Menu
「赛博」技术写作方法论 - 深度技术拆解与专业解读 源自对「赛博禅心」等顶尖技术写手的分析总结 适用于：技术产品发布解读、技术报告拆解、论文分析、行业深度报道
The review-first prompt is selected by default. You can switch to a direct command or download a local copy.
Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/Leon-Drq/aipioneer-publisher --skill saibo-writerThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
Showing SKILL.md
Based on SOC occupation classification
| name | saibo-writer |
| description | 「赛博」技术写作方法论 - 深度技术拆解与专业解读 源自对「赛博禅心」等顶尖技术写手的分析总结 适用于：技术产品发布解读、技术报告拆解、论文分析、行业深度报道 |
深度技术拆解，专业而不枯燥，信息密度与可读性兼顾
"赛博" = 赛博朋克式的信息密度 + 禅宗般的清晰结构
技术产品发布类：
论文解读类：
行业分析类：
公式：时间 + 核心事实 + 关键数据
今天上午，「DeepSeek-V4」发布并开源。
DeepSeek V4 分两档：Pro 1.6T/49B、Flash 284B/13B，两档都支持 1M 上下文、都开源，并给出了技术报告。
要点：
按能力维度分小节，每个维度给具体数据：
能干什么
V4-Pro 在四个方向上都跨过了一个台阶
Agent 能力
Agentic Coding 评测里 V4-Pro 已经到当前开源最佳水平...
[具体数据：内部反馈、适配产品、效果提升]
世界知识
Pro 在知识评测里大幅领先其他开源模型...
[具体数据：SimpleQA-Verified 57.9，对比 Opus-4.6-Max 46.2]
推理性能
数学、STEM、竞赛代码三类测评里...
[具体数据：LiveCodeBench Pass@1 93.5、Codeforces Rating 3206]
长文本
Pro 在 1M token 的合成基准和真实任务上都很强...
[具体数据：MRCR 1M 83.5、CorpusQA 1M 62.0]
要点：
按技术模块分小节，深入到实现细节：
1M 成了标配
[背景：以前是128K灰度，现在是标配]
[原理：token维度压缩 + DSA稀疏注意力]
[数据：FLOPs 27%、KV cache 10%]
[类比：一次性塞入《三体》三部曲]
架构三件套
[总览：MoE框架 + 三处升级]
Hybrid Attention：CSA + HCA
[CSA：Compressed Sparse Attention，每m个token压成一个entry...]
[HCA：Heavily Compressed Attention，每m'个token压一个...]
[实现细节：m=4、m'=128、head dim 128、top-k=512]
mHC：流形约束的残差连接
[全称：Manifold-Constrained Hyper-Connections]
[数学概念：Birkhoff polytope、双随机矩阵流形]
[实现：expansion factor n=4]
Muon 优化器
[核心：Newton-Schulz迭代做矩阵正交化]
[改进：Hybrid Newton-Schulz + Nesterov trick + RMS rescaling]
要点：
训练账
[数据量：Flash 32T、Pro 33T]
[Tokenizer：沿用V3，词表128K]
[精度：FP4量化感知训练，路由专家FP4，其他FP8]
[Schedule：4K→16K→64K→1M，batch size 75.5M]
[稳定性：Anticipatory Routing、SwiGLU Clamping]
后训练
[方法学变化：mixed RL → On-Policy Distillation (OPD)]
[两步流程：领域专家培育 → OPD融合]
[专家培育：SFT + GRPO，每个领域三种推理强度]
[OPD融合：学生在自己trajectory上学teacher分布]
[Infra优化：teacher权重分布式存储、FP4 rollout、WAL容错]
要点：
成绩单：V4-Pro-Max 站到哪一档
[对比口径：V4-Pro-Max vs Opus-4.6-Max、GPT-5.4-xHigh、Gemini-3.1-Pro-High...]
代码
[LiveCodeBench Pass@1 93.5、Codeforces Rating 3206、Apex Shortlist 90.2]
[对比：比GPT-5.4-xHigh的3168高一点]
知识
[MMLU-Pro 87.5、SimpleQA-Verified 57.9、Chinese-SimpleQA 84.4]
[短板：HLE 37.7，比Gemini的44.4有距离]
Agent
[Terminal Bench 2.0 67.9、SWE Verified 80.6、SWE Multilingual 76.2]
[对比：和Opus-4.6-Max、K2.6-Thinking同一档]
长文本
[MRCR 1M 83.5、CorpusQA 1M 62.0]
[衰减曲线：8K 0.94、128K 0.92、512K 0.85、1M 0.66]
要点：
真实任务上的表现
[说明：Benchmark之外的真实场景]
中文写作
[功能性写作胜率62.7%、创意写作胜率77.5%]
[短板：多轮约束写作 Opus 52% vs V4 45.9%]
搜索
[Non-think走RAG、Thinking走Agentic Search]
[优势：single-value检索、planning & strategy]
白领任务
[30个中文高级专业任务]
[细分维度：任务完成度96.68、内容质量87.76、格式美观度72.68]
[短板：PPT视觉呈现]
Code Agent
[30个真实R&D任务，50+工程师参与]
[通过率67%，员工调研52%说yes]
[短板：小错误、模糊prompt解读、偶尔过度思考]
要点：
API 怎么用
[模型名：deepseek-v4-pro、deepseek-v4-flash]
[接口：OpenAI ChatCompletions + Anthropic 双兼容]
[思考模式：Non-think/Think High/Think Max]
[旧模型过渡：2026-07-24停用]
定价
[Pro：命中1元/未命中12元/输出24元 每百万token]
[Flash：0.2元/1元/2元]
[备注：下半年昇腾950上市后Pro价格下调]
能现在用
[网页、App、API已上线]
[开源权重：HuggingFace、ModelScope，MIT协议]
[本地部署参数：temperature=1.0、top_p=1.0]
[Think Max建议上下文：至少384K]
要点：
未来方向
[官方规划：更稀疏embedding、低延迟架构、长程Agent、多模态]
[当前局限：仍不支持多模态]
参考材料
[官方公告、技术报告PDF、API文档、模型集合链接]
发布前必须检查：
| 维度 | Write-Skill V1.0 | Write-Skill V2.1 | 赛博 (Saibo) |
|---|---|---|---|
| 适用场景 | 个人故事/情感 | 新闻快评/短分析 | 技术深度拆解 |
| 信息基础 | 个人经验 | 公开信息 | 一手资料 |
| 数据精度 | 估算/口语化 | 半精确 | 精确到参数 |
| 段落长度 | 较长 | 1-2句 | 1-2句 |
| 术语使用 | 通俗 | 半专业 | 专业+解释 |
| 结构逻辑 | 叙事 | 通用模板 | 技术逻辑 |
| 深度 | 浅 | 中等 | 深（技术报告级） |
用赛博 (Saibo)：
用 Write-Skill V2.1：
用 卡兹克风格：
顶尖技术写手：
学习重点：
v1.0 (2026-04-28)