技能介绍

解决什么问题

很多团队尝试把专家经验沉淀成 AI Skill 时，都会撞上同一堵墙：prompt 写得像聊天记录，输出格式每次漂移，边界条件含糊不清，普通用户拿到结果还得自己二次加工。问题的根源不是缺一个模板，而是缺少一套把「人的经验」转译为「机器可调用流程」的工程化方法。这个技能要处理的正是这一层——不是再抄一个 prompt，而是一条可重复执行的 Skill 生产线。

它如何工作

核心是两条线并行：设计原则约束「Skill 长什么样」，五步法约束「怎么一步步造出来」。

四项设计原则各自卡住一个常见失败点：

场景明确：用 Skill = 目标用户 + 使用场景 + 明确结果 的公式，拒绝「AI助手」「万能专家」式的泛化定位
能力专业化：给 AI 明确的身份与能力清单，而不是一段模糊的角色描述
流程标准化：固定 分析需求 → 判断方案 → 执行任务 → 优化结果 → 输出交付 的执行链
输出结构化：规定固定输出格式，保证结果稳定可预期

五步法不允许跳步，每一步的产出是下一步的输入：

需求分析：确定名称、用户、场景、交付物四要素；信息不足时主动追问，不允许猜测
专家能力拆解：把目标领域的专家拆成专业身份、专业知识、工作流程三个层次
生成 Skill Prompt：组装 Role / Goal / Capability / Workflow / Output Format / Rules 六大模块
设计知识库：按需规划行业知识、方法论、案例库、模板库、FAQ 五类资源
测试优化：用标准 / 模糊 / 复杂三类输入各测一轮，重点验证模糊需求下是追问还是瞎编

适用边界

这套方法产出的是提示词技能方案，不是可执行的代码工具。它解决的是结构化知识转译，不解决模型本身的推理上限。另外，Step 2 的拆解质量完全取决于输入材料里专家信息的颗粒度——原始材料含糊，输出的 Skill 就会继承同样的含糊。测试环节只验证流程稳定性和格式一致性，不能替代真实用户场景下的验收。