主页/AI Skills 与可复用工作流
AI SKILLS

AI Skills 与可复用工作流

我把真正有用的 AI Skill 看成一种可以复用的方法,而不是一次性的“聪明 prompt”。

我的 AI Skills 会把一种可以重复执行的思考方式包装成 workflow:明确问题、输入条件、步骤、output 和 boundaries。目标是 consistency——让模型保留真正重要的 reasoning structure,而不是每次都重新即兴发挥。

发布于 2026 年 9 月 9 日Shuo (Danny) Zhang
核心问题

真正需要回答清楚的问题

AI Skill 和 prompt 有什么区别?

Prompt 是一次 interaction 的 instruction。Skill 的目标是可以重复使用:它定义 problem、sequence、evidence handling、output structure、decision points 和 limits,让方法不依赖某一句精心写好的 prompt。

为什么 boundaries 很重要?

没有边界的 reusable workflow 很容易变成“稳定地自信犯错”。好的 Skill design 会明确它适合做什么、不应该推断什么、缺什么 evidence,以及什么时候需要另一个 expert、source 或 decision process。

我是怎么设计一个 Skill 的?

我先从 recurring human method 开始,而不是先写 prompt。然后把方法拆成 stages,明确每一阶段需要什么信息、应该输出什么,再测试 workflow 在哪里会丢 context、过早 compress,或者从 evidence 直接跳到 conclusion。

什么样的 Skill 才值得复用?

它应该让 process 比从 blank chat 开始更 repeatable、transparent 或 efficient。如果唯一优势只是 prompt 更长,那它往往还没有真正变成 reusable method。

AI Skill 能替代专业判断吗?

通常不能。Skill 可以帮助 structure work、surface issues、preserve context 和提高 consistency,但 consequential judgment 和 domain-specific conclusion 仍然应该由合适的人负责。

ORIGINAL OPERATING MODEL

Method → stages → outputs → boundaries → reuse

我这些 Skills 背后的共同设计原则,是先保住真正重要的 reasoning process。Project Rescue 先保住 diagnosis 再行动;No-Loss Deep Reading 先保住 structure 和 evidence 再压缩;From Panic to Plan 则先保住 facts、uncertainty 和 controllable next actions 之间的区别。

01

先找到人的方法

先看一个真正有能力的人会怎么做,再开始写 prompt。

02

保护最容易丢失的信息

找到 context、evidence、uncertainty 或 decision logic 最容易消失的地方。

03

让每个 stage 有 output

每一步都产出可检查的东西,而不是完全依赖 invisible reasoning。

04

明确写出 boundaries

告诉用户这个 Skill 不应该替他们决定或推断什么。

05

最后才 package for reuse

让同一方法下一次可以直接使用,而不需要重新搭一遍 thinking process。

BOUNDARIES

Skill 的方法必须是可见的

  • Workflow 应该暴露 missing evidence,而不是静默填补空白。
  • Reusable method 应该先保留重要 context,再做 compress 或 summarize。
  • Output 应该让下一步 decision 更容易,而不是只是听起来更 polished。
  • Skill 必须有明确 scope,也要有清楚的边界:什么时候应该转向 authoritative source、professional 或 human decision。