LearnPrompt

中文文档 | [README in English](./README_EN.md)

我是卡尔，一个兴趣使然的古法AI码农，长期做AI工具实测、内容创作、开源教程和Agent工作流。

AI对我来说，已经从聊天窗口变成了工作台：学新东西、写代码、整理资料、做PPT、搭自动化，都能在这里发生。

永远保持好奇。

这句话是我做LearnPrompt、AI沃茨和Carl Skills的底层原因。我不太想只追热点，也不太想把新工具讲成发布会摘要。

我更关心普通人拿到这些工具以后，能不能真的多做成一些事。

👉 项目全景：learnprompt.pro/skills

---

我在做的事

LearnPrompt · 永久免费开源的中文AI实战教程

LearnPrompt是我的来时路，也是这个账号最早的公共项目。它是一套持续维护的中文AI学习路径，覆盖Claude Code，Codex，OpenClaw，Hermes，提示语工程，ChatGPT，RAG，Agent，AI编程，Agent Skills，Obsidian，Midjourney，Runway，Stable Diffusion，数字人，AI声音与音乐和大模型微调等主题。

如果你是第一次系统学习AI，可以从这里开始。


官网：learnprompt.pro

AI News Radar · 24小时AI信息雷达

AI更新太快了，头大的是信息多到没法好好看。

AI News Radar里的伯乐Skill，用GitHub Actions、网页和自动化摘要，把AI/tech信息源变成一个可以持续运行的雷达。它能判断一个新的信息源，设置7天冷静期判断内容值不值得长期追更，会不会跟你现有信息流有内容重复，如果值得，应该怎么接进来最稳定？

它服务的是一个很朴素的需求：

少刷一点，把注意力留给真正值得看的变化。


鲁班 · 把能用的Skill打磨成公共资产

你写了一个skill，自己用着挺好，发出去却没人装。鲁班把它当作品收进工坊：验料、访行、过尺、慢刨、回炉，五个动作，每一刀都要过验证门，改完给你一份带证据的打磨报告。

它的第一单活，是把ai-news-radar从v0.6打磨到v0.7.0，一个对话内4个PR全部合并。上线一个月拿到800+星。


Humanize PPT · 先让PPT像是人在讲，再用工具生成

很多AI做PPT的问题，出在第一页之前。材料刚丢进去，就被压成一堆无聊的提纲，这样用的HTML PPT Skill再好也没用。

Humanize PPT读取了50多期TED演讲，先处理主线，听众获得感和讲述顺序，再进入具体的PPT制作。


Skillrush Town · 淘金小镇

淘金小镇从ClawHub Top100开始，记录每天哪些AI skill在上升。然后就是覆盖到更多的排行榜，像Claude Code的更新日志，或者像AA Index这种模型排行榜，观测它们的更新，让模型以最少的环境依赖稳定地运行多次数据分析。

这个项目保留下来的，是一套公开信息源监控方法：固定抓取口径、每天留快照、做历史对比、生成报告，再把结果贴到一个GitHub Pages页上。


班门家族 · 一组以中国工匠命名的skills

我把反复被验证过的方法论,做成了一组以人物命名的skills。一个名字,一门手艺:

• 鲁班,把"能用的skill"打磨成能被装、能传播、能验证的公共资产;
• 庖丁,零API拆解任何博主的爆款打法,蒸馏成可安装的内容教练;
• 蔡伦,把对话里聊出来的结论,3秒造成一页能传阅的纸;
• 阿福,站在Obsidian收件箱门口的管家,Inbox到日历一条线;
• 愚公,别再一轮轮手动催Agent,把山交给一个会自己挖的循环;
• 搭子,Claude Code管规划审查,Codex管实现收尾,一张Session Receipt记账;
• Irasutoya配图,把文章里最值钱的判断,变成一张会吐槽的Irasutoya反应人物图。

名字背故事,定位背痛苦。装一个,就知道这一家子的脾气。重度Agent用户还有CC Harness六件套:记忆、压缩、验证、调度,一行命令全装上。


工作台小件 · 顺手但离不开的三个小工具

bugu在agent干长活时用叫声报状态,carl-weread按你卡住的问题推荐今天读哪节,x-article-publisher把飞书文档一键变成X Article。


Carl Skills · 把真实AI工作流做成可复用的skills

我每天都会试很多AI工具，但一条视频，一篇文章，一次聊天记录，很快就会被新的信息盖过去。

我想要沉淀下来，下次也能交给Agent复用。

Carl Skills就是这个方向的新仓库。它会逐步收纳内容生产，资料整理，工具评测，PPT制作，飞书和Obsidian协作，Hermes/Codex/OpenClaw实践里长出来的AI workflows。

它就是从日常对话的千万token里长出来的。


---

我相信的几件事

先做出来，再谈方法。 我不太相信隔空判断一个AI工具好不好用。模型也不能光看排行榜。它要接入真实任务，能帮我写出一篇稿子，改完一个代码项目、整理出复盘资料，才算过了第一关。

教程要给普通人留台阶。 LearnPrompt从一开始就为刚接触AI的人而生。看完以后能多试一步，多跑通一个案例，比记住一堆概念更重要。

工作流值得被保存。 一次聊天会消失，一篇文章会过期。被验证过的workflow可以留下来，被复用，被修改，也可以交给Agent继续跑。

---

这个仓库是什么

这里既是GitHub账号LearnPrompt的默认Profile README，也是LearnPrompt开源AI教程站的项目仓库。

对第一次打开GitHub主页的人，它介绍我是谁、我在做什么、有哪些代表项目。

对之前就用过LearnPrompt的人，它会记录下这个教程站接下来要升级到哪里。

两年前，LearnPrompt解决的是一批很具体的问题：怎么理解Prompt，怎么用ChatGPT，怎么入门Midjourney、Stable Diffusion、Runway这些AI工具。

但AI变化太快了。

很多旧教程已经过时了，真就只要我学得慢就不用学。

今天值得重做的，是把LearnPrompt升级成一套更适合现在的AI native教程。

我理解的AI native教程，要少一点工具目录，多一点真实任务。它应该围绕这些问题来组织，

怎么用AI做研究、写稿、做PPT、改代码、整理知识库、搭自己的Agent工作台。

现在有skills的帮助，这件事终于可以用新的方式做了。

过去写教程，更多是人手动整理资料、截图、写步骤。接下来我想让LearnPrompt本身也变成一个被AI工作流持续维护的项目，

用wiki skills拆主题，更新过期内容，沉淀实测流程，把一次次真实使用变成普通人可以照着走的学习路径。

新版LearnPrompt会继续免费开源，也会保留中文学习路径这条主线。它会从早期的AIGC教程，慢慢长成一套面向真实工作的AI native教程。

大概会往这几个方向走：

• 从工具入门，走向真实任务。比如写一篇文章、做一份PPT、搭一个资料库、让Agent帮你维护一个项目。
• 从静态教程，走向可更新的workflow。页面内容之外，也配套skill、脚本和可复用流程。
• 从学会某个工具，走向搭建自己的AI工作台。ChatGPT、Claude Code、Codex、Hermes、OpenClaw、Obsidian、飞书，都应该被放进同一个工作流里理解。

这也是我现在重新整理这个仓库的原因。

---

找到我

公众号/视频号：「卡尔的AI沃茨」

社交平台：B站 · 小红书 · X · 即刻 · YouTube · Instagram

交流与反馈：你可以添加微信aiwarts101，或在GitHub提交issue。

邮箱合作：[[email protected]](mailto:[email protected])

Star History


Reference

编写本教程时参考了以下教程或文档的内容和示例，感谢创作者们的付出：

1. Learn Prompting
2. KKKKhazix/khazix-skills
3. alchaincyf/alchaincyf
4. op7418/guizang-ppt-skill

Collapse