跟 AI 重复说过的话，我都写成了 skill
去年底开始，我慢慢把跟 AI 协作中反复出现的模式做成了 skill。起因大概是这样的：每次让 AI 帮你干一件事，比如写一篇文章，或者分析一个公司，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。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，下次开工让 AI 先加载这个 skill 就行了。
一开始我以为这就是把 prompt 复用一下，做久了发现影响比我以为的大，它把我跟 AI 协作的方式整个换掉了：我从自己动手干活，变成了定义好怎么干、让 AI 去干、干完我来检查。
写 skill 后协作方式的转变：我从自己动手，变成定义好怎么干、让 AI 执行、干完我来检查，翻车了就回去改 skill 的循环。
一个能用的 skill 长什么样
写过几十个 skill 之后，我现在写一个新的 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。这个 skill 不做什么。我觉得这一条比它能做什么更重要。写作 skill 里我会明确写清楚：不编造数据，不替我做判断，不确定的地方要标注出来。
-
输出规格。直接给 AI 看样本。不要用文字去描述「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 学样本比读规则快得多。
-
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。用一段时间，发现 AI 总在某个地方出错，就回去加一条规则。反正 skill 是一点点用出来的，很难一次设计到位。
我现在的 skill 大概分四类
写文章的：khazix-writer（卡兹克风格）、wandian-writer（晚点风格的深度分析）。投资分析的：公司基本面、估值、论点压力测试。开发工具的：代码规范、git 操作、部署流程。日常的：飞书日历、邮件、任务管理。
同一类的 skill 会共享一层基础，比如写文章类的都遵循同一套写作风格指南，投资分析类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。我的做法是这样的：每次用 skill 的时候，发现 AI 的输出不如预期，先别急着怪模型，先回去查 skill 本身。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 skill 的维护，我现在的理解是每次用它就等于 review 它一次，不用专门隔一段时间拿出来审。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，把需求重新描述一遍，然后指望它这一次理解对。有 skill 之后不一样的地方是，输入、输出、质量标准这些东西都提前定义好了，跑一次是这个效果，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 的过程，就是在逼你把对问题的理解写具体。你脑子里那种「大概知道要什么」的状态，得先变成「能精确描述要什么」，skill 才写得出来。所以严格说不是 AI 需要 skill，是你自己需要，这个过程本身的价值，可能比 AI 最后产出的那些内容还大。
写 skill 的真正价值：逼你把脑子里「大概知道要什么」的模糊状态，写成一份能精确描述要什么的具体文件。
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，也算是把前面说的那个流程又跑了一遍：它出初稿，我来改。这套东西用到现在，我干的活基本就是这样，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。