页面加载中
Skill
Skill 会优先调用我们持续维护的主题档案、KOL 档案、历史文章和证据关系，帮助你更快形成有依据的判断。
Use Cases
Examples
Setup
Skill
Skill 会优先调用我们持续维护的主题档案、KOL 档案、历史文章和证据关系，帮助你更快形成有依据的判断。
Why This Exists
用户常见的问题并不在于“找不到公开信息”，而在于很难迅速拿到整理过的判断、关键争议和推荐阅读。
Skill 的价值是让 Agent 直接调用你已经沉淀过的知识层，减少来回检索、复制粘贴和重复喂上下文的动作。
Included Data
Skill 访问的是受控知识层，不会直接暴露数据库读取权限。
Use Cases
优先覆盖研究、产品判断、技术路线判断和投资跟踪这类高频任务。
快速理解一个方向最近发生了什么、哪些变化值得继续跟踪、应该先读什么。
比较几位关键人物在同一问题上的关注重点、共识和分歧。
围绕一个主题、公司或概念，回看过去一段时间的重要信号和判断变化。
把文章、KOL、主题和证据压缩成一组可直接进入工作讨论的阅读材料。
Examples
Skill 的输出会尽量围绕结构化判断、出处、反向信号和推荐阅读来组织。
帮我梳理过去 90 天 Agent 工程领域最值得继续跟踪的变化，并给出推荐阅读。比较 Andrej Karpathy 和 swyx 对 AI Coding 的关注重点，有哪些共识和分歧？围绕 AI 搜索给我一份决策前阅读包，包含关键观点、证据和反向信号。How It Helps
Access Model
当前产品采用单层付费模式：付费用户拥有全量阅读权限和 Skill 使用权限。
Skill Access 页面会继续承接配置指南、启用状态和后续专用访问凭证。
Example Output
主题：Agent Engineering
当前判断：
- eval 正在从补充环节变成 agent 上线前置条件
- 团队开始把“可回放、可审计、可人工接管”作为默认要求
关键分歧：
- 一派认为先扩工作流，再补评估
- 另一派认为没有 eval 不应扩大自动化范围
推荐阅读：
1. Agents Need Evals Before Scale
2. Karpathy Coding Agents Loop
反向信号：
- 某些轻量场景仍能在弱 eval 条件下跑通 MVPData Range
Setup
尽量压缩成最短路径，让用户可以在几分钟内把它接到自己的 Agent。
Step 1
登录站内账户并确认当前订阅状态。
Step 2
在 Skill Access 页面生成个人访问凭证。
Step 3
先用 `/query` 做统一检索，再按需下钻到知识页和阅读器接口。
Step 4
把常用 prompt 固定进你的 Agent 工作流，形成每周可重复调用的研究动作。
FAQ
先把用户为什么需要它、它能访问什么、它适合谁这几件事说透。
网站更适合连续阅读，Skill 更适合把知识直接接进你的 Agent 工作流，让检索、对比和 briefing 在同一个上下文里完成。
它会访问历史文章、主题档案、KOL 档案、关系、判断、时间线和推荐阅读，不会开放底层数据库权限。
最适合已经在用 Agent 做研究、产品判断、技术路线判断或投资跟踪的人。
不需要。知识层会随站内内容和图谱持续更新，Skill 直接消费这层整理结果。