小节一
Prompt 和 Skill 有什么本质区别
认知基础 · 理解区别
用了一段时间 AI 之后，很多人会进入一种状态：手上攒了几十条"好用的 Prompt"，有些存在备忘录里，有些发在微信收藏，有些只记得"好像有一次我这样问效果特别好"——但下次遇到同类任务时，还是要重新思考、重新试错，找不到之前那个好用的版本。
这说明你积累的是 Prompt，而不是 Skill。两者的区别不是形式，而是结构和可复用程度。
Prompt 是临时提问，Skill 是可复用的结构化操作模块
Skill 的本质是一个有三个要素的模块：标准化的输入字段（你每次需要填写什么内容）、经过验证的提示词逻辑（告诉 AI 怎么处理、输出什么格式）、清晰的输出规格（结果是什么样的、有哪些部分）。有了这三个要素，它才能被复用——你只需要填写当次的输入，不需要每次都重新思考怎么问。
还有一个更直接的区分方式：如果你能把这套操作交给另一个同事，对方看完说明就能独立使用、得到差不多质量的结果——它才算 Skill。如果只有你自己知道怎么用，它还只是你脑子里的"感觉"。
小节二
什么值得变成 Skill——三个判断标准
筛选逻辑 · 什么值得沉淀
不是所有 Prompt 都值得封装成 Skill。封装是有成本的：你要整理结构、测试输入、规范输出格式。如果一个任务一年只做一次，花时间封装的收益远不如直接用。
判断一个 Prompt 是否值得升级为 Skill，有三个标准。满足其中两个就值得做：
①
高频重复
同类任务每月至少做2次以上，输入格式基本一致，不是一次性的特殊需求
②
已验证好用
这个 Prompt 在实际场景里用过、输出质量达到你的要求，不是第一次尝试
③
输入可标准化
任务所需的原材料是固定类型的（文字/表格/数据），不是每次都完全不同的内容
举例：哪些值得建成 Skill
✅ 值得：每周写工作汇报、每次收到竞品动态需要摘要整理、每次来新员工需要生成入职培训材料提纲、每月整理销售数据需要生成分析报告……这些任务结构固定、频率高、原材料格式稳定。
❌ 不值得：临时帮领导写一封特殊的感谢信、一次性的市场调研总结、处理特定客户投诉的定制化回复……这些任务每次情况差异太大，标准化之后反而会变得僵硬。
另一个实用的判断方式是看你有没有在对 AI 说过"上次那个很好用，但我忘了我是怎么问的了"。只要你出现过这种情况，那个"上次的好用做法"就是一个待沉淀的 Skill 候选。
💡 建议的筛选节奏
不要从零开始想"我应该建哪些 Skill"，而是先用两周，边用边记录。每次你觉得某个 AI 对话结果特别好、或者某次花了很长时间调试 Prompt 终于出了满意结果时，把它标记一下。两周后，从这些标记里挑频率最高的3-5个，先把它们变成 Skill。
小节三
一个 Skill 的完整结构长什么样
模板设计 · 标准格式
一个设计良好的 Skill，本质上是一张可填写的操作卡片。它需要让任何拿到它的人，都能在不和你沟通的情况下，独立完成同样质量的工作。这意味着它必须把所有"需要思考的部分"都事先设计好，使用者只需要填写当次的具体内容。
一个完整的 Skill 包含六个字段：
Skill 名称
一句话说清楚这个 Skill 做什么，比如"周报生成器"或"竞品动态摘要提炼器"
适用场景
什么时候用它、用于什么工作，方便以后搜索和分类，如"每周五整理工作汇报时使用"
输入字段（每次使用前需要填写的内容）
【本周工作内容】：粘贴本周完成的事项（不需要格式化，原始记录即可）
【所属部门/岗位】：用于校准汇报口吻
【汇报对象】：直属上级 / 隔级汇报 / 跨部门
提示词主体（复制给 AI 的指令，含占位符）
你是一位职场写作助手。请根据以下信息，生成一份专业的工作周报。
【工作内容】：{本周工作内容}
【部门/岗位】：{所属部门/岗位}
【汇报对象】：{汇报对象}
请按以下结构输出：
1. 本周亮点（2-3点，每点1-2句话）
2. 主要进展（分项列举，附完成度）
3. 遇到的问题/风险（如有）
4. 下周计划（3-5项）
风格要求：简洁专业，避免空话，数字优先。
预期输出格式
结构化文字，4个部分，总字数300-500字，无需 Markdown 标记，可直接粘贴使用
注意事项 / 已知局限
如本周工作内容较少（不足3项），AI 可能会"水"出不实际的进展描述，需要手动删减；不适用于高度保密的项目汇报场景
上面这个结构看起来有点繁琐，但只需要第一次建的时候认真填，之后每次用只需要填"输入字段"那一栏。关键是提示词主体里的占位符——那些用 {} 括起来的内容，就是每次需要替换的变量，其余部分完全不需要改动。
⚠️ 常见错误：Skill 写得太死
很多人建 Skill 时会把所有细节都写进提示词，比如"本周是年度绩效季，请特别强调……"——这就把一个通用 Skill 变成了一个一次性用品。好的 Skill 设计原则是：固定的部分（逻辑、结构、风格）放进提示词主体，变化的部分（具体内容、当次背景）留作输入字段。
小节四
五类职场高频 Skill——真实示例参考
场景示例 · 五类职能
下面是五个真实场景的 Skill 示例，覆盖不同职能方向。你可以直接复用，也可以把它们当作结构参考，改造成适合自己工作的版本。
将本月核心业务数据（GMV、DAU、转化率、环比数字等）输入后，自动生成结构化复盘报告，包含数据解读、异常原因分析、下月改进建议。
输入字段：{核心指标数据} {目标值 vs 实际值} {已知的异常原因（可选）}
提示词主体节选：
你是一位运营分析师。请根据以下数据生成本月复盘报告：
本月数据：{核心指标数据}
请分析：① 完成情况（达成/未达成及幅度）② 关键变化点
③ 可能原因分析 ④ 下月重点优化方向
使用频率：每月一次
节省时间：从2小时 → 30分钟
输入岗位名称、核心职责要点、任职要求关键词、团队背景，生成一份语气专业、层次清晰的招聘 JD。同时提供内部用的岗位画像（面试官版）。
输入字段：{岗位名称} {核心职责（3-5条关键词）}
{必要技能/经验要求} {团队规模和业务方向}
提示词主体节选：
生成两个版本：①对外招聘JD（500字，正式），②内部面试官用
岗位画像（包含：候选人红绿旗、面试核心考察点）
使用频率：每次开新岗
节省时间：从1.5小时 → 20分钟
把口语化的沟通记录（会议纪要、微信截图文字、语音转文字稿）转化为正式的邮件跟进函，保留关键信息，自动添加礼貌性开场/收尾，并提炼行动项。
输入字段：{原始沟通记录} {邮件接收方（客户/合作方）}
{邮件核心目的：跟进/确认/推进/致谢}
提示词主体节选：
请将以下沟通记录转化为专业邮件，要求：语气正式但不冷漠、
结构清晰（背景→正文→行动项→下一步），字数不超过300字
使用频率：每周3-5次
节省时间：从25分钟 → 5分钟
输入培训主题、目标学员群体、培训时长、核心要传达的3-5个知识点，生成完整的培训大纲，包含各模块时间分配、互动设计建议、课后作业/检验方式。
输入字段：{培训主题} {目标学员：岗位+经验层级}
{培训时长} {必须覆盖的核心内容（关键词即可）}
提示词主体节选：
设计一份培训大纲，包含：①模块划分+时间分配 ②每模块核心内容
③建议互动环节 ④知识检验方式（测验/演练/讨论）
使用频率：每次新培训项目
节省时间：从3小时 → 45分钟
将一篇或多篇行业资讯/报告/新闻粘贴进来，自动提炼核心信息、判断对所在行业/公司的潜在影响，生成可直接分享给团队的内参简报。
输入字段：{原文内容（可多篇，用---分隔）}
{我的业务方向（1句话）} {本次关注重点（可选）}
提示词主体节选：
请提炼以下内容，生成内参简报：①核心事实（3条）
②对{业务方向}的潜在影响（积极/风险各一条）③建议关注点
使用频率：每周2-3次
节省时间：从1小时 → 15分钟
这五个示例覆盖了职场最高频的信息处理类型：数据复盘、岗位管理、客户沟通、知识传递、信息摘要。它们的共同特点是：输入结构可以标准化、执行逻辑可以重复、输出质量可以预期。这三点是所有值得沉淀的 Skill 的核心共性。
小节五
Skill 库怎么组织——三层结构，不要只用一个文档
组织方式 · 库的结构
很多人把 Skill 集中存在一个超长的备忘录文档里。这在前5个 Skill 的时候没问题，但当你积累到20个以上时，找起来会越来越慢，而且没有结构的文档让你很难知道"自己究竟有多少 Skill、覆盖了哪些场景"。
推荐用三层结构来组织你的 Skill 库：
1
第一层：Skill 索引表（一张表格）
所有 Skill 的总目录，每行一个 Skill，包含：名称、适用场景标签、使用频率、链接/位置。这层的作用是让你在5秒内找到想用的 Skill，不需要翻内容细节。可以放在飞书表格、Notion、甚至 Excel 里。
2
第二层：Skill 卡片（每个 Skill 一张卡）
按上一小节的六字段结构填写的完整 Skill 文档。可以是飞书文档的子页面，也可以是 Notion 的 database record，甚至是一个文件夹里的 .txt 文件——格式不重要，重要的是结构完整、信息齐全、不需要靠记忆补全。
3
第三层：快捷启动（你的常用工具里）
对于每周使用超过3次的高频 Skill，把它的提示词主体直接存在你最常用的输入位置——比如 Claude 的项目 Instructions、ChatGPT 的 Custom Instructions、或者一个桌面快捷文件。这层的目标是"开始任务后立即可用"，不需要打开任何额外文档。
📦
Skill 库示例结构（飞书文档版本）
一个实际可用的组织方式参考
📋
Skill 总索引（飞书表格）
28个 Skill，按场景分类，有使用频率和最近更新时间
第一层
📁
Skill 卡片库（飞书文档目录）
按职能分5个子目录：运营 / HR / 销售 / 管理 / 通用工具
第二层
⚡
高频 Skill 快捷区（Claude Project Instructions）
每周使用3次以上的5个 Skill 提示词主体，直接放在 Claude 项目设置里
第三层
🔄
待迭代队列（飞书评论）
每次使用后的反馈标记，每月固定一次 Skill 复审和升级
维护机制
三层结构看起来比"一个文档"复杂，但实际上只有第一次搭建需要时间，之后日常使用只会接触第三层（快捷启动）和第一层（查索引找 Skill），第二层是备案不是日常操作界面。
小节六
从一个好用的 Prompt 到一个 Skill——实操四步
实操流程 · 四步升级
假设你上周用 AI 做了一次竞品分析，结果非常好，现在想把这次的做法固化成一个可复用的 Skill。走一遍升级流程：
1
回溯这次好结果的关键原因
找到你上次的对话记录，看一看：是提示词里哪些部分起了关键作用？是"告诉 AI 你想对比哪几个维度"，还是"要求 AI 用表格输出"，还是"先给了一个案例告诉 AI 你想要什么风格"？把这些关键要素标记出来，这是提炼提示词主体的原材料。
2
识别变量部分，提炼为输入字段
把原来提示词里那些每次都会变化的内容（竞品名称、分析维度、目标读者）替换成占位符 {竞品名称}、{分析维度}。剩下固定不变的部分（AI的角色、输出格式要求、思考框架）就是提示词主体。这一步通常很机械，但是把"一次性 Prompt"和"可复用 Skill"拆开的关键动作。
3
用不同的输入测试两到三次
用这个 Skill 框架做两到三次不同的竞品分析（换不同的产品、换不同的分析维度），检查输出质量是否稳定。如果某一次效果明显变差，找到原因：是输入字段不够清晰、还是提示词主体有某个约束条件太宽松？根据测试结果调整。
4
填写完整的 Skill 卡片，存入库
按照上一小节的六字段格式，填写完整的 Skill 卡片，包括"注意事项/已知局限"（这个字段很重要，记录你在测试中发现的边界情况）。存入 Skill 库，更新索引表。整个过程通常只需要15-20分钟。
👤
我 · 升级对话示例
我之前让你做的那次竞品分析输出得很好。帮我把它整理成一个可复用的 Skill 卡片——找出输入字段、提炼提示词主体、写上适用场景和注意事项，格式按六字段 Skill 模板。
🤖
AI
好的，我来整理。从上次的对话来看，起关键作用的有三点：你指定了"从用户体验/价格/功能覆盖/GTM策略四个维度"（这是变量，每次可以调整）；要求用对比表格输出；以及要求最后给出"我方可借鉴的具体动作"而不只是观察。
我把这些整理成 Skill 卡片：
名称：竞品深度对比分析器
输入字段：{我方产品名} / {竞品名称（1-3个）} / {分析维度（默认4维）} / {目标读者（内部使用/对外汇报）}
提示词主体：你是产品策略分析师，请对以下产品组合进行对比分析……
注意事项：当竞品数量超过3个时，对比表格会变得很宽，建议拆成两组分别分析。
上面这个对话说明了一件事：你不需要自己从零开始整理 Skill，可以直接让 AI 帮你从已有的好用对话中提炼结构。这是一个被很多人忽视的技巧——AI 不只是执行工具，它也可以帮你整理和沉淀你用 AI 的经验本身。
小节七
Skill 库的维护——不要建完就放着不管
维护机制 · 持续迭代
Skill 库最常见的死法，不是"没有建起来"，而是"建起来之后慢慢腐烂"——里面的 Skill 越来越老、越来越不符合实际工作需求，但没有人更新，最后变成了一个没人看的文档死角。
维护 Skill 库需要两个机制，缺一不可：
机制一：使用时随手标记。每次用完一个 Skill，花30秒做一个标记：这次效果好不好？有没有遇到新的边界情况？是否需要调整某个输入字段？不需要立刻改，只需要记下来。最简单的方式是在 Skill 卡片文档末尾加一行"[2026-03-28 反馈：竞品数量为4个时表格显示有问题，考虑加一条判断提示]"。
机制二：每月固定复审。每个月花30分钟过一遍 Skill 索引，做三件事：把上个月收集到的反馈逐条处理；把三个月没有用过的 Skill 标记为"待确认"（也许那个工作场景变了）；把最近发现的新好用 Prompt 整理进库。30分钟不多，但这是 Skill 库保持活力的核心动作。
| 动作 |
频率 |
时间成本 |
作用 |
| 使用后标记反馈 |
每次使用时 |
30秒 |
积累改进原材料，不让问题沉没 |
| 处理反馈、更新 Skill |
每月一次 |
20分钟 |
让 Skill 保持与实际工作同步 |
| 扫描沉睡 Skill |
每月一次 |
5分钟 |
识别不再适用的 Skill，避免库腐烂 |
| 新增 Skill 入库 |
按需（通常每月1-3个） |
15-20分钟/个 |
库的持续增长，覆盖更多场景 |
💡 一个有用的习惯：Skill 版本号
当你对一个 Skill 做了较大改动时，给它加一个版本标记，比如"v1.2（2026-03更新：加入对报告读者的风格适配逻辑）"。这有两个好处：一是让你随时知道这个 Skill 上次是什么时候改的，二是万一新版本效果反而不如旧版，你能回溯。不需要保存完整历史版本，只需要在卡片里加一行版本说明即可。
小节八
Skill 的三种使用模式——从手动调用到半自动触发
使用模式 · 三种方式
Skill 建好之后，有三种使用方式，复杂度和效率递增。你不需要一开始就追求最高级的方式，按实际需求选择就好。
三种 Skill 使用模式——按使用频率和自动化需求选择
大多数人从模式一开始就足够了。当你发现某个 Skill 每天都要用，打开文档复制粘贴开始觉得麻烦的时候，升级到模式二——在 Claude 或 ChatGPT 里建一个专项 Project，把这个 Skill 的提示词设置为 Project Instructions，以后只要打开这个 Project 开始对话，Skill 就自动激活。
模式三是更进阶的用法，当一个 Skill 不再需要你手动启动、而是由某个事件自动触发时（比如每次收到新简历邮件就自动运行简历解析 Skill），它就从"手动工具"变成了"工作流节点"。这是第13章的主题——把多个 Skill 串起来，变成一条自动化工作流。
🔑 核心洞察：Skill 是 Workflow 的积木，也是可移植的资产
你现在建的每一个 Skill，本质上都是未来工作流里的一块积木。当你有了足够数量的、质量稳定的 Skill，把它们按顺序串起来就变成了工作流。这就是为什么 Skill 库是 Part 3 的起点——没有好的 Skill，工作流只是空架子；有了稳定的 Skill，工作流就有了可靠的执行单元。
还有一件事值得提前知道：2025年12月，Agent Skills 格式成为跨平台开放标准，Claude Code、GitHub Copilot、VS Code、Cursor 等主流工具都已原生支持。这意味着你现在积累的 Skill 文档，不绑定任何单一工具。你建的是判断标准本身，而不是某个平台的配置文件。
小节九
你的第一个 Skill 库——三周落地路线
行动计划 · 从零开始
理解了方法论之后，很多人还是会陷入"不知道从哪里开始"的状态。下面是一条三周建立 Skill 库的最简化路线，每一步都有具体的交付物。
第一周
积累观察，不要急着建
这一周正常使用 AI，但每次用完做一件事：在备忘录里记一行"[日期] 做了什么 + 效果好不好 + 关键原因是什么"。不需要整理格式，流水账记法就行。到周末，你大概会有5-10条记录。
第二周
从记录里提炼第一批 Skill
从上周的记录里挑 3 个"效果好、还会再用"的案例，按六字段格式各整理一张 Skill 卡片。同时建好索引表（一张简单的飞书/Excel 表格），把这3个 Skill 录进去。本周末，你有了 3 张 Skill 卡片 + 1 张索引表——这是你的 Skill 库的最小可行版本。
第三周
测试、迭代，培养使用习惯
这一周正式启用你的 Skill 库。每次遇到之前建了 Skill 的场景，优先从库里调用而不是重新想。注意：第一次用 Skill 时可能会觉得"填输入字段比直接说更麻烦"——这是正常的，第三次之后就会感受到差异。同时继续积累，把新发现的好 Prompt 加入候选队列。
三周之后，你不需要有完美的 Skill 库，需要的只是两样东西：一个建立了基础结构的库（哪怕只有5-10个 Skill），以及一个使用的习惯（遇到老任务先看库，不是先想提示词）。从这里开始，Skill 库会自然随着你的工作积累而增长，不需要专门"抽时间来建"。
✅ 本章交付物检查
完成这一章之后，你应该有：① 一份包含3-5个 Skill 的索引表（有名称、场景标签、使用频率）② 对应的 Skill 卡片（六字段填写完整）③ 至少一个 Skill 被配置为 AI 项目的预置提示词（模式二）④ 一个简单的每月复审提醒（日历备注即可）。以上四项是本章的最小交付物，也是进入第13章（工作流）的前置条件。
小节十
为什么你的同事还在"收藏 Prompt"而你在"运营资产"
视角对比 · 长期竞争力
大多数人对 AI 能力积累的理解，停留在"攒 Prompt"的阶段——在小红书收藏了200个 Prompt、在微信收藏里有一个"AI神器合集"文档，但这些内容90%从来不会再看第二遍，更不会被系统性地用进工作。
Skill 库和 Prompt 收藏的根本差异，不是整理得好不好，而是对"AI能力"的理解深度不同。看一下这张对比表：
| 维度 |
Prompt 收藏 |
Skill 库 |
| 来源 |
别人分享的 + 偶尔自己想的，主要是输入型积累 |
自己实际使用并验证过的，完全是输出型积累 |
| 结构 |
无固定格式，靠关键词和记忆定位 |
六字段标准结构，有索引，可被他人理解 |
| 可复用程度 |
低，每次用还需要思考怎么适配当下情境 |
高，填写输入字段即可使用，不需要重新思考 |
| 增长方式 |
随机积累，越积越多越难用 |
主动沉淀，越用越精简越好用 |
| 可分享性 |
分享出去对方不一定懂怎么用 |
有说明文档，可以直接移交给同事使用 |
| 核心价值 |
降低"想提示词"的门槛 |
把你的工作经验和判断力固化成可调用的系统 |
最后一行是关键。Prompt 解决的是"怎么更好地问 AI"，而 Skill 库解决的是"怎么把你在工作中积累的业务理解转化为可持续调用的资产"。前者让你用得更流畅，后者让你建立起真正意义上的个人 AI 竞争力。
三年后，可能每个人都会用 AI，会写 Prompt 不再是优势。但拥有一个根植于自己业务场景、经过反复验证、持续维护的 Skill 库——这是你自己的经验在 AI 系统里的沉淀，它无法被简单地复制或替代。
✅ 本章核心结论
Skill 是结构化的可复用操作模块，不是随手记下来的提示词。建立 Skill 库的本质是经验资产化——把你在实际工作中反复验证过的好做法，按标准格式整理成随时可调用的模块。从第一周记录观察、第二周提炼前三个 Skill、第三周开始实际使用，三周之后你就拥有了一个有活力的个人 AI 资产库。这是接下来搭工作流的基础。