1. 项目概述从零散经验到可复用的AI技能在AI工具深度融入日常工作的今天一个普遍且令人头疼的现象是团队里总有人能摸索出一套高效的工作流比如用Claude Code快速生成特定业务场景的代码或者用Cursor精准地重构某个模块。但当其他人想复用时往往只能得到几句模糊的Slack消息、一个零散的文档链接或者一段需要自己琢磨的提示词。这种“知识孤岛”不仅效率低下更让团队难以形成标准化的AI协作能力。Provision CLI的出现正是为了解决这个痛点。它的核心思想很简单将你或同事的最佳实践无论是通过屏幕操作还是文字描述转化为一种结构化的、可被多种AI工具如Claude Code, Cursor, Codex, OpenClaw直接理解和执行的“技能”。你可以把它理解为一个“AI工作流录制与分发工具”但它做的远不止录制而是深度解析你的意图和步骤生成一份机器可读的“操作手册”。我最初接触这个工具是因为团队内部在数据清洗流程上存在巨大差异。同样的需求A同事用Claude写出的Python脚本高效优雅B同事却总在正则表达式上卡壳。我们尝试过编写共享的提示词模板但效果时好时坏因为提示词无法捕捉到操作中的细微决策比如为什么选择这个库而不是另一个遇到某种报错时该如何调整。Provision CLI的“视频教学”功能让我眼前一亮——它允许你直接录制屏幕操作AI会分析你的每一步点击、输入和跳转甚至能理解你操作时的旁白解释最终生成一个包含完整上下文和决策逻辑的技能文件。这意味着任何团队成员无论其原有水平如何都能通过安装这个技能让他们的AI助手“继承”最佳实践者的经验。2. 核心设计思路与方案选型Provision CLI的设计哲学建立在两个关键洞察之上这也决定了它为何采用现有的技术方案。2.1 核心问题拆解为什么传统的知识共享方式失效在AI辅助编程和工作流自动化场景下知识共享的难点在于其高度情境化和隐含性。情境依赖性强一个有效的提示词或操作序列往往依赖于特定的工具状态、项目结构甚至个人偏好。一句“用Claude生成一个FastAPI的CRUD端点”缺少了项目依赖、数据库模型、认证方式等关键上下文生成的代码几乎不可用。隐含知识难以传递有经验的开发者知道在代码生成后需要检查哪些地方如导入语句、环境变量引用遇到编译错误时首先排查哪个环节。这些“肌肉记忆”和“直觉”很难通过文档传递。工具碎片化团队可能混合使用Claude Code、Cursor、VSCode Copilot等多种工具。为每个工具单独维护一套最佳实践成本极高。因此一个理想的解决方案必须能捕获完整情境、显化隐含知识、实现跨平台分发。Provision CLI选择“技能”Skill作为核心抽象正是因为它是一个足够结构化、又能承载丰富信息的载体。一个Skill不仅包含步骤列表还定义了所需的工具如浏览器、终端、环境变量、以及每一步的预期目标和回退方案。2.2 技术方案选型视频分析与大模型推理的结合Provision CLI提供了两种技能创建方式文本描述和视频分析。这两种方式背后是截然不同的技术路径但共同服务于“降低创建门槛”的目标。视频分析路径provision teach -v技术栈 这 likely 结合了计算机视觉CV和大语言模型LLM。首先通过CV库可能是基于FFmpeg和某种帧分析技术处理视频提取关键帧、识别UI元素按钮、输入框、光学字符识别OCR获取屏幕文本并追踪鼠标轨迹与点击事件。工作流 将提取出的视觉序列如“在地址栏输入linkedin.com - 点击登录按钮 - 在用户名框输入...”与可能的音频转录文本你的旁白一起送入一个大语言模型如Gemini。LLM的任务是理解这一系列低级操作背后的高级意图“登录LinkedIn Sales Navigator”并将其重构为结构化的、面向目标的步骤描述。优势 这是最具革命性的方式。它能捕获那些你根本想不到要写下来的细节比如在某个下拉菜单中需要选择第二项而不是第一项或者需要等待某个页面元素加载完成后再进行下一步。这极大地降低了技能创建的门槛尤其适合复杂的、图形界面的操作流程。文本描述路径provision teach -d技术栈 完全依赖大语言模型LLM的自然语言理解和代码生成能力。工作流 你将工作流用自然语言描述出来CLI将其发送给LLM默认是Gemini API。LLM需要根据描述生成符合OpenClaw Skill标准的结构化文档SKILL.md和元数据skill.json。这要求LLM对目标AI工具的能力有深入了解并能将模糊的需求转化为可执行指令。优势 快速、直接适合逻辑清晰、易于表述的流程。例如“监控Hacker News首页提取所有包含‘AI’和‘funding’的帖子标题和链接并保存到CSV文件”。为什么选择Gemini API作为默认离线引擎从项目配置看它支持用户自带GEMINI_API_KEY。这很可能是因为Gemini API在多模态理解结合视频帧和文本和长上下文任务上表现良好且提供了免费的额度降低了用户试用成本。而对于已登录Provision AI平台的用户则使用平台后端可能集成的更强大或定制的模型。技能格式标准的选择Provision CLI生成的技能遵循OpenClaw Skill标准。这是一个明智的、生态驱动的选择。OpenClaw本身是一个开源的AI智能体框架其技能格式正在成为一种事实标准。采用它意味着生成的技能不仅能用于Provision自家的云智能体还能无缝安装到任何兼容此标准的AI工具中如原生的OpenClaw、Cursor等极大地提高了技能的通用性和生命周期。3. 核心功能解析与实操要点Provision CLI的功能围绕技能的“创建-管理-分发”生命周期展开。下面我们深入每个核心命令拆解其使用细节和背后的逻辑。3.1 技能创建provision teach的两种模式深度解析provision teach是核心中的核心。无论是通过视频还是文本其最终目标都是生成一个高质量的SKILL.md文件。视频教学模式 (-v)当你执行provision teach -v demo.mp4时会发生以下几步视频预处理CLI会检查视频格式和大小支持MP4, WebM, MOV100MB。它可能对视频进行抽帧并非逐帧分析而是提取有显著变化的帧以提高效率。多模态分析视频帧和音频如果有被编码并发送给AI模型。AI的任务是生成一个“操作叙述”。交互式确认AI会输出它理解的工作流步骤并让你确认。这是关键纠偏环节。例如我理解您的工作流是 1. 打开浏览器访问 https://github.com。 2. 在搜索框输入“provision-cli”。 3. 点击第一个仓库链接。 4. 点击“Code”按钮复制HTTPS链接。 5. 打开终端输入 git clone 并粘贴链接。 是否准确[是] [否需要编辑] [取消]如果选择“编辑”你可以直接输入自然语言进行修正如“不是克隆而是fork这个仓库”。AI会基于你的反馈重新理解视频。如果选择“是”CLI会基于确认的叙述生成结构化的Skill文件。实操心得如何录制一个“好教”的视频旁白是你的秘密武器一边操作一边说出你的思考。“我现在要点击这个筛选器因为我们需要找员工数在50人以上的公司...哦这里弹出了登录框我需要先用测试账号登录。”这些语音信息是AI理解你意图的黄金数据。保持连贯但不必完美不需要像做教程一样一气呵成。如果操作错了退回去重做即可。AI能理解“探索”和“纠正”的过程这反而有助于它生成更健壮的技能包含错误处理逻辑。聚焦关键界面尽量让浏览器或应用窗口占据大部分屏幕减少无关的桌面切换。清晰的UI有助于AI更准确地识别元素。控制时长与复杂度对于极其复杂的流程超过50步考虑拆分成2-3个关联的技能而不是一个超长视频。这有利于技能的复用和组合。文本描述模式 (-d)执行provision teach -d “描述你的工作流”时你是在直接定义技能的“目标”。描述的质量直接决定生成技能的质量。好的描述“登录AWS控制台进入S3管理页面创建一个以‘project-data-’为前缀、后面接今日日期格式YYYYMMDD的新存储桶并为其启用版本控制和默认加密。”模糊的描述“弄一下S3存数据的东西。”后者会让AI产生大量不确定的猜测生成技能可能无法使用。注意事项环境变量与敏感信息技能中经常会涉及API密钥、登录凭证等敏感信息。Provision CLI生成的skill.json文件会定义requiredEnv字段。切勿将真实的密钥写在技能描述或视频旁白中。正确的做法是在描述中指明需要哪些环境变量例如“此技能需要AWS_ACCESS_KEY_ID和AWS_SECRET_ACCESS_KEY”。在实际安装和使用技能前用户需要在自己的环境中配置这些变量。CLI在安装时会提示用户。3.2 技能管理本地编辑、迭代与查看创建技能后provision skills系列命令让你能像管理代码一样管理技能。provision skills edit name这是技能迭代的核心。它支持三种模式对应三种不同的迭代场景自然语言编辑 (-d)当你发现技能有缺陷或需要增强时无需重录视频或重写整个描述。例如provision skills edit># 1. 检查Node.js版本需18 node --version # 2. 选择使用模式这里我们使用npx无需安装 # 无需执行 npm install -g # 3. 获取Gemini API Key用于离线模式 # 访问 https://aistudio.google.com/apikey 免费创建 # 将获得的API Key设置为环境变量或后续在命令中指定 export GEMINI_API_KEYyour_actual_api_key_here4.2 通过文本描述创建技能我们首先尝试用文本描述来创建这个技能。# 使用离线模式Gemini API创建技能 GEMINI_API_KEY$GEMINI_API_KEY npx provision-ai/cli teach -d “打开浏览器访问技术博客 ‘example.com/blog’。定位文章列表区域提取前5篇文章的标题和对应的文章详情页链接。将结果整理成JSON格式并保存到当前目录下的 ‘latest_posts.json’ 文件中。” -n scrape-tech-blog执行后CLI会与AI交互生成技能草案。它会输出类似以下内容并等待确认我将创建一个名为 ‘scrape-tech-blog’ 的技能。 根据您的描述我理解步骤是 1. 启动浏览器导航至 ‘https://example.com/blog‘。 2. 等待页面加载完成定位文章列表容器可能通过CSS选择器如 ‘.post-list’ 或 ‘article’。 3. 遍历前5个文章元素。 4. 从每个元素中提取标题文本和链接href属性。 5. 将提取的数据构造成一个包含’title’和’url’键的JSON数组。 6. 使用文件系统工具将该JSON数组写入 ‘./latest_posts.json’。 请确认以上步骤是否准确或需要进行修改。 [确认] [编辑] [取消]选择“确认”后CLI会在~/.provision/skills/scrape-tech-blog/目录下生成技能文件。4.3 审查与测试生成的技能生成后不要急于发布。先仔细审查技能内容并在本地测试。# 1. 查看技能详情 npx provision-ai/cli skills info scrape-tech-blog # 2. 查看生成的SKILL.md文件内容 cat ~/.provision/skills/scrape-tech-blog/SKILL.md打开SKILL.md你会看到一份结构化的指令可能如下所示# scrape-tech-blog **目标**: 从 example.com/blog 抓取最新5篇文章的标题和链接保存为JSON。 **所需工具**: browser, filesystem **步骤**: 1. 使用 browser 工具打开 https://example.com/blog。 2. 等待页面加载完成。使用 browser.page.waitForSelector(‘.post-list’) 或类似方法确保内容就绪。 3. 使用 browser.page.$$eval(‘.post-list article:not(:nth-child(n6))’, articles { … }) 提取前5篇文章的数据。 4. 将提取的数据数组形式传递给 filesystem 工具写入文件 ‘latest_posts.json’。发现问题AI生成的CSS选择器.post-list article是猜测的。如果目标网站的结构不同技能就会失败。这就是文本描述的局限性。4.4 通过视频教学进行精准修正为了确保技能能精准定位元素我们改用视频教学来“录制”一次准确的操作。录制屏幕使用系统自带的录屏工具如macOS QuickTime, Windows Xbox Game Bar清晰完整地录制一次访问example.com/blog、滚动到文章列表、并打开开发者工具F12检查元素的过程。在录制时可以这样旁白“现在我在打开博客首页…页面加载完成了。我需要找到文章列表让我检查一下元素…看文章都包裹在一个CSS类为 ‘.posts-container’ 的div里每个文章标题是 h2 a 标签。”使用视频重新教学或编辑# 方法A直接用视频创建新技能如果之前没创建 # GEMINI_API_KEY$GEMINI_API_KEY npx provision-ai/cli teach -v ~/Desktop/blog_recording.mp4 -n scrape-tech-blog-precise # 方法B更推荐用视频编辑已存在的技能迭代 GEMINI_API_KEY$GEMINI_API_KEY npx provision-ai/cli skills edit scrape-tech-blog -v ~/Desktop/blog_recording.mp4AI会分析视频并很可能识别出你使用开发者工具检查元素的动作从而生成一个使用正确选择器如’.posts-container article h2 a’的技能。它会提示你“检测到您使用了开发者工具并查看了元素结构。我将把选择器更新为 ‘.posts-container article h2 a’。是否确认”4.5 登录Provision平台并发布技能本地技能测试无误后可以将其分享给团队。# 1. 登录Provision平台首次需要 npx provision-ai/cli login # 按提示在浏览器中完成授权 # 2. 发布技能到团队库 npx provision-ai/cli publish scrape-tech-blog -c “初始版本通过视频教学修正了CSS选择器确保能准确定位文章元素。”发布成功后你会得到一个URL可以在Provision的Web界面查看该技能。4.6 安装技能到本地AI工具现在你或你的队友可以在自己的机器上安装这个技能。# 1. 登录如果尚未登录 npx provision-ai/cli login # 2. 从团队库安装技能 npx provision-ai/cli install scrape-tech-blogCLI会弹出多选框让你选择安装到哪些AI工具。假设你选择了Claude Code和Cursor技能文件就会被分别复制到~/.claude/skills/scrape-tech-blog/和~/.cursor/skills/scrape-tech-blog/。4.7 在AI工具中使用技能安装完成后打开你的AI工具如Claude Code。在聊天界面中通常会有触发技能的快捷方式或命令。例如在Claude Code中你可能可以输入/skills来查看已安装的技能列表。找到scrape-tech-blog并执行它。AI助手会读取SKILL.md中的指令自动控制浏览器打开网页、抓取数据、并保存文件。你可以在当前目录下找到生成的latest_posts.json文件。5. 常见问题排查与实战技巧在实际使用中你可能会遇到一些问题。以下是一些常见情况的排查思路和解决方案。5.1 技能创建阶段问题问题1视频分析时间过长或失败。可能原因视频文件过大超过100MB、网络不稳定、或AI服务暂时不可用。解决方案压缩视频文件。使用工具如HandBrake将视频转换为分辨率适中如720p、帧率较低的MP4格式。检查网络连接并确认你的Gemini API Key有效且额度充足。如果使用Provision平台查看其服务状态页面。问题2生成的技能步骤不准确或遗漏关键细节。可能原因视频内容过于复杂/模糊或文本描述不够精确。解决方案对于视频确保录制时操作连贯、界面清晰。添加详细的旁白解释“为什么”要这么做。对于复杂流程拆分成多个子技能。对于文本采用“目标-步骤-约束”的描述格式。例如“目标在Github创建新仓库。步骤1. 登录Github。2. 点击‘’图标选择‘New repository’。… 约束仓库需设置为Private初始化时添加一个MIT License的README文件。”通用善用provision skills edit -d进行自然语言修正。告诉AI哪里错了应该改成什么样。问题3provision teach命令卡住或无响应。可能原因CLI在等待AI响应时超时或者与本地编辑器如配置了EDITOR环境变量的交互出现问题。解决方案增加超时时间如果CLI支持相关环境变量。检查~/.provision/config.json文件确保没有错误的配置。尝试使用-d或-v参数直接提供输入避免进入交互模式。5.2 技能执行阶段问题问题1AI助手执行技能时失败报错“找不到元素”或“超时”。可能原因目标网站结构发生变化或者技能中的等待逻辑不足。解决方案更新技能使用provision skills edit -v重新录制一段针对当前网站的视频让AI学习新的页面结构。增强健壮性手动编辑SKILL.md增加更智能的等待条件。例如将waitForSelector(‘.posts-container’)改为waitForSelector(‘.posts-container, .new-posts-list’, { timeout: 10000 })以兼容可能的类名变化并设置明确超时。添加错误处理在技能描述中增加容错指令如“如果找不到.posts-container元素则尝试查找.article-list元素”。问题2技能需要环境变量如API Key但执行时未设置。可能原因技能定义了requiredEnv但用户未在运行AI工具的环境中导出这些变量。解决方案在运行AI工具如Claude Code的终端或环境配置文件中导出所需的环境变量。export GITHUB_TOKENyour_token_here # 然后在此终端中启动你的AI工具某些AI工具可能提供了图形化界面来管理技能的环境变量请查阅对应工具的文档。问题3安装技能时提示“目标目录不存在”或“权限被拒绝”。可能原因目标AI工具如Cursor的技能目录路径可能因版本或自定义安装而不同或者当前用户没有写入权限。解决方案手动确认目标AI工具的技能目录路径。例如Cursor的技能目录可能在~/.cursor/skills/或~/Library/Application Support/Cursor/skills/。使用provision install时如果提供的路径不存在CLI可能会尝试创建。如果权限不足需要使用sudo不推荐或修改目录权限。更好的做法是检查AI工具的文档确认正确的技能安装位置。5.3 团队协作与平台问题问题1provision publish失败提示“未授权”或“技能已存在”。可能原因登录令牌过期或尝试发布一个与你本地版本冲突的远程技能。解决方案运行provision logout然后重新provision login获取新令牌。“技能已存在”通常意味着远程有同名技能。你可以选择更新CLI通常会提示你更新版本直接确认即可。重命名使用provision skills edit -d “将技能名称改为scrape-tech-blog-v2”修改本地技能名后再发布。问题2从团队库install的技能不是最新版本。可能原因本地缓存或者安装时未选择最新版本。解决方案先运行provision pull skill-name强制从服务器拉取最新版本到本地~/.provision/skills/。然后再运行provision install skill-name进行安装。问题3云智能体Agent执行技能时权限不足。可能原因部署到云智能体的技能其执行环境是云端容器可能无法访问你本地的文件系统或需要内网访问的资源。解决方案对于文件操作技能应设计为将结果上传到云存储如S3或发送到Webhook而非写入本地文件。对于需要访问内部系统的技能需要确保Provision云智能体所在的网络能够访问这些系统或者将技能改为由在可控内网环境中运行的智能体如自托管OpenClaw来执行。5.4 实战技巧与高级用法技能组合与模块化不要试图创建一个“巨无霸”技能。将复杂流程拆分为多个单一职责的小技能。例如“数据抓取”是一个技能“数据清洗”是另一个“数据入库”是第三个。然后可以创建一个“编排”技能按顺序调用它们。这提高了复用性和可维护性。利用skill.json进行配置除了SKILL.mdskill.json文件中的metadata字段可以用来存储技能的配置项。例如可以为抓取技能设置一个maxPosts参数。在SKILL.md中可以通过变量引用的方式使用它使得技能更灵活。为技能编写高质量的README.mdSKILL.md是给AI看的README.md是给人看的。在README中写明技能的用途、输入输出、所需环境变量、常见问题以及更新日志。这对于团队协作至关重要。离线模式的灵活应用即使团队使用Provision平台个人在探索和创建技能原型时使用离线模式自带Gemini API Key可以避免消耗团队平台的额度并且响应速度可能更快。待技能成熟后再发布到团队库。安全第一永远不要在技能文件、视频旁白或文本描述中硬编码任何密码、密钥或个人访问令牌PAT。始终通过环境变量来传递。在skill.json的requiredEnv字段中明确声明并在README.md中说明如何设置。