摘要 这段视频教程介绍了一套从零搭建 AI 自动化工作流的方法，核心是 Skill + Agent 双層结构： Skill：AI 的标准操作手册，将人类的经验和流程固化为可执行的步骤（例如「内容审查 Skill」定义了用 Claude 和 Gemini 交叉检查的逻辑）。 Agent：有明确职责的 AI 团队成员，可以装备一个或多个 Skill，按顺序执行任务（例如「发布运营 Agent」先调用审查 Skill，再调用微信发布 Skill）。 作者强调核心理念：先定流程，再配人。不要直接给 AI 一个模糊目标让它自己乱跑，而是先自己把业务流程跑通、写下来（成为 Skill），再建立 Agent 来执行。 演示了两个具体 Skill： 内容审查 Skill：用 Claude（逻辑/结构）和 Gemini（事实/风格）双模型交叉检查，避免单一模型的系统性盲区。 微信发布 Skill：通过 MCP 协议调用 Make 平台的工作流，自动将 Markdown 文章发布到微信公众号。 然后创建了两个 Agent： Publisher Agent：串联两个 Skill，实现「审查 → 发布」全自动。 Social Voice Agent：不装备 Skill，仅靠系统提示词将长内容转成推文。 最终，作者用同样方法搭建了 12 个 Agent（「可家族」），实现从信息筛选、内容策划、视频制作到多平台发布的完整自动化。 评论 优点 理念扎实，避免常见误区 现在很多 AI Agent 教程鼓励「给个目标就放手」，结果往往是混乱和低质量输出。作者明确提出「先流程再 Agent」，把人的经验固化为 Skill 再交给 AI 执行——这是工程化思维，也是真正能落地的做法。 双模型审查设计巧妙 用不同模型从不同维度交叉检查，比让一个模型同时扮演多个角色更可靠，能有效减少「自己审自己」的盲区。这个思路可以推广到任何需要质量把关的场景。 MCP 打通外部工具 通过 MCP 让 AI 直接调用 Make、微信公众号等外部平台，AI 从「只会说」进化到「会做」，大幅扩展了应用边界。 演示完整，可复制性强 从初始化项目、安装 Skill Creator、编写标准文档、创建 Skill、配置 Agent 到测试，每一步都有具体指令和截图，观众可以跟着做一遍就上手。 强调迭代与个人化 作者反复强调「你的标准跟我不一样，关键是把自己的标准写下来」，避免生搬硬套，鼓励每个人根据自身需求定制。 不足 / 需要注意的地方 技术门槛仍然存在 虽然声称「不用写代码」，但配置 MCP、Make 场景、使用终端命令等对非技术用户仍有难度。尤其是 MCP 的连接和调试，容易卡住。 Token 成本未详细讨论 每次调用双模型审查都会消耗 API 额度，长期高频使用成本可观。视频中提到但未给出成本估算或省钱技巧。 Agent 的「自主性」有限 实际演示中，Agent 严格按 Skill 定义的顺序执行，本质是「确定性工作流」而非真正的智能体决策。对于需要动态判断的复杂任务（例如「判断这篇文章值不值得发」），目前的 Skill 还很难覆盖。 MCP 稳定性依赖第三方 使用 Make 作为 MCP 桥梁，稳定性取决于 Make 服务的可用性和网络环境。一旦断线，整个发布流程就会失败，需要额外监控和重试机制。 整体评价 如果你能搭一个 AI 团队，帮你完成从信息筛选、内容审查到多平台发布的全流程，你会怎么用它？今天我就带你从零搭建这样一套系统。 前言：一个每周都在跑的自动化工作流 这是我现在每周都在使用的一个真实工作流。今天的视频，我会带你从零搭建这一整套系统的起点。 第 1 章｜今天搭什么：Skill + Agent 我会带你搭建两样东西： Skill：你可以把它理解成我们写给 AI 的标准操作手册。它定义了 AI 该怎么做某件事。 Agent：有明确职责的 AI 团队成员。它知道什么时候该用什么样的 Skill。 搭完之后，我会展示用同样方法搭建的完整系统跑起来的效果。 如果你不懂编程，不用担心——我们全程在 Cursor 里面用 Claude Code 操作，不需要写代码，也不需要用终端命令行（除了少数几个必要步骤）。 第 2 章｜准备工作：Claude Code 与项目结构 安装 Claude Code（在 Cursor 中） 在 Cursor 的扩展商店搜索 Claude Code，安装 Anthropic 官方版本，然后用你的 Claude 账号登录即可。 项目文件夹结构 我准备了一个叫 My AI Team 的项目文件夹： M ├ ├ ├ ├ └ y ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ A I C T A S A o e r k g T n m t i e e t p i l n a e l c l t m x a l s s / t t e / / e # # # # # 基 模 待 会 会 础 板 处 由 由 资 理 料 的 A A （ 文 I I 写 章 作 自 自 风 动 动 格 生 生 、 成 成 审 查 标 准 、 发 布 规 范 ） 初始化：创建 CLAUDE.md 在 Claude Code 对话框中输入 /init，它会读取 Context 文件夹里的文档，自动创建 CLAUDE.md——这是给 AI 团队的「入职手册」，每次新会话都会读取。 安装官方 Skill Creator 输入 plugin，添加 Anthropic 的官方 Skills 仓库，然后搜索安装 Skill Creator。这是帮你创建和优化 Skill 的核心工具。安装后需要 restart 生效。 第 3 章｜搭建 Skill 1：内容审查（双模型交叉检查） 为什么用两个不同的模型？ 同一个模型审查自己的输出会存在系统性的盲区。用两个不同模型（Claude + Gemini）进行交叉检查，能发现更多问题。 准备审查标准 在 Context 文件夹里准备好审查标准文档，包含你的审查维度： 逻辑是否自洽 事实是否可验证 语气是否一致 AI 味道是否太浓 等等 关键是：把你脑子里的审查标准写下来，让 AI 有章可循。 让 Claude 创建 Skill 在对话框中输入： 根据 context/review_standard.md 的审查标准，帮我创建一个 Claude Code Skill，叫 content review。 功能：接收一篇文章，先用 Claude 从逻辑和结构的维度审查，再用 Gemini（通过 Gemini CLI）从事实准确性和风格一致性维度审查，汇总两边的发现，输出一份审查报告。 把 Skill 创建在 skills/content_review 目录下。 Claude 会调用 Skill Creator 自动生成 SKILL.md 文件，完整定义了触发条件、输入输出格式、审查流程。 测试效果 用一篇示例文章测试： Claude 指出结构问题（比喻矛盾、结尾缺乏可执行的 takeaway） Gemini 指出内容问题（泛化断言没有来源、表述过于绝对、术语不规范） 两个模型的发现完全不同，覆盖面比单模型全面很多。 作者还开源了一个全功能的多模型辩论 Skill：AI Pair（在 GitHub 上）。 第 4 章｜搭建 Skill 2：微信发布（通过 MCP 调用外部工具） 这个 Skill 不只是让 AI 处理文本，而是让 AI 直接操控外部平台——这就需要用到 MCP 协议（AI 与外部工具的桥梁）。 配置 MCP 连接 作者已经配置好了 Make 平台的 MCP 服务。通过 MCP，AI 可以直接调用 Make 上搭建好的微信公众号发布工作流，不需要手动去 Make 里点击运行。 创建 Skill 在对话框中输入： 帮我创建一个 Skill，叫 WeChat Publish。 功能：接收一篇 Markdown 格式的定稿文章，通过 MCP 调用 Make 的微信公众号发布 Scenario，自动完成发布。 把 Skill 创建在 skills/WeChat_publish 目录下。 生成后，这个 Skill 的流程是：读取文章 → 校验元数据 → 用户确认 → 调用 MCP → 报告结果。 现在我们已经有了两个 Skill。 第 5 章｜核心理念：先定流程，再配人 为什么先搭 Skill，再搭 Agent？ 你可以把这个过程想象成开公司： 你不会拿到一笔钱就直接招一个 CEO，然后说「目标是一年赚一百万，你看着办」。 正常的做法是：作为创始人，你先自己把业务流程跑通。哪些环节需要判断？哪些是纯执行？标准是什么？这些搞清楚后写下来——这就是 Skill。 然后你才去招人——这就是 Agent。Agent 按照 Skill 来工作，有标准可循，干完后还能根据反馈更新 Skill。 先定流程，再配人——这个顺序不能搞反。 现在很多人用 AI Agent 的方式，就是直接建一个 Agent 告诉它目标，让它自己去搞——结果就是混乱、不可控、产出质量堪忧。 第 6 章｜搭建 Agent 1：发布运营（装备两个 Skill） Skill 是操作手册，Agent 是拿着手册干活的人。一个 Agent 可以装备多个 Skill。 在终端中创建 Agent 在项目终端输入 agents 命令，选择「创建新的 Agent」→「手动配置」。 名称：publisher 系统提示词：你是发布运营 Agent，负责内容从定稿到发布的完整流程。核心工作流：先用 content review 做质量审查，审查通过后用 WeChat Publish 发布到微信公众号。 触发条件：当用户提到「发布」「发公众号」「推送文章」等关键词时触发。 工具权限：建议只给需要的工具，不要给太多不必要的权限。 模型：Sonnet 颜色：绿色 手动添加 Skill 绑定 创建完成后，在 .claude/agents/publisher.md 文件中，需要手动加上两行： skills: - content_review - wechat_publish 并且确保文件名和 agent 名称一致。 测试 输入：「帮我把这篇 Newsletter 草稿发布到微信公众号」。 Agent 自动： 调用 content review 完成审查 调用 WeChat Publish 通过 MCP 推送到微信公众号草稿箱 返回审查结果（四维全部通过）和发布状态 登录公众号后台，草稿箱里已经出现了文章——整个流程跑通。 第 7 章｜搭建 Agent 2：社交互动（不装备 Skill） 不是所有 Agent 都需要 Skill。简单的任务用 Claude 的基础能力就够了。 创建 同样用 agents 命令，手动创建： 名称：demo_social_voice 系统提示词：你是社交互动 Agent，负责把长内容转换成适合传播的短内容（如推文）。 触发条件：当用户说「写条推文」「帮我发个推」「把这篇转成推文」时触发。 工具：默认全部（可精简） 模型：Sonnet 颜色：黄色 测试 输入：「把这篇 Newsletter 草稿生成一条推文」。 Agent 直接输出推文内容，不需要任何 Skill。 第 8 章｜从 2 个到 12 个：可家族体系 用同样的方法，你可以继续搭建更多 Skill 和 Agent： 内容策划 Agent：装备选题分析和脚本创作的 Skill 视觉设计 Agent：装备配图和封面图的 Skill 信息筛选 Agent：装备 RSS 抓取和重要性判断的 Skill 多平台发布 Agent：装备微信公众号、知乎、小红书等不同平台的 Skill 作者用这个方法搭建了 12 个 Agent，起名叫「可家族」。每个 Agent 有自己的职责、自己的 Skill、明确的协作规则。 完整系统跑起来的效果 一条命令启动 Agent → 自动筛选本周 AI 重点新闻 → 到知识库查作者之前的观点 → 按格式写完整 Newsletter → 自动配图 → 通过 MCP 一键发布到微信公众号。 整个过程，中间只介入了一次。 第 9 章｜这本书写的就是背后的完整路径 作者新出了一本书《重构个体：AI 时代如何打造个人竞争力》（电子工业出版社出版）。 今天学的是操作层面（搭 Skill 和 Agent），但要搭一个真正有效的系统，光会操作不够。你需要： 心智：判断工作流哪里该用 AI、哪里不该用 架构：设计系统蓝图，让系统能随工具变化灵活替换 提示词：跟 AI 精准沟通，让输出稳定可靠 系统：把以上能力组装成真正能跑起来的系统 这四件事，就是书里写的完整路径。买书后还可以领取 26 条提示词模板和一套自动化工作流模板。 我的评价与看法 1. 核心理念非常扎实：先流程，再 Agent 这是整个视频最有价值的地方。现在很多人被各种 Agent 框架（AutoGPT、BabyAGI 等）带偏了，以为只要给 AI 一个目标，它就能自己搞定一切。但现实是，没有明确流程和边界的 Agent，产出质量极其不稳定。 作者的类比——「先自己把业务流程跑通，写成 Skill，再配 Agent」——完美地指出了正确的工作方式。Skill 就是你的经验固化，Agent 就是你的执行放大。 2. 双模型审查的设计很聪明 用 Claude 看逻辑结构，用 Gemini 看事实风格，让两个模型从不同维度交叉验证。这比让一个模型同时扮演多个角色要可靠得多，因为避免了「自己审查自己」的系统性盲区。 如果你没有 Gemini CLI，也可以用 OpenAI 或其他模型替代。核心思路是：多视角 + 分工明确 = 更全面的结果。 3. MCP 让 AI 真正「动手做事」 通过 MCP 调用 Make 的工作流，AI 不再只是输出文本，而是能直接操作外部平台（公众号、社交媒体、数据库等）。这是 AI Agent 从「大脑」进化到「手脚」的关键一步。 不过，配置 MCP 和 Make 场景需要一定的技术门槛（虽然不是写代码）。对于非技术用户，这可能是一个阻碍。但如果你愿意花一两个小时学习，回报非常可观。 4. 这套方法适合谁？ 内容创作者：每周需要筛选信息、写 Newsletter、多平台发布的人 小团队/一人公司：没有专门运营、编辑、设计人员，想用 AI 替代 任何有重复性工作流程的人：你可以把任何一套「判断 + 执行」的流程固化成 Skill 5. 需要注意的几个问题 Token 成本：每次调用双模型审查都会消耗 API 额度，长期使用需要预算。 MCP 的稳定性：Make 的 MCP 连接偶尔会断线，需要监控和重试机制。 审查标准需要持续迭代：你的「好内容」的标准会变，Skill 也需要定期更新。 不是「全自动」：作者也提到，完整系统跑下来中间介入了一次。完全放手不管还不现实。 6. 整体评价 这是一套非常务实、可落地的 AI 工作流搭建方法。它不像很多 AI 教程那样只讲概念，而是从「你先想清楚流程」开始，一步步教你怎么写标准、怎么建 Skill、怎么配 Agent。 最大的亮点是 「先流程再 Agent」的理念——这是目前 AI Agent 领域最被忽视、却最重要的一条原则。 如果你愿意花一个下午跟着做一遍，你就能拥有一个属于自己的 AI 内容团队。从筛选信息到发布，全部自动化。 你会用这套方法搭一个什么样的 AI 团队？