KeyFrame內部研究專用

Lovable Skills Just Destroyed Claude Skills! Build 10x Better Apps

Max Max25 min英文
觀看原始影片

三句話摘要

Lovable Skills 如何將可重用的設計規則和工作流嵌入應用構建過程,實現跨專案的一致性和效率提升。 使用 Skills 將重複的工作流標準化並嵌入構建過程,能讓每個新專案從更高的起點開始,同時跨平臺的 skill.md 標準確保個人 Skill 庫的長期價值。 Skill 的核心價值:不是像傳統提示詞一樣在單次對話中使用,而是在工作區內持久儲存,每當新專案符合描述時自動載入,避免重複輸入相同指令。

重點整理

  1. Skill 的核心價值:不是像傳統提示詞一樣在單次對話中使用,而是在工作區內持久儲存,每當新專案符合描述時自動載入,避免重複輸入相同指令。

  2. 描述(Description)至關重要:決定 Skill 何時觸發,模糊描述如「使用好設計」容易導致不穩定觸發,而具體描述如「用於構建健康、健身、營養或醫療追蹤應用」能精準啟用 Skill。

  3. 跨平臺便攜性:Skill MD 是 Claude 和 Lovable 都支援的開放標準,在 Claude 中建立的 Skill 可匯出為 zip 檔,直接上傳到 Lovable 使用,無需改寫格式。

  4. 分層質量控制:自定義 Skill 為專案建立基礎,內建 Skill(無障礙訪問、SEO、重設計)提供額外檢查,兩者結合比單獨使用任何一個效果更好。

實用技巧與重點

  • 核心概念:
  • Workspace Skill:使用者自建或匯入,可覆蓋設計規範、無障礙規則、文案風格、測試清單、文件格式、元件模式等
  • Built-in Skill:由 Lovable 維護,每個工作區預設可用,包括無障礙檢查、SEO 評審、重設計
  • 兩種 Skill 都可自動觸發(基於描述匹配)或手動觸發(使用斜槓指令)
  • Health UI Skill 案例的具體引數:
  • 應用場景:健康、健身、營養、保健、醫療追蹤應用
  • 視覺規則:清潔極簡風格、綠色進度指示符、柔和灰色背景、深色文字、珊瑚色警告
  • 排版:大號加粗數字強調關鍵指標、一致間距
  • 互動:簡單表單、鼓勵和非評判的文案語氣
  • 卡路里追蹤應用演示的兩次迭代:
  • 第一次:食物名稱輸入、份量、餐型別、每日摘要(總卡路里、剩餘配額、宏營養分解)、歷史記錄、使用者認證
  • 第二次:新增 AI 功能,分析使用者已記錄的餐食,生成個性化營養洞察(識別營養缺口、肯定做得好的方面、建議 1-2 項改進)
  • 匯入 Skill 的步驟:
  • 在 Claude 中開啟 Skill,匯出為 zip 檔
  • 進入 Lovable 設定 → Skills → Add → Upload zip
  • Lovable 驗證檔案結構後釋出到工作區
  • 內建 Skill 檢查項:
  • 無障礙訪問:文字對比度、表單標籤、觸碰目標大小
  • SEO:頁面標題、元描述、標題層級、可索引的公共內容
  • 重設計:視覺呈現建議、排版改進、佈局調整

結論

使用 Skills 將重複的工作流標準化並嵌入構建過程,能讓每個新專案從更高的起點開始,同時跨平臺的 skill.md 標準確保個人 Skill 庫的長期價值。

完整解析

Lovable 和 Claude 都支援技能系統,但 Lovable Skills 的關鍵區別在於它們直接嵌入應用構建流程。傳統的長提示詞或設計指南存在於構建過程外,每次新專案都需要重新貼上和重複說明;而 Skill 一旦建立就住在工作區內,當平臺檢測到新專案符合 Skill 的描述時,會自動載入並應用其中的規則,無需使用者主動提及。

這個演示從建立一個「Health UI」自定義 Skill 開始。講者在 Lovable 設定中新建 Skill,提供一句清晰的描述(「用於構建健康、健身、營養或醫療追蹤應用」)和詳細的指令,包括顏色系統(綠色用於進度、珊瑚色用於警告)、排版規則(大號加粗數字)、元件風格(簡單表單)和內容語調(鼓勵且非評判)。描述的質量決定了觸發效果——模糊的描述容易導致不穩定載入,而具體的描述則能精準識別適用場景。

接下來的實際構建中,講者提交的第一個提示詞只描述功能需求:使用者可以按食物名稱、份量和餐型別記錄,應用顯示每日總卡路里、剩餘配額和宏營養分解,幷包含認證功能。值得注意的是,這個提示詞完全沒有提及顏色、排版、間距或文案風格。Lovable 檢測到這是一個健康應用,自動匹配到 Health UI Skill 的描述,在第一次生成時就應用了所有規則——綠色進度指示符、清潔極簡的視覺風格、鼓勵性的文案語氣。這展示了 Skill 的核心優勢:標準從專案起始就到位,而不是事後透過多輪修改補上。

在第二次迭代中,講者新增了一個 AI 功能來分析使用者記錄的餐食並生成個性化營養洞察。同樣地,這個新提示詞沒有重複任何設計指令,但新增的洞察卡片仍然遵循原始的視覺方向。這證明了 Skill 不是一次性應用,而是貫穿整個專案生命週期,保持新功能與原始設計的一致性。

為了進一步提升質量,講者演示了 Lovable 的三個內建 Skill。無障礙訪問 Skill 識別出了顏色對比度不足、表單標籤缺失和觸碰目標過小等問題;SEO Skill 針對可被搜尋引擎索引的公開部分進行評審;重設計 Skill 則提出了視覺呈現的改進建議。這些內建 Skill 不是替代自定義規則,而是作為額外的質量檢查層,幫助發現自定義 Skill 可能遺漏的細節。

最後,講者展示了 Skill 的跨平臺便攜性。Claude 和 Lovable 都採用開放標準的 skill.md 格式。一個在 Claude 中建立的 Skill 可以匯出為 zip 檔,然後直接上傳到 Lovable,無需重寫或轉換任何內容——名稱、描述和完整指令都保持不變。這意味著已有的 Skill 庫可以無縫遷移到新平臺,投入的工作不會受限於特定工具。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。