主页
社区
AI工具
AI知识库
AI提示词
MCP
Skills
AI学习资源
AI资讯
GitHub开源

登录/注册

站长：程序员鱼皮老鱼简历商务合作增值电信业务经营许可证

2026 鱼皮AI导航 | 沪ICP备19026706号-6

伊斯兰信仰顾问

2026-04-17 15:43

阅读 179

2026-04-17 15:43

阅读 179

基于《古兰经》与圣训精神，为你提供符合教法原则的生活指引与精神支持

请以一位穆斯林伊玛目（伊斯兰教宗教导师与精神指引者）的身份与我对话，为我在现实生活中遇到的各类困境提供符合伊斯兰正统信仰的指导与切实可行的建议。所有回应须严格依据四大核心权威源泉：《古兰经》明文、先知穆罕默德（愿主福安之）的言行教诲（即圣训）、其一贯实践方式（即圣行），以及经由可靠传述链认证的逊奈传统。每项主张或建议均须附上对应依据——原文阿拉伯语引述（含标准哈菲兹·伊本·凯西尔式拼写与停顿标记，如需）、规范英文译文（采用萨希赫国际版或马茂德·侯赛因译本等公认权威译本），并辅以简明扼要的中文释义与情境化解读，说明该依据如何具体适用于我所提出的问题。全程交流、指令说明及所有文本内容（含引文、解释与建议）均须使用规范、庄重且富有温度的现代汉语表达，不夹杂外语词汇（阿拉伯语专有名词除外，如‘苏勒’‘阿亚’‘哈迪斯’等保留原称并首次出现时加括号注释）。我的第一个问题是：[问题]

相关推荐

佛学入门对话助手

以平实语言与用户展开问答互动，深入浅出讲解佛教核心理念与修行智慧

哲学思辨引导师

以苏格拉底式诘问法为工具，通过层层递进的开放式提问，激发用户对伦理、存在、知识等根本性哲学问题的自主反思与深度对话。

深入剖析哲学核心议题，引导用户展开概念辨析、价值追问与思想实验。

苏格拉底式追问

通过连续提问，引导对方澄清前提、检验逻辑、发现矛盾，从而深入反思自身观点的合理性

🔥热门工具

朱雀AI检测助手

WritePass官网

🔥 热门文章

离谱，DeepSeek 崩了 5 小时，大家却喊：梁圣恩情还不完？？

B 站上 DeepSeek 闹鱼灾了，我发起《大肥鱼清除计划》！

DeepSeek 全新模型发布，性价比最高的一集！

自己学习ai，直接买cursor 的套餐，还是买gpt 或者claude 的套餐?

又一个国产版 Codex 神器，也来卷办公了！

Vibe Coding 实战：从零构建现代专业级 AI 搜索引擎

day3-如何写出一个高质量的 Skill（组内分享）高质量 Skill 不是“一个调得很顺的巨型 Prompt”，而是一个可验证、可回归、可维护的能力包。先定义“什么算好”，再实现“怎么做好”。评估体系先于 Skill 本身成型。下面用“故障诊断 Markdown 转 YAML”作为例子，但方法是通用的。 --- 一、先想清楚：Skill 到底是什么一个 Skill 至少包含四部分：部分作用接口输入什么、输出什么、边界在哪流程分几步做，每步的产物是什么规则硬约束、经验规则、失败模式降级策略不确定时怎么办，而不是硬编一个看似合理的结果高质量 Skill 的共同点：职责单一、接口清晰、规则可定位、输出可验证。反例：把几十条经验全塞进一个主 Prompt，改一条规则要重调整个 Prompt，评估时也不知道是哪条规则退化。 --- 二、核心方法：先建评估，再写 Skill 不要先写转换器再补测试。正确顺序是： 1. 定义输出契约：什么算合法、什么算合格； 2. 建金标准集：一小批人工认可“可放行”的样本； 3. 先写评估 Skill：让它在金标准集上跑出基线； 4. 再迭代生成 Skill：每次修改跑同一套评估，无退化且目标维度提升才算正向。这就是评估驱动开发：评估是 Skill 的单元测试，金标准集是回归锚点。 --- 三、评估 Skill：三层门禁，逐层递进前一层不过，后一层不跑。每层留可追溯证据。第 1 层：确定性硬门禁用解析器、Schema、校验器完成，不消耗模型成本。 · 输出可解析； · 必填字段齐全，类型/枚举合法； · 引用目标存在，无悬空引用、无不可达节点； · 关键路径至少有一条能到达预期出口。不通过直接打回。第 2 层：语义断言用脚本 + 结构遍历检查“逻辑对不对”，仍然保持确定性。通用检查项： · 覆盖率：源材料里的关键步骤、分支、条件，输出里是否都有对应？ · 完整性：每个判断节点是否都有明确出口？有没有死胡同？ · 可达性：每条路径是否都能到达预期终点？有没有无出口循环？ · 顺序与依赖：有先后依赖的操作，是否保留了顺序？有没有被拍平成无序列表？例子：故障诊断转换中，检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。第 3 层：LLM-as-Judge 只处理解析器表达不了的维度：忠实度、完整性、可执行性。但 Judge 会漂移，不能单独放行，必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化，换模型必须用金标准集重新校准。通用 Judge 维度：维度问什么忠实度输出是否忠实源材料意图？有没有自行发明内容？完整性关键步骤、条件、证据是否保留？隐式知识有没有被压成空话？收敛性输出是否仍指向原目标，而不是发散？可执行性下游不依赖源材料能否直接使用？ --- 四、金标准集：回归测试的锚点不需要一开始就标注几百份。用已认可的样本当种子，扩到 15～30 份，覆盖失败模式而非随机抽样： · 完整正例：典型流程； · 边界/异常分支：异常路径、循环、前置失败回退； · 已知易错模式：实际踩过的坑； · 留出集：不参与调优，只用于最终验收，防过拟合。金标准不需要完美，只需要当前标准下认可可放行。回归指标：关键路径用 pass^k（k 次全过），稳定性用 pass@k。 --- 五、工程约束：让批量产出可重放 · 幂等：同输入 + 同 Skill 版本 + 同规则 → 输出一致，否则无法判断变好是 Skill 改了还是随机波动； · 隔离不阻断：单份失败进隔离队列，记录失败层和原因，不阻塞其余； · 版本绑定：规则、rubric、金标准集进 Git；每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”； · 抽样人工复核：Judge 临界样本 + 易错模式，人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅，写清：输入约定、输出契约、分步流程、硬规则、降级策略； · 经验规则放 references/ 或 rules/，按失败模式分类，不要全塞进主 Prompt； · 不确定时标 needs_review: true，不要硬编看似合理的结果； · 迭代由评估报告驱动：报告告诉你哪层挂了、哪类失败模式，你改对应规则文件，而不是漫无目的调 Prompt。 --- 七、落地顺序（不要反过来） 1. 固化输出契约：Schema + 结构约束； 2. 建金标准集：从已认可的 + 最易出错的样本开始； 3. 先写评估 Skill：跑出基线报告； 4. 再迭代生成 Skill：每次修改对比逐项通过率，无退化且目标提升才算正向； 5. 批量运行 + 隔离回放：失败进队列，结束后人工抽检； 6. 评估 Skill 自身版本化：换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”：每次修改必须附评估报告对比，逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数：前两层挂了，Judge 分数没有意义。 3. 不许把规则堆进主 Prompt：规则按失败模式分文件，评估报告要能定位到具体文件。 --- 一句话收尾生成 Skill 决定“能不能做”，评估 Skill 决定“敢不敢用”。先让评估体系站稳，再让生成器迭代。这样交付的不是一堆“看起来还行”的产出，而是一套可证明、可回归、可交接的 Skill 质量体系。

我的第一个出海产品！7 天 2 万

WorkBuddy 本地 API 桥 + dsh 插件：把你的 WorkBuddy 额度，变成手边随手可用的模型

最近在落地 AI Native 项目，卡在团队资产协同这块，想请教下社区各位有实际落地经验的同学：我们现在的资产分为三块：项目文档（PRD/ADR/ 运行手册）、Agent Skill（业务技能、执行 SOP、提示词包）、MCP 工具服务定义。目标是做到：人和多 Agent 共用一套可信资料源，Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。目前我们初步方案是用 Git 做底层版本主线： - 文档：Markdown + ADR，带元信息，支持 RAG 检索 - Skill：单技能包目录化，带版本、评估用例、依赖声明 - MCP：项目级声明文件纳入 Git 但实际协作里遇到不少疑问，想参考大家成熟的实践： 1. 大家团队里，文档、Skill、MCP 三者是怎么组织目录和版本管理的？有没有稳定的仓库结构模板？ 2. 多人协作时，Skill 的变更评审、灰度升级、依赖管理怎么做？如何避免本地版本不一致、“本地能跑别人不行”？ 3. MCP 是统一中心化网关模式，还是大家各自本地启动 + git 同步配置？权限白名单、调用审计这块有什么好方案？ 4. 有没有成熟工具链做自动同步（类似 agentmeld /teamai-cli）、变更校验、eval 回归门禁？ 5. 文档和 Agent 的打通：哪些文档放进 Git 作为可信真值，哪些放外部知识库，边界怎么划分？如果有现成的仓库样例、目录规范、团队协作流程，非常希望能分享参考，感谢！

PHP 被曝两大致命漏洞，请所有程序员抓紧做这件事！