夜雨聆风
AI 已经进入日常办公的各个环节。
现在的重点，不是继续追哪个工具更好用。
而是要知道：AI 能用来做什么，以及在具体工作任务中该怎么用。
这篇文章，我们来处理一个经常被忽略的问题：同一类工作明明已经教过 AI，为什么下次还要重新解释？
解决办法，是把已经跑通的工作方法封装成 Skill。
一、Skill 的价值，不是让 AI 更聪明
很多人使用 AI 时，会不断重复同一套沟通。
整理一篇文章，要重新说明标题风格、读者对象和输出结构。
复盘一个项目，要重新说明先看目标，再看结果，最后找偏差和原因。
制作一份提案，又要重新提醒 AI：
不要拿到 brief 就直接写 PPT； 先确认客户目标和缺失信息； 找资料时要区分来源优先级； 洞察不能只是复述事实； 创意要先给方向，再写具体表现； 最后还要检查说服链是否完整。
AI 不是完全不会做。
它的问题是每次都像第一次做。
这说明真正缺少的不是更长的提示词，而是一份可以反复调用的工作方法。
Skill 就是给 AI 使用的工作说明书。
它把一类任务的适用场景、输入资料、执行步骤、判断规则、输出格式和检查标准放在一起。
下次遇到相同任务时，AI 不需要重新猜。
它可以按已经确认过的方法直接开始。
二、哪些工作值得封装成 Skill
不是所有任务都需要 Skill。
临时问一个问题、偶尔写一段文字，直接和 AI 对话更省事。
一项工作是否值得封装，可以看五个判断标准。
适合先做 Skill 的办公场景包括：
把会议纪要整理成执行分工表； 把客户沟通记录整理成销售话术； 把零散资料整理成周报或复盘报告； 把选题素材整理成周度内容计划； 把模糊需求整理成需求文档； 按固定标准检查合同、方案或交付文件； 把客户 brief 整理成一份完整提案。
最不适合的开局，是做一个“万能办公 Skill”。
覆盖范围越大，边界越模糊。
AI 可以自由判断的地方越多，结果就越不稳定。
第一版 Skill 更适合从一个小而真实的任务开始。
三、提示词和 Skill 有什么不同
提示词当然有用。
但提示词更适合解决一次任务。
比如：
请把这份会议纪要整理成待办清单，包括任务、负责人和截止时间。
这条提示词能完成当前工作。
但下次换一份纪要，你可能还要补充：
没有明确责任人时不要猜； “尽快完成”要标记为待确认； 增加协作人和验收标准； 识别任务之间的依赖关系； 输出以后还要做完整性检查。
这些规则如果每次都靠临时补充，很容易遗漏。
Skill 保存的是长期有效的信息：
可以把提示词理解成一次工作安排。
Skill 更像岗位 SOP。
四、一个可用的 Skill 应该保存什么
第一版 Skill 不需要写得很复杂。
至少要把下面八类信息说清楚。
1. 适用场景
用户提出什么任务时应该使用？
比如：
当用户提供客户 brief、产品资料或营销目标，并要求整理提案方向、PPT 结构或传播方案时使用。
2. 不适用场景
哪些相似任务不应该使用？
比如只需要美化现成 PPT，就不应该重新运行完整提案流程。
3. 输入资料
开始前需要什么？
例如：
客户 brief； 产品资料； 目标人群； 预算和周期； 已有研究报告； 品牌限制和禁用表达。
资料不完整时，也要规定是先追问、标注假设，还是停止执行。
4. 工作步骤
AI 应该先做什么、后做什么。
步骤不能只写“深入分析”“形成洞察”。
要写成可以执行的动作。
5. 判断规则
这是 Skill 最有价值的部分。
例如：
官方资料优先于媒体转载； 每条趋势至少要有一个数据或案例支撑； 洞察必须能够影响产品、传播或渠道选择； 不确定的信息不能写成确定结论。
6. 输出格式
最终交付物长什么样？
没有固定输出格式，AI 很容易每次生成不同结果。
7. 禁止事项和停止条件
例如：
不凭空补充客户数据； 不自动对外发布； 缺少核心资料时先列出问题； 涉及敏感信息时停止并等待确认。
8. 检查清单和案例
至少准备：
一个合格结果； 一个不合格结果； 一份发布前检查清单； 几个曾经踩过的坑。
流程告诉 AI 怎么做。
踩坑清单告诉 AI 哪些路不要再走。
五、案例：把提案流程封装成 Skill
做提案是一个很适合 Skill 化的任务。
因为它重复发生、步骤相对稳定，又非常依赖经验判断。
很多新人拿到 brief 后，第一反应是打开 PPT。
找几个案例，想一句主题，再让 AI 生成十个创意。
最后做出来的文件可能很好看，但没有完整的说服链。
例如，客户只给出这样一段信息：
客户是一个休闲食品品牌。
暑期想做一波年轻人传播。
希望有热度、好玩，也能带动购买。
预算中等，最好结合社交平台。如果直接让 AI 做方案，它会缺少大量关键背景：
这次传播优先解决认知、销量还是新品上市？ 目标人群是学生、初入职场者，还是更广泛的年轻家庭？ 产品有什么差异化卖点？ 购买发生在线上、便利店还是商超？ 客户能接受哪些创意边界？ 有哪些历史活动和品牌资产可以复用？
提案 Skill 的第一步，不是输出主题。
而是检查 brief，找出缺失信息。
一套完整流程可以这样设计：
需求澄清
→ 资料搜集
→ 事实整理
→ 洞察提炼
→ 创意方向发散
→ 说服链设计
→ PPT 结构
→ 视觉交接
→ 交付质检每一步都要有明确产物。
这里最关键的是：Skill 不直接替人拍脑袋。
它先保证工作顺序正确，再让 AI 在每一步发挥能力。
六、提案 Skill 里要保存哪些判断
只保存步骤还不够。
专业经验通常藏在判断标准里。
资料搜集的判断
资料不是越多越好。
应该先规定来源优先级：
客户和品牌官方资料
→ 官方统计或行业报告
→ 一线研究机构
→ 平台公开资料
→ 权威媒体
→ 二次转载和个人观点过期数据要标注年份。
找不到来源的数据不能继续引用。
洞察质量的判断
“年轻人喜欢社交”“消费者更关注健康”都可能是事实。
但它们很难指导具体行动。
可以设置四个检查问题：
它是否重新解释了已有事实？ 它是否有明确立场？ 它是否会影响产品、传播或渠道选择？ 它是否有证据，也考虑了反例？
创意发散的判断
不要只要求“更有创意”。
要规定从什么方法出发，例如：
反转； 错位； 冲突放大； 符号化； 角色叙事； 场景极化； 情绪转译。
第一轮先输出传播方向，不急着写广告语。
提案结构的判断
每一部分都要服务一个问题：
客户现在面临什么问题？ 为什么这个问题值得解决？ 我们看到了什么机会？ 核心判断是什么？ 为什么这个创意能解决问题？ 最终如何执行和验证？
这些判断才是提案 Skill 的核心资产。
PPT 模板只能规定长什么样。
Skill 保存的是为什么这样推。
七、Skill、工作流和 Agent 怎么分工
这几个概念经常被混在一起。
可以用一张表区分：
以提案为例：
Skill 规定提案应该怎么拆、怎么判断质量； 搜索工具负责查找资料； 工作流可以把资料摘要自动写入指定文档； Agent 根据 brief 决定先追问什么、调用哪个方法。
不是所有看起来复杂的任务都需要 Agent。
如果每一步都非常固定，用工作流更稳定。
如果只是保存一套专业做法，用 Skill 就够了。
八、如何从一次成功任务中提炼 Skill
不要坐在空白页前想象一套完美流程。
更稳的方法，是先和 AI 完成一次真实任务。
第一步：选一个真实任务
最好是本周刚刚做过，而且未来还会重复的工作。
保留真实输入、修改过程和最终交付物。
第二步：让 AI 正常执行
先不加 Skill。
观察它在哪里跑偏：
漏了哪一步； 错用了什么资料； 哪些内容需要你反复解释； 哪些结果看起来完整却不能使用。
第三步：记录人工纠正
每一次纠正都是 Skill 素材。
例如：
没有来源的数据要标注； 缺少关键信息时先提问； 不要直接写广告语； 正文确认后才能发布； 输出必须包含风险清单。
第四步：整理成最小版 Skill
第一版只写：
什么时候用； 需要什么输入； 五步以内的核心流程； 输出格式； 停止条件； 一个正例和一个反例。
第五步：换一个同类任务验证
不要继续用原来的案例。
换一个新的真实任务，检查：
是否少解释了一轮； 是否减少了遗漏； 输出能否直接进入下一步； 遇到不确定信息时是否知道停下来。
第六步：把失败点补回去
Skill 不是一次写成的。
每次失败，只补真实发生的问题。
不需要为了显得完整，把所有可能性都写进去。
九、一份可以直接复用的 Skill 内容模板
下面这份模板不强调技术格式。
它更适合帮助普通职场人梳理一套工作方法。
# [任务名称] Skill
## 适用场景
- 用户在什么情况下需要使用这套方法。
## 不适用
- 哪些相似任务不要使用。
## 开始前需要
- 必须提供哪些资料。
- 资料不足时怎么处理。
## 工作目标
- 最终要解决什么问题。
- 要生成什么交付物。
## 工作流程
1. 第一步要读取或检查什么。
2. 第二步要整理什么。
3. 第三步要做什么判断。
4. 第四步如何生成结果。
5. 第五步如何检查。
## 判断规则
- 哪些标准必须遵守。
- 哪些信息优先级更高。
- 哪些情况可以调整方法。
## 输出格式
- 标题或字段。
- 章节顺序。
- 表格、清单或文件格式。
## 禁止事项
- 不允许自动执行什么。
- 不允许凭空补充什么。
## 停止条件
- 缺少哪些资料时必须停下。
- 哪些高风险动作需要确认。
## 检查清单
- 关键步骤是否完成。
- 输出是否符合标准。
- 是否存在事实、权限或隐私风险。
## 示例
- 一个合格结果。
- 一个不合格结果及原因。这份模板的重点不是写满。
而是让每条内容都来自真实工作。
十、从一个每周重复的任务开始
很多人看到 Skill，会先研究目录结构、脚本和安装方式。
这些以后都可以学。
更适合的第一步，是回看最近两周的工作：
哪项工作重复出现过？ 哪个要求已经向 AI 解释过三次？ 哪个错误刚刚纠正，下次还可能再犯？ 哪种交付物总要按同一套标准检查？
从中选一个小任务。
先完整做一遍。
再把过程中确认过的步骤、判断、模板和踩坑记录下来。
如果下一次执行时，你少解释了几句，AI 少漏了几个步骤，最终结果少改了一轮，这个 Skill 就已经产生价值。
总结
AI 办公提效不能只停留在“这次做得更快”。
更值得沉淀的是：这次跑通以后，下次能不能直接复用。
Skill 保存的不是一句提示词。
它保存的是一套已经经过验证的工作方法：
什么时候开始； 需要哪些资料； 应该按什么顺序处理； 哪些判断不能省； 最终如何检查结果； 遇到风险时在哪里停下来。
当这些经验能够被 AI 反复调用，个人经验才开始变成工作资产。
如果你想开始做自己的第一个 Skill，不用先设计一个万能助手。
就从一项每周都会重复、每次都要重新解释的工作开始。
先让 AI 下次能照着做。
再逐步把它磨成个人或团队可以长期复用的能力。
