夜雨聆风
昨天那组 Codex Skill 贴图火了。
数据不算夸张，但对一个刚起量的账号来说，信号很清楚：
大家不是只想看“AI 又出了什么新工具”。
大家更想看一件事：
这个东西能不能直接拿来改我的工作流？
我本来以为，读者只是对那 10 个设计师案例感兴趣。
后来再看转发和收藏，我觉得真正被戳中的地方不是“案例多”，而是它把一个很虚的概念讲具体了：
设计师不是缺 AI 工具。
设计师缺的是一套可以反复用、不会每次从零开始的工作流。
设计师现在最容易掉进“收藏工具”的坑
这两年很多设计师的浏览器收藏夹，应该都越来越像一个 AI 工具仓库。
生图工具。
排版工具。
抠图工具。
做 PPT 的，写文案的，生成网页的，生成 Logo 的。
每一个看起来都很有用。
但问题是，收藏工具这件事本身没有复利。
你今天收藏了一个网站，明天又看到一个更酷的。
你今天试了一个提示词，过几天换了一个任务，又要重新组织一遍。
最后很容易变成：
工具越来越多，真正稳定下来的流程却越来越少。
这就是为什么我觉得，设计师接下来真正要学的，不是继续收藏 AI 工具，而是学会做自己的 Codex Skill。
因为工具解决的是“我现在能用什么”。
Skill 解决的是“我以后遇到同类问题，能不能稳定地处理”。
这两个东西差很多。
Skill 不是高级提示词
很多人第一次听到 Skill，会把它理解成“更长的提示词”。
这其实不准确。
OpenAI 官方文档里对 Codex Skill 的描述很清楚：Skill 可以把 instructions、resources、scripts、assets 放在一起，让 Codex 更可靠地执行一个任务流程。
翻成设计师能听懂的话就是：
它不是一句“帮我分析一下作品集”。
它是一套完整的作品集诊断流程。
比如你可以在 Skill 里写清楚：
先看首屏有没有身份标签。
再看项目页是不是只展示结果，没有讲清过程。
再看文案有没有说明目标、约束、角色和贡献。
再输出一份修改优先级清单。
最后按固定格式生成报告。
这和普通提示词的区别在于：
提示词更像一次性问答。
Skill 更像你把自己的工作方法封装成了一个可以反复调用的工具。
你下次再做同类任务，不需要重新解释一遍“我是谁、我要什么、输出格式是什么、判断标准是什么”。
Codex 可以直接沿着这套流程走。
这才是 Skill 对设计师真正有价值的地方。
设计师最该封装的，不是灵感，而是重复劳动
有些设计师一听 Skill，第一反应是：
我不会写代码，是不是做不了？
其实不用先想那么复杂。
设计师最适合封装成 Skill 的，往往不是那些最酷的创意环节。
而是那些你每周都会重复、每次都很耗神、但流程其实很固定的工作。
比如作品集诊断。
每次看作品集，你判断的维度大概率都差不多：
首屏信息、项目顺序、视觉完整度、文案表达、结果呈现、联系方式。
这些就很适合做成一个 Skill。
再比如报价需求表。
客户说“做个品牌设计多少钱”，你不能马上报价。
你要先拆需求范围、交付物、修改次数、时间节点、版权边界、风险点。
这些也很适合做成一个 Skill。
再比如客户提案话术。
很多设计师不是不会做，而是不会讲。
你可以让 Codex 帮你把“版式、色彩、动线、视觉重心”翻译成客户能听懂的业务语言。
但这个翻译过程，也应该有固定标准。
不是每次临时问一句：
“帮我润色一下。”
而是把你的提案逻辑封装起来：
先讲目标。
再讲取舍。
再讲为什么这样做。
最后讲用户会怎么感知。
这就是 Skill。
它不是替代你的判断。
大厂也在往“工作流”方向走
这不是我们自己硬造的概念。
Figma 最近在 Config 2026 里继续把 AI 往设计和开发流程里塞，比如 Code Layers、AI motion graphics、shader tools，以及更强调工作流化的 Weave workflows。
它背后的方向很清楚：
AI 不再只是一个单点工具。
它会越来越深地嵌进设计、代码、协作、交付之间。
以前我们说“AI 生成一张图”。
现在更重要的问题变成：
AI 能不能帮我完成一个稳定的工作流程？
这就是为什么，我不建议设计师只盯着“哪个工具效果最好”。
工具会变。
模型会变。
界面会变。
但你的工作流资产，会跟着你变得越来越厚。
你越早把自己的经验写成 Skill，越早开始积累复利。
普通设计师怎么做第一个 Skill
如果你现在完全没做过 Skill，我建议不要从“大而全”的系统开始。
先做一个最小版本。
选一个你最熟的重复任务。
比如：
作品集诊断。
报价需求拆解。
参考图整理。
设计稿交付自检。
小红书选题排期。
然后按这 5 步写下来。
第一步，写清触发条件。
什么时候该用这个 Skill？
比如“当我收到一份作品集截图，需要判断它适不适合投递某个岗位时使用”。
第二步，写清输入资料。
需要用户给什么？
作品集首页截图、项目页截图、目标岗位、个人背景、希望优化的方向。
第三步，写清处理步骤。
先看首屏，再看项目，再看文案，再看联系方式，再给优先级。
第四步，写清人工确认点。
哪些地方必须由设计师自己判断？
比如风格是否适合目标岗位，哪些建议值得改，哪些建议不值得改。
第五步，写清输出格式。
最后输出什么？
一份诊断报告、一张修改清单、一个 7 天优化计划，还是一段投递建议。
做到这一步，你就已经不是在“问 AI”了。
你是在把你的经验整理成一套可以重复调用的方法。
真正的差距，是把经验封装成流程
我越来越觉得，设计师用 AI 的分水岭，不是会不会写提示词。
提示词当然有用。
但它太容易被复制，也太容易过期。
今天这个提示词火，明天模型一更新，效果可能就变了。
真正更长期的东西，是你对任务的理解。
你知道一个作品集应该怎么判断。
你知道客户需求应该怎么拆。
你知道提案应该先讲什么、后讲什么。
你知道交付前哪些地方最容易出错。
这些经验，过去只存在你的脑子里。
现在你可以把它写成 Skill。
这件事看起来没有“AI 生图”那么刺激，但它更接近设计师真正的生产力。
会用 AI 的设计师，只是在提效。
会做 Skill 的设计师，开始积累自己的系统。
未来设计师的差距，可能不是谁收藏了更多 AI 工具。
而是谁先把自己的经验、流程和判断标准，变成了可以反复调用的资产。
——————————————————————
如果你想要我昨天那套图里提到的「设计师 Codex Skill 起步模板」，评论区留言：Skill
想要「作品集诊断 Skill 模板」，留言：作品集
想要「设计师接单报价需求表」，留言：报价
