夜雨聆风
最近看到一个很有意思的 GitHub 项目：nature-skills。
表面上看，它是一个面向科研场景的 AI 技能仓库，里面包含 Nature 风格论文润色、科研绘图、论文写作、引用检索、数据声明、审稿回复、论文转 PPT、学术搜索等能力模块。每个模块都有自己的用途、触发关键词、规则和安装方式。
但它真正打动我的地方，不是"又多了一个 AI 工具"。
而是它展示了一种更重要的趋势：
AI 时代，真正有价值的能力，正在从"我会做"变成"我能把我会做的东西封装成可复用系统"。
▶ 工具越多，人反而越乱
过去我们谈 AI，总是谈工具。哪个工具能写文章，哪个工具能做 PPT，哪个工具能读论文，哪个工具能生成图片。
但工具越来越多之后，一个新的问题出现了：工具本身并不会自动带来效率。如果没有流程、规则和判断标准，工具越多，人反而越乱。
你会发现，很多人用 AI 的方式仍然停留在"临时问一句"：帮我润色一下。帮我总结一下。帮我写个标题。帮我做个 PPT。
这种方式当然有用，但它的问题是：每一次都是从头开始，每一次都依赖临场表达，每一次输出质量都不稳定。
▶ 真正成熟的 AI 使用，是封装技能包
而 nature-skills 给我们的启发是：真正成熟的 AI 使用，不是写一句更厉害的 prompt，而是把某种专业能力封装成一个可以反复调用的技能包。
一个好的技能包，不只有提示词。它还应该有任务定义、执行规则、参考资料、输出格式、质量边界和使用场景。
这也是为什么项目里强调，安装时不能只复制 SKILL.md，而要复制整个技能目录。因为很多技能并不是孤立存在的，它们依赖 references、assets、scripts、README 等上下文。换句话说，能力不是一句话，而是一套结构。
▶ 不要再只积累零散经验
这件事对普通人有什么启发？
不要再只积累零散经验，而要开始沉淀可复用流程。
比如科研人
你不能每次写论文都从零开始找感觉。你完全可以把自己的科研流程拆成几个模块：如何找文献、如何读论文、如何整理 Related Work、如何写 Introduction、如何做图、如何回应审稿人。每个模块都可以有固定步骤、判断标准和输出模板。
比如内容创作者
你不能每次发小红书都靠灵感。你可以沉淀选题库、标题库、内容结构、图鉴模板、发布文案、复盘表。慢慢地，你就不是在"写一篇内容"，而是在运营一套内容系统。
比如做一人公司的人
你不能每次服务客户都临时发挥。你要把客户需求诊断、方案设计、交付流程、报价模型、培训材料、售后复盘全部标准化。这样，你的服务才有可能从"个人手艺"变成"可复制产品"。
▶ 从经验到系统
这背后的本质，是把隐性能力显性化。
很多人的能力其实很强，但停留在脑子里。他知道怎么判断一篇文章好不好，怎么改一份方案，怎么带一个项目，怎么和客户沟通。但他说不清楚自己的方法，也没有形成文档、流程和模板。
这种能力当然有价值，但很难复制，也很难规模化。
更高阶的做法是：
先把经验写出来；再把经验拆成步骤；再给每一步加上判断标准；再把它整理成模板、清单、流程图；最后让 AI 可以参与执行其中一部分。
这就是从经验到系统的过程。
▶ AI 放大的是有系统的人
很多人以为 AI 会削弱人的专业价值。但实际上，AI 更可能放大那些有系统能力的人。
因为当所有人都能使用同样的工具时，真正拉开差距的不是"你有没有工具"，而是：
你有没有清晰的方法？
你有没有稳定的流程？
你有没有质量标准？
你有没有可复用的知识资产？
你能不能把自己的能力迁移给 AI、团队或客户？
这也是个人 IP 的一个重要变化。
过去，个人 IP 很容易被理解成"会表达""会出镜""会写爆款"。但未来，真正有长期价值的个人 IP，不只是表达型 IP，而是系统型 IP。
表达可以带来注意力。但系统才能带来信任。
别人因为你的观点关注你，但会因为你的方法留下来。别人因为你的内容认识你，但会因为你的系统购买你、合作你、推荐你。
▶ 个人 IP 的三个层次
第一层：内容输出
你能持续表达观点，分享经验，吸引同频的人。
第二层：方法论沉淀
你不只是说观点，而是能总结框架、模型、路径和步骤。
第三层：系统化交付
你能把方法做成工具、模板、课程、服务流程、AI 工作流，真正帮助别人解决问题。
nature-skills 的价值，就在于它展示了第三层：把专业能力做成可安装、可调用、可扩展的技能系统。
▶ 普通人可以开始的地方
当然，普通人不一定要马上做 GitHub 项目，也不一定要写代码。但每个人都可以从一个小问题开始：
我最近反复做的一件事是什么？
这个任务的标准步骤是什么？
我判断好坏的依据是什么？
哪些内容可以写成模板？
哪些环节可以交给 AI 辅助？
这套流程能不能变成一个小产品、小服务或小课程？
比如你每周都在整理资料，那就先做一个资料整理模板。比如你经常帮别人改简历，那就做一个简历诊断流程。比如你经常帮客户搭 AI 自动流，那就沉淀一套需求访谈表、流程图、报价表和交付手册。比如你经常写图文内容，那就搭建自己的选题系统、文章结构系统和图鉴生成系统。
这就是普通人可以开始的地方。
▶ 真正稀缺的是什么
AI 时代，真正稀缺的不是更多工具。工具会越来越多，也会越来越便宜。
真正稀缺的是：
你能不能识别一个重复问题；
能不能总结解决它的方法；
能不能把方法拆成步骤；
能不能把步骤变成标准；
能不能把标准封装成系统；
能不能让这个系统被自己、AI、团队或客户反复使用。
这才是未来知识工作者最重要的能力。
不是只会使用 AI。而是能把自己的能力，变成 AI 可以放大的系统。
