最近，我连续写了几篇关于 AI Agent 的教程。
一篇讲怎么用 Agent 做视频，一篇讲怎么让 Agent 做出更惊艳的网页，还有一篇讲怎么用好 GPT Image2。
每篇文章后面，我都顺手开源了一个 Skill。
本来只是想把自己这段时间沉淀下来的工作流整理出来，方便大家直接拿去用。
结果没想到传播得比我预想中快很多。
后来我把这些 Skill 整理到了一个合集仓库里：
写这篇文章时，GitHub 已经接近 7K Star。
另外也很高兴看到很多同学真正的把我的 Skill 用起来了：
也有一些大 V 转发推荐，带来了不少真实反馈。
这些反馈让我更确定了一件事：
Skill 这东西，真正有价值的地方，不在提示词写得多漂亮。
它的价值在于把一套可重复稳定工作的方法交给 Agent。
Skill 到底解决了什么问题？
很多人刚开始用 Agent 做复杂任务，都会遇到这样的问题：
有时候效果很惊艳，有时候就开始飘了。
你让它做网页，它可能一会儿像 SaaS 官网，一会儿像课程海报。
你让它做视频，前 30 秒节奏很好，后面突然开始堆字、乱切画面。
你让它生成图片，"赛博朋克"、"高级感" 它都听得懂，可到了真实项目里，出图一张一个样。
原因很简单 --- Agent 默认接到的是一个"任务"，可复杂产物需要的是一条"生产线"。
一个好 Skill 要提供什么？
明确的工作流程（什么时候该问、什么时候该做、什么时候该停下来让你看）
明确的质量标准（什么算好、什么算 AI 味太重）
明确的迭代接口（不满意时该反馈什么、Agent 知道该改哪一层）。
这几个点组合起来，Skill 才能变成 "一套稳定性的工作系统"。
这也是 garden-skills 想做的事。
下面，我会正式介绍一下我这几个 Skills，以及最近的一些重点更新。
1. 视频制作 Skill：把文章做成网页视频
第一个是 web-video-presentation。
它可以帮你把文章、脚本、课程、产品 Demo、技术分享等任何文字内容，转化成基于网页制作的演示视频。
注意，这里说的 "视频" 不是直接生成 mp4。
它生成的是一个用 "网页" 模拟的视频效果。
你可以点击或用键盘推进章节，每一步对应一段旁白、一组画面、一段节奏。
录屏时，就像在播放一个精心设计过的视频。
为什么要用网页做视频？
如果你做过 AI 视频，大概率知道长视频最麻烦的地方：随机抽卡、消耗爆炸。
画风一变、节奏一乱，前面铺好的东西全散了。
网页的优势在于，它能把 "视频" 拆成工程。
章节、步骤、旁白、画面、主题、进度控制，全都可以被代码控制。
Agent 生成后，你还能继续让它局部修改：
- "第三章节奏太平了，做得更像发布会 Keynote。"
- "这一页文字太多，加一个友好的动画效果。"
- "结尾没有记忆点，加一个总结式大屏。"
适合做这些东西：
- 技术文章视频化
- 产品功能演示
- 课程讲解
- 发布会式演示
- 科普内容
- 知识类短视频
- 公众号文章转视频
最近更新 - 主题
新增内置了多套主题模板，覆盖演讲、技术架构、数据报告、科普、终端风、杂志风等不同的方向。
另外，我做了一个在线效果预览网站，帮助大家快速选择适合自己内容的主题：
下面是部分主题的效果预览（完整的大家可以到网站上自己去看）：
bold-signal 适合产品发布、营销片头、投资人 pitch 和品牌主张。它的大色块和大标题很适合做强观点开场，第一眼冲击力会更强。
terminal-green 适合 CLI 工具教程、命令行实操、安全话题和黑客风内容。它的终端感很强，适合那种边讲边演示、技术味比较重的视频。
newsroom 适合热点解读、时事评论、深度报道和 AI 产品分析。它像一篇报纸特稿，适合有观点、有资料、有叙事的内容。
electric-studio 适合 B2B 产品演讲、投资人路演、企业财报和行业研究。它是白底电光蓝风格，看起来清晰、商务，但不会太死板。
bauhaus-bold 适合观点宣言、设计演讲、产品发布和品牌主张。它的包豪斯和布鲁塔利风格很直接，适合那种态度鲜明的视频。
creative-voltage 比较适合创意分享、设计周、工作室作品集和视觉文化类内容。它不是稳重的企业风，而是更像设计工作室、艺术节、创作者发布会。
neon-cyber 适合 AI、大模型、web3、网络安全和未来科技内容。它的霓虹感比较强，适合节奏快、冲击力强的视频。
vintage-editorial 适合个人观点、文化随笔、美学话题和设计评论。它比较有"专栏作者"的气质，适合有个人表达的视频。
split-canvas 适合双主题对比、概念对照、辩论和故事讲述。左右双色画布很适合做"过去 vs 现在""A 方案 vs B 方案"这种内容。
dark-botanical 适合品牌故事、时尚、美妆、旅行、艺术评论和高端产品发布。它有一点时尚杂志和博物馆图录的感觉，更适合偏品牌片的内容。
forest-ink 适合自然、可持续、户外品牌、农业、纪录片和人文观察。它像旧版《国家地理》的气质，沉稳，有文献感。
最近更新 - 支持自定义 TTS
第一个版本只支持了 MiniMax CLI 进行音频合成，考虑到大多数人的需求，新版把 TTS 做成了可插拔的方式。
内置 MiniMax 和 OpenAI TTS 示例，也给 ElevenLabs、edge-tts、Azure、Google Cloud 等其他 TTS 留了接入方式。
最简单的，你直接把你的 TTS 接口发给 Agent，它就能自己进行适配了。
用好它的几个建议
如果你想出比较稳定的效果，有三件事值得注意。
模型很关键。
目前试下来效果最好的是 Opus 4.7。
视频制作 Skill 里有很多审美判断、章节规划、代码实现和返工决策。
模型能力不行，最后的效果可能千差万别。
第一轮 Review 一定要认真看。
很多人一上来就让 Agent 直接做完整视频，跑完发现不满意。
这类长任务最怕前面方向错了，后面做得再精致也没用。
脚本、主题、章节大纲、视觉方向，在前面定得越清楚，后面返工越少。
如果第一轮 outline 不满意，就直接改。
该删章节删章节，该换风格换风格，该调节奏就调节奏。
不要觉得"先让它做完再说"。
别期待一次到位，但也别觉得不满意就是失败。
更好的方式是：先让 Agent 做完整版本，整体跑通后，挑不满意的章节继续调。
"第二章太平"、"第四章信息太密"、"缺少动画效果"，这些都可以单独反馈。
Agent 很擅长这种局部迭代。
你用得越多，越知道自己想要什么，也越容易把它调成适合自己内容风格的版本。
2. 网页设计 Skill：让 Agent 像专业设计师
第二个是 web-design-engineer。
它和视频制作 Skill 有一定交集，但目标不一样。
AI 生成网页最常见的问题，就是一眼就能看出 "这是 AI 做的"。
大渐变、玻璃卡片、发光边框、过度圆角、信息排布松散...
看起来元素不少，实际都是千篇一律的老套路。
web-design-engineer 就是为了解决这个问题。
它会把 Agent 从 "套默认审美" 拉回到真正的网页设计流程里：
先判断产品类型和受众，再确定视觉方向、信息层级、排版节奏、组件密度和交互细节。
目标是让 AI 做出来的网页更像有经验的设计师和前端一起打磨过，而不是一张常见的 AI 模板图。
用它来做官网、落地页、Dashboard、活动页、作品集、交互原型，都能明显减少 AI 味，做出更惊艳、更有设计感的网页效果。
最近更新 - 新增主题模板
最新版本增加了 25 套不同的设计风格。
每套模板都会包含具体的设计规则：颜色、字体、版式、标志性动作、适合场景、需要避开的套路等等。
很多时候你跟 Agent 说 "高级一点"、"有设计感一点"，它可能并不知道你要什么。
现在，你给它一个大概的方向，它就能自动推断出比较匹配的设计风格。
同样的，我也提供了一个在线预览的网站，部署在 Easy AI 上：
在线效果预览：
下面是部分主题的效果预览（完整的大家可以到网站上自己去看）：
linear 适合 B2B SaaS、开发者工具、项目管理工具和 AI 工具官网。它不会把页面做得太花，但会保留足够的产品质感。
raycast 适合效率工具、命令面板、开发者工作流和工具型产品。它的暗色和快捷感很强，适合偏极客的产品。
aesop 适合美妆、护肤、精品零售和生活方式品牌。它的关键不是"高级灰"，而是留白、文字比例、产品图和空间感。
tufte-dataink 适合数据叙事、研究报告、论文图表和信息可视化。它会尽量减少装饰，把注意力放在数据本身。
field-io 适合艺术科技、互动装置、创意工作室和动态视觉官网。它更实验一些，适合做有视觉探索感的页面。
active-theory 适合电影感发布页、品牌 Campaign、游戏 / 娱乐产品和沉浸式首屏。它的冲击力强，适合需要第一屏抓住人的项目。
bloomberg-businessweek-turley 适合杂志封面、观点专题和强视觉编辑页。它更大胆、更夸张，适合需要强冲突感的内容。
balenciaga-post-2017 适合时装、潮流、反奢侈品和冷感品牌页。它会刻意生硬、压迫、反常规，不适合温和型产品。
mailchimp-freddie 适合社区、创业工具、小团队产品和 B2C SaaS。它更温暖，也更容易拉近和用户的距离。
headspace-meditation 适合健康、心理、教育和儿童产品。它圆润、轻松，适合低压力的产品体验。
y2k-retrofuturism 适合 Y2K 活动页、音乐、潮流、复古科技和年轻化 Campaign。它识别度很高，适合想要明显年代感的页面。
完整的主题效果大家可以去这个网站上看：mmh1.top/#/ai-applic...
3. 图片生成 Skill：精准复刻各种主流生图玩法
第三个是 gpt-image-2。
面向 GPT Image 2 和 OpenAI 兼容图像 API。
可以帮你做海报、UI Mockup、产品图、信息图、论文图、技术架构图、漫画、头像、分镜、品牌板，以及图片编辑工作流。
很多人对图片生成的理解还停留在一句 Prompt --- "生成一张科技感海报""做一个高级的产品图"。
这种方式能出图，但结果就不太稳定了。话。
真正做项目时，你很快会遇到更多问题：
尺寸是多少？主体放在哪里？文字区域要不要留白？风格参考是什么？要不要分层？能不能安全裁切？要不要适配公众号封面、PPT、官网首屏？
gpt-image-2 解决的就是这些问题。
它把图像任务拆成了不同类别，提供结构化模板。
目前包含 18 大类、79 个结构化 Prompt 模板，覆盖生成和编辑两类工作流。
一个好的图片 Prompt，通常需要同时描述：画面目标、主体与关系、构图、材质、光线、字体与文字限制、输出尺寸、后续编辑空间。
很多失败图片，不是因为模型听不懂风格词，而是任务本身缺少结构。
比如你要做一张系统架构图，只说 "现代、清晰、科技感" 可能远远不够。
你要说明有哪些模块、模块之间怎么连接、主次层级是什么、哪些文字必须准确、哪些区域需要留白。
Skill 的作用就是尽量少让模型猜。它让 Agent 先把任务拆清楚，再进入生成阶段。
三种运行模式
Skill 支持三生图模式：
本地模式，直接调接口出图并落盘（需要你自己提供生图 API Key）。
宿主工具模式，把整理好的 Prompt 交给当前 Agent 自带的图像工具（如在 CodeX 环境中）。
顾问模式，在没有图像工具时，退化成 Prompt 顾问，帮你把 Prompt 写到可执行水平。
这个设计很重要。
因为不同用户的 Agent 环境差异很大 --- 有人在本地跑，有人用 Codex，有人用 Claude Code，有人只需要 Prompt。
Skill 先判断环境，再决定怎么工作，能减少很多隐性失败。
最近更新 - 在线体验 Image2
生图 Skill 本身最近没啥更新。
但是应很多同学的要求，我给我的 Image2 提示词网站加了个在线体验模块:
gpt-image2.mmh1.top/#/playgroun...
在提示词详情页，你也可以直接点击一键体验：
就会自动跳转到这个模块，然后把提示词填充好，你可以自由更改你的提示词：
最后
Skills 开源仓库地址：github.com/ConardLi/ga...
7K Star 有点超出预期。
但比数字更让我开心的是，很多人真的拿它去做自己的东西了。
如果你最近也在用 Agent 做内容创作、前端页面或者图片生成，可以直接拿去试试。
Skill 最终好不好，不能只看 Demo 漂不漂亮，还要经得起真实任务折腾。
三个在线体验的网页地址：
- 图片生成：gpt-image2.mmh1.top/
- 网页设计：mmh1.top/#/ai-applic...
- 视频生成：mmh1.top/#/ai-applic...
如果这些 Skills 有帮助到你，来个免费的三连吧～