ARTICLE · 1197572

AI实战技能 10:别再让AI每次都从零开始——如何用AI Skills,把经验变成可以重复使用的能力?

发布时间：2026-10-17 12:52:16 最近访问：2026-10-17 12:52:18

不知道你有没有这样的经历。

第一次让AI制作报告，你需要反复告诉它：

报告写给谁、采用什么结构、使用什么风格、哪些内容需要重点突出。

经过几轮修改，终于得到满意的结果。

但下一次制作类似报告时，又要重新解释同样的要求。

这时候，一个问题就出现了：

既然已经教会AI一次，为什么不能把这套方法保存下来，以后直接使用？

今天想聊的就是：

AI Skills

把经验变成可以重复使用的AI技能。

01 什么是AI Skills？

简单来说：

AI Skills就是把完成某类任务所需要的方法、规则、步骤和资源，整理成AI可以重复使用的技能。

例如：

生成周报、分析Excel、整理会议纪要、制作PPT、检查文档。

这些工作虽然每次输入不同，但处理方法往往很相似。

如果把成熟的方法整理成Skill，以后只需要告诉AI：

使用周报Skill，整理本周工作。

AI就可以按照预先定义的规则完成任务，而不需要每次重新说明整个流程。

这就是Skills最重要的价值：

Reuse——让已经验证有效的方法能够反复使用。

02 Skill和Prompt有什么区别？

很多人可能会想：

把Prompt保存下来，不就可以了吗？

确实，对于简单任务，一个固定Prompt可能已经足够。

但两者的侧重点有所不同。

Prompt：告诉AI这次要做什么。

例如：

请生成一份周报，包括本周成果、存在问题和下周计划。

Skill：告诉AI这类任务应该怎么做。

例如，一个周报Skill可以规定：

需要提供哪些输入资料

如何识别已完成和未完成任务

如何提取问题与风险

使用什么报告结构

如何检查内容是否完整

如果任务还需要固定模板、参考资料、辅助程序，Skill也可以将这些资源组织在一起。

所以：

Prompt更像一次任务指令，Skill更像一套可复用的工作方法。

03 一个实际例子：会议纪要Skill

假设你经常需要整理会议纪要。

每次都要提醒AI：

不要简单复述发言。

重点提取会议决定。

整理Action Item。

明确负责人和截止日期。

区分已经决定和仍在讨论的事项。

这些要求其实已经形成了一套工作方法。

可以把它整理成：

Meeting Notes Skill

输入：会议记录或录音转写文本。

处理步骤：

识别会议主题

提取关键讨论与最终决定

整理行动事项

识别负责人和截止日期

检查未解决问题

输出：会议概要、决定事项、Action Item表和后续计划。

特别规则：

会议中没有明确的信息，不允许AI自行编造。

以后无论整理哪次会议，都可以使用同一套方法。

04 一个Skill应该包含什么？

不需要一开始就设计得非常复杂。

可以先从六个要素入手。

要素	说明
Name	技能名称
Purpose	解决什么问题
Input	需要哪些输入
Steps	应该如何处理
Output	最终交付什么
Validation	如何检查结果

例如：

一个Excel Analysis Skill：

输入Excel文件。

先检查字段和数据质量。

再计算指标、识别异常、生成图表。

最后输出分析报告，并核对关键计算结果。

这样就能把一次次积累的分析经验，转化为可复用的方法。

05 Skill、Memory、Tools和Workflow有什么区别？

前面几篇已经介绍过这些概念。

它们之间其实有很自然的联系。

Memory：记住什么。

例如，记住用户偏好、项目背景和历史决定。

Skills：知道怎么做。

例如，按照成熟的方法分析数据、整理报告。

Tools：能够实际操作。

例如，读取Excel、生成Word、操作邮箱。

Workflow：把步骤连接起来。

例如，每周自动读取任务、生成报告、提交确认。

四者结合，就可以形成更完整的工作方式。

例如，每周自动生成工作报告：

Memory记住项目背景和报告偏好。

Skills规定分析与写作方法。

Tools读取任务记录、生成文件。

Workflow负责定时触发和串联步骤。

Memory提供上下文，Skills提供方法，Tools提供执行能力，Workflow组织整个过程。

06 如何创建自己的第一个Skill？

不需要一开始就学习复杂技术。

可以从一项经常重复的工作开始。

第一步：选择任务

例如，周报生成、Excel分析、文章写作。

第二步：整理经验

回顾过去是如何完成这项工作的，找出重复步骤和固定规则。

第三步：定义标准

明确输入、处理方法、输出格式和检查要求。

第四步：实际测试

让AI使用这套方法完成一次任务，检查结果。

第五步：持续优化

根据出现的问题修改规则，逐渐形成稳定的Skill。

对于初学者，可以先从保存Prompt模板开始，再根据需要升级成更完整的Skill。

07 如何把Skill保存下来？

不同AI平台对Skills的实现方式可能不同。

一些支持文件式Skills的工具，会使用SKILL.md保存技能说明。

例如：

weekly-report/

├── SKILL.md

├── templates/

│ └── report.md

└── references/

└── writing-rules.md

其中：

SKILL.md定义技能用途、触发条件和执行方法。

templates保存输出模板。

references保存补充规则。

这种方式可以把原本分散在聊天记录中的经验，整理成更容易维护和复用的文件。

具体格式和加载方式，需要以所使用工具的要求为准。

08 一个可以直接使用的Prompt

如果不知道如何把工作经验整理成Skill，可以让AI协助设计。

我希望把一项经常重复的工作，整理成可以反复使用的AI Skill。
工作名称：【填写任务】
当前工作方法：【描述现有步骤】
执行频率：【每天/每周/每月】
请帮我设计一个Skill，包括：
Name：技能名称
Purpose：适用场景和目标
Input：需要提供的资料
Steps：具体处理步骤
Output：输出格式和交付结果
Validation：结果检查标准
Exceptions：异常处理规则
请优先设计简单、容易验证的版本，不要过度复杂化。

通过这个Prompt，就可以开始建立自己的AI技能库。

09 好的Skill需要持续改进

Skill不是创建完成就可以永久不变。

业务规则可能变化。

输入格式可能变化。

原来的方法也可能存在问题。

因此，一个好的Skill应该具备：

Clear：规则清楚。

Reusable：可以反复使用。

Verifiable：结果可以检查。

Maintainable：容易修改和维护。

Safe：权限与操作边界清晰。

尤其需要注意：

不要因为某个Skill成功运行了一次，就认为它在所有情况下都可靠。

最好使用正常输入、缺失数据、异常格式等不同情况进行测试。

并且，不是所有任务都需要做成Skill。

优先选择那些高频、步骤相对固定、标准明确、值得长期复用的工作。

10 从使用AI到建立个人技能库

回顾前面几篇，我们已经学习了：

如何让AI阅读文件、分析数据、写文章、准备会议、设计Workflow、调用工具以及使用Memory。

如果把这些成熟方法逐渐整理成Skills，就可以建立：

Personal AI Skill Library

个人AI技能库。

例如：

Writing Skill。

Research Skill。

Excel Skill。

Meeting Skill。

Report Skill。

Document Review Skill。

这些Skills可以不断测试、优化和复用。

过去，我们的经验主要存在于头脑和文档中。

现在，可以尝试把其中能够明确表达的方法，整理成AI可以执行的技能。

这意味着：

经验的价值，不再只是自己做得更快，还可以变成一套能够持续复用的方法。

写在最后

如果让我用一句话总结今天这篇：

不要每次都重新教AI怎么做，把已经验证有效的方法，变成可以反复使用的Skills。

AI Skills的核心过程可以概括为：

Capture → Standardize → Reuse → Evaluate → Improve

整理经验。

形成标准。

重复使用。

检查效果。

持续改进。

真正有价值的Skill，不是Prompt写得有多长，也不是包含多少复杂技术。

而是：

让过去积累的经验，能够在下一次任务中继续发挥价值。

所以下一次，当你发现自己又在向AI重复说明同样的要求时，可以先问：

这套方法，能不能保存成一个Skill？

也许，这就是建立个人AI技能库的开始。

下一篇｜AI实战技能 11

别再只让AI完成单个任务

如何让多个AI Skills协同工作，完成复杂任务？

当你已经拥有Research Skill、Excel Skill、Writing Skill和Review Skill，能不能让AI根据目标选择不同技能，把它们组合起来，完成一项复杂工作？

下一篇继续聊：

AI × Skill Orchestration（技能编排）。

从复用单个技能，走向组合多个技能，完成端到端任务。

继续学习，继续实践，继续记录我的AI学习笔记。