你还在等IT部门帮你接AI?等得到那天,隔壁工位的人已经让AI替他干了80%的活

我爱免费

作者：微信文章


你有没有这种体验？

公司花大价钱买了AI工具，老板在群里@全员"大家用起来"。

你打开对话框，输入问题，AI回了一堆正确的废话。

你换个问法，它又开始胡说八道。

你在工位上叹了口气，心想：这玩意儿，和百度有啥区别？

---

真相是：AI不是不行，是你没给它"说明书"。

就像你第一天入职，如果老板只说"把工作做好"，你大概率会一脸懵。

AI也一样。

它需要一份清单，告诉它：你是谁、你要干嘛、遇到什么情况怎么处理。

这份清单，有个正式的名字——Skill（技能）。

---

好消息是：写Skill不需要会代码。

坏消息是：大多数人写的Skill，AI根本看不懂。

今天这篇文章，我把Claude官方那份"技能编写最佳实践"翻译成人话。

7条铁律，5个常见坑，1个可以直接抄的模板。

看完，你就能自己给AI写一份"岗位说明书"，让它从"能用"变成"好用"。

---

一、先搞清楚一件事：Skill到底是什么？

Skill，本质上就是一份给AI看的"工作手册"。

它包含三部分：

名字：我叫什么（方便AI识别）

描述：我能干什么、什么时候该找我（方便AI判断要不要用我）

详细说明：具体怎么干（流程、规则、边界）

打个比方——

Skill就像写给实习生的交接文档。

你不能只说"把报表做好"，你得告诉他：数据从哪里拉、格式什么样、遇到数据缺失怎么处理、最后发给谁。

AI的理解能力，可能比实习生还差一点。

所以你的Skill，必须写得更清楚。

---

二、90%的人写Skill，都踩了这5个坑

坑1：描述太模糊

❌ 错误示范：帮我处理文档

✅ 正确示范：当用户提到PDF、表单、文档提取时，使用此技能。功能包括：提取文本、填写表单、合并文档。

为什么会错：你觉得"处理文档"意思很清楚，但AI不知道——处理是删除？修改？还是读取？

判断标准：如果把你的描述发给一个新来的同事，他能准确知道什么时候该找你帮忙吗？不能，就是太模糊。

---

坑2：写太多废话

我见过有人写Skill，上来先解释一遍"PDF是什么格式"。

AI不需要这个。

它已经知道PDF是什么、Python怎么写、API怎么调用。

你只需要补充它不知道的东西：比如你们公司的报表模板长什么样、领导喜欢什么风格、内部系统的特殊规则。

官方建议：核心文件控制在500行以内。

超了怎么办？拆成多个文件，AI需要哪个读哪个。

别像写论文一样堆字数，AI会被你烦死。

---

坑3：给太多选项

❌ 错误示范：你可以用这个库，也可以用那个库，还可以用另一个库...

✅ 正确示范：用pdfplumber处理PDF。如果是扫描件需要OCR，用pdf2image。

为什么会错：你以为给选择是尊重AI，实际上是让它迷路。

判断标准：你写的说明，AI照着做能不能得到一致的结果？如果每次结果都不一样，说明你给的选项太多了。

---

坑4：流程不闭环

我见过这样的Skill——

"第一步：分析数据"
"第二步：生成报告"

然后呢？报告发给谁？格式什么样？生成失败了怎么办？

没有闭环的流程，AI执行到一半就会卡住。

✅ 正确示范：每一步都写清楚——操作是什么、预期结果是什么、怎么验证成功了、失败了怎么办。

---

坑5：不写边界

"这个Skill什么时候不该用？"

很多人从来没想过这个问题。

结果就是：AI在不该用的场景硬用，输出一堆垃圾。

✅ 正确示范：明确写出——

• 适用场景：处理结构化表格• 不适用场景：扫描件、手写文档• 判断标准：如果文件大小超过10MB，先问用户是否继续

---

三、写好Skill的7条铁律



看完坑，接下来给你7条正面的规则。

铁律1：描述比内容更重要

Claude选择要不要用你的Skill，靠的是描述。

描述写得差，AI可能永远不会触发你的Skill。

描述要回答两个问题：能干什么 + 什么时候该用。

官方建议：描述最多1024个字符，但别为了凑字数写废话。

---

铁律2：用第三人称写描述

❌ 我可以帮你处理PDF
✅ 处理PDF文件，提取文本和表格。当用户提到PDF或表单时使用。

为什么？因为描述是给系统看的，不是给用户看的。

---

铁律3：信息要"按需加载"

不要把所有内容都堆在主文件里。

主文件写大纲，详细内容拆到子文件。AI需要哪个，再去读哪个。

就像你不会把整本操作手册贴在工位上，你只会贴一张索引。

---

铁律4：每个操作都要能验证

写"运行脚本"没用，要写"运行脚本后，屏幕应该显示'成功'"。

写"检查数据"没用，要写"检查数据后，如果看到报错XXX，执行步骤Y"。

AI不会"看情况"，它只会照着你的清单一条条走。

---

铁律5：常量必须有解释

如果你写了一个数字，比如"超时时间30秒"——

你要告诉AI为什么是30秒。

因为AI不知道这是你随便写的，还是有真实依据的。

不解释的数字，AI会当成可以随便改的参数。

---

铁律6：错误要给解决方案

别只告诉AI"可能会出错"，要告诉它"出错了怎么办"。

✅ 正确示范：
如果文件不存在：创建一个默认文件
如果没有权限：返回提示信息给用户
让AI能自己解决问题，而不是把问题抛回给你。

---

铁律7：用真实任务测试

写完Skill，别急着宣布"完成了"。

拿一个真实的任务试一下——

AI能触发这个Skill吗？
执行结果符合预期吗？
有没有漏掉的边界情况？

官方建议：用不同的模型测试（Haiku、Sonnet、Opus），因为不同模型需要的提示详细程度不一样。

---

四、一个你可以直接抄的模板

说了这么多，给你一个最简模板，直接填空就能用：
---
name: {小写字母，用连字符连接，比如 process-report}
description: {做什么} + {什么时候用}。比如：处理销售周报，提取关键数据生成摘要。当用户提到周报、销售数据、报表时使用。
---

# {Skill名称}

## 快速开始
{一句话说明最核心的操作}

## 适用场景
- 场景1
- 场景2
- 场景3

## 不适用场景
- 场景A（为什么不适用）
- 场景B（为什么不适用）

## 操作流程
1. 第一步：{操作} → 预期结果：{结果} → 验证方法：{怎么确认成功}
2. 第二步：...
3. 第三步：...

## 常见问题
- 问题1：{现象} → 原因：{为什么} → 解决：{怎么修}
- 问题2：...

## 详细参考
- 高级用法：见 [advanced.md](advanced.md)
- API文档：见 [reference.md](reference.md)

---

五、麦肯锡分析了50个AI项目，失败的主因不是技术

说到这，你可能觉得：我又不是程序员，这些和我有什么关系？

关系大了。

麦肯锡2025年的一份报告分析了50个AI Agent项目，发现失败的主要原因不是技术不行。

是业务流程没理清。

换句话说——

AI在实验室里表现完美，一进入真实业务就拉胯。

为什么？

因为没人告诉AI：这个公司的业务是怎么跑的、什么能做什么不能做、遇到特殊情况怎么处理。

这些东西，技术人员不知道，业务人员不说，AI就只能瞎猜。

所以，写Skill这件事，最适合的人不是程序员——

是你，那个每天在业务一线干活的人。

你最清楚：哪些流程是固定的、哪些判断是有规则的、哪些例外是经常发生的。

你不需要写代码，你只需要把这些写成一份清单。

---

六、写在最后：这件事的意义比你想的更大

回到开头那个场景——

你在工位上打开AI工具，输入问题，得到一堆正确的废话。

现在你知道为什么了。

AI不是不行，是没人告诉它：你们公司的业务长什么样。

而你，是最有资格告诉它的人。

写好一份Skill，不只是让AI"好用"，而是让你的经验变成可以复用的资产。

你不在的时候，AI能按照你的标准干活。

你离职的时候，这份Skill就是最好的交接文档。

甚至，当你把这份Skill分享给同事，你就从"干活的人"变成了"定义标准的人"。

2025年了，还等IT部门帮你接AI的人，已经落后了整整一个时代。

动手写吧。

从一个最简单的场景开始——

你每天重复最多的那件事，先把它写成一份Skill。

---

你现在可以做的3件事

1. 找到一个重复任务——你每周都要做、步骤固定、判断标准清晰的工作2. 用模板写初版——按照上面的模板填空，不用追求完美，先写出来3. 测试并迭代——让AI跑一遍，看看哪里卡住了，改一改再跑

---

最后问你一个问题

你每天重复最多的那件工作是什么？你觉得能不能写成一份Skill让AI帮你干？

欢迎在评论区聊聊，说不定你的场景就是下一篇文章的选题。

觉得有用，点个「在看」，让更多被AI"正确废话"折磨的同事看到。

---

【参考与素材标注】

• Claude Code Skills 官方文档• Claude Agent Skills 最佳实践• 麦肯锡2025年AI Agent项目分析• [2025中国AI Agent行业研究报告](https://aibook.ren/upload/2025年中国AI Agent行业研究报告.pdf)• 用户提供的原始素材：Agent Skill 技能编写最佳实践官方文档