AI FOMO Skills

为了对抗 AI FOMO，我专门做了一个 Skill。

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。

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。

我真正缺的不是信息，而是判断

AI 信息太多了。

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。

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。

AI FOMO Skills 要回答的不是“这篇内容讲了什么”，而是：

这条信息值得我花时间吗？
为什么和我有关？
应该丢掉、先问我，还是沉淀成长期知识？

什么是 AI 超级对齐

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：

让 Agent 按照你的背景、目标、判断标准和长期反馈来处理信息。

普通总结器会问：“这篇文章说了什么？”

AI FOMO Skills 会问：

• 这件事是否影响你的产品、创业方向或技术判断？
• 这条信息是否来自你信任的来源？
• 它是新信号，还是重复噪音？
• 它应该进入长期知识库，还是只适合快速看一眼？
• 如果信息不够，应该先问你什么问题？

它主要做四件事

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。

Status

Alpha / developer preview.

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。

适合谁

• AI 创业者：需要快速判断哪些变化会影响机会、产品和市场。
• 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。
• 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。
• 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。
• 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。

不适合谁

• 你只是想看一份通用 AI 日报。
• 你不想提供任何个人背景，也不希望 Agent 根据你本人做判断。
• 你想自动抓取并公开分发别人的播客、评论或私有内容。
• 你需要一个开箱即用的 SaaS 产品，而不是本地 skill 工作流。

三个 Skill

典型流程

1. 每天先让它帮你筛一遍

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。

这一步最重要的不是“总结”，而是先决定要不要看。

2. 遇到感兴趣的，再让它深挖

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。

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。

对于播客或视频，ai-fomo 也可以生成一份 digests/podcasts/ 里的学习笔记：先判断这期讲什么、值不值得继续看，再给完整内容介绍，最后告诉你如果要听原文，哪些时间段值得听、哪些可以跳过。

3. 用久了，就变成你的 AI 知识库

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。

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。

不懂代码怎么安装

最推荐的方式是：直接把下面这段话复制给你的 Agent。

帮我安装这个 AI FOMO skill 套件：
https://github.com/vincelele/ai-fomo-skills

请安装里面的 ai-fomo-init、ai-fomo-sources、ai-fomo 这三个 skill。
如果需要选择安装目录，请安装到当前 Agent 默认的 skills 目录。

如果你的 Agent 支持逐个安装，也可以复制这三条：

帮我安装这个 skill：https://github.com/vincelele/ai-fomo-skills/tree/main/ai-fomo-init
帮我安装这个 skill：https://github.com/vincelele/ai-fomo-skills/tree/main/ai-fomo-sources
帮我安装这个 skill：https://github.com/vincelele/ai-fomo-skills/tree/main/ai-fomo

安装完成后，重启 Agent，让它重新加载 skill。

第一次怎么用

1. 先让 AI 认识你

直接对 Agent 说：

Use $ai-fomo-init to initialize a local AI FOMO workspace.

我不懂代码。请一步步带我完成：
1. 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；
2. 再问我几个必要问题，补齐你判断信息价值所需的背景；
3. 最后告诉我你准备创建哪些本地文件，确认后再写入。

2. 再导入第一条资料

你可以直接贴链接或内容：

Use $ai-fomo-sources to import this source into my AI FOMO workspace.

链接是：PASTE_URL_HERE

请先 dry-run，展示你准备保存的 raw snapshot，不要直接写入。

如果没有链接，只有一段文字，也可以说：

Use $ai-fomo-sources.

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。

3. 最后让 AI 做判断

Use $ai-fomo to review my latest raw inbox.

请不要只总结。请把每条资料分成：
- write now：值得立刻沉淀
- ask first：需要先问我一个问题
- skip：不值得进入长期知识库

每条都说明为什么和我有关，或为什么不值得看。

常见使用场景

当前支持的数据源

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。

小宇宙能力

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。

当前已经支持：

• 自动安装本地小宇宙 bridge。
• 通过短信验证码登录。
• 批量导入订阅 inbox 里的 episode。
• 抓取 episode 评论。
• 可选抓取评论回复。
• 对音频做转录。
• 将 episode、comments、transcript 分开保存成 raw snapshot。
• 再交给 ai-fomo 判断：哪些值得看、哪些值得沉淀、哪些可以跳过。
• 对值得学习的 episode 生成 podcast learning note，帮助你不用完整听原文也能学习主要判断。

你可以先这样让 Agent 带你走：

Use $ai-fomo-sources to set up Xiaoyuzhou account import.

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。
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。

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。

更详细的说明在 ai-fomo-sources/references/xiaoyuzhou-account.md。

安全边界

请公开这个 repo 里的 skill、模板、示例和脚本。

不要公开：

• raw/inbox/ 里的真实资料
• raw/state/ 状态文件
• 播客转录、评论、账号订阅数据
• .env*、.secrets/、cookies、tokens、API keys、登录 session
• 真实的 self-context/、wiki/、signals/、digests/
• .tools/ 里的本地 bridge checkout

更完整的边界说明见：

• docs/public-sharing-policy.md
• docs/public-skill-boundaries.md

给懂命令行的人

Codex skill installer:

python ~/.codex/skills/.system/skill-installer/scripts/install-skill-from-github.py \
  --repo vincelele/ai-fomo-skills \
  --path ai-fomo-init ai-fomo-sources ai-fomo

手动安装：

git clone https://github.com/vincelele/ai-fomo-skills.git
cd ai-fomo-skills
cp -R ai-fomo-init ai-fomo-sources ai-fomo ~/.codex/skills/

导入公开页面，先 dry-run：

python ~/.codex/skills/ai-fomo-sources/scripts/import_source.py \
  --workspace /path/to/workspace \
  --dry-run \
  official-page \
  --url https://example.com/changelog

小宇宙 bridge 预检：

python ~/.codex/skills/ai-fomo-sources/scripts/xiaoyuzhou_account.py \
  --workspace /path/to/workspace \
  install-bridge \
  --dry-run

当前缺口

• 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。
• 完整小宇宙订阅列表导出还没做。
• connector 目前偏轻量，有些网站后续需要单独适配。
• 核心判断质量取决于你的 self-context 和持续反馈。

项目结构

.
|-- ai-fomo-init/       # 初始化和个人对齐层
|-- ai-fomo-sources/    # 数据源导入、connector、模板
|-- ai-fomo/            # 判断、归档、signal、digest
|-- docs/               # 公开边界和分享策略
|-- LICENSE
`-- README.md

Contributing

欢迎贡献：

• 新的数据源导入器
• 更安全的 dry-run 和校验流程
• 更适合非程序员的新手引导
• starter workspace 模板
• 使用公开或合成内容的示例

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。

License

MIT. See LICENSE.