这3个新Skill,让你的AI助手突然开窍了(2026.7.9版)

     每一个都能解决一个实实在在的问题。

    最后还附了一篇「如何写出好Skill」的核心心得，想自己造轮子的朋友别错过。

• 一、Skill一：视频秒变学习网页；

• 二、Skill二：万能视频下载器

• 三、Skill三：一句话生成精美配图

• 四、3个Skill速查对比

• 五、后记：如何写出好的Skill

详细内容：

第一个、Skill一：视频秒变学习网页——能把一个本地视频自动变成一个图文并茂的学习网页。

详细使用教程：【WorkBuddy跨媒体创新】视频自动变教学网页，还能二创成自己的课堂案例(2026.7.6版）

 z-video-study-webpage-qwen，它能干一件事：把本地视频变成一个图文并茂的HTML学习网页。

网页里包含：

• 30秒总览：快速了解视频核心内容

• 知识点×画面：每条知识都能跳回视频对应位置，方便回看

• 时间线：按视频顺序梳理脉络

• 风险/机会矩阵：把观点提炼成可迁移的分析框架

• 复盘问题+行动清单：看完就能用

简单说，就是AI帮你看完视频，并且做好了笔记。

怎么用？

在WorkBuddy里说一句话就行：

用视频总结Skill分析这个视频：C:\我的视频\教学视频.mp4

AI会自动：

·1. 用ffmpeg抽取音频和关键帧画面

·2. 用通义千问多模态模型逐段分析视频

·3. 生成一个图文并茂的HTML学习网页

实测效果：一个6分多钟的教学视频，从分析到生成网页，大约5分钟搞定。

安装方法

简易安装（推荐新手）：

作者把调试好的技能放到了网盘，下载后直接给WorkBuddy说"安装"就行，有问题让AI自动修复。

网盘地址：https://pan.quark.cn/s/8c123b244fac

标准安装：

• 1. 去GitHub下载Skill文件：https://github.com/tjxj/z-skills

• 2. 找到 z-video-study-webpage-qwen 文件夹，复制到 ~/.workbuddy/skills/ 目录

• 3. 安装ffmpeg（视频处理必备）

  ·   - Windows：https://www.gyan.dev/ffmpeg/builds/ 下载解压，添加到PATH

  ·   - Mac：终端执行 brew install ffmpeg

• 4. 去阿里云百炼平台注册，创建API Key：https://dashscope.console.aliyun.com/

• 5. 设置环境变量 DASHSCOPE_API_KEY=你的key

老师怎么用？

举个真实例子：

一位老师看到一个讲"AI生成互动剧本杀"的视频，用这个Skill分析完后，AI自动提取出了7个核心知识点、3组对比分析、3个思考题。

老师直接从网页里获取灵感，把"剧本杀互动机制"用到了自己的语文课上，做了一个《祝福》的剧本杀互动游戏——学生答题解锁人物线索，最后发现"凶手"是封建社会结构。

视频是别人的，灵感是AI提取的，但教学案例是你自己的。

视频如下：（完整视频放网盘了https://pan.quark.cn/s/8c123b244fac）

第二个、Skill二：万能视频下载器

网址：https://github.com/tjxj/z-skills

z-video-downloader——独立视频下载Skill

原来视频下载功能是集成在网页采集Skill（z-web-pack）里的，但因为视频下载太重、太慢、太容易被风控，拖累了整个采集流程。

所以作者把视频下载独立成了一个专门的Skill。

支持的源非常多：

• YouTube、B站、Vimeo、X（Twitter）、TikTok

• 抖音、m3u8流媒体

• 网页内嵌的 <video> 标签和直链 .mp4/.webm/.mov 文件

核心优势

跟前面的视频总结Skill配合使用效果最好：

• 1. 先用 z-video-downloader 把视频下到本地

• 2. 再用 z-video-study-webpage-qwen 把视频变成学习网页

• 3. 网页还能进一步转成PDF、Word，导入IMA知识库

整个链路是通的：发现视频→ 下载 → 分析 → 变成知识资产

安装方法

同样在 z-skills 仓库里：https://github.com/tjxj/z-skills

找到 z-video-downloader 文件夹，复制到 ~/.workbuddy/skills/ 目录即可。

需要安装 yt-dlp（视频下载核心依赖）：

pip install yt-dlp

遇到需要登录的平台，可以加 --browser-cookies chrome 参数使用浏览器cookie。

第三个、Skill三：一句话生成精美3D配图

网址：https://github.com/op7418/guizang-material-illustration

guizang-material-illustration（归藏素材插图），是一个专门为文章配图设计的Skill。

它的核心能力：生成带字解释图、图表美化和参考辅助配图。

解决的是「中间那张图」的问题：社交卡片、PPT、文章和文档里经常需要一张能把意思讲清楚的中心配图，而不是一张漂亮但看不懂的装饰图。

• 读取你的文档内容，自动生成精美的3D信息图

• 支持直接传入文字描述，一键生成配图

• 目前支持 GPT-Image-2.0 模型

出来的效果不是那种廉价的AI感，而是有设计感的3D立体信息图，可以直接用在文章里。

怎么用？

安装到Codex或支持Skill的Agent中，直接对话：

根据这篇文档的内容，帮我生成一张配图

AI会：

• 1. 读取文档核心内容

• 2. 设计信息图的结构和视觉方案

• 3. 生成一张精美的3D配图

第四个、3个Skill速查对比

推荐组合：

第五个、后记：如何写出好的Skill

前面介绍了3个好用的Skill，可能你也想自己写一个。

正好从X上看到《How do you write a good skill? There's actual data now》，用数据证明了哪些做法有效、哪些是坑。

我提炼了6条心得：

1. 别让AI自己写Skill（至少别完全放手）

有测试表明，让模型自发生成的Skill，不仅没帮助，平均还比不用Skill低了1.3个点。

但这也不是说AI完全不能写。关键是人提供上下文，AI负责编写。

最佳组合：人指挥AI写Skill。

比如你把操作流程、输出格式、注意事项告诉AI，让AI帮你把这些固化成Skill文档。

2. 小而精 > 大而全 ✅

这条被数据反复验证：

聚焦于核心内容、仅包含两三个文件的Skill，表现远好于一堆文件的集合。

那些试图把所有东西都写进去的"全面型Skill"，反而把任务通过率拉低到不如不用Skill。

"细节丰富且范围明确"每次都完胜"百科全书式"。

写Skill的时候，问自己：这个Skill的核心任务是什么？只围绕核心任务写。

3. 加载的Skill不是越多越好 ✅

Skill虽然是按需加载的，但加载后也会占用上下文窗口。

同时加载太多Skill，Agent反而变笨了——因为注意力被分散了。

原则：一次任务，加载最相关的1-3个Skill就够了。

4. 必须在每个目标平台上测试 ✅

Skill是通用的，但不同Agent、不同模型有差异：

·有的Agent自带画图工具，有的没有

·有的模型能看图，有的不能

·不同模型对同一段指令的理解可能不同

建议：写好Skill后，在你打算使用的每个Agent/模型上都跑一遍，针对差异写兼容说明。

5. 瞄准模型最薄弱的领域 ✅

数据显示：

·软件工程领域，Skill只提升了4.5分（因为模型已经被海量代码数据"喂饱了"）

·医疗保健领域，Skill提升了51.9分

·制造业紧随其后

Skill的价值 = 模型自身能力的缺口。

模型擅长的领域，Skill锦上添花；模型薄弱的领域，Skill雪中送炭。

比如你想写一个教育领域的Skill，因为训练数据中教育场景相对少，Skill的提升会非常明显。

6. 不测试，你永远不知道好不好用 ✅

找一组任务，运行两次：一次加载Skill，一次不加载，保持其他所有变量绝对一致。用同一种标准给两次结果打分，然后看看差异。

有些Skill的测试结果不好量化，这时候需要依赖专业人士的判断。

但有数据总比没数据好。至少跑几个典型案例，看看加了Skill之后是不是真的变好了。

资源汇总