[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-78054":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":12,"contributorsCount":12,"subscribersCount":12,"size":12,"stars1d":12,"stars7d":14,"stars30d":15,"stars90d":12,"forks30d":12,"starsTrendScore":12,"compositeScore":16,"rankGlobal":9,"rankLanguage":9,"license":17,"archived":18,"fork":18,"defaultBranch":19,"hasWiki":18,"hasPages":18,"topics":20,"createdAt":9,"pushedAt":9,"updatedAt":26,"readmeContent":27,"aiSummary":28,"trendingCount":12,"starSnapshotCount":12,"syncStatus":29,"lastSyncTime":30,"discoverSource":31},78054,"ai-fomo-skills","vincelele\u002Fai-fomo-skills","vincelele","Personal superalignment skills for turning AI information overload into reusable knowledge, signals, and digests.",null,"Python",307,0,50,30,257,65,"MIT License",false,"main",[21,22,23,24,25],"ai","codex","knowledge-management","personal-ai","skills","2026-06-12 04:01:23","# AI FOMO Skills\n\n[![License: MIT](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue.svg)](LICENSE)\n[![Status: alpha](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fstatus-alpha-orange.svg)](#status)\n\n为了对抗 AI FOMO，我专门做了一个 Skill。\n\n它不是 AI 日报，也不是 prompt 合集，而是帮你从 AI 信息流里筛出真正值得看的内容，并沉淀成自己的知识库。\n\n这是一套给 **AI 创业者、产品经理、独立开发者** 使用的 Agent Skill。它不是让 Agent 帮你多看一点信息，而是让 Agent 帮你少浪费一点注意力。\n\n## 我真正缺的不是信息，而是判断\n\nAI 信息太多了。\n\n不看，怕错过真正优秀的分享、认知和机会；看了，又经常发现内容很浅、质量不高，浪费时间。每天各种 AI 博文、YouTube、小宇宙、公众号、GitHub Trending、产品更新的信息都太多了，人不可能每条都认真看。\n\n所以我更需要的是：从这些渠道里筛选出我最关心、最值得看的内容。\n\nAI FOMO Skills 要回答的不是“这篇内容讲了什么”，而是：\n\n```text\n这条信息值得我花时间吗？\n为什么和我有关？\n应该丢掉、先问我，还是沉淀成长期知识？\n```\n\n## 什么是 AI 超级对齐\n\n这里说的 AI 超级对齐，不是宏大的 AI 安全概念，而是一个很具体的个人工作流：\n\n```text\n让 Agent 按照你的背景、目标、判断标准和长期反馈来处理信息。\n```\n\n普通总结器会问：“这篇文章说了什么？”\n\nAI FOMO Skills 会问：\n\n- 这件事是否影响你的产品、创业方向或技术判断？\n- 这条信息是否来自你信任的来源？\n- 它是新信号，还是重复噪音？\n- 它应该进入长期知识库，还是只适合快速看一眼？\n- 如果信息不够，应该先问你什么问题？\n\n## 它主要做四件事\n\n| 能力 | 它解决什么问题 |\n| --- | --- |\n| 总结 | 快速看懂一条内容到底在讲什么，不用先完整读完。 |\n| 筛选 | 结合你的关注方向，判断它值不值得花时间看。 |\n| 解释 | 告诉你它为什么重要，以及和你当前工作有什么关系。 |\n| 沉淀 | 把有价值内容变成后续 Agent 还能复用的个人知识库。 |\n\n核心不是“看更多”，而是更快判断哪些值得看，哪些可以先跳过。\n\n## Status\n\nAlpha \u002F developer preview.\n\n可以开始试用，但还不是面向所有人的稳定产品。建议先用少量公开资料跑通流程，再接入账号型数据源。\n\n## 适合谁\n\n- AI 创业者：需要快速判断哪些变化会影响机会、产品和市场。\n- 产品经理：需要跟踪 AI 产品、模型能力、交互范式和用户行为变化。\n- 独立开发者：需要发现值得尝试的新工具、开源项目和产品机会。\n- 高频使用 AI Agent 的人：已经在用 Codex、Claude Code、OpenClaw、Cursor 等支持 skill 或规则文件的工具。\n- 被 AI 信息流淹没的人：不想错过重要信息，也不想把时间浪费在低质量内容上。\n\n## 不适合谁\n\n- 你只是想看一份通用 AI 日报。\n- 你不想提供任何个人背景，也不希望 Agent 根据你本人做判断。\n- 你想自动抓取并公开分发别人的播客、评论或私有内容。\n- 你需要一个开箱即用的 SaaS 产品，而不是本地 skill 工作流。\n\n## 三个 Skill\n\n| 你想做什么 | 使用哪个 skill | 它会做什么 |\n| --- | --- | --- |\n| 让 AI 先认识你 | [`ai-fomo-init`](ai-fomo-init\u002FSKILL.md) | 先请你提供类似简历、个人介绍、项目经历或当前目标的材料，再通过问答补齐个人判断标准。 |\n| 把信息接进来 | [`ai-fomo-sources`](ai-fomo-sources\u002FSKILL.md) | 导入官网、RSS、GitHub、X、小宇宙、评论、转录或你手动贴的内容，先保存成可追溯 raw snapshot。 |\n| 判断和沉淀 | [`ai-fomo`](ai-fomo\u002FSKILL.md) | 把资料分成 `write now`、`ask first`、`skip`，再写入 wiki、signals 或 digests。 |\n\n## 典型流程\n\n### 1. 每天先让它帮你筛一遍\n\n以播客为例：你可能关注了很多 AI 相关栏目，但根本没有时间每期都听。`ai-fomo-sources` 可以先把 episode、标题、简介、评论和转录接进来，`ai-fomo` 再结合你的个人兴趣，判断哪些值得看，哪些可以忽略，哪些只是第二优先级。\n\n这一步最重要的不是“总结”，而是先决定要不要看。\n\n### 2. 遇到感兴趣的，再让它深挖\n\n如果某一期、某篇文章或某个 GitHub repo 确实值得看，Agent 会继续做系统总结，提炼里面哪些判断值得学习，哪些 know-how 可以迁移到你的产品、创业或开发工作里。\n\n它不是简单复述内容，而是提炼：哪些判断值得留下，哪些可以复用。\n\n### 3. 用久了，就变成你的 AI 知识库\n\n长期协作之后，它会持续记录你看过什么、判断过什么、关心什么，以及哪些知识以后还可能复用。\n\n这不是一个收藏夹，而是一个会被 Agent 反复读取和更新的个人 AI 知识库。\n\n## 不懂代码怎么安装\n\n最推荐的方式是：直接把下面这段话复制给你的 Agent。\n\n```text\n帮我安装这个 AI FOMO skill 套件：\nhttps:\u002F\u002Fgithub.com\u002Fvincelele\u002Fai-fomo-skills\n\n请安装里面的 ai-fomo-init、ai-fomo-sources、ai-fomo 这三个 skill。\n如果需要选择安装目录，请安装到当前 Agent 默认的 skills 目录。\n```\n\n如果你的 Agent 支持逐个安装，也可以复制这三条：\n\n```text\n帮我安装这个 skill：https:\u002F\u002Fgithub.com\u002Fvincelele\u002Fai-fomo-skills\u002Ftree\u002Fmain\u002Fai-fomo-init\n帮我安装这个 skill：https:\u002F\u002Fgithub.com\u002Fvincelele\u002Fai-fomo-skills\u002Ftree\u002Fmain\u002Fai-fomo-sources\n帮我安装这个 skill：https:\u002F\u002Fgithub.com\u002Fvincelele\u002Fai-fomo-skills\u002Ftree\u002Fmain\u002Fai-fomo\n```\n\n安装完成后，重启 Agent，让它重新加载 skill。\n\n## 第一次怎么用\n\n### 1. 先让 AI 认识你\n\n直接对 Agent 说：\n\n```text\nUse $ai-fomo-init to initialize a local AI FOMO workspace.\n\n我不懂代码。请一步步带我完成：\n1. 先让我提供一份类似简历、个人介绍、项目经历或当前目标的材料；\n2. 再问我几个必要问题，补齐你判断信息价值所需的背景；\n3. 最后告诉我你准备创建哪些本地文件，确认后再写入。\n```\n\n### 2. 再导入第一条资料\n\n你可以直接贴链接或内容：\n\n```text\nUse $ai-fomo-sources to import this source into my AI FOMO workspace.\n\n链接是：PASTE_URL_HERE\n\n请先 dry-run，展示你准备保存的 raw snapshot，不要直接写入。\n```\n\n如果没有链接，只有一段文字，也可以说：\n\n```text\nUse $ai-fomo-sources.\n\n我现在直接贴一段内容，请帮我生成 manual raw snapshot，并保留来源、日期和我为什么保存它。\n```\n\n### 3. 最后让 AI 做判断\n\n```text\nUse $ai-fomo to review my latest raw inbox.\n\n请不要只总结。请把每条资料分成：\n- write now：值得立刻沉淀\n- ask first：需要先问我一个问题\n- skip：不值得进入长期知识库\n\n每条都说明为什么和我有关，或为什么不值得看。\n```\n\n## 常见使用场景\n\n| 你可以这样说 | 会发生什么 |\n| --- | --- |\n| “帮我初始化 AI FOMO 工作区，先问我背景。” | `ai-fomo-init` 会走个人背景和 QA 流程。 |\n| “把这个 OpenAI 更新导入，然后判断是否值得沉淀。” | 先保存 raw snapshot，再由 `ai-fomo` 判断。 |\n| “把这个 GitHub repo 作为来源导入。” | 保存 repo metadata 和 README 线索。 |\n| “帮我看看最近 GitHub Trending 里有没有值得关注的 AI 项目。” | 抓取 trending snapshot，再筛选。 |\n| “帮我接入小宇宙订阅，先不要写入，只 dry-run。” | 走小宇宙账号接入预检流程。 |\n| “抓这期小宇宙的评论和转录，之后判断是否值得写入 wiki。” | 评论、转录和 episode 信息会分开保存，再进入判断。 |\n\n## 当前支持的数据源\n\n| 数据源 | 难度 | 是否需要账号或 token | 说明 |\n| --- | --- | --- | --- |\n| 直接贴内容或导出文件 | 最简单 | 不需要 | 没有 connector 时也能先保存 manual snapshot。 |\n| 公司官网、博客、changelog | 简单 | 不需要 | 适合 OpenAI、Anthropic、Google、Meta 等官方页面。 |\n| RSS \u002F Atom | 简单 | 不需要 | 适合博客、更新日志、newsletter feed。 |\n| GitHub repo | 简单 | 不需要 | 导入 repo metadata 和 README。 |\n| GitHub Trending | 简单 | 不需要 | 抓取某个时间点的 trending snapshot。 |\n| YouTube \u002F 公众号 \u002F 其他内容 | 简单 | 看来源而定 | 先通过链接、字幕、转录、导出文件或手动粘贴保存 manual snapshot。 |\n| X 用户时间线 | 中等 | 需要 `X_BEARER_TOKEN` | 使用 X API v2。token 不要提交到 GitHub。 |\n| 小宇宙公开 episode | 中等 | 通常不需要 | 导入公开 episode metadata 和 show notes。 |\n| 小宇宙订阅 inbox | 高 | 需要登录和本地 bridge | 可批量导入已订阅节目。 |\n| 小宇宙评论 | 高 | 需要登录和本地 bridge | 可抓主评论，也可选择抓回复。 |\n| 音频转录 | 高 | 需要 `DASHSCOPE_API_KEY` | 使用 DashScope Fun-ASR，可能较慢或产生费用。 |\n\n原则：能公开访问的来源先接，账号型来源后接；任何会写入本地文件、消耗 API 费用或涉及账号风险的操作，都应该先 dry-run。\n\n## 小宇宙能力\n\n小宇宙是这套 skill 的核心高阶能力之一，因为很多高质量 AI 讨论发生在播客里，而不是文章里。\n\n当前已经支持：\n\n- 自动安装本地小宇宙 bridge。\n- 通过短信验证码登录。\n- 批量导入订阅 inbox 里的 episode。\n- 抓取 episode 评论。\n- 可选抓取评论回复。\n- 对音频做转录。\n- 将 episode、comments、transcript 分开保存成 raw snapshot。\n- 再交给 `ai-fomo` 判断：哪些值得看、哪些值得沉淀、哪些可以跳过。\n\n你可以先这样让 Agent 带你走：\n\n```text\nUse $ai-fomo-sources to set up Xiaoyuzhou account import.\n\n我不懂代码。请先解释你需要什么、会保存什么、有哪些账号和数据风险。\n先检查环境和 dry-run，不要直接登录、不要直接写入、不要转录全部音频。\n```\n\n注意：小宇宙账号导入涉及登录态、订阅内容、评论和音频转录。请只处理你有权访问和处理的内容，不要把转录、评论或账号数据公开上传。\n\n更详细的说明在 [`ai-fomo-sources\u002Freferences\u002Fxiaoyuzhou-account.md`](ai-fomo-sources\u002Freferences\u002Fxiaoyuzhou-account.md)。\n\n## 安全边界\n\n请公开这个 repo 里的 skill、模板、示例和脚本。\n\n不要公开：\n\n- `raw\u002Finbox\u002F` 里的真实资料\n- `raw\u002Fstate\u002F` 状态文件\n- 播客转录、评论、账号订阅数据\n- `.env*`、`.secrets\u002F`、cookies、tokens、API keys、登录 session\n- 真实的 `self-context\u002F`、`wiki\u002F`、`signals\u002F`、`digests\u002F`\n- `.tools\u002F` 里的本地 bridge checkout\n\n更完整的边界说明见：\n\n- [`docs\u002Fpublic-sharing-policy.md`](docs\u002Fpublic-sharing-policy.md)\n- [`docs\u002Fpublic-skill-boundaries.md`](docs\u002Fpublic-skill-boundaries.md)\n\n## 给懂命令行的人\n\nCodex skill installer:\n\n```bash\npython ~\u002F.codex\u002Fskills\u002F.system\u002Fskill-installer\u002Fscripts\u002Finstall-skill-from-github.py \\\n  --repo vincelele\u002Fai-fomo-skills \\\n  --path ai-fomo-init ai-fomo-sources ai-fomo\n```\n\n手动安装：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fvincelele\u002Fai-fomo-skills.git\ncd ai-fomo-skills\ncp -R ai-fomo-init ai-fomo-sources ai-fomo ~\u002F.codex\u002Fskills\u002F\n```\n\n导入公开页面，先 dry-run：\n\n```bash\npython ~\u002F.codex\u002Fskills\u002Fai-fomo-sources\u002Fscripts\u002Fimport_source.py \\\n  --workspace \u002Fpath\u002Fto\u002Fworkspace \\\n  --dry-run \\\n  official-page \\\n  --url https:\u002F\u002Fexample.com\u002Fchangelog\n```\n\n小宇宙 bridge 预检：\n\n```bash\npython ~\u002F.codex\u002Fskills\u002Fai-fomo-sources\u002Fscripts\u002Fxiaoyuzhou_account.py \\\n  --workspace \u002Fpath\u002Fto\u002Fworkspace \\\n  install-bridge \\\n  --dry-run\n```\n\n## 当前缺口\n\n- scheduled collection 还没做。只有当某个 source 被证明长期有价值后，才建议自动化。\n- 完整小宇宙订阅列表导出还没做。\n- connector 目前偏轻量，有些网站后续需要单独适配。\n- 核心判断质量取决于你的 `self-context` 和持续反馈。\n\n## 项目结构\n\n```text\n.\n|-- ai-fomo-init\u002F       # 初始化和个人对齐层\n|-- ai-fomo-sources\u002F    # 数据源导入、connector、模板\n|-- ai-fomo\u002F            # 判断、归档、signal、digest\n|-- docs\u002F               # 公开边界和分享策略\n|-- LICENSE\n`-- README.md\n```\n\n## Contributing\n\n欢迎贡献：\n\n- 新的数据源导入器\n- 更安全的 dry-run 和校验流程\n- 更适合非程序员的新手引导\n- starter workspace 模板\n- 使用公开或合成内容的示例\n\n请不要贡献真实私人 workspace、账号导出、评论、转录、cookies、tokens 或个人画像。\n\n## License\n\nMIT. See [`LICENSE`](LICENSE).\n","AI FOMO Skills 是一个帮助用户从海量 AI 信息中筛选出真正有价值内容并转化为个人知识库的工具。其核心功能包括总结、筛选、解释和沉淀，能够快速判断信息的价值，并根据用户的背景和目标进行个性化处理。该工具特别适合 AI 创业者、产品经理、独立开发者以及高频使用 AI Agent 的人群，帮助他们在繁忙的信息流中高效地获取关键信息，避免注意力浪费。项目采用 Python 编写，目前处于 Alpha 阶段，建议先用少量公开资料测试流程。",2,"2026-06-11 03:56:25","CREATED_QUERY"]