Skills Manager：开源AI技能管家，实现提示词工程化与团队协作

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度

在 AI 助手（如 ChatGPT、Claude、DeepSeek 等）的使用过程中，你是否也遇到过这样的困扰：精心调教出一个擅长特定领域（比如前端开发、数据分析、文案写作）的 AI 助手，但当你想在另一台设备、另一个账号或另一个对话中复用时，却不得不手动复制粘贴一长串复杂的“系统提示词”（System Prompt）？这个过程不仅繁琐，还极易出错，一旦漏掉某个关键指令，AI 的表现就可能大打折扣。

这正是Skills Manager项目要解决的痛点。作为一个在 GitHub 上获得超过 2.4K 星标的热门开源工具，它旨在成为你的“AI 技能管家”，让你能够像管理代码库一样，轻松地创建、存储、分享和调用为不同 AI 模型定制的“技能”（Skills）。本文将带你从零开始，深入理解 Skills Manager 的核心概念，并通过一个完整的前端开发技能创建与管理的实战案例，手把手教你如何告别手动复制的低效时代，实现 AI 助手能力的标准化与复用。

1. 背景与核心概念：什么是 AI Skills 与 Skills Manager？

在深入实战之前，我们有必要厘清几个核心概念，这能帮助你更好地理解 Skills Manager 所解决的问题域及其价值。

1.1 AI Skills（AI 技能）是什么？

AI Skills，通常指的是一套精心设计的系统提示词（System Prompt）、对话示例（Few-shot Examples）、工具调用配置（Tool/Function Calling Config）以及相关上下文（Context）的集合。它的目标是将 AI 模型“塑造”成某个特定领域的专家。

例如，一个“前端代码审查专家”技能可能包含：

• 系统指令：“你是一名资深前端工程师，专注于 React 和 TypeScript 代码审查。请以专业、细致的态度，从代码规范、性能、可维护性、安全性等角度提供评审意见。”
• 对话示例：提供几个“用户提交代码片段”与“AI 评审意见”的配对示例，教会 AI 如何组织评审语言。
• 工具配置：如果 AI 支持联网搜索或代码分析工具，可以配置相关工具调用权限，使其能获取最新的最佳实践。

在没有统一管理工具时，这些内容通常散落在各个聊天记录、文本文件或笔记中，难以维护和复用。

1.2 Skills Manager 的核心价值

Skills Manager 应运而生，它本质上是一个Skills 的版本化存储库和运行时加载器。它的核心价值体现在：

1. 集中化管理：将分散的技能定义（通常是 YAML 或 JSON 文件）统一存储在一个仓库中，支持分类、标签和搜索。
2. 一键复用：通过简单的命令或 API 调用，即可将特定技能加载到与 AI 的对话中，无需手动复制粘贴。
3. 版本控制与协作：借助 Git，技能的迭代、回滚、分支管理变得和代码开发一样自然，团队可以协作共建技能库。
4. 环境隔离与组合：可以为开发、测试、生产等不同环境配置不同的技能集，甚至可以将多个基础技能组合成一个更复杂的复合技能。

简单来说，Skills Manager 让“提示词工程”变得工程化、产品化，极大地提升了 AI 工作流的效率和可靠性。

1.3 相关生态与工具

Skills Manager 并非孤立存在，它是整个“AI 工程化”（AI Engineering）和“LLM 应用开发”（LLM App Development）浪潮中的一环。与之相关的概念和工具有：

• LangChain / LlamaIndex：用于构建复杂 AI 应用链的框架，它们也涉及提示词管理，但更侧重于链的编排。
• PromptHub / PromptSource：专注于提示词管理和共享的平台。
• GitHub Copilot Custom Instructions：允许设置全局和项目级指令，可以看作是一种轻量级的技能管理。

Skills Manager 的优势在于其轻量、专注、与现有开发流程（Git）无缝集成，特别适合开发者个人或小团队快速搭建私有的、可定制的技能库。

2. 环境准备与版本说明

为了完成后续的实战，我们需要搭建一个基础的 Skills Manager 使用环境。本项目不依赖复杂的后端服务，核心是文件管理和 CLI 工具，因此环境准备相对简单。

2.1 基础环境要求

• 操作系统：Windows 10/11, macOS 10.15+, 或主流的 Linux 发行版（如 Ubuntu 20.04+）。本文示例将在 macOS/Linux 环境下进行，Windows 用户建议使用 WSL2 以获得最佳体验。
• Node.js：Skills Manager 的参考实现和周边工具多基于 Node.js。请确保安装Node.js 16+和npm或yarn。
• Git：用于技能的版本管理。请确保已安装并配置好 Git。
• 文本编辑器/IDE：推荐 VS Code，它对 YAML/JSON 文件有很好的支持。

2.2 核心工具安装：Skills Manager CLI

Skills Manager 本身是一个概念，有多种实现方式。我们将以一个流行的、基于 Node.js 的 CLI 工具实现为例进行演示。假设这个工具叫skill-cli（此为示例名称，实际项目名称可能不同，但原理相通）。

首先，全局安装这个 CLI 工具：

# 使用 npm 安装 npm install -g skill-cli # 或使用 yarn 安装 yarn global add skill-cli

安装完成后，验证安装是否成功：

skill-cli --version # 预期输出类似：skill-cli/1.0.0

2.3 初始化技能仓库

Skills Manager 的核心是一个 Git 仓库（本地或远程），用于存放所有的技能定义文件。我们首先初始化一个本地技能仓库。

# 1. 创建一个目录作为你的技能库根目录 mkdir my-ai-skills cd my-ai-skills # 2. 初始化 Git 仓库（如果打算后续同步到远程，如 GitHub） git init # 3. 使用 skill-cli 初始化技能库结构 skill-cli init

执行init命令后，工具会在当前目录生成一个标准的技能库结构：

my-ai-skills/ ├── .skills/ # Skills Manager 配置文件目录 │ └── config.yaml # 全局配置文件 ├── skills/ # 技能存放目录 │ ├── frontend/ # 分类：前端开发 │ ├── backend/ # 分类：后端开发 │ ├── writing/ # 分类：文案写作 │ └── ... # 其他分类 ├── templates/ # 技能文件模板 └── README.md # 技能库说明文档

至此，基础环境已经准备就绪。接下来，我们将深入技能定义的核心。

3. 核心语法：技能定义文件详解

一个技能的核心是一个定义文件。目前社区常见的格式是YAML，因为它结构清晰、可读性好，支持多行字符串（非常适合存放提示词）。

3.1 技能定义文件的基本结构

让我们创建一个最简单的技能文件skills/frontend/code-review-basic.yaml来剖析其结构：

# skills/frontend/code-review-basic.yaml id: frontend-code-review-basic version: 1.0.0 name: "前端代码审查助手（基础版）" description: "针对通用前端JavaScript/TypeScript代码进行基础规范性审查。" author: "Your Name" tags: - frontend - code-review - javascript - typescript # 核心部分：技能内容 skill: # 系统提示词 (System Prompt) system: | 你是一个专注于前端代码审查的助手。你的任务是仔细检查用户提供的代码片段，并给出专业、 constructive 的改进建议。 请重点关注以下方面： 1. 语法错误和潜在的运行时错误。 2. 代码风格和一致性（如命名、缩进）。 3. 明显的性能问题（如循环内重复计算、未使用的变量）。 4. 可读性和代码结构。 请以友好的语气先总结整体印象，然后分点列出发现的问题和建议。如果代码很好，也请给予肯定。 # 少样本示例 (Few-shot Examples) - 可选但强烈推荐 examples: - role: user content: | ```javascript function calculateTotal(items) { let total = 0; for (let i = 0; i < items.length; i++) { total += items[i].price; } return total; } ``` - role: assistant content: | 整体来看，这个计算总价的函数功能正确，但有一些可优化的地方。 **建议：** 1. **使用现代语法**：可以考虑使用 `Array.reduce` 方法，使意图更清晰。 ```javascript function calculateTotal(items) { return items.reduce((sum, item) => sum + item.price, 0); } ``` 2. **参数验证**：如果 `items` 可能为 `null` 或 `undefined`，建议添加防御性代码。 # 配置信息 (Configuration) - 可选 config: model: "gpt-4" # 建议使用的模型 temperature: 0.2 # 建议的温度参数，较低值使输出更稳定 max_tokens: 1500 # 建议的最大输出token数

关键字段解释：

• id: 技能的全局唯一标识符，通常使用小写和连字符。
• version: 遵循语义化版本，便于管理迭代。
• skill.system: 这是技能的灵魂，定义了 AI 的“角色”和核心行为准则。使用|可以保留多行字符串的格式。
• skill.examples: 提供对话示例，是“教”AI 如何回应的有效方式。每个示例包含role(user/assistant) 和content。
• skill.config: 提供模型参数建议，这些参数在调用技能时可以被覆盖。

3.2 高级技能定义：变量与组合

更强大的技能支持参数化和组合。

1. 带变量的技能：有时我们希望技能的一部分内容能动态注入。例如，一个代码审查技能可以接受“项目主要技术栈”作为变量。

# skills/frontend/code-review-advanced.yaml id: frontend-code-review-contextual version: 1.1.0 name: "上下文感知前端代码审查" description: "根据指定的技术栈（如React, Vue, 框架版本）进行针对性审查。" # ... 其他元数据 skill: system: | 你是一个资深前端工程师，专注于使用 {{tech_stack }} 技术栈的项目代码审查。 当前项目主要技术栈为：{{ tech_stack }}。 请结合该技术栈的官方最佳实践和常见社区规范进行审查。 除了通用代码问题，请特别关注： - 是否符合 `{{ tech_stack }}` 的特定模式或约定？ - 是否使用了已弃用或不推荐的API？ - 组件/状态管理方式是否合理？ {{#if strict_mode}} - **（严格模式已开启）** 请以最高标准审查，即使是细微的代码风格问题也需指出。 {{/if}} ... 其余指令 config: # 定义变量及其默认值 variables: tech_stack: "React 18 + TypeScript" strict_mode: false

在调用此技能时，我们可以传入不同的变量值来定制 AI 的行为。

2. 技能组合：一个复杂的任务可能需要多个基础技能协作。Skills Manager 支持将多个技能组合成一个新技能。

# skills/frontend/project-starter.yaml id: frontend-project-architect version: 1.0.0 name: "前端项目架构师" description: "组合了需求分析、技术选型和文件结构设计的复合技能。" skill: # 通过 `includes` 引用其他技能 includes: - id: requirement-analyzer path: ../analysis/requirement-analyzer.yaml - id: tech-stack-selector path: ../analysis/tech-selector.yaml # 复合技能也可以有自己的系统提示，对引用的技能进行协调 system: | 你是一个前端项目架构师。你将分三步帮助用户启动一个新项目： 第一步：分析需求（调用`requirement-analyzer`）。 第二步：基于需求推荐技术栈（调用`tech-stack-selector`）。 第三步：根据前两步的结果，生成一个推荐的项目目录结构。 请清晰地区分这三个步骤的输出。

通过这种组合，我们可以构建出能力层次丰富的技能树，实现关注点分离和技能复用。

4. 完整实战：创建并管理一个“前端开发助手”技能库

现在，我们将理论付诸实践，从头开始构建一个专门服务于前端开发的技能库，并演示如何使用 Skills Manager CLI 进行全生命周期管理。

4.1 创建技能分类与第一个技能

假设我们的技能库my-ai-skills已经初始化。我们首先为前端开发创建几个核心技能。

1. 创建技能文件：React 组件评审专家

# 进入前端技能目录 cd my-ai-skills/skills/frontend # 创建技能文件 touch react-component-reviewer.yaml

用编辑器打开react-component-reviewer.yaml，填入以下内容：

# skills/frontend/react-component-reviewer.yaml id: react-component-reviewer version: 1.0.0 name: "React 组件代码评审专家" description: "深度评审 React 函数组件，关注 Hooks 使用、性能、可访问性及 React 18 最佳实践。" author: "前端技能组" tags: - react - frontend - code-review - hooks - typescript skill: system: | 你是一个对 React 生态有极深理解的专家级代码评审员，尤其精通 React 18+ 和函数组件。 你的评审视角必须包含但不限于以下维度，并按优先级排序： **P0 - 正确性与健壮性** - Hooks 规则：检查是否违反 Rules of Hooks（如条件调用、循环调用）。 - 状态更新：`setState` 是否基于前一个状态？是否存在状态更新冲突？ - 副作用清理：`useEffect` 是否返回了正确的清理函数？依赖项数组是否完整且准确？ - Key 属性：列表渲染是否提供了稳定、唯一的 `key`？ **P1 - 性能优化** - 不必要的重渲染：组件是否因 props/state 未变化而重渲染？是否该用 `React.memo`、`useMemo`、`useCallback`？ - 昂贵的计算：是否在渲染函数中进行了复杂计算，应移入 `useMemo`？ - 事件处理函数：是否在每次渲染时都创建了新函数，导致子组件不必要的重渲染？ **P2 - 代码结构与可维护性** - 组件职责：是否单一？是否过于庞大需要拆分？ - 自定义 Hooks：重复的逻辑是否可抽取为自定义 Hook？ - 错误边界：关键组件是否有错误边界保护？ - TypeScript 类型：类型定义是否精确、完备？是否使用了 `any`？ **P3 - 可访问性 (a11y) 与用户体验** - 语义化 HTML：是否使用了正确的标签（如 button, nav）？ - ARIA 属性：交互元素是否提供了必要的 ARIA 属性？ - 键盘导航：所有功能是否可通过键盘操作？ - 焦点管理：模态框等组件是否管理了焦点？ 请以结构化格式输出评审报告： 1. **总体评价**（1-2句话） 2. **关键问题**（P0，必须修复） 3. **优化建议**（P1，建议修复） 4. **改进意见**（P2/P3，长期优化） 请对每个问题提供具体的代码位置（如行号）和修改建议代码示例。语气保持专业、建设性。 examples: - role: user content: | 请评审以下 React 组件： ```tsx import { useState, useEffect } from 'react'; interface User { id: number; name: string; } function UserList({ users }: { users: User[] }) { const [filteredUsers, setFilteredUsers] = useState<User[]>([]); useEffect(() => { const result = users.filter(u => u.name.includes('A')); setFilteredUsers(result); }); // 缺少依赖数组 return ( <ul> {filteredUsers.map(user => ( <li>{user.name}</li> ))} </ul> ); } ``` - role: assistant content: | **总体评价**：组件基本功能完整，但存在一个严重的 Hook 使用错误和几个可优化点。 **关键问题 (P0 - 必须修复)**： 1. **`useEffect` 缺少依赖数组**（第9行）：当前 `useEffect` 在每次渲染后都会执行，可能导致无限循环或性能问题。`users` 是一个 prop，应将其加入依赖数组。 ```tsx useEffect(() => { const result = users.filter(u => u.name.includes('A')); setFilteredUsers(result); }, [users]); // 添加依赖数组 ``` **优化建议 (P1 - 建议修复)**： 1. **列表缺少 `key` 属性**（第15行）：`<li>` 元素在迭代渲染时必须提供唯一的 `key` 属性，以帮助 React 高效更新。 ```tsx {filteredUsers.map(user => ( <li key={user.id}>{user.name}</li> // 添加 key ))} ``` 2. **派生状态**：`filteredUsers` 可以直接从 `users` 派生，无需使用 `useState` + `useEffect`，这更简洁且不易出错。考虑使用 `useMemo`。 ```tsx const filteredUsers = useMemo(() => { return users.filter(u => u.name.includes('A')); }, [users]); ``` **改进意见 (P2 - 长期优化)**： 1. **组件命名**：`UserList` 更侧重于“列表”，而当前组件包含了过滤逻辑。可以考虑将过滤逻辑提升到父组件，或重命名为 `FilteredUserList` 以更准确。 config: model: "gpt-4-turbo-preview" temperature: 0.1 max_tokens: 2000

2. 创建技能文件：Vue 3 组合式 API 助手

同理，我们再创建一个 Vue 相关的技能vue3-composition-helper.yaml，内容结构类似，但系统提示词专注于 Vue 3 的<script setup>、ref、computed、watch等特性。这里省略详细内容，重点在于展示技能库的丰富性。

4.2 使用 CLI 管理技能

创建好技能文件后，我们可以使用skill-cli来管理它们。

1. 列出所有技能：

# 在技能库根目录执行 skill-cli list # 预期输出： # SKILLS LIBRARY: my-ai-skills # ======================== # frontend/ # react-component-reviewer (v1.0.0) - React 组件代码评审专家 # vue3-composition-helper (v1.0.0) - Vue 3 组合式 API 助手 # ... 其他分类

2. 验证技能文件格式：

# 验证单个技能 skill-cli validate skills/frontend/react-component-reviewer.yaml # 验证某个分类下所有技能 skill-cli validate skills/frontend/ # 输出 “Validation passed” 表示格式正确。

3. 应用技能到 AI 对话（核心功能）：

这是最关键的一步。skill-cli提供了apply命令，可以将技能的核心内容（主要是system提示词和examples）格式化成目标 AI 平台（如 OpenAI API, Claude API，或本地 LLM 工具）所需的输入格式。

场景一：生成 OpenAI API 调用的系统消息

# 生成一个包含系统消息和示例消息的 JSON 片段，可直接用于 OpenAI ChatCompletion API。 skill-cli apply react-component-reviewer --format openai # 输出示例： { "messages": [ { "role": "system", "content": "你是一个对 React 生态有极深理解的专家级代码评审员..." # 完整的 system prompt }, { "role": "user", "content": "请评审以下 React 组件：\n```tsx\n..." # 第一个示例的 user 部分 }, { "role": "assistant", "content": "**总体评价**：组件基本功能完整..." # 第一个示例的 assistant 部分 } // ... 可能包含更多示例 ] }

你可以将这个 JSON 中的messages数组直接用于构造 API 请求。

场景二：生成 Claude 或本地 LLM 的提示词文件

# 生成一个纯文本提示词文件，适用于 Anthropic Claude 或一些本地模型 skill-cli apply react-component-reviewer --format text --output prompt.txt # 查看生成的文件 cat prompt.txt # 文件内容会将 system 和 examples 拼接成一个连贯的文本提示。

场景三：带变量调用技能对于之前定义的frontend-code-review-contextual技能，我们可以动态传入变量：

skill-cli apply frontend-code-review-contextual \ --var tech_stack="Vue 3 + Vite + Pinia" \ --var strict_mode=true \ --format openai

CLI 工具会将模板中的{{ tech_stack }}替换为"Vue 3 + Vite + Pinia"，并根据strict_mode为true来包含严格模式的指令。

4.3 集成到开发工作流：VS Code 插件示例

手动运行 CLI 命令还不够便捷。我们可以将其集成到日常开发环境中。以下是一个简单的 VS Code 任务配置示例，让你能在编辑器内快速应用技能。

在项目根目录.vscode/tasks.json中配置：

{ "version": "2.0.0", "tasks": [ { "label": "Apply Skill: React Reviewer", "type": "shell", "command": "skill-cli apply react-component-reviewer --format text --output ${workspaceFolder}/.temp/ai_prompt.txt", "group": { "kind": "build", "isDefault": false }, "presentation": { "reveal": "silent", "panel": "dedicated" }, "problemMatcher": [] }, { "label": "Apply Skill: Vue Helper", "type": "shell", "command": "skill-cli apply vue3-composition-helper --format openai", "group": "build", "presentation": { "echo": true, "reveal": "always", "focus": false, "panel": "shared" } } ] }

配置好后，你可以通过 VS Code 的命令面板（Ctrl+Shift+P）运行 “Tasks: Run Task”，选择对应的技能任务，快速生成提示词，然后复制到你的 AI 聊天窗口。

更进一步，可以开发一个 VS Code 插件，提供图形化界面来选择技能、填充变量，并一键将生成的提示词发送到指定的 AI 扩展（如 ChatGPT 官方扩展、Cursor 等），实现无缝衔接。

4.4 技能的版本管理与团队协作

Skills Manager 与 Git 的集成是其强大之处。

# 1. 将技能文件添加到 Git 跟踪 git add skills/frontend/react-component-reviewer.yaml git commit -m "feat(skills): add React component reviewer skill v1.0.0" # 2. 创建技能更新的分支 git checkout -b feat/update-react-reviewer # 3. 修改技能文件，比如更新 system prompt，增加新的示例 # 编辑 skills/frontend/react-component-reviewer.yaml # 将 version 改为 1.1.0，并修改内容... # 4. 提交更新 git add . git commit -m "feat(skills): update React reviewer to v1.1.0, add StrictMode checks" # 5. 推送到远程仓库（如 GitHub, GitLab） git push origin feat/update-react-reviewer

团队其他成员可以通过git pull获取最新的技能库。他们可以查看提交历史，了解每个技能的演变过程，甚至通过git checkout回滚到某个稳定版本。

最佳实践：为技能库建立一个CHANGELOG.md文件，记录每个版本的重要变更，就像管理一个软件库一样。

5. 常见问题与排查思路

在搭建和使用 Skills Manager 过程中，你可能会遇到一些典型问题。下表汇总了常见问题及其解决方案：

6. 最佳实践与工程建议

将 Skills Manager 引入团队或个人工作流，遵循一些最佳实践能让其价值最大化。

6.1 技能设计原则

1. 单一职责：一个技能应专注于一个明确、具体的任务。不要创建“万能前端助手”，而是拆分成“React 组件评审”、“Vue 状态管理咨询”、“CSS 布局优化”等多个小技能。
2. 清晰明确的指令：system提示词应使用肯定、无歧义的语言。使用编号列表、分级标题（如P0/P1）来结构化指令，让 AI 更容易遵循。
3. 提供高质量示例：examples是“教”AI 的关键。示例应：
   • 覆盖典型场景和边界情况。
   • 展示你期望的输出格式和详细程度。
   • 用户输入和 AI 回复都应高质量、无错误。
4. 参数化与复用：将技能中可能变化的部分（如技术栈、严格程度、输出语言）提取为变量。这能极大提高技能的灵活性。
5. 版本化与变更日志：每次对技能进行有意义的修改，务必更新version字段，并在CHANGELOG.md或技能文件的顶部注释中说明变更内容、原因和影响。

6.2 技能库组织与管理

1. 目录结构标准化：建议按技术领域和子领域分层组织。

   skills/ ├── frontend/ │ ├── react/ │ │ ├── code-review.yaml │ │ ├── component-generator.yaml │ │ └── hooks-helper.yaml │ ├── vue/ │ └── general/ (如 CSS, 构建工具) ├── backend/ ├── devops/ ├── writing/ └── shared/ (如 git, 项目管理等通用技能)

2. 元数据丰富化：充分利用description、author、tags字段。良好的元数据便于搜索和发现。可以考虑添加last_updated、compatibility（兼容的 AI 模型）等自定义字段。
3. 建立评审流程：将技能库视为重要的知识资产。重要的技能更新应像代码一样，通过 Pull Request 进行同行评审，确保指令的准确性和示例的质量。
4. 定期维护：AI 模型和最佳实践在快速演进。定期回顾和更新技能，淘汰过时的建议，纳入新的模式。

6.3 安全与合规考量

1. 敏感信息：绝对不要在技能文件（尤其是system和examples）中硬编码 API 密钥、密码、内部服务器地址等敏感信息。使用变量或环境变量来管理。
2. 输出审查：对于生成代码、配置等可能直接用于生产环境的技能，务必强调 AI 的输出需要经过人工审查。可以在system提示词末尾加上：“重要：你的输出是建议，必须由经验丰富的工程师审查后才能应用于生产环境。”
3. 合规与版权：确保技能中引用的示例代码、文档片段不侵犯版权。对于内部技能库，要遵守公司的数据安全政策。

6.4 进阶：CI/CD 与自动化测试

对于追求工程化的团队，可以将技能管理纳入 CI/CD 流水线。

• 自动化验证：在 Git 推送时，通过 GitHub Actions 或 GitLab CI 自动运行skill-cli validate，确保所有 YAML 文件格式正确。
• 技能效果测试：为关键技能编写“测试用例”——即一组固定的输入和期望的输出。在 CI 中调用 AI API（使用一个固定的测试模型和低预算），对比实际输出与期望输出的相似度，监控技能效果的稳定性。
• 自动生成文档：编写脚本，解析技能库，自动生成一个静态网站或 Markdown 文档，展示所有技能的描述、标签和使用示例，方便团队查阅。

通过 Skills Manager，我们不仅是在管理一串串提示词文本，更是在系统地构建、沉淀和复用面向特定领域的 AI 交互协议。它让 AI 从临时的、随机的对话伙伴，转变为一个能力稳定、可预期、可迭代的标准化“数字员工”。从今天开始，告别手动复制粘贴的碎片化模式，用工程化的思维来管理你的 AI 技能资产，这将是提升人机协作效率的关键一步。

🚀 30+款热门AI模型一站整合，DeepSeek/GLM/Qwen 随心用，限时 5 折。 👉 点击领海量免费额度