搭建一个云端Skills系统，随时随地记录TikTok爆款

最近 Claude Skills 的热度不小，但观察一圈下来，发现大多数人还陷在一种“开发者的自嗨”里。

绝大多数 Skills 的应用场景都被死死锁在 IDE 中，锁在开发者的电脑前。这叫开发提效，不叫业务提效。

真正的业务场景发生在移动端——通勤路上、吃饭间隙、甚至躺在床上刷 TikTok 的时候。如果 AI 能力必须打开电脑、敲几行命令才能调用，那它的时空效率基本等于零。

于是，我索性抛弃了本地的 Claude Code，基于 OpenHands 搭了一套云端 Skills 系统。

效果非常直接：刷 TikTok 时，看到一个爆款视频，复制链接，敲击 iPhone 背面三下。20 秒后，飞书多维表格里自动新增了一行数据。这行数据包含了视频的无水印文件、Gemini 拆解的镜头语言分析、爆款原因推导，以及一套可直接复用的 AI 视频生成提示词。整个过程不需要打开电脑，不需要切换 APP，不需要等待。

这就是今天要聊的核心：如何用 OpenHands + Skills + iOS 快捷指令，构建一套真正落地的业务自动化系统。

<iframe src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_4355007050494509070"></iframe>

01 为什么 Claude Code 在业务侧是伪需求

先厘清两个概念：OpenHands 和 Claude Code。

Claude Code 是 Anthropic 官方推出的命令行工具，本质是一个嵌入在本地终端里的“结对程序员”。它的 Skills 更像上下文记忆和本地工具接口——优势在于懂你的代码规范，可以直接修改电脑里的文件。但它在业务场景有一个致命弱点：必须依附于你的会话，人不在，它就不动。它是个副驾驶（Copilot）。

而 OpenHands（前身 OpenDevin）是一个开源的、自主的 AI 软件工程师，运行在 Docker 容器里，是一个独立的服务端 Agent。它可以通过 API 远程唤醒，24 小时在线。

https://openhands.dev/

它不再是你手边的工具，而是你雇佣的、随时待命的“员工”。

看重的核心理由只有一个：它可以被封装成 API 服务，成为一个真正的数字员工。这套 TikTok 分析系统，本质就是将 OpenHands 部署在服务器上，通过 FastAPI 暴露接口。（FastAPI 服务地址后加 /docs 就是文档了。）

02 业务视角：从刷视频到「数据入库」的闭环

对于做出海营销和短视频矩阵的朋友，拆解爆款是每天的必修课。但传统流程极其反人类：手机刷到视频，点收藏；晚上回家开电脑，导出链接；找第三方工具去水印下载；传给 Gemini 分析；再人工把结果复制粘贴到 Excel 或飞书。这个链路太长，断点太多——任何需要延迟满足的流程，最终都会不了了之。

远程 Skills 方案把这个流程压缩到了极致。整个逻辑是这样的：

利用 iOS 自带的快捷指令 + 背部轻点功能：获取剪贴板内容（TikTok 链接）→ 发送 HTTP POST 请求到服务器 → 手机震动一下，任务已接收。

OpenHands 接收到请求后，自主执行以下 Skills：

启动无头浏览器。这里有个技术难点——TikTok 的反爬虫机制非常严格，用普通的 request 请求成功率基本为零。OpenHands 调用 Playwright 模拟真实浏览器行为，绕过 blob 协议，抓取真实的 MP4 视频流，下载成功率稳定在 70%-80%。

视频下载后，调用 Gemini 2.5 Flash，又快又便宜。它不只是看，而是理解——可以识别拍摄角度（俯拍/特写）、运镜方式（推拉摇移）、BGM 节奏点、色彩心理学。

将清洗好的结构化数据（JSON），通过 API 写入飞书多维表格。

结果就是：当你刷完半小时视频，打开飞书，几十个爆款视频的深度分析报告已经整整齐齐躺在那里了。这才是 AI 赋能业务的本质：隐形化。

OpenHands 的 Skills 文档：https://docs.openhands.dev/sdk/guides/skill

03 举一反三：跨境电商的远程 Skills 玩法

这套架构的核心逻辑是：移动端触发 → 服务端 API → OpenHands 执行复杂 Skills → 结果回传。这个逻辑在出海业务里有无限的延展性。举几个具体场景：

在手机浏览器看到竞品的 Shopify 店铺，复制链接，触发 Shortcut。OpenHands 调起爬虫 Skill 扫描站点的新品上架情况、价格策略，并调用 SEO Skill 分析关键词布局。产出是一份竞品分析简报，直接推到 Slack 或钉钉。

系统监控到差评（自动触发，无需人工），OpenHands 读取差评内容，结合历史客服知识库 Skill，分析用户情绪，模仿金牌客服语气撰写 3 个版本的回复邮件。草稿进入审核流，你只需要在手机上点批准。

上传一张产品图到指定文件夹，OpenHands 识别产品特征，调用 Midjourney 或 Runway 的 API，结合当下流行趋势 Skill，自动生成 10 种不同风格的广告背景图，素材自动同步到 Google Drive 供投放团队筛选。

04 为什么非要用 Agent Skills？写个 Python 脚本不行吗？

这是很多技术出身的朋友容易陷入的误区：你这个功能，我写个 Python 脚本 + 定时任务也能跑，为什么要搞这么复杂的 OpenHands Skills？

因为业务逻辑是流动的，而脚本是僵死的。如果写死了一个 Python 脚本：当 TikTok 前端代码更新了 class 名，脚本报错，得去修；当飞书 API 接口变动，脚本报错，得去修；当 Gemini 模型参数调整，脚本报错，得去修。

但在 OpenHands Skills 的架构下，定义的不是步骤，而是目标。在 Skill 定义里，告诉 OpenHands：你的任务是下载这个页面上的视频，如果常规方法失败，尝试模拟用户滚动；如果还失败，检查是否有验证码并尝试通过。OpenHands 作为一个 Agent，具备自主决策和自我修复的能力——它发现 TikTok 改了页面结构，会尝试用视觉识别去定位播放按钮；发现 API 报错，会自主查阅文档或尝试备用节点。

在跨境出海这种平台规则朝令夕改的环境下，维护脚本的成本极高。我们需要的是一个能够理解意图并自主寻找路径的智能体。

05 思路打开，Agentic Skills 的高级玩法

到这里，这套远程 Skills 系统的雏形已经搭建完毕。但如果觉得这就结束了，那就小看了 Agentic Skills 的天花板。

现在的架构是“一个请求触发一个 Skill”，但这只是冰山一角。真正的威力在于

。

OpenHands 的 Skill 本质是可执行的逻辑单元。可以像写代码一样，让 Skill A 去调用 Skill B。比如定义一个 Base-Skill 只负责做基础数据清洗，再定义一个 Pro-Skill，先调用 Base-Skill 处理数据，再把结果传给 Analysis-Skill，最后调用 Report-Skill 生成报告。还可以构建一个自我迭代的 Agent：先写一段代码（Coding Skill），然后自己运行测试（Testing Skill），如果报错，递归调用 Coding Skill 进行修复，直到测试通过。

OpenHands 运行在 Docker 里，意味着它可以部署在任何地方。私有化部署用于公司财务、用户隐私数据；公有云调用用于需要访问外网的任务。通过 API 网关，可以指挥内网的 Agent 去调用外网的 Agent，实现数据在安全域和互联网域之间的智能流转。

谁说 API 只有“请求-响应”这一种模式？对于需要运行 30 分钟的复杂任务（如竞品深度调研），设计流程为：OpenHands 接收任务 → 立即返回 TaskID → 后台异步执行。关键点在于，当 Agent 遇到无法决策的卡点（比如验证码解不开，或竞品网站有两套价格体系），它可以主动通过飞书/Slack 发送消息请求确认。点击确认后，Agent 继续执行。这才是真正的人机协作：AI 处理海量冗余信息，人类只在关键节点做决策。

在这个体系下，Skills 不再是静态的脚本，而是可生长、可组合的原子能力。未来，个人服务器里可能运行着上百个这样的 Skills——它们是一群田螺姑娘，在睡觉的时候帮着监控市场、回复邮件、整理知识、优化代码。而你，只需要握着手机，轻轻敲两下背部。

这，才是 Agent 时代的真正玩法。