跟 AI 重复说过的话，我都写成了 skill
去年底开始，跟 AI 一起干活时反复碰到的那些套路，我慢慢都做成了 skill。起因大概是这样的。每次让 AI 帮你干一件事，比如写篇文章，或者分析一家公司，你都得先给它一堆 context，风格要求、数据格式、质量标准、边界条件都得交代一遍。下次干同样的事，这些话还得原样再讲一遍。那不如直接写下来存成一个文件，下次开工先让 AI 加载这个 skill 就行了。
一开始我以为这就是把 prompt 复用一下，做久了才发现影响比我想的大，我跟 AI 协作的方式整个换掉了。以前是我自己动手干活，现在是我先定义好怎么干，让 AI 去干，干完我来检查。
写了 skill 以后协作方式变了，以前是我自己动手，现在是我定义好怎么干，让 AI 执行，干完我来检查，翻车了就回去改 skill，这样一圈圈循环。
一个能用的 skill 长什么样
写过几十个 skill 以后，现在我写一个新 skill，一般会把这几块都写进去。
-
触发条件。什么时候该用这个 skill，要写得具体。不能只写「写作的时候用」，要写成「当用户要求写一篇技术博客，而且需要案例和数据支撑」这种。写得越具体，AI 越知道什么时候该加载它。
-
边界，就是这个 skill 不做什么。我觉得这一条比它能做什么还重要。写作 skill 里我会写明白，不编数据，不替我做判断，拿不准的地方要标出来。
-
输出规格。直接给 AI 看样本。别光用文字写一句「输出要专业」，与其解释半天什么叫专业，不如直接放一段你觉得专业的输出进去，AI 照着样本学，比读规则快得多。
-
验证标准。怎么判断输出好不好，给一个 checklist，写成自检规则，让它输出完自己过一遍。
-
迭代路径。skill 不会第一次就写对。用上一段时间，发现 AI 老在某个地方出错，就回去加一条规则。反正 skill 是一点点用出来的，很难一次就设计到位。
我现在的 skill 大概分四类
写文章的有 khazix-writer（卡兹克风格）和 wandian-writer（晚点风格的深度分析）。投资分析的有公司基本面、估值、论点压力测试。开发工具的有代码规范、git 操作、部署流程。日常用的有飞书日历、邮件、任务管理。
同一类的 skill 底下会共用一些东西，比如写文章的都照同一套写作风格指南来，投资分析的都引用同一组估值框架。
难的其实是维护
skill 最大的坑，是写完就扔在那，然后慢慢过期。我的做法是，每次用 skill 的时候，只要 AI 的输出不如预期，先别急着怪模型，先回去查 skill 本身，看是规则写得太模糊，还是缺一个例子，还是有新的边界条件没覆盖到。
所以我现在觉得，维护 skill 不用专门隔一段时间拿出来审，每用一次就等于 review 了一次。哪次输出翻车了，就顺手回去改一条。
这套东西其实是写给自己的
我以前跟 AI 协作，就是开头说的那样，每次开一个新对话，把需求重新讲一遍，然后指望它这一次能理解对。有了 skill 以后，输入、输出、质量标准这些都提前定好了，这次跑是这个效果，下次跑还是这个效果。哪里不满意就回去改 skill，改完别的任务也能直接拿去用。
写一个好的 skill，就是在逼你把自己对问题的理解写具体。你脑子里要是只「大概知道要什么」，skill 是写不出来的，得先做到「能精确描述要什么」才行。所以严格说，不是 AI 需要 skill，是你自己需要。光是写 skill 这个过程给你的东西，可能就比 AI 最后产出的那些内容还多。
写 skill 真正值钱的地方，是它逼你把脑子里「大概知道要什么」的那点模糊想法，写成一份能精确说清要什么的具体文件。
顺便说一句，这篇文章的初稿就是用 khazix-writer 生成的，后面我自己改了很多，等于把前面说的流程又跑了一遍，它出初稿，我来改。这套东西用到现在，我干活基本就是这样，自己动手执行的部分越来越少，大部分时间花在定义好怎么执行，然后检查结果上。