日记:2026/10/15

·12 min read·

一个叫 Anatomy 的开源 Skill——「物体本身就是解释」,以及关于「怎么学一个完全不懂的知识」的讨论

今天读到卡兹克写的一篇介绍,讲一个最近很火的开源 Skill:分享一个最近很惊艳的开源Skill,一句话让AI搓出任何原理的科普视频。

Anatomy:物体本身就是解释

这个 Skill 叫 Anatomy,中文意思是「深度剖析」。它的核心设计理念只有一句话:

The object is the explanation. 物体本身,就是解释。

思路是不用文字去解释原理,而是把要理解的东西做成一套能真正运转的装置——可动、显示出完整零件、可以交互的机械模型动画。你想知道机械表内部怎么工作,它就做一个能手动拧发条的机械表,还能把各部分的零件拆开来看结构。

作者用一行提示词就跑出来了:

/anatomy explain how a mechanical watch keeps time, interactive

翻成中文就是「做一个交互演示,解释机械表是怎么计时的」。

案例里还有带 1/4 剖面的劳斯莱斯 Trent 970 发动机——不光外壳画出来了,里面的风扇、压气机、燃烧室、涡轮都画得很细。

安装很简单,跟 Agent 说一句「找一下最近很火的 Anatomy skill 安装」,或者直接:

帮我安装一下这个skill:https://github.com/wheresryan22/anatomy/tree/main

一个挺关键的问题

作者自己跑了几轮之后发现了个问题。

拿腕表那个动画来说,确实很好看,但他对机械表内部结构没什么了解,看了会儿就有点懵:每个零件是啥、起什么作用、时间到底是怎么算出来的?

即使对着动画旁边自带的文字讲解看,理解起来也相当费劲。

所以他的结论是:对于本来就懂原理的人,这种简洁又精细的机械动画能帮他们更直观地观察结构;但对一窍不通的人,画面再精致也还是看不懂。光让物体自己动来解释,不够。

于是他想:既然 Skill 已经能把原理做成动画了,那能不能让 AI 在它基础上,直接生成一段有讲解、有配音的科普视频?

加一层讲解之后

他用 Opus 5.5、推理强度高,提示词就一句,一轮直出机械表的工作原理视频。除了默认配音选了 macOS 自带的语音合成显得很奇怪以外,其他方面都相当不错——有哪些零件、各起什么作用、零件之间的关系、计时的原理,都讲清楚了。齿轮转动的时候,各个齿轮之间是真的严丝合缝,音效也配上了。

配音的问题改起来也简单,直接跟它说一嘴换配音、用火山的,一次就弄好了。

后面又陆续做了几个,都是一次直出:

  • 显卡工作原理——先讲显卡是干嘛的、有哪些组件、怎么组装的、一帧画面计算的整个过程、为什么快、画面怎么动起来、怎么散热,最后总结输入输出。讲到哪个部分,画面就展示或高亮哪个部分,结构很清晰
  • TCP 三次握手——要求写详细一些,做出来五分多钟。作者给公司一个通信出身的小伙伴看了,对方说这在大学里是整整一堂课的教学内容,没想到 AI 手搓一个几分钟的视频就能讲这么清楚
  • 刹车的构造——最近刹车很火,就顺手科普了一下

成本和时间

这部分是我比较关心的。

项目数据
额度5 分钟的视频,大约花掉 200 刀 Claude Max 会员周额度的 1%
耗时5 分钟视频,Opus 5.5 开 Ultra 强度,基本需要 1.5 小时左右
省额度只是自己看的话,可以用相对省额度的配置,比如 Sonnet 5.5 推理强度高

额度比预想的低很多,但耗时省不掉——这一点是作者故意的。Anatomy 的作者特意把这个 Skill 做慢了,他的原话是:

细节需要时间,所以我宁愿展示真实数字,而不是猜测。

它追求真实细节到什么程度?作者让它介绍 Transformer 原理,它要自己去训一个小模型出来,然后被 Claude 判定为敏感行为,直接把那个会话给 ban 了。

当然作者也叠了甲:AI 生成的这些动画和视频,即使看起来非常精细,也不能保证每一处机械结构、计算过程和讲解内容都完全正确。尤其是拿来学专业知识的时候,涉及具体参数、关键原理的地方,还是值得再核对一下。

更大的一个问题

作者说,这个东西关乎的不只是一个科普视频怎么制作,而是另一个更大的问题:

以后,我们到底应该怎么学习一个自己完全不懂的知识?

他在玩这个 Skill 的时候想起了 Karpathy 国庆期间在 X 上发的一篇长帖。Karpathy 说未来我们可能会花越来越多的时间去理解 AI 生成的各种内容,为了让这些内容更容易被人理解,他分享了几种方法,大致是层层递进的:

一、让 AI 用更清晰、简单的语言来解释。 他提到一种叫 ASD-STE100 的技术领域英语用语规范。这套规范最初是为航空维修文档开发的,对用词和句子结构有比较严格的限制——限制句子长度、使用主动语态、同样的意思尽量用同一个词。目的是让表达尽可能简洁和结构化,减少歧义。让 AI 参考这种规范来写东西,读起来会容易很多。

二、直接让 AI 画图示意。 他认为这比前者更好。

三、HTML 网页。 再往上一步,因为现在 AI 编程已经足够强,可以直接做出一个精美、可交互的网页。这也是 Anatomy 这个 Skill 本身的主要输出格式。

四、针对具体问题生成专门的科普视频。 这是 Karpathy 最看好的一种。

作者自己的看法是,这几种形式并不是简单地谁替代谁:文字适合快速查阅,图表适合展示关系,交互网页可以让人自己动手探索,而视频则更直观,能让人按照一定顺序一步一步理解一个过程。不同的知识、不同的人、不同的学习阶段,适合的形式可能都不一样。

一点自己的体会

作者问公司小伙伴大学时怎么开始学一个完全不懂的知识,回答都差不多:要么搜索引擎搜一下,要么去各个平台找找有没有相关的科普视频。

但能找到的学习材料,未必适合你——有的太浅,有的又太专业,太冷门的知识甚至找不到对应的课程。

根子在于:过去的学习材料,大多数是有人提前制作好,然后再分发给所有人看的,我们只能从别人做好的内容里面,去寻找最适合自己的那一个。现在可以让 AI 按照自己的需要,临时生成一份。

这一点我自己是有体会的。做前端这些年,很多知识不是学不会,而是**卡在「找不到合适的入口」**上——想搞明白某个机制的细节,搜出来的要么是三句话带过的科普,要么是一上来就假设你懂前置知识的文档,中间那一层常常是空的。于是很多次好奇心就停在「算了,先这样吧」。

所以「物体本身就是解释」这句话的分量,可能不在动画做得多好看,而在于它换了个方向:不再试图把知识翻译成文字给你,而是把那件事本身造出来给你看。文字是有损压缩,图和动画的损耗小一些,交互网页和视频又各补上了一块。这条路如果能走通,解决的其实是「中间那一层」的缺失。

另一个让我印象比较深的是作者自己的那个观察——他作为门外汉看懂了「好看」,但没看懂「原理」。这提醒得不轻:表现形式再高级,也不自动等于理解。真正起作用的是那句「这个玩意是啥,现在在发生啥,为什么,以及有啥用」。工具能把这个过程做得更容易,但最后那一步——自己把它想明白——还是得自己走。

(另外那句「我宁愿展示真实数字,而不是猜测」值得单独记一下。为了让读者感觉快而虚报速度,和如实告诉你需要一个半小时,后者才是能让人真正做决策的信息。)

Twitter