原始标题: Everyone Will Be Training AI Agents This Way in 6 Months (Claude Code)

发布日期: 2026-02-05 | 来源频道: @AllAboutAI

📝 深度摘要

AI 智能体架构与自主开发实战笔记

1. 对话背景与核心主题

本视频的核心主题是如何通过 Claude Code 训练 AI 智能体掌握新技能，并以实际案例展示从需求提出到技能固化的完整流程。博主是一位专注于 AI 自动化的工作者，他在 Mac Mini 上运行着一个专属的 AI 代理，本次演示的目标是为其 skills.md.store 产品线训练一个能够自动生成推广视频的技能。

博主的核心诉求非常明确：他需要一个能够自主完成"产品推广视频制作"的技能 pipeline。这个技能需要整合屏幕录制、语音合成、动画渲染（Remotion）、背景音乐等多个子能力，最终输出一个可以直接发布到社交媒体的营销素材。值得注意的是，整个训练过程采用了迭代式 skill training方法论——不追求一步到位，而是通过多轮反馈循环逐步优化技能表现。

2. 核心干货概览 (Agentic Stack & Assets)

3. 智能体架构与 SOP (Architecture & Implementation Deep Dive)

环境搭建与初始化

硬件与系统配置：博主在 Mac Mini 上部署了专属 AI 代理运行环境。这台机器承载了 Claude Code 的持续运行，为代理提供了独立的计算资源和网络访问能力。

权限模式选择：启动 Claude Code 时使用了 --dangerous-skip-permissions 参数（或在 UI 中选择 dangerous script permission），这意味着代理获得了执行系统命令的完整权限，包括屏幕录制、浏览器自动化、文件系统操作等。这种权限级别对于"无人值守"的自动化工作流至关重要，但也带来了相应的安全风险考量。

技能生态现状：在演示之初，博主的代理已经装备了多项技能，包括但不限于：屏幕录制、视频编辑、已有的一些 MCP 工具，以及专门用于 X.com 操作的 x.md 技能文件。这些预置技能构成了新技能训练的基础资产池。

自主运行逻辑链 (The Loop)

第一轮迭代 (First Iteration)：博主向 Claude Code 发送了一个结构化的 prompt，要求代理学习"产品推广视频制作"技能。Prompt 的核心内容包括：

• 产品定位：skills.md.store 是一个销售 AI 代理技能的平台，用户购买后可获得即插即用的 .md 技能文件
• 视频要素：需要整合屏幕录制（展示 X.com 导航）、语音旁白、Remotion 动画、背景音乐（chill.mp3）
• 交付要求：生成可发布的 MP4 格式推广视频

代理接收到任务后，自主完成了以下工作流程：

1. 启动屏幕录制，模拟导航 X.com 的操作流程
2. 编写 Remotion 代码，定义视频场景、转场动画、文字叠加
3. 合成背景音乐与旁白音频
4. 渲染最终视频文件

博主在 4 分钟内完成了第一轮迭代的指令下发，最终得到一个初始版本。但第一版存在明显问题：视频节奏过慢，缺少产品网页的展示内容。

反馈与第二轮迭代 (Feedback & Second Iteration)：博主针对第一版给出了详细的改进意见：

• 全程需要语音旁白解释产品概念
• 需要更多展示代理实际导航 X.com 的屏幕录制片段
• 增加动画节奏感
• 加入产品页面的视觉元素

代理根据反馈进行了第二轮迭代，这一次生成的视频时长控制在 26 秒，节奏明快，以"Watch this"作为开场 hook，快速展示 AI 代理在 X.com 上的导航、通知查看、个人资料浏览、帖子草稿撰写等全自动化操作，最后以"Plug it in and your agent knows exactly what to do"作为核心卖点输出。

技能固化 (Skill Finalization)：在确认第二版视频质量达标后，博主指示代理将完整的工作流写入 promo-skill.md 文件。这标志着"训练"阶段的完成——代理不仅学会了如何制作这个特定的推广视频，还掌握了可以复用的标准化流程。

技能验证 (Skill Verification)：为了验证技能的可复用性，博主重新启动 Claude Code 会话，直接加载刚才训练的 promo-skill，然后提供一个新产品链接，指令代理"使用 promo skill 创建视频"。代理成功复现了之前迭代的成果，再次生成了 26 秒的推广视频，验证了技能文件的可重复执行性。

自动化发布 (Autonomous Posting)：最后一步，代理利用已安装的 X.com 技能，将生成的视频自动发布到社交媒体平台，完成从"技能训练"到"自动化运营"的完整闭环。

实战案例还原 (Use Cases)

案例一：skills.md.store 产品推广：这是本次演示的核心案例。代理完成了从"理解产品价值"到"生成视频"再到"自动发布"的全流程。视频最终呈现效果包括：AI 代理自主导航 X.com 的屏幕录制、快节奏的转场动画、清晰的语音旁白、以及产品购买链接。

案例二：未来扩展可能性：博主提到他已经成功将类似的工作流应用于 YouTube 频道运营，并正在探索让代理自动完成 GitHub 代码项目的展示与发布。这意味着技能训练的方法论具有高度的可迁移性——一旦掌握了"如何训练代理学习一个技能"，就可以将其应用于任何领域的自动化需求。

细节支撑

时间成本：博主强调，整个第一轮 skill training 仅用了约 4 分钟的交互时间，就获得了可用的初始版本。这种效率在传统视频制作流程中是不可想象的。

迭代周期：从第一版到最终满意版本，经历了 2 轮明确的迭代。每轮迭代都有具体的反馈内容和针对性的改进，展示了"人机协作"模式下如何快速迭代产出。

自主性边界：博主提到他并不确定代理"是否会自动发布内容"，但在本次演示中代理确实执行了发布操作。这揭示了一个关键点：AI 代理的自主行为边界需要在系统提示或技能定义中明确约束，否则代理可能会超出预期范围行动。

4. 核心执行资产 (CLI Commands & Prompts)

指令集还原

Claude Code 启动命令（推测）：

claude --dangerous  # 或在 UI 中启用 dangerous script permission

技能查看指令：

/skills  # 在 Claude Code 对话中查看已安装的技能列表

技能文件加载：

load promo-skill.md  # 加载指定技能文件到当前会话

Prompt 工程模板（来自博主的实际 prompt）：

We need to learn a new skill: create product promo. 

In our case, this is a simple web page that sells skills for AI agents, skills.md files with instructions and I just link to Claude skills.

We already have some skills that can help us create a promo video like voice over, screen recording. We have some video editing skills we already trained.

The ideal promo video should be a short video on point just describing what the service does. 

For the video, it would be great if you could screen record the agent navigating X to show it working in practice. Create a voice over that describes and sells the skills.md store product. Use Remotion for smooth animation, transitions, text. We have background music file: chill.mp3.

Please create your first iteration of the promo video.

系统提示词策略

博主展示了如何通过"结构化 Prompt"驱动代理自主工作：

1. 明确产品背景：提供产品的核心价值主张和目标受众
2. 列出可用资产：告知代理已有的技能库（屏幕录制、语音、视频编辑等）
3. 定义交付标准：视频时长、格式、核心信息点
4. 设定迭代预期：明确这是第一轮迭代，后续会根据反馈优化

这种 Prompt 策略的核心思想是**“描述结果而非过程”**——告诉代理"要什么"，而不是"怎么做"。代理会自主调用技能库中的工具，编排出完成目标所需的工作流。

5. 开发者进阶洞察 (Vibe Coding Insights & Boundary)

Vibe Coding 核心心法

博主在实践中展现了一种**“意图编程”**的范式：他不是编写具体的代码来实现视频制作功能，而是通过自然语言描述期望的结果，让代理自行推理、调用工具、生成产出。这种方法的核心心法可以归纳为：

• Prompt 即代码：不再用编程语言编写业务逻辑，而是用自然语言编写任务描述
• 技能即组件：预训练的技能文件（.md）相当于可复用的函数库，代理按需组合
• 迭代优于完美：不追求一次到位，通过多轮反馈逐步精进
• 自动化即复利：一旦技能固化，后续调用不再需要人工干预

博主提到他在过去几周内持续扩展技能库，将各种自动化能力逐步沉淀为可复用的 skill 文件。这形成了一个技能网络效应——越多的技能被训练出来，新技能的开发和调用就越高效。

自主性风险预警

在演示过程中，博主提到了几个需要警惕的风险点：

边界失控风险：当代理获得了 dangerous script permission 时，它可能执行超出预期范围的操作。例如，在演示中代理"主动"发布了帖子，而博主原本不确定它是否会这样做。这提示我们：需要在技能定义或系统提示中明确设定行为边界，特别是涉及外部平台操作时。

无限循环风险：在迭代式训练过程中，代理可能会陷入反复调整而无法收敛的情况。博主采用了"满意即停"的策略——当视频质量达到"good enough"时就停止迭代，而不是追求完美。

成本累积风险：虽然博主没有明确提及 token 消耗，但多轮迭代式的交互意味着持续的 API 调用。在生产环境中，需要建立成本监控机制，避免长时间运行导致费用失控。

实战陷阱

陷阱一：技能依赖链断裂：在演示中，代理依赖于多个预置技能（屏幕录制、Remotion、视频编辑等）。如果某个技能缺失或版本不兼容，整个工作流可能会失败。在训练新技能之前，需要确保基础技能库完整。

陷阱二：Prompt 歧义导致产出偏离：当 Prompt 描述不够精确时，代理可能会生成偏离预期的内容。博主的第一版视频"节奏过慢"和"缺少产品页面展示"就是因为初始 Prompt 没有明确强调这些要求。

陷阱三：技能文件格式错误：Claude Code 的 skills.md 有特定的语法要求。在技能固化阶段，如果格式不正确，代理可能无法正确加载和执行。

6. 金句 (Golden Quotes)

• “Watch this. My AI agent navigating X.com, checking notifications, looking at profiles, drafting posts, fully autonomous. This is a skill. Plug it in and your agent knows exactly what to do.” （“看这个。我的 AI 代理自主导航 X.com，查看通知、浏览资料、撰写帖子，完全自动化。这是一个技能。接入它，你的代理就知道该怎么做。"）

• “Working with AI agents is like having a dedicated employee that never sleeps, never complains, and keeps getting better at what you teach it.” （“和 AI 代理一起工作，就像拥有一个不知疲倦、从不抱怨、并且持续精进的专属员工。"）

• “We didn’t spend hours figuring out the right prompts. The agent figured it out by itself through iteration.” （“我们没有花几个小时去摸索正确的提示词。代理通过迭代自己找到了答案。"）

• “The key is not to code everything yourself, but to teach the agent how to learn.” （“关键不是自己写所有代码，而是教会代理如何学习。"）

• “This could be done autonomously now if you have all of these skills set up.” （“只要把这些技能都配置好，现在一切都可以自动化运行。"）

📺 视频原片

视频ID: Wk_-aqs3fM4