Timeline · AI OS与Skills
工具和流程，怎样组成自己的工作系统？
从搭建个人AI OS，到多Agent协作，再到重新划分Skills的边界。
LLM = OS
大模型本身就像操作系统，上下文是内存，知识库是文件系统，函数调用是驱动。
Claude Skills很重要
Skills把能力封装成文件夹，按需加载，「能力」才是最适合Agent的东西。
我的个人AI OS
用Kimi K2 Thinking加Claude Code搭个人AI OS，先解决信息处理效率和思考的深度广度。
我的AI OS搭建思路
Skill和自定义命令是软件，文件夹是内存和硬盘，Claude Code是主板，模型是CPU。
给主Agent配一个副手
主Agent Chief拆任务，副手Deputy再分派给子Agent。
Kimi Claw补上我的AI OS最后一块拼图
本地OpenCode负责创作，云端Kimi Claw负责定时搜集资料，中间用邮件桥接。
newtype OS操作手册
newtype OS成了日常主力工具，专门用于内容生产。
判断交给AI，精确执行写成代码
需要AI判断的放进Skills，需要精确执行的写成代码。
模型进步，怎样托举自己的系统？
原来相信「水涨船高」，模型越强产品越强，newtype OS就是这样。
大模型开始吃掉Skills
模型越强，通用型Skills越没必要，只有少数值得保留。
Agent架构搭建 ≠ 堆Skills
以一大堆Skills为基础的Agent架构大概率翻车，能用代码确定完成的都工程化，只把最后的填空交给AI。
把模型、Skills和工具的职责讲清楚
模型负责理解判断，Skills负责领域流程，Tools连接真实系统，分层各管一段。