问题描述：

前言

在 VsCode 中使用 Cline 加上一些 LLM 基本上已经可以满足日常需求，如果是重度使用且要求性价比的话，感觉各个大厂的 Coding Plan 可以考虑。
如果有相对复杂的使用需求或者对代码质量等要求较高，可能需要配置一下 Cline 的 Skills 使用，简单调研并摸索了一下 Cline + Skills Agent的配置流程仅供参考。

Cline + Agent Skills 使用

Agent Skills 插件安装

首先在插件商店中检索 “Agent Skills” 并安装：

图片1447×939 213 KB

安装完成后， VsCode 侧边栏会出现一个 Skills 市场，可以从中选择合适的 Skills 安装。

从我的使用来看， Agent Skills 这个插件中给出的默认 Skills 相对较少，可能很难找到完全适用你个人需求的 Skill，所以先选一个较为通用的 Skill 作为演示。（这个插件也支持自定义 Skills 使用，可以查看说明文档）

选择 doc-coauthoring 作为示例：

图片1675×902 104 KB

这个 Skill 的描述如下：

“引导用户完成结构化的文档协作工作流程。适用于用户需要编写文档、提案、技术规范、决策文档或类似结构化内容的情况。此工作流程可帮助用户高效地传递上下文信息、通过迭代完善内容，并验证文档是否符合读者需求。当用户提及编写文档、创建提案、起草规范或类似文档任务时，此流程将被触发。”

本质上就是帮我们更好地对项目进行解释和说明，形成相关的一个文档，我一般比较习惯用 md 格式，所以会对“使用 Skill ”与 “不使用 Skill ”两种情况生成的项目解析进行对比。

Cline 配置

在安装完插件后，需要对 Cline 进行允许使用 Skill 的配置，这个也是 Cline 近期刚刚添加的新功能。

图片1441×732 50.6 KB

之前的 Skills 设置在“ Cline 设置” 中，但现在被挪到了对话框下面，这里也可以配置一个通用的 cline rule 或者当前工作区的 rule，也可以配置通用的 Skills 或者当前工作区的。

比如要配置上面下载的那个 Skill， 下载好了以后会出现在当前所在文件夹的上面，本质上就是一个md的指导文件。

图片1867×1012 146 KB

目前界面显示的是下载好的 Skill 文件，接下来把这里面的内容复制到刚刚自己在 Cline 中新建的那个，就OK了。但是需要注意，这个 Skill 的默认存储位置在 C 盘。

这就配置完了，可以选择关闭或者打开。

图片1463×988 114 KB

效果对比

为了便于展示，人为去除了两个测试下的标题环境。

未使用 Skills 生成的 readme 文件

Pix2Tex LaTeX OCR

基于 pix2tex 的 LaTeX 公式识别工具，支持 GUI 界面和打包为独立 EXE。

功能

• 截图识别数学公式并转换为 LaTeX 代码
• 提供图形用户界面（GUI）
• 支持打包为独立可执行文件（EXE）

项目结构

Pix2Tex/ ├── Codes/ │ ├── latexocr_launch.py # 启动脚本（配置权重路径、启动GUI） │ ├── build_exe.py # PyInstaller 打包脚本 │ ├── requirements.txt # Python 依赖 │ └── pix2tex_weights/ # 模型权重文件 │ ├── weights.pth │ └── image_resizer.pth └── README.md

快速开始

1. 安装依赖

cd Codes pip install -r requirements.txt

2. 运行 GUI

python latexocr_launch.py

3. 打包为 EXE（可选）

python build_exe.py

打包完成后，可执行文件位于 dist/LaTeX-OCR.exe。

技术栈

• 核心: pix2tex (LaTeX OCR)
• GUI: PyQt6
• 深度学习: PyTorch (CPU)
• 打包: PyInstaller

注意事项

• 权重文件需放置在 pix2tex_weights/ 目录下
• 打包后的 EXE 建议在管理员权限下运行
• 首次运行可能需要下载依赖模型

许可证

遵循 pix2tex 原项目许可证。

使用 Skills 生成的 readme 文件

使用 Skill 的时候会先提问：

图片1418×729 87.3 KB

图片1240×615 54.2 KB

不过比较方便的是，其实可以不用自己输入回答，Cline 会给出一些候选的回答建议。

之后它会一步一步地先创建架构，再完善每一部分内容，中间过程中使用者可以对内容进行直接调整和修改。

图片735×252 15.7 KB

从计划中可以看出，每一步都需要进行交互，相对来说虽然生成内容会更加详细具体，但耗时会较长，且 token 消耗必然会大幅增加。

以下是生成的 readme 文件：

Pix2Tex LaTeX OCR

基于 Pix2Tex 的截图识别 LaTeX 公式工具，能够将截图中的数学公式转换为 LaTeX 代码。

项目简介

本项目是一个基于 Pix2Tex 的 LaTeX 公式识别工具，支持截图识别数学公式并转换为 LaTeX 代码。

核心功能：

• 截图识别：截取屏幕上的数学公式，自动识别为 LaTeX 代码
• 本地运行：完全离线运行，无需联网
• GUI 界面：基于 PyQt6 的图形界面，操作便捷

适用场景：

• 论文写作中快速获取复杂公式的 LaTeX 代码
• 学术研究中的公式整理和转换

本项目基于开源 Pix2Tex 项目构建，整合了模型权重和启动脚本，方便快速部署和使用。

功能特性

• 截图识别：截取屏幕上的数学公式区域，自动识别并转换
• LaTeX 转换：将识别的公式自动转换为标准 LaTeX 代码
• 结果复制：支持一键复制识别后的 LaTeX 代码到剪贴板
• 离线运行：完全本地运行，无需网络连接，保护隐私
• 图形界面：基于 PyQt6 的现代化 GUI，操作直观便捷
• 单文件部署：支持打包为独立 EXE 文件，无需安装 Python 环境
• 开箱即用：预置模型权重文件，下载即可使用
• Windows 支持：针对 Windows 平台优化，支持 Win10/Win11

项目结构

Pix2Tex/ ├── Codes/ │ ├── latexocr_launch.py # 程序启动入口 │ ├── build_exe.py # EXE 打包脚本 │ ├── requirements.txt # Python 依赖配置 │ └── pix2tex_weights/ # 模型权重文件夹 │ ├── weights.pth # 主模型权重 │ └── image_resizer.pth # 图像调整模型权重 └── README.md # 项目说明文档

关键文件说明：

• latexocr_launch.py：启动脚本，配置模型路径并启动 GUI
• build_exe.py：PyInstaller 打包脚本，生成独立 EXE 文件
• pix2tex_weights/：包含预训练的模型权重，必须与此目录同级

快速开始

1. 安装依赖

cd Codes pip install -r requirements.txt

2. 运行程序

python latexocr_launch.py

3. 使用说明

4. 程序启动后，点击截图按钮或按快捷键

5. 框选包含数学公式的屏幕区域

6. 等待识别完成，查看 LaTeX 代码结果

7. 点击复制按钮将 LaTeX 代码复制到剪贴板

注意：首次运行时需要加载模型，可能需要几秒钟时间，请耐心等待。

打包说明

如需将程序打包为独立的 EXE 文件（无需 Python 环境即可运行）：

python build_exe.py

打包完成后，可执行文件位于：

dist/LaTeX-OCR.exe

打包后的 EXE 文件包含所有依赖和模型权重，可在其他 Windows 电脑上直接运行。

技术栈

• Pix2Tex - 基于深度学习的 LaTeX 公式识别引擎
• PyQt6 - 跨平台 GUI 框架
• PyTorch - 深度学习框架（CPU 版本）
• PyInstaller - Python 程序打包工具

分析

从结果上看，使用 Skill 确实会显著提升文档编写的质量，但部分情况下其实没必要，而且多次问答会显著浪费 token 。
本质上是将我们交互过程中希望完成的一些流程和指令以预先设计文档的形式传输给 agent 使其按照规定进行，所以对于重复性较高的工作，可以先要求 agent 辅助编写 skill 再进行，效率确实会大幅提升。

其他

Cline 的 clinerules 配置也可以试试，避免了每次打开新窗口都需要重复给出命令的冗余。

网友解答：

---

--【壹】--：

已严肃学习

---

--【贰】--：

前排支持，严肃学习

---

--【叁】--：

严肃学习中！

---

--【肆】--：

感谢大佬的教程，我已经按照这个进行过配置了，好用的很

---

--【伍】--：

感谢大佬