Kerwin AI Information

標籤: Vercel Skills

  • 用 Vercel Skills 把 AI 變成你的命令列工具箱

    用 Vercel Skills 把 AI 變成你的命令列工具箱

    📌 本文重點

    • Vercel Skills 把 AI Agent 打包成可安裝的 CLI 工具
    • 一行 npx skills 就能體驗預設技能並接到自動化流程
    • 每個 skill 可在不同專案與 CI/CD 中重複使用與串聯
    • 適合開發者、行銷、DevOps 做文字與流程自動化

    用一句話說清楚：Vercel Skills 讓你用一行 npx skills，把一整包 AI Agent 當成可安裝的命令列工具，快速接到你的開發與自動化流程裡。

    專案連結：vercel-labs/skills on GitHub

    核心功能：把「AI 能力」做成可重用的 Skill 模組

    1. 一行指令啟動預設技能：npx skills

    想先感受效果，不想碰程式碼，可以直接這樣做：

    npx skills@latest

    執行後會：

    • 問你要使用哪些預設技能（例如：文件總結、PR 說明、自動整理 issue 等）
    • 在終端機互動式詢問你輸入內容或指定檔案
    • 把 AI 結果輸出在終端機，必要時也會幫你生成檔案

    你可以把它當成「AI 強化版 CLI 工具集」，用一次就知道哪些任務適合被 AI 自動化。

    💡 關鍵： 一行 npx skills@latest 就能體驗整套預設 AI 技能，是評估哪些工作可以自動化的最快方式。

    2. 每個 skill 就是一個可複用的 Agent 模組

    在 Skills 的設計裡：

    • 一個 skill = 一件具體可自動化的工作
    • 例如：summarize-doc（總結文件）、pr-description（產生 PR 描述）、rewrite-copy（改寫文案）
    • 實作上：一個 skill 就是一個 TypeScript/Node.js 模組，負責：
    • 接收輸入（檔案路徑、文字、Git diff 等）
    • 呼叫 LLM（預設走 Vercel AI SDK，可接 OpenAI / Vercel 等）
    • 回傳結構化結果（可以寫回檔案、回傳 JSON、或印在 CLI）

    這種設計的好處是：

    • 你可以在不同專案重複使用同一個 skill
    • 一個專案裡可以組合多個 skill 變成「串聯流程」（例如：先用一個 skill 擷取重點，再用另一個 skill 生成測試案例）

    💡 關鍵： 把每個任務抽象成 skill 模組後，你可以在多個專案與流程中重複組裝同一套 AI 邏輯，維護成本更低。

    3. 兩種使用方式：CLI 與程式內呼叫

    你可以把 Skills 當成：

    1. 命令列工具（CLI）：適合快速手動使用、寫腳本

    2. 例如：
      bash
      # 執行某個 skill
      npx skills run summarize-doc ./docs/api.md

    3. 程式內呼叫（Node.js / TypeScript）：適合接到 CI/CD、背景工作、Bot

    4. 基本結構類似：
      “`ts
      import { runSkill } from “skills”;

      const result = await runSkill(“summarize-doc”, {
      path: “./docs/api.md”,
      });

      console.log(result.summary);
      “`

    這讓 Skills 不只是一個「玩具 CLI」，而是可以被真正嵌入系統裡的 AI 自動化模組。

    💡 關鍵： 同一個 skill 既能在 CLI 使用，也能在程式碼中透過 runSkill 呼叫，降低從實驗到正式上線的落差。

    適合誰用：幾個具體場景

    1. 開發者：減少重複性的開發瑣事

    可以嘗試這幾類 skill：

    • 自動產出 PR 描述
    • CI 裡加入：檢查 PR 的 diff，用 skill 生成清楚的變更說明
    • 好處：大家不再花時間想描述格式，Reviewer 一眼看完重點
    • 整理 issue / ticket
    • 拉取標題 + 描述，讓 skill 自動標記類型、估計複雜度、抽出待辦項目
    • 好處：產品、工程、PM 都看到一致結構的內容
    • 生成測試案例
    • 針對關鍵函式或 API 定義，讓 skill 幫你列出可能的測試情境
    • 再由你挑選重要的手動補完

    可以做的行動：

    • 先用 npx skills 跑一輪預設技能
    • 想想你專案裡最常被抱怨「麻煩但又必須做」的步驟，選 1 個先做成 skill

    2. 內容與行銷：批次改寫與整理文字

    如果你常做這些事，Skills 很適合：

    • 批次改寫文案
    • 輸入一批產品描述，統一改寫成：短版、長版、社群貼文版
    • 可以客製 skill：輸入 CSV / JSON，輸出同格式檔案
    • 整理長文件摘要
    • 對內部文件（產品規格、研究報告）做摘要 + 重點 bullet points
    • 適合接到定時腳本：每天把新文件丟給 skill，產出摘要寄到 Slack

    可以做的行動：

    • 先準備一個資料夾，放你常用的範本文案或長文
    • 用 npx skills 裡的 summary / rewrite 類 skill 試一次，感受輸出品質

    3. DevOps / 自動化工程師：接到 CI/CD、排程腳本

    你可以把 Skills 當成「AI 版 shell script 函式庫」：

    • 在 GitHub Actions 或 GitLab CI 裡：
    • Pull Request 建立時自動跑 npx skills run pr-description
    • Release 前跑一次 npx skills run summarize-changelog 整理修改內容
    • 在 cron / 定時腳本 裡：
    • 每天抓 issue / log / 監控報表丟給某個 skill，整理成一份人類可讀的摘要

    可以做的行動：

    • 在現有 CI pipeline 裡挑一個步驟，加一個額外 job 試跑 Skills
    • 先只在非必要流程執行，觀察穩定度與輸出品質

    怎麼開始：從預設技能到自訂 skill

    1. 安裝與首次執行

    前置需求：

    • Node.js（建議 18+）
    • 一個可用的 LLM API（例如 OpenAI 或 Vercel AI）

    第一步：直接執行 CLI（免全域安裝）：

    npx skills@latest

    依照互動式提示：

    1. 選擇或設定你的模型提供者（可能會要求設定 API key）
    2. 選擇一個想先試的 skill（例如 summarize / pr-description）
    3. 依照提示輸入文字、選檔或指定路徑

    這一步的目標：先確認環境 OK + 大概知道 skill 的輸出長什麼樣子。

    2. 看一個最簡單自訂 skill 的程式結構

    接下來你可以把專案 clone 下來：

    git clone https://github.com/vercel-labs/skills.git
cd skills
pnpm install # 或 npm / yarn

    假設你要做一個最簡單的「文案改寫」 skill，概念結構會像這樣（簡化示意）：

    // ./skills/rewrite-copy/index.ts
import { defineSkill } from "skills";
import { generateText } from "ai-sdk"; // 具體以官方範例為準

export default defineSkill({
  name: "rewrite-copy",
  description: "改寫一段文案，維持原意但更口語/正式。",
  inputs: {
    text: {
      type: "string",
      description: "要改寫的原始文案",
      required: true,
    },
    tone: {
      type: "string",
      description: "語氣：casual 或 formal",
      default: "casual",
    },
  },
  async run({ inputs, model }) {
    const prompt = `請用${inputs.tone} 語氣改寫以下文案，但保留原本資訊：\n\n${inputs.text}`;

    const result = await generateText({
      model,
      prompt,
    });

    return {
      rewritten: result.text,
    };
  },
});

    接著，你可以在本地 CLI 裡直接呼叫：

    npx skills run rewrite-copy --text "原始文案內容" --tone casual

    這就是 Skills 的基本模式：

    1. 用 defineSkill 宣告輸入/輸出與執行邏輯
    2. 在 run 裡呼叫你喜歡的模型
    3. 回傳一個乾淨的結果物件，方便 CLI 或其他程式接

    3. 在你的專案裡以 API / CLI 串接

    有兩種常見方式：

    方式 A：在 CI / script 裡用 CLI

    以 GitHub Actions 為例，在 .github/workflows/pr-description.yml 加上：

    jobs:
  generate-pr-description:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-node@v4
        with:
          node-version: 20
      - run: npx skills@latest run pr-description --diff "$(git diff origin/main)"
        env:
          OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}

    這樣每次開 PR 就會自動產生一段描述，印在 log 或寫到你指定的地方。

    方式 B：在 Node.js 應用程式裡呼叫

    在你自己的專案中安裝：

    npm install skills

    然後在程式裡：

    import { runSkill } from "skills";

async function summarizeDoc(path: string) {
  const result = await runSkill("summarize-doc", { path });
  return result.summary;
}

    接著你可以：

    • 在後端 API 提供 /summaries endpoint
    • 在排程腳本裡定時呼叫
    • 在 Slack Bot 裡接指令呼叫

    把 Skills 放進你的「AI 自動化工具箱」的建議做法

    建議一日內可以完成的小目標：

    1. 先用 npx skills 跑三個預設技能：文件摘要、PR 描述、文案改寫
    2. 挑一個你每天都會做、卻很耗時間的文字相關工作，寫成一個最小版 skill
    3. 在你現在的 CI 或本地腳本裡，接入這個 skill（先只給自己用）
    4. 一週後觀察：
    5. 節省了哪些手動步驟？
    6. 哪些輸出需要調 prompt 或加後處理？

    只要跑完這一輪，你就等於有了一個可持續擴充的「AI 自動化工具箱」，之後每多一個 skill，就是少一個你自己要反覆做的瑣事。

    專案連結再附一次：https://github.com/vercel-labs/skills

    想像一下：未來你新增工具，不是寫一串 shell script，而是新增一個 skill，讓 AI 幫你處理掉更多「人做很累、AI 卻很擅長」的工作。

    🚀 你現在可以做的事

    • 在本機直接執行 npx skills@latest，跑一輪預設技能體驗輸出
    • git clone 官方專案並閱讀 skills 目錄下的範例，試著複製一個改成自己的 skill
    • 在一個現有 CI pipeline（如 GitHub Actions）中，加上一個使用 npx skills run pr-description 的非關鍵實驗步驟