夜雨聆风用AI的人分两种人：一种每天打开Claude，输入一大段背景描述，得到回答，关掉页面。第二天再来，重新输入同样的描述。30天后，他的效率跟第一天一模一样。
另一种同样用Claude，但30天后，他的AI已经变成了一个完全不同的东西——自动用他的语气写作，自动按他的格式输出，自动调用他教过的方法论。而且他每天花在"指导AI"上的时间反而越来越少。
同一个工具，同一个模型，同一个价格。差距是怎么产生的？
不是技巧的差距。是认知框架的差距。
今天分享三个框架。理解它们，你对AI的使用方式会发生根本性的改变。
框架一：三层进化论——你在哪一层？
用AI有三个层级。绝大部分人永远停在第一层。
第一层：Prompt
Prompt就是你在对话框里临时输入的指令。"你是一个资深文案""用简洁的风格""给我三个方案"。
它在当下有效。会话关闭就消失。
这就像每天早上跟一个失忆的天才解释你是谁。它确实很聪明，但明天它又不认识你了。你的语气偏好、品牌规范、输出格式、行业术语——全部归零，全部要重新解释。
30天下来是什么样的？第1天写了个好Prompt，得到好结果。第15天你已经重复输入了大致相同的上下文15次。第30天你的生产力跟第1天一模一样。零积累。
而且在疲倦的那天你会漏掉细节，输出质量下降。在忙碌的那天你干脆跳过上下文，Claude给你一个泛泛的通用版本。
你自己就是瓶颈。每一次对话都是。
第二层：Project
你在Project里上传了参考文档、风格说明、系统指令。这个Project里的每次对话都知道你的上下文。
这就像给新员工一份入职手册。比天天口头交代强多了。
但还有一个问题：你得记得打开正确的Project。你的知识被锁在特定的Project里，换一个场景又得从头来。
第三层：Skill
Skill是一个结构化的文件——你写一次、装一次，之后Claude自动在识别到相关任务时触发。
不需要你打开特定的Project。不需要你输入任何提示词。Claude就是知道该怎么做。
这就像培训一个员工，培训一次，永远生效。
三个层级用的是同一个Claude。但第一层是聊天工具，第三层是工作系统。
那么，理解了这个分层之后，怎么从第一层跳到第三层？这就需要第二个框架。
框架二：交易思维 vs 复利思维
这是三个框架中最重要的一个。它不是一个工具使用技巧，而是一个认知模型。
Prompt是交易。 你投入时间写一段指令，得到一次产出。下次再投入，再得到一次。投入和产出是1:1的线性关系。你停止投入，产出立刻归零。
Skill是复利。 你第一天投入10分钟写一个Skill，第二天它已经在起作用了。第15天你累积了3个Skill，每个都在之前的基础上叠加。第30天你的Claude跟所有人的都不一样。
搭建成本是第一周分散投入的一小时。回报是此后每一次对话都在更高的基线上运行。
第一周的工作，在第六个月还在产生回报。这就是复利。
交易思维的人每天问："今天怎么用AI做好这件事？"
复利思维的人问的是："我怎么让AI永远知道该怎么做这件事？"
一字之差。但如果你用复利思维去使用AI，30天后你会发现一件神奇的事：你花在"教AI"上的时间越来越少，AI帮你完成的工作越来越多。因为你之前教过的每一个Skill都在持续生效。
这就引出了一个实操问题：Skill到底该怎么写？该把什么放进去、什么不放？这就是第三个框架。
框架三：Thin Harness, Fat Skills——把90%的精力花在对的地方
这个框架来自YC掌门人Garry Tan，他把它提炼成了一个极其精炼的架构原则：薄Harness，厚Skills。
什么意思？你在用AI工作时，实际上在搭建一个三层系统——不管你有没有意识到：
最上层：Skills。 你教给AI的操作手册——流程、判断标准、领域知识。这是价值的90%所在。
中间层：Harness。 运行AI的那个程序或环境——调用模型、管理上下文、读写文件。保持极薄。
最底层：确定性工具。 数据库查询、代码编译、数学计算——输入一样、输出一样、每次都一样的操作。
原则是：把智能推到Skills里。把执行推到确定性工具里。中间的Harness越薄越好。
反模式是什么？厚Harness、薄Skills。 你见过那种情况：花了大量时间调试工具链、配置各种插件、优化API调用，但真正教给AI"怎么做好这件事"的内容——一个字都没写。
结果就是：工具链很漂亮，但AI产出的质量跟裸聊没有本质区别。因为你优化了管道，但管道里流的还是自来水。
模型的智能已经足够了。它失败不是因为不够聪明，而是因为不理解你的具体情况——你的规范、你的惯例、你的问题的特殊形状。Skill解决的就是这个问题。
这个框架的另一个重要推论是：当下一个更强的模型发布时，你所有的Skill都会自动变得更好。
因为Skill定义的是流程和标准，底层判断力的提升会让这些流程执行得更精准。你不需要重写任何东西。模型升级对你来说不是"又要重新学"，而是"我的系统免费升级了"。
Skill是永久资产。
三个框架怎么串起来用
理论讲完了，串一遍实操。
第一步：用三层进化论定位自己。
你现在在哪一层？如果你每次对话都在重新输入上下文——你在第一层。如果你在用Project但没有Skill——你在第二层。知道自己在哪，才知道该往哪走。
第二步：用复利思维找到你的Skill候选清单。
回想过去一个月跟AI的对话。哪些指令你重复说过？哪些上下文你反复解释过？哪些格式要求你每次都得提醒？哪些流程你一步步手动引导过？
如果你重复超过三次，那就是一个Skill在等着被创建。
还有一条更激进的原则：如果你让AI做了一件事，而且这件事将来还会再做——第一次就应该变成Skill。手动做第一次，看看输出，满意就立刻编码成Skill文件。
检验标准：如果你需要第二次要求同样的事，说明系统失败了。
第三步：用Thin Harness, Fat Skills决定该把精力花在哪。
不要花三天调试工具链然后用裸Prompt跑任务。反过来——花三天写好你的核心Skill，工具链用最简单的就行。
一个Skill到底长什么样？极其简单，就是一个文本文件：
名字——叫什么。
描述——干什么（一句话）。这是最关键的部分——Claude靠这句话判断什么时候自动触发。
指令——怎么做（具体步骤）。
约束——什么不能做。
Skill不是告诉AI"做什么"——那是Prompt的事。Skill告诉AI的是"怎么做"。
Prompt说："帮我写一份竞品分析。" Skill说："做竞品分析时，先锁定3-5个核心竞品，按功能/定价/市场定位三个维度对比，输出SWOT格式，每个结论附数据来源，最后给3条可执行建议。"
Prompt提供任务。Skill提供方法论。两者配合时，AI才从"等你告诉它每一步该做什么的实习生"变成"知道怎么干活的员工"。
而且同一个Skill可以被不同的输入反复调用——输入一家竞品公司，你得到竞品分析；输入一个行业趋势，你得到趋势报告；输入一个投资标的，你得到尽调简报。同样的流程，不同的对象，完全不同的产出。
这不是Prompt工程。这是用Markdown做软件设计。
你的第一个Skill怎么建
最快的方式：让AI帮你建。
Claude内置了一个"Skill Creator"——一个能创建Skill的Skill。你只需要说："帮我创建一个Skill，用来做[你的具体任务]。"
Claude会采访你，提炼流程，输出一个结构化的.md文件。你存下来就能用。
一个下午，你可以搭好整个人的Skill体系。每个花10到15分钟。写作风格、竞品分析、会议纪要、邮件回复、报告生成、内容日历——加起来不到两小时。
这两小时的复利回报没有上限。
最后三个框架，三句话：
三层进化论： 从Prompt到Project到Skill，同一个AI，三种完全不同的体验。你在哪一层？
交易 vs 复利： Prompt是每天归零的交易。Skill是每天增值的资产。你选哪个？
Thin Harness, Fat Skills： 不要把精力花在工具链上。把90%的注意力花在写好Skill上——那才是价值所在。
你建的每一个Skill，都是对你AI系统的永久升级。它不退化，不遗忘，模型更新时自动变强。
Prompt是口头指令。Skill是SOP手册。一个每天归零，一个每天复利。
从今天开始：找到你重复超过三次的那个任务。花10分钟，写你的第一个Skill。
然后你就再也不想回到只用Prompt的日子了。
作者：KK.aWSB
