AI时代的核心竞争力正在从临时提示词转向可复用的Skill体系。本文深度解析三种构建Skill的实用方法：从结果反推、记录工作流优化、说明书工程化，并附赠通用模板和实战案例。掌握这些技巧，你就能将日常工作的隐性经验转化为AI可执行的标准化流程，实现效率的指数级提升。

提示词解决一次任务，Skill 沉淀长期流程。把你的经验、判断标准和交付格式固定下来，AI 才能稳定复用。

最近我在 Codex 里反复做文章、设计方案和资料整理，发现一个问题：

同样的要求，每次都要重新说一遍。

风格、结构、禁用词、输出格式、检查标准……讲一次只能管一次，换个任务又要重来。

后来我意识到，提示词只能解决单次任务，Skill 才能沉淀长期流程。

提示词像临时交代，Skill 更像一套可复用 SOP。它能把你的经验、判断标准和交付格式固定下来，让 AI 每次都按同一套流程执行。

我试了一段时间，发现制作 Skill 最实用的方式主要有三种。

一、给结果，让 AI 反推

这是最快的方法。

如果你已经有一个满意成品，比如一份方案、一篇文章、一套分析报告，但还没整理出流程，就可以把结果交给 AI 反推。

可以这样说：

根据这个结果，帮我反推成一套 Skill，包括输入材料、执行步骤、筛选标准、人工判断节点和输出格式。

一个产品经理做过一份「AI 客服知识库优化方案」，最后交付效果不错：有问题诊断、用户场景拆解、知识库结构、优化优先级，还有可执行的迭代清单。

他把最终方案交给 AI 反推，AI 拆出了一套「AI 客服知识库优化 Skill」：

1. 先收集客服记录、FAQ、产品说明和用户反馈；
2. 按问题类型分类：重复咨询、回答不一致、信息过期、流程不清楚、用户看不懂；
3. 标记重复率高、影响转化、影响体验的问题；
4. 找出知识库里的缺失、过期和表达不清内容；
5. 按“用户影响 × 业务价值 × 修改成本”对优化项排序；
6. 最后输出问题清单、优化建议、标准回答示例和迭代计划。

这套 Skill 做完后，后续再做知识库优化、客服话术梳理、产品 FAQ 改版，就不用从零分析。

换一批客服记录和产品资料进去，AI 先跑问题分类和初步建议，产品经理只负责判断优先级、确认业务规则和推进落地。

适合场景：已经有满意成品，但还没把背后的流程整理出来。

二、做完再让 AI 总结

这个方法适合已经重复做过很多次的工作。

很多流程写不出来，不是因为没有方法，而是因为太熟了，很多判断都变成了下意识。

这时候不用先写 SOP，可以先完整做一遍任务，让 AI 记录每一步判断，最后再总结成 Skill。

比如一个做小红书种草内容的运营，每周都要做选题、标题、封面、正文和评论区引导。

她按平时流程完整做了一遍，同时让 AI 记录判断逻辑：

1. 选题：用户痛点是否具体，卖点能否自然植入，有没有真实使用场景；
2. 标题：先出 20 个，再删掉太像广告、太夸张、只有情绪没有信息量的；
3. 封面：检查手机小图是否看得清，主标题是否抓人，颜色是否突出；
4. 正文：先写用户问题，再写错误做法，最后引出解决方案。

任务完成后，AI 总结出一套小红书运营 Skill：

1. 1 个选题；
2. 5 个标题；
3. 3 个封面方向；
4. 1 篇正文；
5. 3 条评论区引导；
6. 1 份发布前检查清单。

这个方法的价值在于：不用凭空写方法论，只要把真实工作跑一遍，AI 就能把隐性经验拆出来。

适合场景：已经重复做过很多次，但流程还停留在脑子里的工作。

三、写工作说明书，让 AI 优化

第三种方法最可控。

如果你已经有一套成熟方法论，只是还没有工程化，就可以先写一份工作说明书。

不用写得多专业，先讲清楚五件事：

1. 什么场景用；
2. 需要什么材料；
3. 具体怎么做；
4. 什么样算合格；
5. 最后输出什么格式。
6. 然后交给 AI：

帮我把这份 SOP 优化成一套 Skill，补充边界条件、常见翻车点和兜底规则。

比如一个资深 Logo 设计师，接项目一直有固定流程：客户调研、竞品分析、概念方向、草图、AI 辅助生成、精修定稿、品牌应用展示。

他先写了一份说明书：

1. 客户必须提供品牌名、行业、目标用户、使用场景、竞品参考；
2. 第一轮只做方向，不直接做精稿；
3. Logo 先看结构，再看颜色；
4. 客户最多看 3 个方向；
5. 所有方案都要能落地到名片、门头、头像和包装上。

AI 优化后，补充了关键规则：

1. 客户只说“高级、大气”，必须先追问；
2. SVG 必须可编辑，不能只交一张死图；
3. 每个方案必须配设计逻辑，不能只给图；
4. 客户想合并两个方案时，要先判断视觉语言是否统一。

这样一来，Skill 不只是流程文档，而是一套项目交付系统。

适合场景：已经有成熟方法论，想把它变成稳定交付标准。

五、一个通用 Skill 模板：任何行业都能套

如果不知道怎么开始，可以先用下面这套模板。

它适合设计、运营、写作、产品、销售、客服、资料整理等大部分重复工作。核心只需要讲清楚五件事：

用在什么场景、需要什么输入、按什么流程做、用什么标准检查、最后输出什么。

Skill 名称：{例如：公众号文章润色 Skill / 产品分析 Skill / Logo 初稿生成 Skill}

一、适用场景

这个 Skill 用来解决：

{具体问题}

适合：

– {场景 1}

– {场景 2}

不适合：

– {边界 1，例如：信息不足时不直接生成}

– {边界 2，例如：高风险专业判断只做辅助}

二、角色定位

你扮演：

{例如：资深设计师 / 新媒体运营顾问 / 产品经理 / 资料整理助手}

你的目标：

– 完成 {核心任务}

– 符合 {质量标准}

– 避免 {常见问题}

三、输入材料

用户需要提供：

– 目标：{要达成什么结果}

– 背景：{项目、产品、客户、用户等信息}

– 素材：{文案、图片、表格、链接、参考案例等}

– 要求：{风格、格式、长度、平台限制等}

如果信息不完整：

– 先说明缺少什么；

– 能继续就先做初版，并标记假设条件；

– 不能继续就先追问。

四、执行流程

1. 理解任务目标，明确最终交付物。

2. 整理输入材料，提取有效信息。

3. 拆解任务结构，确定输出框架。

4. 生成初稿，优先使用用户真实材料。

5. 按检查标准自检，修改后输出最终版。

五、检查标准

输出结果必须满足：

– 准确：不编造，不夸大；

– 清晰：结构清楚，重点突出；

– 可用：可以直接复制、发布或交付；

– 贴合场景：符合行业、用户和平台要求；

– 有判断：给出取舍理由，不只堆内容。

六、输出格式

请按照以下结构输出：

1. 最终交付内容

{正文、方案、表格、清单等}

2. 关键说明

{说明处理逻辑和判断依据}

3. 可选优化建议

{下一步可以怎么优化}

七、兜底规则

– 信息不足：说明缺失项，不要硬编；

– 目标不清：先归纳理解，再继续；

– 需求冲突：指出冲突，给出优先级建议；

– 事实不确定：标记“待确认”；

– 结果不达标：自动重写一版。

这套模板可以理解成：

输入材料 → 执行流程 → 质量检查 → 最终交付 → 异常处理

把这五件事写清楚，一个 Skill 就已经具备基本可复用性。

六、Skill 文件放在哪里？

写完 Skill 后，还有一个实际问题：

Skill 文件应该放在哪里？

不同 Agent 的目录不一样，但逻辑基本一致：要么放在当前项目里，只服务这个项目；要么放在用户目录里，作为全局 Skill 使用。

如果你主要用 Codex，可以优先按下面这种方式放。

1. 项目级 Skill，推荐

项目级 Skill 只对当前项目生效，适合具体项目使用。

你的项目目录/

├── .codex/

│ └── skills/

│ └── 你的skill.md

└── …

比如这个项目是写公众号的，就只放写作类 Skill；另一个项目是做品牌设计的，就只放 Logo、VI、提案类 Skill。

这样不同项目之间不会互相干扰。

2. 用户级 Skill，全局使用

如果某个 Skill 是高频通用能力，比如去 AI 味、文章润色、资料整理、会议纪要、产品分析，就可以放到用户级目录里。

macOS / Linux：

~/.codex/skills/

Windows：

%USERPROFILE%.codexskills

用户级 Skill 适合放跨项目都会用到的能力。

比如：

1. 公众号文章润色 Skill；
2. 去 AI 味 Skill；
3. 产品分析 Skill；
4. 资料整理 Skill；
5. 小红书标题优化 Skill。

3. 其他 Agent 怎么办？

如果你用的不是 Codex，而是其他 Agent，也可以按类似逻辑找它的根目录。

Codex：

.codex/skills/

Claude Code：

.claude/skills/

OpenClaw：

.openclaw/skills/

核心逻辑都是：

Agent 配置目录/

└── skills/

└── 你的skill.md

简单判断：

建议刚开始先放项目级，不要一上来就全局。

等这个 Skill 在真实项目里跑稳定了，再复制到用户级目录，变成你的全局工作能力。

七、四个我正在用的 Skill

下面这四个，是我自己实际在用的 Skill。

1. Humanizer-zh

用途：去 AI 味。

很多 AI 文案的问题不是不准确，而是读起来太像机器写的。

Humanizer-zh 可以识别常见 AI 写作特征，比如空话、套话、夸张表达、万能鸡汤和机械排比。

适合：公众号文章、朋友圈文案、产品介绍、个人表达类内容。

链接：https://github.com/op7418/Humanizer-zh

2. Content Research Writer

用途：辅助深度写作。

写文章最耗时间的部分，往往不是正文，而是前期准备：选题、资料、提纲、引用、逻辑检查。

这个 Skill 可以帮你拆文章结构，标记哪些部分需要研究，哪些观点需要补数据，哪些段落逻辑不够顺。

适合：深度文章、行业分析、产品研究、公众号长文。

链接：https://github.com/ComposioHQ/awesome-codex-skills/tree/master/content-research-writer

3. 卡兹克写作

用途：公众号长文写作。

它的特点是有明确写作风格，会主动避开“赋能、抓手、闭环、底层逻辑”这类高频套话，也会减少常见 AI 开头。

适合：观点文章、AI 文章、产品分析、公司研究。

链接：https://github.com/KKKKhazix/khazix-skills

4. 归藏 PPT

用途：把文章转成 HTML 幻灯片。

它可以把文章直接生成横向翻页的网页 PPT，浏览器打开就能演示，支持键盘翻页和触屏滑动。

适合：分享稿、课程稿、路演稿、内容二次分发。

链接：https://github.com/op7418/guizang-ppt-skill

八、结尾

很多人还在把 AI 当聊天框用：

问一句，答一句。换个任务，又从头解释一次。

但真正值得沉淀的，不是某一次提示词，而是你在重复工作里积累出的判断标准。

比如：

1. 怎么判断一个标题好不好；
2. 怎么判断一个产品方案能不能落地；
3. 怎么判断一篇文章有没有 AI 味；
4. 怎么判断一份方案能不能交付。

这些经验，都可以封装成 Skill。

只要一件事你重复做过三次，就可以尝试把它变成 Skill。

不用一开始就做得很复杂。先做一个粗糙版本，再慢慢补流程、补规则、补案例、补翻车点。

Skill 不是技术人的专属工具。

它更像一种经验放大器。

把你原来只能靠自己反复判断的东西，变成 AI 可以稳定执行的流程。

这才是 Skill 真正值得做的地方。

谢谢你看我的文章，我们，下次再见