注册用户本文由 莫潇羽@源码七号站(www.fuyuan7.com)撰写,转载请注明出处。
快速摘要
核心结论一句话:Skill 这个原本只在工程师圈子里流转的概念,正在以"内容产品"的形态走进 3 亿月活级别的生活方式社区,这意味着 AI 能力的生产、分发、消费链路,正在从"工具内置"切换到"用户自定义 + 平台分发"的新模式。
如果你只想知道关键点,这里先给五条结论:
- Skill 本质上是一份"打包好的怎么做某件事的完整指令",远不止是一段提示词,它能调度工具、控制流程、跨次对话稳定复用。
- 当一个内容社区把 Skill 命名为"商店",意味着它要让 AI 能力像笔记一样被创作、被分发、被消费,这是一次内容形态的扩张。
- 近期开源生态里同时出现了音乐生成、海报生成、生成式引擎优化等 Skill 案例,共同信号是 Skill 正在从工程师工具升级为"普通人也能下载即用"的能力包。
- 渐进式披露架构(Progressive Disclosure)是 Skill 能稳定工作的技术关键,理解了它,你就理解了为什么 Skill 不是"超长提示词"。
- 对内容创作者来说,这条新链路意味着既要会写文章,也要会沉淀"可执行的方法论",未来高价值的输出是"可复用的工作流",而不只是单次内容。
想看完整拆解,往下翻。 后面会把这场变化背后的原理、商店逻辑、技术架构、社区张力和实操路径全部铺开讲清楚。
一、一个被低估的信号:为什么内容平台开始做"AI 能力商店"
先抛一个问题给你:如果有一天你打开一个生活方式社区,看到首页推荐里出现的不再是穿搭、探店、读书笔记,而是一个个标着"对话式海报生成器""文案爆款公式 v3.2""个人健身计划生成 Skill"的卡片,你点进去发现下载安装它们只要复制一段附件信息给 AI,这种场景你能接受吗?
我自己第一次在主流内容平台上看到"Skill 商店"这个词的时候,是有点恍惚的。莫潇羽@源码七号站长期关注内容生态变化,但坦白讲,这种程度的"破圈"出现的速度,确实超出了我的预期。
1.1 一个时间线:三周内连续发生的几件事
把最近这三四周发生的事情按时间排开,你会发现它们不是孤立的:
- 一个生活方式社区在帖子里上线了 Skill 附件上传入口,内测代号被称为"Red Skill",意味着用户可以直接把一段打包好的 AI 能力挂在自己的笔记下方。
- 一位开源开发者把 Suno 音乐生成的 Skill 直接开源出来,任何人在 Claude Code 里输入一句话,就能完成完整的音乐生成流程。
- 另一位作者一次性放出 17 套生成式引擎优化(GEO)相关的 Skill 体系,等于把整套方法论变成了可下载的工具包。
- 还有人把"对话式海报生成"做成了 Agent,用户只需要聊几句,海报就出来了,完全跳过了提示词工程的门槛。
这几件事单独拿出来看,每一件都像是"某个垂直领域的更新"。但放在一起看,信号就非常清晰:Skill 正在从开发者命令行里走出来,变成可以被大众下载、使用、甚至消费的内容产品。
1.2 为什么这个信号容易被忽略
我观察了一下身边人对这件事的反应,大部分人没把它当回事,原因主要有三个。
第一,它发生得太分散。今天是音乐 Skill,明天是海报 Agent,后天是某个内容社区上线了商店入口。每件事单独看体量都不大,缺乏戏剧性。但如果你把这些点连成一条线,趋势就出来了。
第二,它没有"产品发布会"那种大场面。AI 行业过去一两年大家被各种"颠覆性发布"喂饱了,反而是这种悄悄发生的结构性变化最容易被忽略。Skill 出圈这件事就是这样,没有惊天动地的官宣,而是通过一个内测入口、一个开源仓库、一个个人博主的笔记,润物细无声地铺开。
第三,它需要一点"前置知识"才能看出门道。如果你不知道 Skill 是什么,光看一个平台多了个上传入口,确实没什么感觉。这也是我写这篇文章的原因之一,把这个概念彻底讲清楚。
1.3 这件事到底为什么"大"
我们不妨用一个简单的对比来感受一下变化。
旧链路:
人 ──> 描述需求 ──> AI 生成内容 ──> 人复制使用
(每次都要重新描述,经验存在人脑里)
新链路:
人 ──> 沉淀方法论 ──> 打包成 Skill ──> 上传到平台
│
┌───────────────┴───────────────┐
▼ ▼
其他人下载 AI 自动调用
│ │
└──────► 直接产出符合方法论的结果 ◄──────┘旧链路里,经验存在每个人的脑子里和聊天记录里,没法被分发。每次有新需求,你都要从零开始跟 AI 描述一遍。
新链路里,经验被沉淀成 Skill,Skill 可以被分发、被组合、被迭代。这意味着"会做某件事"这种能力,本身变成了可流通的资产。
这个变化的量级有多大?我自己折腾下来的感受是,这相当于从"每次写信"切换到"批量发邮件"的差别——表面看都是文字沟通,底层逻辑完全不一样了。
1.4 内容平台为什么会做这件事
一个值得品味的细节是,做这件事的不只是工具厂商,而是内容社区。这就特别有意思。
工具厂商做 Skill 容易理解:Skill 让用户的工作流更稳定,提升留存。
但内容社区做"Skill 商店",动机就更深层一些了。我的判断有三条:
- 抢占 AI 时代的内容入口。当用户开始把"找一个能用的 Skill"当成日常需求时,谁先把这个入口做出来,谁就抓住了一种新的搜索行为。
- 延长内容资产的生命周期。一篇笔记的生命周期很短,看完就划走了。但一个 Skill 是"可复用的工具",会被反复使用,粘性高得多。
- 重新定义创作者价值。一个普通博主一篇笔记的影响力是有限的,但如果她沉淀出一个被几十万人下载的 Skill,影响力的杠杆完全不同。
把这三条放在一起,你就能理解为什么内容平台会在这个时点出手了。莫潇羽个人觉得,这是一次教科书级别的"基础设施侧抢跑"。
1.5 这条新链路的雏形
我们已经能大致勾勒出这条新链路的雏形:
graph LR
A[创作者沉淀经验] --> B[打包成Skill]
B --> C[上传到内容社区]
C --> D[算法分发]
D --> E[用户下载]
E --> F[复制到AI客户端]
F --> G[AI 调用Skill 完成任务]
G --> H[用户反馈/二次创作]
H --> A这张图里最关键的不是某一个环节,而是它形成了闭环。创作者沉淀的经验,通过 Skill 这个载体,到了普通用户手里,产生了实际效果,然后又反向促进创作者迭代经验。一旦闭环跑起来,生态就会自我增长。
这一节先把这个信号摆在这里,后面我们会逐层往下挖:Skill 到底是什么、它为什么能稳定工作、内容平台用什么方式让它变得人人可用、以及作为创作者你应该怎么准备。
二、Skill 到底是什么:把这个概念彻底讲明白
很多朋友看到这里可能还是没搞清楚:Skill 到底是什么东西?它跟提示词模板有什么区别?它跟以前说的"AI Agent"又是什么关系?这一节我把它讲透。
2.1 一个生活化的类比:菜谱、私厨、还是中央厨房?
我们用做菜来类比,这是最直观的。
提示词模板 ≈ 菜谱单页
┗━━ 一张纸,告诉你这道菜怎么做。每次做都要重新看一遍。
Skill ≈ 菜谱本 + 厨房动线 + 工具清单
┗━━ 不只是步骤,还告诉你该用什么刀、什么火候、什么顺序、
哪一步交给搅拌机、哪一步要手工把控。整套流程被打包。
Agent ≈ 一个会做菜的私厨
┗━━ 拿到 Skill 之后,自己规划、自己买菜、自己上灶,
做完之后端上桌。这三个东西不是替代关系,而是协作关系。Skill 是"怎么做"的方法论,Agent 是"动手做"的执行者,提示词模板只是 Skill 里面最小的组成部分。
2.2 一个 Skill 长什么样:打开它,里面有什么
如果你真的把一个 Skill 解压开,会看到大致这样的目录结构:
some-skill/
├── SKILL.md ← 核心说明书,描述这个 Skill 是干什么的、什么时候触发
├── references/ ← 参考资料,Skill 工作时需要查的"字典"
│ ├── api-guide.md
│ └── style-rules.md
├── scripts/ ← 可执行脚本,处理一些标准化任务
│ └── render.py
└── assets/ ← 模板、图片、样式文件等静态资源
└── template.png里面最关键的就是 SKILL.md 这个文件,它包含两部分:
---
name: skill-name-here
description: 这里写清楚这个 Skill 是干什么的、什么时候应该被触发。
这段描述非常关键,AI 就是靠它判断"现在该不该调用这个 Skill"。
---
# 接下来是 Skill 的正文
# 描述完整的工作流程、注意事项、输出格式要求等最上面的 YAML 元数据部分,主要是两个字段:name(技能名)和 description(描述)。下面的正文部分,详细描述这个 Skill 要怎么工作。
description 是整个 Skill 的"门面"。写得好,AI 能在合适的时机自动调用它;写得不好,AI 根本不知道什么时候该用。这跟我们写文章起标题是一个道理,标题不到位,内容再好也没人点。
2.3 Skill 和提示词模板的本质区别
这里要把容易混淆的几个概念彻底分开。
|
维度 |
提示词模板 |
Skill |
|
形态 |
一段文字 |
一个文件夹,可含脚本、模板、参考资料 |
|
触发方式 |
手动复制粘贴 |
AI 自动识别上下文调用 |
|
工具调用 |
不支持 |
支持调度文件读写、网络请求等工具 |
|
上下文管理 |
一次性塞进对话 |
渐进式按需加载 |
|
多步骤流程 |
弱 |
强,可编排复杂工作流 |
|
跨对话复用 |
需要重新粘贴 |
安装一次,长期可用 |
|
可分发性 |
弱 |
强,可以打包传播 |
最关键的两条区别我再强调一下:
第一,Skill 是"被调用"的,提示词是"被复制"的。提示词模板需要你每次手动找出来粘上去,Skill 则是 AI 看到任务描述之后自己判断该不该用。
第二,Skill 是"立体的",提示词是"扁平的"。Skill 可以带脚本、带参考文档、带资源文件,提示词只是一段纯文本。这种立体性使得 Skill 可以完成提示词做不到的复杂任务。
2.4 渐进式披露:Skill 为什么不会"撑爆"上下文
讲到这里,有人可能会问:既然 Skill 可以很复杂,那把它塞给 AI 时,会不会一下子占用太多上下文,反而把 AI 搞糊涂?
这就要讲 Skill 的核心设计——渐进式披露(Progressive Disclosure)。
第一层(永远在 AI 视野里):
每个已安装 Skill 的 metadata —— name + description
┗━ 只有几十个字,告诉 AI "我能做什么"
第二层(被需要时才加载):
SKILL.md 的正文部分
┗━ 几千字的工作流程说明,只有 AI 判断需要使用时才读
第三层(执行过程中按需取用):
references/ 里的参考资料、scripts/ 里的脚本
┗━ 等到具体操作步骤时才会被调用这种"图书馆-章节-段落"的三层结构,让 AI 既能感知到所有 Skill 的存在,又不会被它们的内容压垮。形象一点说:AI 不需要把整个图书馆背下来,它只需要看目录知道有哪些书,真要看哪一章再翻过去。
这个设计在工程上挺巧妙的,它解决了一个核心矛盾——"能力越多越好"和"上下文越短越好"之间的矛盾。莫潇羽在源码七号站做过几次相关的实验,实测下来,这种渐进式加载的方式确实比把所有指令一次性塞进对话效率高得多。
2.5 Skill 的几种典型形态
到目前为止,Skill 大致可以分成这么几类,你心里有个谱:
- 工作流自动化型:把一个完整的多步骤任务打包,比如"把一段会议录音整理成结构化纪要"、"根据需求文档生成测试用例"等等。
- 风格/规范型:封装某种特定的写作风格或品牌规范,比如"用某个博主的语气写文案"、"按照公司品牌指南配色"。
- 领域知识型:把某个垂直领域的专业知识编码进去,比如"医学影像报告解读"、"专业法律文书校对"。
- 工具编排型:把多个外部工具的调用顺序和场景写清楚,Skill 本身相当于一个"指挥棒"。
- 创意生成型:对话式生成图像、音乐、视频等创意产物,降低使用门槛。
- 数据处理型:面向特定数据格式的清洗、转换、可视化流程。
不同类型的 Skill 价值差异很大。最有传播力的往往是"创意生成型"和"工作流自动化型",因为它们直接对应大众日常会碰到的高频需求。
2.6 一个最小可用的 Skill 长什么样
为了让你更具象一点,这里给一个极简的伪代码示例。假设我想做一个"把英文文章总结成中文卡片"的 Skill:
---
name: english-to-chinese-card
description: |
把英文长文章总结成结构化的中文知识卡片,
适用场景:用户上传英文文档或粘贴英文链接并要求"做个中文卡片"
"翻译并总结"、"提炼要点"。
---
# 工作流程
## 第一步:理解原文
- 通读整篇英文文章
- 识别核心论点和关键证据
- 注意作者的立场和情绪倾向
## 第二步:结构化整理
按以下框架输出:
- 一句话核心结论
- 三到五条关键论据
- 一个值得记住的金句(翻译并保留英文原句)
- 个人启发(用第一人称写一两句)
## 第三步:卡片美化
- 中英文之间空格分隔
- 数据和专有名词突出加粗
- 输出长度控制在 500 字以内就这么短的一段说明,在合适的 AI 客户端里就可以工作。当然真实使用的 Skill 会比这个复杂得多,但麻雀虽小,五脏俱全,你能从这个例子看到 Skill 的基本骨架。
2.7 把 Skill 和 MCP、Agent 关系再梳理一遍
最后做个总结性的梳理,因为这三个词最近经常一起出现,新手很容易混淆:
MCP (Model Context Protocol) ──> "AI 能连接到什么"
定义 AI 跟外部世界打交道的协议、接口、数据通道。
Skill ──> "AI 在某个场景应该怎么做"
定义在某个具体任务下的操作流程、判断标准、输出规范。
Agent ──> "谁来执行"
一个具体的 AI 实体,调度 MCP 提供的能力,按 Skill 描述的方法去完成事情。打个不太严谨但好记的比方:MCP 是水电气煤的管道,Skill 是装修风格的设计图,Agent 是那个真正住进去的人。三者各司其职,缺一不可。
理解了这些,我们再回到"内容平台做 Skill 商店"这件事上,你就能感受到它背后的力量了:这是把整套"AI 装修图纸"挂到了一个 3 亿月活的内容社区上,任何人都可以拿一份回家用。下一节我会继续讲,从单次提示词到 Skill 这条进化路径上,AI 使用方式经历了哪些关键的范式跃迁。
三、从提示词到 Skill:AI 使用方式的三次范式跃迁
理解了 Skill 是什么之后,我们站得更高一点,看看从最早的 AI 聊天到现在的 Skill 生态,中间经历了哪些范式跃迁。这一段的视角,可能会让你对这件事的判断更扎实。
3.1 第一次跃迁:从"问答"到"会话"
最早大家用 AI,是问答式的。你问一句,它答一句,每次问答之间相互独立。
那个阶段大家学的"AI 用法",基本就是怎么把一个问题问得更清楚。提示词工程这个说法,就是从这个阶段冒出来的。
用户: 写一首关于秋天的诗
AI: (输出一首诗)
用户: 再写一首
AI: (输出另一首,但风格可能完全不一样)这种用法的痛点很明显:AI 没有"记忆",每次都是新的开始。你跟它讲过的偏好、设过的限制、给过的素材,下一次都用不上。
3.2 第二次跃迁:从"会话"到"上下文工程"
后来大家学聪明了,开始用各种办法把上下文搬给 AI:
- 把背景信息粘贴到对话开头
- 用"角色扮演"提示词去框定 AI 的语气
- 准备好几个固定的模板,需要时复制过去
- 用一些客户端附带的"自定义指令"功能
这个阶段我把它叫做"上下文工程"。本质上是用户在帮 AI 维护它的"工作记忆"。
用户: [复制一段长长的提示词]
你现在扮演一个旅行规划师,需要帮我规划一个三天两夜的行程,
偏好是文艺路线,预算中等,出发地是上海...
然后:请规划一下下周末的杭州行程
AI: (按照设定的角色和偏好输出方案)这一阶段比纯问答好用很多,但还是有几个老问题:
- 复制粘贴成本高。一段两三千字的提示词,每次粘贴都很麻烦。
- 没法触发自动化。提示词只能"指挥 AI 说什么",不能"让 AI 自己做什么"。
- 难以分享和迭代。给朋友一段提示词,他还得自己摸索怎么用。
- 稳定性差。同样的提示词,在不同的对话里效果可能差异很大。
3.3 第三次跃迁:从"上下文工程"到"Skill 工程"
Skill 的出现,是对上面那些痛点的系统性回应。
用户(只输入这一句): 帮我规划下周杭州行程,要文艺路线
AI: (内部识别到 "旅行规划" 任务,自动加载已安装的旅行规划 Skill)
(Skill 里写明了:需要询问预算、出发地、人数、偏好;
需要调用地图工具查路线;需要按结构化格式输出;
最后还要附上避坑提醒)
AI: 我已经按照习惯的旅行规划方式帮你梳理了一版,
需要先确认这几个信息:出发地、预算、人数...注意这次的差别:用户的输入变短了,但 AI 的输出更结构化、更稳定、更专业。能力被沉淀进了 Skill,用户只需要给一个简单的触发信号。
graph TD
A[用户简短输入] --> B{AI 判断任务类型}
B -->|匹配已安装 Skill| C[自动加载 Skill 工作流]
B -->|无匹配 Skill| D[走通用回答路径]
C --> E[按 Skill 流程逐步执行]
E --> F[调用工具/查参考资料/生成输出]
F --> G[结构化结果返回用户]这条路径里有一个特别值得讲的设计点:判断"该不该用某个 Skill"的工作,是 AI 自己做的。不需要用户记忆"我现在装了哪些 Skill,应该手动调用哪一个"。这一点跟早期的插件市场逻辑完全不同。早期插件你得自己点一下开关、找一下入口,而 Skill 是"装上就忘了它,需要时它自动来"。
3.4 三次跃迁的对照表
我把三个阶段的差异做成一张表,你心里有个完整的脉络:
|
阶段 |
核心载体 |
用户做的事 |
AI 做的事 |
复用性 |
|
问答时代 |
单次提问 |
把问题问清楚 |
当下回答一次 |
几乎为零 |
|
上下文工程 |
长提示词 |
维护和粘贴提示词 |
按提示词指令工作 |
中等,需要手动复制 |
|
Skill 工程 |
打包能力包 |
安装 + 自然说话 |
自动识别 + 调度 Skill |
高,可分发可迭代 |
如果你把"用户做的事"那一列单独看,会发现一条规律:用户的负担在持续降低,AI 的能力在持续增强。这就是技术演化的典型路径。
3.5 这种范式跃迁带来的真正变化
我自己折腾下来最大的感触是,Skill 时代以后,人和 AI 的协作关系发生了角色互换。
旧角色分工:
人 ─── 出主意 + 规划流程 + 检查质量
AI ─── 干苦力 + 输出文本
新角色分工:
人 ─── 沉淀方法论 + 选择 Skill + 把握方向
AI ─── 规划流程 + 调度工具 + 完成执行注意"规划流程"这件事,在新模式下是 AI 在做的(基于 Skill 提供的框架)。这意味着用户从"流程的执行者"变成了"方法论的设计者",这是一个相当大的位置变化。
莫潇羽个人觉得,这种变化对内容创作者尤其有意义。过去你写一篇优秀的"如何做某件事"的攻略,读者要照着学几小时甚至几天。现在你写一个 Skill,读者下载之后立刻就能用,你的影响力杠杆完全不同了。
讲完了范式跃迁,我们接下来要回到"商店"这两个字上,看看为什么它对内容生态意味深长。
四、"商店"两个字背后的内容逻辑:经验如何变成商品
回头再看一眼那个内容社区给 Skill 入口起的名字——"商店"。你品一下这两个字。
不叫"工具集",不叫"插件库",不叫"模板",而是商店。这个命名是有讲究的,它透露了一个内容平台对未来生态的想象。
4.1 商店意味着什么
在中文语境里,"商店"这两个字至少暗示了几件事:
- 里面的东西是"商品"——意味着有创作者、有标价(哪怕暂时免费)、有消费者、有评价。
- 存在分发逻辑——既然是商店,就会有上架、下架、推荐、排行榜、搜索。
- 形成生态闭环——商品被消费之后,会有反馈,反馈反哺创作者,迭代出更好的商品。
把这些放到 AI 能力的语境里,你就能感受到这件事的体量:
旧定义:
AI 能力 = 厂商内置的功能
用户 = 这些功能的被动消费者
新定义:
AI 能力 = 可创作、可分发、可消费的内容产品
用户 = 既是消费者也可能是创作者
平台 = 撮合创作者和消费者的内容市场这是一个生态层面的扩张,不是工具层面的小更新。
4.2 经验如何被打包成商品
要把"经验"变成可流通的"商品",这中间需要几个关键的转化步骤。
graph LR
A[原始经验<br>存在脑子里] --> B[结构化梳理<br>变成方法论]
B --> C[Skill 化封装<br>变成可执行流程]
C --> D[平台分发<br>变成可消费内容]
D --> E[用户使用反馈<br>变成迭代依据]
E --> B每个箭头都对应一个具体的转化动作:
第一步:原始经验 → 方法论。把脑子里模糊的"我大概是这么做的"变成清晰的"我做这件事一共有几步,每一步看什么、判断什么、产出什么"。这是最难的一步,因为大部分高手的"诀窍"是隐性的,自己都说不清楚。
第二步:方法论 → Skill。把方法论用 SKILL.md 的格式写出来,处理好触发条件、工作流程、工具调用、输出格式等技术细节。
第三步:Skill → 商店里的商品。给 Skill 起个有吸引力的名字,写好介绍页,配上演示效果,挂到商店里,等待算法分发。
第四步:商品 → 反馈数据。用户用完之后留下的评分、评论、二次创作,反过来告诉你哪里做得好、哪里需要改进。
走完一个完整的循环,你的经验就从"自己脑子里"变成了"无数人都能用"的工具。这是一个经验流通的新方式。
4.3 对比 App Store:什么不一样
很多人第一反应是把"Skill 商店"类比 App Store,这个类比有合理的地方,也有重要的差异。
|
维度 |
App Store |
Skill 商店 |
|
商品形态 |
编译后的程序 |
一段说明书 + 资源文件 |
|
开发门槛 |
高,需要工程能力 |
低,会写清楚流程就能做 |
|
上架周期 |
周到月 |
小时到天 |
|
更新方式 |
用户主动升级 |
创作者修改即可生效 |
|
商品对象 |
设备和系统 |
大语言模型 |
|
单个商品体量 |
数十兆到数 GB |
几 KB 到几百 KB |
最关键的差异在开发门槛这一行。App Store 的应用需要工程师才能做出来,而 Skill 商店里大量的内容可以由不会编程的创作者完成。
这意味着创作者的供给来源是完全不同的两个池子:
App Store 的供给池:
程序员 + 设计师 + 产品经理 + ...
┗━ 数量有限,门槛高,但单个产品打磨深
Skill 商店的供给池:
博主 + 老师 + 设计师 + 业内专家 + 兴趣发烧友 + ...
┗━ 数量庞大,门槛低,但需要严格的质量筛选机制这就是为什么"内容社区"做 Skill 商店反而比传统软件市场做更合适。内容社区天然就有海量的"内容供给者",他们之中很多人本来就在写经验贴、出攻略,把这些经验再往前进一步就变成了 Skill。
4.4 创作者的身份会发生什么变化
从博主到 Skill 作者,这条路径上创作者的身份会发生几个微妙的变化:
- 从"分享者"到"工具提供者"。过去你是分享你的旅行攻略,现在你是提供一个能帮人做旅行攻略的工具。
- 从"一次性内容"到"持续服务"。过去发完一篇笔记就结束了,现在你的 Skill 还在被人下载、被人使用、被人提建议。
- 从"个人输出"到"协作迭代"。Skill 是会持续更新的,你的用户会给你反馈,你的 Skill 会越来越好。
- 从"流量经济"到"工具经济"。流量经济追求一时的曝光,工具经济追求长期的留存。两种逻辑下创作者的关注点完全不同。
这种身份变化对很多创作者来说挑战非常大,因为它要求你不只是"会写",还要"会沉淀流程"。这不是一个简单的内容形态切换,而是底层能力模型的扩展。
4.5 平台为什么愿意推这件事
最后回到平台视角,我们来分析一下平台做"商店"的底层逻辑。
第一,延长用户停留时间。一篇笔记看完就走,但一个 Skill 会被反复使用,每次使用都意味着一次回到平台的机会。
第二,提高内容资产价值。一条普通笔记的边际价值随时间衰减,一个被广泛使用的 Skill 价值反而随时间增长。
第三,建立 AI 时代的护城河。当用户的工作流深度嵌入到某个平台的 Skill 生态里,迁移成本会非常高。
第四,创造新的变现路径。商店天然支持各种形式的商业化:订阅、付费下载、企业版、定制服务。
把这几条放在一起看,你就能理解为什么平台明知道"AI 生成内容"是个争议巨大的话题,依然要往前推这一步。因为不做的代价比做了更高。
讲到这里,可能你已经感受到这件事的能量了。下一节我会带你看看,过去这段时间生态里发生的几个具体案例,看完之后你会更直观地理解,Skill 已经在多少个角落悄悄发生了。
五、近期生态密集爆发的几个信号:从音乐到海报再到 GEO
讲完了原理和商店逻辑,我们来看看生态层面正在发生什么。过去这段时间,Skill 相关的案例密度高得让人有点跟不上。这一节我挑几个有代表性的方向讲讲。
5.1 信号一:音乐生成 Skill 把"创作门槛"打到地板
第一个值得讲的方向是音乐生成。
过去你想让 AI 给你写一首歌,要做几件事:打开音乐生成网站、注册账号、研究风格关键词怎么写、调参数、生成、试听、调整……整个流程并不算特别难,但有门槛、有上下文切换成本。
而现在的做法是这样的:
你: 帮我生成一首暗夜城市风格的电子曲,2 分半,
带一段女声哼鸣
AI: 好的,我用音乐生成 Skill 处理一下...
(内部完成风格描述、参数调优、调用生成接口、等待回调)
AI: 已经生成好了,你听一下,需要调整哪部分?整个过程你只跟 AI 说人话,不需要打开任何额外的网站。Skill 在背后完成了所有衔接工作。
这件事意味着什么?意味着"会用工具"的门槛被消灭了一道。
旧门槛阶梯:
有创作冲动 ──> 学会用工具 ──> 摸索工具技巧 ──> 完成作品
新门槛阶梯:
有创作冲动 ──> 完成作品整个中间环节被 Skill 抹平了。从"门槛"角度看,这相当于把音乐创作降到了"会聊天"这个最低位。
5.2 信号二:海报生成 Agent 让设计变成对话
第二个方向是视觉创作,具体来说是海报。
过去做一张海报你要怎么办?要么自己学设计软件,要么找设计师,要么用模板网站拖拽。每条路径都有摩擦。
而新的对话式海报生成 Skill 是这样的:
你: 我要一张活动海报,主题是"周末读书会",
希望走极简风,色调蓝白,主标题"读一本好书",
底部加上时间地点
AI: 我先理解一下你的需求:极简风格 + 蓝白色调 + 文字层级清晰。
我准备先出三版方案,一版偏几何感、一版偏手写感、
一版偏摄影感。可以吗?
你: 可以,先来几何感的
AI: (调用海报生成 Skill,完成布局、配色、字体、排版)
第一版出来了,你看主标题位置 OK 吗?注意这段对话的氛围:它感觉不像是用工具,更像是跟一个有经验的设计师在聊。AI 在背后做的事其实很复杂——风格转译、版式选择、字体配色、留白处理——但用户面对的就是几句聊天。
这件事的真正杀伤力,不在于"设计变得容易了",而在于让"不会设计的人"也能完成"接近专业水准"的输出。这是创作工具发展史上的一次门槛塌方。
5.3 信号三:GEO 体系被打包成一整套 Skill
第三个方向更"内功"一点,是面向内容创作者的 GEO(生成式引擎优化)体系。
简单解释一下 GEO 是什么。我们都熟悉 SEO——搜索引擎优化,是让你的网页在传统搜索引擎里排得更靠前。GEO 是它的进化版,目标是让你的内容被 AI 引用。
SEO 时代:
优化方向 = 让 Google 的爬虫喜欢你的页面结构
成功标志 = 用户在搜索结果第一页看到你
GEO 时代:
优化方向 = 让 AI 在回答相关问题时引用你
成功标志 = 用户在 AI 回答里看到你被引用为什么这件事在 2026 年突然变得重要?因为越来越多的用户开始用 AI 客户端代替传统搜索引擎来获取信息。你的内容如果不被 AI"看见",传统的流量分发模型就会失效。
把 GEO 体系打包成 Skill,意味着创作者可以这样工作:
你: 帮我把这篇文章按 GEO 标准重写一遍
AI: (加载 GEO Skill,执行如下步骤)
✓ 检查标题是否包含核心问题
✓ 检查每个章节是否回答一个具体问题
✓ 检查关键定义是否清晰
✓ 检查是否有结构化数据(表格、列表、FAQ)
✓ 检查是否有可被引用的金句
✓ 输出优化后的版本和修改清单这就是把过去"看十几篇 SEO 文章 + 自己摸索"的过程,压缩成了"运行一个 Skill"。
5.4 三个信号的共同特征
把上面这三个看似不相关的案例放在一起,你会发现它们有几个共同特征:
|
维度 |
音乐生成 |
海报生成 |
GEO 体系 |
|
原本门槛 |
需要懂音乐生成参数 |
需要懂设计 |
需要懂搜索优化 |
|
Skill 化之后 |
一句话出作品 |
对话式出方案 |
一键改写文章 |
|
受益人群 |
想做内容但不会音乐的人 |
想自己出海报的运营 |
内容创作者和企业 |
|
替代品价格 |
设计接单或工具订阅 |
设计师服务 |
SEO 顾问 |
|
关键能力被沉淀 |
风格描述 + 参数调优 |
排版 + 配色 + 字体 |
内容结构 + 引用优化 |
最值得注意的一栏是"关键能力被沉淀"。这一栏其实回答了一个核心问题:Skill 的本质是什么?
答案是:Skill 是把某个垂直领域里的隐性专业能力,显性化、模板化、可复用化。
垂直领域专家的能力
│
▼ 拆解为可执行步骤
SKILL.md 里的工作流
│
▼ 嵌入到 AI 的工作上下文
新手用户也能用出专家水准这条转化链的意义,远远超过任何单一案例。它意味着专业能力第一次有了可量产的载体。
5.5 还有哪些方向正在被 Skill 化
除了上面三个,我观察到还有不少方向正在快速 Skill 化:
- 学习类:把某个学科的知识点拆解成"提问-讲解-练习-反馈"的循环 Skill。
- 办公类:会议纪要、邮件回复、周报生成、数据可视化的标准化 Skill。
- 创作类:小说大纲生成、播客脚本结构、视频分镜表的工作流 Skill。
- 生活类:菜谱推荐、健身计划、旅行规划、装修色卡等生活方式 Skill。
- 专业类:法律合同审查、医学影像辅助识图、财务报表分析等垂直 Skill。
每一个方向背后都对应着一类"专业能力的传播渠道重构"。这就是为什么我开篇说"这件事可能比你想的要大得多"。
讲完了生态层面发生的事,我们下一节深入技术层面,把 Skill 能稳定工作的核心架构——渐进式披露——再讲细一点。理解了这一层,你就有能力自己设计 Skill 了。
六、渐进式披露与 SKILL.md 结构:技术原理白话拆解
这一节我们稍微往里走一步,讲清楚 Skill 在技术上是怎么工作的。不是为了把你吓退,而是因为理解原理之后,你写出来的 Skill 质量会有质的飞跃。
6.1 上下文窗口:理解一切的起点
要理解 Skill,先得理解 AI 模型的"工作内存"——上下文窗口(Context Window)。
可以这样类比:大语言模型像一个特别聪明但记忆力非常有限的人。你跟他对话时,他能记住的就是这个对话框里的内容,一旦超出某个长度(就是上下文窗口的大小),最早的对话就会被挤出去。
[上下文窗口]
┌─────────────────────────────────────┐
│ 系统提示词(规则) │ ← 占用一部分
│ 历史对话 │ ← 占用一部分
│ 你刚刚说的话 │ ← 占用一部分
│ 附件内容 │ ← 占用一部分
│ [剩余空间用于 AI 思考和生成回答] │ ← 越多越好
└─────────────────────────────────────┘这个空间是有限的资源。塞进去的东西越多,留给 AI 思考和回答的空间就越少。所以"上下文管理"是设计 Skill 时绕不开的核心约束。
6.2 渐进式披露:Skill 的精巧设计
正因为上下文宝贵,Skill 才设计了三层结构,只在需要时加载需要的部分:
┌─────────────────────────────────────────────────┐
│ 第一层:Metadata (永久驻留) │
│ ───────────────────── │
│ - Skill 名称 │
│ - 一段精简的描述(什么时候用、用来干什么) │
│ 整体几十到一百多字,所有已安装 Skill 都在这里 │
└─────────────────────────────────────────────────┘
│
│ 当 AI 判断"这个任务可能用得上某个 Skill"时
▼
┌─────────────────────────────────────────────────┐
│ 第二层:SKILL.md 主体 (按需加载) │
│ ───────────────────── │
│ - 完整的工作流程 │
│ - 触发条件细节 │
│ - 输出格式要求 │
│ - 注意事项与边界 │
│ 通常几千字,只在被选中时才进入上下文 │
└─────────────────────────────────────────────────┘
│
│ 工作流执行到某个具体步骤时
▼
┌─────────────────────────────────────────────────┐
│ 第三层:References / Scripts / Assets (执行时取用) │
│ ───────────────────── │
│ - 参考资料文件 │
│ - 自动化脚本 │
│ - 模板和静态资源 │
│ 按需取用,不会全部进入上下文 │
└─────────────────────────────────────────────────┘这种设计有个非常贴切的类比:它像一本组织良好的工具书。
你不会一次性把整本书背下来。你先看封面和目录,知道这本书是讲什么的(第一层)。需要某一章时,你翻到那一章读(第二层)。这一章里提到的某个附录数据表,你需要时再翻过去看(第三层)。
6.3 描述字段(description)为什么是"门面"
第一层 metadata 里最关键的就是 description 字段。我多次强调这件事,因为它直接决定了 Skill 的"被发现率"。
来看两个对比:
# 坏例子
---
name: writer-skill
description: 帮助写作的工具
---
# 好例子
---
name: chinese-blog-rewriter
description: |
把零散的学习笔记、语音整理材料、英文资料改写成符合中文博客平台
风格的原创长文。适用场景:用户上传文档并要求"改写"、"洗稿"、
"二创"、"写成博文"、"润色成原创"、"做成公众号长文",
或者用户描述要写一篇带摘要、SEO 友好、几千到上万字的中文干货。
---差别在哪?好例子里包含了大量"触发词"。AI 在判断要不要调用这个 Skill 时,实际上是在做"用户当前任务"和"Skill description"之间的语义匹配。匹配信号越丰富,命中越准。
所以写 Skill 的时候,description 这一段值得反复打磨。莫潇羽自己写 Skill 时,通常会把 description 改五六遍,反复揣摩"用户可能用什么样的话来描述这个需求"。
6.4 工作流编排:一个完整的 SKILL.md 怎么写
光有 description 还不够,正文部分要把工作流写清楚。一个相对完整的 SKILL.md 结构大致是这样的:
---
name: xxx
description: xxx
---
# 一、身份与立场
说清楚 AI 在执行这个 Skill 时应该扮演什么角色、用什么口吻、
站在什么立场。这部分定调子。
# 二、执行前的准备工作
列出在正式开干之前必须完成的检查、读取、确认动作。
比如:"先通读全部上传文档"、"先联网核实关键事实"、"先与用户确认核心需求"。
# 三、核心规则(硬约束)
列出"必须做"和"必须不做"的清单。这部分是底线,不能违反。
比如:"原创内容占比 ≥ 80%"、"不出现某些敏感词"。
# 四、格式与排版要求
说清楚最终输出的样子:多长、分几部分、用什么风格、要不要表格图表。
# 五、字数与一次成文策略
明确长度要求和写作策略,避免 AI 输出过短或过长。
# 六、输出之前的自检清单
让 AI 在交付前自己过一遍质量检查。
# 七、产出物落地方式
说清楚最终结果以什么形式交付:写入文件?展示在对话里?调用哪个工具?这套结构不是死板的模板,而是一个可以稳定让 AI 完成复杂任务的骨架。把这个骨架填满,你就能得到一个可用的 Skill。
6.5 工具调用:Skill 让 AI 从"说"到"做"
Skill 和提示词最大的差别之一,是它能"指挥 AI 用工具"。这是一个质变。
没有 Skill 时:
用户: 帮我写个总结
AI: (输出一段文字)
有 Skill 时:
用户: 帮我处理一下今天的会议录音
AI: (调用 Skill)
├─ 调用语音转文字工具(scripts/transcribe.py)
├─ 读取参考的纪要模板(references/template.md)
├─ 生成结构化纪要
└─ 写入到指定位置 + 提示用户下载工具调用是 Skill 的核武器。它让 AI 从"语言模型"变成了"任务执行器"。
但工具调用也意味着风险。一个 Skill 能调用文件读写、网络请求、外部 API,这些能力如果被滥用,可能引发数据安全和权限问题。所以好的 Skill 设计要遵循一些原则:
- 最小权限原则:只申请这个 Skill 真正需要的工具,不要"宁可多带不可少带"。
- 明确边界:在 SKILL.md 里写清楚什么情况下可以调用工具、什么情况下应该停下来问用户。
- 关键操作前确认:对于会写文件、发请求、扣费等"不可逆"动作,设计明确的确认环节。
6.6 我的几条 Skill 写作经验
最后分享几条莫潇羽自己写 Skill 时踩过坑总结出来的经验:
- 触发词宁可多列也不要少列。description 里把"用户可能怎么问"尽可能列全。
- 正文用"必须"、"不要"、"按顺序"等强语气。AI 对强语气词的执行力比对建议性表达高得多。
- 关键约束用单独的小节列出来。不要把"原创比例"、"字数要求"这种硬规则混在一长串叙述里,容易被 AI 漏掉。
- 加一个"自检清单"小节。在 Skill 末尾让 AI 出稿前自己过一遍清单,质量稳定性提升非常明显。
- 把 Skill 当成产品来迭代。第一版肯定不完美,跑几次发现问题就改。Skill 是活的,不是写完就一劳永逸。
- 写 Skill 之前先手动跑一遍流程。你自己都没跑通的流程,写进 SKILL.md 也跑不通。
这一节就讲到这。下一节我们换一个角度,讨论一下:当 AI 内容大规模进入一个号称"真实分享"的社区时,会产生什么样的张力。
七、真实社区与 AI 内容生态的张力:一场必须正视的拉扯
这一节我想稍微跳出技术层面,聊一聊社区与 AI 内容之间的拉扯。这是一个绕不开的话题,任何想认真做内容的人都应该思考清楚。
7.1 一个内在矛盾:真实社区 vs AI 大规模生成
我们先把矛盾摆在桌面上。
一个生活方式社区的根基是"真实分享"。用户来到这里,本质是希望看到"屏幕对面是一个真人,在分享他真实的体验"。这是社区赖以存在的信任基础。
但同时,这个社区现在又上线了"Skill 商店",鼓励用户上传可以让 AI 大规模生成笔记的 Skill。
这看起来像一个内在的悖论:一边在治理 AI 假笔记,一边在为 AI 生成提供基础设施。
社区核心承诺 AI 内容供给侧
───────────── ──────────────
真实体验 ←──→ 可批量生成
个人风格 ←──→ 可被模仿
独家经验 ←──→ 可被打包
人际信任 ←──→ 可被算法替代每一组对照都构成一个张力点。怎么处理这些张力,关乎平台的生死。
7.2 但这件事的反面也成立
不过这件事还得反过来看一次。
如果一个真实社区完全不让 AI 进来,会怎样?
会出现一种更糟糕的情况:用户该用 AI 的时候,会跑去别的地方。在其他平台上,AI 生成的内容会用某种方式被分发出去,然后用户会发现这些内容并不比真实分享差,甚至在某些维度还更好(更结构化、更全面)。
久而久之,真实社区可能就被"绕开"了。
拒绝 AI 路径:
社区坚持真实 ──> AI 内容跑去别的平台 ──> 用户发现别的地方信息密度更高
──> 用户迁移
──> 真实社区被边缘化
拥抱 AI 路径:
社区接入 AI ──> AI 内容也在本平台 ──> 平台用治理工具区分真实与生成
──> 两种内容共存,用户各取所需
──> 社区维持核心地位这就是为什么一个一直在治理 AI 假内容的平台,反而要做 Skill 商店——不做的代价比做了更高。
7.3 平衡的关键不是"挡住 AI",而是"标识与分流"
理性地看,这场张力的解题思路,不是去挡住 AI,而是让 AI 内容和真实内容能够被区分、被标识、被合理分流。
可以预见的几条治理路径:
- AI 生成内容显著标识。让用户知道自己在看的是 AI 生成的内容,而不是某个真人的真实经历。
- Skill 来源溯源。每个 Skill 都对应一个清晰的作者,生成的内容可以反向追溯到它使用的 Skill。
- 基于场景分流。工具类需求(怎么写邮件、怎么排版海报)分到 Skill 商店,体验类需求(去哪家店吃饭好)分到真实笔记。
- 作者信用体系。Skill 作者的口碑、用户评价、版本迭代记录,共同构成一个可信度评估体系。
如果这套体系建得起来,"AI 内容大规模进入"不会摧毁真实社区,反而会丰富它。一个用户既能看到真人写的吃喝玩乐攻略,又能下载到结构化的工具 Skill,体验是叠加的而不是抵消的。
7.4 创作者要做的心理准备
作为内容创作者,在这场张力里你要做好几个心理准备。
第一,接受"AI 同台竞技"的现实。你写的内容,旁边会出现 AI 用别人的 Skill 生成的内容。你能做的不是抱怨,而是让你的真实体验变得不可替代。
第二,理解你的独特价值在哪里。AI 生成的内容很标准、很结构化,但它没有真实的踩坑经历、没有独家的小细节、没有真人的情感波动。这三样是你的护城河。
第三,学会"借力 AI"而不是"对抗 AI"。最聪明的做法不是抗拒 AI,而是把 AI 当工具用,让它帮你完成那些机械化的部分,把你的精力解放出来,投入到 AI 做不到的地方。
旧创作者画像: 新创作者画像:
───────────── ─────────────
全流程亲手做 人机协作分工
拼时间和勤奋 拼方法和体验
单兵作战 "我 + 我的 Skill"双线作战
影响力靠笔记 影响力靠笔记 + 工具沉淀第二列是莫潇羽个人比较看好的方向。它要求创作者既保有真实体验的细腻,又掌握工具沉淀的能力。两条腿走路,稳得多。
7.5 我的判断:这件事的最终落点
我个人对这场张力的最终落点有个判断,放在这里供你参考。
未来 1-2 年,内容平台会出现明显的"双层结构":
┌─────────────────────────┐
│ 上层:真实分享 │
│ - 真人体验 │
│ - 个人故事 │
│ - 主观推荐 │
│ - 强情感连接 │
└─────────────────────────┘
┌─────────────────────────┐
│ 下层:Skill 工具 │
│ - 标准化工作流 │
│ - 自动化能力 │
│ - 通用解决方案 │
│ - 强功能性 │
└─────────────────────────┘这两层都会很繁荣,但承担的功能完全不同。上层维持社区的情感属性,下层提供平台的工具属性。两层加在一起,平台才是完整的。
对创作者来说,两层都要有所布局才是最稳的策略。只做上层,容易被 AI 卷;只做下层,容易失去人情味。最有价值的创作者,是上下两层都有积累的人。
讲完了张力和应对,我们下一节进入实操:作为一个普通创作者,你应该怎么吃到这波红利?
八、内容创作者怎么吃到这波红利:角色、机会与避坑
这一节比较实战,讲讲普通创作者在 Skill 生态里能扮演什么样的角色,有哪些具体机会,以及容易踩的坑。
8.1 创作者的几种角色定位
进入 Skill 生态,创作者大致可以选择几条不同的路径。
路径一:Skill 生产者
─ 把自己的方法论打包成 Skill,挂到商店里。
─ 适合:有清晰垂直专长的人(摄影、健身、写作、设计等)
路径二:Skill 内容博主
─ 不自己写 Skill,而是测评、推荐、教用法。
─ 适合:善于讲解、传播力强的人
路径三:Skill 应用者
─ 用别人写好的 Skill 提升自己的产出效率。
─ 适合:专注内容本身、不想花太多精力学工具的人
路径四:Skill 整合者
─ 把多个 Skill 组合成一套工作流,提供给特定人群。
─ 适合:有方案设计能力、能针对具体场景做定制的人四条路径不是互斥的。一个成熟的创作者可能同时跨在两到三条上。莫潇羽自己的观察是,最早进入 Skill 生态的那批创作者,如果路径选得好,会有比较明显的先发优势。
8.2 普通人最容易上手的几个 Skill 方向
如果你没什么明确的垂直专长,但又想试着写一个 Skill,这里给几个相对容易上手的方向:
- 写作辅助类:比如"把零散笔记整理成结构化文章"、"把英文资料翻译并提炼成中文卡片"。
- 生活规划类:比如"根据天气和心情推荐穿搭"、"根据食材推荐三道菜"。
- 学习辅助类:比如"基于一段文字生成五道练习题"、"把陌生概念用生活化类比讲清楚"。
- 办公提效类:比如"把会议录音整理成纪要"、"根据需求点生成项目周报"。
- 创意触发类:比如"基于关键词生成五个故事开头"、"给一段文字配一组关键意象"。
这些方向的共同特征是:需求高频、流程清晰、不需要专业领域门槛、有具体的输入输出。新手做这类 Skill 最容易快速完成第一个版本并跑通。
8.3 写 Skill 的常见误区
我见过很多人初次写 Skill 时容易踩的坑,这里挑几个最典型的列出来。
误区一:写得太宽泛。
# 反面教材
description: 帮助用户提升工作效率这种 description 等于没写。AI 不知道什么时候该调用,用户不知道下载了能干什么。Skill 的灵魂是"垂直",越具体越好。
误区二:把 Skill 写成"长提示词"。
很多人写 Skill 时,只是把过去用过的一段长提示词搬过来。这其实没用到 Skill 的全部能力。Skill 应该包含工作流、自检、工具调用等,而不只是一段单向的指令。
误区三:没有"判断逻辑"。
# 反面教材的工作流
1. 读取用户输入
2. 生成结果
3. 输出真实的工作流应该带分支判断:如果输入符合 X 条件,就走 A 路径;否则问用户 Y 问题。这种判断让 Skill 在面对不同输入时都能稳定工作。
误区四:没考虑边界情况。
新手 Skill 经常只在"理想情况"下工作得好。一旦用户输入超出预期(比如内容太短、缺少关键信息、语言不一致),就会出问题。好 Skill 会在 SKILL.md 里明确写:"如果遇到 X 情况,应该 Y 处理"。
误区五:输出格式不稳定。
不在 SKILL.md 里明确写"输出长度、结构、格式"的话,AI 每次给出的结果可能差异很大。好的 Skill 要让"同一个输入"得到"高度一致的输出",这要求格式被严格定义。
8.4 从写一篇文章到写一个 Skill 的转化练习
如果你已经写过一些文章,可以试试这个练习:把你写过的某一篇方法论文章,转化成一个 Skill。
原文章: 《如何写出一篇高质量的产品分析报告》
┗━ 大概 5000 字,讲了思路、步骤、案例。
转化成 Skill 的关键动作:
1. 把"思路"部分变成 description——
说清楚什么场景调用这个 Skill。
2. 把"步骤"部分变成有序工作流——
每一步明确输入、判断、输出。
3. 把"案例"变成 references——
作为参考资料,Skill 工作时按需调取。
4. 把"易错点"变成自检清单——
在 Skill 末尾让 AI 出稿前自己过一遍。走完这个练习,你会发现:自己原来写文章时其实已经在做"方法论封装",只是没有用 Skill 的形式表达。Skill 化的过程更多是"形式转换",而不是从零开始创作。
8.5 Skill 时代创作者的几条避坑建议
最后给几条避坑建议,都是莫潇羽自己或者身边朋友实打实踩出来的:
- 别一上来就追求"万能 Skill"。能解决一个具体小问题的 Skill,比号称"什么都能做"的 Skill 价值高得多。
- 别忽视 description 的反复打磨。一个 description 的好坏,直接决定这个 Skill 能不能被用上。
- 别用违规内容做 Skill。绕过监管、规避审核类的 Skill 注定走不远,也容易给自己带来麻烦。
- 别把 Skill 当一次性作品。Skill 是要持续迭代的,发布只是开始,不是结束。
- 别忘了你的真实人设。在 Skill 商店里建立的口碑,跟你在内容平台的人设是绑定的,作品质量直接决定个人品牌。
- 别只埋头做不发声。Skill 也需要内容推广。最好做完 Skill 之后写一篇笔记讲讲它怎么用、能解决什么问题。
8.6 一个具体的入门路径
我给一个非常具体的入门路径,你可以照着做。
第 1 周:观察阶段
└─ 找 5 个 Skill 商店里的优秀 Skill,
下载来试用,体会"什么是好 Skill"。
第 2 周:选题阶段
└─ 从自己的工作或生活里挑一个高频小痛点,
比如"每次写周报都觉得没东西可写"。
第 3 周:草稿阶段
└─ 用上一节讲的结构,写出 SKILL.md 第一版。
不追求完美,先跑通流程。
第 4 周:测试阶段
└─ 用自己的真实数据反复测试,
发现问题就改,改完再测。
第 5 周:发布阶段
└─ 配一篇说明笔记,挂到 Skill 商店,
等用户的第一波反馈。
第 6 周以后:迭代阶段
└─ 根据反馈持续优化,
有余力再做第二个 Skill。这个节奏不快,但比较稳。六周时间足够你从"看热闹的人"变成"真正进入 Skill 生态的创作者"。
讲完了创作者视角,我们最后一节回归"动手"。下面这一节我会给你一个可以照抄的最小可用 Skill 模板,让你今晚就能上手试试。
九、普通人如何写出自己的第一份 Skill:实操手册
这一节是动手环节。我给你一个完整的、最小可用的 Skill 模板,你可以照着改,改完就能用。
9.1 选题:从"自己每天都要做的小事"切入
写第一份 Skill,不要选大题目。选一件你每周都要做几次的小事。
不好的选题:
"做一个万能的写作助手"
"做一个能帮我涨粉的工具" ← 太大,太虚
好的选题:
"把我每天读的英文新闻,整理成中文要点卡片"
"把会议录音转成结构化纪要"
"根据冰箱里的剩菜推荐今晚做什么" ← 小、具体、高频判断选题好不好,我自己用三个标准:
- 频率高:你每周至少做两三次的事。
- 流程清晰:做这件事的步骤你能口头说出来。
- 输入输出明确:有清晰的"用什么东西、产出什么东西"。
三条都过的选题,就可以开始写了。
9.2 一份"博客改写"Skill 的实操样本
为了让你有完整的参考,我给一份"把零散素材改写成博客文章"的 Skill 模板。这份模板我反复用过,经过多次打磨。
---
name: blog-rewriter
description: |
把零散学习笔记、英文资料、音频转录材料改写成发布在个人博客或公众号的
中文原创长文。触发条件:用户上传文档或粘贴长文本并要求
"改写"、"洗稿"、"二创"、"伪原创"、"写成博文"、"写成公众号长文"、
"润色成原创"、"写一篇 X 字左右的中文干货"、"写一篇带快速摘要、
SEO 友好的文章"。
---
# 一、身份与立场
- 以资深内容创作者的视角写作。
- 文章作者署名信息要自然融入正文。
- 文末写明转载声明。
# 二、素材处理流程(动笔前必做)
- 通读所有素材,理解核心主题。
- 联网核实文中提到的关键事实和链接是否有效。
- 识别并修复转写错误(同音错字、断句问题)。
- 去除素材里的引流信息、原作者信息。
- 重新组织章节顺序,完全抛弃原素材的结构。
# 三、合规改写硬规则
- 基于个人学习实践重新创作,严禁抄袭原素材的框架、术语、案例。
- 原创内容占比不低于 80%。
- 不使用原文的独家术语、专属公式、独家方法论。
- 重新拟定全新标题,不沿用原素材标题。
# 四、文章结构与排版要求
- 开头加一段"快速摘要",前 200 字用加粗给出核心结论。
- 摘要末尾写"想看完整拆解,往下翻"这类引导。
- 标题层级用 H1、H2、H3 拉开,适配公众号阅读。
- 多用代码块、表格、Mermaid 图增加可读性。
- 段落叙述为主,要点列表为辅。
- 术语第一次出现时用白话解释清楚。
# 五、字数与一次成文
- 总字数不少于约定数字(由用户指定,默认 13000 汉字)。
- 写之前先规划大纲,再给每个章节分配字数。
- 一次成文,不够时用编辑工具在合适章节增补。
# 六、去 AI 痕迹
- 避免典型 AI 腔(如"首先""综上所述""值得注意的是")。
- 适当用第一人称表达,带出真实使用体验。
- 句子长短交错,偶尔来一两句口语化短评。
# 七、文末附带信息
- SEO 链接别名(英文短链,连字符分隔)。
- 网站 SDK 信息(title / description / keywords)。
- 自媒体平台爆款标题。
# 八、输出方式
- 最终交付一个 .md 文件。
- 通过文件呈现工具交付给用户。
# 九、出稿前自检
- 字数是否达到要求?
- 标题层级是否清晰?
- 是否还有 AI 腔、敏感词、引流信息残留?
- 链接是否核实有效?
- 作者署名是否自然融入?这是一份相对完整的模板。把它存成 SKILL.md 文件,放到支持 Skill 的 AI 客户端里,就可以工作了。
9.3 写 SKILL.md 的几个写作技巧
照着模板写,有几个写作技巧能让你的 Skill 质量明显提升。
技巧一:用"必须"、"严禁"、"不要"这种强语气词。AI 对强语气的执行力远好于建议语气。"建议你做 X"和"必须做 X"是两个不同的执行强度。
技巧二:把规则放到"硬约束"小节里集中列出。不要把关键规则散布在叙述中,容易被 AI 漏掉。
技巧三:加自检清单。在 Skill 最后写一个"输出之前的自检",让 AI 自己过一遍。这个动作对质量稳定性提升非常大。
技巧四:把示例放进去。如果某种输出格式不好用文字描述,直接给一个示范。AI 看示范学得比看描述快。
技巧五:迭代时只改局部,不要全篇重写。Skill 的小修改往往比大改更有效。每次只改一两条,跑一遍看效果,再决定下一步。
9.4 怎么测试你的 Skill
写完 Skill 之后,要测试。测试不是"跑一次看看",而是要有系统的方法。
测试矩阵:
正常输入 边界输入 异常输入
快速通过率 | 应该通过 | 应该处理 | 应该报错或问澄清
输出一致性 | 高度一致 | 可降级 | 有明确说明
错误恢复 | 不应触发 | 优雅恢复 | 告知用户至少跑三类输入:
- 正常输入:典型用例,确认基础功能 OK。
- 边界输入:接近 Skill 设计边界的情况,比如输入特别长或特别短。
- 异常输入:故意给一些不该处理的内容,看 Skill 会不会乱来。
跑下来发现的问题,回 SKILL.md 改对应部分,改完再测。这个循环跑两三次,Skill 就成熟了。
9.5 发布前的最后一道关:合规与边界
最后一道关是合规检查。Skill 发布到任何平台,都要符合那个平台的规则。常见的边界包括:
- 不诱导刷量、刷粉、刷数据。
- 不绕过平台监管和审核机制。
- 不收集用户隐私数据。
- 不输出违反法律法规的内容。
- 不冒充真人发布原创。
把这些写到 Skill 的"硬约束"小节里,让 AI 在工作时主动避开。这一步既是对平台负责,也是对你自己的内容信用负责。
十、个人学习实践总结:我对这件事的几条结论
文章写到这里,该收尾了。最后这一节,我把自己对"Skill 出圈"这件事的几条核心判断列出来,作为这篇长文的结尾。
第一条结论:Skill 不是一个孤立的功能更新,而是 AI 时代内容生产的一次结构性升级。它把"经验"从隐性的脑内资产,变成了可分发、可消费、可迭代的内容产品。这件事的影响会持续好几年。
第二条结论:内容平台做"Skill 商店"是个深思熟虑的战略决策,不是跟风。它本质上是在抢占 AI 时代的新搜索入口、新创作者生态、新护城河。明白了这一层,你就能理解为什么这件事来得这么急。
第三条结论:对个体创作者来说,Skill 是一次新的"红利窗口期"。早期布局的人,有机会用相对低的成本占住一些垂直领域的工具入口。错过这个窗口,后面再想进入会贵得多、慢得多。
第四条结论:真实分享和 AI 工具不是替代关系,而是互补关系。最聪明的创作者会两条腿走路——既保留真实体验的细腻,又掌握工具沉淀的能力。莫潇羽个人下半年的重心,会向这两个方向同时投入。
第五条结论:技术上,理解"渐进式披露"这个核心概念,就理解了 Skill 的全部精髓。它解决了"能力越多越好"和"上下文越短越好"之间的根本矛盾,这是一个工程上的优雅设计。
第六条结论:Skill 写作的核心不是技术,是"把隐性知识显性化"的能力。一个好的 Skill 作者,首先是一个好的方法论沉淀者。这跟会不会编程关系不大。
第七条结论:Skill 生态的下一步,可能会出现"Skill 之间的组合"、"Skill 的版本管理"、"Skill 的市场化定价"等更复杂的形态。我们现在看到的,只是这场变化的最早一幕。
写这篇文章的过程,本身也是一次学习实践。把零散的观察整合成一篇长文,再从这篇长文里提炼出方法论,理论上还可以再提炼成一个新的 Skill。这就是 Skill 时代的有趣之处——所有的输出,都可以被打包成新的工具,再次进入流通。
希望这篇拆解,能让你对这场正在发生的变化,看得更清楚一点。
本文为莫潇羽@源码七号站(www.fuyuan7.com)的个人学习实践总结,所有观点基于公开资料和个人实践经验,仅供参考。
转载请注明出处。
