用了一段时间 AI 助手（比如 OpenClaw 龙虾）后，你会发现一个问题：

通用能力很强，但碰到你自己的工作，它就不知道该怎么办了。

它能写代码、能查资料、能聊天，但它不知道你们公司的 Excel 对账流程、不知道你的 PPT 模板规范、不知道你的公众号写作风格。

这时候，你有两个选择：

1. 每次都详细解释一遍

2. 教会它一次，以后自动执行

第二种，就是开发技能的价值。

技能是什么？

技能就是一份 “给 AI 看的标准作业程序（SOP）”。

你把一个任务的处理逻辑、判断标准、注意事项写成一个 SKILL.md 文件，AI 在需要时读取它，然后按照你的要求执行。

它介于文档与代码之间。你不需要精通复杂的编程语言，但需要具备基本的逻辑思维。核心在于把“怎么做”的步骤，像写算法一样结构化地拆解清楚。

举个例子：

你可能每周都要处理一份 Excel 对账表，里面有多个工作表、合并单元格、复杂的表头。每次都要手动清洗数据、核对金额、生成报告。

如果你把这个流程写成一个技能，AI 就能自动识别表格结构、提取关键字段、执行核对逻辑、输出标准化报告。

一次投入，长期受益。

为什么这件事很重要？

因为 AI 的通用能力是有上限的。

真正让 AI 有用的，不是它的通用能力，而是它能不能理解你的具体需求。而技能系统，就是让你把“具体需求”固化下来的方式。

更重要的是，这些技能是可以积累的。从长期看，你是在给自己的 AI 助手“训练”专属能力。

你写的每一个技能，都是在把你的工作经验、判断标准、处理逻辑数字化。这不是额外的工作，而是把重复的解释变成了高效的一次性投资。

实际工作流：用 Claude Code 开发技能

1. 建一个开发目录

比如 D:\AI\skill2605，作为技能开发根目录。在这个目录下，每个技能是一个子文件夹：

• excel/ - Excel 处理技能

• gzh/ - 公众号写作技能

• ppt1/ - PPT 生成技能

2. 用 Claude Code 开发技能

打开 Claude Code，把开发目录设为工作区。在每个技能文件夹里，核心文件是 SKILL.md，它定义了：

• 触发条件：什么时候 AI 应该使用这个技能？

• 工作流程：具体的执行步骤是什么？

• 常见坑：哪些地方容易出错？

• 参考样例：给 AI 看的示例输入输出

开发完成后，把技能文件夹复制到 /dist 目录。

3. 配置 OpenClaw 加载外部技能

打开 OpenClaw 的配置文件，加上这一段：

"skills": {  "load": {    "extraDirs": [      "D:\AI\skill2605\dist"    ]  }}

4. 重启 OpenClaw

配置生效后，OpenClaw 会自动扫描并加载技能。当任务匹配触发条件时，AI 就会自动执行。

为什么不能只用别人的技能？

每个人的工作流程、数据格式、风格偏好都不一样。

下载别人的技能只是起点，你还需要读懂它的逻辑，改造成自己的版本。这个微调和适配的过程，本身就是一种技术逻辑的训练。

你需要理解：

• 这个技能的触发条件是什么？

• 它的执行流程是怎样的？

• 哪些地方需要根据我的实际情况调整？

• 如何验证它是否按预期工作？

这不是简单的“复制粘贴”，而是一种把隐性知识显性化、把经验规则化的过程。

这件事的本质

开发技能的本质，不是“从零编写程序”，而是把你的工作流程“规则化”和“数字化”。

你不需要是硬核的程序员，但需要具备一定的技术思维——能够跨过基础的软件配置门槛，并且把“我平时怎么做”提炼成 AI 能精准识别的指令和边界。

一旦你把这个规则写清楚了，AI 就能按照你的标准执行，而且不会忘、不会偏。

这不仅不是“额外的工作”，反而是把重复的解释变成了高效的一次性投资。

以上

技能开发不是为了炫技，而是为了让 AI 真正理解你的工作。

如果你发现自己每次都在重复解释同一件事，那就是时候写一个技能了。