重建 AI 认知第 4 篇：Skill——提示词的系统化封装-程序员充电站

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。