2026-05-16 AI 學習日誌

calendar May 16, 2026 · 1 分鐘長 · AI學習 Agent Skills Google Skills GitHub 趨勢 AI Agent Browser Agent 開源工具  ·
分享到: copy

今日最有感的事

Google 也下場做 Agent Skills 了

@tootiredbear 今天把 google/skills 這個 repo 釋出消息丟出來，整件事第一眼看到就值得記下來——這不是 Google 又出了一份產品文件，而是 Google 把自家產品（Google Cloud、Gemini API、BigQuery、Cloud Run 等）的產品知識、操作流程、最佳實務，包成 AI Agent 可以直接安裝、調用的 skill 模組。

對非工程師的讀者補一下背景：所謂「Agent Skill」就是把「某件事該怎麼做」寫成一份結構化的指令包（通常是一個 SKILL.md + 幾支 script），AI agent 在遇到該情境時可以自動把這份 skill 載進 context、照著做。Anthropic 今年帶起這個概念之後，第三方一直在做、現在連 Google 也用同樣形式把自家產品操作打包進去。

這代表什麼？以前你要「教 AI 怎麼用 BigQuery」，得餵一堆文件、寫長 prompt；現在 Google 直接把這份知識做成可安裝的 skill 包，AI 端拿到就能執行。Bear 串文留言裡也有讀者問「這能放進 Gemini Gem 嗎」，作者回答的角度很實用——不能直接以 Skill 形式跑，但 SKILL.md 內容可以整理成 Gem 的自訂指令使用。也就是說，官方技能庫的真實價值不只在 agent，連 chatbot 形式的 Gem 也能拿來當高品質 system prompt 用。

更直白地說，Google 這一步是在替「產品文件」找下一個容器：未來大家不會「讀」產品文件，而是讓 agent「裝」產品 skill。

本週 GitHub 在燒的方向，全部都是 Agent 化

另一條@0xspeter的觀察文，把這個趨勢放得更大。他列出本週 GitHub 開源圈在燒的六個方向——科研助手、影片理解、AI 記憶系統、語音生成、Browser Agent、一人團隊工作流——並指出共通點：全部都在 Agent 化。

他點名了四個值得看的 repo：

  • agentmemory：讓 AI 有長期記憶，跨 session 持續累積
  • NVIDIA video-search-and-summarization：AI 真的「看懂」影片內容
  • CloakBrowser：Browser Agent 開始能像真人一樣操作網頁
  • gstack：一個人公司時代的工作流堆疊

真正值得看的是他最後那兩句斷言：「以前大家下載的是工具，現在大家下載的是『數位員工』」、「下一階段不是 AI 能回答什麼，而是 AI 能替你完成多少工作」。

這跟 Google Skills 那一條串起來其實是同一件事的兩面：Google 那邊是「官方願意把自家產品 SOP 做成 agent 能執行的 skill」，0xspeter 這邊是「社群層面的 agent 工具全面爆發」。供給端跟需求端都在往同一個方向走——AI 的角色定義正在從「會回答的助手」轉成「會做事的員工」。

對我來說，這兩條合起來最大的提醒是：以後評估一個新工具，不要再問「它能回答什麼問題」，要問「它有沒有 skill 形式的入口」、「它能不能跨 session 記住事情」、「它能不能自己去 browser 操作網頁」。觀察、記憶、操作、執行——這四軸才是下一階段拉開差距的維度。

今日收集的資源

@tootiredbear｜Google Skills：Google 把產品知識做成 AI Agent 可安裝的技能包

  • 連結：https://www.threads.com/@tootiredbear/post/DYZRDaCH3Qt
  • google/skills 官方 repo，內容聚焦 Google Cloud、Gemini API、BigQuery、Cloud Run，把產品知識與操作流程打包成 agent 可直接調用的 skill 模組；留言補充 SKILL.md 也能拿來當 Gemini Gem 的自訂指令使用。

@0xspeter｜本週 GitHub AI 開源圈全面 Agent 化

  • 連結：https://www.threads.com/@0xspeter/post/DYYSnoxEwXl?xmt=AQG07GP6p0WnfLABLv-u0FpXTWgk24qaLwHFVfLePETRgA
  • 整理科研助手 / 影片理解 / AI 記憶 / 語音生成 / Browser Agent / 一人工作流六大方向，點名 agentmemory、NVIDIA video-search-and-summarization、CloakBrowser、gstack 四個代表專案，重點金句是「下一階段不是 AI 能回答什麼，而是 AI 能替你完成多少工作」。

Remotion 官方文件：The Fundamentals

  • 連結：https://www.remotion.dev/docs/the-fundamentals
  • 用 React/TSX 寫程式碼產影片的框架基礎章節；今天順手比對過 Remotion 與 HyperFrames 的差異，結論是個人工作流先用 HyperFrames，純文件留著之後遇到別人寫的 Remotion 專案要 port 時再回查。
comments powered by Disqus