与其做个提示词收藏家不如做技能建造者

与其做个提示词收藏家不如做技能建造者 与其做个提示词收藏家不如做技能建造者 Modified January 6 一次转换，永久复用。 3 步转换法 把一条提示词变成 Skill，只需要 3 步。 Step 1：加元数据 在提示词最前面，加上几行描述信息： 插入图片：元数据示例截图 两个字段： name：技能名称，小写字母加连字符 description：做什么 + 什么时候用 重点是 description。 这决定了 AI 能不能"认出"该用这个技能。 诀窍：把触发词写进去。 比如你的技能是写周报的，description 就写： "生成工作周报。当用户说'写周报''总结本周工作''周报模板'时使用。" 这样一来，你以后只要说"帮我写周报"，AI 就自动调用这个技能。 Step 2：结构化 网上的提示词，通常是一大段话。 这种一坨文字，AI 读起来容易"走神"。 转换时，用标题把内容拆分成结构： 有标题、有层级、有步骤。 AI 理解起来清晰得多。 Step 3：放对位置 把写好的文件，保存到指定路径： .claude/skills/你的技能名/SKILL.md 一个技能一个文件夹，方便管理。 搞定。 你可能会问：AI 真的能识别出该用哪个技能吗？ 说实话，默认激活率只有 20% 左右。 一个提升激活率的小技巧 可以提到 80% 以上： 在 description 里写清楚触发词 坏的写法： "处理文档" 好的写法： "从 PDF 提取文本和表格，填充表单，合并文档。当用户提到 PDF、表单、文档提取时使用。" 越具体，AI 越容易匹配上。 提示词用一次就没了，但技能会沉淀下来。 与其做一个"提示词收藏家"， 不如做一个"技能建造者"。 下次刷到好的提示词，别光收藏。 花 5 分钟，把它变成 Skill。 你会拥有一个专属的 AI 能力库。 那些收藏夹里的N条提示词？ 是时候让它们真正发挥作用了。 我整理了一份 Skill 转换模板，包含： 标准 SKILL.md 文件结构 4 种常用骨架模式 description 高激活率写法示例 发布前自查清单 Code block Markdown Copy 五、渐进式披露（Progressive Disclosure） 核心原则 主文件控制在 500 行以内，详细内容按需加载。 文件组织 重要规则 引用保持一层深度，避免嵌套 超过 100 行的参考文件要加目录 脚本用于执行，不用于阅读 六、高级技巧（来自官方设计类 Skill 拆解） 提高天花板 不是"完成任务"，而是"创建体系"。不要说帮我画一张图，而是说创建一个美学流派加对应的算法体系。 双阶段结构，理念先行 阶段 1: Philosophy/Design（用 md 文件） 阶段 2: Implementation（用代码或输出） 强制抽象层在前，避免模型直接掉进"调参数"的局部最优。 用问句或维度约束内容 比如 "To capture the ESSENCE, express how this manifests through" 然后列出: Computational processes and mathematical relationships Noise functions and randomness patterns Particle behaviors and field dynamics 每个点都是美学语言加技术对象，方便映射成代码。 把"匠心审美"写成 checklist 比如 CRITICAL GUIDELINES 包含: 必须使用 seed 保证可复现 参数以"物理属性"为中心（数量、尺度、概率） 不要 overlap、保留边距、检查所有对齐 把抽象审美拆成具象行为。 最后一轮精修做减法不做加法 如果下一步的本能是"多加一个 icon 或多加一层特效"，请暂停。问自己有没有可以删掉的东西。只允许修改已有元素的位置、间距、权重和颜色。 七、工作流和反馈循环 复杂任务使用检查清单 列出每个步骤: Step 1 Analyze: 运行 analyze.py Step 2 Create mapping: 编辑 config.json Step 3 Validate: 运行 validate.py Step 4 Execute: 运行 main.py Step 5 Verify output 实现反馈循环 1. 执行操作 2. 立即验证: 运行 python scripts/validate.py 3. 如果验证失败: 查看错误信息 → 修复问题 → 再次验证 4. 只有验证通过后才继续 八、CLAUDE.md vs SKILL.md 加载时机 CLAUDE.md: 每次对话都加载 SKILL.md: 按需激活 内容 CLAUDE.md: 项目规范、命令、约束 SKILL.md: 专业能力、工作流 长度 CLAUDE.md: 保持精简（只写必要的护栏和规范） SKILL.md: 主文件控制在 500 行以内 定位 CLAUDE.md: 项目的"宪法" SKILL.md: 专业的"能力模块" 写 CLAUDE.md 的技巧（来自社区经验） 从护栏开始不是说明书，只在 Claude 容易出错的地方添加说明 不要用 @ 引用详细文档，会使上下文臃肿 避免纯否定约束，应该写成"禁止 X，改用 Y" 只记录 30% 以上工程师会用到的内容 九、常见问题 Skill 不触发怎么办 优化 description 加入具体触发词 使用强制评估 Hook（激活率 20% → 84%） 确保 description 用第三人称 多个 Skill 冲突怎么办 让每个 description 更具体，用不同的触发词区分。 Skill 太长怎么办 使用渐进式披露，主文件控制在 500 行以内，详细内容拆分到单独文件。 十、快速创建流程 当用户要求创建新 Skill 时，按以下步骤执行: Step 1: 需求澄清 向用户确认: 这个 Skill 要解决什么问题 典型使用场景是什么 用户会说什么话来触发它 期望的输出是什么 Step 2: 选择骨架模式 根据任务类型选择: 有固定顺序的任务 → 流程型 Workflow based 同一领域多种操作 → 任务菜单型 Task based 品牌规范或代码风格 → 规范型 Reference/Guidelines 综合性系统能力 → 能力清单型 Capabilities based Step 3: 编写元数据 name: 小写字母+连字符，简短明确，反映核心功能 description: 包含具体触发词，用第三人称，说明"做什么"+"什么时候用" Step 4: 编写正文 按选定的骨架模式组织内容: 使用 Markdown 标题建立层级结构 控制在 500 行以内 包含核心理念和原则 包含具体工作流程或步骤 包含质量检查清单 包含触发场景说明 Step 5: 创建文件 创建目录和文件: 路径: .claude/skills/[skill name]/SKILL.md 如果内容超过 500 行，拆分到 REFERENCE.md 或 EXAMPLES.md Step 6: 验证 检查清单: name 是否符合规范（小写、连字符、64字符内） description 是否包含触发词 description 是否用第三人称 正文是否使用 Markdown 结构 正文是否控制在 500 行以内 是否包含质量检查或验证步骤 十一、Skill 模板 可直接套用的标准模板: 十二、资源集合 官方最佳实践: https://docs.claude.com/en/docs/agents and tools/agent skills/best practices 官方 Skills 示例: https://github.com/anthropics/skills Awesome Claude Skills: https://github.com/travisvn/awesome claude skills 激活率提升方案: https://scottspence.com/posts/how to make claude code skills activate reliably 中文深度拆解: https://www.53ai.com/news/tishicikuangjia/2025120729304.html 一次转换，永久复用。 3 步转换法 把一条提示词变成 Skill，只需要 3 步。 Step 1：加元数据 在提示词最前面，加上几行描述信息： 插入图片：元数据示例截图 两个字段： name：技能名称，小写字母加连字符 description：做什么 + 什么时候用 重点是 description。 这决定了 AI 能不能"认出"该用这个技能。 诀窍：把触发词写进去。 比如你的技能是写周报的，description 就写： "生成工作周报。当用户说'写周报''总结本周工作''周报模板'时使用。" 这样一来，你以后只要说"帮我写周报"，AI 就自动调用这个技能。 Step 2：结构化 网上的提示词，通常是一大段话。 这种一坨文字，AI 读起来容易"走神"。 转换时，用标题把内容拆分成结构： 有标题、有层级、有步骤。 AI 理解起来清晰得多。 Step 3：放对位置 把写好的文件，保存到指定路径： .claude/skills/你的技能名/SKILL.md 一个技能一个文件夹，方便管理。 搞定。 你可能会问：AI 真的能识别出该用哪个技能吗？ 说实话，默认激活率只有 20% 左右。 一个提升激活率的小技巧 可以提到 80% 以上： 在 description 里写清楚触发词 坏的写法： "处理文档" 好的写法： "从 PDF 提取文本和表格，填充表单，合并文档。当用户提到 PDF、表单、文档提取时使用。" 越具体，AI 越容易匹配上。 提示词用一次就没了，但技能会沉淀下来。 与其做一个"提示词收藏家"， 不如做一个"技能建造者"。 下次刷到好的提示词，别光收藏。 花 5 分钟，把它变成 Skill。 你会拥有一个专属的 AI 能力库。 那些收藏夹里的N条提示词？ 是时候让它们真正发挥作用了。 我整理了一份 Skill 转换模板，包含： 标准 SKILL.md 文件结构 4 种常用骨架模式 description 高激活率写法示例 发布前自查清单 my skill/ ├── SKILL.md 主文件：概览和导航（≤500行） ├── REFERENCE.md 详细参考（按需加载） ├── EXAMPLES.md 使用示例（按需加载） └── scripts/ ├── helper.py 工具脚本（执行，不读取） └── validate.py 验证脚本 name: [skill name] description: [做什么的技能]。当用户[触发场景1]、[触发场景2]或提到[关键词]时使用。[补充说明核心特点]。 [Skill 名称] 核心理念 [1 3 句话说明这个 Skill 的核心价值和设计哲学] 核心原则 1. [原则 1]: [简要说明] 2. [原则 2]: [简要说明] 3. [原则 3]: [简要说明] 工作流程 Step 1: [步骤名] [具体做什么，需要什么输入，产生什么输出] Step 2: [步骤名] [具体做什么，需要什么输入，产生什么输出] Step 3: [步骤名] [具体做什么，需要什么输入，产生什么输出] 质量检查 完成前必须验证: [检查项 1] [检查项 2] [检查项 3] 常见误区与正确做法 [误区 1] → [正确做法 1] [误区 2] → [正确做法 2] 触发场景 当用户有以下需求时使用此技能: [场景 1] [场景 2] [场景 3] 🔗 原文链接： https://mp.weixin.qq.com/s/KeMpcoDo... https://mp.weixin.qq.com/s/KeMpcoDo... 原创 CY CHENYUE Ai智能向善2026年1月6日 21:21 广东 Hello阿，我是 CY CHENYUE 你是不是也有过这种体验： 刷到一条绝妙的提示词， 激动地收藏， 心想"下次一定用"。 然后……就没有然后了。 三个月后， 你的收藏夹里躺着 N 条提示词。 真正用过的，不超过 3 条。 提示词收藏家的困境 我曾经是一个狂热的提示词收藏家。 看到"让 AI 写出爆款文案"的提示词，收藏。 看到"一键生成周报"的提示词，收藏。 看到"模拟顶级产品经理思考"的提示词，收藏收藏收藏。 然后呢？ 等我真正要用的时候，问题来了： 第一，找不到。 存在哪了？ 笔记？收藏夹？聊天记录？ 还是那个"稍后再看"的文件夹？ 第二，格式不对。 好不容易翻出来， 发现是给 ChatGPT 写的， Claude 用起来效果不一样。 或者是个英文的，还得自己翻译调整。 第三，懒得粘贴。 最要命的是， 每次都要打开笔记，复制，切换窗口，粘贴。 麻烦。算了，下次再用吧。 于是"下次"就变成了"永远不"。 提示词是一次性的，用完即弃，下次还得从头来。 提示词可以变成技能 直到我发现了 Claude Code 的 Skills 功能。 提示词是"说一次"的话，Skill 是"教会 AI"的能力。 什么意思？ 普通提示词， 你每次都要手动输入。 就像每次见面都要重新自我介绍。 而 Skill， 是你提前"训练"好的能力模块。 AI 记住了，下次你一说相关的话，它自动调用。 不用复制，不用粘贴，说句话就触发。 更妙的是： 网上那些你收藏的提示词，都可以转换成 Skill。