n8n 已死？我用 Kimi 跑通了 Claude Skills 直接替代工作流
前段时间 Trae 下架了 Claude，标志着但凡跟中国沾边的 AI 工具都禁止使用 Claude。
但我一点都不慌，因为已经很久没用 Claude 了。
尤其在编程赛道上，国产大模型已经通过内部互卷站起来了。
昨天 Kimi 发布并开源了 Kimi K2-Thinking，没有悬念，参数上已经坐上国产第一，甚至能跟海外御三家搏一下的位置了。
可以通过一张图看懂 Kimi 的这个模型：
这张图好看吗？
它就是 Kimi 做的，而且是通过 Claude Skills 的方式，一句提示词：
搜索 Kimi 今天发布的 kimi-k2-thinking 的信息，以及网友对它的测评效果，然后调用 `infopic-skill` 做一个信息图
就搞定了：
欸？等一下，Claude Skills 不是只能订阅 Claude Pro 才能用吗？
我一开始也以为是，直到看到烨佬的两篇文章，给我来了灵感：
讲得很详细，感兴趣可以去看下。
但当我看到里面的结论说"为了确保 Skill 的效果，依然建议使用 Claude 来跑"时，我的心凉了半截——不是……Claude 这么牛吗？
刚好昨天刷到 Kimi K2-Thinking 发布，我整个人都坐起来了。
我觉得它能行，马上试下！
1. 先搞清楚什么是 Claude Skill，为什么难？
过去我们让 AI 执行复杂任务，比如"爬取 17 个网站的数据并分析"，AI 需要自己凭空理解需求、编写并执行临时代码。
这个过程就是在抽卡，结果极不稳定——这次能跑出来，下次就不一定了。
Skill 的逻辑则完全不同：
我们预先用编程语言（比如 Python）写好一个个具体、可靠的函数工具，例如读取网页内容、生成图片、操作 PPT 等，并将这些工具打包成一个 Skill。
约等于 AI 在这里只是做流程编排，调用执行函数。
能完美解决纯 AI 的"不确定性"问题，还能有强大的理解和变通能力。
这也是为什么我说 Skill 会在诸多场景里杀死 n8n 这类传统工作流工具的"机械死板"。
从另一个角度看，Skill 的本质，其实是一种"可编程的、带工具箱的"高级提示词工程，让 AI 的能力从漫无边际、难以捉摸的"创作"，收敛到了精准可靠、可复现的"执行"。
这样讲有点抽象，我们来看具体的运行逻辑。
首先，下面是典型的 Skill 文件结构：
skill-directory/
├── scripts/ # 辅助脚本目录
│ ├── generate.js # 生成逻辑
│ └── utils.js # 工具函数
├── templates/ # 模板文件
│ └── base.html # HTML 模板
└── assets/ # 静态资源
└── images/ # 图片资源
拿 pptx-skill 来辅助理解 Skill 是如何实现的：
所以，Skill 真正的难度在于 AI 大模型调用工具的深度思考和编排能力。
当用户说"帮我搜集 Kimi 的信息并做成 PPT"，模型必须能自主规划一个多步骤的工作流，并连续、准确地调用工具：
search() -> create_presentation() -> add_slide() -> add_slide()…
这就是传统模型的死穴：它们在连续调用几轮工具后，很容易"失忆"或"逻辑混乱"，导致流程当场中断。
2. 使用 Kimi K2-Thinking
而这就是为什么我觉得 Kimi 能行的地方。
Kimi K2 的核心升级，就是原生的"Thinking Agent"（思考型 Agent）能力，它就是为解决这个"多轮工具调用"的难题而生的。
话不多说，马上进入 Claude Code 验证一下。
官方文档在这：在 Claude Code 中使用 Kimi K2 模型
需要配置的参数：
export ANTHROPIC_BASE_URL=https://api.moonshot.cn/anthropic/
export ANTHROPIC_API_KEY=<YOUR_ANTHROPIC_API_KEY>
export ANTHROPIC_MODEL=kimi-k2-thinking-turbo
export ANTHROPIC_SMALL_FAST_MODEL=kimi-k2-thinking-turbo
进入后会看到右下角显示 Thinking 关闭：
按下 Tab 后，就会启动 Thinking 模式：
3. 需求场景
日常我做信息图的方式是：
先写好文章，然后放到 Trae，再让它根据我文章生成 HTML，然后再手动打开保存成图片。
接下来我们就把这个工作流程做成 Skill，实现文章开头说的一句话就生成信息图。
这个 Skill 的好处非常多：
- 一是能借助 AI 搜索能力，我不用写文章，也能一句话让 AI 搜集推理信息；
- 二是可以接上小红书 MCP，一键就给发出去了，岂不妙哉？
3.1. 学习现有逻辑，并新建 Skill
Anthropic 已把部分 Skills 开源在 GitHub：anthropics/skills
我们把它下载下来，让 Kimi 去学习，然后把操作流程讲清楚，让 Kimi 去新建 Skill
注意，这里有个很大的痛点。
就是做信息图的时候，如果只是用文字总结风格，然后让 AI 按这个风格去生成图，大部分情况下得到的不是想要的，或者说跟原来的样式相去甚远。
不论什么模型都是这样。
我探索出来的最佳解决方案，还是一定要让模型接收到任务的时候现学——把多个 HTML 看一遍然后模仿它们来生成信息图，这样的效果最稳定。
所以总结出来的步骤是这样：
# 学习流程：
学习 Claude Skills 的文档，参考 '/Users/sonnyleonor/Documents/project/kimithinking/skills-main/document-skills/pptx' 的 Claude Skills 的形式和文件结构，在文件夹 `.claude-plugin` 单独新建一个 infopic-skill，如果涉及 node 相关包安装处理则用 pnpm 来管理。
infopic-skill 要实现以下流程步骤：
1. 读取用户输入的内容，如果是关键词，则需要先进行搜索相关内容。
2. 读取提示词 `生成信息图提示词.md`，作为生成 HTML 图的提示词（注意是 Skill 运行的时候实时去读取和执行，而不是总结风格写到 Skill 里）。
3. 按 2 中的提示词执行新建一个 HTML 信息图，保存在文件夹 `生成结果信息图`。
4. 用 Playwright 把 HTML 打开后截图，保存图片在本地。
其中一个技巧就是要提前让 Kimi 用 pnpm 来管理相关的包，要不然等 AI 现场跑的时候才发现没有安装，很可能会因为网络问题导致后台运行超时而失败。
这里是对 Kimi 的第一层考验：从已有的复杂逻辑中提炼出创建逻辑。从结果看，这一步实现还是很丝滑的。
3.2. 通过 Plugin 安装
Claude 只有在客户端才有内置 Skill，其余方式包括 Claude Code 是需要通过 Plugin 的方式把 Skill 安装到本地。
逻辑是这样：
安装 Plugin 是要先设置 Marketplace，然后在里面安装市场插件。
例如通过以下方式可以添加官方的 Skill Marketplace：
/plugin marketplace add anthropics/skills
再安装 document-skills，可以操作 PPT、Word、PDF 等常见办公文档：
那对于本地自建的 Skill 要怎么安装？
看如图结构：
首先在项目根目录新建一个 .claude-plugin 文件夹，里面放我们新建好的 Skill（前面让 Kimi 学习新建好的，也可以直接让它放到这里）和一个 marketplace.json 文件。
其中，后者长这样，关键是里面的 plugins 要写清楚每个 Skill 的名字：
{
"name": "local-infopic-plugin",
"owner": {
"name": "local",
"email": "[email protected]"
},
"metadata": {
"description": "Local plugin providing infopic skill",
"version": "1.0.0"
},
"plugins": [
{
"name": "infopic",
"description": "HTML infographic creation and screenshot",
"source": "./",
"strict": false,
"skills": [
"./infopic-skill"
]
}
]
}
此时，进入 Claude Code，打开 /plugin 目录，add marketplace，输入本地的这个文件路径，例如 ./.claude-plugin/marketplace.json：
此时 /plugin 第一个选项就能看到我们预设好的 infopic Skill，点进去安装即可：
注意要退出重进 Claude Code 才能生效：
3.3. 最终使用
这里就不重复跑开头的案例了。
我升级一下，用一个地狱级变态的推理命题给 Kimi 看看能解决不：
3.3.1. 《股票版什么值得买》
查找有哪些过去 12 个月内，股价翻 1 倍的科技股票？如果有的话，其中哪些是 2020 年之前上市的，哪些是 2020 年之后上市的？2020 年上市的公司分别的主营业务、财务表现、团队背景、发展历史是怎样的？这里面谁的增长最令市场意外，你觉得超出预期的原因是什么？
写成一篇 md 文章，注意要做交叉验证确保数据准确，并说明信息源。
最终把这文章，用 `infopic-skill` 做一个信息图，信息图用一行标题即可。
确保运行的过程看到它加载 Skill：
效果还不戳：
4. 范式已变，Agent 当立
传统工作流工具如 n8n，其核心价值在于"连接"。
但当 AI 拥有了强大的思考和编排能力后，这种机械的连接就失去了意义。
Kimi 展现的能力，标志着 AI 自动化正在从"流程编排"转向"Agent 执行"。
所以，说 n8n 已死，只是时间问题。
大家怎么看呢？