用三张狐狸解释图，分清提示词、命令、Skills 技能与 MCP 工具连接，再看看按需读取、Skills＋CLI 和 MCP 后续改进，以及怎么把常用方法做成自己的技能。
用几张白纸和三张解释图，讲清楚模型上下文、主智能体与子智能体的关系：查询过程放在子智能体自己的上下文里，结果交给主智能体；能各自完成的任务，还可以同时做。
前面聊了怎么选择 AI、怎么跟 AI 讲清楚需求，这一篇接着看看，怎么让桌面端 Agent 帮我们做事。我会以 WorkBuddy 为例，从下载安装、选择工作区、权限和模型开始，介绍专家、技能和连接器，再让它收集近 7 天的新闻以及 AI 圈的大事，做一份热点报告。结果不符合要求，就继续告诉它怎么改，比如把网页改成 Word 文档。最后也聊聊上下文用久了，什么时候建议换个窗口。
打开 AI 聊天窗口以后，除了提问，还能做些什么？这一篇以 DeepSeek、豆包和 Kimi 为例，聊聊思考、联网搜索、上传文件和语音分别适合什么场景，也介绍深度研究、图片与视频生成，以及应用连接。我会分享自己用 AI 查资料、用语音整理模糊想法的方式，帮助刚接触 AI 的朋友从日常小事开始用起来。
把 AI 的回答复制进 Word，怎么多了星号、井号和短横线？这篇番外介绍 Markdown 和 Mermaid：前者用简单符号组织文字，后者用文字描述流程图。通过输入代码与显示效果的对照，认识常见格式标记，了解怎么让 AI 帮你排版笔记、制作图表。不用先背语法，知道它们是什么、能做什么，就能在需要时用起来。
AI 总是理解错你的意思，或者交出来的东西不符合要求？这一篇接着聊怎么跟 AI 说话：用“背景＋现有条件＋目标”讲清需求，补上格式、篇幅和时间要求，让它先问清楚、列出方案，再根据结果一起修改。通过旅行规划和文章写作的例子，看看哪些信息容易漏说，也聊聊中文、英文提示词和词元费用。
为什么别人用 AI 很顺手，自己却总得不到想要的结果？这个系列从零开始聊普通人怎么使用 AI。第一篇按照“认识、定位、选择”三个问题展开，通过聊天、表格、旅行和论文的例子，讲清模型、工具与智能体的关系。我也会分享使用豆包和提取视频字幕的经历，聊聊怎么选择适合当前任务的工具。
想让数据图表一眼讲清楚结论，先明确比较、排名、趋势、占比、关系或分布六类问题。本文梳理条形图、柱状图、折线图、饼图、散点图、直方图的适用数据、常见误用、判断顺序和避坑方法，并给出基础选图逻辑与场景示例，适合数据分析、商业汇报、论文写作和日常报表制作前快速查用。
想降低 AIGC 疑似率，核心不是把论文改成口水话，而是先定位风险段，再保留学术事实并强化具体语境。本文提供Agent分段修改、网页版AI处理和Skill固化规则三种流程，适合毕业论文修改参考，并强调术语、数据、引用与章节编号必须人工复核，尤其适合已有检测报告的稿件。
