技能详解

这一部分从最常见的误区讲起，依次说明技能的本质、技能包结构、两种设计方法，以及两个迭代技巧。

常见误区（时间点 00:03）

• 常见误区：很多人把技能（Skill）错误地理解为一段更长、更复杂的提示词（Prompt）。
• 错误做法：在制作技能时，不断往里面添加要求、规则和注意事项。
• 负面后果：技能内容越来越长，但 AI 反而更容易忘记前面说过什么，甚至直接回复“做不到”。

内容纲要（时间点 00:26）

课程围绕三个问题展开：

• 技能到底是什么？
• 应该怎么设计？
• 做出来后怎么迭代？

技能到底是什么（时间点 00:35）

可以把 AI 想象成一个刚入职的新同事：他很聪明、学习速度快，但完全不了解你的业务。

• 新同事的困惑：不知道工作先做什么、后做什么，不知道有哪些规则，更不知道做到什么程度才算完成。
• 解决方案：你需要给他一份工作说明书，这份说明书就是技能。

技能包结构

一个技能通常包含一个名为 Skill.md 的主文件，负责告诉 AI：

• 触发边界：什么时候应该调用这个技能。
• 执行流程：具体要完成什么任务，整个流程有哪些步骤。
• 长期规则：有哪些必须遵守的规则。
• 完成标准：任务做到什么程度才算完成。

如果任务复杂，可以增加以下文件夹：

• references：存放详细规则和参考案例。
• scripts：存放可以自动执行的工具脚本。
• assets：存放模板、素材和其他需要重复使用的内容。

这些模块不一定全部都要有，根据任务的复杂程度决定。

与提示词的区别

设计技能的两种方法（时间点 01:52）

动手前，把这几件事想清楚：这件事从哪里开始；中间要经过哪些步骤，每一步需要什么信息；最后要交付什么结果。

方法一：先跑通再沉淀

方法二：框架先行再迭代

视频时间点：01:54

操作步骤

1. 手动完成：先手动完成一次任务，从第一步开始。
2. AI 辅助：遇到问题就让 AI 帮你解决，解决完继续下一步。
3. 整理沉淀：等整个任务真正跑通，再让 AI 把刚才的工作流程整理成一个技能。

适用场景

适合文章写作、标题创作、信息整理等相对轻量、已验证的任务。

优点

比较稳定，因为流程中的每一个步骤都已经实际验证过。

缺点

如果流程特别复杂，中间经历了很多轮对话和反复修改，AI 最后整理技能时可能遗漏部分规则，只生成一个不完整的版本。

视频时间点：02:54

操作步骤

1. 搭建框架：先搭建技能的基础框架。可以调用技能创建器（Skill Creator），或直接告诉 AI 你想创建一个什么样的技能。
2. 说清五件事：描述需求时不需要一开始就把所有细节想完整，先说清五件事：完成什么任务、什么时候触发、具体有哪些步骤、有哪些重要规则、最后要输出什么结果。
3. 真实测试：AI 会根据信息生成一个基础框架。然后打开一个新任务，真正调用这个技能进行测试。
4. 反馈迭代：测试中哪个步骤没执行、哪个规则理解错了、哪个结果不符合要求，就把问题反馈给 AI，让它继续修改。

适用场景

适合复杂任务。

核心思想

不是一开始就把所有功能都想清楚，而是在真实使用中不断发现问题，再把解决方案补进流程，技能就是这样一步步迭代出来的。

迭代技能的两个核心技巧（时间点 03:48）

当你已经有了一个基础版本，接下来就进入技能最重要的阶段——迭代。

技巧一：善用成熟工具（时间点 03:57）

问题本质

很多时候技能做不到某件事，并不是 AI 不够聪明，而是它缺少完成这项任务的工具。

解决方案

当技能卡在某个环节时，可以直接让 AI 去寻找解决方案。

正确做法

不要盲目复制整个开源项目。更好的方式是让 AI 先分析这个工具：

• 解决了什么问题
• 其中哪些代码或逻辑适合当前任务
• 需要安装哪些依赖
• 然后只把真正需要的部分接入技能

核心目的

不是为了看起来更复杂，而是为了补齐技能完成任务所缺少的能力。

技巧二：对技能内容进行分层（时间点 04:35）

常见问题

很多技能刚开始很好用，迭代几次后反而越来越差。常见原因是所有新规则都被堆进了 Skill.md，导致主文件既有核心流程，又有详细案例、历史规则和各种补丁，越来越长，甚至出现前后矛盾。

分层策略

• Skill.md：只保留核心流程和长期不变的规则。
• references：存放详细说明、参考案例和复杂规则。
• scripts：存放需要自动执行的功能。
• assets：存放模板、素材和配色方案。

最终效果

这样不断迭代后，Skill.md 依然能保持简洁，AI 也更容易理解。技能真正的价值在于把一次次解决问题的经验保留下来，最终变成一套属于自己的工作系统。

知识小结

核心知识点

两种设计方法对比