«

Skills-把你的经验变成大家的能力（文字版）

子休 发布于 阅读：76

Skills 分享

今天主要跟大家分享一下 Skills 到底是什么、能干什么，以及我们平时应该怎么用。

不用把它想得很技术。

大家只需要记住三个问题：

第一，Skill 是什么？
第二，Skill 能做到什么？
第三，我们怎么使用、怎么创建 Skill？

我希望大家听完以后，不会觉得：

“这个东西离我很远，是技术人员才用的。”

而是会觉得：

“原来我平时很多工作都可以直接用 Skill。”

一、Skill 到底是什么？

大家可以把 Skill 理解成：

给 AI 的一份工作 SOP。

比如我直接问 AI：

“帮我分析一下 TikTok 账号为什么挂车以后没流量。”

AI当然也能回答。

但它每一次回答的方法可能都不一样。

有时候分析账号标签，
有时候分析视频内容，
有时候分析网络环境，
有时候还可能漏掉我们真正关心的问题。

但如果有一个：

TikTok 账号诊断 Skill

里面提前规定好了：

先看账号基础信息，
再看地区和网络，
再看账号标签，
再看橱窗权限，
再看普通视频和挂车视频的流量差异，
最后判断到底是：

内容问题、
账号问题、
商品问题，
还是风控问题。

那 AI 每次就会按照这套专业流程去分析。

所以可以简单理解：

Prompt，是你这一次告诉 AI 怎么做。

而 Skill 是：

把一套方法保存下来，以后反复使用。

再简单一点：

Skill = 经验 + SOP + 判断规则 + 示例 + 工具使用方式。

二、为什么需要 Skill？

因为 AI 很聪明。

但是它不一定知道：

“我们真正做这件事情的方法是什么。”

比如：

“帮我做一个需求评估。”

普通 AI 也可以做。

但是我们真正要的需求评估，不只是随便分析一下。

我们要求它看：

操作步骤、
当前耗时、
优化目标、
优化方式、
自动化程度、
预计周期、
技术可行性。

同时还要去调研：

有没有现成开源项目？
有没有 SaaS？
有没有商业产品？
有没有 API？
价格大概多少？
能不能直接采购使用？

这其实已经不是一个简单 Prompt 了。

它已经是一套完整的工作方法。

这套方法就很适合做成 Skill。

以后我只需要说：

“评估一下这个需求。”

AI就知道应该按照我们的标准去做。

所以 Skill 的一个核心价值就是：

把人的经验，变成 AI 可以反复执行的能力。

三、什么情况下适合使用 Skill？

这个很重要。

并不是所有问题都需要 Skill。

比如：

“美元换人民币大概是多少？”

“帮我算一下这个商品的利润率。”

“这句话是什么意思？”

这种简单、一次性的问题，直接问 AI 就可以了，没有必要专门找一个 Skill。

真正适合 Skill 的，一般是下面几类事情。

第一种：需要专业经验判断的事情

比如店铺运营同事经常会遇到：

“这个 TikTok 账号为什么突然没流量了？”

“为什么普通视频播放正常，一挂商品播放就掉了？”

“这个商品有流量，但是为什么一直不出单？”

“这个达人粉丝很多，到底值不值得合作？”

这些问题不是查一个数据就能回答。

往往需要综合看：

账号情况、
内容数据、
商品数据、
达人数据、
历史表现、
平台规则。

这种问题背后需要一套专业判断方法。

所以特别适合使用 Skill。

Skill 可以告诉 AI：

先看什么、再看什么、出现什么情况应该怎么判断。

而不是让 AI 每次随便猜几个原因。

第二种：每天都在重复做的事情

比如 BD 同事每天可能都要：

找达人、
看达人数据、
判断达人是否匹配、
写邀约话术、
回复达人消息、
跟进寄样、
跟进发布情况。

如果每天都是重复这一套流程，

就特别适合 Skill。

例如做一个：

TikTok 达人筛选 Skill

以后把一个达人资料给 AI，

它就按照固定标准告诉你：

这个达人适不适合我们的商品、
有哪些优点、
有什么风险、
建议怎么联系。

这样就不用每次重新告诉 AI：

“帮我看看粉丝数、播放量、互动率、历史带货情况……”

第三种：有固定标准、固定格式的事情

比如内容团队每天要做大量：

商品视频、
带货脚本、
电商图片、
商品卖点文案。

以带货视频为例。

我们不是随便让 AI：

“帮我写一个 TikTok 视频。”

而是有自己的要求：

开头几秒怎么抓人，
什么时候展示商品，
重点突出哪个卖点，
视频控制多少秒，
画面是什么感觉，
哪些词不能出现。

这些东西其实就是一套标准。

这种事情很适合做成：

带货视频脚本 Skill。

以后换一个商品，

只需要把：

商品图片、商品信息、核心卖点

给 AI，

它就按照同样的标准生成。

电商套图也是一样。

我们要求一个商品固定生成11类图片，

那就没必要每次重新解释11遍规则，

直接交给 Skill。

第四种：步骤很多、容易漏步骤的事情

比如店铺运营分析一个商品。

可能不是简单看：

“今天卖了多少单。”

而是要看：

曝光
↓
点击
↓
进店
↓
加购
↓
下单
↓
成交
↓
退款

还要结合：

视频表现、
达人表现、
广告表现、
商品价格、
库存情况。

如果靠人每次临时分析，

很容易漏东西。

这时候就可以做一个：

商品经营分析 Skill。

让 AI 每次都按照同样的顺序检查，

最后告诉运营：

问题主要出在哪一层，接下来应该重点看什么。

第五种：公司里经常有人问同一种问题

比如财务可能经常被问：

“这个费用应该走什么报销流程？”

“这个供应商付款需要准备什么？”

人事可能经常被问：

“请假怎么申请？”

“这个制度是什么意思？”

运营负责人也可能每天被问：

“这种情况应该怎么处理？”

如果这些问题答案比较固定，

其实也适合整理成 Skill。

把公司的：

制度、
规则、
处理方式、
常见问题

放进去。

以后大家可以直接先问 AI，

而不是所有问题都去找负责人。

第六种：新人需要很久才能学会的事情

这个其实是非常适合 Skill 的。

比如一个新人开始做 TikTok 店铺运营。

老员工可能要告诉他：

怎么看账号、
怎么看商品、
怎么看达人、
怎么看视频数据、
什么情况是正常的、
什么情况需要处理。

这些东西很多不是文档上写的，

而是老员工做久了以后形成的经验。

这种经验特别值得整理成 Skill。

因为一旦做成 Skill，

新人遇到问题的时候可以先问 AI。

相当于：

把老员工的经验，变成了一个随时可以问的助手。

所以大家以后不用想得太复杂。

判断一件事情适不适合 Skill，可以记四个词：

专业、重复、固定、复杂。

比如：

店铺异常诊断——专业。

每天筛达人——重复。

带货视频脚本——固定。

从找达人一直跟到出单——复杂。

只要一件事情明显符合其中一两个特点，

就可以先去看看：

有没有现成的 Skill 可以直接用。

四、Skill 能做到什么？

Skill 不只是帮我们写东西。

它可以做的事情很多。

比如：

分析类

账号诊断、
商品分析、
广告分析、
需求评估、
数据分析、
竞品分析。

内容类

视频脚本、
商品文案、
周报、
方案、
图片提示词、
汇报材料。

运营类

筛选达人、
达人分析、
生成邀约话术、
处理达人回复、
分析广告效果、
分析商品表现。

技术类

代码检查、
接口规范、
数据库分析、
服务器排障、
项目架构检查。

Skill 还可以和：

浏览器、
MCP、
API、
各种业务系统

组合起来。

让 AI 不只是告诉你：

“应该怎么做。”

而是真正去：

查数据、
操作系统、
填写内容、
调用接口、
执行流程。

所以可以简单理解：

Skill 决定 AI“怎么干”。

而 MCP、浏览器、API 这些工具决定：

AI“能干什么”。

五、一个很容易理解的 Skill：Humanizer

有一个比较有意思的 Skill，

叫：

Humanizer。

中文可以理解成：

去 AI 味。

大家应该都遇到过这种情况。

让 AI 写一段话：

“在当今快速发展的时代背景下，人工智能正在以前所未有的速度改变着我们的工作和生活方式……”

大家一看：

“这就是 AI 写的。”

为什么？

因为 AI 有很多固定表达习惯。

比如：

“随着……”

“在……背景下……”

“值得注意的是……”

“不仅……更……”

“综上所述……”

这些表达用多了以后，就会很像 AI。

Humanizer 做的事情，就是有人把：

“什么样的文字像 AI，以及应该怎么改得更自然。”

整理成了一套 Skill。

所以以后不需要每次都告诉 AI：

“别太官方。”

“别有 AI 味。”

“写得像人一点。”

直接使用这个 Skill 就可以。

这个案例很容易理解 Skill 是什么。

因为 Humanizer 并没有训练一个新的 AI。

它只是把一个人的：

经验、
规则、
判断方法

整理成了 Skill。

六、我们自己其实已经有很多场景可以用 Skill

比如我们最近碰到的事情。

TikTok 运营 Skill

以后遇到：

为什么1000粉了还开不了橱窗？

为什么挂车以后卡播？

为什么账号突然没流量？

为什么新号起不来？

都可以让 AI 按照固定流程诊断。

BD Agent Skill

告诉 AI：

什么样的达人值得合作，
哪些数据重要，
什么情况下应该邀约，
不同回复应该怎么处理，
什么时候应该跟进。

这样即使一个新人来做 BD，

也可以先按照 Skill 里的经验来执行。

电商套图 Skill

输入一张产品白底图。

Skill 自动知道：

应该生成哪11种图片、
每张图是什么目的、
什么构图、
什么卖点、
什么风格。

需求评估 Skill

业务部门提出一个需求：

“这个事情能不能自动化？”

直接交给 Skill。

它可以自动分析：

现在怎么做、
耗时多少、
哪里可以优化、
自动化程度有多高、
有没有现成产品、
是采购更合适还是自己做更合适。

大家会发现：

Skill 并不是一个离我们很远的东西。

其实就是：

把我们平时脑子里的工作方法整理出来，让 AI 学会。

七、日常到底应该怎么用 Skill？

这个顺序很重要。

我建议大家以后不要一遇到问题，就想着：

“我要自己做一个 Skill。”

正确顺序应该是：

先找现成的 → 不满足再改造 → 最后才自己创建。

第一步：先找有没有现成的 Skill

现在已经有很多别人整理好的 Skill。

所以我们遇到专业工作的时候，

第一反应可以先问：

“有没有现成 Skill？”

比如：

写作去 AI 味，

已经有 Humanizer。

做产品设计，

可能已经有产品设计相关 Skill。

做代码 Review，

可能已经有现成代码审查 Skill。

做 SEO，

也可能已经有人整理好了 SEO Skill。

如果别人已经把一件事情做得很好，

我们就没有必要从零开始。

第二步：现成的不满足，就在它的基础上改

这是我认为最常见的情况。

比如我们找到一个：

TikTok Growth Skill。

它可能已经包含：

账号运营、
内容分析、
流量分析。

但是并不完全适合我们。

比如我们还特别关心：

开橱窗、
挂车卡播、
账号风控、
网络环境、
店铺关联问题。

那我们没必要重新做一个。

可以直接：

拿现成 Skill 作为基础，再加上我们自己的经验。

最终变成：

适合我们业务的 TikTok 运营 Skill。

这通常也是效率最高的方式。

第三步：实在没有合适的，再自己创建

如果：

找不到现成的，

或者现成 Skill 和我们的业务差距太大，

那再考虑自己创建。

创建 Skill 其实也没有想象中复杂。

最简单的方法就是把你平时怎么做这件事情告诉 AI。

比如：

“这是我平时筛 TikTok 达人的方法，请帮我整理成一个 Skill。”

然后告诉它：

第一步看什么，
第二步看什么，
什么数据代表好，
什么数据代表差，
什么情况应该淘汰，
最后输出什么结果。

AI就可以帮你整理成 Skill。

所以日常使用大家记住一句话就可以：

能用现成的就先用现成的。

现成的不够用，就改造。

实在没有，再自己做。

不要重复造轮子。

八、我们怎么获取 Skill？

我们现在实际也在用这种方式。

比如遇到：

TikTok 运营问题，

我们会先去找：

有没有现成 TikTok 运营 Skill、
增长 Skill、
电商 Skill。

然后先把 Skill 内容看一遍。

判断它：

有没有真正的专业方法，
是不是只是一些很泛的 Prompt，
适不适合我们的业务。

如果能用：

直接使用。

如果能用一部分：

拿回来改。

如果完全没有：

再结合我们自己的经验创建。

所以以后大家使用 Skill，

可以形成一个非常简单的习惯：

有问题，先找 Skill。

找到以后，先试。

不好用，再改。

没有，再做。

九、最后大家只需要记住三句话

第一句话：

Skill 就是给 AI 的工作 SOP。

第二句话：

专业、重复、固定、复杂的工作，优先考虑使用 Skill。

第三句话：

先找现成的，不能满足就改造，最后才自己创建。

Skill 真正有价值的地方，

不是让 AI 看起来更高级。

而是：

把一个人的经验，变成所有人都可以使用的能力。

以前一个人会做一件事情，

只有他会。

后来我们写成 SOP，

新人可以学。

现在我们再把 SOP 变成 Skill：

AI也能按照这套方法执行。

这就是我今天想跟大家分享的 Skills。