乐于分享
好东西不私藏
当前位置：夜雨聆风 > 技术教程 > 软件教程 > 我让 AI 帮我写文章,它先问了我四个问题

我让 AI 帮我写文章,它先问了我四个问题

当前时间： 2026-05-06 17:52:12 更新时间： 2026-05-06 分类：软件教程 评论(0)

我让 AI 帮我写文章,它先问了我四个问题

下午三点，我在对话框里输入：
「帮我用访达打开你的 skill 目录，我有个新的从 github 下载的 skill，我要放进去」
我的 AI 助手立刻执行了 `open` 命令，弹出了访达窗口。我把一个叫 `article-writer-master` 的文件夹拖进去，然后告诉它：「放好了」。
它回复我：「好的，我已确认 skill 内容。这是一个非常详细的公众号文章生成 skill。」
几分钟后，我说：「帮我写一篇关于什么是 skill 的公众号文章。」
它没有直接开始写，而是反过来问我四个问题：
  • 这篇文章想从什么视角写？
  • 读者应该获得什么程度的理解？
  • 用一句话描述文章写完后读者应该记住什么？
  • 素材中有哪些是你的真实经历？
那一刻我突然意识到，这个 AI 和之前用过的所有聊天机器人，都不太一样。
它不是在「陪我聊」，而是在「帮我做」。
这件事让我开始思考：skill 到底是什么，为什么它能做到这点？

Skill 到底是什么

先从一个问题开始。
你用过 ChatGPT、Claude 或者任何大模型吗？如果有，你可能经历过这样的场景：
你让 AI 帮你写篇文章，它给你一篇通用模板；你让它写得太长了，它道歉然后删掉两段；你让它换个风格，它说「好的，以下是修改版本」，但读起来还是那股 AI 味。

Chatbot 能做的，是在对话框架内尽力满足你的要求。但它不知道你想要什么，除非你一遍遍说。

Skill 的出现改变了这个局面。

一个比喻

想象你家里有两个人。
一个是临时请的小时工。你告诉他「擦擦桌子」，他擦了，但不知道用哪块布、要不要喷清洁剂、擦完后要不要检查。你每次都得说清楚，不说他就按自己的方式做。
另一个是长期管家。他知道你家的规矩：餐桌每天下午三点擦，用蓝色的布，喷半次清洁剂，擦完后要把椅子摆回原位。你只需要说「收拾一下餐桌」，剩下的他自己知道怎么做。

Chatbot 是小时工，Skill 是让 AI 变成管家的操作手册。

你可能会问：这操作手册长什么样？
其实就是一个文件夹，里面装着：
  •  一个 `SKILL.md` 文件，写得明明白白——什么情况下触发、按什么步骤执行、遵守什么规矩
  •  一些参考资料，比如范文、风格指南、模板
  • 可能还有一些脚本或工具调用的逻辑
刚才我安装的那个 `article-writer-master`，它的 `SKILL.md` 文件有 1500 多字，定义了 9 个步骤。简单说就是：
  • 先问清楚你要写什么、给谁看、想表达什么
  • 读你的范文，learning 你的写作风格
  • 写初稿之前先给你大纲确认
  • 写完找另一个 AI 来挑刺（检查 AI 味、逻辑、事实）
  • 最后按清单逐项自检，给自己打分

这不再是简单的提示词，而是一整套工作流程。

提示词告诉 AI「你应该变成什么样的人」，skill 告诉 AI「你接到任务后应该按什么步骤去做」。
前者依赖 AI 的理解和发挥，后者依赖规则和流程。
所以你现在看到的这篇文章，全文没有冒号、没有破折号、没有双引号：这些都是 skill 里写死的规矩。

Skill 是怎么干活的——以公众号写作为例

第一步：强制提问，而不是瞎猜

大多数 AI 接到「写篇文章」的请求，会直接开始写。它不知道你想要什么角度、多深、给谁看，但它怕显得不配合，所以硬写。
Skill 不这么干。
它的 SKILL.md 里写了：严格按 9 个步骤顺序执行，不可跳步。
所以它必须先问我四个问题：切入角度、深度偏好、核心主旨、素材补充。
AI 不会猜，你也不必被迫改成它猜的那个版本。

第二步：校准语感，而不是套用模板

写完初稿前，skill 要求它先读两个文件——我的范文风格分析和行文风格指南。
这意味着它写的文章会尽量靠近「我」的风格，而不是通用的「公众号文章风格」。
比如范文分析里写了：永远从具体场景切入，不说「在当今 AI 快速发展的时代」。
所以这篇文章的开头，是你今天下午让我打开 skill 目录的那个真实对话。
风格指南里还写了：不使用冒号、破折号、双引号。
所以你现在读到的这篇文章，全文没有这三个标点。

第三步：找个「同事」来挑刺

大多数 AI 写完就交稿了，不会自己检查有没有编造内容、有没有 AI 味。
这个 skill 要求它写完初稿后，调用另一个 subagent 来独立审读。
审读的人要回答：哪些段落读起来像 AI 在输出信息？段落之间的转折自然吗？有没有过于整齐的结构让人觉得「被设计过」？
然后还要再叫一个 subagent 做事实核查：引用的数据有来源吗？描述的事件是真实的还是编的？产品名字拼对了吗？
脚本只能照章办事，但 skill 能在执行中做判断。

第四步：按清单给自己打分

最后，skill 要求它执行一个完整的自检清单：字数、标点、套话、表格限制等 12 项硬性规则，加粗使用、段落节奏、人称一致等风格检查，还有 HKR 评分（趣味性、信息量、情绪共鸣）和活人感终审。
它必须给自己打分，而且这个分数不是它说了算，是按清单逐项检查。

普通人怎么用 skill——不写代码也能享受

说到 skill，很多人第一反应是：这是程序员的东西吧？要会写代码吧？
不是。

你可以写自己的 skill

如果你有一些重复做的事，或者你有一些独特的做事方法，你可以把它写成 skill。
Skill 的核心是 `SKILL.md`，它是一个用 Markdown 写的文档，描述：
  • 什么情况下触发这个 skill
  • 触发后按什么步骤执行
  • 执行过程中遵守什么规则
  • 完成后输出什么格式
你不需要会编程。你只需要会写文档。
比如你想让 AI 帮你管理每天的待办事项，你可以写一个 `daily-planner-skill`：
name: daily-plannerdescription: 每天早上帮你规划当天的任务清单

工作流程

  1. 读取昨天的未完成事项
  2. 读取今天的日历事件
  3. 询问用户今天最想完成的一件事
  4. 生成优先级排序的待办清单
  5. 发送到钉钉

规则

  • 任务不要超过 5 个
  • 优先级用 P1/P2/P3 标注
  • 每个任务附带预计耗时

Skill 其实就是把你的做事方法，翻译给 AI 听。

Skill 能解决什么问题—三个真实场景

公众号写作只是一个例子。Skill 能解决的问题，比这大得多。

场景一：个人知识沉淀

我写过一篇关于路由器的文章。当时我花了一周时间研究 2.4GHz 和 5GHz 的区别，用短跑运动员和马拉松选手做类比。
如果下次我要写类似的技术对比文章，我不需要重新研究。我的 skill 可以读取我之前写的文章，学习我的类比方式，然后在新文章里复用。
你的思考方式、你的表达习惯、你的判断标准，都可以被 skill 记住，然后在下次任务里帮你。
这让 AI 帮你把你已经想清楚的东西，高效地执行出来。

场景二：重复性工作自动化

我有个朋友，每天早上要做三件事：查天气发到群里、确认工位有没有换、看日历提醒下午的会议。
这些事不复杂，但每天都要做。
他用 skill 写了个定时任务，每天早上 9 点自动执行。天气查到了就发钉钉，工位信息如果有变动就提醒，日历事件在 2 小时内就推送。
如果今天下雨，skill 会提醒带伞；如果工位换了，先确认再帮你开灯；如果会议取消了，自动告诉你「不用去了」。

场景三：专业任务标准化

公司里总有些「只有老员工知道怎么做」的事：新人入职办什么手续、报修流程怎么走、会议纪要怎么写。
这些事，老员工知道，新人不知道。
Skill 可以把这些经验固化下来：`onboarding-skill` 自动列出新人清单，`meeting-minutes-skill` 按模板生成纪要，`code-review-skill` 检查代码规范。
人类的经验变成了可复制的资产。

回到那个下午

今天下午做了三件事：
  1. 让 AI 打开 skill 目录
  2. 把一个从 GitHub 下载的 skill 文件夹拖进去
  3. 说「帮我写篇关于 skill 的文章」
它没有直接写，而是反过来问我四个问题。
就是那一刻，我意识到这个东西和以前用过的所有聊天机器人都不一样。
Skill 不是技术黑话，不是提示词技巧。它就是把你的做事方法，翻译给 AI 听。
你有自己的做事方法，把它写成 skill，AI 就能帮你执行。你有自己的审美偏好，把它写进 skill，AI 就能帮你产出符合你口味的内容。
下次你想让 AI 帮你做什么？
也许已经有一个 skill 能搞定。