我的 AI Skills 工具箱

去年底开始，我慢慢把跟 AI 协作中反复出现的模式，做成了一个东西。

叫 Skills。

说白了很简单。每次让 AI 帮你干一件事——写一篇文章，分析一个公司——你要给一堆上下文。风格要求、数据格式、质量标准、边界条件。下次干同样的事，还得再说一遍。写下来。下次直接告诉 AI：加载这个 skill。

但做久了发现，Skills 不是复用 prompt 这么简单。它从根本上改变了跟 AI 的协作方式。

一个好的 Skill 长什么样

写过几十个 skill 后，总结几个核心要素：

明确的触发条件。 什么时候用这个 skill？不是抽象的"写作的时候"，具体的"当用户要求写一篇技术博客，且需要案例和数据支撑"。

边界清晰。 这个 skill 不做什么，比它能做什么更重要。写作 skill 里我会明确："不编造数据，不替我做判断，不确定的地方要标注"。

输出规格。 给 AI 看样本。不是文字描述"输出要专业"，放一段你觉得专业的输出。AI 学样本的效率远高于读规则。

验证标准。 怎么判断输出好不好？给 checklist。自检规则。

迭代路径。 skill 不是在第一次就完美的。用一段时间发现 AI 总在某个地方出错，加一条规则。Skill 是长出来的，不是设计出来的。

写文章类：khazix-writer（卡兹克风格写作）、wandian-writer（晚点风格深度分析）。投资分析类：公司基本面、估值、论点压力测试。开发工具类：代码规范、Git 操作、部署流程。日常工具类：飞书日历、邮件、任务管理。

每个 category 的 skill 有共同基础——"写文章类"都遵循同套写作风格指南，"投资分析类"都引用同组估值框架。

Skill 最大的坑：写完扔那，渐渐过期。我的方法——每次用 skill 发现 AI 输出不如预期，先查 skill 本身。是不是规则太模糊？是不是该加个例子？是不是有新的边界条件没覆盖？

Skill 维护不是"偶尔 review"。每次用都是 review。每次失败都是更新信号。

写 Skills 这件事本身，让我重新思考"跟 AI 协作"。

大部分人还在"跟 AI 聊天"阶段：每次都是新对话，重新描述需求，期待 AI 这次"理解对了"。Skills 是把聊天变工程——定义输入、定义输出、定义质量标准、定义边界条件。可复现、可迭代、可迁移。

写一个好的 Skill，本质是你对问题的理解在具体化。不是 AI 需要 Skill——你需要。你把"脑子里大概知道要什么"，变成"能精确描述要什么"。这个过程本身价值，可能比最终产出的 AI 内容更大。

这篇文章本身，就是用我的 khazix-writer skill 生成的。当然，经过了大量人工修改。

真正的 Skills 不是"让 AI 替你干活"。从执行到管理执行，从动手到定义怎么动手然后检查。这大概是 AI 时代最重要的元技能。