Antigravity 更新 Skill几天了，老金刚有空写。
老金可以趁机再给大家说一遍Skill是什么，它为什么受到全网推崇。
Claude Code在25年的10月就发布了Agent Skills，并在2026年的1月，确立了“全 Skill 化”的架构，并开源其他任意平台可接入使用。
它把扩展 AI 能力这件事，回归到了最本质、最极客的方式：文件即技能。
Skills 是怎么个事儿？
别被名字唬住了。
Skill 仅仅就是一个文件夹。
对，你没听错。
你想让 Agent 会写 Python？你就往项目里丢个 python_expert 文件夹。
你想让它会自动部署？丢个 auto_deploy 文件夹。
你想让它懂你们公司的代码规范？丢个 team_guidelines 文件夹。
Antigravity 会自动扫描这些文件夹，读取里面的"说明书" (SKILL.md)，然后瞬间"学会"这些技能。
这就是 降维打击。以前我们要去某个"插件市场"搜半天，现在直接 Ctrl+C Ctrl+V 文件夹，技能就装好了。
核心解密：完整的 Skill 文件夹结构
一个标准的 Skill 文件夹，结构清晰得让人感动。老金带你拆解一下：
📂 my-custom-skill/ ├── 📄 SKILL.md # 必选：Skill 的“灵魂”。定义功能描述、触发场景及 Claude 的思考逻辑。 ├── 📄 config.json # 必选：安全性与元数据。定义权限边界（联网、读写）和版本信息。 ├── 📄 requirements.txt # 可选：Python 依赖定义（若有脚本，推荐包含以实现自动隔离安装）。 ├── 📄 package.json # 可选：Node.js 依赖定义（替代 requirements.txt）。 ├── 📄 reference.md # 可选：长文档。存储 API 字典或复杂规范，通过“渐进式披露”节省上下文。 ├── 📄 examples.md # 可选：少样本学习 (Few-shot)。提供最佳实践案例供 Claude 参考。 ├── 📂 scripts/ # 可选：可执行逻辑。存放 Python/Bash/JS 脚本，由 Claude 调度执行。 │ └── 🔧 main_logic.py ├── 📂 assets/ # 可选：静态资源。如预设的代码模板 (.txt)、提示词片段或测试数据。 ├── 📂 tests/ # 可选：质量保证。存放针对 scripts 的单元测试，确保 Skill 更新后依然稳健。 └── 📄 .clauderules # 可选：局部约束。定义在此 Skill 激活时 Claude 必须遵守的特定行为准则。路径
项目专属技能 (Workspace Skills)
如果你只想让技能在当前项目中生效，请将其建立在项目根目录下的隐藏文件夹内：
路径：<项目根目录>/.agent/skills/<你的技能文件夹>/
示例：若你的项目文件夹为 my-app，技能名为 deploy-tool，则路径为 my-app/.agent/skills/deploy-tool/。全局通用技能 (Global Skills)
如果希望在所有项目（整机通用）中都能调用该技能，请将其建立在用户家目录下：
路径：~/.gemini/antigravity/skills/<你的技能文件夹>/
提示：在 Mac 系统中，可通过访达的“前往文件夹”功能直接输入该路径进入。
1. 核心大脑：SKILL.md (必选)
这是灵魂。只要这个文件存在，Agent 就知道自己会了啥。里面分两部分：
YAML 头（元数据）：
--- name:"code-security-audit" description:"用于扫描当前目录下的代码漏洞，建议在提交 PR 前使用" # 2026 规范：工具名建议使用小写 snake_case allowed-tools: ["ls", "grep", "read_file", "view_code_definitions"] # 独立上下文运行，保护主对话的 Token 额度 context:"fork" # 定义此 Skill 归属于哪类 Agent（如编码、运维、测试） agent:"software-engineer" # 允许用户在终端输入 /code-security-audit 快速启动 user-invocable:true # 新增：定义此 Skill 的核心唤醒词 keywords: ["security", "audit", "vulnerability"] ---Markdown 正文（指令）：
用人话写清楚怎么干
给具体示例和最佳实践
可以引用其他文件（通过链接）
2. 详细文档：reference.md (可选)
把复杂的API说明、参数详解放这里。
SKILL.md 里引用：
## 详细说明 完整的API文档见 [reference.md](reference.md)3. 使用示例：examples.md (可选)
放几个真实例子，让 Agent 照着抄。
4. 工具脚本：scripts/ (可选)
关键特性：脚本不会加载到上下文，直接执行，只消耗输出结果的 token。
适合放：
复杂的验证逻辑
数据处理脚本
需要保持一致性的操作
在 SKILL.md 里告诉 Claude 执行脚本：
运行验证脚本： ```bash python scripts/validate.py input.txt如果对你有帮助，记得关注一波~
手把手：3分钟搓一个"自动发布"技能
别光看，动手。假设我们要搞一个 一键发版 的技能。
第一步：建房
在项目根目录（或者你习惯放文档的地方），建个文件夹 `publish_skill`。
第二步：写说明书 (`SKILL.md`)
直接新建 `publish_skill/SKILL.md`，把下面这段粘进去：
--- name: auto-publish description: 当用户说"发布"、"上线"或"publish"时，使用此技能执行自动发布流程 allowed-tools: Bash, Read --- # 自动发布技能指南 看到用户想要发布，别废话，按这个流程走。 ## 1. 安全红线检查 (Critical) 在干活前，必须先检查 git 状态，确保没有未提交的更改。 ## 2. 执行发布脚本 环境干净的话，直接运行发布脚本。 ## 3. 汇报结果 把脚本输出的最后一行发给用户。第三步：给它工具 (scripts/)
在 publish_skill/scripts/ 里放个 do_publish.sh：
#!/bin/bash set -e # 遇到错误立即退出 echo "🔄 正在打包..." # npm run build # npm run test echo "✅ 发布成功！版本号 v1.0.1"记得给脚本加执行权限：
chmod +x scripts/do_publish.sh完事了。
现在你回到对话框，跟 Antigravity 说：“帮我发布一下”。
它会立刻读取那个 Markdown，先检查 Git，然后跑脚本。
这一套行云流水，全是你定义的标准动作。
为什么说这招"太狠了"？
1. 一键复用，秒杀配置
当你把团队的代码规范、发布流程、数据库查询方式，写成几个 Skill 文件夹。
新人入职？
直接把文件夹发给他。
“把这个丢你项目里”。
啪，他的 Agent 瞬间拥有了和你一样的经验和权限。
这省的不是配置时间，是沟通成本啊！
2. 透明，完全透明
没有任何黑盒逻辑。Agent 为什么这么做？
去读 SKILL.md。Agent 这里做错了？去改 SKILL.md。
你在调试 Agent，就像在调试代码一样可控。
3. 社区即仓库
虽然官方没搞什么 App Store，但 GitHub 才是最大的 Store。
以后肯定各种大佬开源自己的 Skill 文件夹：
“老金的 React 调优技能包”
“某大厂的 Go 语言最佳实践包”
下载下来，丢进去，你的 AI 就升级了。
⚠️ 老金的特别提醒：安全！安全！还是安全！
虽然“Ctrl+C”装技能很爽，但老金必须多句嘴：技能文件夹里的 scripts/ 是有执行权限的。
如果你从网上随便下个“大神包”，里面可能藏着删除数据库或者上传密钥的恶意脚本。
在运行任何不明来源的 Skill 前，记得先扫一眼 config.json 里的权限声明，这是咱极客的基本操守。
老金的最后建议
既然 Antigravity 给了这把"瑞士军刀"，咱们就别把它当普通水果刀用了。
建议大家现在就做一件事：把你手头最重复、最繁琐的工作流，写成一个 SKILL.md。
哪怕只是一个简单的 “Git 提交规范检查”，你会发现，让 AI 严格按文档干活的感觉，真的 太爽了。
话不多说，建文件夹去了！
往期推荐：
提示词工工程（Prompt Engineering）
LLMOPS(大语言模运维平台)
WX机器人教程列表
AI绘画教程列表
AI编程教程列表
开源知识库地址：
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf2026年1月6日，马斯克在德州超级工厂接受Moonshots Podcast三小时采访，抛出了他迄今为止最激进的技术预测。
核心时间线：
2025-2026年：AGI实现
2026年：中国发电量达美国3倍
3年内：Optimus机器人超越顶尖外科医生
2030年：AI智能超越全人类总和
采访背景
这次采访发生在特斯拉德州超级工厂，主持人是Peter Diamandis和Dave Blundin。
三小时的对话涵盖了从AGI到太空探索、从人形机器人到能源革命、从教育到长寿的几乎所有马斯克关注的领域。
马斯克开门见山地宣布：2026年将是"奇点之年"（Year of the Singularity）。
他使用的措辞异常激烈——AI和机器人不是海啸，而是"超音速海啸"。
说实话，老金我看完这个采访的第一反应是：这哥们儿真的从来不藏着掖着。
第一部分：奇点时间表
AGI将在2026年实现
马斯克给出了他迄今为止最精确的AGI时间表：
2025-2026年：AGI实现
2029-2030年：AI智能总和超越全人类
他说：“我们已经在奇点中了。这不是未来时，是现在进行时。”
支撑这个判断的数据：
当前AI硬件的智能密度还有10-100倍增长空间。
AI芯片性能每年提升约10倍。
算力规模持续指数级扩张。
马斯克特别强调了"递归效应"——AI帮助设计更好的AI，形成正向加速循环。
为什么是2026年？
马斯克解释了三个关键驱动力：
1、硬件进步：从3纳米到2纳米，虽然单步提升只有10%，但积累效应巨大
2、软件突破：AI算法效率每年都有显著改进
3、算力规模：训练集群规模从万卡到十万卡，甚至百万卡级别
他提到xAI正在建设的Cortex 2超级计算机，目标功耗达到0.5吉瓦，这个规模前所未有。
老金我觉得这时间表真的挺激进的。
2026年AGI，2029年超全人类，这比大多数预测都早了至少3-5年。
但话说回来，马斯克这哥们儿虽然经常延迟，但方向从来没错过。
第二部分：Optimus机器人碾压人类外科医生
这是整场采访中最具体、最令人震惊的预测之一。
具体时间线
马斯克给出了非常明确的预测：
3年内：Optimus机器人手术精度超越顶尖人类外科医生
4年内：超越任何人类外科医生
5年内：完全碾压，学医变得毫无意义
老金我看到这儿真的坐不住了。
你想啊，5年后学医就毫无意义了？这得颠覆多少人的职业规划。
如果你家孩子现在正准备报医学院，这事儿真得好好想想。
为什么这么快？
马斯克给出了三个理由：
1、AI软件能力：大模型让机器人理解复杂场景
2、芯片性能：边缘计算芯片性能持续提升
3、机电系统：精密机械手臂已经足够成熟
关键是"递归效应"——一个机器人学会的手术技巧，可以瞬间分享给所有机器人。
这种群体学习速度是人类无法比拟的。
有意思的是，马斯克特别强调了这一点。
老金我算了笔账：人类外科医生培养一个顶尖专家需要20年，但机器人之间可以瞬间共享经验。
这根本不是一个维度的竞争。
对医疗行业的冲击
马斯克直言不讳：“5年后学医将毫无意义”。
这不是说医生会消失，而是：
手术机器人会成为标配
人类医生更多扮演监督和决策角色
医学教育将彻底改革
老金我的建议是：如果你在医疗行业，尤其是外科这块儿，得开始规划转型了。
不是说会失业，而是角色会变。
未来外科医生更像是指挥官，不是主刀手。
第三部分：中国AI算力将远超世界
这是马斯克在采访中花费大量篇幅讨论的话题。
电力决定一切
马斯克的核心观点：AI竞争的本质是电力竞争。
他说：“芯片很重要，但没有电力，芯片就是废铁。未来货币的本质是’瓦特’（电力）。”
这句话说得很有道理。
你看现在AI公司都在抢卡，但很少有人意识到，没电的话，这些卡就是废铁。
中国的电力优势
马斯克给出了一组惊人的数据：
2026年：中国发电量将达到美国的3倍
太阳能：中国年新增太阳能发电1500吉瓦
增长：去年中国新增500太瓦时电量，70%来自太阳能
他说：“中国在电力领域把我们远远甩在身后。他们正在扬尘而去（leaving us in the dust）。”
老实说，老金我看到这个数据也挺意外。
我一直以为中美AI差距主要在算法和芯片，没想到马斯克认为核心是电力。这事儿真的值得深思。
美国的困境
马斯克以xAI的亲身经历说明问题：
xAI在美国建设Colossus 2数据中心时，获得1吉瓦电力都困难重重。
而中国在电力基础设施上的投入是美国的数倍。
他说：“我在美国争取1吉瓦电力，需要几年时间。在中国，可能只需要几个月。”
你想想看，这差距有多大。
xAI这样的公司都要等几年才能拿到1吉瓦电力，而中国可能几个月就搞定。
老金我觉得这块儿真的需要重视，不是开玩笑的。
算力竞争的新逻辑
马斯克提出了一个关键洞察：
摩尔定律已经死了。
从3纳米到2纳米，性能提升只有10%。这意味着：
芯片不再是最关键瓶颈
电力和散热成为核心限制
谁有电，谁就有AI
老金我觉得这个观点特别重要。
很多人还在纠结5纳米、3纳米，但马斯克告诉你，未来的竞争不在芯片，在电力。
这波真的得跟上。
按照这个逻辑，中国在AI算力上将拥有压倒性优势。马斯克预测：中国AI算力将超过世界其他国家的总和。
太阳能是终极答案
马斯克多次强调：太阳能是人类能源自由的唯一答案。
他把太阳比作"9300万英里外的一个免费巨型核反应堆"。
马斯克的太空太阳能三步走计划：
1、Tesla Megapack：大规模储能
2、太空AI卫星：收集太阳能并传输
3、月球工厂：在月球建造卫星，降低发射成本
他说：“随着Starship发射成本下降，每年可以在轨道部署100吉瓦的太空AI算力。”
这块儿马斯克的想象力真的很丰富。
太空太阳能听起来很科幻，但按照他的逻辑，这可能是最终解决方案。
老金我虽然觉得有点夸张，但马斯克这哥们儿的想象力从来不是问题。
如果对你有帮助，记得关注一波~
第四部分：普遍高收入时代
马斯克描绘了一个物质极度丰富的未来社会。
从"全民基本收入"到"普遍高收入"
马斯克修正了传统概念。他不认为需要"全民基本收入"（UBI），而是预测会出现"普遍高收入"。
核心逻辑：
AI和机器人让生产效率指数级提升
商品和服务成本大幅下降
人们不再需要为生存而工作
他说：“未来人们可以拥有他们想要的任何东西。为退休储蓄的概念将变得过时。”
老金我觉得这个观点挺有意思。
传统的"全民基本收入"是政府发钱养着大家，但马斯克说的"普遍高收入"是生产效率极大提升后，人们自然就能获得高收入。
这俩概念还真不一样。
社会转型的阵痛
但马斯克也警告了风险：
3-7年社会动荡期：技术冲击可能引发失业潮
精神危机：如果工作失去意义，人们的生活将失去目标
不平等加剧：转型期财富分配可能极不均衡
他说：“最危险的是人们的生活失去挑战。没有挑战的人生是空虚的。”
这块儿说得很实在。
技术进步是好事，但转型期的痛苦可能比我们想象的要严重得多。
老金我的建议是：别只看到美好未来，也得准备应对过渡期的困难。
第五部分：教育和长寿
AI作为"无限耐心的个性化教师"
马斯克透露，xAI正在与萨尔瓦多合作推出国家级AI教育项目。
AI的优势：
无限耐心：永远不会因为学生学不会而生气
完全个性化：根据每个学生的学习速度调整
7x24小时：随时可以学习
马斯克说：“最好的老师像AI一样，无限耐心且因材施教。”
说实话，老金我挺期待这个功能。
想象一下，如果你小时候有个AI老师，永远不会因为你学不会而生气，24小时随时可以问问题，那学习效率得多高。
这事儿如果真能普及，教育公平问题可能真能解决。
人类寿命延长
马斯克对长寿技术表示乐观：
预期寿命：人类可能活到120-150岁
关键突破：AI加速药物发现和基因疗法
质量提升：不仅是活得长，而且要健康
但他也警告：“如果人均寿命达到150岁，人口问题将更加严峻。”
寿命延长是好事，但如果真的能活到150岁，养老金、医疗资源、住房，这些都是现实问题。
马斯克至少提到了这个风险，老金我觉得还算客观。
第六部分：AI安全的三个原则
马斯克提出了AI应该遵循的三个核心价值观：
1、Truth（真理）
AI必须追求真相，即使真相不令人愉快。
2、Curiosity（好奇）
AI应该保持好奇心，持续探索未知。
3、Beauty（美）
AI的价值观应该包含审美和创造力。
马斯克说：“如果AI缺乏这些原则，可能对人类构成威胁。”
老金我觉得这三个原则选得很好。
真理、好奇、美，这些确实是人类最珍贵的品质。
如果AI能继承这些，那未来还是值得期待的。
但说实话，这事儿实施起来有多难，大家心里都有数。
第七部分：关键金句摘录
关于奇点
“我们已经在奇点中了。这不是未来时，是现在进行时。”
“AI和机器人不是海啸，是超音速海啸。”
关于AGI
“2026年将是奇点之年。AGI最早2025年就能实现。”
“到2030年，AI智能总和将超越全人类。”
关于机器人
“3年内，Optimus机器人手术精度超越顶尖人类外科医生。”
“5年后学医将毫无意义。”
关于中国AI
“中国AI算力将超过世界其他国家的总和。”
“他们在电力领域把我们远远甩在身后。”
“未来货币的本质是瓦特（电力）。”
关于能源
“太阳能是唯一答案。”
“太阳是9300万英里外的免费巨型核反应堆。”
关于社会
“未来人们可以拥有他们想要的任何东西。”
“为退休储蓄的概念将变得过时。”
第八部分：预测的可信度分析
马斯克的预测记录
特斯拉电动汽车：成功
可回收火箭：成功
Autopilot FSD：延迟多年但仍推进
隧道挖掘：进展有限
Neuralink：仍在早期阶段
马斯克的预测风格：
时间线往往过于乐观
方向判断相对准确
技术细节有时过度简化
你看，马斯克的预测 record 真的挺有意思。特斯拉和火箭都成功了，但FSD延迟了多少年？
从他承诺到现在都5年了，还没完全搞定。
所以老金我建议：他说的2026年AGI，听个大方向就行，具体时间还是打个折吧。
哪些预测最可信？
高可信度：
中国电力优势（已有数据支撑）
太阳能重要性（长期趋势明确）
AI教育应用（技术已接近）
中等可信度：
AGI时间表（2026年可能偏早）
机器人外科医生（3年内可能激进）
普遍高收入（社会转型难度大）
低可信度：
寿命延长到150岁（科学突破不确定性高）
太空太阳能短期规模化（技术+成本挑战大）
需要注意的细节
1、时间线调整：马斯克的预测经常延迟1-3年
2、技术路径：具体实现方式可能与描述不同
3、社会阻力：技术应用的速度常被低估
老金我觉得这块儿分析挺重要的。
马斯克的预测方向通常是对的，但时间表真的不能太当真。他说2026年AGI，老金我保守点看，2028-2030年更现实。
但这不影响大方向，该准备还是得准备。
第九部分：对中国读者的启示
中国的真正优势
马斯克的采访揭示了一个关键事实：
中国最大的AI优势不是算法，是电力。
数据支撑这个判断：
中国发电量2026年将达美国3倍
太阳能新增装机量全球第一
电池产能全球领先
这意味着：
中国可以建设更大规模的AI数据中心
算力成本可能显著低于美国
在AI训练规模上有天然优势
说实话，老金我看完马斯克的分析，才意识到电力有多重要。
之前总觉得中美AI差距在算法和芯片，但按马斯克的说法，有电才有算力，中国这块儿真的有优势。
这事儿值得咱们骄傲一下。
潜在风险
马斯克的警告也适用于中国：
1、就业冲击：3-7年社会动荡期
2、精神危机：工作失去意义后的价值空虚
3、能源瓶颈：即使有电，散热和水资源也是限制
这块儿老金我觉得需要重视。技术进步带来效率提升，但失业潮可能真的会来。政府、企业、个人都得提前准备。
别到时候真来了，措手不及。
应对策略
基于马斯克的预测，中国可能需要：
1、加速电力基础设施：保持算力优势
2、教育体系改革：培养AI无法替代的创造力
3、社会安全网：为转型期提供保障
4、AI伦理框架：建立"真理-好奇-美"的价值观
老金我的建议是：个人层面，别等政策了，自己先动起来。学AI、学创意、学那些AI干不了的事儿。
这波变革，谁先动谁占优势。
第十部分：行业影响分析
医疗行业
影响时间线：3-5年内
手术机器人：从辅助工具到主力执行者
医学教育：从技能培训转向决策培养
医院组织：可能重新定义外科医生角色
投资机会：
手术机器人制造商
AI医疗影像公司
医疗AI训练数据服务商
如果你在医疗行业，或者考虑投资医疗，老金我建议这块儿值得重点关注。
马斯克虽然说话夸张，但手术机器人的趋势是确定的。早点布局没坏处。
AI算力行业
核心逻辑：电力 = 算力
数据中心：向电力充沛地区集中
储能技术：成为关键瓶颈
散热技术：液冷、浸没式冷却需求激增
投资机会：
太阳能+储能一体化方案
液冷散热技术公司
电力基础设施供应商
老金我觉得AI算力这块儿的投资逻辑很清晰。
未来谁能搞定电力和散热，谁就能在AI竞争中胜出。这波机会，错过就没了。
教育行业
变革方向：个性化AI教师
K12教育：AI导师可能普及
职业教育：需要重新定义"有用技能"
终身学习：成为必需品
投资机会：
AI教育平台
个性化学习算法
职业再培训机构
结语：奇点已来，你准备好了吗？
马斯克的采访传递了一个核心信息：
技术奇点不是未来，是现在。
2026年，我们可能看到：
AGI雏形出现
人形机器人进入医疗领域
中国在AI算力上取得领先
社会开始讨论"普遍高收入"
但更重要的是，马斯克提醒我们关注技术的价值观：
追求真理
保持好奇
创造美好
正如他所说：“最危险的不是技术本身，而是技术没有正确的方向。”
写到最后，老金我最大的感受是：变化真的来了。
马斯克的预测可能不准，但方向是对的。如果你还在犹豫要不要学AI、要不要转型，老金我的建议是：别等了。
这波变革，早动早受益。老金我自己也在学AI，也在思考怎么用AI提升效率。咱们一起加油吧。
往期推荐：
提示词工工程（Prompt Engineering）
LLMOPS(大语言模运维平台)
WX机器人教程列表
AI绘画教程列表
AI编程教程列表
开源知识库地址：
https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf
