最近很火的 Skill 是什么？
一张写给 AI 的「经验小抄」。对比播放：没带小抄的管家来回跑 4 趟，带了小抄的一趟搞完
本页解决的问题
先给结论最近很火的 Skill 是什么？
一张写给 AI 的「经验小抄」。对比播放：没带小抄的管家来回跑 4 趟，带了小抄的一趟搞完
让这个结论先证明自己值得留下。 把这一页当成决策工具，而不是需要背下来的定义。把概念连到一个真实任务、一个可观察结果，以及一个能改变你判断的失败上。
写下一个问题：试完这个方法后，你能用什么证据回答它？
结论听起来很完整，却没有检查最关键的假设。
Skill 就是一张写给 AI 的「经验小抄」：一个普通的文本文件（通常叫 SKILL.md），用大白话告诉 AI「遇到这类任务时，先做什么、再做什么、注意什么」。它不是什么新技术——但它能让 AI 从「来回问你四趟」变成「一趟全搞完」。
同一个任务：「去阳台把衣服收了」。看看没带小抄和带了小抄的 AI 管家，干起来差多少。点下面切换对比。
刚才「好循环」的秘密全在这个文件里。注意看：没有一行代码，全是大白话——这就是为什么说人人都能写。
第 2 步：能收的一次性全收回来，别一件一件跑
第 3 步：看到植物顺手检查要不要浇水
第 4 步：回来汇报一句「都好了」
大家用上了同一种小抄
Claude、Cursor、Copilot 等主流 AI 工具先后支持了同一个简单格式（就是那个 SKILL.md 文件）。写一张小抄，到处都能用——生态一下就热闹起来了。
人人都能写
它不用编程，就是把你的经验写成大白话。你怎么教新同事做一件事，就怎么写小抄。会写工作交接文档，就会写 Skill。
经验第一次能「装」进 AI
以前老师傅的经验只能口口相传；现在写成小抄，AI 读了就会。你的经验变成了 AI 的能力——这是大家兴奋的真正原因。
「看个演示 · 让 AI 管家去阳台收衣服」的能力藏在每次交接里
「Skill 就是 一张写给 AI 的「经验小抄」 ：一个普通的文本文件（通常叫 SKILL.md），用大白话告诉 AI「遇到这类任务时，先做什么、再做什么、注意什么」。」说明，Agent 的表现不只由模型决定。模型、上下文、工具、状态、权限和人之间的每次交接，都会改变任务能否继续以及出了问题能否恢复。
先写清状态，再增加能力
从「同一个任务：「去阳台把衣服收了」。看看 没带小抄 和 带了小抄 的 AI 管家，干起来差多少。点下面切换对比」出发，可以把流程拆成起始状态、下一步动作、工具返回、状态更新和停止条件。这样调试时找的是第一处丢失信息或权限的位置，而不是笼统地说“模型变笨了”。
- Skill = 写给 AI 的经验小抄 ：一个大白话文本文件，不是新技术
- 它解决的问题 ：让 AI 出门前就想清楚，一趟搞完，不来回折腾
- 火的原因 ：主流工具统一了格式 + 人人都能写 + 经验能复用
成功路径不能代表系统可靠
用「以前老师傅的经验只能口口相传；现在写成小抄，AI 读了就会。」重放一次成功和一次失败，记录每一轮真正传入的上下文、工具结果和负责人；只要第二个人能复述这条链，系统才有可维护性。
从「看个演示 · 让 AI 管家去阳台收衣服」走到「它的秘密 · 就是这样一张「小抄」」
「看个演示 · 让 AI 管家去阳台收衣服」先把问题落在「同一个任务：「去阳台把衣服收了」。看看 没带小抄 和 带了小抄 的 AI 管家，干起来差多少。点下面切换对比」上；到了「它的秘密 · 就是这样一张「小抄」」，讨论继续推进到「刚才「好循环」的秘密全在这个文件里。注意看： 没有一行代码，全是大白话 ——这就是为什么说人人都能写」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
分析 Agent 时，沿着状态、动作、工具结果和下一步的顺序走一遍；每次交接都要能说明信息从哪里来、由谁确认、失败时停在哪里。
- 「看个演示 · 让 AI 管家去阳台收衣服」：同一个任务：「去阳台把衣服收了」。看看 没带小抄 和 带了小抄 的 AI 管家，干起来差多少。点下面切换对比
- 「它的秘密 · 就是这样一张「小抄」」：刚才「好循环」的秘密全在这个文件里。注意看： 没有一行代码，全是大白话 ——这就是为什么说人人都能写
- 「最后的要点」：你可能已经在用 ：各种「智能体模板」背后就是包装好的 Skill
最后的「最后的要点」把讨论落到「你可能已经在用 ：各种「智能体模板」背后就是包装好的 Skill」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
✅ 这一页想和你分享的
- Skill = 写给 AI 的经验小抄：一个大白话文本文件，不是新技术
- 它解决的问题：让 AI 出门前就想清楚，一趟搞完，不来回折腾
- 火的原因：主流工具统一了格式 + 人人都能写 + 经验能复用
- 你可能已经在用：各种「智能体模板」背后就是包装好的 Skill
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。