如何制作第一个Skill

很多人把 Skill 想得太复杂，觉得肯定要懂代码、会折腾配置。其实 Skill 的本质就一件事：让 AI 知道怎么做。你不需要会写 Skill，你只需要会让 AI 写 Skill。就像你不会自己画 PPT 模板，但你会找设计师帮你做一个然后反复用。

核心技巧：完成一个任务后，让 AI 复盘刚才的过程——踩了什么坑、找到了什么最优路径——然后自动生成一个可复用的 Skill。

为什么每次都在重复造轮子？

想象一下：

上周，你花了一下午让 AI 帮你把 50 篇论文整理成文献综述表格，踩了一堆坑——格式不统一、引用格式搞错、表格超出页面。最后终于搞定了。

这周，你又拿到 30 篇新论文，让 AI 再做一次。结果——所有坑重新踩了一遍。

AI 没有记忆。每次开新对话，它都像第一次做这件事。

Skill 就是解决这个问题的。

把 Skill 想象成你给 AI 写的一份标准操作手册：这事第一步干嘛、第二步干嘛、有什么坑要绕开、输出长什么样。区别在哪？这份手册不用你写——是 AI 看了你怎么做之后，自己总结出来的。

很多人觉得做 Skill 是程序员的事——得写代码、懂配置。其实完全不是。

本文要讲的技巧就一句话：你只管做事，让 AI 自己复盘然后生成 Skill。

核心技巧：三步就行

第一步：完成一个真实任务

先自己动手（或者指挥 AI）完成一次任务。这个过程中你会：

• ✅ 试几种不同的方法
• ✅ 踩坑、修正、再踩坑
• ✅ 最后找到那条最优路径
• ✅ 积累一些“只有做完了才知道”的经验

重点：这个过程本身就是训练数据。没这趟踩坑经历，AI 就没东西可复盘。

第二步：调用 Skill Creator 复盘

任务完成后，跟 AI 说一句话：

请调用 Skill Creator，复盘我们刚才完成 [任务名称] 的全过程，把踩过的坑、成功的经验、最优的工作流程整理成一个可复用的 Skill。

AI 会自己回去翻对话历史，提取工作流程，识别哪些尝试失败了、哪条路最后走通了，然后生成一个 Skill 文件。文件里有什么：

• 这个 Skill 叫什么名字、什么情况下该自动触发
• 做这件事的标准步骤
• 你踩过的坑和具体的避坑方法
• 有需要的话，也附带一些参考资料

实际使用时，AI 可能还会反问你几个问题——确认一下你的使用场景、偏好之类的。花两分钟回答一下，生成的 Skill 会更贴合你的习惯。

第三步：直接用

Skill 生成后自动加载。Claude Code 是热加载的，生成立即生效；OpenCode 重启一下就行。不需要你手动装任何东西。

下次遇到同类任务，AI 自动识别并调用这个 Skill，不用再从零摸索。

一个完整的例子：文献整理

第一步：完成一次任务

假设你刚让 AI 帮你做了这件事：

帮我把这 50 篇行为经济学论文整理成文献综述表格，包含作者、年份、研究方法、核心发现、对我的研究的启发。

过程中你经历了：

• ❌ 第一次让 AI 直接生成表格，列太多、格式全乱
• ❌ 第二次忘了指定引用格式，APA 和 MLA 混着用
• ❌ 第三次 AI 把理论模型和实证研究搅在一起了
• ✅ 第四次你给了一个清晰的模板和分类标准，总算搞定了

熟悉吧？做研究的人几乎都有过这种经历。

第二步：调用 Skill Creator 复盘

搞完之后，你说：

请调用 Skill Creator，复盘我们刚才整理文献综述的全过程。重点记录：
1. 最优的工作流程——从原始论文到最终表格的完整步骤
2. 踩过的坑——格式混乱、引用混用、分类不清
3. 我给你的有效指令模板
4. 分类标准——理论模型 / 实证分析 / 实验 / 田野调查
5. 输出格式规范——表格列数、引用格式、字数限制

把这些整理成一个 ‘lit-review-organizer’ Skill，以后做同类文献综述时直接用。

第三步：AI 生成了什么？

AI 复盘后，生成的 Skill 效果大致像这样（你不需要看懂格式，扫一眼感受一下）：

• 这个 Skill 叫：lit-review-organizer
• 什么时候自动触发：当你说“帮我整理论文 / 文献综述 / 总结文献”时
• 它会自动按这个流程做：
  1. 先去重——检查有没有同一研究的不同版本
  2. 逐篇提取：作者、年份、期刊、研究方法、核心发现
  3. 自动分类：理论模型 / 实证分析 / 实验 / 田野调查
  4. 生成表格，格式统一用 APA，列数控制在 5 到 7 列
  5. 过一遍检查清单：有没有重复行？格式统一了吗？核心发现超过两句话了吗？
• 自动避坑：不会混用引用格式、不会把不同类型的研究混在一起、每篇核心发现不超过两句话

效果：下次一句话搞定

一个月后，你打开 AI 说：

帮我整理这 20 篇网络经济学的文献综述。

AI 自动触发 lit-review-organizer Skill，直接按最优流程走：

• 不需要你再解释“格式要统一”
• 不需要你再提醒“研究方法要分类”
• 不需要你再纠正“引用格式错了”

一次踩坑，永久避坑。

其他场景也一样

上面用了文献综述做例子，但这个方法不限于学术工作。写周报、做会议纪要、整理数据报表、起草邮件——套路完全一样：做完一次、复盘一次、生成一个 Skill、以后永久复用。你的任务是什么，你就复盘什么。

一个万能提示词模板

不同任务复盘时，可以侧重不同方面。但没必要给每种任务写一个独立模板。这有一个万能的：

请调用 Skill Creator，复盘我们刚才完成 [任务名] 的全过程。
重点整理：
1. 最优工作流程——从输入到输出的完整步骤
2. 踩过的坑和怎么避免
3. 我给过你的有效指令
4. 输出格式规范
5. 异常情况怎么处理

生成一个 ‘[skill-name]’ Skill。

在这个框架上，根据任务类型加一两个关键问题就行。代码类任务，让 AI 额外记一下核心逻辑、依赖环境、调试方法。写作类任务，让它额外记你偏好的文章结构、语气风格、排版格式。

就这。一个框架搞定所有场景。

进阶：积累你自己的 Skill 库

从单个技能到一张能力地图

每次做完一个任务就生成一个 Skill。慢慢你会发现自己在攒一张能力地图：文献综述整理、数据清洗、幻灯片设计、邮件起草、基金申请、学生反馈……每多做一个任务，就多一个 Skill。

我说一下自己的体验：两三周下来，攒了七八个常用 Skill，覆盖了大部分需要 AI 帮忙的重复性工作。现在打开 Claude Code，很多时候它知道我习惯怎么做——不是 AI 变聪明了，是每个任务背后都有个 Skill 在引导它。

那跟存一个提示词模板有啥区别？

有人会问：这跟把我常用的提示词复制粘贴到一个文档里，有本质区别吗？

有。提示词模板是死的——你每次用都得照抄，换个场景就不灵了。Skill 记住的是你做事的模式，不是一段固定文字。同一个文献综述 Skill，你用来整理行为经济学论文也行，用来整理网络经济学论文也行，它知道这个模式的本质是“提取、分类、对比”，而不是“你一定要这样这样问”。

让 Skill 越用越好

每次用完之后，如果发现了新的坑或更好的做法，直接说：

请更新 [skill-name] Skill，我今天遇到一个新情况：……

Skill 会像活文档一样持续进化。 不用追求一次性完美——用两次、改两次，它自然就越来越好了。

你可能有的几个疑虑

❌“我得先学怎么写 Skill 吧？”

不用。让 AI 帮你生成就行。你只需要会两件事：完成任务，说一句话调用 Skill Creator。

❌“我的任务太简单了，值不值得专门做个 Skill？”

越简单的任务，重复次数越多，收益反而越大。 写周报、整理参考文献、做表格——这些小事最占时间。省一分钟是一分钟，全都是你自己的时间。

❌“AI 生成的 Skill 能比我自己手写的好吗？”

AI 复盘有一个你比不了的优势：它记得整个对话过程的全部细节。那些你自己都忘了的试错路径、改了三遍才发现的坑，它全记着。人会忘，它不会。

❌“但如果每次任务都不一样，Skill 还有用吗？”

Skill 不要求每次任务完全一样。它适合的是有稳定模式但内容会变化的任务。比如写 paper——每篇 topic 不同，但你的写作风格、论证结构、引用规范是稳定的。Skill 管的就是那些不变的部分，给你留出精力去对付需要创造的部分。

你的第一个 Skill，今天就可以做

三步回顾

1. 完成一次任务 → 自己或指导 AI 做一遍，踩坑也没关系，坑也是数据
2. 调用 Skill Creator 复盘 → 一句话让 AI 自己回顾、总结、生成 Skill
3. 直接用 → Skill 自动加载，下次同类任务自动调用

现在就可以试

想一件你最近让 AI 做过的事——整理文献、处理数据、写邮件、做表格——然后打开 Claude Code 对它说：

请调用 Skill Creator，复盘我们刚才完成的任务，生成一个可复用的 Skill。

你的第一个 Skill 就诞生了。