Skill到底是什么？

设计Skill时最容易犯的错误，就是把它当成一段更长、更复杂的“万能提示词（Prompt）”。如果只是不断叠加要求和注意事项，AI很容易遗忘前面的指令，甚至直接报错。

• 准确定义：Skill不是万能提示词，而是一套可被反复执行的工作说明书（SOP）。
• 角色代入：将AI视为一位刚入职的新同事——他极其聪明且学习极快，但完全不了解你的具体业务、工作流、执行顺序和验收标准。Skill就是你发给这位新同事的入职指南。

Skill 与 Prompt 的本质区别：

• Prompt：一次性任务指令。解决的是“这一次该怎么做”，每次新建对话都要从头交代背景。
• Skill：可重复调用的能力包。解决的是“以后遇到这类问题都应该怎么做”，除了文字指令，还能外挂参考文件、代码脚本、案例和模板。

Skill 的标准化文件架构

一个成熟的商用级Skill，并非把所有内容塞在一段文本里，而是拥有清晰的文件目录分层：

• skill.md（主文件）：Skill的大脑。仅负责定义触发时机、具体任务、宏观步骤流转，以及必须遵守且长期不变的核心规则。
• references（文件夹）：存放详细规则和具体的参考案例。
• scripts（文件夹）：存放能够自动执行的工具脚本。
• assets（文件夹）：存放母版、素材及其他需要重复调用的资源（如UI配色方案、固定模板）。

两套从0到1的设计方法

在动手写 skill.md 之前，必须先将工作流（SOP）在脑海中梳理清晰：起点在哪、中间分几步、每步需要喂给AI什么信息、最终交付什么结果。

方法一：先跑通流程，再沉淀Skill（适合轻量级任务）

1. 执行：从第一步开始手动带着AI做一次，遇到问题就让AI解决，直到最终交付结果。
2. 总结：任务完全跑通后，直接让AI将刚才的对话与工作流沉淀、整理成一个Skill。
3. 适用场景：文章写作、标题创作、信息整理。
4. 局限：如果流程过长、反复修改的对话轮次过多，AI在总结时容易遗漏关键规则。

方法二：先搭建框架，再真实迭代（适合复杂级任务）

1. 打地基：直接调用 Skill Creator（或让AI助手充当），只需描述清楚5件事（任务目标、触发时机、宏观步骤、重要规则、输出结果），让AI生成一个初始版框架。
2. 实战打磨：开启一个真实任务调用该Skill。
3. 打补丁：哪一步没执行、哪条规则理解错误，就直接将该问题反馈给AI进行定点修改，一步步把解决方案补进流程里。

高阶迭代：Skill越用越好用的两大技巧

很多人的Skill刚开始好用，修改几次后反而越来越蠢，核心在于没有掌握正确的迭代规范。

• 善用成熟工具（拓展AI边界）
  • 当Skill卡在网页抓取、字幕提取、PDF解析或音视频处理时，这不是AI笨，而是它缺少合适的“趁手兵器”。
  • 做法：让AI去GitHub寻找成熟的开源方案。不要盲目复制整个库，而是让AI分析该项目，剥离出核心逻辑与代码，只将真正需要的部分接入到当前的Skill中。
• 严格执行内容分层（保持主文件纯净）
  • 分离臃肿内容：坚决避免把每次迭代的新规则、历史补丁全塞进 skill.md。长篇大论会导致AI前后矛盾。复杂的案例放进 references，代码放进 scripts。
  • 规则迭代铁律：修改规则时，直接用新规则替换并覆盖旧规则。绝对不能在文件里写“不要再使用之前的规则”，也绝对不能新旧版本同时保留。旧的直接删，新的写清楚。