第1篇：什么是Skill？——从用户到创作者的认知跃迁

第1篇什么是Skill——从用户到创作者的认知跃迁适用人群零基础→入门 | 字数约25,000字 | 预计阅读时间60分钟前言如果你用过 ChatGPT、Claude、豆包、Kimi 或者 Loomy 这类 AI 平台你可能已经注意到一个现象有些人用 AI 只是聊天问一句答一句而有些人却能让 AI 变成专属工具——输入几个关键词就能一键生成周报、自动分析数据、定时推送行业资讯。这种专属工具的背后往往是一个叫作Skill技能的东西。那么问题来了Skill 到底是什么它和普通的提示词有什么区别我们平时用 AI 聊天问问题和用 Skill 完成任务背后的逻辑有什么不同一个完全不懂编程的普通人也能自己创作 Skill 吗如果能该从哪里入手这一篇我们就从最底层开始回答这些问题。读完这篇你将建立起关于 Skill 的完整认知框架——它是什么、能做什么、内部怎么工作、为什么它比普通提示词强大这么多。这个框架将支撑你之后所有的创作实践。第一章从日常困惑开始——为什么我们需要 Skill1.1 你很可能经历过这些场景我们先来看三个真实的场景。这些场景你可能一点都不陌生。场景一每周都要写的周报每个周五下午小张都要花 30-40 分钟写项目周报。他打开 AI 对话框输入一段提示词“你是一位项目经理请帮我写这周的周报。我这周完成了A模块的开发修复了3个bug和客户开了需求对齐会。关键数据代码提交45次bug修复率95%。”AI 输出了一份不错的周报。小张觉得挺好用了。第二周周五他又来了“你是一位项目经理请帮我写这周的周报。这周我完成了B模块的联调发布了v2.1版本写了技术文档。”内容不同套路一样。第三周、第四周……每个月他都要重复做这件事 4 次。每次都要重新想提示词怎么组织、格式怎么写。如果有一个固定的周报生成器填上本周的重点工作就自动输出——那该多好场景二从好用到共享不了的竞品分析小李花了一个小时精心打磨了一个提示词——“竞品分析提示词”。用它来分析竞品又快又好输出结构清晰、洞察深刻。同事看到了也想用但问题来了小李怎么把这个提示词给同事他试了三种方法复制粘贴到聊天窗口 → 格式乱了同事看不懂当面演示一遍 → 同事记不住转头就忘了写一份使用文档 → 额外花了一小时如果有一个标准化的方式把这个提示词打包成一个可共享的工具——该多好场景三想让 AI 定时帮我做事小王每天早上需要花 15 分钟浏览行业新闻。他希望 AI 能每天早上 8 点自动把最新的行业新闻推送到他手机上——但他发现普通的对话式 AI 做不到。因为它不会定时执行不会自动推送。如果 AI 能像手机 App 一样设置好就自动运行——该多好这三个场景揭示了一个共同的痛点普通的一问一答式 AI 交互在重复性任务面前效率太低了。1.2 普通提示词的三个先天不足上面的三个问题根源在于提示词的三条先天缺陷缺陷一不可复用每一次使用都是从零开始。你上周写了一个很棒的提示词这周又要重新写一遍——至少要把时间、数据等变量改一遍。这背后的本质是提示词没有封装和变量替换机制。你没法把提示词做成一个模板只在需要的时候填入新的内容。每次使用都要全文重写。缺陷二无法共享提示词天然是一次性、私有的。你没有标准化的方式把它打包成一个别人也能用的模块。这背后的本质是提示词缺乏元信息——名称、描述、参数定义、使用说明。别人拿到你的提示词不知道它是干什么的、要怎么用、参数怎么填。缺陷三没有行动能力提示词只能在对话框里完成工作——你说一句AI 回一句。它不能定时执行每天早上 8 点自动运行调用外部工具查询数据库、发送消息、创建文档自主决策根据不同输入走不同处理逻辑这背后的本质是提示词只是一个指令不是一个程序。它没有逻辑、没有工具、没有生命周期。1.3 Skill 正是为了解决这些问题而生Skill 的出现就是为了弥补上面三个缺陷。它是如何做到的缺陷Skill 的解决方案不可复用把提示词封装成模块用变量替换动态内容无法共享给模块加上名称、描述、参数说明等元信息没有行动力给模块加上工具调用、定时触发、逻辑分支能力用一个比喻来理解提示词是食材——新鲜的、原始的每次做饭都要重新切洗烹炒。Skill 是预制菜——已经配好料、写好菜谱、封装好了拿出来加热就能吃。更形象地说普通提示词 打电话问一个人问题Skill 下载一个 App 到手机上用 App 的比喻来展开当你使用一个 App比如美团时你不会每次打开都重新告诉它我要点外卖、我在北京、我想吃什么。你打开 App它就知道自己是干什么的也知道该怎么工作。Skill 也是这个道理。你打开周报生成 Skill它自动进入我是周报生成器的模式——不需要你重复告诉它角色和格式。你只需要提供本周的工作内容这个变量就可以了。1.4 Skill 的正式定义现在我们给出 Skill 的正式定义Skill 是一个封装好的、可复用的、可执行的 AI 能力模块。它把角色设定、提示词指令、工具配置、处理逻辑和输出规范统一打包成一个整体让 AI 能够反复、可靠地完成某一类特定的任务。这个定义可以拆解为四个关键点第一封装好的所有东西都在一个包里——不需要用户自己拼装。打开 Skill一切就绪。第二可复用的一次创作多次使用。每次使用只需要提供变化的部分变量“不变的部分”指令、格式由 Skill 自带。第三可执行的不只是回答还能行动——可以调用工具、定时执行、触发事件。第四AI 能力模块Skill 的本质是把 AI 的通用能力封装为专用能力。通用 LLM 什么都能做一点但都不精Skill 让 LLM 在特定任务上做得又快又好。第二章Skill 的解剖——拆开看里面有什么2.1 从外部看 Skill从外部看每个 Skill 都有一张身份证┌─────────────────────────────────────┐ │ 名称财经资讯 │ │ 版本v1.1.9 │ │ 作者Loomy 官方 │ │ 描述查询财经新闻、热点资讯…… │ ├─────────────────────────────────────┤ │ 触发方式关键词命中 / 意图匹配 │ │ 适用场景股市、财经、新闻等 │ └─────────────────────────────────────┘这张身份证告诉用户和系统三件事这个 Skill 叫什么名称它是做什么的描述什么时候会用到它触发方式2.2 拆开外壳看内部如果我们把 Skill 拆开会看到它包含五个核心组件┌─────────────────────────────────────────────────────────────┐ │ Skill 内部结构 │ ├─────────────────────────────────────────────────────────────┤ │ │ │ ┌────────────────────┐ ┌────────────────────┐ │ │ │ ① 身份标识 │ │ ② 指令系统 │ │ │ │ ·名称 │ │ ·角色设定 │ │ │ │ ·描述 │ │ ·行为准则 │ │ │ │ ·版本 │ │ ·处理流程 │ │ │ │ ·作者 │ │ ·约束条件 │ │ │ └────────────────────┘ └────────────────────┘ │ │ │ │ ┌────────────────────┐ ┌────────────────────┐ │ │ │ ③ 工具集 │ │ ④ 配置项 │ │ │ │ ·搜索工具 │ │ ·参数定义 │ │ │ │ ·计算工具 │ │ ·默认值 │ │ │ │ ·消息工具 │ │ ·开关选项 │ │ │ │ ·API 工具 │ │ ·模板变量 │ │ │ └────────────────────┘ └────────────────────┘ │ │ │ │ ┌──────────────────────────────────────────────────────┐ │ │ │ ⑤ 执行逻辑 │ │ │ │ ·输入校验 → ·任务分解 → ·推理执行 → ·工具调用 │ │ │ │ ·条件分支 → ·状态维护 → ·错误处理 → ·输出组装 │ │ │ └──────────────────────────────────────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────┘下面我们逐一详细解析每个组件。2.3 组件一身份标识身份标识是 Skill 的名片——它告诉系统和用户我是谁。身份标识的构成要素1名称名称是 Skill 的第一印象。好的名称要满足三个条件简短2-6 个字最合适清晰让人一眼知道是做什么的易记用户下次想用的时候能想起来✅ 好名字示例“周报生成”、“财经资讯”、“会议纪要”、“代码审查”、“文案润色”❌ 差名字示例“一个很厉害的工具”、“帮我写东西的”、“工具12号”2描述描述是 Skill 的说明书。它有两个读者人用户和机器Skill 匹配系统。对用户描述要回答这个 Skill 能帮我做什么“将会议笔记整理为结构化会议纪要自动提取主题、讨论要点、决议和待办事项。适合项目评审会、周会、需求会。”对系统描述要回答用户的什么输入应该匹配这个 Skill“当用户提及’整理会议纪要’、‘写会议记录’、会议总结’等时匹配此 Skill。”描述的质量直接影响 Skill 的触发准确率。描述写得模糊系统在应该触发的时候没触发或者在不需要触发的时候乱触发。3版本号版本号让 Skill 的演化可追踪。推荐使用语义化版本SemVer规范主版本号.次版本号.修订号 主版本号v1 → v2重大重构不兼容旧版本 例子完全重写了指令系统新增了复杂工具调用 次版本号v1.0 → v1.1新增功能但兼容旧版本 例子增加了新的输出格式、新增了一个工具 修订号v1.0.0 → v1.0.1修复问题 例子修复了边界情况处理、优化了措辞4作者信息标注作者有两个作用一是责任归属出了问题找谁二是信誉积累做得好的作者会被认可。团队内部还可以加上维护人信息——当 Skill 需要更新时知道该找谁。2.4 组件二指令系统指令系统是 Skill 的大脑——它定义了 AI 应该怎么思考、怎么行动。这是 Skill 质量最核心的决定因素。指令系统包含四个子模块每个子模块都至关重要。子模块一角色设定角色设定告诉 AI “你是谁”。这个看似简单的设定对输出质量的影响极其深远。原因在于大语言模型的训练数据中包含了海量的文本这些文本按照说话的人是谁被隐性分类。当你设定一个角色时你实际上激活了该角色对应的知识域和表达模式。来看一个对比实验无角色设定“帮我分析这个季度的销售数据。”→ AI 输出通用分析没有特定视角信息罗列有角色设定“你是一位有8年电商经验的资深数据分析师擅长从数据中挖掘增长机会。你的分析风格是先给核心结论再用数据论证最后给出可执行的策略建议。请帮我分析这个季度的销售数据。”→ AI 输出有深入洞察有专业术语有策略建议同样的数据输出质量差了几个等级。角色设定的三阶递进法则第一阶角色身份 → 你是一个数据分析师。 → 激活通用数据分析知识 第二阶角色领域 → 你是一位专注于电商行业的数据分析师。 → 缩小到电商领域的分析模式 第三阶角色领域经验风格推荐的最低标准 → 你是一位有8年电商行业经验的数据分析师擅长用漏斗模型分析用户转化。 你的风格是先给核心结论再用数据支撑最后给出可执行的建议。 你在做出分析结论前会先确认数据的完整性和可靠性。 → 完整激活资深电商数据分析师的思维模式角色设定的微调技巧当 Skill 的输出在某些方面不够理想时不需要重写角色设定而是做微调问题输出太技术化非技术人员看不懂 微调在角色中加入善于用通俗易懂的方式解释复杂概念 问题输出太保守缺乏前瞻性 微调在角色中加入不仅分析现状还要预判未来趋势 问题输出浮于表面不够深入 微调在角色中加入习惯做多维度交叉分析挖掘深层驱动因素子模块二行为准则行为准则是 Skill 的宪法——所有处理过程都必须在准则的框架内进行。好的行为准则应该是具体、可执行的而不是空泛的口号。✅ 好的行为准则1. 忠实原则所有输出必须基于用户提供的信息不编造事实和数据 2. 不确定标注如果某条信息无法从输入中确认标注未注明不猜测 3. 语言规范使用简洁的商务语言避免口语化表达 4. 完整性要求对于多事项任务确保所有事项都被处理不遗漏 5. 一致性同一类型的输出格式必须保持统一❌ 差的行为准则1. 准确 2. 规范 3. 完整行为准则要写得让 AI 能检查自己有没有违反——不仅知道什么不能做还要知道应该怎么做。子模块三处理流程处理流程是 Skill 的SOP标准操作流程——它告诉 AI 按什么顺序、什么方法来处理信息。处理流程的核心价值让 AI 的输出从随机发挥变成稳定生产。没有流程AI 可能每次都用不同的方式处理有了流程AI 每次都走同样的步骤质量自然稳定。我们来看三个不同复杂度的处理流程设计流程设计一简单任务——直接处理适合翻译、摘要、格式转换 步骤1理解用户的输入内容 步骤2直接执行核心任务翻译、摘要等 步骤3输出结果流程设计二中等任务——多步有序处理适合会议纪要、数据分析、文章写作 步骤1分析输入理解内容结构和关键信息 步骤2提取需要的信息要素逐项提取 步骤3按照指定格式组织信息先搭框架再填内容 步骤4质量检查检查完整性、格式、语气 步骤5输出最终结果流程设计三复杂任务——分支多步处理适合客服分类、智能问答、复杂分析 步骤1分析用户输入判断任务类型 情况A类型A→ 走 A 流程 情况B类型B→ 走 B 流程 情况C类型C→ 走 C 流程 步骤2各分支内继续 分支A步骤A1 → 步骤A2 → 步骤A3 分支B步骤B1 → 步骤B2 分支C步骤C1 → 步骤C2 → 步骤C3 → 步骤C4 步骤3汇总各分支结果如果流程有汇总需要 步骤4输出设计处理流程的三个关键原则原则一可执行。每个步骤的动作要明确——AI 看到就知道这一步我该干什么。✅ “步骤1从输入内容中提取所有日期和参会人姓名”❌ “步骤1处理好输入数据”原则二有顺序。前一步的输出要为后一步的输入做准备。先理解再提取再组织再输出。顺序错乱会导致信息还没提取出来就开始组装了。原则三有闭环。最后一步应该是检查而不是写完就完。在输出之前加一个质量检查步骤可以让质量显著提升。子模块四约束条件约束条件是 Skill 的护栏——明确划定什么可以做、什么不可以做。约束条件的四类第一类内容约束不编造数据只使用用户提供的信息不确定的内容要标注不能猜测第二类格式约束字数不超过 XXXX 字必须使用指定的输出模板每个章节必须有内容不能为空第三类安全约束不透露系统内部的配置信息不输出其他用户的隐私数据涉及敏感信息要添加脱敏处理第四类行为约束在调用工具前先确认用户的意图执行不可逆操作前需要用户二次确认在提供建议时同时说明可能的局限性约束条件写作的黄金法则用要代替不要。这是提示词工程的核心原则之一——告诉 AI 做什么比不做什么更有效。❌ “不要写得太长”✅ “字数控制在 800 字以内”❌ “不要编造数据”✅ “只使用用户输入中明确提供的数据”❌ “不要用口语”✅ “使用正式、专业的商务语言”2.5 组件三工具集工具集是 Skill 的手脚——它让 AI 不仅能说还能做。为什么需要工具因为 LLM 有三个能力边界知识边界训练数据截止于某个时间点不知道之后的事信息边界无法访问你的私有数据库和内部系统操作边界只能在对话框里生成文字无法操作外部系统工具就是用来突破这三个边界的。工具的类型信息获取型 - 网页搜索获取实时信息 - 数据库查询访问私有数据 - API 调用获取第三方数据 操作执行型 - 发送消息/邮件 - 创建/编辑文档 - 设置日历事件 - 管理任务 计算处理型 - 代码执行做精确计算 - 数学运算 - 数据格式转换工具的配置要素每个工具的配置包含四个部分1工具名称唯一标识不要和别的工具重名2工具描述告诉 AI 这个工具是干什么的、什么时候该用描述越详细AI 调用越精准✅ “搜索互联网获取最新实时信息。当用户问及新闻、最新动态、时效性信息时使用。不要用于数学计算。”❌ “搜索”3参数定义调用这个工具需要提供什么参数每个参数都要有清晰的说明4使用规则什么条件下才能用、用了之后怎么办工具不是越多越好。每个工具都有调用成本时间消耗、API 费用而且过多的工具会让 AI “选择困难”。一般来说一个 Skill 配置 1-3 个核心工具就够了。2.6 组件四配置项配置项让 Skill 灵活起来——同一个 Skill通过调整配置就可以适应不同的使用场景。典型的配置项输出字数500 / 800 / 1000 / 自定义 → 控制输出的详细程度 输出语言中文 / 英文 / 双语 → 控制输出的语言 语气风格正式 / 专业 / 轻松 / 亲和 → 控制输出的语气 详细程度简洁 / 标准 / 详细 → 控制输出包含的信息量 输出格式Markdown / 纯文本 / JSON → 控制输出的组织方式配置项设计的核心原则每个配置项都要有合理的默认值。用户打开 Skill 什么都不改用默认值就能得到不错的结果——这是合格的设计。用户改了配置项后能得到更满意的结果——这是优秀的设计。配置项数量控制配置项数量适用场景说明0-2 个简单 Skill不需要用户调整3-5 个标准 Skill给用户基本的选择权5 个复杂 Skill需要用户参与调优超过 5 个配置项用户会觉得太复杂了。如果确实需要更多配置可以考虑把高级选项收起来。2.7 组件五执行逻辑执行逻辑是 Skill 的神经系统——它定义了信息如何在 Skill 内部流动。执行逻辑的几个关键环节环节一输入处理用户输入的内容在被送到 LLM 之前可能需要经过处理- 格式标准化把各种输入格式统一为内部格式 - 参数注入把用户的配置参数填入提示词模板 - 上下文增强补充系统自动获取的信息时间、用户身份等 - 输入校验检查输入是否符合要求长度、格式、内容环节二任务分解对于复杂任务把大任务拆解为一系列小任务大任务分析这个季度所有产品的销售表现 → 分解为 子任务1按产品分类整理销售数据 子任务2计算每个产品的增长率和贡献率 子任务3找出表现最好的和最差的产品 子任务4分析关键变化的原因 子任务5撰写综合报告环节三条件分支根据不同条件走不同的处理逻辑IF 输入长度 200字 → 简单处理模式 IF 输入长度 200-2000字 → 标准处理模式 IF 输入长度 2000字 → 先做摘要再处理模式 IF 用户选择了简洁模式 → 输出只保留核心信息 IF 用户选择了详细模式 → 输出包含完整分析环节四错误恢复当处理过程中出现异常时怎么处理工具调用失败 → 自动重试1次 → 如果还失败告知用户 格式检查不通过 → 让AI重新生成 → 重新检查 安全检查触发 → 拦截内容 → 告知用户内容被过滤第三章Skill 的工作原理——从触发到交付的完整旅程3.1 Skill 的七阶段生命周期当一个 Skill 从被触发到交付结果它经历了七个阶段。理解这个生命周期能帮你更好地设计 Skill。阶段一触发——Skill 被激活 │ ▼ 阶段二加载——加载配置和指令 │ ▼ 阶段三组装——组装成完整 Prompt │ ▼ 阶段四推理——LLM 进行分析 │ ▼ 阶段五工具调用如果需要——获取外部信息 │ ▼ 阶段六生成——产出最终内容 │ ▼ 阶段七交付——后处理并交到用户手中3.2 各阶段详解阶段一触发Skill 可以通过四种方式被触发方式一主动触发用户明确选择或输入命令来调用 Skill例子用户在输入框输入/周报来调用周报 Skill方式二意图匹配系统根据用户输入自动判断并匹配 Skill例子用户说帮我整理一下会议记录→ 系统自动匹配会议纪要 Skill方式三定时触发在预设的时间点自动执行例子每天早上 8:00 自动执行新闻推送 Skill方式四事件触发外部事件触发 Skill 执行例子收到新邮件时触发邮件摘要 Skill阶段二加载系统找到匹配的 Skill 后从存储中加载它的所有配置加载的内容包括 - 身份标识名称、版本、描述 - 完整的指令系统角色、准则、流程、约束 - 工具集所有工具的定义和配置 - 配置项用户自定义的参数和默认值 - 执行逻辑处理规则和异常策略阶段三组装所有加载的内容和用户输入组装到一起形成一个超级 Prompt┌──────────────────────────────────────────────────────┐ │ 最终的 Prompt │ ├──────────────────────────────────────────────────────┤ │ [Skill 系统指令] │ │ 角色设定、行为准则、处理流程、约束条件…… │ │ │ │ [用户当前输入] │ │ 帮我整理今天的会议纪要…… │ │ │ │ [系统上下文] │ │ 当前时间2026-05-20 15:30 │ │ 用户身份张三 │ │ │ │ [工具定义] │ │ 可用工具清单和调用规则 │ └──────────────────────────────────────────────────────┘阶段四推理组装好的 Prompt 被发送给 LLM。LLM 开始做三件事第一件事理解理解用户的意图、上下文、需要完成的任务第二件事规划决定需要什么信息是否需要调用工具按什么步骤处理第三件事执行开始生成内容或者准备调用工具阶段五工具调用可选当 LLM 判断需要外部信息时它会输出一个工具调用请求工具调用请求由 LLM 输出 { tool: query_weather, params: { city: 北京, date: 2026-05-21 } } → 系统执行这个工具 → 获取返回结果 → 将结果送回给 LLM → LLM 基于结果继续推理阶段六生成LLM 生成最终的文本输出。这个输出遵循 Skill 定义的所有规范和格式要求。阶段七交付输出经过一系列后处理格式校验检查是否符合 Markdown/JSON 规范 安全检查检查是否包含敏感信息 内容过滤移除不允许的内容 长度检查是否在字数限制内 最终呈现给用户3.3 一个完整的执行例子我们把会议纪要整理 Skill的完整执行过程走一遍用户输入“今天开了一个项目评审会参加的有张三、李四、王五。讨论了项目A的进度——基本正常但测试资源紧张项目B的需求变更——客户增加了两个新功能。决议是项目B同意变更。待办是张三负责评估工期周五前给结果。”触发阶段 系统分析输入 → 用户提到项目评审会 → 匹配会议纪要整理 Skill 加载阶段 加载 Skill 的配置和指令 - 角色资深会议秘书 - 流程理解→提取→组织→检查→输出 - 约束不编造、不确定的标注未注明 组装阶段 组装后的 Prompt 包含 [系统指令] 角色设定 流程 约束 [用户输入] 今天开了一个项目评审会…… [上下文] 当前时间 用户身份 推理阶段 LLM 分析输入 → 识别出会议主题、参会人、三个讨论点、一个决议、一个待办 生成阶段 按照 Skill 指定的输出模板生成结构化会议纪要 交付阶段 格式校验 → 安全检查 → 输出给用户 用户看到的最终结果 # 会议纪要 **会议主题** 项目评审会 **时间** 2026-05-20 **参会人** 张三、李四、王五 ## 核心讨论 1. 项目A进度基本正常但测试资源紧张 2. 项目B需求变更客户增加两个新功能讨论后同意变更 ## 待办事项 | 事项 | 负责人 | 截止日期 | |-----|--------|---------| | 评估项目B工期 | 张三 | 周五前 |第四章为什么 Skill 能创造更大价值4.1 效率价值——省时间Skill 最直观的价值把重复性劳动自动化。一个 Skill 被创作出来后可以被反复使用。每次使用只需要输入变化的部分而不变的部分由 Skill 自带。计算公式每次节省的时间 手动做这件事的时间 - 使用 Skill 的时间 累计节省的时间 每次节省的时间 × 使用次数 - 创作 Skill 的时间一个真实的例子假设你每周写周报手动需要 30 分钟。你花 2 小时创作了一个周报生成 Skill。之后每次写周报只要 5 分钟输入工作内容。第 1 周已节省30分钟但花了2小时创作暂时还是亏的第 4 周累计节省了(30-5)×4 100分钟减去120分钟的创作时间还亏20分钟第 5 周累计节省了(30-5)×5 125分钟超过了创作时间的120分钟 → 开始赚了第 10 周累计省了 250 分钟 4 个多小时所以重复频率越高、每次耗时越长的任务创作 Skill 的回报越大。4.2 质量价值——保质量Skill 的第二个价值把最佳实践固化下来。一个 Skill 的指令系统凝聚了创作者的经验和智慧最合适的角色设定最优的处理流程最完善的约束条件最规范的输出格式这意味着什么团队里最会写数据分析报告的同事把他分析的思路、框架、表达方式做成一个 Skill。其他同事使用这个 Skill产出的分析报告质量稳定在良好以上——即使使用者本身并不擅长数据分析。Skill 让个人能力变成了组织能力。4.3 能力价值——做新事Skill 的第三个价值可能是最激动人心的让 AI 做到以前做不到的事。单个提示词的能力边界是很窄的——你问它答仅此而已。但 Skill 通过工具调用 多步推理 定时触发的组合可以实现以前需要多个人、多个工具才能完成的任务。例子“竞品监控 Skill”以前要完成这个工作需要一个运营专员每天打开浏览器搜索竞品动态15分钟阅读并分析文章15分钟撰写简报15分钟发到团队群5分钟→ 每天 50 分钟现在一个竞品监控 Skill可以每天早上 8:00 自动触发定时自动搜索相关关键词工具调用自动分析搜索结果AI 推理自动生成简报并推送到团队群工具调用→ 每天 0 分钟人工全自动这就是能力价值——Skill 把 AI 从被动响应变成了主动服务。第五章Skill 的分类——了解不同种类的 Skill5.1 按功能分类根据 Skill 的核心功能可以分为六大类第一类内容生成型这类 Skill 的核心是生成文本内容。它们主要依赖 LLM 的文本生成能力通常不需要或很少需要工具调用。典型例子周报生成根据工作内容生成结构化周报文案撰写根据产品信息生成营销文案文章润色优化文章的语言表达和结构邮件起草根据场景生成商务邮件标题创作根据文章内容生成多个备选标题设计要点角色设定要精准输出格式要明确。这类 Skill 的质量 80% 取决于指令系统的质量。第二类分析处理型这类 Skill 的核心是从信息中提炼洞察。它们通常需要先理解输入再进行推理分析最后输出结论。典型例子会议纪要整理从会议记录中提取关键信息数据分析解读数据给出业务洞察文档审查检查文档中的问题和遗漏竞品分析对比多个产品的优劣势情绪分析分析文本中蕴含的情绪倾向设计要点处理流程要清晰推理链路要完整。这类 Skill 质量的关键是步骤分解是否合理。第三类信息获取型这类 Skill 的核心是获取并整合外部信息。它们必须调用外部数据源搜索、API 等来完成工作。典型例子财经资讯搜索并汇总最新财经新闻股票行情查询股票实时数据并给出解读知识问答搜索互联网获取准确答案事件追踪持续追踪某个事件的最新进展设计要点工具配置要准确信息整合要自然。这类 Skill 质量的关键是信息源的质量和整合方式。第四类自动化操作型这类 Skill 的核心是代替人执行操作。它们调用工具来执行真实世界中的操作。典型例子定时推送每天定时推送信息到指定渠道文档归档自动整理和归档文件审批提醒在审批超时后自动提醒会议安排自动协调参会人时间并创建会议设计要点安全边界要严格错误处理要完善。这类 Skill 如果出错会造成实际影响。第五类交互对话型这类 Skill 的核心是多轮对话。它们需要在多轮交互中逐步了解用户需求最终完成任务。典型例子客服咨询通过多轮对话解决客户问题需求收集通过问答逐步明确用户需求面试模拟模拟面试官进行多轮问答学习辅导根据学生水平进行个性化辅导设计要点状态管理要到位对话逻辑要清晰。这类 Skill 质量的关键是能否记住之前说了什么。第六类混合型大多数实用的 Skill 都是混合型——结合了以上多种类型的特点。例子“市场调研助手”信息获取搜索竞品信息分析处理分析信息并提炼洞察内容生成撰写调研报告自动化操作将报告推送到团队群5.2 按交互方式分类单轮 Skill用户输入一次Skill 输出一次任务结束。适用任务明确、一步到位的场景例子翻译、摘要、格式转换多轮 Skill需要在多轮对话中逐步完成任务。适用需要逐步确认信息的场景例子客服、需求收集、面试模拟静默 Skill不需要用户主动输入按预设条件自动运行。适用后台任务、定时任务例子每日新闻推送、定时数据备份第六章Skill 与提示词、Agent 的关系6.1 三者的演进关系Skill 不是一个孤立的概念。它处于 AI 交互能力演进链条的中间位置更高复用性、更强自主性 │ ┌────┴────┐ ▼ ▼ 提示词 ───→ Skill ───→ Agent 一次性 可复用 可自主决策 无工具 有工具 有多工具协作 无状态 有配置 有完整记忆提示词最基本的 AI 交互单元。一次性的、无工具、无状态。Skill封装后的 AI 能力模块。可复用、有工具、可配置。Agent自主的 AI 智能体。可自主决策、多工具协作、有长期记忆。6.2 核心差异对比维度提示词SkillAgent复用性低每次重写高一次创作多次使用中依赖场景工具调用无有预设工具有动态选择状态管理无简单配置和上下文完整长期记忆自主决策无有限在预设范围内高可自主调整策略组合能力无有可被编排有内嵌编排创作门槛低中高6.3 什么时候用哪个对于初学者来说选择原则很简单一次性的任务 → 写提示词就够了要做多次的重复任务 → 封装成 Skill需要自主规划和多步决策 → 考虑 Agent大部分日常工作中的 AI 需求用 Skill 就可以很好地解决。第七章从使用者到创作者——你需要做的准备7.1 心态上的准备创作 Skill 最需要的不是编程能力而是一种思维方式的转变。转变一从写一次到设计系统写提示词时你只需要考虑这一次这一次用户输入什么这一次格式长什么样这一次语气怎么样创作 Skill 时你需要考虑每一次每次可能有什么变化→ 提取为变量每次可能出现什么异常→ 设计兜底逻辑每次用户的需求可能有什么差异→ 设计配置项转变二从个人使用到可能被共享你自己的提示词只需要你自己能看懂。但 Skill 可能会被共享——团队成员甚至陌生人都可能使用。所以 Skill 需要清晰的名称和描述完整的配置说明易懂的示例转变三从追求一次完美到接受迭代优化第一版一定不够好。这不是能力问题这是规律。好的 Skill 不是写出来的是迭代出来的。v1.0 能用就行v1.1 修一些 bugv1.2 加一些功能——这才是健康的创作节奏。7.2 知识上的准备创作 Skill 的最少必要知识清单必须理解 □ 输入→处理→输出三层框架 □ 角色设定是什么、为什么重要 □ 约束条件怎么写、约束什么 □ 怎么用变量让 Skill 灵活 最好了解 □ 工具是什么、怎么配置工具 □ 条件分支怎么写 □ 怎么测试和迭代 不需要知道 □ Transformer 架构 □ 注意力机制原理 □ 模型训练方法 □ 编程语言7.3 实践上的准备创作第一个 Skill 的最佳路径第一步选择一个你每周至少做 3 次的重复任务 → 写周报整理会议纪要分析数据 → 重复频率越高Motivation 越强 第二步用三层框架设计你的 Skill → 输入层用户给我什么 → 处理层我怎么加工 → 输出层我怎么交付 第三步先做一个能用的版本 → 不管完美不完美先让它跑起来 第四步用起来观察哪里不够好 → 每次使用都留意这里可以改 第五步迭代优化 → 改角色设定改流程加约束加工具写在最后——准备好成为 Creator 了吗提示词让你成为 AI 的使用者——你能用好 AI。Skill 让你成为 AI 的创作者——你能让 AI 为你工作。从使用者到创作者需要的不是技术基础而是观察和抽象的能力——观察你工作中那些反复做的事情把它们抽象成一个可以被 AI 自动完成的系统如果你准备好了后面的 9 篇文章将带你一步步走完全程第2篇Skill 核心架构——输入、处理、输出 第3篇手把手创作第一个 Skill 第4篇Skill 提示词设计精要 第5篇工具集成——让 Skill 有手脚 第6篇状态管理与上下文控制 第7篇错误处理与边界设计 第8篇测试与质量保障 第9篇组合与编排——复杂工作流 第10篇生态建设与未来趋势课后练习观察练习接下来一周记录你每次使用 AI 的场景。标出那些每周至少做 3 次的任务——它们就是 Skill 的最佳候选。拆解练习找一个你常用的 AI 功能如总结文章尝试用输入→处理→输出的框架拆解它。创意思考列出 3 个你工作中费时且有固定套路的任务为每个任务写一句话说明如果做成 Skill输入是什么、输出是什么。下一篇预告《第2篇Skill的核心架构——输入、处理、输出三要素》任何一个 Skill无论多复杂它的内部都可以被抽象为输入层、处理层、输出层三个层次。下一篇我们深入拆解这三个层次建立 Skill 设计的通用蓝图。提示词让你成为 AI 的使用者。Skill 让你成为 AI 的创作者。你准备好迈出这一步了吗