写作skill是什么

我平时用沃克巴蒂来写微头条，具体怎么操作的？就是在这个地方来跟他对话，然后呢首先要调用一个 skill， 也就是一个技能，在这个地方要点一下。呃，在这里面呢去寻找我自己创建的那个写作 skill， 就是 这个微头条 white skill， 要先把它调出来， 然后呢再给他对话，比如说我在这个地方写一句话，请你帮我写一篇啊，什么样的主题的微头条，然后呢 需要达到什么要求？呃，那么这个微头条 white skill 这个东西是怎么来的啊？这是我自己创建的一个技能，我们可以在这个地方找出来，然后呢，呃，去看一下它里面是个什么构造，就这个地方就我们打开看一下。 呃，这是专属爆款微头条的写作技能，就当我跟这个对话里面说，呃，写微头条，写头条帮我写一篇什么什么啊的风格类似于这样的， 它可以写很多类型呢，比如说写职场内容，房产内容，创业内容啊，写生意的，赚钱的等等等等啊，因为我平时呢各种各样的话题都涉及到了。然后呢我平时写的这种都是三百到五百字的微特条，而且呢都是原创作品，所以呢这就是我创建的这么一个 skill， 为什么说我用这个 skill 的 方式写出来的作品，呃，原创度很高，同时呢基本上没有 ai 痕迹的。原因很简单，就是我当时在投喂他的时候，我给他做了很多设置，像我的作品啊，总字数是控制在三百到五百字的，然后开头呢都会有一个钩子， 就是他帮我自己总结的，有三种模式啊，就是直接结论式、数字冲击式、情感京剧式。 这是我一般写微热条的时候，会在开篇部分有这样的一种设计。再呢就是我的作品一般都会有一个具体人物嘛，会有人物的刻画，那人物刻画有身份，职业，年龄啊，收入，财富状况，还有处境背景等等， 也就是我常说的一个人一件事，一个结果，我平时自己手写的时候，和我用 ai 写出来的这种感觉是一样的。 再就是我的作品里面都会有具体的案例啊，然后呢，这个案例他一般都是有时间锚点，对话引用，还有细节堆叠。最后呢就是我的作品里面都会出现很多数字啊，比如说金额，工资，房价，年龄，规模描述，连续计算等等， 就是我的作品为什么他的数据这么好，同时呢，有这么多人喜欢看，喜欢给我点赞评论的原因就是我的作品里面都是那种很接地气的，会写很多数字。再呢就是我的作品里面一般会有观点的输出啊，这是一种比较克制型的主观的观点。 说我的作品里面有观点，但是呢，不会乱说啊，不会去说教，不会去教别人做人，而是说有一些自己的判断，然后呢，给读者会留下一些写评论的空间。呃，实际上最后他还有很多总结啊，这个总结其实比我自己总结起来更细致，他总共给我有十一条的总结， 那么我平时在调用他给我写微头条作品的时候，他就会把我这上面的十一条经验全部拿出来，然后呢，帮我写一个全新的作品， 我现在让他来帮我写一篇微头条，内容很简单啊，就我在这个地方调用它，首先是调用这个微头条写作 skill， 然后给他写上这么一句简单的提示就可以了，请你帮我写一篇微头条， 主题是一定要守住自己的钱包。这个主题呢是我在网上找的一个主题，就是别人写报的一个话题，我就把它拿过来。那这个时候呢，我把这一句提示发给他，我们看看他是怎么来帮我们写作的。 好，这个时候他已经在帮我写了啊，他写的这个过程是一字一句的写出来的，并不是突然一下子全部生成的， 那这个作品呢，就是他最终帮我生成的一个作品。打工三十年，我最庆幸的一件事就是守住了自己的钱包。我大概看了一下，这个作品呢，跟我平时写作的风格基本上是一致的。 他下面呢还有一些写作说明啊，用到了什么样的钩子，什么反转故事锚点、时间锚点、对话细节观点，输出字数等等。 也就是说他不仅按照我的要求写出了一篇作品，同时呢还向我证明这个作品里面具体是怎么去按照我的要求实现的，那生成这样一篇作品也就是一分钟就可以实现的。

太炸裂了，我最近发现了一个写作的 ai skills， 让我的写作效率整整提升了百分之六百，原来需要写两个小时的文章，现在只要二十分钟就搞定了。这个 skill 的 工作流程非常的智能，第一步呢，自动理解需求，然后保存成项目 brief。 第二步呢，进行信息搜索，多渠道解锁，并且它还能够自动保持记录。第三步呢，讨论选择题，这个时候不要让 ai 自己来写， 拿三到四个选择题和你讨论。第四步，如果需要测试或者配图，让 ai 去给你列出来计划清单。第五步，学习你的行文风格，然后去分析你的爆款特征。 第六步，基于你的风格进行创作。最后一步，进行校对，然后不断地去打磨。用 skill creator 来创建这个 skill 会非常的简单，它呀会不断地和你去聊天对话，逐步地把这个过程梳理清楚， 然后自动生成 skill。 重点呢是关注 name 和 description 这两个数据，因为它决定了你的这个 skill 什么时候自动触发。并且呢，这个 skill 还可以去调用其他开发者开源的 skill， 像什么每日新闻剪辑， 然后去 ai word， 根据文本生成图片，自动发布到对应的平台等等。最让我惊喜的是，这个 skill 会随着我沉淀的资料越来越多，它会变得越来越专业，越来越懂我。现在呢，只需要自然语言就能够触发调用，而且它是按需加载的，还能节省非常多的头肯。 传统的写作你可能需要三四个小时，但是呢，现在用 skill 基本上半个小时就可以搞定了，效率提升了百分之九十。 如果按每周两篇来计算的话，每个月可以节省三十二个小时，那就相当于整整四个工作日。这个不仅仅是创作时间的节省，还是你创作质量的提升。 ai 它不会马虎，每次都能够按照你的 skill 文档来，一如既往的专业性的完成它的任务。所以不要再亲自动手去码字写文章了， 让 skill 去帮助你。你的时间和注意力应该放在创意上面，而不是简单的重复劳动上。关注我， ai 时代不迷路。

我平时用 workbody 是 怎么来写公众号文章的？也是自己创建了一个写作 skill， 那 怎么去调用呢？就在这个地方点击这个技能，点一下， 在这里面去找到我创建的公众号 whiteskill， 就 把这个调出来，然后呢在后面跟它对话， 让他帮我写一篇公众号文章。那么这个公众号 white skill 它是怎么创建的？我们来在这里看一下。这有一个叫技能，我们点进来找到我创建的这个公众号文章 skill 啊，在这个地方点进来， 可以看到这是一个专属公众号长文写作的技能，当用户需要写公众号文章，写长文，或者请他帮我写一篇公众号作品的时候，他就可以按照我的要求来写。像我平时写作的时候，我一般公众号文章会写到一千五到两千五百字， 然后这里面有关于我平时写公众号文章的一些固定的特点。首先是字数，我一般会写到一千五到两千五百字。 我的选择题基本上是聚焦社会现象、代际矛盾、城乡差距、婚恋观、生存压力等扎心的话题。我平时的写作文风就是跟朋友聊天，说真话， 没有鸡汤，不说教，不抒情，立场始终是站在普通人一边的。然后我的写作流程第一步就是确认选择题与标题，就是我会在我的开篇的标题里面就会把我这个观点给表达出来， 我的作品里面有明确的群体标签加趋势动词，还有痛点和反常识等等。然后他也会总结我平时的标题是一个什么样特点，因为我的标题基本上都是戳中了一个具体的人群，比如说九零后、零零后、七零后、成年人、 中年人、媳妇、普通人等等。第二步是规划案例素材，我的每篇文章里面都需要两到四个案例来去证明。我的作品基本上都是有一个具体框架的， 我常用的就是一个总分总的格局，就开篇有一个标题，然后呢，总的来写一个开场白，一两句话，五十字以内直切主题。 然后我中间呢，会用一到三个案例，有的时候会更多一点去证明我开篇这个观点是对的。然后结尾的时候呢，我会升华一下，收个尾，这也就是我常说的总分总的格局。 这个写作 skill 呢，它会把我以前的所有的爆款作品的一个写作方式全部给我罗列出来，包括我平时用到的一些高频词汇，我是怎么去用人称的，我是第一人称还是第三人称等等，包括我这里面一些使用标点的方式方法等等。还有我常用的一些高频词， 包括我的写作手法等等。一直到最后，我所有写爆款作品常用的一些技巧方法，它都会帮我整理出来，它会比我自己整理出来的都要细致。 然后我们现在调用这个公众号 white scale 来帮我们写一篇公众号文章。我这里呢给他发了一句简单的提示，我是这么写的，请你帮我写一篇公众号文章，主题是越来越多的中年人正在被房贷压垮，那我现在就把这一句提示发给他，让他来帮我写一篇公众号文章。 好到这里呢，他这篇文章就帮我写完了。现在大家可以看到啊，这个黑色的字体是标题，越来越多的中年人正在被房贷压垮。然后呢，下面是他帮我写的文章， 内容还是比较长的，字数上基本上是跟我平时写的差不多，一千五到两千五百字之间，那这个字数的话应该至少有两千字。 他不仅是帮我写完了这篇作品啊，他还给我说明了啊，他这个作品里面是怎么去写的， 共有三个案例，然后呢，分别是用我表哥，永泽还有黄姐这三个案例。然后呢，结尾的时候呢，没有说教，而是用一句很平淡的语言作为一个收尾。这个呢，比较符合我平时写作品的一个基本风格。 其实到这个地方呢，如果我读了一遍之后，感觉到这个作品有点不太符合我的预期，我还可以给他继续提要求。然后呢，让他随时随地的给我修改，这就是我平时用 workbody 创建公众号写作 skill 的 一个基本使用方法。

codex 是 我过去几个月高频使用的 ai 助手之一，我用它做研究，写文档、做 ppt， 整理内容灵感，做网页原型。上个视频讲了 codex 基础，这期视频讲一个今年很值得先搞懂的 ai 概念 skill， 因为它决定了 codex 到底只是陪你聊天，还是能按你的工作方式反复干活。简单理解一份可以重复使用的工作说明书， 你可以把某类任务的流程规则、检查标准提前写进去，下次再让 codex 做类似的事，他就不用每次重新听你解释一遍。比如你经常让 codex 做网页，你不想每次都重复说页面不要太 ai 味，不要蓝紫配色， 这些都可以写进一个设计类 skill 里。以后你只要让 codex 用这个 skill 检查页面，他就会按那套规则去看代码、改样式，再告诉你改了哪里。 这就是 skill 最实用的地方。把你反复说的要求变成一套固定流程，那么在哪里看和怎么用 skill， 可以 去 codex 的 侧边栏这个入口里看，里面会有一个 skill 子页面， 已经添加或创建过的 skill 会出现在这个列表里。使用的时候，通常可以在聊天里输入 skill 名称，或者用斜杠跳出来。比如你有一个 find skill， 就 可以直接斜杠选中，帮我找一个适合做 ppt 的 skill， codex 就 会按 skill 里的流程去跑。那怎么创建 skill？ 有 两种方法， 第一种最简单直接这样说，请创建一个 skill 以后，我给你一个网页项目时，你要先检查移动端排版按钮样式、文字层级、颜色是否太乱，最后输出修改文件和检查结果。这种叫 prompt skill， 但我更推荐第二种，先把流程跑通，再把流程固化成 skill。 举个我刚实测的例子，我想做一种白板手绘风讲解图，我先给他一个参考图，让 codex 按我的要求生成讲解图 第一版如果不满意我就继续改，比如少一点黄色纸张质感画面更像课堂白板。等到有一版我觉得可以附用，我再说。把它固化成一个 skill， 这时候 codex 会反推刚才的流程，它会把这次反复调整出来的规则写进一个 skill。 md， 这样下次我再用白板手绘讲解图， 就不用重新解释一遍审美和结构，直接调用这个 skill 就 行。如果你想让 codex 使用 skill creator， 它会按更标准的格式帮你生成可附用 skill。 我是 ai 知识派，我们下期见。

三十秒带你学一个 ai 新知识。今天我们讲 skill 技能。如果把 agent 比作一个数字员工，那大模型是他的大脑， skill 就是 他简历上写的专业技能。 大脑负责思考、规划 skill 插件来精确地执行。它的精髓在于即装即用。 agent 在 执行任务时会自主地判断现在需要哪项技能， 然后调用对应的工具。他让 ai 突破了只能聊天的限制，真正拥有了处理复杂任务的实力。 agent 的 能力上限也取决于他掌握了多少 skill。

之前我又给大家分享一期如何去从零到一写自己第一个 skills 的 视频。后面呢，有很多学习圈的朋友都在反馈，用 cloud code 写出来的 skill 要么就是太啰嗦， 要么就是不好使。那今天我呢，来分享一下 cloud code 创始人团队亲自总结的写好 skill 的 核心技巧，帮大家呢避开去写 skill 的 雷区。 ok， 我 先破一个最常见的误区，就是很多人以为 skill 就是 一个 markdown 的 文件，写几行说明就完了。但 skill 本质是一个完整的文件夹，可以去包含脚本、数据、资产配置文件，甚至是动态钩子。搞清楚这一点，我们再来去看具体的编辑技巧。首先第一条，不要去陈述显而易见的内容， code 本身对编程啊已经非常了解了，你不需要去教他什么是函数，你要做的就是告诉他那些打破他默认思维的方式和信息。 我举个例子，比如 antispac 内部在写前端设计 skill 的 时候呢，不是去教 cloud 怎么去写 css， 而是明确告诉他不要用 enter 字体不要用紫色渐变。就这一句话，设计品味呢，立刻就不一样了。第二条呢，一定要有易错点的部分，英文叫做 gorgeous。 官方呢，透露，任何一个技能里面，最最核心价值最高的部分其实就是易错点。因为 ai 经常会在同一个地方翻车，你只要把你平时发现他最爱搞错的地方给他记下来，当成错题本塞进技能里面，而且随着日常使用，发现新坑就往里面去填，这个技能就会越来越好用。 官方呢，有很多很厉害的技能，一开始也是几行字加一个易错点，后来呢，再慢慢的去长大，变得更多的。第三条呢，就是要利用文件系统去做渐变式，譬如什么意思？就是不要把所有内容都堆在一个文件里面，你可以把详细的 api 说明放到 references 杠 api 点 m d 里面，把模板文件呢放在 excel 目录里面。 主文件只需要去告诉 cloud 这些文件在哪里，他会在需要的时候呢，主动去读，这样既保持了主文件的简洁，又不损失任何的信息。第四条就是不要去把指令给他写死。 六是要被反复使用的，每次的场景都不一样，你需要去给 cloud 提供完整的任务的核心信息，剩下的让他根据具体情况自己判断， 管太死呢，反而限制了他的能力， ok。 第五条也是很多人去忽略的一点， skill 的 一个描述字段不是给人看的，是给模型看的。每次对话开始的时候， cloud 会扫描所有 skill 的 描述，来判断当前这个请求要不要去触发某个 skill。 所以 描述字段必须精准的回答一个问题，什么情况下应该用这个 skill 写成工作总结，哎，没用，写成触发条件才有用。当然了，官方呢，也分享了很多的进阶玩法，比如说给 skill 去加记忆， 用日历文件或者 seeklight 存储历史数据，比如内置现成脚本，让 cloud 把精力放在决策，而不是写模板代码里面。 比如呢，设置按需激活的动态钩子，比如杠 careful 模式，专门去拦截 r m 杠 r f 这类的一个温写的删除命令。最后呢，官方也说了一句很实在的话，它们内部有很多强大 skill， 最开始也就只有几行指令，加一个避坑的列表，是在不断使用，不断踩坑，不断补充之后才变得越来越好用的。 所以先动手，边用边叠带才是叠好旧的一个正确姿势。 ok， 如果你对 ai 感兴趣呢，也欢迎去了解啊江学长， ai 学习圈里面呢，聚了一批真正在玩 ai 的 朋友，平时呢一起交流，一起折腾。我们也刚刚结束了我们的玩扣定的训练营打卡，目前也有两千多位新友了。那如果感兴趣呢，也可以去在评论区回复。

hello， 大家好，上周呢，有一个刚开始 web 扣定不久的朋友问我，为什么他写的 skill 不好用？我看一下他的 skill， 发现呢，他其实对于 skill 这个东西的理解还不是特别的准确。 他是一家中外公司 web 端网页的产品经理，他想写一个把英文网页翻译成中文的 skill。 然后呢，他的写法是这样的，开头先来一段人设， 你是一个专业的语言翻译专家，你擅长把英文准确自然的翻译成中文，你的语言风格自然、流畅生动，后面再加上一堆禁止界翻译、禁止执意、禁止 i word 之类的规则。 然后呢，再是一些具体的要求和例子，整个 skill 写下来呢，可能有一千多字，但是最后 ai 翻译出来的效果还是很差。 可能很多刚开始接触 skill 的 朋友，包括我都会有类似的问题，会潜意识里面觉得 skill 就是 一种控制 ai 的 规则， 就好像只要我写的够详细，够专业，就能够严格去执行。但实际上不是这样的， skill 它本质上就像这个单词的本意，是一种技能， 它更像是一个工作的 sop， 一 套工作流，告诉 ai 用户去输入什么时，要调用什么工具，进行怎么样的处理，输出什么样的结果。它真正的作用不是控制模型，更不是向模型许愿，而是使模型能够稳定地执行某一种工作状态。就像我那个朋友的问题，其实就特别典型， 它整个 skill 的 重点都在让 ai 成为一个翻译专家，但问题是，现在大模型本来就已经具备翻译能力了，你再写一千字，你是专业的翻译专家，编辑效益呢其实非常低， 真正影响结果质量的东西反而没有写进去。比如说产品名和功能名能不能翻译？哪些问题呢？哪些地方需要编产品风格文案？哪些地方需要编技术文档的风格等等，这些东西呢，才是真正决定网页翻译质量的关键。 这也是很多新手写 skill 的 一些误区。第一个特别容易犯的问题就是 skill 写的太抽象了，很多人的 skill 里面最常出现的一句话就是像专家一样，或者深度思考。 但问题是这些东西对于模型来说其实是不可执行的，因为 ai 根本不知道什么叫做更自然一点，因为自然呢，它本身就是一个特别模糊的概念，尤其是翻译这种工作，本身就不是一个可以固定产出的东西。如果说你真的想要结果稳定，那么就需要把 这些抽象的要求转化成一些具体的工作流。比如说你可以直接写网页当中的按钮，文本要优先要简短一些，不能超过六个中文字符。如果是产品功能名的话，那么就要优先保留英文。如果是很像 slogan 的 东西，那么就要允许适当的适当的去意义，但必须要保留核心卖点等等。 当 skill 开始变成这种具体的工作步骤之后呢，模型的稳定性就会提升很多。第二个很常见的问题就是 一个 skill 里面打包所有东西，一个 skill 既有产品经理规范，又有代码的规范，又有文案，又有个人风格，又有人设等等。最后一个 skill 几千字，然后呢，可能会觉得肯定很有用， 但实际上大模型的注意力是非常有限的，模型会像人一样，不会认真的认读，不会认真的阅读全书，它更像是在动态的抓取重点。所以呢，如果你把十几种任务都塞进一个 skill 里面，最后的结果通常就是每一种都懂一点，但每一种都不稳定。 一个真正好用的 skill 往往是单一职责的，一个 skill 只解决一个问题。比如说呢，如果说我们公司要把行政的工作安排上的话，那么就不能给一个 agent 塞一个 skill， 里面包含了签到、打卡、财务报销、工资计算等等，而应该是一个模块，一个 skill。 那 到底应该怎么写好一个真正好用的 skill 呢？ 第一件特别重要的事情就是你必须要明确 when to use。 也就是说，这个 skill 到底该什么时候触发？我们需要明白 skill 呢？它不是一个硬规范，它不是那种刻进 ai dna 里面的法则，而是一个 ai 在 执行工作时会去参考的一个东西。 写 skill 就 一定要告诉 ai 什么场景该用，什么场景不该用，否则呢，结果就是模型有时候会乱用，有时候不用。所以真正稳定的 skill 一定会明确适用的范围。比如说，当用户说要翻译时就调用这个 skill， 要整理文档时就调用那个 skill。 这些规则呢，也是在帮助模型去建立任务的边界。 第二件事情就是 skill 一定要建立在真实的工作流上面，而不是建立在抽象的愿望上面。我推荐大家把 skill 理解成之前很火的那种 define 或者是 nba 的 工作流， 真正有价值的 skill 应该来源于你现实工作当中的需要固定执行的过程。比如说我做 seo， 要用 a 工具去找关键词，然后用 b 工具拓展关键词，然后再用 c 工具把关键词做分组，最后根据数据和产品的相关性去做筛选。 这是我做这个工作室固定的工作流流程固定，用到产品固定，输出固定，输入也是固定的。这种工作呢，就应该被写成 skill， 因为 skill 最重要就是让 ai 去复制你的工作方法。 最后一点是，我现在非常看重的一点是， skill 一定要有验证环节。很多人 skill 它只有生成，没有 review， 他 们会花很长时间去研究怎么让 ai 做东西，却不研究怎么让 ai 去检查自己。 但是这个 skill 阶段呢，是能够显著提升 ai 工作质量的一步。比如说我朋友的 skill， 翻译之后的语序是否准确，技术的术语是否一致，标点符号的使用是否准确，产品名是否保留原文等等，这些都是在语域阶段呢，能够很好去检查去修理的东西。 然后再来给大家演示一个 skill codex， 说它是我库里面最好的一份。但我发现这个 skill 好 像是我自己写的，可能它在拍我马屁，但这个事情确实还蛮有意思的，因为不管它是不是我自己写的，这个 skill 确实可以拿来当一个比较好的例子。 我们先来看它的开头，一个好 skill 第一部分要分两件事情，一是它叫什么，二是它解决什么问题。这个 skill 就 叫做 software engineering standards， 它的描述呢，就没有写你是一个资深工程师，而是非常明确地写，当你在规划、评审或者生产一个项目巴拉巴拉时用它， 这就是第一个关键点，它在告诉 ai 这个工作流是干嘛的，然后我们往下看，发现它会有个非常清楚的，何时使用。这里面呢，列了几种触发场景，比如用户要规划一个新项目，或者要实现一个较大功能，要做代码拼审，要做架构拼审等等。 这个部分特别重要，因为很多人写 skill 时会直接开始写，但并没有告诉 ai 你 到底要用什，你到底要什么时候用这个 skill？ 没有出发边界，那么 ai 就 会很不稳定， 有时候他不用，有时候他乱用。当然也不是说你写了这句话， ai 就 一定会在适当时机用上这个 skill， 因为正如我们之前所说的， skill 它不是一个硬规范。所以呢，我推荐，当你想要让 ai 用这个 skill 的 时候，就跟他说一下，你要用这个 skill 去给我执行什么工作。我们再往下看， 这个是最核心的部分了，核心流程，它把软件工程这件事呢拆成了七步，一是明确需求和目标范围和里程碑。系统设计，吧啦吧啦吧啦，这就是一个好的 skill， 和普通的 prompt 最大区别。普通的提示词呢，经常在说你要认真一点，专业一点。但是这个 skill 它不是这么写的，它直接告诉 ai， 你要按照这个流程去做事情，先明确要求，然后再进规范，再做设计，再实现，再测试，再考虑发布和维护。这就从一个抽象要求变成了一个可以执行的步骤。而且呢，我觉得这个 skill 它写的比较好的一点是，它没有要求所有的项目都走一遍这个流程， 它里面就有个叫做上下文预算的地方，大概意思是说，如果是只是一个小的修改，那么就只用基本原则，不用再加载一堆额外的资料。如果是规划项目，那么就去读 planning， 如果是评选，那么就再去读 review。 这个设计的关键点在于呢，因为好的 skill 不 应该是让 ai 每次都去进入一个重型的模式，比如说一个按钮文案的小调整和一个新项目的架构设计，这显然不应该用同样的工作强度。所以一个成熟 skill， 它不只能够告诉 ai 要做什么，还能够让告诉 ai 做到什么程度。 然后我们再看它的工程原则，这里面也不是那种很空的话，比如说写高质量代码要保持优雅等等，它写的很具体，优先要遵循现在的代码库的结构，价格和项目要匹配，呃，不要隐藏不确定性等等，这些话能够帮助 ai 做选择。 比如 ai 很 容易犯的一个问题就是为了显得很聪明，突然引入一个新的框架，或者是抽象出一堆没有必要的东西，那么这个 skill 这个时候就会把它给拉回来，先看现有的代码库怎么做等等。这样的话就不是在给 ai 打 ai 打鸡血，而是呢，给 ai 建立一个决策标准， 再往下有个叫做参考地图的地方，这个也很重要，我来给大家展示一下这个 skill 的 架构，它首先有个 skill 点 m d， 就是 我刚刚给大家展示的那些，然后呢，会有一个 references， 里面会写在做前端时候要读什么工具， 你在做质量评审时候要用什么 skill， 然后你在 review 时候要用什么 skill， 你 在测试时候要用什么 skill。 它没有把所有内容都塞进主的 skill， 而是把不同场景拆成了不同的参考文件。比如说项目规划的话要读 planning， 项目设置时候要读 set up 主 skill。 在 这种时候呢，就像一个目录和调度器，告诉 ai 在 什么情况下读取什么样的资料， 然后真正的详细的规范呢，可以放到刚刚那个 references 里面。这样做有两个仓，有两个好处，第一是主的 skill 不 会变得很臃肿。第二是 ai 可以 根据任务只加载相关内容，注意力呢会更加集中。最后我们看它的评分阶段 和输出风格。其实这点就是验证环节，它会要求评选时要检查需求的匹配度、正确性、安全性还有质量等等。这就是一个好的 skill 的 闭环，它不止让 ai 生成结果，还让 ai 知道怎么去检查结果。所以我们用这份 skill 总结一下，一个好的 skill 至少应该有这么几个部分，第一，明确什么时候使用，也就什么时候触发。第二，明确单一职责，一个 skill 只干一件明确的事情。第三是 它要有真实的工作流，而不是只写抽象的形容词。第四是它要有决策原则，帮助 ai 在 遇到选择时知道优先级。第五，它要有验证环节，让 ai 做完之后能够去 review 自己的结果。第六，如果说它的内容很多，那么就不要全部塞进主文件，而是拆成一块块的参考，让 ai 按照场景去加载。 所以我们回到一开始那个网页翻译 skill， 如果说让我来写，要把它改好的话，那么我不会再写一大堆的你是专业翻译专家这种话， 而是呢，我会把它改成一个真正的工作流，比如说当用户要求把英文网页翻译到中文版时，那我们就使用这个 skill， 这就是它的什么时候去触发。然后呢，具体第一步就是先识别页面类型，是营销页，是产品功能页，是帮助文档还是什么什么界面。然后第二步的话是去提取一个要翻译内容，比如说是产品名，是品牌名，是代码什么什么的，还是说什么文案 要翻译哪个部分。然后第三步的话是按模块去翻译，比如说标题的话要偏产品文案正文的话要自然清楚，然后按钮的话，呃的文案分要短，表单的标签要准确等等。第四步就是统一数据，比如说同一个英文词在整个页面里面，不能一会翻译成 a， 不 能一会翻译成 b。 第五步的话就是去做 review， 看看检查翻译有没有遗漏，或者误翻，或者术语不一致等等。这样写出来之后， skill 就 不是在许愿啊，请你翻译的自然一点，而是在复制一个真实的产品经理做网页本地化时的工作方法，这才是 skill 真正有用的地方，它不是许愿器，也不是一个更长的 prom app， 它是你把自己做一类工作的经验，沉建成一套可以重复执行的流程。当你这么理解 skill 时，写出来的东西就会从控制 ai 变成训练 ai， 按照你的方法去工作。

很多人写 skill 啊，一上来酒醉不醉话，要么处罚不准，要么输出不可用。那么这个视频呢，我花一到两分钟的时间，我给你介绍一个最稳的一个写法，一共是五个必填项。那么第一呢，要定义这个 skill 处罚的条件，用户说什么，满足什么，关键词就处罚， 写成一句清晰的，什么时候用。那么第二呢，就是目标的输出啊，最后要交付什么，比如说生成一个带标题脚本和配图的一条视频。 第三呢就是输入的约定，就是这个 skills 需要哪些参数，格式是什么，没有输入的话我们要定一个默认的策略。那么第四呢，就是执行的步骤，那么按照顺序写成可执行的一个清单， 遇到失败要写清回退和错误的提示。那么比如说我们上传图片到图层，如果失败了就不要去归档。那么第五呢，就是验收的标准， 给一条市里输入和期望的输出，最好呢，能跑通一次自检，你会发现 skill 的 本质啊，它不是文案，它是一个可测试的流程模板，按照这个结构去写啊，你的 skills 才能够被附用，能迭代也更容易啊，交给智能体啊，去稳定的执行。好吧啊，我是郭振啊，咱们下个视频再见。

如果你现在还停留在会用 skill， 但不懂 skill 的 阶段，那这期视频你一定要看一看。同一个任务，两个人一个呢？改了一晚上，一个喝着咖啡就做完了。差距不在模型，也不在，他们的智商在于 skill。 我 们先来讲讲 skill 到底是什么？ skill 的 中文是技能经验，它的真实用途也是如此。 比如说哈，你想完成一个复杂的功能，你和 ai 呢？沟通了很久，最终研究出来了一套方法论。第二天再次打开电脑，你和 agent 呢？说，我想做同样的事，你会发现他不记得了，你要去重新解释调试，踩一遍昨晚的坑。但如果昨晚的方法论直接就写成一个 skill， 第二天你只需要说一句话，他就知道该怎么做。 这就是 skill 的 核心价值，让经验可以复用。那大模型是怎么识别和调用 skill 的 呢？首先，我们要清楚 skill 的 构成，它的本质是一个 markdown 文件。以 cloud 的 举例哈，它会放在这个目录下。 每一个 skill 是 一个独立的文件夹，里面呢，有一个 skill 的 md， 这个 md 文件本质上来说就是一个说明文件， 他会告诉大模型这个 skill 的 触发条件、执行步骤和注意事项。 cloud 运行的时候，会把 skill 的 名称和触发描述注入到系统提示词中。比如说，你给 cloud 配置了一个自动写微信公众号的 skill， 这时候 cloud 每次回答你的问题的时候，系统提示词都会有这么一段， m d two wechat， 当用户想转换微信文章，上传草稿，生成封面图的时候，使用此 skill。 当你说帮我写一篇公众号文章， cloud 看到这句描述会主动地去判断，然后就会自动调用这个 skill。 skill 文件里面写着具体的执行步， code 按步骤走，然后就完成了任务。但是这也意味着，如果你配置的 skill 越多，系统的提示词也就越长，消耗的 token 也就越多。你也可以选择在窗口斜杠加 skill 的 名称，这样不依附于 code 的 自动判断，一定会命中。我们自己能不能创建一个自己的 skill 呢？有的兄弟，有的 你可以加载一个辅助你做 skill 的 skill， 然后和 agent 能表明你的 skill 的 触发条件、执行步骤和注意事项，然后就大功告成。以前你把经验交给新人要花几个月，而现在只要几分钟。 guo 的 思想才是真正有价值的地方，不是省那几分钟，而是把你的注意力和方法论变成真正的可付用的东西。我是逍遥，希望本期视频可以帮助到你，下期再见。

skill 是 什么？终于理解了 ai 智能慢慢进入我们的生活之后啊，我们开始越来越频繁地听到一个词， skill 文 章写作 skill， 网页设计 skill， ppt 生成 skill， 甚至还有巴菲特 skill， 芒格 skill， 马斯克 skill， 前任 skill 同事 skill 老板 skill 还有另一个经常一起出现的词呢，叫 m c p。 这两个东西放在一起啊，很多人直接就懵掉了， m c p？ 我 还没搞懂，又来一个 skill， skill 到底是什么？它是不是就是长一点的 prompt？ 也就是提着词呢？ propt， skill、 mcp 到底有什么区别？我不会代码，能不能用 skill？ 如果想做自己的 skill， 具体怎么做？这期内容， skill 是 什么？有什么用？为什么需要怎么创建自己的 skill？ skill 和 propt、 mcp 有 什么区别？有哪些实用有趣的 skill？ 一 次 讲清楚。先说一个最重要的判断， skills 呢的完整名字叫 agent skills。 注意这个 agent 它不是为了显得高级才随便加上去的，它告诉我们， propt 呢，是给 model 用的。 skill 是 给 agent 用的。这句话非常的关键。 过去我们说提词词呢，大部分的时候是在说，你给模型发一段话，模型呢，根据这段话，然后给你回一段话，它能分析，能总结，能写作，能给建议，但它主要还是在对话， 这叫 chatbot 常见。而 agent 不 一样， agent 呢，不只是会说话， agent 还能动手。它可以使用工具，读文件，写文件，运行脚本，调用 api， 访问数据库，生成图片，修改代码，把结果呢保存到本地。所以 skill 的 重点不是这段文字比 prompt 长还是短。 真正的重点是这段文字啊，不是临时写给 chatbot 让他回复你另一段文字的，而是提前储备给一个能动手的 agent， 在 需要的时候 主动赋用，然后给你一个切切实实的产出成果。举个特别直观的例子，你想让 ai 给你生成一篇文章的所有的插图，如果你把一段插图提示词和文章的内容发给 chatbot， 它可以帮你分析文章，可以生成图片，但它不会帮你放到文章的合适的位置里，这些活还是得你自己干。但如果这个任务是交给 agent 呢？ 它可以自己读你的文章文件，设计每张图的内容和风格，用画图模型生成图片，然后把图片插入正确的位置，最后啊，输出成品。这就是区别啊， chatbot 只能对话， agent 能动手干活。所以啊，即使 skill 里面也会出现提示词，但这和 prompt 的 定位已经完全不同。 skill 最朴素的形态呢，就是一个文件夹， 文件夹的名字啊，就是这个 skill 的 名字。这个文件夹里啊，至少有一个文件叫 skill 的 md， 这是一个 markdown 格式的文档，可以直接用记事本打开来进行编辑。 skill 的 md 里面写什么内容呢？写这个 skill 叫什么？什么时候应该用？具体该怎么用？ 输出应该长什么样子，遇到问题怎么办？如果复杂一点呢？这文件夹里面还可以放脚本代码、参考资料模板图片视理文件。所以你可以先把 skill 理解成写给 agent 的 一份工作说明书。一个最简单的 skill 可以 简单到什么程度呢？比如直头子，这个 skill， 它的名字呢，就叫直头子，它的使用场景描述呢， 就是借助随机数生成器进行值投资的操作，当需要值投资的时候，可以使用该技能。再下面呢，就是它的正文部分，也就是具体说该怎么使用这个技能。你看这东西呢，就这么简单。 上面三条横线包起来的部分是原数据，又叫前置参考材料。 name 呢，是告诉 agent 这个 skill 叫什么名字。 description 呢，是告诉 agent 什么时候应该用这个 skill。 下面的正文字部分呢，是告诉 agent 具体怎么使用这个 skill。 这里需要注意啊，它不是让模型自己给你说一个随机数，它是告诉 agent 去实实在在地调用一个命令工具来随机生成一个数。这就是 agent 的 skills 的 味道，不是只会说，而是能调用环境里支持的工具去做那一个复杂的 skill 又可以复杂到什么程度呢？比如 astropik 官方仓库里的这个做 ppt 的 skill， 它就不是只有一个 skill dmd。 它的目录里啊，有 skill dmd， 还有 scripts 文件夹，还有其他的 md 文件。这说明什么呢？说明复杂的 skill 不是 一段超长提示词， 更像一个小型工具包。 skill d， m， d 呢，负责告诉 agent 什么时候用这个 skill。 任务大概的流程是什么？ editing d， m d 呢，负责讲怎么编辑现有的 ppt， 然后 ppt x g， e， n g， s， d， m d 呢，负责讲怎么用某个脚本代码生成新的 ppt scripts 呢，负责放那些需要确定性执行的代码。 agent 使用 skill 的 过程是这样的， 比如这个 ppt 生成 skill agent 呢，一开始呢，不会把所有的 skill 的 全部内容都塞进去，他只先看每个 skill 的 名字和描述，等用户的任务真的是匹配到了这个 skill。 比如 ppt 生成 skill， 他 才会去看这个 skill 的 完整的 skill， 点 md 的 内容， 如果 skill 点 md， 里面写的是编辑 ppt， 再看 addin 点 md， 他 就到那一步才会看这个 md。 scripting 的 脚本也一样，需要用什么脚本 agent 呢，才会去用。 这就像你入职公司啊，第一天不会把财务制度啊，法务合同啊，制度规范，所有的历史项目文档啊，全都背一遍。你只是需要知道，遇到报销看报销手册，遇到合同去找法务模板。 skill 呢，也是这样，需要什么才打开什么。 这也是为什么传统提日词模板很难代替 skill， 提日词一发出去呢，基本就是全量加载，你写了两万字，他就吃掉两万字的上下文。但 skill 可以 只先加载几十个 token 的 name 和 description， 真正用到的时候啊，再加载正文部分的说明， 在需要的时候才读参考资料和脚本。所以 skill 的 价值啊，不只是能不能做到，而是管理成本、附用成本、上下文成本、迭代成本 完全不同。简单地说， skill 呢，就是提示词的工程化封装，它让一段经验啊，变得可附用，可组合，可迭代，可按需加载。那 skill 具体有什么用呢？最直接的用处啊，是让 agent 更稳定地帮你干活。很多人用 agent 最大的痛点不是他完全不会做，而是他今天会了，明天不会。 今天写的还挺像人，明天突然开始关窍今天的格式，对了，明天又忘了。 skill 就是 用来解决这个问题的，你把标准写进去 a 准呢？每次做同类任务之前呢，都去看一遍，稳定性就会提升很多。 第二个用处啊，是把你的工作经验呢都沉淀下来。比如你每周都要写周报，你其实知道哪些事情呢？要写成成果，哪些事情呢？只能写成进展，哪些风险啊，必须单独拎出来，哪些表达呢？老板不喜欢，但这些东西呢，都在你的脑子里，你每次让 ai 写周报，都得重新跟他说一遍。 做成 skill 之后啊，你只需要把零散的工作记录丢进去 a 就 能呢，就按你的周报标准来整理。这件事情很普通啊，但真的很有用。第三个用处啊，是让复杂任务可以拆开来做。比如你想做一个平常写作的 skill， skill 点 md 里写整体的写作流程， reference 里，也就是参考资料里面呢，放你的历史文章的风格，标题方法论啊，选题标准啊， assets 里呢，放封面模板， script 呢，放字数统计啊，记用词扫描格式，检查这些脚本代码。 agent 呢，负责理解和写作，脚本呢，负责确定性检查参考资料，负责提供风格约束。 这样一来，他就不是单纯的帮我写文章了，他开始接近一条半自动内容的生产线。那 skill 和 m c p 有 什么区别呢？这个问题特别重要，因为现在很多人一听 skill 就 会觉得 m c p 是 不是没用了？ m c p 解决的呢？其实是连接的问题，而 skill 解决的是怎么做的问题？ mcp 让 agent 能够访问外部工具和数据，而 skill 呢，告诉 agent 在 某个任务里面应该如何使用这些工具和数据？你看，这是两个完全不同层次的概念， 如果没有 skill， 你 每次都要耳提面命八百遍，告诉你的 agent 要使用哪些 mcp 工具。怎么使用这些 mcp 工具？不然 agent 呢，可能选到错误的工具组合，或者是按照错误的顺序使用 mcp 工具。 如果没有 m c p 呢？ skyo 确实也能使用 scripts 你 的脚本代码或者系统自带的命令行工具来完成一些任务。但是它能触达到的外部世界就会很有限。你可以让 agent 在 本地处理文件，跑脚本，甚至 ppt， 整理 mac 套。但是如果你要让它稳定地去访问外部的数据库，飞书啊， lotion 啊， github 啊，企业内部的系统啊，或者是各种远程的这种 api 啊， 就需要一个标准化的连接层。 m c p 做的其实就是这件事情，他把外部工具和数据源呢，用统一协议接个 agent， 让 agent 不 用每次就为不同的服务单独写一套连接方式。用一个最简单的类比啊， m c p 的 全称呢，是 model context protocol， 也就是模型上梁文协议，就有点像电脑的 usb 接口和 u 盘 统一都遵循 usb 协议那样。 mcp 呢，负责把 agent 这台电脑和数据库啊，文件系统啊，浏览器啊， github， 飞书啊， lotion 啊，各种 api 啊这些 u 盘啊连接起来，接上之后呢， agent 就 能够够得到这些外部的资源，但够得着不代表会用得好。 skill 呢，像操作手册和 s o p， 它可以告诉 agent 什么时候要查数据库。查数据库的时候呢，先看哪些表，哪些字段代表当前状态，哪些查询呢？不可以乱查结果，要怎么解释异常要怎么处理？对于简单的任务啊，你确实可以不用 skill agent 呢，直接自己决定调用什么， m c p 一 般也够用。对于不涉及外部复杂对接资源的任务呢，你也可以不用 m c p， 用一个 skill 解决问题也够用。但是啊，涉及外部复杂的对接资源，且流程需要多步骤来完成的时候，通常这些资源的提供方，比如飞书啊， logan， 都会提供 m c p 的 使用方式，你就需要用 skill 去配合 m c p 来使用了。再看一个具体例子啊，你要让 agent 分 析公司内部谁的声望最高，如果只用 m c p， agent 呢，可能能连接上数据库，能查员工表，能查薪资表，部门表，但他未必知道声望应该怎么衡量， 是看管理层级，看下属数量，看薪资，看认知时间还是什么？这些呢，不是连接的问题，这是判断的问题，这时候就需要 skill， skill 可以 写清楚，分析声望的时候，先查管理关系啊，查薪资水平啊，查认知时长啊，以及其他就有相关性的数据，再组合成一个评分框架，最后输出结构化的分析。 m c p， 负责执行具体搜口的查询。而 skill 呢，负责告诉 a 政，他为什么查，按什么顺序查，怎么解释结果，这就是两者的分工。所以 skill 和 m c p 呢，他们不是互相替代的关系啊， 它们是互补的关系。 m c p 啊，让 agent 能够连接到外部世界的工具 skill 啊，让 agent 知道怎么组合工具完成任务。那到哪里去找 skill 呢？这几个 skill 的 网站，你可以自己去探索，还有就是 github 点 com 上会有一些个人或团队开源的 skill 项目， 可以自己根据需求呢去搜索。这里说两点啊，第一就是任何 skill 呢，如果不是官方的，都建议你先用自己的 agent 去检查一下安全性。 方法也很简单啊，把 skill 的 地址或者整个文件夹给你的 agent， 然后跟他说检查一下这个 skill 的 安全风险。第二点呢，任何的 skill 的 安装，除了 skill 网站提供的手动安装的方法，都可以直接把 skill 的 网址丢给你的 agent， 比如柯柯的，然后跟他说帮我安装这个 skill， 然后你的 agent 呢，就会自己帮你安装有什么实用或者是有意思的 skill 呢？比如你经常要做 ppt 啊，追求简洁实用风格，可以试试 abstract 的 pptx 技能。安装方法也很简单， 直接跟 cloud code 说帮我安装这个 skill， 然后把这个 skill 的 网址啊直接贴给他就可以了。比如你想搭建个人知识库啊，你可以试一试 second brain。 如果你还不知道这个前 open ai 创始人团队成员安德烈卡帕西提出的 l m viki 个人知识库的搭建方法，可以去看我那期讲 l m viki 的 内容， 我自己现在呢，也一直都在问。再比如人格真流 skill 啊，这个就很有意思了， github 上啊，有个这样子专门收集围绕人物关系、纪念性场景和方法论视角的 agent skills， 一句话讲就是万物可蒸馏，而这个仓库收集了已经蒸馏好的万物。比如你不知道怎么和老板汇报，可以用老板点 skill 蒸馏你的老板， 你担心同事跑路，导师毕业，队友转岗，可以用同事点 skill 蒸馏他们，你还可以用前任点 skill， 你 也可以用自己点 skill 蒸馏你自己。或者直接使用蒸馏好的领域人物 skill， 比如巴菲特思维操作系统点 skill， 比如马斯克点 skill， 比如乔布尔点 skill。 如果以上都没有你感兴趣的，你还可以使用女娲点 skill。 这里不是说完全还原一个人，它更像是呢，从公开作品啊，对话啊，经历和资料里去提炼表达风格，决策框架，思考习惯和互动方式，也就是把一个人是怎么想问题的， 怎么说话的习惯，怎么跟人互动的习惯做成一个可调用的方法论。 skill 安装方法也很简单，直接和你的 a 程序说帮我安装这个 skill， 然后呢，把这个地方替换成对应的 skill 网址就可以。还有一种 skill 叫原 skill， 原 skill 不是 某个具体任务的 skill， 不是帮你写周报，也不是帮你生成图片，它是帮你发现 skill， 创建 skill 的 skill。 现在最典型的两个原 skill 呢，一个叫 find skills， 另一个叫 skill creator。 find skills 呢，解决的是我想做一件事，到底有没有现成的可用的 skill。 以前我们找 skill 呢，可能要自己去 github 上去搜啊，去 skills 点 s s 上去搜，去别人的文章里去翻推荐，中间就很容易打断我们自己的当前工作流。而 find skills 呢，可以直接在 agent 里面帮 帮你搜，比如你对克罗斯克的说有没有 ppt 生成相关的 skill， 或者直接说我想生成 ppt， 它就会自己帮你去搜索，还会结合 skills 点 s h 这个网站的排行榜来源性，比如官方啊，还是个人啊， github 上面的 star 数量啊，综合帮你判断 哪个 skill 更靠谱。而 skill creator 呢？解决的是另一个问题，就是我想做自己的 skill， 怎么从零到一去做出来？它不是简单帮你生成一份 skill 的？ md 啊，除非你的需求真的是非常简单，它更完整的流程上， 先问你这个 skill 要解决什么问题？什么时候触发期望输出是长什么样的，要不要测试，然后会自动去帮你写一个 skill 的 草稿，再设计几个真实的测试的这样的一个任务，然后跑一遍 skill， 让你看看效果，如果效果不好呢，它 就改，然后再测，然后再改。总之就是我们跟着提示呢，一步步来，就可以从零到一的创建出一个 skill， 不 懂代码也完全没有。那什么时候需要创建自己的 skill 呢？我给一个特别简单的判断 一件事情，你做了三次以上，或者预判自己可能会做三次以上，就可以考虑做 skill。 不要做一个万能的 skill， 一个 skill 呢，去解决一个具体的问题。多个小的 skill 通常比一个巨大的 skill 更加靠。那 skill 有 风险吗？有，而且必须认真对待。 因为 skill 呢，它不一定只是文本，它可能包含脚本代码，可能要求提取文件，可能引导 agent 呢，去做一些操作。所以别人发给你的 skill 呢？不要闭着眼睛安装，至少要打开看一下 skill d m d 是 写的什么内容，看看它要求 agent 呢，会做什么东西，如果里面有 scripts 呢，而你又看不懂代码， 就不要轻易地去运行，尽量看 skill 的 安装量来源是否可靠。 skill 呢，它是能力的放大器，好的 skill 呢，会放大效率， 但坏的 skill 呢，也会放大风险。如果你觉得自己判断太麻烦了，也可以让你的 agent， 比如 cloud code 啊，或者 code x 去帮你去做解。那为什么 skill 如此重要呢？因为 ai， 它只是聊天工具的时候呢，提示词就够用。但当 ai 变成执行者的时候啊， 它需要的不只是你临时说一句话，它需要稳定的流程、边界、工具和规则。这就是 skill 的 定位。未来啊，很多软件可能都会发生变化，过去我们打开网页，自己点按钮，填表单，上传文件，等待 结果。以后呢，很多任务啊， agent 可以 直接通过 api 或者是 mcp 去完成。而 skill 呢，会告诉 agent 该怎么调用这些工具，该怎么整理输出。网页是给人用的， api 呢？是给程序用的， mcp 呢？是给 agent 呢？学会怎么做事用的。这几句话放在一起啊，你就能看懂 未来产品的形态。人会不会有一天被某个 skill 替代呢？已经有人把钱桶式真流成了一个 skill， 如果你正在做的事呢，是一个 skill 就 能讲明白的，那么大概率会被替代。如果不能，说明你的工作不只是机械式的动嘴动手，你的工作需要调用你的思维。史蒂芬平克告诉我们，人类的大部分思维其实并不以语言的形式存在。迈克波兰尼也告诉我们，我们所知道的远比我们能说出来的多。 这说明语言啊，并不全然是人类的智慧，语言背后无法被完全言说的思维才是思，就是心上之田，也就是在心上耕耘，用心去想，去琢磨，去感受。维就是维度， 零维是点，一维是线，二维是面，三维是体，四维就是连续运动的物体，也就是加上了时间的维度。当然，还有更高的维度啊， 展示不出来了。所以啊，思维就是思的维度。而语言呢，只是思维在低维空间的投影，就像把三维立体图强行压扁成二维平面图，无论从多少角度刻画这个平面图，都会失去空间、质感、层次等关键信息，永远无法还原物体的本貌。所以啊，人的核心竞争力啊，其实就两点，思维的高度和用语言。 思维的程度。思维呢，影响你的品位、洞察力、判断力、决策力和执行力。语言呢，影响你能在多大程度上让你的思维落地？这里的语言啊，不仅仅只说，也只写，也只话， 也只谈。思想维度高的人呢，很难被 a i t 的。 你想想看，如果乔布斯愿意来你的团队，你不会仅满足于使用乔布斯点 skill。 不 过，我们不需要成为乔布斯，我们只需要比周围人的思维高度高一点就可以。如果有一天，公司让你蒸馏你自己，你可以试试这个反蒸馏，馏就是你把你自己蒸馏出来了之后啊，然后把 蒸馏的结果丢给这个 skill， 它会帮你整理一份看上去完整专业，但实际上已经抽取掉了核心知识部分的清洗版。这是权益之计啊，不是为了让我们去躺平，而是让我们变得更强，争取时间，强到一百个 skill 也只是我们的冰山一角。 ok， 到这里你已经知道 skill 是 什么，有什么用？ skill 和 m c p prop 的 区别有哪些？实用有趣的 skill？ 什么时候需要创建自己的 skill， 以及如何创建自己的 skill？ 你 对 skill 的 理解已经超过了百分之九十。以上就是今天的全部内容，如果觉得对你所帮助，点个赞，收藏一下，也请转发给你那个一直想搞清楚的 skill 到底是什么的朋友。这对我真的很重要。我是三秋水，用技术生存，用哲学生活。我们下期再见。

关于 skill， 其实我们是一边学一边再去实现产品设计，那有的产品经理就提出来的说那 skill 他 其实就写的各种约束条件，他跟写题时词有什么区别呢？比较简单的业务逻辑，我们用题时词就可以表达出来，我们意图诉求的时候完全可以用题时词去写。 但是如果说遇到复杂的业务场景的是用题时词很难描述清楚的时候呢？那我们可以考虑用 skill 去实现 那 skill， 它与传统的提示词其实它也有些差别。在网上看到一句话说 skill 它核心是提示词注入加上下文修改，这是它的本质。其实这句话的理解能力跟我们之前没有 skill 的 时候去做的产品设计中的 problem 拼接是一个逻辑，就是说我问了一个 ai 的 问题，比如说我怎么控制体重， 但是 ai 它不知道我身高、年龄、性别是什么，所以我们以前做法就是让让我们进行拼接，然后让他们先去执行输入结果。那 skill 它其实是相似的逻辑，就是我们在用户输出对应的问题的时候，自动给添加一部分信息，也就是生成一个隐藏的一个指令，这就是说它叫做提示输入这个能力， 另外一个能力就是另外 scale 的 一个本质就是上下文修改器。我们通常知道用户它的上下文是有受上下文窗口这个长度限制的，那当一个复杂的业务逻辑很长的时候， 受上下文的长度影响，这时候呢，如果用 scale， 它会重组上下文的一个短期记忆，它也会集成长期记忆的数据，也就是说用户提的问题，输出的问题，它会集成上下文修改后的，它会把历史上一些绘画的内容进行修饰，提 生成新的内容，与用户当前问题的信息进行注入之后呢，可以分给模型，让它反映结果，这是它一个核心能力，那核心能力这块与传统的 problem 一个核心能力差别。刚才提到了就是复杂业务的时候，我们会用这种的 skill 的 能力，其实这个很好理解啊，就是什么叫做复杂业务逻辑啊？ 就是比如说我要去描述我的俗酒的时候，我通过简单的文字是有时候描述不清楚的，比如说我要告他你去做这个某个评估模型的一个输出，而这个评估模型输出的时候呢，我需要复杂的业务逻辑的计算公式， 经过复杂计算之后，把这个结果才能输出。但这种的东西我们直接扔给题词的时候，有时候他是很难理解我们的意图的，所以呢，我们把这个可以做成一个知识文件，让 skill 去调用，那他就可以很好理解我们的意图了， 然后去把结果给，也就是说 skill， 他 可以去调用文章文档的能力，去把我们的意图识别出来，之后让模型更好理解哦。系统工程去把它实现， 其实传统方式也可以运作，只是说使用这种模式去实现呢，效率会更高些。就是以前我们要做些很多 api 的 封装，或者是比如说我把一个复杂的一个业务逻辑公式写了之后，会让研发把它封装成对应的 api， 然后让 a 阵的去调用， 那这时候我们有的 skill 呢？它完全可以用它的呃调工具的能力，直接调我写的那个文档就可以了，实现的方法呢，变得更容易 简单了。然后模型的效果也理论上是应该有所提升的，因为现在我们正在考这个模式，具体的效果呢，还没有去见证。既然 skill 它核心能力是调工具，而这个工具可以包括数据库。 skill 核心能力是调工具，那它这个工具可以是数据库、知识库、 api、 m c p。 那好嘛， cpu 本身调这些工具一系列的复杂业务组合之后呢，它就可以分装成 mcp。 那 么好的，那到底和 mcp 有 什么关系啊？其实它就是像套娃一样，可以各种组合去套用，我们把一个业务逻辑分装成 mcp 输出标准化的一种，供市场去应用使用。 那同样的是说， mcp 本身它是一个能力，也可以是个工具，那 cpu 它核心调用的时候，它可以调用对应的接口 api， 也可以调用对应的封装好的 mcp。 当然如果说这个技能，它需要对应的获取用户的数据以及数据，进行标准化，形成数据集，然后对应去决策的知识是封装成对应的知识集 以及 mcp 集。库集也是 a p i 集的一个集合，直接集合，我们可以上到英我们自己平台的一个市场集市上面去，然后供这个 skill 去调用，这是整个调用涉及到的方面。所以一个复杂的业务逻辑 skill， 他去调用的时候可以调用这四种形式的，那随着发展，因为他还会有其他的，他完全可以用封装成堆的 mcp 供市场上， mcp 市场供大家去使用，这是一个复杂的一个套用一环的一个逻辑能力。 那不得不讲一下子 m c p， 它 m c p 客户端的交互，以及它如何去 c p 里边。因为刚说了本身 m c p 里边又可以分装 skill， 也是的一个能力，那这个它又是怎么去结合，如何去应用的？它这个逻辑， 这个整个客户端 m c p server 和 m c p 客户端如何去这种复杂的交互逻辑去实现能力的建设呢？我们来下个视频来介绍。

你以为写 skill 是 给 ai 写命令，其实更像是给 ai 的 一套干活打法。同样写一个 skill， 有 人写出来 ai 跑得很稳，有人写完就和没写一样，那差在哪里？不是文字功底，是结构。之前我聊过写 skill 的 四个原则，那是内容层面的， 今天补一层结构层面， google adk 团队最近把这五种打法总结了出来，今天呢，我就来分享给大家。第一种，参考，手册型规则，不要都塞进 skill 里，让 ai 按顺序读起外部文件，比如团队代码规范，单独存一份 kill 里之写，写代码前先读这份省 token 又准确百分之九十的人没有意识到这个。第二种，模板填空袭，给 ai 一个固定模板，他按照模板来填周报、竞品分析、客户检报这种固定格式的活用这个出来，每次结构都是一致的。第三种， 检查清单行，给 ai 一 份打分标准，他拿着清单逐项检查，代码审查方案，质检都可以来用。这种我觉得最被诋毁。拿标准逐项打分比写，请帮我审查稳一百倍。 第四种，先问再做行。就是之前讲过的格瑞米那套思路，不让 ai 直接动手，而是先问你一轮需求是什么，给谁用，有什么限制？大部分翻车不是 ai 不 行，是你自己就没有想清楚。第五种，流水限行。 把一个复杂任务拆成几步，每步做完确认了才能到下一步，从需求到交付那种长流程就能够用的上。简单任务套这个反而不会累赘。而且这些打法其实是可以组合的，比如先问再做收集需求，再用模板填空出方案，或者流水线走完，最后再加一步 检查清单做质检。所以你看，写死 q 不 只是堆文字，同样的内容用不同的打法组织 ai 跑车的效果千差万别，选对打法比写好文字更重要。好了，今天的分享就到这里，评论区聊一聊这五种模式里，你之前用过哪种。关注松哥，一起少加班！

家人们太炸裂了！这个 skill 把学术机构在用的 problem 全都开源了，看看这个目录的含金量，从中英文润色再到实验绘图和分析，再也不用到处找题式词了。同时他还手把手教如何配置 skills， 把精力留给真正的科研吧，用起来简直是学生党的福音，快试试吧！

你有没有觉得 ai 挺聪明，但用起来呢，总是差点意思。以前呢，想让 ai 干些复杂的活，你得搭建工作流，配置智能体，甚至自己写代码， 那门槛太高，普通人呢，根本搞不定。但现在，有一个叫 skill 的 东西，他正在把门槛砸碎。那什么叫 skill 呢？说白了，就是把 ai 干活的方法写作文档， 你不用再去编程，不用去搭工作流，只需要写一份说明书，告诉 ai 遇到什么情况，应该读哪份资料，执行哪段脚本，输出什么格式。那 ai 呢，就会按照你的文档一步步干下去。 那 skill 呢，其实解决了一个长期困扰 ai 的 一个核心难题，上下文窗口有限，你跟 ai 说的话，传的文件再多呢，他就记不住，算不动。而 skill 呢，用了一个聪明的办法，分批加载。 优势呢，不仅让 ai 记得住，还把一次性塞进几万字的这种做法，改成按需读取。 skill 的 革命呢？把过去只有程序员能干的事，换成了就是你去写一个文档就能搞定的事。那二零二六年呢？ skill 在 各行各业大爆发。 其实你不必成为技术专家，只需要呢，会写说明文档，就能让 ai 帮你干那些复杂琐碎、费时的活啊。评论区聊一聊，说说你用过的 skill。

经常有写文案写文章需求的小伙伴啊，这个 skill 你 们真的可以试一试，已经有一点八万颗星了。去 ai 位，首先你要知道为什么 ai 写的东西一眼就能看出来，这个也是这个 skill 基于这个底层逻辑给出的解决方案，它可以识别二十九种 ai 痕迹，分为五大类。你们是不是也是被这种 ai 痕迹搞得很头疼，什么叫假的内容深度？他举了六个例子， 你们自己看一下什么叫语法的套路，排版的机械化，或者号太多，聊天沟通的痕迹，包括一些废话的流程了，每一个环节都做得非常细致， 等一下会给大家演示，包括最后我们一直在强调的灵魂的注入，好效果对比，我们直接来上安利啊。我们首先我们来看一个 ai 位十足的文案啊，这个主题是远离有毒的人，我让 ai 基于这个主题去写了一段文案，一开头就是蓉蓉的 ai 位好，这个时候我们只用调出这个 skill， 把你要修改的 文件的地址附上去，然后让他做一个修改，把修改后的内容保存成另外一个 md 的 文件，是不是非常简单？他先读一个修改后的内容，因为这是在六书自制库里操作，我自带一个风格样本库， 一方面他有自己的改写方式，同时他要借鉴我的一个风格，包括我的历史文章。首先看识别他识别了哪些 ai 位的痕迹，按照刚刚说的那几大类，然后开始 草稿重写，同时匹配我的风格。最后再做一遍检查和梳理，这边是他的优化总结开场，然后增加了故事， 然后其他的一些细节我们看下具体的效果，我用一个分屏的模式对比看一下，这个是 ai 版，这个是优化后的版本，你们自己对比看啊。首先掏出一个故事，而这边全部是在讲道理，我们再看一下结尾 i 写的心灵鸡汤，然后这边改写的是不是更口语化一点点，把他刚刚说的没有观点只有道理的这个问题做了一个优化，其他的你就自己感受了，反正我觉得经过这一版的优化， ai 位确实少了很多。再结合六叔自己的历史文章的语料语库，出来的稿子确实质量比较 高啊，自己再做一个润色就搞定了。经常有写文案写文章需求的小伙伴，这个 skill 你 们真的可以试一试。好了，我是六叔，关注我，持续丰富你的 ai 技能库，拜了个拜。

家人们，现在市面上的 agent 工具都带 skill 功能，要是你还没用过，或者用了还是萌萌的，那这期视频你可千万别划走。哈喽，宝子们，今天咱就站在新手视角好好唠唠 skill 到底是个啥？咋用的？用的时候得避哪些坑？ skill 到底是啥呢？简单说， 它就是一段提前写好的指令说明书，在需要的时候交给大模型。它本质上是一个 markdown 格式的文本文件，记住，文件名必须是大写的 skill md 里面存的其实还是提示词， 但格式更规范。这里是配置区，相当于 skill 的 身份证。 name 是 它的名字，必须得用英文。因为你的 skill md 文件得放在和 name 同名的文件夹里，这个文件夹还得放在 agent 指定的目录下。就像我用的 cloud， 就 得放在它跟目录的 skills 文件夹里。 要是没有这个文件夹，自己建一个就行。要是你把 name 设成中文，文件夹也是中文，那文件路径里就会有中文， agent 调用的时候可能就会报错，所以 name 必须用英文。接下来的 description 是 描述，用来定义这个 skill 是 干啥的，什么时候调用。这部分是指令区， 就是写提示词的地方，规定了 skill 要遵循的规则和流程。介绍了 skill 的 主要且必须的 skill md 文件后，我们有必要了解一下 skill 还包含哪些其他部分。一个标准的 skill 项目通常包含这些部分， 其中最核心且唯一必需的文件是个目录下的 skill md 文件。刚才我们已经重点介绍了，其余的目录都是可选的，以满足不同场景的扩展需求。 scripts 用于存放复杂的业务逻辑代码， references 可用于管理外部依赖文档， assets 则方便开发者管理 技能运行时需要的多媒体资源。为啥一定要用 skill 呢？因为它能按需加载，简单说就是没任务的时候不占 token， 只有匹配到任务了， ai 才会加载这个 skill md 文件。这样不仅能省不少 token， 还能让 ai 根据你的需求随时切换专家身份。总之就是好用，必须安排上。那问题来了，既然它本质是题是词，咋规划逻辑才能让它乖乖干活呢？ 别担心， cloud 官方给咱准备了一个专门生成 skill 的 skill， 跟我来一分钟教你部署使用。大家把整个仓库下载到电脑解压，找到 skill 文件夹里的 skill creator 文件夹，复制粘贴到 agent 指定的位置。比如我用的 cloud code， 直接扔到根目录的 skills 文件夹里就行。要是你用的是其他 agent 工具，直接问他 skill 文件夹在哪，他会告诉你的 code code 怎么安装。上一个视频有详细的介绍，大家可以观看。配置好后，启动 agent， 输入 skill， 就 能召唤这个顶级专家了。然后你就用大白话描述你想创建的 skill， 记住哈，你描述的越清楚，沟通的越细，深沉的 skill 就 越贴合你的需求。要是没思路，也可以跟他一步步探讨，效果也贼好。聊到这， 估计大家都在想这 skill 到底能解决啥实际问题？这里举一个例子，比如大家经常开会吧，开完会得写会议纪要，以前的录音记笔记，会后还得花大把时间整理纪要，累得慌。现在有了 ai， 咱可以做一个叫 meeting 的 skill， 把工作留定死。会议结束后，让 skill 自动来生成会议纪要和 to do。 第一步，录音转文字，封装音频转写工具，让 cloud 能调用这个工具把会议录音转化成文字稿。 skill 自己不能直接转语音，但是网上这类工具一搜一大把，你随便装一个到电脑里就能用 skill 调用。第二步，剔除语气词，剔除文稿里 嗯啊，这个那个这些无意义语气词。第三步，分析生成记要。第一 cloud 的 提示字母版，让其基于清洗后的文本提取核心信息、会议主题、参会人决意和 to do。 第四步，自动存储文件，封装文件，写入函数，把文件自动存到你电脑的指定位置。这个步骤看着还挺复杂， 但是可以通过上面安装的 skill creator。 这个 skill 直接通过自然语言讲清楚我们这个 skill 需要的能力和步骤， code code 就 能自己完成这个 skill 的 开发。比如这个提示词。下面看一下实操的过程，我们调出 excel creator 后， 给他输入我们提前准备好的提示词，这个创建 skill 的 skill 就 开始工作了，帮助我们完成这个 skill 的 开发，全程无需人工干预，当创建过程中发现环境相关的报错，他还会自己去安装环境修复，过一会这个 skill 就 创建完成。 最后他还告诉我们这个会议纪要的 skill 怎么去使用，是不是很方便？有了这个 skill， 开完会，你只要把原始录音扔给他， 自己就把整个流程跑完了，这种一键搞定的爽感，用一次你就离不开了。要是你需求更复杂，比如经常要找不同会议的重要节点，或者合并拆分文件，都可以加到提示词里，也可以持续地让 cloud code 持续优化。最后，有小伙伴问 skill m c p 的 关系和的区别？一句话说明白， skill 是 提示词，是指令，是流程， m c p 是 工具，是接口。 skill 可以 调用 m c p 来扩展能力，但 m c p 只能在 skill 的 规则下干活。 ok， 以上就是本期视频的全部内容了，感谢大家观看。

了解 ai 的 朋友一定经常听见 skill 这个词，但你有没有想过， skill 到底是个啥？是插件？是技能？还是什么黑科技？今天一句给你讲清楚。说穿了，普通 ai 就 像一个刚毕业的大学生，知识全面，但不会用专业工具。 你让他处理一个 pdf， 他 说请用 adobe acrobat， 你 让他写篇文章，写出来跟八股文似的。而 skill 就是 给 ai 装上职业资格证，加工具，包 装上之后， ai 瞬间就能处理 pdf， 做 ppt， 写代码审查，甚至帮你把 ai 为十足的文字改得像真人写的一句话。 skill 让 ai 为十足的文字改得像真人写的一句话。 skill 让 ai 从纸上谈兵变成持证上岗。 第一个 pdf 全能助手，你肯定遇到过，手上一堆扫描版的合同论文，要合并，要拆分，要转 word， 还要在里面找一句话， 普通 ai 告诉你请用 adobe acrobat， 然后就没然后了。装了 pdf skill 之后，你直接说把这三个 pdf 合并， 第五页转成图片，几秒钟搞定。 ai 从一个聊天机器人直接变成你的私人文档助手。第二个，去 ai 位写作， ai 写的文章，你一眼就能认出来，首先，其次，再者，综上所述，满篇套路跟写申论似的。 这个 skill 做了一件很酷的事，你把 ai 出稿扔进去，它扫一遍，把那些套路句式全改掉，换成口语化，带情绪的表达，处理完之后读起来像朋友在跟你聊天，不是机器在给你汇报一句话，它让 ai 学会了说人话。 第三个，前端设计，你说帮我设计一个赛博朋克风格的登录页面，普通 ai 只能给你写一段 html 代码，黑底白字，啥也不是。装上设计 skill， 同一句话进去，渐变背景、玻璃、钛面板、霓虹灯、边框全出来了，甚至带交互动效。 ai 从一个代码生成器直接变成你的专属 ui 设计师，那 skill 本身到底是个啥？其实就是一个文件，里面写三件事，什么时候触发，怎么操作，有哪些坑 ai 看到了照着做就行，不用理解为什么能出活就是好 ai 巨像一个老师傅给新人写的操作笔记， 你不用精通，按步骤来活就能干。所以记住一句话，普通 ai 给你的是一纸文凭， skill 给你的是一身本事。 没有 skill， ai 知识啥都懂但啥都做不了的大学生。装上 skill 指征，上岗，指哪打哪，点赞收藏，每天 get 一 些 ai 知识，关注我，下期见！

s k 和 m c p 到底有什么区别？它们看起来都像是给大模型加能力，但本质完全不是一回事儿。一句话先说结论， skill 更像是教模型怎么完成一类任务，而 m c p 更像是给模型接入外部工具和数据的标准接口。 我是小哲，点赞收藏加关注，我们马上开始！想了解更多内容，可以查看橱窗。先说 skill， skill 的 核心不是工具，而是能力封装。你可以把它理解成一份操作说明书或者任务手册。 比如你希望模型会写一份技术文章，那 skill 里可以写清楚文章结构怎么拆，开头怎么吸引人，每一段怎么展开，结尾怎么收束，有哪些格式要求哪些表达不要用模型调用这个 skill 的 时候不一定要访问外部系统，它更多是在按照一套方法论去完成任务。所以 skill 解决的问题是让模型在某类任务上表现更稳定，更像专家。 再说 m c p， m c p 的 全称是 model context protocol， 你 可以把它理解成大模型世界里的 usb c 接口。它不是教模型怎么写文章，怎么分析问题，而是告诉模型你可以通过统一协议去连接外部资源，比如连接数据库文件系统 github 企业微信 notion 浏览器内部业务系统。 以前每接一个工具都要单独写一套适配逻辑。有了 m c p 之后，工具可以按照统一标准暴露出来， agent 就 可以用更标准的方式去发现工具，调用工具捕取结果。所以 m c p 解决的问题是让模型更方便更规范地连接外部世界。 那它们最大的区别是什么？第一，关注点不同， skill 关注的是怎么做任务， m c p 关注的是怎么接工具。 比如你要让 agent 帮你写一篇竞品分析报告， skill 负责告诉他，报告分几部分，先看产品定位，再看功能对比，最后给出结论和建议。 m c p 负责让他能去掉浏览器，读网页、查数据库，访问公司文档，一个负责思路，一个负责连接。 第二，抽象层级不同， skill 更偏业务能力层，它通常跟具体任务强相关，比如写小红书文案的 skill， 生成面试题解析的 skill， 处理客户投诉的 skill， 做代码 review 的 skill。 m c p 更偏基础设施层，它关心的是工具怎么注册，参数怎么传，结果怎么返回，权限怎么控制。 所以你可以理解成 skill 是 agent 的 技能包， m c p 是 agent 的 工具插座。第三，是否一定要调用外部系统？ skill 不 一定需要，比如一个技术口播稿生成 skill， 只要给模型一套写作规则，它就能直接生成内容。但 mcp 通常就是为了外部系统交互，比如查订单状态、读取本地文件，调用搜索工具、访问数据库，操作 get 仓库，这些都更适合通过 mcp 来接入。 那在真实 agent 项目里， skill 和 mcp 是 什么关系？它们不是竞争关系，而是配合关系。一个成熟 agent 通常是这样的， skill 决定任务流程和专家方法。 mcp 提供可调用的外部工具。 举个例子，你做一个自动生成周报 agent， skill 里面定义，先汇总本周任务，再提炼关键成果，再分析风险，最后输出领导爱看的格式。 mcp 负责连接 jara， 非书文档、 github 日历和数据库。最后模型根据 skill 的 流程去调用 mcp 暴露出来的工具，拿到数据再生成周报。 所以面试里如果被问到 skill 和 mcp 有 什么区别，你可以这样回答， skill 是 对任务能力的封装，重点是让模型知道怎么做。 mcp 是 对外部工具和上下文的标准化接入，重点是让模型知道能用什么，怎么用。 skill 提升的是任务执行质量， mcp 提升的是工具集成效率和系统扩展性。一个偏业务能力，一个偏工程协议，一个向操作手册，一个向标准接口。这期视频我们讲到这里，下期再见。拜了个拜。

什么是 skill？ 一个被严重低估的概念。很多人觉得学了就是会了，但 skill 的 本质是在特定情境下稳定完成某类任务的能力。 记住，知识等于知道，而技能才等于做到。知道不代表会做。我们把技能拆成三类，第一是硬技能，可量化可考核，比如 excel 和写代码，靠场景，比如沟通和谈判。第三是圆技能， 它决定了你所有技能的上限，比如学习力和复盘力。想要真正掌握一项技能，你需要三步，第一步，刻意练习， 挑出最薄弱的子动作，反复打磨。第二步，真实反馈，放到真实场景里去检验。第三步，复盘迭代，用文字记录下来，确保下一次做得更好。如果觉得有用，关注商海谢，每天拆一个职场底层概念。