从0到1手写一个Skill：我的竞品情报分析工作流实战教程

本文目录先选一个值得做成 Skill 的场景纯手写一个最小可用 Skill把 Skill 从提示词升级成工作流用 Skill Creator 继续打磨在 Codex 中使用这个 Skill直接安装市面上的现成 Skill一、先选一个值得做成 Skill 的场景不是所有提示词都值得做成 Skill。如果一件事只做一次直接对话就行。Skill 适合那些你会反复做、每次步骤都差不多、但又很容易漏细节的任务。我们这篇选一个比较实用的例子竞品情报分析 Skill。比如你可以这样对 Codex 说帮我分析一下飞书最近的产品策略重点看定价、发布节奏、目标用户和对国内协同办公产品的启发。结果如下不管内容如何从结构上看不能不一定满足我们的诉求这个任务看起来只是“调研一下”但如果你做过就知道它其实有一套稳定流程先确认分析对象和目标市场优先找官网、定价页、文档、更新日志等一手信息再补充媒体报道、社区讨论、用户评价等二手信息把事实和推断分开写最后输出对自己产品有用的判断这就是一个很适合 Skill 的场景。判断标准竞品情报分析是否满足会反复使用产品、投资、运营、市场都经常需要步骤相对固定信息源、分析框架、输出格式都可以标准化容易漏细节很容易只看新闻不看定价、文档和更新日志有验收标准必须有证据链接必须区分事实和推断二、纯手写一个最小可用 Skill我们先不用 Skill Creator也不借助任何脚手架。一个 Skill 最小只需要一个目录和一个SKILL.md文件。这里建议先放在~/.codex/skills/目录下。这个目录可以理解成 Codex 的个人 Skill 仓库放进去的 Skill 只对你自己的本地 Codex 生效适合沉淀私人工作流也不会污染项目代码仓库。~/.codex/skills/ └── jingpin-fenxi/ └── SKILL.md如果你不熟悉终端完全可以用图形界面创建打开用户目录下的.codex/skills文件夹新建一个jingpin-fenxi文件夹再在里面新建SKILL.md文件。不建议把终端命令当成唯一入口。Skill 本质上就是一个文件夹加一份说明文档用 Finder、VS Code、Cursor 或 Codex 的文件页面创建都可以。然后写入下面这段内容--- name: jingpin-fenxi description: 竞品情报分析工作流。当用户要求分析某个竞品、比较产品、研究定价、产品定位、版本更新、目标用户、市场策略或生成带证据链接的竞品分析报告时使用。 --- # 竞品分析 使用这个 Skill 生成有证据支撑的竞品分析。 ## 工作流程 1. 先确认分析对象、目标市场和用户的决策背景。 2. 优先查找一手信息 - 官方网站 - 定价页 - 帮助文档 - 更新日志或版本说明 - 客户案例 3. 一手信息不足时再补充二手信息 - 媒体报道 - 社区讨论 - 应用商店评价 - 公开访谈或演讲 4. 把事实、推断和个人判断分开写。 5. 重要结论必须附上来源链接。 6. 结尾要给出对用户自己产品、业务或投资判断的启发。 ## 输出结构 请使用下面的结构 1. 一句话结论 2. 产品定位 3. 目标用户 4. 定价和套餐 5. 产品更新节奏 6. 差异化能力 7. 风险和盲区 8. 对我们的启发 9. 信息来源列表这就是一个最小可用 Skill。别看它短它已经把最重要的东西写进去了什么时候触发、按什么步骤做、最后输出什么。写完之后不要急着继续加功能。第一步应该先做一次触发验证。打开 Codex新开一个对话直接输入一个符合触发条件的问题帮我分析一下飞书和钉钉在企业协同办公市场的差异重点看产品定位、目标用户、定价和最近半年产品更新。如果自动触发不稳定也可以先显式指定 Skill使用 jingpin-fenxi Skill帮我分析飞书和钉钉在企业协同办公市场的差异。这时不要只看 Codex 有没有“回答得像样”而要看它有没有按照 Skill 的结构输出。一个正常的结果至少应该长这样1. 一句话结论 2. 产品定位 3. 目标用户 4. 定价和套餐 5. 产品更新节奏 6. 差异化能力 7. 风险和盲区 8. 对我们的启发 9. 信息来源列表下面是使用了Skill的执行步骤可以看到有加载Jingpin Fenxin skill下面是根据Jingpin Fenxi skill生成的结果可以符合我们的预期如果输出里没有这些栏目说明 Skill 没有触发或者触发了但约束不够强。这个时候优先回去改description和输出要求而不是急着往里面堆更多内容。第一个 Skill 不要追求复杂。先让它能稳定触发、稳定输出再逐步增强。三、拆开一个完整 Skill每个目录到底放什么最小 Skill 只有一个SKILL.md就够了。但只要你开始在真实工作里使用就会很快遇到一个问题所有东西都写进SKILL.md它会变得又长又乱。所以一个成熟的 Skill通常会把“流程、资料、脚本、素材”拆开放。jingpin-fenxi/ ├── SKILL.md ├── references/ │ ├── report-template.md │ ├── saas-analysis-framework.md │ └── source-checklist.md ├── scripts/ │ ├── extract-links.py │ └── build-evidence-table.py └── assets/ ├── report-template.docx └── evidence-table.xlsx这个结构看起来复杂了一点但它的好处非常明显Codex 先读轻量的工作说明需要深入时再读取资料需要稳定处理时再调用脚本需要生成正式文件时再使用模板。目录适合放什么竞品分析里的例子SKILL.md核心流程和触发规则调研步骤、输出结构、质量标准references/长文档、框架、模板SaaS 分析框架、竞品报告模板、常见指标说明scripts/确定性强、重复运行的脚本抽取网页链接、清洗 CSV、生成证据表assets/最终产物会用到的模板和素材报告模板、表格模板、公司内部 PPT 模板1. SKILL.md放最核心的工作说明SKILL.md是 Skill 的入口里面不要塞太多细节。它最该负责三件事告诉 Codex 什么时候使用这个 Skill。告诉 Codex 做事的主流程。告诉 Codex 遇到不同情况时该去读哪个文件或用哪个脚本。比如进阶版的SKILL.md可以加上这样的导航## 资料读取规则 - 用户要求正式报告时先读取 references/report-template.md。 - 用户要求分析 SaaS 产品时先读取 references/saas-analysis-framework.md。 - 用户要求检查信息来源是否充分时读取 references/source-checklist.md。 - 用户提供很多链接时可以运行 scripts/extract-links.py 整理链接。 - 用户要求输出证据表时可以运行 scripts/build-evidence-table.py。这类内容很关键因为它让 Skill 从“长提示词”变成了“带路线图的工作流”。2. references放需要按需读取的资料references/适合放比较长、但不是每次都要读的内容。以竞品分析为例常见的参考文件可以这样设计文件里面放什么什么时候读取report-template.md正式竞品报告结构、标题层级、结论写法用户要求“写报告”“给老板看”“可直接发给团队”时saas-analysis-framework.md产品定位、客群、定价、渠道、留存、生态等分析框架分析飞书、钉钉、企业微信这类 SaaS 或协同办公产品时source-checklist.md官网、定价页、更新日志、帮助文档、媒体报道等信息源清单需要判断证据是否充分或用户要求“不要拍脑袋”时这里的重点是references 不是垃圾桶。不要把所有资料都丢进去而是要让每个文件都有明确用途并在SKILL.md里说明什么时候读。3. scripts放需要稳定执行的动作scripts/不是必需的但一旦任务里出现重复、机械、容易出错的动作就很适合写成脚本。比如竞品分析经常要处理大量来源链接。让模型每次手动整理容易漏写成脚本结果就稳定很多。scripts/ ├── extract-links.py └── build-evidence-table.py这两个脚本可以分别负责extract-links.py从网页快照、Markdown 笔记或调研材料里抽取链接去重后按来源类型分类。build-evidence-table.py把“结论、证据、来源、可信度、备注”整理成 CSV 或 Excel 表格。判断一个动作要不要放进 scripts可以看三个问题它是否重复出现是否需要准确无误是否用代码比用自然语言更稳定如果答案是肯定的就值得脚本化。4. assets放最终产物会用到的模板assets/放的不是说明文档而是最终产物会直接用到的素材。比如你希望 Codex 最后生成一份可以发给团队的 Word 报告或者一张证据表就可以把模板放这里。assets/ ├── report-template.docx └── evidence-table.xlsx和references的区别在于references 是给 Codex 读的assets 是给最终结果用的。一个好 Skill 的目录结构应该让人一眼看出哪里是工作流程哪里是知识资料哪里是自动化脚本哪里是输出模板。四、用 Skill Creator 继续打磨手写版本已经能用但如果你想做得更规范可以让 Skill Creator 帮你升级。它适合做几件事帮你确认这个 Skill 应该处理哪些场景帮你优化description让它更容易被触发帮你决定哪些内容放进references哪些做成scripts帮你补测试用例验证 Skill 是否真的稳定你可以直接在 Codex 里这样说帮我创建一个 jingpin-fenxi Skill。 目标当我让 Codex 分析某个竞品、产品策略、定价、发布节奏、目标用户时自动使用这个 Skill。 输出一份带证据链接的竞品分析报告要区分事实、推断和对我们的启发。 请先帮我设计最小版本再告诉我哪些内容适合放到 references、scripts 和 assets。CodeX会根据我们的要求生成对应的skill生成的位置在~/.codex/skills如下所示只包含了SKILL.md一个好的 Skill Creator 工作流不是上来就生成一堆文件而是先问清楚你到底想让这个 Skill 解决什么问题什么输入什么输出什么算成功这里有个容易忽略的点所谓“让 Codex 帮我创建 Skill”并不是 Codex 凭空知道所有最佳实践。更准确地说是 Codex 触发了一个专门用来创建 Skill 的 Skill也就是skill-creator。skill-creator本身也是一个 Skill。它里面沉淀的是“如何创建 Skill”的流程比如先澄清使用场景再设计触发描述再拆分 references、scripts、assets最后用测试用例验证效果。关于Skill Creator可以在Codex的skills市场中进行安装所以这其实是一个很有意思的递归用一个 Skill去创建另一个 Skill。那实际工作里到底应该先手写还是直接用 Skill Creator我的建议是分场景。场景推荐方式原因第一次学习 Skill先手写一个最小版本能理解目录、触发、description 和输出约束到底怎么工作已经清楚自己要什么直接用 Skill Creator 生成效率更高也更容易补齐边界条件和测试用例有一套现成工作流先写草稿再让 Skill Creator 优化人的经验先落地Creator 再帮你结构化、规范化要做复杂 Skill用 Skill Creator 主导复杂 Skill 需要拆目录、写资源文件、设计验证方式手工容易漏如果只给一句实践建议我会这么说学习时先手写生产中用 Skill Creator有草稿就让它优化没有草稿就让它先访谈你。手写 Skill 适合理解底层结构Skill Creator 适合把真实工作流做规范、做完整、做可验证。两者不是二选一而是从理解到生产化的两个阶段。五、在 Codex 中使用这个 SkillSkill 写好以后最自然的用法是让 Codex 自动触发。比如帮我分析一下飞书和钉钉在产品定位上的差异重点看目标用户、定价和最近半年产品更新。如果description写得好Codex 应该能判断这是一个竞品情报任务然后自动加载jingpin-fenxi。你也可以显式指定使用 jingpin-fenxi Skill帮我分析飞书、钉钉、企业微信在企业协同工作流上的差异。如果你发现 Codex 没有触发这个 Skill优先检查两件事Skill 是否放在 Codex 能发现的位置比如~/.codex/skillsdescription是否写清楚了触发场景很多时候不是 Skill 没用而是它的 description 太含糊。比如只写“分析竞品”就偏弱最好把“定价、定位、产品更新、市场策略、目标用户、竞品报告”这些触发词都写进去。六、直接安装市面上的现成 Skill当然并不是所有 Skill 都要自己写。现在已经出现了一些 Skill 市场和 Skill 中心。比如 ModelScope Skills 技能中心 就可以直接浏览现成 Skill如果想先看官方说明也可以打开 ModelScope Skills 文档。第一种方式是在页面上找到某个 Skill然后按页面给出的命令安装。比如 vercel-labs/find-skills 这个 Skill作用是帮你继续发现和安装其他 Skill。npx skills add https://www.modelscope.cn/skills/vercel-labs/find-skills安装完成后你就可以让 Codex 使用这个 Skill 来帮你找更多能力。比如直接问有没有适合做数据分析的 Skill帮我找几个安装量比较高的。我在本地试了一下底层相当于执行了一次 Skill 搜索npx skills find data analysis返回结果里会列出候选 Skill、安装量和详情链接例如supercent-io/skills-templatedata-analysis 13.8K installs github/awesome-copilotdatanalysis-credit-risk 6.9K installs claude-office-skills/skillsdata-analysis 2.8K installs bytedance/deer-flowdata-analysis 1.9K installs这就是find-skills的价值你不需要一开始就知道世界上有哪些 Skill只要描述需求它就能帮你把候选项找出来再让你根据安装量、来源和用途做判断。第二种方式是你已经知道要安装哪个 Skill就直接用安装命令。比如从上面的搜索结果里挑一个数据分析 Skill可以按包名安装npx skills add supercent-io/skills-template --skill>2026年AI行业最大的机会毫无疑问就在应用层字节跳动已有7个团队全速布局Agent大模型岗位暴增69%年薪破百万腾讯、京东、百度开放招聘技术岗80%与AI相关……如今超过60%的企业都在推进AI产品落地而真正能交付项目的大模型应用开发工程师****却极度稀缺落地AI应用绝对不是写几个prompt调几个API就能搞定的企业真正需要的是能搞定这三项核心能力的人✅RAG融入外部信息修正模型输出给模型装靠谱大脑✅Agent智能体让AI自主干活通过工具调用Tools环境交互多步推理完成复杂任务。比如做智能客服等等……✅微调针对特定任务优化让模型适配业务目前脉脉上有超过1000家企业发布大模型相关岗位人工智能岗平均月薪7.8w实习生日薪高达4000远超其他行业收入水平技术的稀缺性才是你「值钱」的关键具备AI能力的程序员比传统开发高出不止一截有的人早就转行AI方向拿到百万年薪AI浪潮正在重构程序员的核心竞争力现在入场仍是最佳时机我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】⭐️从大模型微调到AI Agent智能体搭建剖析AI技术的应用场景用实战经验落地AI技术。从GPT到最火的开源模型让你从容面对AI技术革新大模型微调掌握主流大模型如DeepSeek、Qwen等的微调技术针对特定场景优化模型性能。学习如何利用领域数据如制造、医药、金融等进行模型定制提升任务准确性和效率。RAG应用开发深入理解检索增强生成Retrieval-Augmented Generation, RAG技术构建高效的知识检索与生成系统。应用于垂类场景如法律文档分析、医疗诊断辅助、金融报告生成等实现精准信息提取与内容生成。AI Agent智能体搭建学习如何设计和开发AI Agent实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等。如果你也有以下诉求快速链接产品/业务团队参与前沿项目构建技术壁垒从竞争者中脱颖而出避开35岁裁员危险期顺利拿下高薪岗迭代技术水平延长未来20年的新职业发展……那这节课你一定要来听因为留给普通程序员的时间真的不多了立即扫码即可免费预约「AI技术原理 实战应用 职业发展」「大模型应用开发实战公开课」还有靠谱的内推机会直聘权益完课后赠送大模型应用案例集、AI商业落地白皮书