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
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)
- API文档：见 (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• (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
页:
[1]