.md)

在 `code-review` 文件夹中创建 `SKILL.md`。这是技能的“大脑”，定义了它的触发条件和执行逻辑。

```markdown
---
name: code-review
description: 用于对代码进行审查、重构和优化。当用户要求检查代码、优化代码或进行 Code Review 时调用此技能。
---

# 代码审查专家

你现在是团队的高级技术负责人。请根据以下检查清单对代码进行审查：

## 1. 基础规范
- [ ] 变量命名是否遵循驼峰命名法 (Java/TS) 或下划线命名法 (Python)？
- [ ] 是否存在硬编码的 Magic Numbers 或字符串？
- [ ] 关键逻辑是否有注释说明？

## 2. 安全性检查
- [ ] SQL 注入风险（必须使用参数化查询）
- [ ] 敏感信息（API Key、密码）是否已脱敏？

## 3. 性能优化
- [ ] 循环中是否存在不必要的数据库查询？
- [ ] 集合操作是否高效？

请以列表形式输出审查结果，并给出修改后的代码建议。
```

#### 步骤 3：测试调用

1. 打开 Windsurf Cascade 对话框。
2. 输入：`@code-review 帮我看看这段 Python 代码有什么问题`（或者直接说 `帮我 Review 一下当前打开的文件`，Cascade 会根据 description 自动识别）。
3. **效果**：AI 会严格按照你 `SKILL.md` 中的三个维度（规范、安全、性能）进行输出，而不是泛泛而谈。

**WindSurf Skills 触发 Skills 示例：**
![image.png](https://static.downly.cn/images/22666450e4ba6863ab99b39c4155a591.png)

------

## 二、进阶实战（带模版的生成器）

### 目标：创建一个“Spring Boot 模块生成器”技能

**场景**：开发 Java Spring Boot 应用时，重复写 Controller/Service/Repository 结构非常枯燥，且容易出错。

#### 步骤 1：准备模板文件

在 `.windsurf/skills/spring-feature-gen/` 目录下，放置两个文件：

**1. `ControllerTemplate.java` (辅助资源)**

```java
package com.example.demo.controller;

import org.springframework.web.bind.annotation.*;
import lombok.RequiredArgsConstructor;

// 强制要求：所有 Controller 必须使用 RestController
// 强制要求：必须使用构造器注入
@RestController
@RequestMapping("/api/v1/${resource}")
@RequiredArgsConstructor
public class ${Resource}Controller {
    private final ${Resource}Service service;
    
    @GetMapping("/{id}")
    public ${Resource}Dto getById(@PathVariable Long id) {
        return service.findById(id);
    }
}
```

**2. `SKILL.md` (核心指令)**

```markdown
---
name: spring-feature-gen
description: 为 Java Spring Boot 项目生成标准的 Controller-Service-Repository 分层代码结构。
---

# Spring Boot 功能模块生成器

当用户要求生成一个新的业务模块（Feature）时，请严格遵循以下架构：

## 技术栈要求
1. **框架**: Spring Boot 3.x
2. **构建**: Maven/Gradle
3. **原生支持**: 考虑到后续可能编译为 GraalVM Native Image，避免使用复杂的动态反射。

## 生成步骤
1. 读取当前目录下的 `ControllerTemplate.java` 作为风格参考。
2. 生成 DTO (Record 类型), Service 接口与实现类, Repository (JPA)。
3. 确保所有依赖注入使用 `@RequiredArgsConstructor` (Lombok)。

## 输出格式
请直接生成代码文件内容，不要过多解释。
```

#### 步骤 2：实战调用

在 Cascade 中输入：

> "帮我生成一个用户管理模块（User Management），包含增删改查功能。"

**结果**：AI 会自动读取技能并参考你的 Java 模板，生成一套符合你团队习惯的代码。

------

## 三、实战玩法（用 Skill Creator 创建 AI Skills）

手动编写 `SKILL.md` 还是觉得麻烦？Windsurf 的 Skills 机制与 Claude 官方的 ecosystem 是兼容的。我们可以利用官方的 **Skill Creator** 来让 AI 帮我们写 Skills，除此之外，您也可以参考[Anthropic Claude Code Skills 深度解析](https://www.downly.cn/articles/ee2537e0-00a1-430d-baaa-b0545fcd982c)。

### 1. 引入官方 Skill Creator

[Claude Code Skill Creator](https://github.com/anthropics/skills/blob/main/skills/skill-creator/SKILL.md)是 Anthropic 官方提供的一个“元技能”，专门用来生成其他技能。

1. **创建目录**：`.windsurf/skills/skill-creator/`
2. **下载文件**：将官方仓库中的 `SKILL.md` 内容复制进去。
   - **源码地址**：[Claude Skill Creator Template](https://github.com/anthropics/skills/blob/main/skills/skill-creator/SKILL.md)

### 2. 如何使用

安装好这个技能后，你就可以套娃操作了：

> **用户**：`@skill-creator 我想要一个专门写 Python 单元测试的技能，要求使用 pytest，并且覆盖率要达到 90% 以上。`

> **Cascade**：(自动调用 skill-creator) 好的，我为您生成了 `python-tester` 的技能结构，包含 `SKILL.md` 和推荐的测试规范...

### 3. 更多官方灵感

Anthropic 官方维护了一个 Skills 仓库，里面包含了很多开箱即用的简单教程和案例（如数据分析、文档编写等），建议收藏并在 Windsurf 中尝试：

- **官方仓库**：https://github.com/anthropics/skills

------

## 核心技巧总结

1. **Description 是关键**： Cascade 依靠 frontmatter 中的 `description` 字段来决定是否**自动**调用技能。写得越具体，AI 自动触发越精准。
   - ❌ `description: 代码工具`
   - ✅ `description: 当用户询问有关 Playwright 爬虫编写、浏览器自动化脚本时使用此技能。`
2. **全局 vs 项目级**：
   - **全局习惯**（如“总是用 Python Type Hint”）：放在 `~/.codeium/windsurf/skills/`。
   - **项目规范**（如“本项目使用 MyBatis”）：放在 `.windsurf/skills/`。
3. **Skills vs Rules**：
   - 使用 **Rules** (.windsurf/rules) 设定你的基本身份（“我是谁”）。
   - 使用 **Skills** 处理具体任务（“怎么做”）。

现在，打开你的 Windsurf，试着创建你的第一个 Skill，把重复的工作流“外包”给 AI 吧！

Windsurf 1.13.6 重磅更新 - 支持 Claude Skills

<video src="https://static.downly.cn/images/13-Steps-to-High-Efficiency-by-the-Creator-of-Claude-Code.mp4" controls width="50%">
  Your browser does not support the video tag.
</video>

> 在 AI 辅助编程领域，我们通常只把 AI 当作一个更聪明的自动补全工具。然而，Claude Code 的创造者 Boris Cherny 展示了一种完全不同的维度：他通过构建一套严密的系统工程，将自己从“代码撰写者”转变为“AI 军团指挥官”，实现了月产 4 万行高质量代码的惊人效率。

本文将基于 Boris Cherny 的实战演示，详细复盘他的 13 步工作流，并补充我们对于高阶技能定制的第 14 步实践，深入剖析这套范式背后的技术哲学。

------

## 01. 并发多线程 (Parallelization)

### 🎥 Boris 的实战现场

Boris 的终端界面就像一个繁忙的指挥塔。他通常会同时开启 5 个并行的 Claude 会话（Tabs 1-5），每个 Tab 都有明确的职责划分：

- Tab 1：专注于数据库层面的重构任务。

- Tab 2：处理前端组件的视觉调整。

- Tab 3：运行单元测试并修复回归错误。

  为了解决“等待 AI 生成”的时间浪费，他利用系统的“通知铃声”功能。当后台某个 Tab 完成任务时，会发出提示音，他便立即切换上下文进行确认。这种方式消除了人类在等待 AI 思考时的闲置时间。

### 🧠 技术视点：工程师的“调度器化”

> 这标志着工程师的核心能力正在发生代际转移。

过去，我们的核心能力是“专注力”和“手速”；而在 Boris 的模式下，核心能力变成了**任务架构拆解（Architecture Decomposition）\**与\**上下文切换（Context Switching）**。如果不具备良好的架构思维，无法将一个大需求拆解为 5 个低耦合的子任务，那么开启 5 个窗口只会带来 5 倍的混乱。**并发的前提，是解耦。**

------

## 02. 端云协同 (Teleport)

### 🎥 Boris 的实战现场

Boris 演示了如何打破“本地终端”与“云端网页”的物理隔阂。他使用 `teleport` 命令配合后台任务符 `&`，将本地正在进行的终端会话“瞬移”到浏览器端的 Claude 界面。

- **场景切换**：当需要处理复杂的长文本阅读、查看图表或进行更自然的对话交互时，他切换到网页端。
- **状态同步**：在网页端确认好思路或生成文案后，所有的上下文和结果又能反向同步回本地终端，继续执行代码命令。

### 🧠 技术视点：交互模态的流动性

> 未来的开发环境将不再固守单一的 IDE，而是“数据流”的载体。

CLI（命令行）适合执行和精确控制，GUI（网页）适合阅读、规划和视觉反馈。Boris 的实践告诉我们：**上下文（Context）应当像流体一样**，根据开发者的认知需求，在不同的容器之间自由流转，而不是被锁死在某个软件窗口里。

------

## 03. 慢思考 (Thinking Models)

### 🎥 Boris 的实战现场

在处理复杂的逻辑重构时，Boris 并没有选择响应最快的模型，而是强制指定带有思维链（Chain of Thought）的 Opus 4.5 模型。

尽管这需要等待数分钟才能看到结果，但他强调，对于核心逻辑，必须让 AI 像人类高级工程师一样进行深度的推理。他宁愿花时间等待一个准确的方案，也不愿快速得到一个充满 Bug 的代码块。

### 🧠 技术视点：算力换人力的经济账

> 这是一个关于“信噪比”的决策。

在软件工程中，**生成速度 $\neq$ 开发效率**。修复一个由快速模型产生的幻觉 Bug，其耗时（定位、调试、修改）往往是生成时间的 10 倍以上。这里的策略是典型的“慢即是快”：用昂贵的推理算力，去置换昂贵的人类调试时间。**准确率（Precision）远比延迟（Latency）重要。**

------

## 04. 共享大脑 (CLAUDE.md)

### 🎥 Boris 的实战现场

Boris 展示了他在项目根目录维护的核心文件：CLAUDE.md。

这不是给人类看的 Readme，而是给 AI 看的“宪法”。文件中定义了：

- **架构规范**：如“本项目使用 MVC 模式，Service 层不应直接返回 DTO”。

- **编码细节**：如“日期必须使用 ISO8601 格式”、“禁止使用 `eval` 函数”。

- 路径映射：解释项目特有的黑话和目录结构。

  每次启动 Claude，它都会预加载这份文件，从而让一个通用的 AI 瞬间变成最懂该项目的“资深员工”。

### 🧠 技术视点：隐性知识的显性化

> 这是文档工程（Documentation Engineering）在 AI 时代的复兴。

传统团队中存在大量“部落知识（Tribal Knowledge）”，它们只存在于老员工的脑子里。`CLAUDE.md` 迫使我们将这些隐性知识显性化。这本质上是一种**轻量级的 RAG（检索增强生成）**，它解决了 LLM 的无状态问题，让项目具备了可传承的“记忆”。

------

## 05. 复利工程 (Compounding Engineering)

### 🎥 Boris 的实战现场

当 Claude 犯错（例如引入了一个被禁用的库）时，Boris 的做法令人印象深刻：他不仅仅是纠正代码，而是直接在 GitHub 评论区 @claude 下达指令：“你犯了一个错误，请把这条新规则更新到 CLAUDE.md 中，以后不要再犯。”

通过这种方式，每一次错误都转化为了文档中的一条新规则，确保 AI 不会在同一个地方跌倒两次。

### 🧠 技术视点：错误的资产化

> 我们正在目睹一种全新的“资产积累”方式。

在传统开发中，踩过的坑容易被遗忘；而在这种模式下，**错误被提炼成了系统的“养料”**。随着项目推进，`CLAUDE.md` 越来越完善，AI 越来越聪明。这不仅仅是在写代码，更是在训练一个不断自我进化、不断增值的数字资产。

------

## 06. 计划模式 (Plan Mode)

### 🎥 Boris 的实战现场

Boris 通过双击 Shift+Tab 进入一个特殊的“计划模式”。在此模式下，AI 被禁止写一行代码。

他和 AI 像两个在白板前的架构师一样，纯粹通过自然语言反复推演：“如果我们要改这个 API，会影响哪些文件？”、“数据库 Schema 需要怎么变？”。只有当计划被彻底确认无误后，他才会切换回执行模式让 AI 动手。

### 🧠 技术视点：决策层与执行层的分离

> 这解决了新手使用 AI 最容易犯的错：过早陷入细节。

Plan Mode 强行将**设计（Design）\**与\**实现（Implementation）** 剥离。这不仅通过思维链（CoT）降低了 AI 的幻觉风险，更重要的是，它强制人类保持在“决策层”。**AI 是手，你是脑，动手之前先动脑。**

------

## 07. 斜杠命令 (Slash Commands)

### 🎥 Boris 的实战现场

Boris 演示了他自定义的 /commit-push-pr 命令。

只需输入这一个指令，Claude 就会在后台自动执行一系列复杂的动作：检查 Git 状态 -> 分析变更内容 -> 生成符合规范的 Commit Message -> 推送到远程分支 -> 调用 GitHub API 创建 PR。原本需要敲击十几次键盘的流程，被压缩成了一次指令。

### 🧠 技术视点：流程的“模糊自动化”

> 这是对传统 Shell 脚本的降维打击。

传统的脚本是僵化的，参数必须精确匹配。而挂载了 AI 的 Slash 命令是**基于意图（Intent-based）**的。开发者只需要发出意图，AI 负责填充参数、处理异常。我们正在从“自动化（Automation）”向“自主化（Autonomy）”过渡。

------

## 08. 子智能体 (Sub-agents)

### 🎥 Boris 的实战现场

在处理特定任务时，Boris 会调用专门的“子智能体”。例如：

- `code-simplifier`：这是一个被设定了极强约束的 Agent，它只负责简化代码语法，绝不修改业务逻辑。

- verify-app：专门负责按照测试手册运行端到端测试的 Agent。

  主 AI 负责攻坚，子 Agent 负责扫尾，分工明确。

### 🧠 技术视点：单一职责原则 (SRP) 的 AI 实践

> 我们写代码遵循 SRP 原则，使用 AI Agent 也应如此。

一个通用的“全能 Agent”往往表现平庸。通过构建专门的 Sub-agents，我们可以针对特定任务（如安全审计、性能优化、文档生成）微调 Prompt 和工具集。这是**多智能体协作（Multi-Agent Systems）** 的实战雏形。

------

## 09. 钩子 (Hooks)

### 🎥 Boris 的实战现场

Boris 配置了严格的 Pre/Post-execution Hooks。每当 AI 生成代码准备写入文件之前，系统会自动触发 Prettier 或 Linter。

无论 AI 生成的代码格式多么混乱，在写入磁盘的那一刻，它都会被强制格式化为团队标准风格。

### 🧠 技术视点：最后一道防线

> 这是防御性编程在 AI 时代的必要延伸。

我们不能无条件信任 AI 的输出质量。Hooks 建立了一个**不依赖于 AI 自身道德约束的外部质量门禁**。这不仅解决了 AI 代码“能跑但很难看”的顽疾，更守住了代码库整洁度的底线。

------

## 10. 权限管理 (Permissions)

### 🎥 Boris 的实战现场

Boris 并没有让 AI 处于完全的“裸奔”状态（`dangerously-skip-permissions`）。相反，他精心设置了白名单：

- 读取类命令（`ls`, `cat`, `git status`）：默认允许，无需人类确认，保证交互流畅。
- 破坏类命令（`rm`, `upload`, `deploy`）：必须弹窗询问，且高危操作会被钩子拦截。

### 🧠 技术视点：基于行为的零信任架构

> 信任，但要验证（Trust but Verify）。

在 AI 能够自主执行命令的时代，安全架构必须从“基于身份”转向“基于行为”。这种配置既保证了探索性任务的效率，又锁死了破坏性操作的风险。

------

## 11. 万物互联 (MCP)

### 🎥 Boris 的实战现场

通过 Model Context Protocol (MCP)，Boris 让 Claude 连接到了 IDE 之外的世界。

他展示了 AI 如何直接读取 Slack 中的讨论记录来理解需求背景，或者直接查询 BigQuery 数据库来验证业务逻辑，甚至连接 Sentry 查看线上的实时报错日志。

### 🧠 技术视点：打破 IDE 的“数据孤岛”

> 当 AI 开始感知业务数据时，它才真正成为了“全栈”。

这预示着 **AIOps** 的到来——AI 不再仅仅处理代码文本，而是能够感知线上状态、用户反馈和业务数据。它正在从一个“编码工具”进化为一个能够感知上下文的“业务伙伴”。

------

## 12. 长任务管理 (Ralph Wiggum)

### 🎥 Boris 的实战现场

对于那些极度耗时的任务（如全项目大规模重构、运行数小时的回归测试），Boris 使用了一个被称为 "Ralph Wiggum" 的后台挂机插件。

他将任务扔给这个后台进程，配置好“完成强提醒”，然后就去处理其他事情，甚至睡觉。在这些隔离环境中，他给予 AI 更高的自主权。

### 🧠 技术视点：异步生产力的解放

> 人类的时间是线性的，但算力是可以并发的。

通过将长耗时任务剥离给后台 AI，工程师实现了**算力与人力的解耦**。你不再需要盯着进度条发呆，这是对人类注意力的极致保护。

------

## 13. 反馈闭环 (Feedback Loop)

### 🎥 Boris 的实战现场

这是 Boris 演示中最精彩的部分：赋予 AI 眼睛。

当 AI 修改了前端代码后，它会自动启动一个浏览器实例，像真实用户一样点击按钮、输入表单、截图并分析控制台报错。如果发现页面崩溃或报错，AI 会根据错误信息自动修正代码，直到通过验证。

### 🧠 技术视点：从“开环”到“闭环”

> 这不仅仅是自动化测试，这是“自主纠错”。

目前的 AI 编程多是“开环”的（AI 写完 -> 人去测 -> 人反馈）。Boris 构建的是**闭环系统**（AI 写 -> AI 测 -> AI 改）。只要有了可靠的反馈机制（视觉验证、测试套件），AI 就能在不断的试错中收敛到正确结果，这才是 AI 能够独立完成任务的关键。

------

## 14. claude Code Skills 进阶实践

### 🚀 超越脚本的终极形态

Boris 展示了如何用 Slash Commands 和 MCP 连接工具，但这依然是零散的。通过研究 Anthropic 最新的官方规范，我们发现 Claude Code 真正的杀手锏其实是：**Agent Skills（代理技能架构）**。

这不是简单的写个脚本，而是定义了一种**标准化的能力封装协议**。如果说 `CLAUDE.md` 是公司的“宪法”，那么 Agent Skills 就是 Claude 的“岗位技能手册”。

### 🛠️ 我们的实践：构建标准化的 Skill 目录

我们不应满足于散落在各处的 Prompt，而应按照官方规范，构建可复用的 **Skill 文件夹**结构：

#### 1. 采用“三位一体”的目录结构

一个标准的 Skill 不是一个文件，而是一个目录：

- **`SKILL.md` (大脑)**：核心指令文件。包含 YAML Frontmatter（元数据）定义 `name` 和 `description`，以及 Markdown 格式的操作指南。这是 Claude 唯一“必读”的部分。
- **`scripts/` (肢体)**：存放 Python/Bash 脚本。用于处理需要精确执行、容错率低的逻辑（如数据清洗、格式转换）。这比让 LLM 自己写代码执行要稳定得多。
- **`references/` (海马体)**：存放 PDF 规范、API 文档或模版。这些是 AI 按需查阅的知识库。

#### 2. 利用“渐进式披露”机制 (Progressive Disclosure)

这是该架构最精妙的技术设计，旨在解决上下文窗口（Context Window）的限制：

- **静默态**：Claude 启动时，只加载所有 Skills 的 `name` 和 `description`（约 100 tokens），极度节省资源。
- **激活态**：只有当 Claude 判定当前任务需要该技能时（例如你提到“处理这个 PDF”），它才会动态加载该技能完整的 `SKILL.md` 指令。
- **执行态**：只有在真正执行细节时，才会去读取 `scripts/` 或 `references/` 中的具体文件。

#### 3. 设定“自由度” (Degrees of Freedom)

我们在编写 `SKILL.md` 时遵循“窄桥原则”：

- **低自由度**：对于发布生产环境的操作，我们提供固死的 `scripts/`，不给 AI 自由发挥的空间，确保 100% 的一致性。
- **高自由度**：对于“代码优化建议”类技能，我们只提供 Markdown 文本指导，让 Claude 发挥它的创造力。

### 🧠 技术视点：AI 的“Docker 化”时刻

Agent Skills 的出现意味着 **AI 能力的标准化和模块化**。

- **可移植性**：你可以把一个写好的 `data-analysis` Skill 文件夹打包发给同事，他的 Claude 瞬间就学会了如何分析公司特有的数据格式，无需任何 Prompt 调试。
- **程序性记忆**：以前我们通过 RAG 给 AI **陈述性记忆**（知识），现在我们通过 Skills 给 AI **程序性记忆**（方法）。

------

**结语**

Boris Cherny 的 13 步工作流，配合最新的 Agent Skills 架构，本质上是将程序员从**代码的实现者**，升级为了**代码生产系统的设计者与监督者**。

拒绝“聊天式”编程 - 深度解析 Claude Code 之父的系统化开发流

Anthropic Claude Code Skills 深度解析


> **导语**
> 英伟达 AI 团队近日再度突破界限，推出开放视觉行动基础模型 NitroGen。该模型通过学习 40,000 小时的海量视频数据，无需代码介入即可掌握游戏操控逻辑，为通用游戏智能体的构建提供了全新的技术范式。

## 视频即数据 重新定义游戏AI训练逻辑

传统游戏 AI 的训练往往依赖于对游戏内部接口的深度挖掘或定制化开发，而 NitroGen 走了一条更为通用的 "人类视角" 路线。该模型的核心构建始于对公开游戏视频的深度挖掘。

研究团队构建了一个庞大的数据管道，收集了总计 71,000 小时的原始视频素材。经过严格的质量过滤，最终提炼出 40,000 小时的精选数据。这些数据涵盖了 818 位创作者上传的 38,739 个视频，跨越了 846 款截然不同的游戏。数据分布显示，动作角色扮演类游戏（ARPG）占据主导地位，占比达 34.9%，其次是平台跳跃类（18.4%）和动作冒险类（9.2%）。这种多样化的数据构成，为模型理解复杂的 3D 空间关系和操作逻辑奠定了基础。

![Google_AI_Studio_2025-12-29T03_18_39.132Z.png](https://static.downly.cn/images/ff17838482696f5dbdf98f93f0b067bd.png)
 <center>图源备注：图片由AI生成</center>

## 三阶段提取 并不是简单的模仿

NitroGen 并非简单地 "看" 视频，而是通过一套精密的三阶段提取流程来 "理解" 操作。

首先，系统利用 300 个标准化的控制器模板，在视频画面中精准定位游戏手柄的 UI 叠加层。随后，基于 SegFormer 的分类分割模型会对这一区域进行深度解析，将视觉信号转化为具体的按键指令。最后，通过坐标精细化处理，确保动作预测的毫秒级准确性。这一流程让 NitroGen 具备了大规模行为克隆的能力，使其能够像人类玩家一样，仅凭画面反馈做出决策。

此外，随模型发布的还有一个通用模拟器。它能将商业 Windows 游戏无缝封装为兼容 Gymnasium 的接口，实现逐帧互动而无需修改任何底层代码，极大地降低了跨游戏策略迁移的门槛。

![Google_AI_Studio_2025-12-29T03_18_52.433Z.png](https://static.downly.cn/images/44511532641526f940446290039dc39d.png)
 <center>图源备注：图片由AI生成</center>

## 扩散架构驱动 性能与迁移能力的双重飞跃

在架构层面，NitroGen 采用了基于 Diffusion Transformer 的先进策略，专门针对 256×256 分辨率的 RGB 图像进行优化。这种架构选择使得模型在生成动作策略时具备了极高的鲁棒性。

实测数据显示，NitroGen 在多个零样本（Zero-shot）评估任务中表现优异，任务完成率稳定在 45% 至 60% 之间。更令人瞩目的是其迁移学习能力：当应用于一款从未见过的全新游戏时，经过预训练的 NitroGen 相较于从头开始训练的模型，性能提升幅度高达 52%。这证明了该模型不仅记忆了操作，更习得了通用的游戏交互逻辑。

英伟达发布NitroGen 视觉大模型开启游戏AI新纪元

> 在现代前端开发中，设计师与开发者之间的协作一直存在挑战。设计师创建精美的原型，开发者需要将其转化为代码，这个过程往往充满摩擦和误解。Onlook的出现，为这个痛点提供了创新解决方案——一个真正的"设计师的Cursor"，让可视化编程成为现实。

Onlook是一个开源的可视化代码编辑器，专为React生态系统设计。它允许开发者和设计师通过直观的可视化界面来构建、编辑和优化React应用程序，同时保持代码的完整性和可维护性。

![Onlook界面展示](https://static.downly.cn/images/image-20250602213811159.png)

## 1. 核心特性

### 🎨 可视化编程体验
- **类Figma界面设计**：熟悉的设计工具体验
- **实时预览编辑**：所见即所得的开发模式
- **拖拽式布局**：直观的组件排列方式

### 🚀 AI驱动开发
- **自然语言编程**：通过对话生成和修改代码
- **智能代码优化**：自动提供最佳实践建议
- **多模态输入**：支持文本、图像快速创建应用

### ⚡ 无缝代码集成
- **深度框架支持**：专为Next.js + TailwindCSS优化
- **实时双向同步**：可视化编辑与代码变更同步
- **精准代码定位**：右键直接跳转到对应代码行

### 🌸 增强功能特性
Onlook的AI功能超越了简单的代码生成，提供真正的智能编程助手：

- **上下文理解**：深度分析项目结构和代码逻辑
- **智能建议**：基于最佳实践的编辑建议
- **复杂组件生成**：从描述创建完整的功能组件
- **代码结构优化**：自动重构和性能优化
- **编辑器集成**：支持VSCode、Cursor、WindSurf、Zed等主流编辑器
- **样式精确控制**：可视化查看和编辑CSS样式细节

**示例 - Onlook编辑器配置：**

![编辑器配置界面](https://static.downly.cn/images/image-20250602224311389.png)

## 2. 技术架构深度解析

### 2.1 创新架构设计

Onlook采用了独特的三层架构，巧妙解决了可视化编辑与代码同步的技术难题：

```bash
┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   Web Container │────│   Editor Core    │────│   Visual UI     │
│   (Code Runner) │    │   (Code Index)   │    │   (iFrame)      │
└─────────────────┘    └──────────────────┘    └─────────────────┘
```

**核心工作流程：**

1. **代码加载**：项目代码导入Web容器环境
2. **服务启动**：容器运行并提供实时预览服务
3. **界面渲染**：编辑器通过iFrame展示应用界面
4. **结构索引**：实时解析和索引代码结构
5. **元素映射**：建立DOM元素与源码的精确对应关系
6. **双向同步**：编辑操作同时更新界面显示和源代码

### 2.2 技术栈选型

**前端技术栈：**
- **Next.js**：提供SSR和优秀的开发体验
- **TailwindCSS**：原子化CSS，便于可视化编辑
- **React**：组件化架构，便于元素映射操作

**后端服务：**
- **Supabase**：提供数据库和身份认证服务
- **Drizzle**：类型安全的现代ORM解决方案

**开发工具：**
- **Bun**：高性能JavaScript运行时和包管理器
- **Electron**：跨平台桌面应用框架

## 3. 核心功能深度体验

### 3.1 智能图层管理系统

图层系统提供了专业设计工具级别的层级管理能力：

- **清晰的组件层级结构**：树形展示页面组件关系
- **快速元素定位**：点击图层直接选中对应元素
- **组件关系可视化**：直观理解组件间的嵌套关系

![图层管理界面](https://static.downly.cn/images/image-20250602231246322.png)

选择页面中的任意元素，在右侧"样式"面板中可以查看该组件的详细样式属性：

![样式面板展示](https://static.downly.cn/images/image-20250602220920393.png)

### 3.2 响应式设计编辑

响应式编辑功能为开发者提供了强大的多端适配能力：

- **实时视口调整**：动态改变预览窗口尺寸
- **多端同步测试**：同时查看不同屏幕尺寸效果
- **可视化响应式编辑**：直观调整断点样式

**示例 - PC端与移动端同步渲染：**

![响应式编辑界面](https://static.downly.cn/images/image-20250602221044151.png)

**示例 - 可视化优化响应式布局：**

![响应式优化过程](https://static.downly.cn/images/image-20250602225534683.png)

> ⚠️ **注意**：通过拖拽方式修改元素尺寸时，生成的固定宽高代码可能会破坏原有的响应式布局设计。

### 3.3 AI自然语言编程

这是Onlook最具创新性的功能之一。选中任意页面元素后，即可通过自然语言描述来修改和优化组件：

![AI编程界面](https://static.downly.cn/images/image-20250602233315572.png)

> 💡 **体验提示**：目前AI功能的响应速度和准确性还有提升空间，建议作为辅助工具使用。

### 3.4 版本历史管理

Onlook提供了类似Cursor、WindSurf的版本回退功能：

- **对话版本控制**：每次AI对话自动生成Git提交
- **一键回退**：点击"Revert"即可撤销对话修改
- **完整历史记录**：保留所有编辑操作的历史轨迹

![版本管理界面](https://static.downly.cn/images/image-20250602231355170.png)

> ⚠️ **潜在问题**：
> 1. **提交记录污染**：会在Git历史中产生大量自动提交记录
> 2. **代码侵入性修改**：首次使用时会修改所有TSX文件，添加`data-oid`属性用于元素映射

![Git提交记录](https://static.downly.cn/images/image-20250602223840594-1748878604348-10.png)

![代码修改示例](https://static.downly.cn/images/image-20250602225832150.png)

## 4. 使用场景与建议

### 4.1 最佳适用场景

**推荐使用场景：**
- **快速原型开发**：验证设计想法和用户体验
- **UI组件库构建**：可视化创建和调试组件
- **设计系统实现**：将设计规范转化为代码
- **教学和学习**：帮助初学者理解前端开发
- **中小型项目**：非关键业务的快速开发
- **辅助编程工具**：配合Cursor、WindSurf等提高效率

### 4.2 使用注意事项

**限制与挑战：**
- **复杂业务逻辑**：仍需传统编程方式实现
- **团队协作适应**：需要调整现有工作流程
- **代码审查流程**：需要适配自动生成代码的审查机制
- **项目代码侵入**：会修改现有代码结构，建议在独立分支测试

### 4.3 最佳实践建议

1. **项目隔离**：在独立分支或测试项目中尝试
2. **渐进式采用**：从简单组件开始，逐步扩展使用范围
3. **代码审查**：对AI生成的代码进行人工审查和优化
4. **版本控制**：合理管理Git提交历史，定期清理无用提交

## 5. 技术前景与发展趋势

### 5.1 产品成熟度评估

**当前优势：**
- 创新的可视化编程理念
- 开源透明的发展模式
- 活跃的社区参与度
- 与主流技术栈的深度集成

**待改进方面：**
- AI功能的准确性和响应速度
- 代码生成质量的一致性
- 对现有项目的侵入性
- 复杂场景的支持能力

### 5.2 行业影响与意义

Onlook代表了前端开发工具演进的重要方向：

- **降低开发门槛**：让更多人参与前端开发
- **提升开发效率**：减少重复性的UI编码工作
- **促进协作**：缩短设计到开发的转化周期
- **推动创新**：探索AI与传统开发的结合方式

## 6. 结语

从实际体验来看，Onlook目前仍处于发展阶段，但其探索方向极具前瞻性。作为一个开源项目，它不仅仅是一个开发工具，更代表了前端可视化开发的重要探索。

通过将可视化设计与代码编写无缝结合，Onlook为开发者提供了全新的创作体验。随着技术的不断完善和社区的持续贡献，它有望成为前端开发生态中的重要组成部分。

设计师的Cursor - 开源Onlook可视化编程实战

> 随着人工智能在视觉生成领域的飞速发展，人物风格迁移技术正迎来新的突破。近日，一项名为 OmniConsistency 的创新研究成果引起了广泛关注。这项技术旨在实现媲美甚至超越现有顶尖模型（如某些人眼中具备“GPT-4O 级”多模态能力的模型）的人物风格迁移效果，尤其是在保持跨图像和跨帧的一致性方面展现出非凡潜力。这不仅仅是技术的又一次迭代，更预示着在逼真、流畅且高度可控的数字人物创作领域，即将开启一个全新的时代。

在数字内容创作领域，将一个人物的风格（包括外观细节、表情、动作等）精确地迁移到另一张图片或一段视频上，同时保持高度的逼真度和一致性，一直是研究的难点。传统的风格迁移方法往往在处理复杂人物、动态场景或需要跨多张图像保持一致风格时力不从心，容易出现细节丢失、风格不连贯或“鬼影”等问题。

![image.png](https://static.downly.cn/images/20250529031154.092702304.png)

OmniConsistency 的出现，正是为了解决这些痛点。根据相关研究资料（https://arxiv.org/abs/2505.18445），OmniConsistency 的核心创新在于其对“一致性”的极致追求。它不仅仅关注单张图像的风格迁移效果，更强调在连续帧或多视角图像中，被迁移风格的人物能够始终保持高度的视觉一致性和身份特征。这种对一致性的强大控制能力，正是其被称为具备“GPT-4O 级”潜力的人物风格迁移模型的关键所在——就像 GPT-4O 在多模态交互中展现出的流畅性和连贯性一样，OmniConsistency 旨在让人物风格迁移在复杂场景中同样实现自然、逼真且高度可控的效果。

## 技术深度解析 “一致性”是核心

OmniConsistency 的技术突破，主要体现在其独特的设计理念和算法实现上。虽然具体的细节需要深入研究其代码和论文，但可以推测其核心可能围绕以下几个方面构建

*   **跨图像一致性建模** OmniConsistency 可能采用了先进的特征表示和匹配技术，使得模型能够精确地捕捉到人物的关键风格特征（如面部细节、服装纹理、身体形态等），并在不同的图像或帧中稳定地重现这些特征。
*   **时间一致性保持** 在处理视频或连续图像时，保持时间上的一致性至关重要。 OmniConsistency 可能引入了时序建模或帧间约束，确保人物风格在连续帧之间平滑过渡，避免闪烁或突变现象。
*   **多模态融合与控制** 虽然主要聚焦视觉风格，但优秀的人物风格迁移往往需要结合人物的动作、表情等信息。 OmniConsistency 可能具备一定的多模态融合能力，允许用户更精细地控制风格迁移的效果。
*   **生成与优化的协同** 模型可能采用了生成对抗网络（GAN）、扩散模型或其他先进的生成技术，并结合精心设计的损失函数和优化策略，以同时保证生成图像的逼真度和风格迁移的准确性与一致性。

![image.png](https://static.downly.cn/images/20250529031416.746300786.png)

这些技术创新使得 OmniConsistency 在处理复杂的人物风格迁移任务时，能够展现出超越传统方法的卓越性能，为实现“GPT-4O 级”的逼真效果奠定了基础。

## 潜在应用场景 开启内容创作新可能

OmniConsistency 带来的强大人物风格迁移能力，将在多个领域带来革命性的影响

*   **影视与动画制作** 可以大幅降低人物换装、特效化妆或角色风格统一的工作量，实现更高效、更逼真的视觉效果。
*   **游戏开发** 快速生成具有特定风格的游戏角色，或在游戏过程中动态改变角色外观，增强游戏体验。
*   **虚拟现实与增强现实** 创建高度个性化、逼真的虚拟形象，并实现跨平台、跨场景的风格一致性。
*   **社交媒体与个性化内容** 用户可以轻松地将自己喜欢的风格应用到照片或视频中的人物上，创造更具创意和个性化的内容。
*   **数字人与虚拟主播** 快速生成具备不同风格和形象的数字人，满足直播、营销、教育等多种需求。

![image.png](https://static.downly.cn/images/20250529031935.685598915.png)

想象一下，借助 OmniConsistency，你可以轻松地将一个人物的复古造型风格迁移到现代场景中，或者让一个角色的卡通风格在不同动画片段中保持完美一致，而这一切都将以前所未有的便捷和逼真度实现。

## 未来展望 迈向更真实的数字世界

OmniConsistency 的出现，标志着人物风格迁移技术正在迈向一个全新的高度。它所展现出的对“一致性”的强大控制力，预示着我们正在加速迈向一个能够更真实、更流畅地操控数字人物外观和风格的未来。

虽然要真正达到“GPT-4O 级”的通用性和多模态能力，可能还需要更多的研究和突破，但 OmniConsistency 无疑已经为这一目标的实现铺平了道路。我们期待这项技术能够在开源社区或商业应用中得到进一步发展和普及，为全球的内容创作者和技术开发者带来更多可能性，共同构建一个更加生动、逼真的数字世界。



搜索结果: 深度解析