从零造出能跑的 Skill，执行者分工和上下文预算的施工图

给准备动手写 Claude Code Skill 的工程师，按四种执行者分工、SKILL.md 写法、步骤接口合同、上下文预算和断点恢复五步施工，附脚本纪律与五层验证清单，少走翻车路。

22 块钱跑通一个真活，DeepSeek V4 接进 Claude Code 实测

给要把 DeepSeek V4 接进 Claude Code 的工程师，附五步接入清单和参数模板，用 22 块 API 成本的完整工作流实测它的真实成色和五个坑。

CLAUDE.md怎么写，给失忆的新员工一本入职手册

CLAUDE.md 是 AI 的入职手册，治的是每次都要重复解释的病。该写什么不该写什么、好坏写法逐组对照，附最小版和进阶版两份可抄模板。

一条30字的指令，AI写出一篇6000字长文，秘密全在知识库

一条 30 字的指令，AI 稳定产出一篇 6000 字长文，秘密不在提示词，在知识库工程。分层身份、三路检索、四色记忆、五道入库闸门，FDE 版完整拆解。

企业社媒账号自己转起来，五个 Skill 给 AI 排一班

先算一笔人力账。一个企业社媒账号要保持活跃，每天至少两三条内容，选题、写稿、配图、挑时段发布，一个专职运营一天大半天耗在这上面，一个月上万块的工资，买来的其实大半是重复劳动的工时。 多数老板的 AI 化尝试停在这一步，让员工用 AI 对话写稿，效率提升一些，但每次都要人盯着、催着、复制粘贴着，AI 依然是个要人哄的实习生。真正的跃迁是把 AI 从对话工具变成流水线工人，让它自己排班、自己干活、自己质检。老雷最近把一套跑通的方案拆开看，用五个

四千条对话，一行代码没写，我用 Claude Code 从零攒出一个软件

事情是这样的。三个月前我开始做一个实验，把 Claude Code 当成唯一的编程工具，从零做一套 AI 视频自动剪辑的 Web 应用，代号创剪。上传一段原始视频，选一个剪辑风格，设好配音参数，它自己完成视频分析、旁白撰写、配音合成、音画对齐，吐出一条能直接发布的短视频，全程只需要一个 Gemini API Key。 三个月下来，四千多条对话，二十多万字的沟通记录，我一行代码都没有手写过，这个应用每天在真实环境里跑。 我不是程序员，

Gemini 微调流水线，n8n 两条工作流从素材跑到专属模型

我以前做风格注入，路子很直，把自己的经历、观点、写作特征全部塞进提示词里。效果有，但两个瓶颈越用越明显。提示词越写越长，上下文窗口被挤得越来越满，而且每次调用都得把这几千字的人设描述重新传一遍，token 白白烧钱。 更别扭的是长文场景。人设提示词和内容提示词在同一个上下文里抢注意力，两边互相牵制，谁也发挥不好。 直到把微调整条流程搬进 n8n 才发现，这件事完全可以一劳永逸，而且自动化搭好之后，新手照着流程也能跑通。这篇把整条流水线拆开讲，从一篇素材进表单，到专属模型出成文，中间不需要人守着。 为什么值得动微调 理解微调有个特别省事的类比。通用大模型就是一个万能函数 f(

微调落地清单，先过选型关再走六步交付

先把两个数字拍在桌上。 一张 RTX 4090，一万块钱上下，配 QLoRA 方法就能微调一个七十亿参数的开源模型，显存占用六到八个 G。LoRA 方法在云 GPU 上微调 Llama 3 的八十亿参数模型，一千条训练样本，行情价五到十五美元。 微调的硬件和价格门槛，两年时间塌了大半。2024 年干这件事还得租多张 A100，起步就是上千美元，如今一张消费级显卡就能进场。 但我这两年跟着企业做 AI 落地项目，看到的真实卡点根本不在钱上。

把Gemini微调做成交付件，五步走加一份验收清单

微调项目最容易翻车的地方，不在训练那一步，在动手之前。不少团队花两三周标注数据，模型也训出来了，效果不达预期，回头一查才发现，一个精心调过的提示词就能拿到九成的效果，微调能补的那点增量，撑不起整个项目的投入。 老雷把 Google Cloud 官方的 Gemini 微调最佳实践过了一遍，再叠上交付里攒下的教训，整理成一套五步走加一份验收清单，给真正要下场动手的工程师。整篇的立场先放在这，微调是个迭代活，别指望一次到位。 动手前先过四道闸 第一道闸，目标要量化。「让模型更聪明」不是目标，「客服回复准确率从七成提到九成」「营销文案风格匹配度从三分提到四分」才是。