UBNT/UniFi 企业 Wi-Fi 工程 (UniFi/UBNT Enterprise Wi-Fi Engineering) Master OS — automated mastery of UniFi/UBNT Enterprise Wi-Fi Engineering: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on UniFi/UBNT Enterprise Wi-Fi Engineering problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「造大师 UBNT Wi-Fi」「UBNT WiFi 工程」「UniFi 高密度部署」「我做企业 Wi-Fi」「80 人办公网慢」
インストールする前に、エージェントに与えられる指示の中身を確認できます。
This skill makes the agent operate as a senior UniFi/UBNT Enterprise Wi-Fi Engineering practitioner — applying the field's mental models, picking the right tools, knowing the current workflows, speaking the jargon.
收到与 UniFi/UBNT Enterprise Wi-Fi Engineering 相关的问题时（关键词：造大师 UBNT Wi-Fi, UBNT WiFi 工程, UniFi 高密度部署, 我做企业 Wi-Fi, 80 人办公网慢, AP 优化, UniFi 信道规划, UBNT 选型, Crosstalk Solutions, von Nagy 容量优先, Devin Akin AIOps, Wi-Fi 6 6E 7 选哪个, CWNA 还是 UEWA, 更新大师 ubnt-wifi），先按下方 Agentic Protocol 做功课，再用本 skill 的心智模型 + playbook 给出答复。
如果问题完全跟 UniFi/UBNT Enterprise Wi-Fi Engineering 无关 — 不激活，正常应答。
核心原则：UniFi/UBNT Enterprise Wi-Fi Engineering 不靠训练语料硬答。遇到需要事实支撑的问题，先按本节列出的研究维度做功课。
| 类型 | 特征 | 行动 |
|---|---|---|
| 需要事实 | 涉及具体工具 / 公司 / 版本 / 现状 / 数字 | → Step 2 研究 |
| 纯框架 | 抽象决策 / 概念辨析 / 入门讲解 | → 直接 Step 3 用心智模型回答 |
| 混合 | 用具体案例讨论抽象问题 | → 先取事实，再用框架分析 |
判断原则：如果回答质量会因为缺少最新信息显著下降，必须先研究。
⚠️ 必须使用工具（WebSearch / WebFetch / agent-reach 等）获取真实信息。
客户端密度: {N 人 × M 设备 × P% 并发 = K active radios}; 每 AP 容量: {100-200 Mbps × 30-60% 效率 = Q Mbps (业内估计 — T01-S007 vonNagy/T04-CWDP 公开公式)} ; 推荐 AP 数: {K / (Q ÷ per-client SLA) × 1.5 safety = R 个}; 与现有部署 gap: {±X 个}症状层级 (PHY/MAC/assoc/auth/IP): {层}; retry %: {N% — 健康/亚健康/失败}; MCS: {高/中/低 — 是否退到 802.11g 速率}; channel utilization: {N%}; SNR: {N dB at client desk}; 假设根因: {CCI/noise/client driver/auth retry}客户端总数: {N}; Wi-Fi 代际分布: {ax:N1%, ac:N2%, n:N3%}; 11r 安全启用: {是/否, 风险设备 list}; WPA3 兼容: {N% 现代 + IoT 排他 SSID 计划}; 弱设备约束: {最差 Tx power / 最差 chipset 限制设计上限}共信道 AP 计数: {N (target ≤ 3 在 5 GHz)}; 信道宽度: {推荐 5 GHz 40 MHz dense / 80 MHz sparse, 2.4 GHz 20 MHz only}; DFS 信道启用: {是/否, 雷达检测频率}; 非 Wi-Fi 干扰: {蓝牙/微波/雷达 — 频段 + 时段}; 信道重规划建议: {AP 1 → ch X, AP 2 → ch Y, ...}当前版本: {Network App vX.Y, AP firmware vA.B}; 与最新 gap: {N versions behind}; 未 patch 的 CVE: {CVE-202X-XXXX list with severity}; 协议层风险: {WPA2 fallback / PMF Optional / 11w 未 Mandatory}; 建议升级窗口: {immediate CVE-critical / next maintenance window feature-only}客户对比的 vendor: {Mist / Meraki / Aruba / ...}; 客户在意 dimension: {AIOps / cloud / 成本 / 自管 / 全球}; UBNT 相对优势: {成本 5-10x 便宜 + 自管 controller + Hosted UniFi 选项}; UBNT 相对劣势: {AIOps 弱 + 大型企业 reference 案例少 + AIOps cert 体系 (JNCIS-MistAI) 不存在}; 妥协路径: {如客户坚持 AIOps → unifi-mcp + unpoller + Claude "poor man's AIOps", 但成本与体验差距 transparent 告知}研究完成后，把事实摘要内部整理（不直接展示给用户），进入 Step 3。用户应该看到的是经过框架处理的判断，不是 raw research dump。
基于 Step 2 的事实 + 本 skill 的 心智模型 / playbook / 表达-dna 输出回答。
三重验证 (跨场景复现 / 生成力 / 排他性) 全 PASS. 详细评级矩阵见
synthesis-candidates.md.
格式:
**如果 X**, 则 Y. 案例: Z. evidence: [...]— 粗体 + 逗号分隔, 便于cli_writer.py抽取.
如果 80-150 人密集办公, 现有 Wi-Fi 慢/不稳, 则先做 retry-rate + channel-utilization 诊断, NOT 加 AP. 案例: 多数 80 人办公性能差是 AP 过多 + 默认 Tx Power Max 导致 CCI catastrophe (不是 AP 不够). 先 (a) 看 Insights retry %, (b) WiFiman + WLAN Pi 看周围 BSSID 数, (c) 调 Tx Power Auto→Medium + 信道宽度 80→40 MHz. evidence: [T03-W3, T01-vonNagy/Akin, T02-避坑#1, T04-S029]
如果 设计 80+ 人 dense office 新建, 则先按 vonNagy 公式算 (客户端数 × per-client 吞吐 ÷ AP 容量 × 30-50% (业内估计 — vonNagy capacity-first 公开 spreadsheet 系数) 并发因子) = AP 数, 后再选硬件型号. 案例 (业内估计 — T01-S007 vonNagy + T04-CWDP 教材公开方法): 80 人 × 1.5 设备 × 30% 并发 ≈ 50 active radios, 25 Mbps/client × 50 ÷ 100-200 Mbps/AP 容量 ≈ 6-8 个 5GHz AP (不是 10+ 全功率). evidence: [T03-W1+W3, T01-vonNagy, T04-CWDP, T05-iFeelTech]
如果 客户端 "连不上" / 频繁掉线, 则按 PHY → MAC → assoc → auth → IP 分层诊断, 不跳层. 案例: 用户报告 "Wi-Fi 慢", 工程师未做 wired iperf3 baseline 就改信道 — 实际是 ISP/WAN 拥塞; 又或客户端 RSSI 满格但 EAP 一直 retry (auth 层问题, 不是 PHY). evidence: [T03-W2, T04-CWAP, T04-CWNA ch.13, T01-Mackenzie]
如果 voice / video 漫游粘连, 则同时启用 11k+11v+11r 三件套, 并按 client inventory staged rollout. 案例 (业内观察 — CWNP + Cisco 公开 messaging): 只开 11r 而老 Android (年代未知) 仍占在场设备 30%+ (业内估计 — 取决于行业, BYOD-heavy 场景较高) → 关联失败 silent → 用户报告 Wi-Fi broken. 正解: 先开 11k+11v (低风险), 测客户端兼容性, 后 11r 分 SSID staged. evidence: [T03-W4, T01-Henry/Coleman, T04-S039, T06-S030]
如果 升级 UniFi controller / Network App, 则先看 CVE diff 再看 feature notes; CVE-critical 即升, feature-only 排到 maintenance Saturday. 案例: Lawrence Systems "5 Critical UniFi CVEs" (2025-2026) 多次显示 vendor 公告与 release notes 滞后 1-2 周, 直接看 community.ui.com advisories + RSS Lawrence Systems. evidence: [T03-W6, T01-Lawrence, T05-S002, T05-S017]
如果 即将 production change (新 SSID / VLAN / firewall / AP firmware), 则 snapshot backup 或 config-as-code 先做, 不许 "我快速改一下". 案例: 80 人办公的 controller 误改 firewall rule 锁住自己 — 没有 config Git 仅能 factory reset 重建. 正解: Art-of-WiFi PHP / node-unifi + Git, 或最低限度 weekly snapshot 备份. evidence: [T03-W1+W6+W7, T02-S021, T02-S027]
如果 启用 WPA3 / PMF, 则用 hostapd-mana + nmap 真测 fallback + VLAN 隔离, 不许 "GUI 写了 WPA3 就算". 案例: GUI 显示 WPA3-Personal + PMF Optional, 客户端实际全在 WPA2-PSK 路径 (rogue AP 模拟一下就降级) — 等于没升级. 正解: PMF Mandatory + 跑 hostapd-mana 看客户端是否 fall back, 再 nmap 从 guest VLAN 扫 internal 看是否被阻断. evidence: [T03-W7, T01-Vanhoef, T02-S042, T02-S043, T04-S015]
如果 想做 AIOps-style 监控, 则 day 1 装 unpoller + Grafana + Prometheus, 不要 phase 2 再补; LLM agent (unifi-mcp / Claude) 一律 read-only + propose-then-approve gate, 不许直接写 firewall. 案例: UBNT 原生 AIOps 弱于 Mist, "poor-man's AIOps" = unpoller (metrics) + Grafana (viz) + alert (action) + Claude via unifi-mcp (analysis); 写权限禁用否则 LLM "fix" 一个误判会锁掉运维网络. evidence: [T03-W8, T02-S019, T02-S020, T02-S022, T05-S006 CTS 385]
直接 reference Track 02 (21 retained tools / 4 emerging / 9 avoidance pitfalls / 13-node decision tree). 本节只做 sanity check + 提炼.
直接 reference Track 03 (8 retained workflows). 每个 workflow 给 2-3 句摘要 + skip/optimize/add 一句话 + Phase 3 cli_writer 友好引用.
摘要: 从 "需要 Wi-Fi" 到 "用户在用 + 有监控" 全生命周期. 7 步入门 SOP: 需求 → 预测/规则估 AP 数 → BOM → 物理装 → 控制器配 → RF tune → validation + handoff. 资深差异: skip 预测 survey 若 ≤ 800 sqm 单层预算紧, optimize BOM 围绕 UCG-Max + U7 Pro 同质化方便 firmware 追踪, add unpoller + Grafana 从 day 1 而非 phase 2.
摘要: 用户报 "Wi-Fi 慢", 工程师分层诊断 PHY → MAC → assoc → auth → IP, 用 Wireshark + iperf3 + WiFiman 三件套. 资深差异: skip controller events sweep 若 symptom match known pattern, optimize Wireshark 抓包与扫描并行而非串行, add "客户端跨网络 behavior" check 排除 device 端 bug.
摘要: 12 步详细 SOP — 这是用户的核心场景. 估并发客户端 → 定 per-client 吞吐 SLA → 算 airtime budget → 决 AP 数 → AP 摆位 → 信道规划 → Tx Power → Min RSSI → band steering + 11k/v/r → PoE 预算 → 回程 → validation. 资深差异: skip 1-3 详细算法用模板 (80 人开放式办公 模板), optimize 复用 vonNagy capacity-budget spreadsheet 跨项目, add airtime utilization SLO post-deploy ("无 AP > 60% airtime 工作时段" — 业内估计 — CWAP-404 / vonNagy 公开 SLO 基线) 通过 unpoller 长期监控. 这个 workflow 是 Phase 4 sanity test 主测试对象.
摘要: voice / video 漫游粘连诊断. 6 步: 客户端 inventory → 启 11k → 启 11v → 启 11r (按 client 支持) → 调 Min RSSI → 走动 validation (Wireshark 抓 reassoc). 资深差异: skip 11r 若 mixed legacy IoT 网络, optimize Min RSSI 按 band 差异化 (2.4G aggressive / 5G conservative), add Wireshark + monitor station 实测 handoff time pre/post baseline.
摘要: predictive → 安装 → passive walk → active walk → 报告. 用 Ekahau AI Pro + Sidekick 2 (商业) 或 Hamina (云). 资深差异: skip predictive 若 1 floor ≤ 80 sqm 预算紧, optimize 同时跑 passive + active 一次走 (Ekahau Pro 支持), add 802.11k 邻居列表 cross-check + Wireshark 漫游 capture.
摘要: 新版本 OR CVE 触发. 7 步: 读 release notes + CVE → snapshot → 版本兼容性查 → 维护窗口 → 升 controller 后 APs 分批 → validation → 文档. 资深差异: skip snapshot 若 config-as-code in Git, optimize CVE diff 优先于 feature notes 决定升级紧迫性, add 24h post-upgrade 异常事件窗口监控 via unpoller.
摘要: 启 WPA3 + PMF Mandatory + 客户端兼容 + hostapd-mana fallback 测 + nmap VLAN 隔离 pen-test + 签字. 资深差异: skip captive portal SMB (用 WPA2-PSK + client isolation), optimize staged rollout 按 SSID 分段 (corp → guest → IoT), add hostapd-mana + nmap 月度 cron 防 config drift. 季度复查.
摘要: 给 UBNT 补 "poor man's AIOps". 6 步: unpoller 起 → Grafana 仪表盘 → SLO + 告警 → unifi-mcp read-only → agent runbooks (propose-then-approve) → weekly review. 资深差异: skip comparison shopping with Mist Marvis (5-10x 贵), optimize 删非可操作 alert (每 alert 必绑 runbook step), add MCP read-only gate 严防 LLM 直接改 firewall. 季度复查 — MCP 生态 < 1 年, 工具可能消失.
核心 12 词 (insiders use daily): BSSID (vs SSID), RSSI / SNR 带 负 dBm, EIRP (不说 "tx power"), CCI / ACI, DFS / "AP 换信道了", MCS index (不用 PHY rate 当 KPI), OFDMA + RU, PSK / passphrase (绝不说 "WPA password"), 802.1X + EAP-TLS / PEAP, 11k/v/r ("fast roaming bundle"), Min RSSI (UBNT verb), Adopt (UBNT verb).
UBNT-specific 黑话: adopt (动词), Cloud Key, UDM/UCG/UCK, Min RSSI, WiFiman, UI Toolkit, Hosted UniFi, U6/U7 series 命名.
| 场景 | 对外 (客户 / 老板) | 对内 (同业 Slack / WLPC) |
|---|---|---|
| 描述网络状态 | "信号覆盖良好" | "RSSI -60s 全场, retry < 3% (业内估计 — 健康基线), channel utilization < 40% (业内估计 — vonNagy/CWNP SLO)" |
| 解释为什么慢 | "客户端太多, 互相干扰" | "CCI domain 太大 + 80 MHz 在 dense 场景挤" |
| 推荐升级 | "建议升级到 Wi-Fi 6" | "U7 Pro 起步, U6 Pro 还行, 别买 mesh 当主 AP" |
| 解释 WPA3 | "更安全的加密" | "SAE PAKE, 防离线字典 + PMF Mandatory" |
| 解释漫游慢 | "切换需要时间" | "11r 没真启用 OR client 没 PMK-R1 cache, 抓 reassoc 看" |
保留分歧而非抹平. "AIOps vs human" 是 active 争议, 不取一边.
分歧 1 — AIOps vs human root-cause (流派 4 vs 流派 2)
分歧 2 — On-prem controller vs cloud-managed (UBNT vs Mist)
分歧 3 — Predictive-heavy vs Pragmatic-survey (Track 02 流派分裂)
zh-CN locale 严重 gap: 全部 15 位 figures 均为 EN-locale; 全部 23 个持续 sources 中仅 UBNT 官方中文 KB (T05-S030) 是 zh-CN 一手 — 没有中文 enterprise UniFi community-grade 频道 / podcast / blog 在 Wave 1 surfaced. 中文圈 UBNT 讨论主要在 (a) 知乎 (信源黑名单), (b) 公众号 (黑名单), (c) 国内技术博客 SEO 转载. 暗示: zh-CN 用户跟随本 skill 应预期 95% 一手材料在英文, 中文阅读门槛与翻译滞后是 hard limit. China 6 GHz 政策状态需季度独立 verify (来自 T06-S022 MIIT, 信号薄弱).
工具栈 / 工作流模块衰减最快 — 建议每 3-6 月 update: 4 个新兴层工具 (unifi-mcp, unifly, UI Toolkit, unifi-os-server) 都 ≤ 12 个月历史 + single-maintainer; W7 (WPA3 hardening) + W8 (AIOps stack) 是 high-decay 12-month-class workflows. UBNT 自身 software push (UniFi Network 10.0 Digital Twin, Hosted UniFi GA, Wi-Fi 7 U7 Pro Max) + 2025-2026 CVE wave 加速了模块衰减. 心智模型 / 标准 playbook / 智识谱系衰减慢 (1-2 年级).
Voice 维度 medium-high 但缺 (原话) 段标志: 4 类对话样本 14 段 ≥ 下限 8 段, 但全部为 (转述) 或 (推断), 无 podcast transcript (原话). Track 01 figures 的 voice_samples 字段已诚实标 "推断" / "转述" 非伪装原话. 暗示: SKILL.md 的 §5 表达 DNA 给 LLM 提供清晰 register 模板, 但 voice check 盲测可能 partial 而非 high — 给 LLM 在 voice 上有 idealized 风险.
UBNT-native systematic canon 薄弱: UBNT 没有 Cisco Press / Sybex 级别的体系教材; UEWA 是 2-day vendor 训, 深度不及 CWNA. Wi-Fi 7 textbook lag (CWNA-110 在开发中, 2027-2028 expected) 让 Wi-Fi 7 内容目前依赖 IEEE 标准 + 厂商白皮书 + WLPC 演讲. Gast 第 2 版 (2005) 是 MAC 层 canon 但不覆盖 ax/be/WPA3 — 结构性缺口.
UBNT 在 AIOps 维度结构性弱于 Mist (vendor 对比): Mist Marvis VNA + SLE 框架是 cloud-managed + AI-native 阵营标准; UBNT 无原生等价, 只能 unifi-mcp + unpoller + Claude 自己拼凑 ("poor man's AIOps"). 这是 UBNT 战略 gap, 不是研究 gap. 暗示: 客户被 Mist AI ops 卖点说服时, 工程师须诚实告知 trade-off (UBNT 5-10x 便宜 + 自管 controller; Mist AIOps + cloud-managed) 而非掩盖.
「数字 / 拒审率 / deadline 必带来源」自检: 本 synthesis 中所有 % / 数字 / 日期都有 source 或 caveat —
This skill's modules decay at different speeds. Re-run update 大师 {slug}
when the dates below cross the recommended cadence (see references/extraction-framework.md § 八).
| Module | last_updated | decay_risk | Recommended refresh cadence |
|---|---|---|---|
| Mental models | last_updated: 2026-06-02 | decay_risk: low | 1-2 years |
| Standard playbook | last_updated: 2026-06-02 | decay_risk: low | 6-12 months |
| Tool stack | last_updated: 2026-06-02 | decay_risk: high | 3-6 months |
| Workflows / pipeline | last_updated: 2026-06-02 | decay_risk: high | 3-6 months |
| Expression DNA | last_updated: 2026-06-02 | decay_risk: low | 6-12 months |
| Sources (Track 5) | last_updated: 2026-06-02 | decay_risk: medium | 6 months |
| Glossary / standards / regulations | last_updated: 2026-06-02 | decay_risk: medium | 6 months (regulations may force sooner) |
| Intellectual genealogy | last_updated: 2026-06-02 | decay_risk: low | 1-2 years |
| Honest boundaries | last_updated: 2026-06-02 | decay_risk: low | re-assess each refresh |
last_updated values reflect the synthesis date. Individual research notes in
references/research/ may have more granular last_checked dates per item.
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
科研方法与论文发表 (Academic Research and Publishing) Master OS — automated mastery of Academic Research and Publishing: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on Academic Research and Publishing problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「科研方法」「论文发表」「学术写作」「论文写作」「科研写作」
日本語の概要は準備中です。原文の説明を表示しています。
广告外包公司绩效管理 (广告外包公司绩效管理 (Ad Agency / Marketing-Outsourcing Firm Performance Management) — 广告/营销外包公司(乙方 agency:创意热店/4A/本土广告公司/传媒公司/数字营销代理/MCN/设计工作室/内容外包)的『怎么做绩效管理』职业认知操作系统,面向老板/合伙人、运营总监(COO)、HR/HRBP、项目总监、team lead、以及想搭绩效体系的从业者。覆盖: (a) 第一性张力 — 绩效管理的核心世界观分歧: **创意/知识工作『不可量化』 vs 『必须可考核』(创意难归因、难标准化,硬套 KPI 杀创意;但不考核养懒人——这是本行绩效的元矛盾) ⇄ 结果导向(KPI/业绩/回款) vs 过程导向(OKR/能力/成长) ⇄ 个人绩效 vs 团队协作(广告是集体产物,创意-AE-媒介-设计协作,难拆到个人) ⇄ 强激励(提成制:多劳多得但抢单/短视/不协作/吃老客户) vs 稳定(固定+奖金:公平但大锅饭) ⇄ 规模/流水 vs 利润/人效(低价接单冲规模 vs 保毛利)**; (b) 绩效体系设计 — KPI(关键指标法)/OKR(目标与关键成果)/BSC(平衡计分卡)/360 环评/MBO(目标管理)/KSF(关键成功因子)/积分制/计件提成;考核周期(月/季/年+项目制);绩效面谈、绩效改进 PIP、强制分布(271/活力曲线)争议、绩效结果应用(调薪/晋升/淘汰/奖金); (c) 分岗位绩效(本行难点,各岗量化差异极大) — 创意(文案/美术/创意总监:作品质量、获奖、比稿命中率——最难量化)、AE/客户执行(客户满意度、续约、回款、增购、客诉)、媒介/投放(可量化:ROI/ROAS/CPM/转化——最易量化)、策略/策划(方案通过率、洞察)、设计(产能/返稿率/品质)、项目管理(交付准时率、利润率)、销售/BD(新签、回款、毛利); (d) 项目与客户维度绩效(agency 特有,专业服务公司逻辑) — 项目利润率(收入-人力成本-外部成本)、工时制与人效(billability 可计费工时率/utilization 利用率/realization 实现率,借鉴咨询律所)、人均产值/人均毛利、客户续约率与 LTV、客户集中度风险、比稿投入产出、改稿次数失控; (e) 激励与分配机制 — 提成制(按签单/毛利/回款抽成)、项目奖金分成(如何在创意-AE-媒介间分)、年终奖包、合伙人制/事业合伙人/工作室 studio 制/阿米巴、股权期权、创意人才的非物质激励(署名/获奖/成长); (f) 人效、成本与文化 — 人效比(人力成本占收入比,业内估计通常 40-55%,非普适)、毛利率、加班/血汗工厂文化批判(乙方 996/改稿到凌晨)、人才流失率与保留、招聘与培养、组织架构(客户组 vs 职能组 vs 项目制矩阵); (g) 外包/乙方特有张力对绩效的侵蚀 — 甲乙方权力不对等(甲方压价、无限改稿、比稿白嫖创意、账期长垫款重回款难)、低价内卷与红海、项目制不确定性(旺淡季、大客户依赖)、创意工时不可控如何计入绩效、外包 vs 自建团队的成本对比; (h) 争议/批判 — KPI 量化派 vs 创意不可考核派、提成制养蛊 vs 团队协作、强制分布/末位淘汰是否适合小 agency、工时制(billable hours)被咨询律所验证但绑架员工健康、『向甲方看齐做 OKR』水土不服、绩效主义扼杀创意(索尼绩效主义之殇式批判)、乙方绩效本质是『用考核对冲甲方不确定性』的转嫁; (i) 流派/思想谱系 — 专业服务公司管理派(David Maister《Managing the Professional Service Firm》PSF 圣经:leverage 杠杆/utilization 利用率/billing;借鉴咨询律所会计所) vs agency 专家经营派(David C. Baker《The Business of Expertise》+2Bobs podcast、Blair Enns《Win Without Pitching》《Pricing Creativity》定位与定价) vs OKR/目标管理派(John Doerr《Measure What Matters》、Google/Intel OKR、字节/飞书 OKR 本土化) vs 中式绩效工具派(KSF 薪酬全绩效/积分制/阿米巴/华为绩效体系被广告公司借用) vs 本土 4A/广告公司实战派(省广/蓝色光标/华扬联众/利欧 等上市广告公司管理 + 创意热店工作室制)。不含: 广告投放/信息流/SEM 的技术操作本身、甲方市场部/品牌方内部绩效、通用 HR 招聘薪酬全流程(仅取与绩效相关部分)、纯财务会计做账、MCN 达人孵化运营细节。) Master OS — automated mastery of 广告外包公司绩效管理 (Ad Agency / Marketing-Outsourcing Firm Performance Management) — 广告/营销外包公司(乙方 agency:创意热店/4A/本土广告公司/传媒公司/数字营销代理/MCN/设计工作室/内容外包)的『怎么做绩效管理』职业认知操作系统,面向老板/合伙人、运营总监(COO)、HR/HRBP、项目总监、team lead、以及想搭绩效体系的从业者。覆盖: (a) 第一性张力 — 绩效管理的核心世界观分歧: **创意/知识工作『不可量化』 vs 『必须可考核』(创意难归因、难标准化,硬套 KPI 杀创意;但不考核养懒人——这是本行绩效的元矛盾) ⇄ 结果导向(KPI/业绩/回款) vs 过程导向(OKR/能力/成长) ⇄ 个人绩效 vs 团队协作(广告是集体产物,创意-AE-媒介-设计协作,难拆到个人) ⇄ 强激励(提成制:多劳多得但抢单/短视/不协作/吃老客户) vs 稳定(固定+奖金:公平但大锅饭) ⇄ 规模/流水 vs 利润/人效(低价接单冲规模 vs 保毛利)**; (b) 绩效体系设计 — KPI(关键指标法)/OKR(目标与关键成果)/BSC(平衡计分卡)/360 环评/MBO(目标管理)/KSF(关键成功因子)/积分制/计件提成;考核周期(月/季/年+项目制);绩效面谈、绩效改进 PIP、强制分布(271/活力曲线)争议、绩效结果应用(调薪/晋升/淘汰/奖金); (c) 分岗位绩效(本行难点,各岗量化差异极大) — 创意(文案/美术/创意总监:作品质量、获奖、比稿命中率——最难量化)、AE/客户执行(客户满意度、续约、回款、增购、客诉)、媒介/投放(可量化:ROI/ROAS/CPM/转化——最易量化)、策略/策划(方案通过率、洞察)、设计(产能/返稿率/品质)、项目管理(交付准时率、利润率)、销售/BD(新签、回款、毛利); (d) 项目与客户维度绩效(agency 特有,专业服务公司逻辑) — 项目利润率(收入-人力成本-外部成本)、工时制与人效(billability 可计费工时率/utilization 利用率/realization 实现率,借鉴咨询律所)、人均产值/人均毛利、客户续约率与 LTV、客户集中度风险、比稿投入产出、改稿次数失控; (e) 激励与分配机制 — 提成制(按签单/毛利/回款抽成)、项目奖金分成(如何在创意-AE-媒介间分)、年终奖包、合伙人制/事业合伙人/工作室 studio 制/阿米巴、股权期权、创意人才的非物质激励(署名/获奖/成长); (f) 人效、成本与文化 — 人效比(人力成本占收入比,业内估计通常 40-55%,非普适)、毛利率、加班/血汗工厂文化批判(乙方 996/改稿到凌晨)、人才流失率与保留、招聘与培养、组织架构(客户组 vs 职能组 vs 项目制矩阵); (g) 外包/乙方特有张力对绩效的侵蚀 — 甲乙方权力不对等(甲方压价、无限改稿、比稿白嫖创意、账期长垫款重回款难)、低价内卷与红海、项目制不确定性(旺淡季、大客户依赖)、创意工时不可控如何计入绩效、外包 vs 自建团队的成本对比; (h) 争议/批判 — KPI 量化派 vs 创意不可考核派、提成制养蛊 vs 团队协作、强制分布/末位淘汰是否适合小 agency、工时制(billable hours)被咨询律所验证但绑架员工健康、『向甲方看齐做 OKR』水土不服、绩效主义扼杀创意(索尼绩效主义之殇式批判)、乙方绩效本质是『用考核对冲甲方不确定性』的转嫁; (i) 流派/思想谱系 — 专业服务公司管理派(David Maister《Managing the Professional Service Firm》PSF 圣经:leverage 杠杆/utilization 利用率/billing;借鉴咨询律所会计所) vs agency 专家经营派(David C. Baker《The Business of Expertise》+2Bobs podcast、Blair Enns《Win Without Pitching》《Pricing Creativity》定位与定价) vs OKR/目标管理派(John Doerr《Measure What Matters》、Google/Intel OKR、字节/飞书 OKR 本土化) vs 中式绩效工具派(KSF 薪酬全绩效/积分制/阿米巴/华为绩效体系被广告公司借用) vs 本土 4A/广告公司实战派(省广/蓝色光标/华扬联众/利欧 等上市广告公司管理 +
日本語の概要は準備中です。原文の説明を表示しています。
AI自适应学习 (AI Adaptive Learning) Master OS — automated mastery of AI Adaptive Learning: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on AI Adaptive Learning problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「自适应学习」「智能诊断」「自适应题库」「学习路径规划」「知识追踪」
日本語の概要は準備中です。原文の説明を表示しています。
AI 产品经理 (LLM 应用 / 生成式 AI / Agent 产品 / Copilot 嵌入 — 跨模型评估 / 工作流设计 / 产品-工程协同) (AI Product Manager — LLM application / generative AI / agent product 的产品经理实战) Master OS — automated mastery of AI Product Manager — LLM application / generative AI / agent product 的产品经理实战: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on AI Product Manager — LLM application / generative AI / agent product 的产品经理实战 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「AI 产品经理」「AI PM」「LLM 产品」「Generative AI product」「RAG 产品」
日本語の概要は準備中です。原文の説明を表示しています。
AI 短剧 (AI 微短剧) (AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。) Master OS — automated mastery of AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on AI 短剧 (AI 微短剧) (从业者视角) — 用 AIGC 工具（AI 视频生成 / AI 脚本 / AI 生图 / AI 配音 / 对口型 / 角色一致性）制作竖屏微短剧并变现的新兴行业。覆盖: (a) 创作工作流 — 选题→剧本/分镜→AI 生图→图生视频(首尾帧/运镜/参考)→配音/对口型→剪辑/调色→成片，其中角色/场景一致性是第一性难题; (b) 工具栈 — 视频生成(可灵 Kling / 即梦 Seedance / 海螺 Hailuo / Vidu / Runway Gen / OpenAI Sora / Pika / Luma / Pixverse)、脚本(LLM)、生图(Midjourney/SD/即梦)、配音(TTS)、对口型、剪辑(剪映/CapCut); (c) 商业/变现 — 国内付费投流(IAP + ROI + 平台分账, 抖音/快手/红果/微信小程序短剧)与海外订阅(ReelShort/DramaBox/ShortMax/GoodShort)两套打法、品牌定制、成本结构; (d) 合规 — 中国《人工智能生成合成内容标识办法》(2025-09 强制 AI 标识)、广电微短剧备案与分类分层审核、版权与肖像权。主战场 = 抖音/快手/视频号/B站 + 海外短剧 App。学派分歧: 纯 AI vs AI+实拍混合、国内投流 vs 海外订阅、视频工具派之争、「AI 短剧是真需求还是伪风口」。不含: 传统实拍短剧制作、通用影视编剧(已有 scriptwriting skill)、短视频信息流投放(已有 short-video-ads skill)、纯 AI 视频底层技术研发。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「ai 短剧」「ai 微短剧」「ai short drama」「ai 短剧制作」「ai 短剧工作流」
日本語の概要は準備中です。原文の説明を表示しています。
AIGC 创作工作流 (AIGC 创作工作流 / AIGC Creative Workflow — 以「生成式 AI 视觉创作（图像 + 视频）的工程化创作流水线」为对象的认知操作系统：从「需求/概念（要做什么画面/镜头/风格）→ 模型与工具选型（Midjourney / Stable Diffusion·SDXL·Flux / ComfyUI / 可灵 Kling / 即梦 Jimeng / Runway / Vidu / Sora）→ Prompt 与参数设计（提示词工程、风格描述、负向、种子、CFG/步数/采样器、参考图）→ 可控生成（ControlNet / LoRA / IPAdapter / inpainting / 图生图 / 局部重绘 / 区域控制）→ 批量出图与筛选 → 精修与合成（放大/超分、修手修脸、PS/AE 后期、抠图合成）→ 图生视频/文生视频（首尾帧、运镜、时长、一致性、对口型）→ 商业交付与迭代复现（参数留存、工作流文件复用、版权与可商用判断）」的完整创作-工程-交付决策链。覆盖 (a) 第一性张力 — **可控性/工程化复现（ControlNet/LoRA/ComfyUI 节点工作流/固定种子与参数/可复现可迭代）⇄ 随机性/抽卡玄学（出图随机、prompt 玄学、抽卡刷图、靠运气）**；**审美/创意/艺术指导主导（人的审美判断、概念设计、构图、镜头语言、艺术总监能力——'模型是地板，审美是天花板'）⇄ 工具/模型/参数主导（堆模型能力、堆参数、堆 LoRA、以为换个大模型就行）**；**开源生态/本地可控（Stable Diffusion / ComfyUI / Flux / civitai / liblib 本地部署可定制可控可商用、显卡门槛）⇄ 闭源商业/易用黑盒（Midjourney / 可灵 / 即梦 / Runway 开箱即用但不可精控、按量付费、黑盒）**；**图像生成（T2I/I2I：Midjourney / SDXL / Flux）⇄ 视频生成（T2V/I2V：可灵 / Runway Gen-3 / Vidu / 即梦 / Sora，2024-2025 前沿从图迁移到视频）**；**生产力/商业量产（替代或增强传统设计/插画/电商/广告/影视分镜流程、降本提效、批量）⇄ 纯艺术创作/作者表达（个人风格、实验性、作品集）**；**效率/批量（一次出几十张筛选、商单走量、自动化 pipeline）⇄ 质量/精控（单张精修、商业可用级细节、修手修脸修穿帮）**。(b) 核心工作流 / pipeline（最标准、最易蒸高质量 + CLI 化）— 单图创作链：概念/参考收集（moodboard/风格定位/竞品）→ 模型工具选型（按可控性/风格/成本/可商用判断 MJ vs SD/Flux vs 国产）→ Prompt 与参数设计（主体/风格/光影/镜头/负向词/CFG/采样器/分辨率/种子）→ 首轮出图与方向筛选 → 可控迭代（ControlNet 控构图/姿态/线稿、LoRA 控风格/角色一致性、图生图重绘、inpainting 局部修）→ 放大超分与精修（高清放大/修手修脸/后期调色合成）→ 交付与参数留存（工作流文件/种子/参数复现）。视频创作链：分镜/脚本→首帧出图（图像链产出关键帧）→图生视频（运镜/时长/首尾帧/动态强度）→多镜头一致性（角色/场景/风格统一）→对口型/配音/配乐→剪辑合成→交付。ComfyUI 工程链：节点工作流搭建（加载器/采样/ControlNet/放大/面部修复节点）→ 参数化与复用→批量队列→工作流分享（civitai/openart workflow json）。(c) 工具栈 — 闭源图像（Midjourney v6/v7、DALL·E 3、Adobe Firefly、Ideogram、Recraft）、开源图像与底座（Stable Diffusion 1.5/SDXL/SD3、Flux.1 dev/schnell（Black Forest Labs）、ComfyUI（节点式）、Automatic1111/Forge WebUI、Fooocus）、可控生成插件（ControlNet、LoRA、IPAdapter、AnimateDiff、inpainting/outpainting、ReActor 换脸、面部修复 CodeFormer/GFPGAN、放大 ESRGAN/SUPIR/Topaz）、模型/资源社区（Hugging Face、Civitai、liblib 哩布、吐司 Tusi、openart）、视频生成（可灵 Kling、即梦 Dreamina/Jimeng、Runway Gen-3/Gen-4、Luma Dream Machine、Pika、Vidu、海螺 Hailuo、Sora、Wan 通义万相、MiniMax）、辅助（Magnific 放大、Krea、Photoshop/After Effects 后期、ChatGPT/Claude 写 prompt、reverse prompt 反推）。(d) 知识正典 — AIGC 创作 canon 横跨论文/工程/社区教程：奠基论文（DDPM、Latent Diffusion/Stable Diffusion（Rombach et al）、DiT、ControlNet（Zhang et al）、LoRA、DreamBooth、Textual Inversion、SDEdit、IP-Adapter、视频扩散 SVD/Sora 技术报告）、官方文档与模型卡（Stability AI、Black Forest Labs Flux、ComfyUI 文档、Midjourney docs、可灵/即梦官方教程、Hugging Face diffusers）、社区教程与工作流（ComfyUI 官方示例、civitai 文章、B站/YouTube 创作者长教程、openart workflow）、prompt 工程资源（Midjourney 风格库、提示词指南）。(e) figures/流派 — 模型/工具创造者（Midjourney David Holz、Stability AI Emad/Robin Rombach、Black Forest Labs（Flux，原 SD 团队）、ComfyUI comfyanonymous、ControlNet 张吕敏 Lvmin Zhang、AUTOMATIC1111、可灵/即梦/快手字节团队）、创作者 KOL 与教育者（Midjourney/SD 头部创作者、ComfyUI 工作流大神、AI 视频创作者、国内 B站/抖音 AIGC 教程作者、独立 AI 艺术家）、行业分析与评测（AI 工具评测、生成式 AI 创作生态观察者）。流派分歧：开源可控派（SD/ComfyUI/Flux 本地精控）vs 闭源易用派（MJ/可灵开箱即用）、工程化派（节点工作流/可复现/参数化）vs 玄学抽卡派（prompt 玄学/堆词/抽卡）、审美主导派（'模型是地板审美是天花板'）vs 工具主导派（堆模型堆参数）、图像派 vs 视频派、艺术创作派 vs 商业生产力派、国产工具派（可灵/即梦/liblib）vs 海外工具派（MJ/Flux/Runway）。(f) 行业话术/黑话 — 出图 / 抽卡 / 刷图 / 炼丹（训练 LoRA）/ 喂图 / 垫图（参考图/图生图）/ 控图 / 锁种子 seed / CFG / 采样器 sampler / 步数 steps / 重绘幅度 denoise / 提示词 prompt / 咒语 / 负向 negative / 权重 / tag / 大模型 checkpoint / 底模 / LoRA / ControlNet / 控线稿/openpose/depth / IPAdapter / inpainting 局部重绘 / outpainting 扩图 / 高清放大 / 超分 / 修手 / 崩手 / AI 味 / 风格 / 角色一致性 / 工作流 workflow / 节点 / 跑图 / 队列 / 文生图 T2I / 图生图 I2I / 文生视频 T2V / 图生视频 I2V / 首帧/尾帧 / 运镜 / 动态强度 / 时长 / 对口型 / 一致性 / 可商用 / 训练集 / 过拟合 / 翻车 / 穿帮。(g) 争议/批判 — 「版权与训练数据」（模型训练用未授权作品、生成图版权归属、可商用风险、洗图/伪原创）、「AI 替代创作者就业」（替代画师/插画师/设计师/摄影、行业冲击与转型）、「AI 味与审美趋同」（生成图同质化、套模板、缺乏原创审美）、「玄学 prompt 神话与割韭菜」（'咒语'神秘化、'7天 AIGC 变现/月入过万'付费课割韭菜、抽卡当能力）、「工具快速迭代与淘汰焦虑」（模型月月换、工作流频繁失效、追新疲劳）、「开源 vs 闭源之争」（可控可商用 vs 易用黑盒）、「质量天花板」（修手修脸穿帮、长视频一致性、可控性仍有限）。(h) 大量隐性创作手艺 + 审美 + 工程 + 沟通软技能（prompt 的描述功底与审美词汇、参数与采样的手感、ControlNet/LoRA 的组合控制经验、节点工作流的搭建与调试、批量筛选的审美眼力、修图合成的后期功底、镜头语言与运镜设计、角色/风格一致性的控制、商业需求的翻译与交付、版权与可商用的判断）是高 tacit、靠大量实操跑图 + 审美积累 + 工程调试经验的核心。水分极高（大量'咒语速成/一键变现/AI 绘画割韭菜'营销
日本語の概要は準備中です。原文の説明を表示しています。