重建 AI 认知第 4 篇：Skill——提示词的系统化封装

你每周要写周报每次都让 AI 帮忙润色。AI 写出来的东西永远是持续推进深度赋能形成闭环——一股挥之不去的官腔。你你反复改别用这些词、量化的放前面、问题要写原因别只写现象。几周下来AI 终于懂你风格了。但这个默契只在当前对话里有效。下周新开对话一切归零。问题出在哪不是 AI 健忘是你一直在给 AI 一条 Prompt但你需要的其实是一个 Skill。一、Prompt 做不到的事Prompt 是一条指令。你告诉 AI帮我润色周报它对这句话的理解取决于此时此地的上下文——同一句话在不同对话里 AI 的表现可以完全不同。Skill 不是一个更长的 Prompt。它是一个装满了工作的容器。这个容器里不只有指令还有步骤先做什么再做什么规则什么能做什么不能做格式输出长什么样工具需要调用什么外部能力参考你的写作风格样本、过往优秀案例还是用周报打比方。一条 Prompt 告诉 AI帮我写周报。一个 Skill 则告诉 AI你的任务是根据我的工作记录生成周报。步骤先提炼本周关键词出再列量化成果最后写问题和改进方向。规则不要用赋能闭环抓手这类词每个产出必须有数据或具体事件支撑。格式关键产出 → 问题与原因 → 下周计划。参考以下是本人最近三周亲笔写的周报附样本。看出区别了吗Prompt 是做这件事Skill 是用我的方法做这件事。前者每次都在碰运气后者把你的工作方法固定下来反复使用。二、Skill 到底解决了什么你可能会想说得这么好但我不就是在 Prompt 里加了很多要求吗表面看是这样。实际上 Skill 解决了两层问题表层省时间。不用每次写周报都从零描述你的风格要求调出来直接用。深层补盲区。这是更关键、也更隐蔽的价值。回想一下你第一次让 AI 写周报的时候——你知道它写出来的东西不对但你能不能一次性说清楚哪里不对、要怎么改不能。你也是边看输出、边反馈、边意识到哦原来我不想要这个。Skill 的结构步骤 规则 格式 参考就是自动帮你问出这些盲区。你不需要一开始就想明白所有要求Skill 框架会引导你把要求一步步补齐。这不只是省力是让你知道自己原来还可以这样要求。这也是为什么网上有些高分的 Skill你用了却觉得不好使——不是它不行是它的最佳实践基于别人的场景。Skill 的真正价值不是拿来就用而是在用和改的过程中把你的个人方法沉淀下来。三、Skill 长什么样一个完整的 Skill不管是什么平台Claude Code、ChatGPT GPTs、Coze Bot大体都有这几个组件组件它回答的问题周报例子任务描述这个 Skill 做什么根据工作记录生成简练的周报执行步骤先做什么后做什么提炼产出 → 量化成果 → 问题分析 → 下周计划规则约束什么能做、什么不能做不用赋能等套话每点有数据支撑输出格式结果长什么样关键产出 → 问题与原因 → 下周计划参考样本可选风格参考你之前写的几篇周报全文每个组件解决一个问题。少了任何一个AI 的表现在你不确定的维度就会放飞自我。四、怎么得到一个好 Skill不是非得自己从零想。常见两种路径路径一拿来改。从 Skill 市场找一个评分高的、跟你的需求接近的试跑一次。然后根据自己的情况逐项调整——步骤不对改步骤格式不合改格式。用他人的框架装自己的方法。路径二对话中沉淀。像周报那个例子——你其实已经在调了。每次给 AI 反馈、纠正、补充要求的过程就是在逐步提炼你的 Skill。等感觉差不多稳定了让 AI 帮你把这段对话里的规则、步骤、格式整理出来结构化成一个 Skill。你可能已经发现市面上的 AI 工具如 create skill 命令本身就会通过提问帮你完成这个过程。两种路径不冲突。先拿来改改到觉得还是差点意思再进路径二从 0 打磨一个。最终你会拥有一个真正属于你自己的做事方法库。五、总结Prompt 是一条指令Skill 是一个方法论容器Skill 的表层价值是省时间深层价值是帮你把说不清楚的要求结构化一个 Skill 由任务描述 执行步骤 规则约束 输出格式 参考样本构成好 Skill 是改出来的、聊出来的不是一次性写出来的下一篇预告Skill 解决的是把个人的工作方法固定下来反复使用的问题。但当你面对的是需要实时获取外部信息、需要调用工具、需要做多步决策的任务时——光有一个 Skill 就不够了。这就到 Agent 了。下一篇Agent——从回答工具到执行者的跨越。