夜雨聆风
把你的脑回路打包成 AI 助手:从 13 个 Skills 看个人方法论的资产化
写在前面
现在网上到处都是”如何写好 Prompt”的教程，但很少有人问过一个更根本的问题：
提示词到底是什么？
有人把它当指令，有人把它当模板，有人把它当咒语。
但如果你仔细看“prompt之神”李继刚的 13 个 Skills，会发现他在用另一种视角看这个问题：
提示词，本质上是你脑回路的压缩包。
这不是比喻，是他整个 skill 仓库的核心设计哲学。
今天不展开说每个 skill 怎么用（那得写一万字），而是聊聊这些技能背后的一种更重要的思维方式：如何把自己的经验、判断、风格，打包成可复用的 AI 资产。
一、为什么要谈”资产化”
先看一个真实场景。
假设你是一个内容创作者，日常流程是这样的：
-
找到一篇有价值的论文或文章 -
读一遍，画出重点 -
用自己的话重新解释 -
做成可分享的卡片或长图 -
发到自己的社交媒体
这个流程，你每周可能要走三五遍。
每次都从零开始跟 AI 说”帮我读一下这篇文章”、”帮我总结成白话”、”帮我做个卡片”——这不叫高效，这叫重复劳动。
真正的效率不是 AI 帮你快一点完成每个环节，而是：
把你已经验证过的流程，一次性打包，以后只需调用。
这就是”资产化”。
二、资产化的三个层次
李继刚的 skill 仓库最有意思的地方，不是功能多，而是他把”个人方法论”拆成了三个可封装的层次：
第一层：认知框架
这一层解决的是”怎么看问题”。
比如 `ljg-rank` 这个技能，它的核心不是”总结要点”，而是追问：
这个领域背后，真正独立的生成器有哪几个？
这是他自己的判断框架。
普通人可能会总结成”5 个关键因素”或”3 个核心原则”。
但他要求的是：能生成、最小化、相互独立、还要有预测力。
这就是认知框架。
一旦你把自己的判断框架写进 skill，AI 就会按你的思维方式去输出，而不是按通用模板去填充。
第二层：表达风格
这一层解决的是”怎么说出来”。
最典型的是 `ljg-writes` 这个技能。
它不是教 AI”如何写得更好”，而是直接规定了一种写作姿态：
一个人在想事情，碰巧被你看见。
听起来很玄？它把这个姿态拆成了非常具体的负面清单：
• 不要演讲腔
• 不要教学腔
• 不要”接下来我们来讨论”
• 不要一股脑列结构标签
• 句子要能说出口
• 同一种句式不能反复出现
• 听起来像金句的，反而要重写
这就是风格封装。
你不用每次跟 AI 说”写得更自然一点”，而是直接调用一个已经带有你风格的 skill。
第三层：交付标准
这一层解决的是”输出成什么样”。
`ljg-card` 是最好的例子。
它的核心不是”能不能出图”，而是有一整套审美标准：
• 禁 Inter 字体
• 禁纯黑色
• 禁三等分布局
• 禁居中 Hero
• 禁 AI 文案腔
• 禁假数据
这背后是作者对”什么算好作品”的标准。
一旦你把交付标准写死在 skill 里，AI 就不会随便给一个”看起来还行”的结果，而是必须达到你定义的质量线。
三、为什么大多数人做不好技能化
现在很多人开始尝试做 Skills 了，但为什么很少有像李继刚这样成体系的？
观察下来，有三个核心误区：
误区一：把”功能”当成”技能”
最常见的做法，是写一堆功能型 prompt：
• 帮我写一封邮件
• 帮我总结一篇文章
• 帮我优化一段代码
这些当然有用，但它们只是工具，不是技能。
技能和工具的区别在于：
工具是”帮我把这件事做完”。 技能是”按我的方式把这类事都做好”。
功能型技能的问题是，它没有”作者感”。换个人也能写，换个人也能用。
但真正的技能，应该像一个人的手艺，有辨识度，有个人风格。
误区二：只写”要什么”，不写”不要什么”
这是最容易犯的错误。
很多人写技能，习惯用正向指令：
• 让内容更清晰
• 让表达更流畅
• 让逻辑更严密
这些话都对，但太空了。AI 听完还是不知道怎么执行。
更好的方式是写负面清单：
• 不要堆术语
• 不要机械连词
• 不要一句话塞三件事
• 不要一上来先铺背景
就像教人打篮球：”动作自然一点”没法练，但”手肘别外翻”能练。
好技能的一个核心特征是：它有明确的红线。
误区三：风格和方法论不敢太主观
很多人写技能时，总怕”太个人化”，于是拼命往”通用””中立””模板化”上靠。
结果就是：虽然谁都能用，但谁都用不出辨识度。
真正有价值的技能，往往是最主观的。
比如 `ljg-invest` 这个投资分析技能，它的核心判断是：
不问这个公司值多少钱，问这台机器转不转得起来。
这是一套非常个人化的判断语言。
很多人可能不认同，但这不影响它的价值。
因为它的目标是：不是做一份通用分析报告，而是按”我”的判断框架做评估。
这就是为什么你会有”这是这个人写的 skill”的感觉。
四、如何开始把经验资产化
如果你也被这套思维打动了，想试试把自己的脑回路打包成技能，这里有三个实用建议：
第一步：先找到你的”重复场景”
不是所有事情都需要技能化。
技能化只值得花在那些：
-
你反复在做的事 -
已经有验证过的方法 -
风格很重要的事
比如：
• 你经常读论文并做解读
• 你经常写某种类型的文章
• 你经常做某个领域的分析
• 你经常做某种形式的内容生产
这些是值得技能化的场景。
第二步：拆出你的”思考链条”
不是只写”第一步做什么，第二步做什么”，而是把你在思考过程中真正用到的判断、标准、偏好写下来。
比如你要做一个”读论文”的技能，可能需要拆：
• 读的时候，你特别在意什么？（问题锚点？方法论？还是结论？）
• 你希望用什么样的语言解释？（学术腔？费曼式？还是更口语？）
• 你最终想要带走什么？（一句话？框架图？还是可操作的启发？）
把这些写清楚，你的技能就有了”作者感”。
第三步：定义你的”交付标准”
不要让 AI 随便给一个结果，要定义清楚”什么算好”。
这包括：
• 语言质量的要求（要不要有 AI 腔？要不要太学术？）
• 结构标准（要不要开头结尾？要不要分点？）
• 格式要求（要不要成图？要不要卡片？）
这些交付标准，就是你技能的”签名”。
五、技能化的真正价值
把经验资产化，表面看是”省时间”，但它的真正价值远不止于此。
价值一：让思考有复利
很多人每天在大量重复思考，但每次都从零开始。
技能化的好处是，你每写一个 skill，都是在把自己的思考固化下来。
以后遇到同类问题，不需要重新想一遍，而是直接调用你过去验证过的方法。
这是思考上的复利。
价值二：让方法有传承
当你把经验写成技能，这些方法就有了超越”你个人”的生命力。
可以分享给团队成员，可以传承给后来者，甚至可以变成某种方法论品牌。
李继刚的 skill 仓库之所以能成为一个话题，不是因为他写了多少个，而是因为里面有一整套可识别的个人方法论。
价值三：让 AI 成为你，而不是帮你
这是最关键的一点。
用 AI 的本质，不是让它代替你，而是让它成为你能力的延伸。
技能化是通往这个目标的最佳路径：
当你的技能越完整，AI 就越像你。
这不是科幻，而是现在就能做到的事。
写在最后
今天这篇文章，不是在教你怎么用李继刚的 13 个 Skills。
而是在聊一个更根本的问题：
当 AI 越来越便宜、越来越强大时，真正的竞争优势到底在哪里？
不是你会不会写 Prompt。
不是你用了多少个 AI 工具。
而是你有没有把自己的经验、判断、风格，打包成可复用的资产。
因为 AI 是公共资源，但你的经验是独家的。
而技能化，就是把独家经验变成资产的方式。
如果你已经在某个领域有积累，不妨试试：
把你验证过的方法，写成一个 skill。
哪怕只用给自己看，你也完成了一次重要的升级：
从”会用 AI 的人”，变成”有自己 AI 生态的人”。
这，才是真正的护城河。
延伸阅读：
如果你对李继刚的 skill 仓库感兴趣，可以直接去看原项目：
https://github.com/lijigang/ljg-skills
但别忘了：真正值得学的不是每个 skill 怎么用，而是他怎么把自己的脑回路打包成可复用的资产。
这才是最重要的。
如果这篇文章对你有启发，欢迎分享给需要的朋友。
核心要点回顾
-
技能化的本质：把个人经验、判断、风格，打包成可复用的 AI 资产 -
资产化的三个层次：认知框架、表达风格、交付标准 -
常见误区：只写功能、只写要什么、不敢太主观 -
实用建议：找到重复场景、拆出思考链条、定义交付标准 -
真正价值：思考有复利、方法有传承、AI 成为你的延伸
关于openclaw配套资料
私信 zh-an-gh获取openclaw配套资料，内容不定期持续更新。