AI 眼里的我们长什么样:一次 GEO 采集的复盘
我想知道客户在 DeepSeek 或豆包里搜索时,AI 会怎么描述一家本地门店。为此我写了一个采集 Skill:用真实浏览器逐题提问,把回答、引用链接、截图全部存成可回溯的证据。这篇复盘设计思路、实现边界,以及为什么采集只是第一步。
29 posts in reverse chronological order.
我想知道客户在 DeepSeek 或豆包里搜索时,AI 会怎么描述一家本地门店。为此我写了一个采集 Skill:用真实浏览器逐题提问,把回答、引用链接、截图全部存成可回溯的证据。这篇复盘设计思路、实现边界,以及为什么采集只是第一步。
我一个人要同时推进网站维护、求职、知识库、英语学习和日常事务。这一篇写我为什么把 AI 助手拆成四个专职 Bot,以及这套分工方式怎样从个人多线任务,推演到一个门店的内容生产组织。
我最近试用了 ChatGPT 网页端的 Notion 连接器:先把 YouTube 逐字稿整理成文章,再把当前对话写入 Notion。它让我重新思考,AI 的成果应该怎样离开聊天窗口,进入自己的知识系统。
记录一组韩式高精度半写实二次元人物图的风格拆解方法,并整理出统一风格母版、负面约束和宋制汉服、唐制汉服、现代旗袍 3 组可直接复用的完整提示词。
夏冰雹讲 Jeffrey Pfeffer《7 Rules of Power》的这期视频,我把它拆成四条可执行的动作:解除自我封印、不等待许可、经营第一印象、打造个人品牌。前三条我认同,第四条「敢于发火」我认为有性别与地位的前置条件,照抄会翻车。真正的收获不是技巧,是承认权力是一种中性工具。
把 Vercel Labs 这个 17k star 的项目从 0 到 1 读了一遍:它用一棵扁平元素树加 RFC 6902 流式 patch,把「AI 生成界面」这件不可控的事变成可校验、可剪枝、可导出代码的工程问题。真正的取舍不在生图不在模型,而在数据结构。
Google 的 cwebp 是个 单文件转化器:cwebp input.png -o output.webp。它没有 --glob 也没有文件夹模式 —— 这不是设计缺陷,而是 Unix 哲学:保持一个目标单一,让 find/for/xargs 去编排。本文整理 5 个真实场景下的批量写法,以及 quality/preset/lossless 怎么选。
这是我拆的第六个技能仓库,也是唯一一个「私人工作流」型——微信解密、剪映无头生成、火山 ASR、X 切片、公众号批量导出,19 个技能。但最让我意外的是它的 fork 率:41.5%,是前五个仓库的 4 到 6 倍。原因不复杂——这些技能必须被改才能用(你自己的微信、你的 Obsidian 路径、你的账号),而每个 fork 出去的人第一件事就是改路径和配置。它的许可证也因此不是开源的,是「源可用 + 商用需授权」。另外有一个细节我觉得前五个仓库都该学:它的 CI 里装着一个隐私扫描器,会拦截私人路径、私钥和六种凭据形态——把「别提交敏感信息」从 README 里的一句请求,变成了会挂红的门禁。
这是我拆的第四个 Skill 仓库,也是 star 最多的一个(95,125)。前三个都在解决「怎么让 agent 做对一件事」,它解决的是另一个问题:「当你有 25 条规则,你怎么知道它们还在生效」。答案是一套三层评测框架——其中第二层用词法近似把「路由」变成了可确定、免费、能进 CI 的检查。另外两个我觉得该抄的是:每个技能都附一张「agent 的借口 vs 现实」反合理化表,以及一句关于训练与架构腐坏的洞察——「架构腐坏要几个月才显现,永远进不了权重,棘轮就是那个缺失的惩罚项」。
这是我拆的第五个仓库,也是第一个「会动手打东西」的——AI 自主渗透测试工具,6.3 万 star。但真正让我停下来的是一个不到 300 行的技能文件:反证与结案纪律。它规定每个候选漏洞只能以三种状态之一结束,没有第四种,「我往下看了」不算其中一种。而要判一个候选「安全」,你必须能说完一句话:因为某个具体位置的某个具体控制,在攻击者可达的每一条路径上、在危险动作之前生效。说不出这句话,你就不能标 ruled_out——那是把「我没证明出来」伪装成「我证明了没有」,而真实漏洞就是这样被漏掉的。
上一篇拆的封面 Skill 只有 300 行提示词。这一篇拆的 diagram-design 有 554 个文件、11 份 ADR、58 条本地关卡命令,4 万 star。读完我最强的感受是:Skill 的工程质量不取决于提示词写得多好,取决于有多少条规则被写成了 checker。它的每一句审美判断背后都有一道几何验证;更狠的是,每个 checker 还配了反向对抗测试——因为作者发现,一条只活在散文里的规则,真的会发出一堆坏例子。
前两篇拆的是 Skill 本身。这一篇拆的仓库,是给 AI agent 配了一门语言、一个编译器和一套运行时来做视频——112 个包、2026 个文件、一个半月做到 2315 star。它最关键的设计决策只有一句:把时间轴锚定在「词」上,而不是「秒」上。作者源码里根本没有秒和帧,时间是从语音证据里长出来的。这一句决定了它后面所有的能力:改一句台词时间轴自己重排、第二条视频几乎不花钱、以及一条完全零模型调用、成本精确为 0 的渲染路径。
我用了一段时间的封面生成 Skill,一直以为它的核心是「攒了九种好看风格」。直到认真拆了 peggykangkang02 的 xialingguo-ip 才发现,九种风格只是素材库——真正决定它能不能稳定出活的是另外四件事:一句「风格固定、主次灵活」的原则、一套不把人问烦的信息收集方式、一条「不写死真人 IP」的公共边界,以及一个「不把缩略图当交付」的自我约束。这篇逐层拆开。
我给自己门店的销售助理接上了一个 1188 篇《车型适配产品目录》的知识库。整个过程让我意识到:把知识库接进 AI,难的不是「接上」——接口通不通是半小时的事。真正的难点是「匹配」:资料形态是否匹配调用链、能力接入是否匹配行为约束、库里的内容是否匹配能说和不能说的边界。这篇完整拆解这四个匹配点,以及我用什么证据证明它真的接上了。
我把自己和 AI 一起『一页页读书』的机制拆成一个可复用 Skill:PDF 拆页、按物理页让 AI 讲解精华、追问互动、累积笔记,并靠 progress.json 精确管理阅读进度。这篇把它设计成系统的关键决策写清楚——为什么是『互动共读』而不是批量总结、为什么原文框是刚需、为什么进度要按物理页记。
我给拍摄剪辑的同事做了一个『一句话生成抖音封面』的 AI Skill:草稿图 + 提示词 → 图生图 → 回传飞书。这中间最值的不是生成,而是两个设计——如何在高并发多个需求时不搞混各自的草稿图,以及如何用『执行电路』而不是一堆『禁止』来让流程自然走对。
我把「内容生产」从手工写、一条条发,改造成了一条可复用的自动化流水线:100问选题库当原料、GEOFlow 批量产母版、五个平台写手 agent 改写、飞书归档闭环。一周跑了 700+ 篇母版草稿。这篇拆解这条线怎么搭、为什么「证据纪律」是保命符,也要说清一个转折:管线通了之后我发现真正的瓶颈是原料——公司知识库还没建成,所以这批内容偏空、不能当实际参考用。
给飞书机器人搭实时流式卡片,我踩了一整天雷才跑通:从『卡片出了但表格秒消失』这种看似玄学的问题,挖到其实是『AI 输出完又去清理临时脚本触发了归档机制』这个根因。这篇把整套 HFC 流式卡片的排坑链路、机制认知和最终方案写成可复用的记录。
我把小红书图文的整套做法也做成了 skill:从 GEOFlow 母版整理成固定 5 张图的结构化提示词(封面→原理→对比→决策+商业→FAQ 避坑),贴给 ChatGPT 一次出图,再配封面和标题/Tag。核心是三条我踩出来的规则:固定 5 张、商业只在图4、FAQ 是图文长尾搜索的核心资产。这篇是它的完整说明文档。
「AI 能做私人辅导」这句话大家都听腻了。真正值钱的是背后三个设计原则:在理解边缘教学、把挣扎留给内容本身而不是后勤、让 AI 画依赖图逼它认真推理。读完你就能拿这套思路改造自己的学习方式。
2026 年 7 月的一个晚上,我在浏览器里输入服务器 IP,回车之后等来一行 403 Forbidden。文件确实在,命令行里 ls 看得到,浏览器就是不给看。这篇把我从本地代码走到线上 HTTPS 服务的过程按「卡住的顺序」重写了一遍:GitHub 远程与 SSH key、文件权限与 www-data、Nginx 配置的四层结构和三种最简写法、502/504 与日志排查,以及后来省事的 certbot、GitHub Actions 和 GitHub MCP。配置片段和命令都可以直接复制。
我第一次用 fetch 调 GitHub API,控制台打出 undefined,而同一串 URL 粘进浏览器地址栏能看到完整的 JSON。这篇文章按我当时真正卡住的顺序重写了一遍 HTTP,从 Response 为什么要分两步读,到 404 为什么不进 catch,再到我用得最多的那几个 curl 标志、CORS 到底扣下了什么、自己写接口时路由为什么要同时比 method 和 url。所有 curl 命令都能直接复制。
用 Next.js 16 App Router + MDX 搭个人网站,从本地能跑到公网能访问,中间踩了 TypeScript 严格模式的 build 报错、中文文件名跨平台编码错乱、MDX 配置遗漏、路由组布局继承、draft/published 内容过滤、以及 Vercel 自动部署的「push即上线」风险。这篇把 7 个坑的完整因果链——从第一个报错到最终修复——全部记录下来,每个坑都附了错误信息、根因和修复方案。
我刚开始工作那年改了一周代码,硬盘坏掉,没备份,也没远程仓库,一周的东西全没了。后来我学会用「最终版.docx」「最终版_改.docx」命名,文件名越来越长,心里的不安一点没少。这篇文章写的是那之后我回头补的四件事:文件到底放在哪、一个网址是怎么变成页面的、终端里在做什么、改坏了怎么退回去。路径、DNS 与三次握手、pwd 与 grep、Git 的三区模型和 stash,都是每天要碰的东西。
工作第一年我往一个 jQuery 老项目里加了变量 result,页面当场报错,排查三小时才发现别的文件里也有一个 result。从那次开始,我一路撞上四个卡点:全局作用域、浏览器不认 TypeScript、React 为什么会自动更新、state 该放在哪。这篇按我卡住的顺序,把模块化演进、npm 与 Vite、React 的数据流重新讲一遍。
design-draft 的 PRD / Spec 模板,帮助把模糊想法变成可协作、可验证、可回滚的工程对象。
Agentic AI workflow 的本质:把复杂任务拆成多个步骤,让 LLM 分阶段完成。从普通用法 vs Agentic 对比、研究代理案例、到自主性连续光谱——DeepLearning.AI 课程核心笔记。
遇到难啃的抽象概念怎么都记不住?别硬背——试试这个 Prompt 技巧:让 AI 用寓言故事的方式讲给你听。大脑天生喜欢故事。
朋友是初中英语老师,每周花 2-3 小时出阅读理解题,最痛苦的是出题环节——一个合理的干扰项能卡半小时。本文记录一个 OpenClaw 技能从需求分析(500-600 词 / CEFR A2-B1 / 5 道中国考试风格题)→ 技术选型(OpenClaw Skill vs Python vs Web)→ 7 张 Mermaid 流程图架构 → 3 个难点(词数控制、题目质量、难度控制)→ 小红书发布计划的完整开发故事。效率提升 24 倍。