Trendande ämnen
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

elvis
Bygga med AI-agenter @dair_ai • Föregående: Meta AI, Galactica LLM, Elastic, PaperswithCode, PhD • Jag delar med mig av insikter om hur man bygger med LLM och AI-agenter ⬇️
På en hög nivå är Skills bra för kontextteknik och styrning av Claude Code.
Men jag håller helt med om det här med att ständigt lära sig.
Kompetens är en större grej än jag först trodde.
Jag skrev igår om hur bra den är på att optimera verktyg (med ett exempel på MCP-inställning), men denna förmåga kan generaliseras till självförbättrande/utvecklande agenter genom adaptiva färdigheter.
Lite som hur människor faktiskt lär sig och vidareutbildar sig över tid.
Som ett exempel bygger jag upp en färdighet på hög nivå som gör det möjligt för Claude Code att aktivt övervaka mina interaktioner med den och min feedback, och att dokumentera dem där det behövs (och i vilken form den än behöver), antingen i andra färdigheter, underagenter, CLAUDE-MD eller vad som är mer meningsfullt.
Vad syftar detta till att uppnå?
Claude Code bör nu mer effektivt kunna lära sig av sina misstag och anpassa sina färdigheter/förmågor (genom interaktion mellan människa och AI) för att mer effektivt interagera med sin omgivning.
Enkelt uttryckt borde jag inte upprepa mig själv för Claude Code (den har blivit smartare via adaptiva färdigheter med tiden), och den borde vara extremt medveten om min miljö och de saker som den kan göra. Färdigheter tjänar detta syfte.
Inte helt proaktiva agenter ännu, men det börjar närma sig.
Delar med mig av fler av mina experiment och resultat snart. Häng med @omarsar0

Robert Nishihara18 okt. 01:14
Det som är spännande *för mig* med @AnthropicAI:s tillkännagivande om "agentfärdigheter" är att det ger ett steg mot kontinuerligt lärande.
- I stället för att kontinuerligt uppdatera modellvikter kan agenter som interagerar med världen kontinuerligt lägga till nya färdigheter.
- Beräkning som spenderas på resonemang kan tjäna ett dubbelt syfte: att generera nya färdigheter (just nu kasseras det arbete som går in i resonemang till stor del efter att en uppgift har utförts).
Jag föreställer mig att stora mängder kunskap och färdigheter kommer att lagras utanför en modells vikter. Det verkar naturligt att destillera en del av den kunskapen till modellvikter över tid, men den delen verkar mindre grundläggande för mig.
Det finns många bra saker med att lagra kunskap utanför modellen
- Det är tolkningsbart (läs bara igenom färdigheterna)
- Du kan korrigera fel (färdigheterna/kunskaperna är i klartext, så de är lätta att uppdatera)
- Bör vara mycket dataeffektivt (på samma sätt som inlärning i kontext är dataeffektivt)

38,7K
Sov inte på Skills.
Färdigheter är lätt ett av de mest effektiva sätten att styra Claude Code.
Imponerande för optimering.
Jag byggde en färdighet inuti Claude Code som automatiskt bygger, testar och optimerar MCP-verktyg.
Den körs i en loop och laddar kontext och verktyg (bash-skript) effektivt för att testa och optimera MCP-verktyg baserat på bästa praxis, implementering och utdata.
Du kan till och med köra MCP-verktyg i den om du vill, men det var inte vad jag behövde här.
En av de mest imponerande aspekterna av att använda Claude Code with Skills är den effektiva tokenanvändningen. Kontextnivåindelningssystemet är en gamechanger jämfört med att använda subagenter.
Det är också som att ha den bästa kontextingenjören som är extremt medveten om sin miljö och kan förbättra kontext och verktyg för att hjälpa agenten (i det här fallet Claude Code) att vara otroligt väl insatt i alla uppgifter du ger den.
Det här är första gången jag känner att Claude Code verkligen förstår problemet, koden, drar rätt sammanhang och utnyttjar filsystemets kraft fullt ut.
Namnet Skills är riktigt smart när man tänker efter.
Ju mer jag leker med det, desto mer ser jag hur detta kompletterar MCP och subagenter, men jag kommer att dela med mig av fler tankar om detta i ett framtida inlägg.

57,33K
Topp
Rankning
Favoriter