精通 Claude Agent 技能 - 构建你的 AI 超能力武库完整指南

我真正理解技能是什么的那一刻

让我给你讲个故事。想象一下，你被要求指导一位才华横溢的新员工。这个人极其聪明——是你见过的学得最快的人，几乎能理解你解释的任何事情，能就任何话题侃侃而谈。但有一个问题：他们不知道公司的规则。

每天早上，你都要坐下来向他们解释同样的事情。“这是我们要如何格式化报告。这是我们的代码风格。这是这封邮件要抄送给谁。这是客户提案的模板。”而每天午饭后，他们不知怎么就全忘了。不是因为他们笨——他们很聪明。而是因为他们没有关于你公司做事方式的持久记忆。

这正是过去与 AI 合作的感觉。

提示词（Prompts）就像站在那位新员工旁边，当场给出在口头指令。“把这封邮件写得正式点。”“这里用要点列表。”“检查这段代码的 bug。”这行得通。但当你结束对话的那一刻，一切都消失了。每一次新的聊天都从零开始。

技能（Skills）就像递给他们一本内部 SOP 手册——一个包含规范、脚本、模板和参考资料的知识库文件夹。Agent 会在需要的时候查找它需要的内容。最关键的是，这本手册在每次对话中都持续存在。

这是一个突破性的洞察：技能不仅仅是花哨的提示词。它们是一个完全不同的范式。提示词是反应式的——你给出指令，你得到回应。技能是主动式的——它就在那里，等待在相关时被发现和应用，并且每次都以相同的方式执行。

技能实际上包含什么

每个技能都是一个文件夹，而不仅仅是一个文本文件。这一点理解起来至关重要。在这个文件夹里，你可以拥有：

当我第一次看到这个结构时，我想：“等等，这就像在构建一个小应用程序。”完全正确。每个技能都是一个独立的、自包含的能力模块。有些很简单——只是一个包含校对规则的 markdown 文件。有些很复杂——包含处理数据、上传到服务器并生成报告的完整 Python 脚本。

技能是何时出现的？

Anthropic 在 2025 年 10 月为 Claude Code 发布了技能功能。起初，我以为这只是另一个功能更新。但在 2025 年 12 月发生了一件事——他们通过 agentskills.io 将技能作为标准开放了。突然间，技能不仅仅是 Claude 的东西了。OpenAI 的 Codex CLI 采用了相同的架构。Cursor, Codebuddy, OpenCode — 每个人都开始构建兼容性。

技能成为了 AI Agent 能力扩展的事实标准，就像 MCP 迅速成为每个人连接外部的协议一样。

至于流行程度？让我这样说吧：一个包含 50+ 个 Claude 技能的仓库在 GitHub 上达到了 1.8 万星。在 AI 圈子里，“技能”这个词现在就像 2023 年的“提示词”一样无处不在。

渐进式披露 - 为什么这个设计是天才之作

在理解渐进式披露之前，我一直有一个担忧：“如果我安装了 50 个技能，Claude 的上下文不会爆炸吗？加载技能描述会不会就要烧掉几千个 Token？”

这正是 Anthropic 设计才华闪耀的地方。他们借鉴了 UX 设计中的一个概念——渐进式披露（Progressive Disclosure）——并将其完美地应用于 AI 上下文管理。

三层加载系统

渐进式披露意味着分阶段按需加载。Claude 不会在启动时把所有东西都倾倒进上下文。相反，它使用了一个三层系统：

让我们算算账

这是一个让我对该设计赞叹不已的比较：

这减少了 75% 的 Token 消耗。 而这还没算上脚本带来的优势。

脚本的魔力

这就是技能将提示词远远甩在身后的地方。当一个技能包含脚本时，神奇的事情发生了：

1. Claude 生成命令：python scripts/upload_image.py image.png
2. 脚本在你的机器上本地执行
3. 只有输出（如图片 URL）返回给 Claude

脚本代码本身从未进入上下文。

想想这意味着什么。你可以编写一个 500 行的 Python 脚本来处理每一个边缘情况，拥有健壮的错误处理、日志记录、重试机制——所有这些会让提示词变得极其臃肿的东西。Claude 只需要知道“执行这个脚本”。复杂性被封装了。

移动端菜单的比喻

如果你设计过移动应用，你会非常熟悉渐进式披露。这就是为什么我们有汉堡菜单——我们不会立即向用户展示 47 个选项。我们展示一个菜单图标。他们点击。他们看到分类。他们再次点击。他们找到想要的设置。

目的是什么？永远不要用信息淹没用户。分解成易消化的块。让用户（或者在这里，是 AI）能够以最小的认知负荷专注于当前任务。

人类的工作记忆大约能容纳 7±2 个信息块。受限于上下文窗口的 AI，本质上有着相同的限制。渐进式披露在这两种情况下都尊重了这一限制。

技能 vs MCP vs Subagent - 终于理清了

这个问题困扰了我好几个星期。MCP、技能、Subagent——它们似乎都能“扩展 Claude 的能力”。真正的区别是什么？在使用这三者构建之后，我终于有了一个讲得通的答案。

一句话的区别

MCP 让 Claude 触摸外部系统。技能告诉 Claude 如何使用它触摸到的东西。Subagent 派别人去干活。

让我用真正帮助我理解的类比来展开说明：

对比表

何时使用哪个

在需要连接外部系统时使用 MCP：

• 查询数据库
• 调用第三方 API
• 读/写 Notion, Jira, GitHub, Salesforce
• 访问任何需要认证的服务

在有重复性工作流时使用技能：

• 具有特定检查清单的代码审查流程
• 具有一致风格规则的文章校对
• 标准格式的报告生成
• 任何你发现自己重复输入的指令

在任务复杂且可并行化时使用 Subagent：

• 审查整个代码库（耗时）
• 同时处理多个独立任务
• 防止不相关的工作污染上下文

它们协同工作

最美妙的部分在于：这些不是相互竞争的技术。它们是互补的层级。

一个复杂的工作流可能同时使用这三者：

1. MCP 连接 Salesforce 拉取销售数据
2. 技能 定义数据分析流程——如何计算指标，生成报告
3. Subagent 并行处理不同区域的分析

在我自己的写作工作流中：

• 技能定义了我的校对规则和风格指南
• 脚本（打包在技能中）将图片上传到我的托管服务
• 我正计划添加 MCP 来连接我的素材数据库

为什么 Simon Willison 说技能可能比 MCP 更重要

Simon Willison 是 AI 开发者社区中最受尊敬的声音之一。当他写道“技能可能比 MCP 更重要”时，人们开始关注。在使用这两者几个月后，我完全明白了他为什么这么说。

理由 1：Token 效率

MCP 有一个根本问题：Token 膨胀。

当你连接一个 MCP 服务器时，Claude 需要了解该服务器能做什么。每一个可用函数，每一个参数，每一个返回类型——所有这些都需要在上下文中。Simon 指出，仅官方 GitHub MCP 服务器就消耗了数万个 Token。

技能优雅地避开了这个问题。仅加载元数据（每个 100 Token），然后在触发时才加载完整的指令。效率上的差异是惊人的。

理由 2：简单性优势

要构建一个 MCP 服务器，你需要：

• 理解协议规范
• 编写服务端代码
• 正确配置 JSON
• 处理通信和错误状态

要构建一个技能？

只需写 Markdown。

如果你会写文档，你就会写技能。门槛的差异是巨大的。而在技术领域，更低的创作门槛总是导致爆炸性的增长。

理由 3：跨平台兼容性

MCP 服务器通常是特定于宿主的。为 Claude Code 构建的东西如果不经修改可能无法在其他地方工作。

技能只是包含 Markdown 和可选脚本的文件夹。它们不依赖于 Anthropic 的专有技术。Simon 指出，你可以将同一个技能文件夹指向 Codex CLI, Gemini CLI — 即使没有原生的技能支持，它们也能工作，因为技能的核心只是结构良好的指令。

这种可移植性正是 OpenAI 在 Codex CLI 中采用基本相同架构的原因。技能正在成为一种通用标准。

理由 4：寒武纪大爆发预言

“我预测技能将带来比去年 MCP 热潮更壮观的寒武纪大爆发。”

为什么？因为当创作门槛降得足够低时，社区贡献就会爆发。编写 MCP 服务器需要后端开发技能。编写技能只需要知道如何写文档。

我们已经看到这个预言成真。技能市场遍地开花。GitHub 仓库里充满了社区贡献。生态系统的增长速度超出了所有人的预期。

我自己的观察

在使用了这两种技术几个月后，我同意 Simon 的评估。技能感觉更符合 LLM 自然的工作方式——理解文本，遵循指令，根据上下文应用知识。

MCP 代表了传统的软件工程思维：定义接口，实现服务，处理协议。

技能代表了 LLM 原生思维：清楚地写下如何做某事，让模型自己弄清楚何时以及如何应用它。

两者都有其位置。但技能可能是更深刻的范式转变。

完美技能的解剖学结构

让我带你了解一个精心制作的技能的结构。这不仅是理论——理解这个解剖结构将使本指南中的其他一切变得清晰。

文件夹结构

my-skill/
├── SKILL.md                 # 核心指令（必需）
├── scripts/
│   └── process.py           # 可执行脚本
├── references/
│   └── DETAILED_GUIDE.md    # 详细参考文档
└── assets/
    └── template.md          # 模板资源

SKILL.md 文件

这是你技能的心脏。它有两个部分：

---
name: my-awesome-skill
description: 简要解释该技能的作用以及何时使用。包含触发关键词。
---

# My Awesome Skill

## Instructions

Claude 在被调用此技能时要遵循的分步指南。

## Examples

输入/输出或使用模式的具体演示。

## Guidelines

要遵循的任何规则、约束或最佳实践。

YAML Frontmatter (前置数据)

--- 标记之间的部分至关重要。这是 Claude 读取以决定是否使用你的技能的内容。

高级 Frontmatter 选项

除了名称和描述，技能还支持强大的配置选项：

黄金法则：500 行

命名约定

文件夹名称很重要。必须是小写字母 + 连字符。没有空格。没有大写。

• 好： hotspot-collector, code-review, ai-proofreading
• 坏： Hotspot Collector, codeReview, AI_Proofreading

创建你的第一个技能

这是我最重要的建议：你不需要自己写技能。

让我解释一下。技能的价值在于它封装的内容——你的工作流、你的经验、你的 SOP。这些来自于你，通过实际工作总结出来的。但是把这些转化为格式正确的 SKILL.md 文件？让 AI 来做。

你需要做的是：

1. 清楚地思考你想解决什么问题
2. 理清你的工作流
3. 提供足够的上下文和参考资料

然后告诉 Claude：“帮我创建一个做 XXX 的技能。”它会为你生成格式正确的文件。

分步指南：一个简单的例子

让我们创建一个技能，教 Claude 使用视觉图表和类比来解释代码。

---
name: explain-code
description: 用视觉图表和类比解释代码。用于解释代码如何工作，教授代码库知识，或当用户问“这是如何工作的？”时使用。
---

When explaining code, always include:

1. **Start with an analogy**: Compare the code to something from everyday life
2. **Draw a diagram**: Use ASCII art to show flow, structure, or relationships
3. **Walk through the code**: Explain step-by-step what happens
4. **Highlight a gotcha**: What's a common mistake or misconception?

Keep explanations conversational. For complex concepts, use multiple analogies.

技能存放位置

位置决定范围：

使用官方 skill-creator

Anthropic 提供了一个专门用于创建技能的技能。很 Meta，对吧？

告诉 Claude 安装它：

Install this skill, project address is: https://github.com/anthropics/skills/tree/main/skills/skill-creator

安装后，你可以简单地说：“帮我创建一个校对文章的技能”，Claude 就会使用 skill-creator 正确地生成所有内容。

将整个 GitHub 变成你的个人武库

这是事情变得令人兴奋的地方。这个技巧彻底改变了我对 AI 能力的思考方式。

这里的洞察是：在互联网的三十年里，无数杰出的开发者已经解决了你几乎能想象到的每一个问题。他们构建了工具，开源了它们，并让任何人都可以使用。唯一的问题？这些工具大多需要部署、命令行操作、环境设置——这些障碍阻挡了普通用户。

技能可以消除这些障碍。

核心概念

因为技能可以将脚本和指令打包在一起，你可以将整个开源项目封装成可调用的能力。那些经过数千用户多年打磨的久经考验的代码，变成了你 AI 工具箱的一部分。

真实案例：视频下载

让我通过一个实际例子来演示。假设你经常需要从 YouTube、Bilibili 和其他平台下载视频。

第 1 步：找到合适的项目。 问任何 AI：“GitHub 上有没有开源项目可以从各种网站下载视频？”

它会指向 yt-dlp —— 一个拥有 143,000+ 星的传奇项目，支持数千个网站。

第 2 步：将其打包为技能。

Help me package this open source tool https://github.com/yt-dlp/yt-dlp into a Skill, so that whenever I give a video link, it can help me download the video.

第 3 步：让 Claude 规划。 先使用 Plan 模式。Claude 会分析项目，了解其能力，并询问你关于偏好的澄清问题。

第 4 步：构建和测试。 切换到开发模式。几分钟内，你就会拥有一个工作的视频下载技能。

第 5 步：根据初次运行进行迭代。 第一次使用任何封装开源工具的技能时，你会遇到问题。YouTube 有反爬虫机制。你可能需要安装依赖。记录这些经验并告诉 Claude 更新技能。

Update all these experiences into the video-downloader skill. Remember the Cookie requirement, the dependency installation, everything we just figured out.

下一次？打开并下载。瞬间完成。

更多 GitHub 转技能的想法

这些只是冰山一角。GitHub 托管着数百万个项目——几十年来的人类智慧，免费可用。

你不需要三头六臂。你不需要头上长角。在你身后站着过去几十年全人类积累的知识。只要你想要——它就可以听你号令。

构建自我进化的技能管理系统

现在我们进入了我花了整整两天时间才弄清楚的领域。这是技能从“有用的工具”变成“有生命的、不断成长的能力”的地方。

问题：从 GitHub 项目打包的技能需要维护。原始仓库会更新。Bug 修复。新功能出现。同时，你一直在使用你的技能并积累经验——“这个参数更好用”，“添加这个标志来避免那个错误”。你如何管理这一切？

三件套解决方案

我构建了（在 AI 的帮助下）一组三个协同工作的技能来解决这个问题：

版本控制问题

这是我一直遇到的冲突：当 GitHub 更新时，我想拉取最新的代码并重新生成 SKILL.md。但也我也一直在根据使用经验迭代我的技能——微调、修复、偏好。这些修改也存在于 SKILL.md 中。

两股力量，都在修改同一个文件，目标完全不同。灾难一触即发。

解决方案：evolution.json

洞察：分离关注点。

GitHub 更新继续重新生成基础 SKILL.md 文件。但所有积累的经验都存储在一个单独的 evolution.json 文件中。把它想象成游戏存档。无论主游戏更新到什么版本，你的存档文件都会保留你的进度。

当 SKILL.md 被新版本覆盖时，evolution.json 发挥作用——将积累的智慧重新注入到新鲜的技能中。

yt-dlp-skill/
├── SKILL.md           # 基础指令（可重新生成）
├── evolution.json     # 积累的经验（保留）
└── scripts/
    └── download.sh    # 执行脚本

管理飞轮

有了这三部分，技能管理变成了一个自我强化的循环：

1. 使用 github-to-skills 从 GitHub 创建新技能（嵌入身份）
2. 在日常工作中使用技能，遇到边缘情况和解决方案
3. 通过 skill-evolution-manager 自动进化技能（捕捉解决方案）
4. 通过 skill-manager 当 GitHub 仓库更新时更新基础技能
5. 将进化数据合并回更新后的技能中（保留经验）

结果：真正学习和进步的技能。不是比喻——是实际上。每次你使用它们并解决问题，它们都会变得更聪明。

我在 https://github.com/KKKKhazix/Khazix-Skills 开源了这三件套。它并不完美，但很有效。它指向了一些强大的东西：明天的技能将不是静态文档。它们将是生命系统。

14 个官方技能宝藏清单

在构建自己的技能之前，先了解一下现有的资源。Anthropic 维护着一个官方技能库，完美地覆盖了常见需求。

所有技能位于：https://github.com/anthropics/skills

文档技能（闭源）

这些技能驱动着你在 Claude.ai 中看到的文档生成功能：

开发技能（Apache 2.0 开源）

创意技能

沟通和 Meta 技能

安装方法

方法 1：自然语言

只需告诉 Claude：“安装这个技能，项目地址是：[GitHub URL]”

方法 2：插件市场

# 添加官方仓库作为市场
/plugin marketplace add https://github.com/anthropics/skills

# 安装技能
/plugin install
# 切换到 Marketplace 标签，选择所需的包

方法 3：手动拖放

下载技能文件夹并将其放在你的技能目录中（个人用 ~/.claude/skills/，项目专用用 .claude/skills/）。

设计技能的艺术 - 深度拆解

作为一个做了多年 UX 设计的人，我发现官方设计技能特别迷人。让我拆解一下使它们如此有效的技巧。这些模式远不止适用于设计——它们是任何高质量技能的模板。

技巧 1：提升天花板

algorithmic-art 技能不是以“帮我用 p5.js 画画”开始的。它是这样开始的：

“算法哲学是计算美学运动，然后通过代码表达出来。”

这将任务从“生成作品”提升为“创建美学流派加上相应的算法系统”。它提醒模型，输出必须是系统性的，而不是一次性的灵感。

技巧 2：两阶段结构

两个设计技能都使用了两阶段方法：

1. 首先，创建哲学（.md 中的概念框架）
2. 然后，将其视觉化表达（实际实现）

这强制在实现之前进行抽象。模型不会陷入“写代码，调整数值”的局部最优。概念先行；代码只是表达。

技巧 3：诗意 + 工程模板

algorithmic-art 技能为哲学写作提供了结构：

Express how this philosophy manifests through:
- Computational processes and mathematical relationships
- Noise functions and randomness patterns
- Particle behaviors and field dynamics
- Temporal evolution and system states
- Parametric variation and emergent complexity

注意：每一点既是美学语言又是技术对象。“噪声函数”直接映射到代码。“粒子行为”是可实现的。这连接了愿景和执行。

技巧 4：概念种子

官方技能的一个绝妙洞察：

“概念是嵌入算法本身的微妙、小众的参考——不总是字面的，总是复杂的。像爵士音乐家通过算法和声引用另一首歌一样思考。”

用户主题应该嵌入在参数、行为、模式中——而不是写在屏幕上。致敬，但藏得深一点。懂的人会感觉到；不懂的人只会觉得它看起来不错。

技巧 5：带自由区的模板化

技能清楚地定义了什么是固定的（布局、品牌、控件）和什么是可变的（算法、参数、颜色）。这确保了：

• 每个输出都有一致的 UI 体验
• 模型确切知道它可以/不能修改哪里
• 减少因过度创造性解释带来的意外“惊喜”

技巧 6：作为检查清单的工匠精神

canvas-design 技能将专业标准编码为可检查的规则：

• 没有东西掉出页面
• 没有东西重叠
• 适当的边距没得商量
• 文字总是极简的且视觉优先

这将隐性的专业知识转化为显性的行为约束。模型可以根据具体标准验证自己的工作。

技巧 7：减法，而不是加法

最后的润色步骤是天才之举：

“为了完善作品，避免添加更多图形；相反，完善已创建的内容。如果本能是调用新函数或绘制新形状，停下来。”

这编码了区分业余与专业的“最后 10% 工匠精神”。当本能说“加更多”时，反问：什么可以删除？什么可以对齐、合并、加强？

设计你的技能库架构

有了几十个技能，组织就很重要。我是这样思考如何构建可扩展的技能库架构的。

为什么要拆分技能？

人们经常问：“我不能只写一个做所有事情的大技能吗？”

不。三个理由：

技能类型模式

我发现了四种覆盖大多数用例的模式：

我的写作技能系统

作为一个具体例子，这是我如何构建写作技能的：

P0 核心技能（每篇文章）

• ai-proofreading: 三遍流程以降低 AI 检测率。触发词：“proofread”, “too AI”
• image-illustration: 生成图片 + 上传到托管 + 返回 markdown。触发词：“illustrate”, 在校对之后

P1 常规技能（大多数文章）

• topic-generator: 基于趋势生成话题想法。触发词：“give me topics”
• long-to-x: 将长文转换为 Twitter 帖子。触发词：“convert to X content”
• research-collector: 收集并整理研究材料。触发词：“research [topic]”

P2 偶发技能

• headline-generator: 制作抓人眼球的标题。触发词：“title ideas”
• seo-optimizer: 针对搜索引擎优化。触发词：“SEO”, “optimize for search”

技能中的错误处理

爆炸式增长的技能生态系统

上个月我第一次研究技能时，只发现了几个仓库。现在？生态系统已经爆炸。有专门的市场、精选目录和成千上万的社区贡献技能。

官方起点

Anthropic 文档： https://code.claude.com/docs/en/skills

创建和使用技能的清晰、分步指南。

官方仓库： https://github.com/anthropics/skills

14 个官方技能加上示例。

Agent Skills 标准： https://agentskills.io

开放标准规范。如果你想了解完整的技术规范，从这里开始。

社区市场

精选合集

smithery.ai/skills — 数量不多，但每一个都经过质量筛选。

GitHub 上的 awesome-claude-skills — 人工精选列表。高质量，更新频繁。

多工具目录

mcpservers.org/claude-skills — 将 MCP 服务器和 Claude 技能放在一起。生态系统的独特视角。

claudemarketplaces.com — 市场的目录。“市场的市场”。

高级模式和专业技巧

对于那些准备深入研究的人，这里有我通过大量使用发现的模式。

动态上下文注入

!`command` 语法在技能内容到达 Claude 之前运行 shell 命令。输出替换占位符。

---
name: pr-summary
description: Summarize changes in a pull request
context: fork
agent: Explore
---

## Pull request context
- PR diff: !`gh pr diff`
- PR comments: !`gh pr view --comments`
- Changed files: !`gh pr diff --name-only`

## Your task
Summarize this pull request...

Forked Execution (Subagent 集成)

添加 context: fork 以隔离运行技能。技能内容成为驱动 subagent 的提示词。

---
name: deep-research
description: Research a topic thoroughly
context: fork
agent: Explore
---

Research $ARGUMENTS thoroughly:

1. Find relevant files using Glob and Grep
2. Read and analyze the code
3. Summarize findings with specific file references

参数替换

使用 $ARGUMENTS 或位置参数 $0, $1 等将动态值传递给技能。

---
name: migrate-component
description: Migrate a component from one framework to another
---

Migrate the $0 component from $1 to $2.
Preserve all existing behavior and tests.

只读模式

使用 allowed-tools 限制技能激活时 Claude 可以做什么：

---
name: safe-reader
description: Read files without making changes
allowed-tools: Read, Grep, Glob
---

Explore and understand the codebase without modifying anything.

视觉输出生成

技能可以生成在浏览器中打开的交互式 HTML 文件。这种模式适用于：

• 代码库可视化
• 依赖图
• 测试覆盖率报告
• 数据库架构图
• 任何受益于交互式探索的复杂数据

捆绑的脚本完成繁重的工作；Claude 进行编排。用户无需任何手动步骤即可获得丰富的视觉输出。

会话日志

使用 ${CLAUDE_SESSION_ID} 进行特定于会话的操作：

---
name: session-logger
description: Log activity for this session
---

Log the following to logs/${CLAUDE_SESSION_ID}.log:

$ARGUMENTS

Extended Thinking (深度思考) 触发器

创造的状态

我想以一些个人的话结束。

每次我研究技能时，我都会回到 2013 年的夏天。我刚刚结束中考，用积蓄买了一台笔记本电脑。我花了整个夏天折腾《上古卷轴 5：天际》的 Mod——下载它们，组合它们，调整配置文件，看着我的游戏变成了完全属于我自己的东西。

那是纯粹的创造乐趣。不是消费内容。不是刷 Feed 流。而是真正地构建一些东西，定制一些东西，让一些东西变成我的。

技能带回了这种感觉。

指导的最酷状态不是有一个需要不断手把手教的油嘴滑舌的人。而是递给他们一套手册，看着他们翻阅、执行、自查并独立迭代。你说得更少；他们交付得更多。

技能正是如此。

今天你可能安装 skill-creator 并固化一个常见的动作——也许是筛选热点话题，将错误日志转化为修复计划，或者将链接转换为摘要。仅仅一个。

当它成功运行时，你会理解重用的价值。

明天你会想要第二个。后天，你会想把你所有的流程都搬进去。

在那一点上，你进入了一个不同的状态。

自由。创造的状态。

GitHub 上那些杰出的开源项目——几十年来人类智慧的结晶，免费共享。因为技能，因为 Agent，每一个普通人现在都可以驾驭这种力量。

你不需要三头六臂。你不需要超能力。在你身后站着人类积累的知识。只要你想要——它就是你的。

如果你把现在的自己和三年前的自己相比，还有可比性吗？看看你今天能做什么。看看你的能力边界扩展到了哪里。

这个让任何人都能成为超人的辉煌、宏伟的时代——难道不让你感到兴奋吗？