1700個OpenClaw Skills，我用多鄰國的方式學會的！

金磊 發自 凹非寺
量子位 | 公眾號 QbitAI

AI來了，學習方式也變樣了。

就好比面對最近大火的OpenClaw（原Clawdbot、Moltbot），單單是與它相關的Skills，就已經有1700多個。

這個GitHub項目里有如此多的Skills，到底該怎么學才能記得住？

That’s a big problem~

但也正如我們剛才說的，AI來了，一切都變了。

現在，你可以把這個GitHub下載成PDF，然后直接喂給AI：

不大一會兒，一個與之相關的多鄰國式學習的課程就被AI搞出來了：

點進去，映入眼簾的，就是一個涵蓋10節課的教程，包括對整個OpenClaw的知識框架和知識卡片：

在開始學習之后，教程會先對OpenClaw的基礎知識做一個梳理，而且還是圖文并茂的那種：

與此同時，為了保證準確性，課程還專門設置了對照學習的功能，可以比對上傳文件對應的位置邊比對邊學習：

在每一個環節過后，還會有一個小測環節，例如它會問你：

ClawHub注冊表在篩選技能時，剔除了哪些類型的低質內容？

作答過后，AI也會基于正確答案，給予解析反饋：

如此一來，海量的新知識就會以課程的形式出現在我們面前，還有小測等形式能加深和鞏固記憶點。

學習新知識這件事，一下子就從枯燥無味變得鮮活了起來。

那么這到底是何許AI也？

不賣關子，它正是智譜清言APP推出的新功能——學習搭子。

不僅僅是網頁端，手機等移動端現在也是可以用。

總而言之，現在所有的學科，都可以在學習搭子里以多鄰國的方式來學習。

主打的就是一個把知識和書讀薄、讀活和讀透，專治間歇性學習和轉頭就忘的毛病。

如此有趣的AI應用，那么接下來，老規矩，必須安排一波深度實測~

這次真能學透幾百頁的論文

現在身處AI時代，很多人的痛點都是：每天新出爐的知識真的太太太多了。

而且有些新知識還是動輒就上百頁論文的那種。

例如這篇近100頁的《大型語言模型初級認證知識圖譜》，通常這種大部頭，丟給普通AI，它們只能通過RAG切片技術，猜出你要的答案，經常出現上下文邏輯割裂。

但智譜清言的學習搭子，這次不一樣。

當我們點開“Transformer架構”這個節點，AI沒有扔給我一段干巴巴的定義，而是生成了一個交互式的解釋卡片。

針對“注意力機制”，它甚至用一段代碼演示配合圖表，動態展示了Query、Key、Value是如何計算權重的。

而且很多知識都是以有趣、生動的動畫來展示：

整整100頁的論文，活生生地被濃縮成了一張可交互的地圖。

遇到不懂的節點，點擊AI詳解，它會用蘇格拉底式的提問引導你思考，而不是直接灌輸。

除了讀論文之外，像視頻/音頻這種時間太長、信息密度極高的素材，也是經常會出現聽完就忘、回頭找知識點像大海撈針的問題。

例如每年黃仁勛的演講，堪稱是科技圈所有人重點關注內容。

但很現實的一個情況是……動輒兩小時的內容，全是高密度的技術名詞：Blackwell、Omniverse、Digital Twin……

不過現在，你的學習方式，可以是把文字實錄或網站鏈接直接丟給智譜清言的學習搭子。

不難看出，學習搭子不僅提取了黃仁勛演講的關鍵信息，而且它還通過知識閃卡功能把重點知識梳理成PPT，可以說是一目了然：

從教育角度來說，這就是典型的雙重編碼理論，單純的文字很難記住，但“圖像+文字”的組合，能讓記憶留存率提升數倍。

同樣的，在每個學習章節的下方，還是會有測試的環節，讓我們對知識點進一步做鞏固和加深：

用AI做爆款內容，同樣也是困擾不少人的老大難問題。

畢竟這是一個需要有創意、獨特視角的場景，同質化內容過多就會與爆款失之交臂。

我們這次實測就以《AI漫劇制作全解析》為例，在手機端上進行學習。

可以看到，清言學習搭子會根據素材的內容，自行調整學習課程的篇章，不會一根筋地全放到一塊。

在手機端同樣也是會包含對比學習、圖文并茂、隨堂測試等功能：

以及像讀過的書籍，想溫故而知新，在清言學習搭子這里也是可以的。

有請《馬斯克傳》：

從知識框架來看，清言學習搭子是通過深度的理解，把書籍的內容以讓人一目了然、清晰的結構來進行劃分。

甚至在開始閱讀前，它還會幫忙總結，讀完這本書你能收獲些什么。

并且還是通過測試等方式，加深你對書籍內容的印象。

有一說一，清言學習搭子這次真的是把知識讀薄、讀活、讀透給玩明白了。

那么接下來的問題是：

怎么做到的？

很多AI讀文檔為什么讀不明白？

究其原因，因為它們是用切片的方式讀的：把一本書切成幾百塊，讀了這塊忘了那塊，自然不懂跨章節的邏輯。

對此，智譜清言利用了GLM旗艦模型的200k Token超長上下文能力。

這意味著它是一次性把整本書“吃”進去的。它具備全局注意力，所以才能畫出那個跨越全書的知識地圖，才能分析出招股書里前后呼應的因果關系。

其次，不論你丟進去的是PDF、Word、還是滿是廣告的網頁鏈接，對它來說沒區別。

因為它內置了自研的高精度OCR引擎，專門針對復雜的論文排版、公式、圖表進行了優化。

甚至連掃描件里的手寫筆記都能識別。它通過自動化ETL管道，把所有噪音洗掉，喂給大模型的全是純凈的干貨。

以及內置的動態演示圖功能，用到的技術則是Code Interpreter（代碼解釋器）。

依托GLM強大的Coding能力，當你需要解釋一個流程時，它直接生成可運行的HTML/JS組件，一次通過率極高，把枯燥的概念，變成了可交互的Demo。

不僅如此，清言學習搭子還是懂教育的：結合了教育學中的布魯姆分類法。

它會根據知識點的不同認知層級（記憶、理解、應用、分析），生成對應的題目。

并且，利用大模型的邏輯能力，生成了動態干擾項。這些選項看似正確，實則考察你對概念邊界的理解，徹底告別死記硬背。

智譜清言，改變了知識獲取的方式

黃仁勛曾說：“我很懷念自己20歲的時候，那時我有‘無知’的權利；但現在的孩子不行，他們必須終身學習。”

在這個AI技術日新月異、論文滿天飛、新概念層出不窮的時代，我們大腦的“帶寬”已經跟不上信息量的爆炸了。

傳統的學習方式是：搜索 -> 閱讀 -> 整理 -> 記憶 -> 練習。這個鏈路太長、太痛苦。

智譜清言的學習搭子，試圖把這個鏈路重構。

它不僅僅是把書讀薄，更是用多鄰國式的即時反饋、游戲化的闖關機制、可視化的知識圖譜，把反人性的苦學，變成了順人性的快學。

雖然市面上打著AI教育旗號的產品很多，但大多數只是換了皮的搜索框。

從這次實測來看，智譜清言是真正在用Agent的思維做教育——它不僅有B端基座模型的強悍能力（200k長文本、多模態理解），更在C端體驗上琢磨透了“怎么讓人學會”這件事。

目前，智譜清言的學習搭子已經在網頁端和移動端全量上線。

如果你也被那些永遠讀不完的Paper、學不完的OpenClaw技巧搞得焦慮不已，不妨去試試（剛才我們提到的OpenClaw技巧課程，可以點擊下方鏈接或文末閱讀原文）。

畢竟，在AI時代，學得快，本身就是一種超能力。

OpenClaw實操課程地址：
https://chatglm.cn/share/hFcHuCy2