相信各位佬友现在已经或多或少使用过 skills 并且创建了更好用更合适的协助式 skills，今天我以我个人这几天在简单使用中来小小的总结一下 skills 和 commands（希望各位大佬批评指正 ）

Skills 的使用：

1. skills 的基本要素：

首先 skills 分为用户级与项目级，两者的存放位置如下，仅需要把你想要下载的 skills 放在下面的目录中，cc 在每次对话开始前就会自动识别并加载用户级与项目级的 skills，并且可以用 /{skill-name} 的方式调用或者根据你的上下文内容自动调用 skills：

• 用户级：~/.claude/skills/ 用户级的 skills 全局生效，可以在任何目录中调用用户级 skills
• 项目级：<项目根目录>/.claude/skills/ 项目级 skills 仅在当前项目生效，适合针对该项目做专业的工作

skills 的一般目录结构如下，以官方的 skill-creator 中的 SKILL.md 中的内容为例

skill-name/
├── SKILL.md（必需）
│   ├── YAML frontmatter 元数据（必需）
│   │   ├── name:（必需）
│   │   └── description:（必需）
│   └── Markdown 指令（必需）
└── 捆绑资源（可选）
    ├── scripts/          # 可执行代码（Python/Bash 等）
    ├── references/       # 需要时加载到上下文的文档
    └── assets/           # 用于输出的文件（模板、图标、字体等） 

在官方的 skill-creator 中的 SKILL.md 中介绍了每个 skill 所需要的内容

• YAML frontmatter: Claude 会通过上下文中的内容匹配 description 中的应用场景来触发 skill，或者通过 /skillname {描述}l 来触发，需要简短并全面的描述整个 skill 的功能和应用场景。

  ---
  name: <skill-name>
  description: <简要说明技能功能>。当用户请求"<触发短语1>"、"<触发短语2>"、"<触发短语3>"，或涉及<相关领域/任务>时，使用此技能。  
  
  ---
  

• references/：在加载 skill 时会一并加载到上下文中来作为补充思考的参考资料，通常是执行一个 skill 中多个模式时的参考资料补充，也可以是每个模式具体的流程。

• scripts/：skill 可以包含脚本，可以变成一个主动触发的小型 MCP 服务，一些重复性或者规定格式文件生成工作可以以脚本的形式写在 skill 中，比如你可以让它读取数据库指定表并按照模板自动生成全后端的 CRUD 代码。

• assets/：静态的文件，图像、logo 等等，这个应该是写一些前端代码生成时用到的东西，目前我还没用到过。

---
name: skill-creator
description: 创建高效技能的指南。当用户想要创建新技能（或更新现有技能）以扩展 Claude 的能力时，应使用此技能，包括专业知识、工作流程或工具集成。
license: 完整条款见 LICENSE.txt

--- # 技能创建器

本技能提供创建高效技能的指导。

## 关于技能

技能是模块化、自包含的软件包，通过提供专业知识、工作流程和工具来扩展 Claude 的能力。可以将它们视为特定领域或任务的"入职指南"——它们将 Claude 从通用代理转变为配备程序性知识的专业代理，而这些知识是任何模型都无法完全具备的。

### 技能提供的内容 1. 专业工作流程 - 特定领域的多步骤程序
2. 工具集成 - 处理特定文件格式或 API 的指令
3. 领域专业知识 - 公司特定知识、数据模式、业务逻辑
4. 捆绑资源 - 用于复杂和重复任务的脚本、参考资料和资产

## 核心原则 ### 简洁至上

上下文窗口是公共资源。技能与 Claude 所需的其他所有内容共享上下文窗口：系统提示、对话历史、其他技能的元数据以及实际的用户请求。

**默认假设：Claude 已经非常智能。** 只添加 Claude 尚不具备的上下文。对每条信息提出质疑："Claude 真的需要这个解释吗？"以及"这段内容值得消耗这些 token 吗？"

优先使用简洁的示例，而非冗长的解释。

### 设置适当的自由度

根据任务的脆弱性和可变性匹配具体程度：

**高自由度（基于文本的指令）**：当多种方法都有效、决策取决于上下文或启发式方法指导方案时使用。

**中等自由度（伪代码或带参数的脚本）**：当存在首选模式、可接受一定变化或配置影响行为时使用。

**低自由度（特定脚本，少量参数）**：当操作脆弱且容易出错、一致性至关重要或必须遵循特定顺序时使用。

将 Claude 想象为探索一条路径：悬崖边的窄桥需要特定的护栏（低自由度），而开阔的田野允许多条路线（高自由度）。

### 技能的结构

每个技能由一个必需的 SKILL.md 文件和可选的捆绑资源组成：

```

skill-name/

├── SKILL.md（必需）

│   ├── YAML frontmatter 元数据（必需）

│   │   ├── name:（必需）

│   │   └── description:（必需）

│   └── Markdown 指令（必需）

└── 捆绑资源（可选）

    ├── scripts/          - 可执行代码（Python/Bash 等）

    ├── references/       - 需要时加载到上下文的文档

    └── assets/           - 用于输出的文件（模板、图标、字体等）

``` #### SKILL.md（必需）

每个 SKILL.md 包含：

- **Frontmatter**（YAML）：包含 `name` 和 `description` 字段。这是 Claude 用来判断何时使用技能的唯一字段，因此清晰全面地描述技能是什么以及何时应该使用它非常重要。
- **Body**（Markdown）：使用技能的指令和指导。仅在技能触发后加载（如果触发的话）。

#### 捆绑资源（可选） ##### 脚本（`scripts/`）

用于需要确定性可靠性或反复重写的任务的可执行代码（Python/Bash 等）。

- **何时包含**：当相同的代码被反复重写或需要确定性可靠性时
- **示例**：用于 PDF 旋转任务的 `scripts/rotate_pdf.py` - **优点**：节省 token、确定性、可以在不加载到上下文的情况下执行
- **注意**：脚本可能仍需要被 Claude 读取以进行修补或环境特定调整

##### 参考资料（`references/`）

需要时加载到上下文中以指导 Claude 流程和思考的文档和参考材料。

- **何时包含**：用于 Claude 在工作时应参考的文档
- **示例**：用于财务模式的 `references/finance.md`、用于公司保密协议模板的 `references/mnda.md`、用于公司政策的 `references/policies.md`、用于 API 规范的 `references/api_docs.md` - **用例**：数据库模式、API 文档、领域知识、公司政策、详细工作流程指南
- **优点**：保持 SKILL.md 精简，仅在 Claude 确定需要时加载
- **最佳实践**：如果文件较大（>10k 词），在 SKILL.md 中包含 grep 搜索模式
- **避免重复**：信息应该存在于 SKILL.md 或参考文件中，而不是两者都有。除非信息确实是技能的核心，否则优先将详细信息放在参考文件中——这样可以保持 SKILL.md 精简，同时使信息可发现而不占用上下文窗口。仅在 SKILL.md 中保留基本的程序性指令和工作流程指导；将详细的参考材料、模式和示例移至参考文件。

##### 资产（`assets/`）

不打算加载到上下文中，而是用于 Claude 产出的输出中的文件。

- **何时包含**：当技能需要将在最终输出中使用的文件时
- **示例**：用于品牌资产的 `assets/logo.png`、用于 PowerPoint 模板的 `assets/slides.pptx`、用于 HTML/React 样板的 `assets/frontend-template/`、用于排版的 `assets/font.ttf` - **用例**：模板、图像、图标、样板代码、字体、被复制或修改的示例文档
- **优点**：将输出资源与文档分离，使 Claude 能够使用文件而无需将其加载到上下文中

#### 技能中不应包含的内容

技能应仅包含直接支持其功能的必要文件。不要创建无关的文档或辅助文件，包括：

- README.md
- INSTALLATION_GUIDE.md

- QUICK_REFERENCE.md
- CHANGELOG.md
- 等等

技能应仅包含 AI 代理完成手头工作所需的信息。它不应包含关于创建过程的辅助上下文、设置和测试程序、面向用户的文档等。创建额外的文档文件只会增加混乱和困惑。

### 渐进式披露设计原则

技能使用三级加载系统来高效管理上下文：

1. **元数据（name + description）** - 始终在上下文中（约 100 词）
2. **SKILL.md body** - 当技能触发时（<5k 词）
3. **捆绑资源** - 根据 Claude 需要（无限制，因为脚本可以在不读入上下文窗口的情况下执行）

#### 渐进式披露模式

将 SKILL.md body 保持在必要内容且不超过 500 行，以最小化上下文膨胀。接近此限制时将内容拆分到单独的文件中。当将内容拆分到其他文件时，非常重要的是从 SKILL.md 引用它们并清楚描述何时读取它们，以确保技能的读者知道它们的存在以及何时使用它们。

**关键原则：** 当技能支持多种变体、框架或选项时，仅在 SKILL.md 中保留核心工作流程和选择指导。将特定变体的详细信息（模式、示例、配置）移至单独的参考文件。

**模式 1：带参考资料的高级指南** ```markdown

# PDF 处理



## 快速开始



使用 pdfplumber 提取文本：

[代码示例]



## 高级功能



- **表单填写**：完整指南见 [FORMS.md](FORMS.md)

- **API 参考**：所有方法见 [REFERENCE.md](REFERENCE.md)

- **示例**：常见模式见 [EXAMPLES.md](EXAMPLES.md)

```

Claude 仅在需要时加载 FORMS.md、REFERENCE.md 或 EXAMPLES.md。

**模式 2：领域特定组织**

对于具有多个领域的技能，按领域组织内容以避免加载不相关的上下文：

```

bigquery-skill/

├── SKILL.md（概述和导航）

└── reference/

    ├── finance.md（收入、计费指标）

    ├── sales.md（商机、管道）

    ├── product.md（API 使用、功能）

    └── marketing.md（营销活动、归因）

```

当用户询问销售指标时，Claude 只读取 sales.md。

类似地，对于支持多个框架或变体的技能，按变体组织：

```

cloud-deploy/

├── SKILL.md（工作流程 + 提供商选择）

└── references/

    ├── aws.md（AWS 部署模式）

    ├── gcp.md（GCP 部署模式）

    └── azure.md（Azure 部署模式）

```

当用户选择 AWS 时，Claude 只读取 aws.md。

**模式 3：条件性详情**

显示基本内容，链接到高级内容：

```markdown

# DOCX 处理



## 创建文档



使用 docx-js 创建新文档。见 [DOCX-JS.md](DOCX-JS.md)。



## 编辑文档



对于简单编辑，直接修改 XML。



**对于修订跟踪**：见 [REDLINING.md](REDLINING.md)

**对于 OOXML 详情**：见 [OOXML.md](OOXML.md)

```

Claude 仅在用户需要这些功能时读取 REDLINING.md 或 OOXML.md。

**重要指南：** - **避免深层嵌套引用** - 保持引用从 SKILL.md 只有一层深度。所有参考文件应直接从 SKILL.md 链接。
- **结构化较长的参考文件** - 对于超过 100 行的文件，在顶部包含目录，以便 Claude 在预览时可以看到完整范围。

## 技能创建流程

技能创建包括以下步骤：

1. 通过具体示例理解技能
2. 规划可复用的技能内容（脚本、参考资料、资产）
3. 初始化技能（运行 init_skill.py）

4. 编辑技能（实现资源并编写 SKILL.md）

5. 打包技能（运行 package_skill.py）
6. 基于实际使用进行迭代

按顺序执行这些步骤，仅在有明确理由说明不适用时才跳过。

### 步骤 1：通过具体示例理解技能

仅当技能的使用模式已经清楚理解时才跳过此步骤。即使在处理现有技能时，此步骤仍然有价值。

要创建有效的技能，需要清楚理解技能将如何使用的具体示例。这种理解可以来自直接的用户示例或经过用户反馈验证的生成示例。

例如，在构建图像编辑器技能时，相关问题包括：

- "图像编辑器技能应该支持什么功能？编辑、旋转，还有其他吗？"
- "你能给出一些这个技能将如何使用的示例吗？"
- "我可以想象用户会要求'去除这张图片的红眼'或'旋转这张图片'。你还能想象这个技能的其他使用方式吗？"
- "用户说什么应该触发这个技能？"

为避免让用户不知所措，避免在单条消息中问太多问题。从最重要的问题开始，根据需要跟进以获得更好的效果。

当对技能应支持的功能有清晰认识时，结束此步骤。

### 步骤 2：规划可复用的技能内容

要将具体示例转化为有效的技能，通过以下方式分析每个示例：

1. 考虑如何从头开始执行示例
2. 识别在反复执行这些工作流程时哪些脚本、参考资料和资产会有帮助

示例：在构建 `pdf-editor` 技能以处理"帮我旋转这个 PDF"等查询时，分析显示：

1. 旋转 PDF 每次都需要重写相同的代码
2. 在技能中存储 `scripts/rotate_pdf.py` 脚本会有帮助

示例：在设计 `frontend-webapp-builder` 技能以处理"给我构建一个待办事项应用"或"给我构建一个跟踪步数的仪表板"等查询时，分析显示：

1. 编写前端 webapp 每次都需要相同的 HTML/React 样板
2. 在技能中存储包含样板 HTML/React 项目文件的 `assets/hello-world/` 模板会有帮助

示例：在构建 `big-query` 技能以处理"今天有多少用户登录？"等查询时，分析显示：

1. 查询 BigQuery 每次都需要重新发现表模式和关系
2. 在技能中存储记录表模式的 `references/schema.md` 文件会有帮助

要确定技能的内容，分析每个具体示例以创建要包含的可复用资源列表：脚本、参考资料和资产。

### 步骤 3：初始化技能

此时，是时候实际创建技能了。

仅当正在开发的技能已经存在且需要迭代或打包时才跳过此步骤。在这种情况下，继续下一步。

从头创建新技能时，始终运行 `init_skill.py` 脚本。该脚本方便地生成一个新的模板技能目录，自动包含技能所需的一切，使技能创建过程更加高效和可靠。

用法：

```bash

scripts/init_skill.py <skill-name> --path <output-directory>

```

该脚本：

- 在指定路径创建技能目录
- 生成带有正确 frontmatter 和 TODO 占位符的 SKILL.md 模板
- 创建示例资源目录：`scripts/`、`references/` 和 `assets/` - 在每个目录中添加可以自定义或删除的示例文件

初始化后，根据需要自定义或删除生成的 SKILL.md 和示例文件。

### 步骤 4：编辑技能

在编辑（新生成或现有的）技能时，请记住技能是为另一个 Claude 实例使用而创建的。包含对 Claude 有益且非显而易见的信息。考虑什么程序性知识、领域特定细节或可复用资产将帮助另一个 Claude 实例更有效地执行这些任务。

#### 学习经过验证的设计模式

根据技能需求查阅这些有用的指南：

- **多步骤流程**：见 references/workflows.md 了解顺序工作流程和条件逻辑
- **特定输出格式或质量标准**：见 references/output-patterns.md 了解模板和示例模式

这些文件包含有效技能设计的既定最佳实践。

#### 从可复用技能内容开始

要开始实现，从上面确定的可复用资源开始：`scripts/`、`references/` 和 `assets/` 文件。请注意，此步骤可能需要用户输入。例如，在实现 `brand-guidelines` 技能时，用户可能需要提供品牌资产或模板存储在 `assets/` 中，或文档存储在 `references/` 中。

添加的脚本必须通过实际运行来测试，以确保没有错误且输出符合预期。如果有许多类似的脚本，只需测试具有代表性的样本，以确保它们都能工作，同时平衡完成时间。

任何技能不需要的示例文件和目录都应删除。初始化脚本在 `scripts/`、`references/` 和 `assets/` 中创建示例文件以演示结构，但大多数技能不需要所有这些。

#### 更新 SKILL.md **写作指南：** 始终使用祈使句/不定式形式。

##### Frontmatter

编写包含 `name` 和 `description` 的 YAML frontmatter：

- `name`：技能名称
- `description`：这是技能的主要触发机制，帮助 Claude 理解何时使用该技能。
- 包括技能做什么以及何时使用它的具体触发器/上下文。
- 将所有"何时使用"信息放在这里 - 不要放在 body 中。body 仅在触发后加载，因此 body 中的"何时使用此技能"部分对 Claude 没有帮助。
- `docx` 技能的示例描述："全面的文档创建、编辑和分析，支持修订跟踪、批注、格式保留和文本提取。当 Claude 需要处理专业文档（.docx 文件）时使用，用于：(1) 创建新文档，(2) 修改或编辑内容，(3) 处理修订跟踪，(4) 添加批注，或任何其他文档任务"

不要在 YAML frontmatter 中包含任何其他字段。

##### Body

编写使用技能及其捆绑资源的指令。

### 步骤 5：打包技能

技能开发完成后，必须将其打包成可分发的 .skill 文件与用户共享。打包过程会自动先验证技能以确保它满足所有要求：

```bash

scripts/package_skill.py <path/to/skill-folder>

```

可选的输出目录指定：

```bash

scripts/package_skill.py <path/to/skill-folder> ./dist

```

打包脚本将：

1. **自动验证**技能，检查：

- YAML frontmatter 格式和必需字段
- 技能命名约定和目录结构
- 描述的完整性和质量
- 文件组织和资源引用

2. 如果验证通过则**打包**技能，创建以技能命名的 .skill 文件（例如 `my-skill.skill`），包含所有文件并保持正确的目录结构以供分发。.skill 文件是带有 .skill 扩展名的 zip 文件。

如果验证失败，脚本将报告错误并退出而不创建包。修复任何验证错误并再次运行打包命令。

### 步骤 6：迭代

测试技能后，用户可能会要求改进。这通常发生在使用技能后不久，对技能表现有新鲜的上下文。

**迭代工作流程：** 1. 在实际任务中使用技能
2. 注意困难或低效之处
3. 确定应如何更新 SKILL.md 或捆绑资源
4. 实施更改并再次测试

2. skill 的下载与快速创建

你可以在各类网站上找到你相中的 skills，然后直接把他们下载下来放在你的用户级或者项目集的 skills/ 目录中就可以了，你也可以直接用 cc-switch 来下载用户级的 skills

CC-Switch 下载 skills

快速创建：

首先安装官方的 skill-creator，这里需要注意的是 windows 的 cli 中默认编码是 GBK，所以可能会遇见脚本执行编码错误的情况，直接让 cc 帮你修复，也可以直接下载这个修复后的 skill

skill-creator.zip

安装好 skill-creator 后一定要重启 cc 让它加载好这个 skill，然后直接 /skill-creator 帮我创建一个项目级的{什么什么功能}的skill 然后 cc 就一顿操作猛如虎给你建好了，肯定少不了一顿改来改去的，所以一般都是拿现成的过来用。

创建好后的 skills 在正确加载后执行 /skills 命令是会显示的:

甚至还有一个 mcp-builder 可以帮你创建 mcp 服务，我就拿他创建了一个可以连接 mysql 的 mcp，还是挺方便的，总之我觉得 skills 可以理解为各种各样的插件，你缺什么功能了你就拿过来，还是挺有趣的。

Commands 的使用

1. commands 的基本介绍

commands 可以理解为纯提示词版的 skills（貌似 cc 加载的时候也会把自定义的 commands 当作 skills 加载？调用 /skills 可以看到创建的 skills 和 commands）一般内容都是些工作流程的约束，比如项目分析、解释代码、审查代码等简单工作流程，也分为用户级与项目级，但是 cc 不会根据上下文来自动调用，而是需要手动调用 /{command-name} 阿巴阿巴

• 用户级：~/.claude/commands/ 全局生效
• 项目级：<项目根目录>/.claude/commands/

commands 的目录结构（支持命名空间）：

.claude/commands/
├── code/
│   ├── explain-code.md       # /code:explain-code
│   └── review-code.md       # /code:review-code
└── analysis/
    └── analyze-project.md      # /analysis:analyze-project 

正确加载后的样子

在 commands 中同样也会要求规定 YAML frontmatter

--- description: "分析项目结构和技术栈" allowed-tools: ["read", "grep", "bash", "glob"]
model: sonnet ---

• description：命令描述。

• allowed-tools：允许调用的工具。

• model：指定的模型。

2. commands 的快速创建

commands 的创建目前好像没有相应的 skills 支持（也可以使用 skill-creator 来创建一个 commands-builder ），但我们依然可以拜托万能 cc 帮我们创建，他自己知道 commands 的规则，直接让它创建一个项目级的分析代码commands 即可。

貌似也可以在 commands 的工作流程中让其调用多个 skills 和 mcp 协作，实现一个完整的大型工作流程，这个我目前没试过，现在日常的代码工作应该够用了。

以上就是我对于 skills 和 commands 的简单总结啦 ，大家快来鞭策我

from __future__ import annotations

from dataclasses import dataclass
from datetime import datetime, timezone
from typing import Any, Dict, List, Optional, Set, Tuple # --- 可选依赖：curl_cffi（你指定要用） --- try:
    from curl_cffi import requests as curl_requests  # type: ignore except Exception:  # pragma: no cover
    curl_requests = None def _parse_iso_dt(s: Optional[str]) -> Optional[datetime]:
    if not s:
        return None
    s = s.replace("Z", "+00:00")
    try:
        dt = datetime.fromisoformat(s)
        # 保证 tz-aware if dt.tzinfo is None:
            dt = dt.replace(tzinfo=timezone.utc)
        return dt
    except ValueError:
        return None def _now_utc() -> datetime:
    return datetime.now(timezone.utc)


@dataclass(frozen=True) class Provider:
    id: str
    name: str type: str
    model: str
    group: str
    endpoint: str

    latest_status: Optional[str] = None
    latest_latency_ms: Optional[int] = None
    latest_ping_latency_ms: Optional[int] = None
    latest_checked_at: Optional[datetime] = None
    latest_message: Optional[str] = None @staticmethod def from_dict(d: Dict[str, Any]) -> "Provider":
        latest = d.get("latest") or {}
        return Provider(
            id=str(d.get("id", "")),
            name=str(d.get("name", "")),
            type=str(d.get("type", "")),
            model=str(d.get("model", "")),
            group=str(d.get("group", "")),
            endpoint=str(d.get("endpoint", "")),
            latest_status=(latest.get("status") if isinstance(latest, dict) else None),
            latest_latency_ms=(latest.get("latencyMs") if isinstance(latest, dict) else None),
            latest_ping_latency_ms=(latest.get("pingLatencyMs") if isinstance(latest, dict) else None),
            latest_checked_at=_parse_iso_dt(latest.get("checkedAt") if isinstance(latest, dict) else None),
            latest_message=(latest.get("message") if isinstance(latest, dict) else None),
        )


class LinuxDoStatusClient:
    """

    SDK-ish client for https://check.linux.do/api/v1/status



    - 数值/元数据：用属性 .total .operational .generatedAt ...

    - 列表/字典：用方法 getAllGroups() / getOfflineModels() ...

    """

    DEFAULT_URL = "https://check.linux.do/api/v1/status" # 你之前定义的概念我保留，并做了可调的集合
    DEGRADED_STATUSES: Set[str] = {"degraded"}
    # “离线”通常你会想把这些算进去；另外 error 不在 summary 里时会单独暴露 .error
    OFFLINE_STATUSES: Set[str] = {"failed", "validationfailed", "maintenance"}

    def __init__(self,

        url: str = DEFAULT_URL,

        timeout_s: float = 15.0,

        impersonate: str = "chrome",

        auto_refresh: bool = True,

        data: Optional[Dict[str, Any]] = None,):
        self._url = url
        self._timeout_s = timeout_s
        self._impersonate = impersonate

        self._raw: Dict[str, Any] = {}
        self._providers: List[Provider] = []
        self._providers_raw_by_id: Dict[str, Dict[str, Any]] = {}
        self._fetched_at: Optional[datetime] = None if data is not None:
            self._load(data)
        elif auto_refresh:
            self.refresh()

     # 网络 / 载入  def refresh(self) -> "LinuxDoStatusClient":
        if curl_requests is None:
            raise RuntimeError(
                "curl_cffi 未安装。请先 pip install curl-cffi\n" "或把 data=... 传进来离线使用。"
            )

        r = curl_requests.get(
            self._url,
            timeout=self._timeout_s,
            impersonate=self._impersonate,  # chrome impersonate
            headers={"accept": "application/json", "cache-control": "no-cache"},
        )
        r.raise_for_status()
        data = r.json()
        if not isinstance(data, dict):
            raise ValueError("API response must be a JSON object")

        self._load(data)
        return self def refreshIfNeeded(self) -> "LinuxDoStatusClient":
        """按 metadata.pollIntervalMs 判断是否过期；过期才 refresh。""" if self.isStale:
            return self.refresh()
        return self def _load(self, data: Dict[str, Any]) -> None:
        self._raw = data

        providers = data.get("providers", [])
        if not isinstance(providers, list):
            raise ValueError('response["providers"] must be a list')

        self._providers_raw_by_id = {
            str(p.get("id", "")): p for p in providers if isinstance(p, dict) and p.get("id")
        }
        self._providers = [Provider.from_dict(p) for p in providers if isinstance(p, dict)]
        self._fetched_at = _now_utc()

     # SDK 属性：summary / metadata  @property def total(self) -> int:
        v = (self._raw.get("summary") or {}).get("total")
        return v if isinstance(v, int) else len(self._providers)

@property def operational(self) -> int:
        v = (self._raw.get("summary") or {}).get("operational")
        if isinstance(v, int):
            return v
        return self.statusCounts.get("operational", 0)

@property def degraded(self) -> int:
        v = (self._raw.get("summary") or {}).get("degraded")
        if isinstance(v, int):
            return v
        return self.statusCounts.get("degraded", 0)

@property def failed(self) -> int:
        v = (self._raw.get("summary") or {}).get("failed")
        if isinstance(v, int):
            return v
        return self.statusCounts.get("failed", 0)

@property def validationFailed(self) -> int:
        v = (self._raw.get("summary") or {}).get("validationFailed")
        if isinstance(v, int):
            return v
        return self.statusCounts.get("validationfailed", 0)

@property def maintenance(self) -> int:
        v = (self._raw.get("summary") or {}).get("maintenance")
        if isinstance(v, int):
            return v
        return self.statusCounts.get("maintenance", 0)

@property def avgLatencyMs(self) -> Optional[int]:
        v = (self._raw.get("summary") or {}).get("avgLatencyMs")
        return v if isinstance(v, int) else None @property def generatedAt(self) -> Optional[datetime]:
        dt = (self._raw.get("metadata") or {}).get("generatedAt")
        return _parse_iso_dt(dt if isinstance(dt, str) else None)

@property def generatedAtString(self) -> Optional[str]:
        s = (self._raw.get("metadata") or {}).get("generatedAt")
        return s if isinstance(s, str) else None @property def pollIntervalMs(self) -> Optional[int]:
        v = (self._raw.get("metadata") or {}).get("pollIntervalMs")
        return v if isinstance(v, int) else None @property def pollIntervalLabel(self) -> Optional[str]:
        v = (self._raw.get("metadata") or {}).get("pollIntervalLabel")
        return v if isinstance(v, str) else None @property def fetchedAt(self) -> Optional[datetime]:
        """本地拉取时间（不是接口 generatedAt）。""" return self._fetched_at

@property def isStale(self) -> bool:
        """

        依据 generatedAt + pollIntervalMs 判断是否过期：

        - 没 metadata 就当 stale（更安全）

        """
        gen = self.generatedAt
        interval = self.pollIntervalMs
        if gen is None or interval is None:
            return True return (_now_utc() - gen).total_seconds() * 1000 > interval

     # 扩展：状态统计 & “error”这种 summary 没给的状态  @property def statusCounts(self) -> Dict[str, int]:
        """

        从 providers.latest.status 直接统计（比 summary 更“全”）

        例如：operational / degraded / error / failed / ...

        """
        counts: Dict[str, int] = {}
        for p in self._providers:
            k = (p.latest_status or "unknown").strip().lower()
            counts[k] = counts.get(k, 0) + 1 return counts

@property def error(self) -> int:
        """接口 summary 里不一定有 error，这里从 providers 计算。""" return self.statusCounts.get("error", 0)

@property def offline(self) -> int:
        """

        “离线”综合数：failed + validationFailed + maintenance + error

        （你也可以按自己口味改 OFFLINE_STATUSES / 规则）

        """ return self.failed + self.validationFailed + self.maintenance + self.error

     # SDK 方法：group/model/provider 查询  def providers(self) -> List[Provider]:
        return list(self._providers)

    def getProvider(self, key: str) -> Optional[Provider]:
        """按 id 或 name 精确匹配（大小写不敏感）。"""
        k = key.strip().lower()
        for p in self._providers:
            if p.id.lower() == k or p.name.lower() == k:
                return p
        return None def __getitem__(self, key: str) -> Provider:
        p = self.getProvider(key)
        if p is None:
            raise KeyError(f"provider not found: {key}")
        return p

    def getProviderRaw(self, provider_id: str) -> Optional[Dict[str, Any]]:
        """拿原始 provider dict（含 statistics / timeline）。""" return self._providers_raw_by_id.get(provider_id)

    def getAllGroups(self) -> List[str]:
        groups = {p.group for p in self._providers if p.group}
        return sorted(groups)

    def getAllTypes(self) -> List[str]:
        types_ = {p.type for p in self._providers if p.type}
        return sorted(types_)

    def getAllModels(self, by_group: bool = True) -> Dict[str, List[str]] | List[str]:
        if not by_group:
            models = {p.model for p in self._providers if p.model}
            return sorted(models)

        m: Dict[str, Set[str]] = {}
        for p in self._providers:
            if p.group and p.model:
                m.setdefault(p.group, set()).add(p.model)
        return {g: sorted(models) for g, models in sorted(m.items(), key=lambda x: x[0].lower())}

    def getModelsByGroup(self, group: str) -> List[str]:
        g = group.strip().lower()
        models = {p.model for p in self._providers if p.group.lower() == g and p.model}
        return sorted(models)

    def getProvidersByGroup(self, group: str) -> List[Provider]:
        g = group.strip().lower()
        return [p for p in self._providers if p.group.lower() == g]

    def getProvidersByModel(self, model: str) -> List[Provider]:
        m = model.strip().lower()
        return [p for p in self._providers if p.model.lower() == m]

    def getProvidersByStatus(self, status: str) -> List[Provider]:
        s = status.strip().lower()
        return [p for p in self._providers if (p.latest_status or "").lower() == s]

     # 你要的：离线/降级 models（保持原来的返回风格）  def getDegradedModels(self, by_group: bool = True) -> Dict[str, List[str]] | List[str]:
        return self._models_by_status(self.DEGRADED_STATUSES, by_group=by_group)

    def getOfflineModels(self, by_group: bool = True) -> Dict[str, List[str]] | List[str]:
        # offline = OFFLINE_STATUSES + {"error"}（更符合你想要的直觉）
        statuses = set(self.OFFLINE_STATUSES) | {"error"}
        return self._models_by_status(statuses, by_group=by_group)

    def _models_by_status(self, statuses: Set[str], by_group: bool) -> Dict[str, List[str]] | List[str]:
        statuses_l = {s.lower() for s in statuses}

        def hit(p: Provider) -> bool:
            return (p.latest_status or "").lower() in statuses_l

        if not by_group:
            models = {p.model for p in self._providers if p.model and hit(p)}
            return sorted(models)

        m: Dict[str, Set[str]] = {}
        for p in self._providers:
            if p.group and p.model and hit(p):
                m.setdefault(p.group, set()).add(p.model)

        return {g: sorted(models) for g, models in sorted(m.items(), key=lambda x: x[0].lower())}

     # 额外：快/慢、分组汇总（很 SDK 常用）  def getFastestProviders(self, n: int = 5) -> List[Provider]:
        def key(p: Provider) -> Tuple[int, int]:
            return (0 if p.latest_latency_ms is not None else 1, p.latest_latency_ms or 10**18)

        return sorted(self._providers, key=key)[: max(0, int(n))]

    def getSlowestProviders(self, n: int = 5) -> List[Provider]:
        def key(p: Provider) -> Tuple[int, int]:
            return (0 if p.latest_latency_ms is not None else 1, -(p.latest_latency_ms or -10**18))

        return sorted(self._providers, key=key)[: max(0, int(n))]

    def getGroupSummary(self) -> Dict[str, Dict[str, int]]:
        """

        返回：

        {

          "Packy": {"total": 10, "operational": 8, "degraded": 1, "error": 1, ...},

          ...

        }

        """
        out: Dict[str, Dict[str, int]] = {}
        for p in self._providers:
            g = p.group or "unknown"
            st = (p.latest_status or "unknown").lower()
            out.setdefault(g, {"total": 0})
            out[g]["total"] += 1
            out[g][st] = out[g].get(st, 0) + 1 # 排序输出（可读性更像 SDK） return {g: out[g] for g in sorted(out.keys(), key=lambda x: x.lower())}

     # 原始数据（调试用）  def raw(self) -> Dict[str, Any]:
        return dict(self._raw)

简单搓了一下
反正我集成到我的 Bot 里面了

至于为什么要用 curl_cffi? 因为监测站有 Cloudflare 盾

Cursor Tab 共享无限车，无需魔法和账号，支持 VSCode - 福利羊毛 / 福利羊毛，Lv1 - LINUX DO

今天已经 300 万次 Tab 了，4 个月合计每个月 75w tab, 现在补全数非常稳定，工作日每秒 10 个左右

希望春节时可以破 500w

之前做了个简单的 opencoed 的介绍和插件 Oh my code 的 Ultrawork 模式多 agent 的说明

很多佬说不会配置 今天瞎搓了一个配置管理器 就是简单的参数映射编辑
对于不喜欢搞 json 格式的佬们省了个心 懒得费那劲的佬们可以试试
初版肯定有很多问题 还在重构界面中 临时先用 0.6.4

PS：操作前先备份原始配置文件～～ 切记！切记！切记！

新更新 opencode 默认是关闭 think 模式的 新增了 think 选项 如果你的模型支持 think 可以添加 添加之后才会有

7:30 又是爆肝的一夜 一口气更新迭代了 10 个版本
上下文压缩 (Compaction)
选项 / 变体 配置结构
MCP 服务器配置
外部导入功能
Skill 管理

Rules 管理

Agent 管理
该有的咱家人都要有

这就是 ulw 模式的魅力～

有任何问题和建议欢迎留言 我们大家一起来完善他
本人胆小！ 高手勿喷..

觉得有帮助帮我点个 star

套壳了一下 DrissionPage，并做了优化
REPO:

微软 Fluent UI 风格，有空做下打包 :P，此项目完全本地（除了 Chrome 下载用的是谷歌的 api），无需登录，欢迎审查代码

UI 演示

（声明：由于以下并未控制变量，所以不能作为实际原因，仅为一个未控制变量的小测试，没有贬低 / 引起争论的意思，如果出现问题请通知我，谢谢 qaq）

小实验

不知道为什么 RoxyBrowser 注册不了的（使用邮箱：4e4f9ba9@aspireviastudios.org，此处指 Kiro AWS 账户，图片

），UselessBrowser 可以正常注册（使用邮箱：05919999@gotrak.org，此处指 KiroAWS 账户，图片

）

邮箱均可通过：https://mail.chatgpt.org.uk/<我所引用的邮箱地址> 来证实

再次声明：无引战、贬低等意思，谢谢理解 XP

由于此项目刚开坑，功能可能不全，还请各位多多 Issues/PullRequest，谢谢啦

官方地址：https://domain.stackryze.com/

1. 注册
首先点击右上角【Get Started】按钮，然后使用使用邮箱注册就行了，注册很简单，就填入姓名，邮箱，密码这三项 就完了，这里懒得截图了，或者是使用 GitHub 登录。登录完成以后进入控制面板如下。然后点击【Register New Domain】按钮

2. 注册域名
然后输入自己想要的域名，这里我输入的 baidu.indevs.in。点击最下面的【Register Domain】就能完成注册了。

该域名是完全免费的，但是有效期只有 1 年，在快要过期的 60 天内续费是免费的 。快到期了官方会发邮件通知你续费的。域名注册完成以后就能在面板看到了，上面也能看到每个账号能注册 5 个域名，目前域名不支持转赠。如下

3.CloudFlare 托管

qx 正式版更新，支持 reality。

Quantumult X for iOS/tvOS/macOS 正式版更新 1.5.5

商店链接

更新说明：

• Add support for Reality TLS (GitHub - XTLS/REALITY: THE NEXT FUTURE).

• Bug fixes and other minor improvements.

这个主题是由我和 AI 一起开发的 typecho 模板，用了大概几天的时间，这是一款带双主题切换的主题，并且内置了网盘下载功能，全部开源给大家，这个主题后续我会持续更新，使用中有问题可以在此留言，后续我也会持续每周为大家更新一款我与 AI 的故事，最后喜欢我的主题，请在 github 帮我点个 star！

放一个 github 的链接：GitHub - FeiFan86/SeeLTheme: 一款现代化的 Typecho 博客主题，支持简洁化与玻璃态双主题自由切换。

传送门 daily_stock_analysis

用 github action 自动运行，从互联网上搜索你关注股票的各种新闻，整合之后推送报告，牛逼的不得了。

生成的 md 制品文件内容长这样

GLM-Image 技术报告：GLM-Image: Auto-regressive for Dense-knowledge and High-fidelity Image Generation

模型基于昇腾 Atlas 800T A2 设备和昇思 MindSpore AI 框架完成从数据到训练的全流程，是首个在国产芯片上完成全程训练的 SOTA 多模态模型。
GLM-Image 采用自主创新的「自回归 + 扩散解码器」混合架构，实现了图像生成与语言模型的联合，是我们面向以 Nano Banana Pro 为代表的新一代「认知型生成」技术范式的一次重要探索。

新一代图像生成模型 GLM-Image 正式上线并开源！

这一次，图像生成不只 “好看”，更 “写对”

核心亮点：

强理解 × 准文字：理解复杂指令，文字绘制更精准，特别适合海报、插画等知识密集型场景

架构革新：面向以 Nano Banana Pro 为代表的新一代技术范式打造

硬核突破：首个在国产芯片上完成全程训练的 SOTA 图像模型

极致性价比：API 生成一张图仅 0.1 元

Bigmodel 已就位，欢迎大家上手体验，一起玩出新高度

详情 i3z.cc/v-8na7u

消息转发自官方开发者社群

素材转视频功能：现支持竖屏比例

应用户需求，我们正式推出竖屏模式！所有付费套餐现已支持竖屏素材转视频功能（免费版后续开放）。使用步骤如下：

在下拉菜单中选择 “素材转视频”。

上传或生成图像素材作为主题或风格参考。

在设置中将宽高比调整为竖屏模式。

请注意：当前该功能仅支持 Veo 3.1 Fast 版本（横竖屏模式均适用）。期待见证您的创作成果！

视频分辨率升级至 1080p 与 4K

我们深知分辨率的重要性。今日推出两款全新升级模型：1080p 升级版（更新）与 4K 升级版（新增），您可在下载心仪作品时调用。下载视频时（右上角菜单内），只需选择对应的分辨率选项即可。

重要提示

1080p 升级下载适用于所有付费套餐，无需消耗积分。

4K 升级下载仅限 Ultra 套餐用户使用，每次消耗 50 积分。

升级处理可能需要数分钟，完成时右上角将显示提示气泡。

费用及可用性可能随时调整。

Flow 团队敬上

1. 一定要美国 IP
2. 历史账号有重复操作过没成功的这个账号大概率用不了，（我就是）换了新账号
   3. 使用 https://www.adspower.net 浏览器进行认证
3. https://batch.1key.me 这个地址认证，我发现最后一次页面显示认证失败，但是实际成功了
   5. 没有信用卡的，在海鲜市场买一个 3.99

开源微信推送服务

使用 Spring Boot 4.0 和 GraalVM Native

通过企业微信（WeCom），将系统消息稳定、合规地推送到用户的微信中接收。

整体消息流转路径如下：

最终效果是： 用户在微信中收到消息，但技术通道使用的是企业微信。

为什么选择企业微信？
相比微信公众号，企业微信具备天然的系统通知优势：

无缝触达：消息最终可到达 微信 App（需关注插件）。
主动推送：支持无限制的主动消息推送，适合通知。
稳定合规：官方允许的系统消息通道，不涉及内容风控。
简单易用：无需复杂的模板消息申请，开发接口清晰。

有什么需要的或者想法可以提，交流一下

项目地址

教程

1. 注册企业微信

谁都可以注册企业微信，无需认证，按说明注册并使用微信扫二维码完成管理员绑定

2. 微信插件

选择我的企业，点击微信插件，使用手机扫码关注

3. 添加应用

添加 logo 和应用名称以及可见范围，选择一个部门或者自己都行，创建应用

4. 配置应用

4.1 查看 Secret

创建完成后会进入当前页面，点击查看可以看 Secret

点击发送，可前往企业微信查看消息

点击查看，保存好，不要泄露，至关重要

4.2 配置可信 IP

在配置可信 IP 之前，我们需要先设置可信域名

可信域名需要校验域名，点击 申请校验域名 获得认证信息

下载文件放置到一个网站的根目录下，我这里放置到了自己在 cloudflare 的 Workers 和 Pages 博客上 https://mazepeng.com/

当文件可以访问到的时候就可以设置可信域名了

现在推送消息的服务必须有可信 IP，如何获得自己的 IP 呢

访问 https://ifconfig.me/ 或者直接百度 IP 就可以看到自己的公网 IP 了

点击应用管理，点击应用，拉倒最下面，配置可信 IP

5. 运行 push-server

支持 docker 部署和本地应用部署，这里我就介绍一下 docker 部署

5.1 docker 命令部署

  docker run -d \
  --name push-server \
  -p 8000:8000 \
  -e PUSH_AUTH_KEY="替换为自己的key" \
  -e PUSH_WECOM_APP_KEY="你的应用AppKey" \
  -e PUSH_WECOM_APP_SECRET="你的应用AppSecret" \
  -e PUSH_WECOM_AGENT_ID="1000001" \
  qingzhoudev/push-server:latest
  
#安全设置，默认值为下方值，需要修改添加环境变量修改
  docker run -d \
  --name push-server \
  -p 8000:8000 \
  -e PUSH_AUTH_KEY="替换为自己的key" \
  -e PUSH_WECOM_APP_KEY="你的应用AppKey" \
  -e PUSH_WECOM_APP_SECRET="你的应用AppSecret" \
  -e PUSH_WECOM_AGENT_ID="1000001" \
  -e PUSH_SECURITY_BLOCK_MINUTES="30" \
  -e PUSH_SECURITY_FAIL_WINDOW_MINUTES="5" \
  -e PUSH_SECURITY_MAX_FAILS="5" \
  -e PUSH_SECURITY_RATE_LIMIT_CAPACITY="10" \
  -e PUSH_SECURITY_RATE_LIMIT_QPS="1" \
  qingzhoudev/push-server:latest

• PUSH_AUTH_KEY 请求头密钥，需要自己设置一个复杂的即可
• PUSH_WECOM_APP_KEY 就是企业 ID
• PUSH_WECOM_APP_SECRET 就是保存的 Secret
• PUSH_WECOM_AGENT_ID 应用 ID

替换后直接 docker 启动

5.2 使用 Docker Compose

services: push-server:  qingzhoudev/push-server:latest container_name: push-server ports: - "8000:8000" volumes: - ./application-prod.yml:/app/config/application-prod.yml:ro restart: unless-stopped 

application-prod.yml 文件

push: auth: key: "CHANGE_ME" security: block-minutes: 30 fail-window-minutes: 5 max-fails: 5 rate-limit-capacity: 10 rate-limit-qps: 1 wecom: app-key: "CHANGE_ME" app-secret: "CHANGE_ME" agent-id: 1000001 webhook-url: server: port: 8000 

5.3 企业 ID

5.4 应用 ID

6 推送消息

和正常接收微信消息一样，没有什么区别

curl -X POST http://localhost:8000/api/v1/push \
  -H "X-API-Key: 替换为自己的key" \
  -H "Content-Type: application/json" \
  -d '{

    "target": "ZhangSan|LiSi",

    "type": "TEXT",

    "content": "系统通知：您的任务已构建完成。"

  }'
  curl -X POST http://localhost:8000/api/v1/push \
  -H "X-API-Key: 替换为自己的key" \
  -H "Content-Type: application/json" \
  -d '{

    "target": "MaZePeng",

    "type": "TEXT_CARD",

    "title": "测试Push Server",

    "content": "我是 Push Server，这是我作为服务端的第一条消息",

    "url": "https://www.mazepeng.com"

  }'
curl -X POST http://localhost:8000/api/v1/push \
  -H "X-API-Key: 替换为自己的key" \
  -H "Content-Type: application/json" \
  -d '{

  "target": "MaZePeng",

  "type": "NEWS",

  "articles": [

    {

      "title": "测试 Article",

      "description": "我是描述",

      "url": "https://www.mazepeng.com",

      "picUrl": "https://mazepeng.com/img/bg/a_larger_image_of_the_homepage.jpg"

    }

  ]

}' 

类型有：

• TEXT
• MARKDOWN（微信不支持）
• TEXT_CARD
• NEWS

系统中存在多个 Claude Code 安装位置，PATH 环境变量包含了多个 npm 全局安装路径，例如：

1. 新版本位置：C:\Users\[用户名]\.npm-global (v2.1.7)
2. 旧版本位置：H:\Environment\nodejs\node_global (v2.0.25)

由于 PATH 环境变量的查找顺序问题，系统在不同目录下会找到不同版本的 claude.cmd。

解决方案

方案 1：调整 PATH 环境变量顺序（推荐）

优点：无需删除文件，安全简单

步骤：

1. 按 Win + R，输入 sysdm.cpl，回车
2. 点击 "高级" 选项卡 → “环境变量”
3. 在 "用户变量" 部分找到 Path，双击编辑
4. 找到新版本路径（如 C:\Users\[用户名]\.npm-global）
5. 选中该路径，点击 "上移" 按钮，将其移到旧版本路径之前
6. 点击 "确定" 保存所有设置
7. 重启所有命令提示符窗口
8. 验证：claude --version

方案 2：卸载旧版本

优点：彻底清理，避免混淆

步骤：

# 从旧版本安装位置卸载
npm uninstall -g @anthropic-ai/claude-code --prefix="H:\Environment\nodejs\node_global"

# 验证
claude --version

注意：如果遇到权限问题，需要：

• 关闭所有可能占用文件的程序（VSCode、IDE、终端等）
• 以管理员身份运行命令提示符
• 或手动删除目录：H:\Environment\nodejs\node_global\node_modules\@anthropic-ai\claude-code

本文仅为 孙佬 CCG 模式进行升级 而写

【CCG 自动化流 安装教程】 三合一自动化编程 ，助力每一位佬友 享受 [自动化流] 氛围编程时代（谁再说 AI 代替程序员，我就要开始闹了） - 开发调优 - LINUX DO

若初次使用，可直接跟着风佬教程走（风佬写的够细了）

前言

今天早上起来，风佬告诉我 CCG 整体优化和 BUG 修复已经完成，邀请我体验 CCG 。
收到这个消息的时候真的挺激动，毕竟我从风佬 CCG 刚开贴就一直在关注和观望。
目前等到可以成熟使用，怎么会不兴奋呢？
于是一早就开始着手升级了
在升级的时候发现居然还适配孙佬 CCG， 这一波无痛升级，我更亢奋了！
看我 CCG 第二篇！升级篇！！！

什么？！ 还在凹战力？

开始升级之前，我先标一下孙佬和风佬的原文：
（关于孙佬CCG的安装教程在上面那个链接）

孙佬 CCG： 【自己动手，丰衣足食 04】一个更现代的 SKILLs 集合，一个更省时的并行化 workflow。好的 agent 怎能局限于线性 cc+codex+gemini？ - 开发调优 - LINUX DO
风佬 CCG： 【开源】CCG v1.7.24 : Claude Code 编排三 CLI 协作 | Codex + Gemini + Claude - 开发调优 - LINUX DO

相信关于 CCG 是什么，各位佬已经都熟悉了（如果不熟悉，那就借用风佬的截图）

最近不仅仅是 CCG， 还出现了 CCW 等其他同类型的协作整合，我们当然也不能落后！
（落后就要挨打 ）

废话懒得说了，开始吧

CCG 升级正文

1. 安装风佬 CCG-workflow :
   npx ccg-workflow

2. 选择初始化 CCG 配置：

   

3. 测试安装：
   控制台输入 Claude
   在 claude 中 测试以下指令是否可用：

   

4. 结果分享：

   
   
   
   

好了安装完了

你还在看什么？

怎么还不走？

就是这么简单啊，还能怎样？

快给风佬上 star，还有， 给我点赞

背景

你是不是也有这种痛苦：
每天在 PowerShell + 各种编辑器的 Terminal 里库库手打命令，输错一个字母就重来；
想找上一条命令只能疯狂按 ↑ ↓；
更离谱的是 —— 还没有自动补全，每条命令都得从头敲！

如果你也被这些折磨过 —— 恭喜你，今天这个工具能让你直接起飞：
装上它，PowerShell + 各种编辑器的 Terminal 的命令提示 / 补全体验立刻提升一大截，常见命令、参数、历史记录都能更顺手地调用。
一条命令安装，立刻告别重复手打！

工具

重磅推荐 PSReadLine (大家不会认为是我自己写的工具吧)

PSReadLine 是 PowerShell 里用来 “增强命令行交互体验” 的组件（模块）。你可以把它理解成：给 PowerShell 的输入框加上更聪明的编辑器能力。

PSReadLine 支持：

• 历史与搜索：支持 Ctrl + R 反向搜索历史命令，也能做 “按前缀翻历史”（输入 git 再按 ↑ 只找以 git 开头的历史）。
• 智能补全 / 预测：根据你的历史记录（以及配置）在你输入时给出建议，减少重复敲命令。
• 更好用的编辑体验：更顺手的光标移动、选中、剪切 / 复制、撤销等快捷键，输入长命令不再痛苦。
• 可自定义键位和行为：你可以把常用操作绑定到自己习惯的按键上，甚至把补全、历史搜索的逻辑改成你想要的样子。

大家是不是已经等不及要安装了，安装非常简单，在 powellshell 中执行一行命令即可安装

Install-Module PSReadLine -Force

弹窗提示直接回车，等待安装完成。

提示：需要打开新的 shell 命令才会起作用哈。

展示效果

附录

VS Code 里把默认命令行设为 PowerShell ：

1. Ctrl + Shift + P
2. 输入并选择：Terminal: Select Default Profile
3. 选 PowerShell（一般会显示 PowerShell 或 Windows PowerShell）