收藏 Skill 只能获得工具，自己做 Skill 才会逼你沉淀方法。

Skill 市场和 Skill 仓库会越来越多。

这是一件好事。

它降低了上手成本，也让很多高频流程可以直接复用。

Anthropic 的 Claude Skills 文档也把 Skill 定义成“包含指令、脚本和资源的目录”。这意味着一个成熟 Skill 不只是提示词，而可以包含 SKILL.md、scripts/、references/ 和 assets/。这个结构本身就在鼓励把流程、资料和可执行工具一起沉淀。

但如果你真正想把 AI 工具用进自己的长期工作流，我反而建议：不要只收藏别人的 Skill，要尽量自己做一部分。

原因很简单。

收藏 Skill 解决的是“有没有工具”，自己做 Skill 解决的是“你有没有方法”。

别人的 Skill 很难完全适配你的上下文

一个 Skill 好不好用，取决于上下文。

你的项目结构、命名习惯、提交规范、验收标准、写作风格、风险偏好，都可能和别人不同。

别人写好的 Skill，通常只能覆盖通用流程。

真正决定效率的，往往是那些很细的本地规则：

• 这个仓库新文章放哪里；
• PR 描述按什么顺序写；
• 哪些目录不能动；
• 哪些测试必须跑；
• 遇到不确定要先查哪份文档。

这些内容只有你自己最清楚。

做 Skill 的过程，就是把经验结构化

很多人以为做 Skill 是在写提示词。

其实不是。

做 Skill 更像是在回答三个问题：

• 我经常重复做什么；
• 这个流程里哪些判断可以标准化；
• 哪些风险必须提前写清楚。

当你把这些写成 Skill，你会发现自己对工作流的理解变深了。

因为模糊经验必须变成明确规则，隐性偏好必须变成可执行指令。

收藏适合起步，自制适合复利

收藏 Skill 的价值在第一天。

自己做 Skill 的价值在第十次。

每次你修改一次 Skill，都会把一次踩坑变成后续复用的规则。

久而久之，Skill 就不只是工具配置，而是你的个人工作系统。

先给结论

ClawHub 这类 Skill 仓库会很有用，但它不应该成为终点。

更好的路径是：

先收藏，快速理解别人怎么做；
再改造，让它适配自己的上下文；
最后自制，把自己的方法沉淀成可复用资产。

AI 时代真正稀缺的，不是你收藏了多少 Skill，而是你能不能把自己的工作经验写成 Skill。

参考资料：

• https://claude.com/docs/skills/how-to

自己做 Skill 的第一步很简单

不要一开始就想做一个通用 Skill。

从一个你每周都会重复做的任务开始。

比如：

• 写周报；
• 整理会议纪要；
• 发 PR 前自查；
• 写公众号文章；
• 做技术选型对比；
• 排查一个固定类型的线上问题。

先把你自己会怎么做写下来。

不是写给别人看，而是写给 AI 执行。

这会逼你把模糊经验变成明确步骤。

一个好 Skill 至少包含四块

第一，适用场景。

什么时候该用它，什么时候不要用。

第二，输入要求。

需要哪些资料、路径、上下文、约束。

第三，执行流程。

先做什么，后做什么，遇到异常怎么处理。

第四，验收标准。

做完之后怎么判断结果合格。

很多 Skill 不好用，就是因为只写了执行流程，没有写输入和验收。

官方文档展示的 Skill 结构也说明了这一点：SKILL.md 通过 frontmatter 描述名称和触发场景，正文承载执行说明，相关脚本、参考资料和资产可以放进对应目录。对自制 Skill 来说，最重要的不是“写得像提示词”，而是让模型知道什么时候该调用、怎么执行、怎么判断异常。

收藏 Skill 的正确方式

我不是反对收藏。

收藏是学习别人方法的好方式。

但收藏之后要做三件事：

1. 删掉不适合自己的部分；
2. 加入自己的项目上下文；
3. 用真实任务跑一遍，再把失败写回去。

只有这样，别人的 Skill 才会变成你的 Skill。

自制 Skill 最重要的是版本意识

一个 Skill 不应该写完就放在那里不动。

它更像一个小产品。

第一次版本只要能跑通流程；第二次版本补输入要求；第三次版本补失败处理；第四次版本再补验收标准和反例。

每一次真实使用，都是一次测试。

如果 AI 执行时频繁问你同一个问题，说明输入要求没写清楚；如果结果经常偏离预期，说明验收标准太弱；如果它老是做过头，说明边界和禁止事项不够明确。

这就是自制 Skill 比收藏 Skill 更有价值的地方：它会不断把你的真实工作反馈写回系统。

不要把 Skill 写成万能提示词

很多自制 Skill 失败，是因为一开始就想覆盖太多场景。

比如“帮我写文章”就太宽。

更好的写法是“根据这份选题库，生成一篇面向技术管理者的 2000 字公众号初稿，并按问题、判断、案例、落地建议、结论五段组织”。

范围越具体，Skill 越稳定。

等一个窄场景跑通，再复制出另一个窄场景。久而久之，你会得到一组真正贴合自己的 Skill，而不是一份越来越长、越来越难维护的万能提示词。

一个可执行的自制流程

做第一个 Skill，可以按四步走。

第一，录一次真实过程。

不要先写规范，先把自己完成任务时的每一步记录下来。

第二，删掉临场发挥。

把和这次任务无关的个人习惯删掉，只保留可复用步骤。

第三，补充边界条件。

写清楚什么情况不能自动继续、什么情况必须问人、什么结果算不合格。

第四，用真实任务跑三次。

每失败一次，就把失败原因写回 Skill。三次之后，它才算从提示词变成可复用方法。

最后：Skill 是个人资产，不只是工具入口

代码会过时，工具会换代，模型会升级。

但你沉淀下来的工作方法，会持续复利。

Skill 的真正价值，不是让 AI 今天帮你省十分钟，而是让你把一次次经验变成长期资产。