惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

U
Unit 42
C
Cybersecurity and Infrastructure Security Agency CISA
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
Know Your Adversary
Know Your Adversary
S
Securelist
I
Intezer
AWS News Blog
AWS News Blog
L
LINUX DO - 热门话题
P
Privacy International News Feed
Recent Announcements
Recent Announcements
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
博客园 - 聂微东
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Attack and Defense Labs
Attack and Defense Labs
N
News and Events Feed by Topic
The GitHub Blog
The GitHub Blog
C
Cyber Attacks, Cyber Crime and Cyber Security
Schneier on Security
Schneier on Security
N
Netflix TechBlog - Medium
爱范儿
爱范儿
B
Blog
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
C
CERT Recently Published Vulnerability Notes
Hacker News: Ask HN
Hacker News: Ask HN
Google DeepMind News
Google DeepMind News
Engineering at Meta
Engineering at Meta
Blog — PlanetScale
Blog — PlanetScale
WordPress大学
WordPress大学
S
Secure Thoughts
K
Kaspersky official blog
N
News | PayPal Newsroom
O
OpenAI News
Last Week in AI
Last Week in AI
C
Check Point Blog
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Cyberwarzone
Cyberwarzone
Application and Cybersecurity Blog
Application and Cybersecurity Blog
T
Tor Project blog
大猫的无限游戏
大猫的无限游戏
Vercel News
Vercel News
D
Docker
Hugging Face - Blog
Hugging Face - Blog
T
Threat Research - Cisco Blogs
Cisco Talos Blog
Cisco Talos Blog
The Register - Security
The Register - Security
博客园 - 司徒正美
Martin Fowler
Martin Fowler
人人都是产品经理
人人都是产品经理
P
Palo Alto Networks Blog

宝玉的分享

“母病速归”式 AI:号称省 65% Token,实测只有 8.5% 一文看懂ChatGPT、Codex、Work 的差别 从零开始玩转循环 (Getting started with loops) 为啥 Codex 还不推出类似 Codex Design 的产品? DeepSeek 的 10 万亿美元大战略 来自 Codex 官方团队的分享:如何把 Codex 用到极致 为什么我不“凭感觉编程” 创始人手册:打造 AI 原生初创公司 Forward Deployed Engineer:AI 时代的新宠岗位,到底干什么? AI 时代到底该怎么管一个工程团队 为什么资深开发者讲不清自己的专业能力 Codex 的野心,MCP 和 Skill 的下一步 裁员潮将持续,直到我们学会发掘 AI 的商业价值 机器人的终局:英伟达 Jim Fan 宣告 VLA 时代结束,WAM 登场 深度拆解:AI Agent Harness 的构造 使用 Claude Code:HTML 难以置信的奇效 Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话:Claude 为什么一直限速? Boris Cherny:Claude Code 之后,写代码正在变成“管理 Agent” 大多数公司根本没有为 AI 做好准备 Demis Hassabis:AGI 还缺什么,智能体到底行不行,下一个科学突破长什么样 深度拆解 Hermes Agent 的记忆系统:它如何修正 OpenClaw 的误区 Karpathy 最新访谈:Vibe Coding 只是开始,真正重要的是 Agentic Engineering AI 的经济账根本算不通 为 Agent 设计产品 Cat Wu 面试了几百个 PM 候选人,几乎没人答对一个问题:AI 产品经理到底应该干什么? 两小时激辩:黄仁勋为什么不怕 TPU、不怕华为、不怕出口管制? 设计圈的 Claude Code 时刻来了 使用 Claude Code:会话管理与 100 万 上下文 Vibe Coding 是中年男人的钓鱼 为什么你的"AI 优先"战略可能大错特错? “多智能体协作指南:五种主流模式怎么选、怎么用?” 访谈|Codex 团队如何用自己的产品构建产品——整个 Spec 只有 10 个要点 Claude Code 省 Token 指南:慎用 1M 上下文,不开新会话或者总是开新会话都不对 编程智能体的核心组件【译】 Claude Code 源码泄漏了,但我不打算写源码分析分析文章 OpenAI 总裁 Greg Brockman:AI 自我改进、Super App 豪赌、通往 AGI 之路、算力扩张 Notion 联合创始人 Simon Last:我从去年夏天起就没写过一行代码了 飞书 CLI 开源了,为什么 AI Agent 时代,大家都在做命令行工具? 在中国 AI 生态圈摸底了两周,我学到了什么 AI 发展太快跟不上?一张四象限图帮你做减法 被美国遣返、禁止入境 5 年,他在温哥华的卧室里做出了日处理 400 万工作流的 AI 平台 构建 Claude Code 的经验:我们如何使用 Skills 智能体工程的 8 个等级 编程 Agent 如何重塑工程、产品和设计 当 AI 写了几乎所有代码,软件工程会怎样? 品牌时代 我用 AI 翻译的三个阶段:提示词时代 → 推理模型时代 → Agent 时代 陶哲轩最新演讲:AI 不是来抢数学家蛋糕的,是来把蛋糕做大的 设计流程已死:Anthropic 设计负责人 Jenny Wen 谈 AI 时代的设计变革 Greg Brockman(OpenAI 联合创始人)把“那场宫斗”讲完整了:董事会、请愿书、马斯克与控制权 被封杀当晚,OpenAI 拿到了相同条款——Amodei 首次专访揭开 Anthropic 与五角大楼冲突内幕 从写代码到管 Agent:斯坦福首门 AI 软件开发课的讲师说,大多数工程师还没准备好 Anthropic CEO Dario Amodei:海啸已在地平线上,但没人在看 驾驭工程:在「智能体优先」的世界里借力 Codex Coding Agent 有个甜蜜点,多数人直接跳过了 92.6% 开发者每月使用 AI 编码助手,但每周节省时间只有 4 小时 同样的模型,为什么 Cursor 跑不过 Claude Code? Cursor 设计负责人:只会画按钮的设计师,有麻烦了 OpenAI Codex 产品负责人:代码不再由人类编写,但我们会有更多构建者(Builder) OpenAI 应用 CTO 和 Codex 负责人:AI 正在重塑构建软件的方式 Notion CEO:不能被 Agent 用的产品没有未来 提示词救不了平庸的 AI 写作 用 Claude Code 的 Hook + Skill,实现每次提交后自从 commit 提交变更 高中辍学生靠 ChatGPT 自学成才成了 OpenAI 的研究科学家 59% 用户投票选了更便宜的那个:Sonnet 4.6 全面解读 Jeff Dean 深度访谈:一页纸备忘录促成 Gemini 的诞生,Google AI 的反击与 10,000 Token 的未来 快不等于好:Anthropic 和 OpenAI 的快速模式藏着什么 别再用提示词去 AI 味了,方向就是错的 Anthropic CEO Dario Amodei 访谈:我们正在接近指数的终点 只有 30 个工程师的 X,是怎么重新杀回 App Store 第二的 马斯克说今年编程就要死了,你信吗? OpenAI 智能体工程指南:10 条实战技巧和 3 种构建模式 我们真的变成巫师了:OpenAI API 负责人谈 AI 如何重塑软件工程 xAI 全员大会实录:递归自我改进、5000 万视频/天、月球上的质量驱动器 PC 软件为手机重做了一遍,现在轮到 Agent 了 2026 编程巨变:Anthropic 报告揭示 Agent 编程八大趋势 既然 AI 越来越聪明,那么学习提示词不是浪费时间吗? 【访谈对话】造过 Codex 的人,为什么每天用 Claude Code 深度解析:Claude Code /insights 命令的运作机制 马斯克三小时访谈实录:36 个月后,太空是训练和运行 AI 最便宜的地方 Claude Code 团队的 10 个内部技巧,但你不一定都要学
多稿合并:从手动比稿到一键 Skill
宝玉 · 2026-03-05 · via 宝玉的分享

AI 翻译或者辅助写作的时候,我通常不会只生成一个版本。

有时候是同一个模型跑多次,有时候是不同模型各跑一次,甚至是不同的提示词分别跑一次。几个版本拿到手里一比较,你会发现一个很纠结的事情:没有哪个版本是完美的,但每个版本都有自己的亮点

A 版本整体结构最好,但有几段翻译太生硬;B 版本某几段特别出彩,但漏掉了一些关键信息;C 版本信息最全,但读起来像机器翻的。

怎么把它们的优点合到一起?

三个版本各有亮点

手动合并:能用,但费事

我之前的做法很简单粗暴:

先通读所有版本,选一篇整体最好的当基础。然后对着其他版本逐段比较,看到哪段写得更好就复制过来替换,看到基础版本缺的信息就补进去。最后再通读一遍,润色一下拼接处,确保读起来像一个人写的,没有拼接的痕迹。

效果还不错,但费时间。尤其是稿子多的时候,三四个版本比来比去很消耗注意力。而且人工比较容易漏东西,某个版本里一个很好的细节可能就这么错过了。

让 AI 来做这件事

既然 AI 擅长处理大量文本,这个活儿为什么不让它来?

我试了一下,把所有版本一起发给 AI,配上这样的指令:

  1. 阅读所有稿子,从中选一篇最好的作为基础
  2. 逐一审阅其他稿子,找出亮点和基础版本缺失的部分
  3. 把这些内容融合到基础稿里
  4. 对合并后的全文做一遍润色,消除拼接痕迹

效果出乎意料地好。AI 在这种“比较多个文本、提取差异、执行合并”的任务上非常靠谱。它不会漏掉某个版本的独特内容,合并后的风格也比我手动拼接更统一。

这里有个小经验:用支持推理的模型效果更好,比如 Claude 的扩展思考模式,或者 GPT-5 thinking 这类推理模型。因为合并不是简单的复制粘贴,需要判断哪段更好、怎么融合才自然,需要输出中间结果,这些都需要推理能力。

用聊天界面(比如 Claude AI)就能做,把所有稿子和指令一起发过去。如果你用 Claude Code 这样的命令行 Agent 工具,可以直接指定文件路径,它会自己读取文件然后执行合并,操作上更方便一些。

AI 多稿合并四步流程

重复的工作应该固化成 Skills

上面的方法好用,但有个问题:每次合并都要重新输入那段提示词。

如果你经常做这种多稿合并的工作,更好的做法是把它做成一个 Skill。Skill 是 Claude 的一种能力扩展机制,你可以把一套工作流程写成一个 Skill 文件,之后每次只需要告诉 Claude“合并这几篇稿子”,它就会自动按照你定义好的流程去执行。不需要每次重复输入提示词,也不用担心某次漏掉了某个步骤。

创建 Skill 有两种常见方式。

方式一:先手动做一遍,再让 AI 固化

你在 Claude AI 里先手动走一遍完整的合并流程。把稿子发过去,让它选基础稿、提取亮点、合并、润色,做完之后你检查结果,觉得满意。

然后在同一个对话里跟它说:

/skill-creator 把刚才的操作流程固化成一个 Skill。

因为 AI 已经走过一遍完整流程了,它很清楚每一步该做什么、要注意什么。从实际操作中提炼出来的 Skill,通常比凭空描述的更准确。

这种方式的好处是你对最终效果有直观感受,可以在固化之前就发现问题并调整。缺点是你得先花时间做一遍。

方式二:直接描述需求,让 AI 创建

如果你已经很清楚自己要什么流程,可以直接告诉 Skill Creator。比如在 Claude Code 里可以这样写:

/skill-creator 为当前项目添加一个 skill,可以用来把多份稿子合并成一份稿子。流程如下:

  1. 阅读所有提供的稿子
  2. 选一份最好的稿子作为基础
  3. 将其他稿子中有价值的内容或者基础稿子缺失的重要部分加入到基础稿
  4. 对完成后的稿子润色

参考输入(这个例子只有 2 份稿子,通常至少 2 份,也可能超过 2 份): posts/2026-03-01/jenny-wen-design-process/draft1.md posts/2026-03-01/jenny-wen-design-process/draft2.md

Skill Creator 会根据你的描述生成一个完整的 Skill 文件,包括触发条件、输入格式、工作流程、输出规范。

如果你没有 skill-creator,可以从这里安装:https://skills.sh/anthropics/skills/skill-creator

这种方式更快,适合你已经想清楚流程的情况。缺点是没有实际案例做参照,生成的 Skill 可能需要多跑几次才能调到满意。

两种方式怎么选

两种创建 Skill 的方式对比

如果你对流程还不太确定,或者这个任务你之前没做过,用方式一。先手动做一遍,摸清楚哪些步骤重要、哪些细节容易出错,再固化。

如果你已经反复做过很多次,流程很清晰了,用方式二。直接描述需求,省掉手动执行的时间。

两种方式也可以结合:先用方式一做出初版 Skill,用几次之后发现可以优化的地方,再用方式二让 Skill Creator 帮你调整。

合并 Skill 长什么样

下面是我实际在用的多稿合并 Skill,供参考:

---
name: merge-drafts
description: 多稿合并技能。将多份草稿合并为一份高质量文章。阅读所有稿子,选最佳稿为基础,融合其他稿子的亮点和缺失内容,最终润色输出。当用户要求"合并稿子"、"合稿"、"merge drafts"、"把这几篇合成一篇"、"综合这几份稿子"时使用此技能。
---

# 多稿合并技能

## 写作风格

本技能遵循 `writing-style` 技能定义的写作规范。

## 输入

接收 2 份或以上草稿文件路径。同时读取同目录下的 analysis.md(如有)作为素材参考。

## 工作流程

步骤一:阅读所有稿子,快速评估每份的结构、信息覆盖面、表达质量和独特亮点。

步骤二:选一份最佳稿作为基础。标准是结构最清晰、信息最全、表达最好、以它为基础改动最小。

步骤三:逐一审阅其他稿子,提取缺失内容、更好的表达、独特角度和数据案例。

步骤四:在基础稿上合并。补充缺失内容,替换更好的表达,融合不同视角,统一风格。原则是融合而非拼接,合并后读起来像一个人写的。

步骤五:润色。重点检查拼接痕迹、风格统一、重复内容、逻辑连贯。

步骤六:输出合并报告,说明基础稿选择理由、各稿贡献了什么、主要修改了哪些内容。

这个 Skill 的 description 字段里列了多种触发方式,中英文都有。这样不管你说“合并这几篇稿子”还是“merge these drafts”,Claude 都知道该调用这个 Skill。

工作流程拆成了六步,每一步都有明确的任务和标准。其中步骤四的合并原则很关键:“融合而非拼接,合并后读起来像一个人写的”,这条规则直接决定了合并质量。

Skill 还可以引用其他 Skill。比如这个合并 Skill 引用了 writing-style 来控制写作风格,这样合并出来的文章会自动遵守你预设的风格规范。

你可以根据自己的需求调整这个 Skill。比如加上字数限制、指定输出文件名规则,或者增加一个“让用户确认基础稿选择”的步骤(我个人喜欢全自动,所以没加)。

Skill 的通用创建思路

虽然这篇文章用多稿合并做例子,但创建 Skill 的思路是通用的。任何你发现自己在重复做的事情,都可以考虑做成 Skill:

翻译完要按固定格式排版?做成 Skill。写完文章要按检查清单自查?做成 Skill。每次发布前要生成摘要和封面图?做成 Skill。

判断标准很简单:如果你发现自己在复制粘贴之前用过的提示词,或者每次都要跟 AI 解释一遍同样的流程,那就该做成 Skill 了

Skill 文件本质上就是一个 Markdown 文档,包含 YAML 格式的元信息(名字和触发描述)和 Markdown 格式的正文指令。不需要写代码,会写清楚步骤就行。

如果你想让 Skill 更强大,可以在里面引用其他 Skill、指定文件管理规则、添加自动执行的脚本。但起步阶段,一个清晰的工作流程描述就够了。