先说结论Skills 不神也不废。它是一个你其实早就用过、但未必认真琢磨过的功能——往浅了说它是一次性写好的“行为剧本”往深了说它把你在某个重复场景里的做事套路固定成了一个随时可调用的工作流。我看太多人把它妖魔化了以为会创建几个 Skill 就是提示词大师、人形自动化引擎也看太多人用了一次没见效就宣判它没卵用、智商税、花架子。两种判断都挺可惜的因为它的真实价值介于两者之间靠的不是写得多花哨而是能不能踩准你的真实痛点。写这篇东西不是为了教你背概念。我想把 Skills 的底层逻辑拆开——它本质是什么、为什么有的人做得神、有的人做得废然后给你一条特别朴素的路径2 分钟创建一个能跑起来的 Skill最后聊聊我见过、也亲手做过的那些“痛出来的好 Skill”到底长什么样。如果你手头正好有一个反复出现的糟心工作读完之后你应该可以直接去动手不用再问别人“我这个场景能不能建 Skill”。1. Skills 到底是个啥不是增强版 AI是给 AI 写“条件反射”我不太喜欢把 Skills 讲成“AI 技能”“插件”或者“智能体”这种词。因为它听起来像一个独立的程序、一个能自己干活的机器人但实际上它的本质简单得有点朴素——Skills 是在 AI 对话之前预先注入的一组行为约定让 AI 在收到特定指令时按照你写好的方式去处理问题。通俗一点说普通对话是“你现点菜厨师看心情炒”Skill 对话是“你走进一家火锅店服务员直接端上你常年点的那口锅底——微辣、多蒜、少油、加一份豆花连蘸碟都给调好了”。1.1 拆解一次调用触发词、处理流程、输出约束一个 Skill 能跑起来靠的是三层结构。第一层是触发条件。你可以定义一个词、一句话甚至一个场景前缀它决定“什么时候启动这份剧本”。比如你把触发词设为“周报”每次对话里只要包含“周报”两个字AI 就会切到周报模式。这个很像快捷键不神秘。第二层是处理流程。这是最核心的部分——告诉 AI 拿到素材之后分几步走、按什么顺序思考、中途要做什么判断。比如写周报时先提取工作内容再对照上周计划做差异分析最后补一句风险提示。这一层决定了 AI 是在替你干活还是在替你复读。第三层是输出约束。规定结果长什么样——分段、表格、字数、语气。有人觉得输出格式不重要其实恰恰是它让 AI 的回答从“一堆字”变成“一份能直接交出去的东西”。没有这层你的 Skill 和一段普通 Prompt 没有本质区别。1.2 为什么有人觉得它神有人觉得它废我观察到一个特别有意思的现象觉得 Skills“神”的人多半是从一个厉害的同事或博主那里看到了成品效果——一句话生成一份漂亮的报告、一键分类几十封邮件感觉像变魔术。觉得 Skills“废”的人多半是自己动手建了一两个发现 AI 根本不听话输出和自己手动写没差多少于是放弃。这两个视角都没错但都漏了最关键的因素Skill 的质量不在功能本身而在你有没有把一个具体场景“想透”。它不神因为它不会凭空产生你脑子里的信息。它不会知道你上周和客户通了什么电话、为什么这版方案被驳回。你给的素材越潦草它的输出越空洞。它也不废因为它确实能把“你已经想得很明白、但每次都要重复组织一大段话”的工作压缩成一秒钟。废的不是功能是没想清楚就创建、又懒得迭代的习惯。1.3 一个最小的例子有没有 Skill 的区别我给你举一个最小的例子。假设你每个月要整理一次项目复盘需要把零散的聊天记录、邮件、文档片段汇总成一份给部门看的纪要。不用 Skill 的那次你打开对话框输入“帮我把下面这些材料整理成月度复盘要求分模块说明进展和风险……”然后每次都要重新打一遍偶尔还会漏写格式要求AI 输出的风格每次都不一样。用 Skill 的那次你只需要输入“复盘 粘贴材料”AI 自动按你写好的骨架——项目概览、关键进展、阻塞项、下月计划、风险预警——逐项处理。稳定、统一、不跑偏。差别不在“AI 更聪明了”而在“你的做事逻辑被固化下来了”。2. 底层逻辑Skills 是提前写好的“剧本”不是魔法我知道你会说这不就是设置一段系统提示词吗对啊就是提示词。但如果你想用好它只把它当成“一段提示词”是不够的。你得把它理解成一个带触发条件和固定行走路线的剧本。2.1 剧本三要素场景设定、对白规则、舞台调度一套完整的 Skill 剧本至少包含三样东西场景设定告诉 AI 当前是什么处境。你是产品经理、运营、还是设计师你在做周报、会议纪要、方案润色还是数据分析这一步决定了 AI 用什么样的知识背景来理解你的话。对白规则告诉 AI 怎么和你沟通。是言简意赅还是论述充分是直接给结论还是先给过程再下结论需不需要提问澄清语气是正式还是口语化这一步决定了 AI 的“说话性格”。舞台调度告诉 AI 按什么顺序组织内容。先干什么、后干什么哪些信息必须保留哪些信息可以省略。这一步决定了 AI 的“动作路径”。三个要素锅底才算完整。缺了场景设定AI 可能用错的行业模板缺了对白规则它可能长篇大论甩给你一篇论文缺了舞台调度它会东一榔头西一棒子看起来很全但结构是散的。2.2 从一段真实指令看懂 Skill 的运行逻辑我带你看一段我实际写过的小 Skill你就明白剧本里每句话是干嘛的。这是一个给“运营周报”用的辅助指令你是电商运营团队的助手。我将提供本周的关键数据、活动复盘和用户反馈摘录。你的任务是生成一份周报格式如下 一、本周核心数据用表格呈现包含较上周的变化幅度 二、关键动作复盘只列3项最重要的事项每项不超过2行 三、异常与风险如果数据下滑给出2个可能的归因推测 四、下周计划按优先级排序最多5条 注意 1. 不要编造数据分析中只能使用我给定的信息 2. 避免空话套话每一句话都尽量落到具体的动作和数据上 3. 在周报末尾用一句话点出“本周最重要的一个判断”。这里的“你是电商运营团队的助手”是场景设定“用表格呈现”“不超过 2 行”“最多 5 条”是对白规则和舞台调度。当我在对话里输入“周报”二字并粘贴本周素材时AI 就会严格按照这个流程走输出结果我在第一次测试时就基本满意后续只调整过两处格式。2.3 Skills 和普通 Prompt 的区别在哪有人会问这不就是普通 Prompt 吗我平时写 Prompt 也能达到同样效果。对如果只是单次对话效果确实一样。Skills 的真正优势在三个地方第一是“长期记忆”。你把一套流程保存下来下次调用时不用重新写。这等于你的电脑里多了一个专业的、打磨好的模板库。第二是“稳定输出”。普通对话时AI 容易被你偶尔多说的半句话带偏Skill 因为有固定框架兜底即使上下文里混入了多余信息它也会优先按剧本走。第三是“可迭代”。当你发现输出有问题只需要在 Skill 里改两个字下次用的时候它就更准了。它像一道菜谱你可以不断微调盐和火候不必每次都从洗菜开始。所以你可以把 Skill 看成 Prompt 的“生产化封装”——从一次性的临时对话变成了可复用、可维护的标准作业程序。3. 2 分钟上手从零到一创建你的第一个 Skill这一节我不讲虚的直接把创建流程拆成可执行的步骤。市面上主流 AI 助手都有类似功能路径可能略有差异——有些叫“Skill”有些叫“智能体”“自定义指令”——但底层逻辑完全一致。我以通用的创建入口为例3.1 创建前确定三件事打开创建页面之前先把下面三个问题想清楚想不清楚的话直接开干后面你会来回改。第一这个 Skill 服务哪个固定场景写日报、做会议纪要、翻译邮件、润色文案、分析用户反馈都可以。但必须是你每周至少用一次、有明确产出的重复场景。第二它的输入是什么你要提供素材还是 AI 需要向你提问如果素材是零散的你要在 Skill 里写清楚“需要用户提供以下信息项目背景、当前数据、具体需求”还是“请直接粘贴原始材料”。第三它的输出长什么样这一步直接决定可用性。建议你在纸上画一下输出骨架是表格、列表还是段落分几块每块大概多少字画得越具体AI 跑得越准。3.2 六步创建法照着抄就行第一步新建一个 Skill取一个具体的名字。不要叫什么“效率助手”直接叫“运营周报生成器”“英文邮件润色”“客户反馈分类”。名称本身就是触发信号的组成部分越具体越不容易误触发。第二步写一段“角色与目标”。一到两句话即可。比如“你是资深电商运营助手专用于生成结构化周报”。注意这里不要写复杂人物设定写清楚“你是谁、要干嘛”就够了。第三步写“输入说明”。明确告诉 AI“用户会提供以下素材本周数据表、活动复盘文本、用户评论摘录。如果素材缺失请先提醒不要自行补充。”第四步写“处理流程”。按顺序列 35 步操作。比如1. 先整理核心数据标注变化幅度2. 从中提炼 3 条关键动作3. 识别异常数据并给出推测4. 形成下周计划。第五步写“输出格式”。把你画好的骨架写下来。可以用“请按以下格式输出”加上具体的结构标记。这部分写得越细AI 的“形式感”越好。第六步保存测试调整。保存后立刻测试一次——喂给你手头现成的旧素材看输出质量是否超过你手动操作的平均水准。这六步做完九成的新手都能得到一个能用的雏形。整个过程熟练之后 2 分钟确实够慢一点也不会超过 5 分钟。3.3 动手时最容易踩的两个坑第一个坑是写得太理想化。有人会要求 AI“洞察深层问题”“提供战略建议”但它手头只有你的三段流水账硬编出来的“战略建议”必然是废话。把目标收敛成“基于给定信息归纳整理”比“超越信息本身给出洞见”靠谱得多。第二个坑是想一次搞定所有场景。有人给一个 Skill 塞进日报、周报、月报、会议纪要、方案模板结果 AI 每次都不知道该按哪个规则走。Skill 宁可小而专不要大而全。一个 Skill 只对一种场景负责用的时候才顺手。4. 那些“痛出来的好 Skill”从需求到落地的完整拆解这是全篇最值钱的部分。有些案例是我自己反复迭代过的有些是我看着身边同事从 0 建起来的。它们的共同点是都不是为了“玩功能”而建的都是因为某件破事重复恶心了足够多次痛到忍无可忍才动手去做的。4.1 会议纪录噪音太多我决定做“会议决议提炼器”先说我自己的一个案例。我过去开完会习惯把语音转文字扔给 AI让它帮我总结。但我发现它写的纪要有一个通病不分主次把“谁说了什么”全写进去一份一小时的会能出来三千字我找重点还是要花十分钟。更烦的是会议中 80% 的内容是讨论过程真正需要跟进的只有几个结论。这个 Skill 的目标很窄只输出“结论和待办”。我给它设计的流程是先识别会议主题和参与人一句话概括“这场会最终决定了什么”列出所有明确的决议事项每条后面标注“相关人”列出后续动作格式统一为“谁、在什么时间之前、完成什么事”如果原始内容里存在悬而未决的问题单列“未决事项”不超过 3 条。实测下来一场 40 分钟的产品沟通会AI 输出的纪要能压缩到 200 字左右而且每一条都落在“我需要跟进什么”上。这个 Skill 我第一次写完只用了 3 分钟但在此之前我已经被“无效纪要”折磨了三个月。痛得够深做出来的东西才够准。4.2 每次写英文邮件都要套模板我顺手建了“邮件变体生成器”我的工作日常里有大量英文邮件往来内容不外乎确认时间、跟进进度、催办交付、礼貌回绝。这些邮件结构高度类似但每次打开浏览器都要重新组织措辞还会不自觉地把语气写得太生硬。有一次我实在受不了建了一个 Skill输入“邮件催办项目交付进度”。流程是先提炼当前项目状态再用我给定的事实梳理成三段落——进展回顾、当前阻塞、下一步安排最后生成三个语气版本中性偏正式、简短直接、温和委婉。这个 Skill 帮我解决了两个问题第一措辞的“得体”程度稳定了不会情绪上头写出太冲的句子第二句式不再千篇一律AI 会基于同一个事实生成几个不同表达我挑一个改改就能发。它的诞生不是因为我研究了多少提示词技巧而是因为我连续三周都在为“如何把催办邮件写得既明确又不冒犯”熬夜。4.3 客户反馈一多就看不过来分类 Skill 成了我的信息“分诊台”前阵子我帮一位做用户研究的朋友处理过一批客户反馈。几百条文本有产品功能建议、有 bug 报告、有售后投诉、有纯情绪宣泄。它们混在一起人工一条条贴标签又慢又烦。我们做了一个分类 Skill核心逻辑是先判断反馈类型再提取关键实体功能名、设备型号、页面路径最后生成一张汇总表每类附 3 条代表样本。注意这里有个特别关键的细节——我们明确要求 AI“如果你不确定某条反馈属于哪个分类不要硬猜标入‘待人工判断’。”这行字看着简单实际上让整个 Skill 的可用性上了一个台阶AI 不必为了“看起来很完整”而误判保留人审兜底的空间。这个 Skill 不是靠一句“帮我分类这些反馈”实现的。那句指令最多给你一个粗略的分桶真正的价值在于后面的判断规则和输出框架而这些规则的产生完全是因为我们清楚“错误分类比不分类更可怕”这个痛点。4.4 案例复盘它们到底“痛”在哪回头总结这三个案例你会发现一件有意思的事这些 Skill 解决的问题都不是“AI 做不到”的事而是“我每次都要重复说一遍规则”的事。写周报AI 能做到但每次都要临时组织规则太累翻译邮件AI 能做到但每次微调语气太耗神分类反馈AI 也能做到但每批新数据来了都要从头交代背景。Skills 真正消灭的是这种“反复交代、反复示范、反复校对”的隐性成本。所以判断一个好 Skill 的标准很简单它是不是为你反复做且做烦的事提供了一个稳定的“默认值”如果答案是是那它就算得上一个好 Skill。如果答案是否那它大概率只是个摆设。5. 创建 Skill 有没有“公式”我总结了三要三不要老实讲Skills 没有唯一正确的写法——不同场景、不同人的习惯写出来的东西天差地别。但这些年在不同场景里打磨下来我总结出了几条通用的经验法则你写的时候可以照着对一遍。5.1 要写具体动作不要写抽象品质很多新手喜欢在 Skill 里写“请用专业的语言回答”“请给出深刻的洞察”。这些话听起来很高级但都属于 AI 难以量化的抽象品质——它不知道“专业”在你这里是什么标准“深刻”是什么浓度。更好的写法是给出可检验的动作。比如“专业”改成“在每段论述后附上 1 条数据支撑或事实依据”“深刻”改成“在结论前先列出 2 个可能的反方论点再给出你的判断”。动作越具体AI 越容易执行。5.2 要限定输出结构不要让 AI 自由发挥自由发挥是 AI 的默认姿态但对于生产力工具这不是好事。你想想如果每次生成的周报段落数都不一样、格式每次都有变化你还得花时间重新排版那 Skill 的意义就大打折扣。我的做法是在输出格式里写死“第一段写什么、第二段写什么、第三段写什么”甚至可以用序号标出来。AI 在格式约束下的发挥空间越小输出的一致性越好。这就像一份火锅店的标准锅底配方——你可以让顾客选辣度但不能让厨师每次凭感觉放辣椒。5.3 要给示例不要只讲规则文字规则有歧义示例没有。当你说“写一段得体的拒绝邮件”时AI 不一定知道“得体”在你语境里的边界。但你要是塞进去一个“你之前写过的得体范本”“一段你认为语气到位的参照文本”它立刻就能仿着那个调子生成。尤其在“语气”“风格”这类偏主观的要求上示例远比描述高效。你可以提供两个极端例子比如“这是语气太硬的版本这是语气太软的版本请取中间值。”这样的锚点AI 一抓一个准。5.4 附赠一个可直接套用的 Skill 模板框架下面这个模板不算完美但足够支撑你从 0 到一个能用的初版激活条件当用户输入【你的触发词】时启用以下规则 角色定位你是【角色名】擅长【一句话能力描述】 输入要求用户需提供【具体素材类型】若素材不足先追问 处理流程 1. 【步骤一理解素材做基础清理】 2. 【步骤二按某逻辑分组或提取】 3. 【步骤三形成结论/建议之前先区分事实与推测】 输出格式 一、【模块名】具体说明含格式要求 二、【模块名】具体说明含格式要求 红线约束 【此项可选例如不要编造数据不要输出空话不确定时标“待确认”】你把自己那个具体场景往这个框里填一遍基本就能得到一个靠谱的初版了。框架不神但它帮你把该想清楚的事都逼着想清楚了一遍。6. 为什么你的 Skill 有时候不灵排查经验实录再好的 Skill也不可能一次写完美。我在实际使用中积累了不少踩坑经验有些问题出现的频率很高值得单独拿出来讲。6.1 触发词太普通Skill 根本没“醒来”我最早写过一个小工具触发词叫“帮助”。结果对话里只要出现“请帮助我整理一下……”这种话它就被唤醒了然后开始执行本该另一个场景才用的流程贼尴尬。触发词一定要足够唯一最好是那种只会在你特定场景里出现的短语比如“生成迭代周报”“写客户催办邮件”。宁可长一点也不宜太泛。如果触发词太接近日常用语AI 会非常频繁地误触发。6.2 素材不完整AI 靠“脑补”完成任务有段时间我发现自己的 Skill 输出质量时好时坏后来排查下来问题出在输入侧——我有时丢给它的材料只有三行摘要它就开始写详细版周报中间全是编造的细节。它不是想骗我而是在“信息不足”时被迫自洽。解决办法是在 Skill 里写死一句硬规则“如果用户提供的素材缺少关键字段请先列出缺失项要求用户补齐而不是自行推测。”这句话看着简单但它能让 AI 从“生成器”切回“助手”的角色。6.3 Skill 之间互相打架当你建的 Skill 变多了可能出现两个各管一摊的 Skill 同时被唤醒的情况。这时候 AI 不知道怎么取舍输出的东西一会儿像 A一会儿像 B。我的经验是在命名和触发词设计时给每个 Skill 划清边界。互相覆盖面太大的要合并核心逻辑确实不同的要把触发词区分得更明确。另外有些平台支持调整 Skill 优先级或手动指定 Skill能用就用别全都靠自动触发。6.4 我判断“要不要写成 Skill”的一条笨标准你可能会问那我每天有那么多场景哪些真值得做 Skill哪些只是偶尔用一次的我有一条特别笨但特别管用的标准同一个问题你手动处理过三次以上每次都需要重写基本相同的规则那它就值得变成 Skill。如果只是一个一次性的任务手动写 Prompt 反而是更快的路径——没必要为了自动化而自动化。这条标准帮我省了很多时间。我不会在每件小事上都建 Skill但我只要想建一定是因为我已经被同一个问题磨损过很多次了。这样建出来的 Skill几乎没有“吃灰”的因为每一次创建背后都有一份真实的、反复出现的工作需求在托底。最后说点我自己的感受。我一直不太喜欢追着新功能跑因为大部分新功能其实只是旧理念换了一层皮。Skills 也是——它让我想明白了一件事AI 工具好不好用很多时候不是取决于模型有多聪明而是取决于你有没有把“自己想怎么被协助”这件事想清楚。刚开始接触它的时候我也踩过上面那些坑建过三四个至今没再用过的废 Skill。直到后来我认认真真把一个“每周都在痛”的会议纪要场景打磨顺了才真正找到一个适合我的用法。那个 Skill 至今还在用每次开会完我只粘一段转写文本进去几十秒之后就能看到一份可以直接发出去的决议清单。我给你的建议特别简单别一上来疯狂建十个 Skill先盯住一件你最烦、最重复、最不想动手的事把它做成一个 Skill然后用一个月。它可能不需要多惊艳但它能帮你在某个具体场景里慢慢地省出每周一两个小时。这种省下来的时间才是这个功能给我最大的价值——比“看起来很神”重要多了。