LESSON 03 · SKILL 技能
Why this lesson · 为什么值得学
学会按任务挑合适的 Skill
看懂 Skill 的适用边界，不瞎用
避开「看起来能用其实不行」的坑
你跟 AI 说"帮我做个 XXX" — AI 自己决定要不要加载 skill、加载哪个。你甚至不需要知道 skill 的存在。
很多 AI 工具默认就有一些内置的 skill 在工作——比如翻译、校对、格式化输出，你甚至感觉不到它们的存在。
你说这句话，AI 就加载 teach skill。适合临时需要某个特定能力——比如突然想学点什么。
某些 skill 被设成了"始终开启"。每次新对话它们都在后台工作，你甚至感觉不到——但它们的规则一直在影响 AI 行为。
例子：你让 AI 写一封邮件，AI 自动加载了「正式写作 skill」来调整语气和格式。
描述"要达成什么"，而不是"一步步怎么做"
写 Skill 或给 AI 指令时，与其把每一步程序写死（"第1步读文件、第2步解析…"），不如告诉它目标（"把配置里的数据库端口改成用户指定的值"）。目标式写法保留了 AI 临场应变、从错误中恢复的空间；只有真正脆弱、顺序不能错的操作才写成精确命令或脚本。
回想一下你正在看这节课——你认为你是主动加载了 teach skill 才跟我学的吗？不完全是。你跟我说"使用teach这个skill教会我"——然后 AI 就自动加载了 teach 来处理你的请求。
你不需要记得 skill 名称、不需要知道它在哪个目录、不需要知道怎么加载。你只需要说"教我这个"——剩下的 AI 替你处理。
只有一种情况：你知道某个 skill 存在，而且你明确想用它。比如：
如果你不确定，直接问 AI："有什么 skill 适合我现在的情况？"
| 你想干什么 | 怎么说 |
|---|---|
| 查看所有可用 skill | skills_list() |
| 加载一个 skill | skill_view(name='skill名') |
| 让 AI 推荐 skill | "有什么 skill 适合我现在的需求？" |
| 创建一个 skill | "帮我把这些规律做成一个 skill" |
你可能好奇：AI 身上可能挂着几十个 skill，它怎么知道这次该用哪个？答案是渐进式披露（Progressive Disclosure）——一个非常实用但很少有人讲的机制。
想象一个图书馆。图书管理员（AI）不会把每本书的内容全背下来——那得撑爆脑子。他只扫一眼书架上每本书的书名和摘要（就是 skill 的「名称 + 描述」），判断哪本跟你的需求最相关，然后只把那一本抽出来翻开。
AI 用 skill 就是这个逻辑：它先扫描所有 skill 的名称和描述（不读内容），判断哪个该用，然后按需加载那一个的内容。这样做的好处是——几十个 skill 不会同时挤进上下文窗口把它撑爆，只有用到的那个才占地方。
这对你写 skill 有个直接影响：skill 的「名称」和「描述」特别重要——它们是 AI 决定要不要用这个 skill 的唯一依据。名称写得含糊（比如叫「文档处理」），AI 不知道什么时候该用它；描述写得太宽泛，又会什么活都抢。好的写法是同时标明边界：「用于 XX 场景，不要用于 YY 场景」。
先小步验证，再逐步扩大
别指望一次就写出完美的 Skill 或提示词。先用一个小任务试跑，看 AI 哪里做错、哪里漏了，再针对性加一条规则。像科学家做实验一样：测一次、改一点、再测。你给的反馈越具体，Skill 进化越快。
等你创建了好几个 skill，会发现它们经常可以串起来用——一个 skill 做完自己的部分，把结果交给下一个 skill 继续。这叫技能链（Chaining）。
举个例子：假设你做 YouTube 内容。你可以分别建好这几个 skill：「写标题」「做缩略图」「写描述」「选标签」。然后做一个总的「发布工作流」skill，它的工作就是按顺序调用前面那几个——先出标题，标题定了再做缩略图，以此类推。一条链走完，整套发布素材都齐了。
这就像工厂流水线：每个工位（skill）只负责一道工序，但串起来就能端到端做出成品。而且每个工位还能单独拿出来用——有时候你只想写个标题，不需要跑整条链。
技能链的价值在于复用：你不需要为「写一篇小红书」「做一条抖音」「发一个公众号」分别建三个庞大的 skill——而是做好「写标题」「写正文」「选标签」这些小积木，然后根据不同平台用不同的链把它们串起来。小积木越多，能拼出的组合就越多。
给它一个角色和边界，输出更稳
在 skill 里写明「你是一名 XX 专家，只做 XX、不越界做 YY」，AI 的语气和范围会稳很多。角色不是装饰，是约束。
REFERENCES · 参考资料
有疑问？返回 主页，或者直接打开 AI 聊天工具问它。