JetBrains推出课程创作者计划，旨在缩小在线编程教育与行业实践之间的差距。该计划允许教育者在JetBrains IDE中嵌入实际编码练习，强调学生在专业工具中进行编码的重要性。随着AI生成更多代码，开发者需要提升调试和项目导航能力。目前，该计划处于早期阶段，已有部分教育者完成IDE集成。

文章讨论了人工智能（AI）模型的选择和使用策略，强调掌握AI技能的重要性。Anthropic公司因遵循美国政府的出口控制指令，暂时禁用了Fable 5和Mythos 5。使用Fable进行规划和审查，而将实际执行交给成本更低的模型，可以显著提高效率。随着AI模型价格战的加剧，选择合适模型的能力将成为关键。

Qt开发者在QML中手动重建设计系统非常繁琐。新的AI技能可以将Figma设计令牌直接转换为QML单例，并生成QML控件，自动化设计系统交接流程，简化开发工作，确保一致性和准确性。

Databricks推出OpenSharing，作为开源Delta Sharing协议的继任者，支持Apache Iceberg REST Catalog客户端，增强数据和AI资产的安全共享。OpenSharing允许组织通过标准API共享技能、模型和非结构化数据，提高数据共享的灵活性和安全性。

dotskills是为AI编程Agent设计的技能库，提供标准化操作流程，旨在解决AI在复杂任务中的不稳定表现。它将资深工程师的工作流程转化为可复用的技能包，帮助AI更系统地完成任务。文章介绍了多个技能包的功能及结构，并阐述了dotskills与MCP的协同关系，强调其在软件开发中的实用性和工程化特点。

企业在实施人工智能时，首要任务是建立“技能图书馆”，记录优秀员工的工作流程和经验，将其转化为可重复使用的技能，以提升AI的实用性和效率，帮助公司更好地利用人工智能。

NVIDIA推出新一代物理AI代理技能，支持自动驾驶、机器人和视觉AI研究。通过NVIDIA Cosmos 3，研究人员能够加速数据生成、模拟和政策训练，解决物理AI研究中的工作流程碎片化问题。这些技能提升了场景重建和合成场景生成的自动化，推动了相关系统的发展。

技能是Claude Code中常用的扩展点，灵活且易于制作和分发。它们是代理可以发现和使用的指令、脚本和资源的文件夹。有效的技能通过配置选项和文件夹结构加速开发。

数据科学与数据分析是数据驱动职业的重要领域。数据分析侧重于解读历史数据以识别趋势，帮助企业决策；数据科学则涉及机器学习和模型构建，预测未来结果。两者在技能和工具上有重叠，但数据科学需要更深的技术能力。数据分析师使用SQL和数据可视化工具，而数据科学家则运用Python等编程语言进行复杂模型开发。选择职业路径时需考虑个人兴趣和技能发展。

Genie Code 是一款可定制的工具，支持个人技能、团队工作流和外部工具整合。用户通过指令、技能和MCP服务器灵活管理工作流程，提高效率。MCP服务器简化了对现有工具和数据的访问。

Qt Quick Test技能通过自动化生成和执行单元测试，简化了QML组件的测试过程。开发者只需提供QML源文件，技能便能生成测试文件并执行，输出结构化的Markdown报告。尽管生成的测试覆盖了主要属性和信号，开发者仍需根据具体需求补充测试用例。

Claude Code的有效使用依赖于插件、技能和MCP服务器的组合。用户应明确操作规则，逐步添加功能以解决瓶颈，并根据角色选择合适的插件和技能，确保安全性和权限管理。

独立研究员Udit Akhouri开发了Claude Code的ADHD技能，旨在提升AI的思维效率。该工具通过并行思考和评分机制，允许AI从多个角度分析问题，最终选出最佳方案。尽管声称效率翻倍，但实际提升主要依赖于“发现陷阱”这一项，整体效果仍需验证。该工具适合头脑风暴和规划，而非直接编写代码。GitHub上已有用户开始使用。

在AI时代，学习应侧重动词而非名词。名词更新迅速，难以掌握，而动词如写提示词、技能和记忆等更为根本且持久。尽管学习动词的过程漫长且难以获得成就感，但它们是不会被时间淘汰的核心。

本文介绍了一种工作流，旨在将AI会话的成果转化为可执行的技能和博客文章。工作流包括五个步骤，强调技能优先于博客。通过自定义构件，简化了内容编辑和格式转换，减少错误。作者分享了实践中发现的五个bug及其修复方案，以确保工作流的有效性和可靠性。