我花了一周，把一种思考方式做成了 AI Skill

最近，我一直在研究一件挺有意思的事情。

大家都在聊 AI，但我发现，大多数 AI 都有一个共同的问题：

它知道很多，却没有鲜明的思考风格。

面对同一个问题，它能给出完整的答案，却很少告诉你为什么这样判断，也很少形成一套稳定的分析逻辑。

于是我开始思考：

如果把一个人的思考框架整理出来，AI 能不能按照这套方法分析问题？

抱着这个想法，我做了自己的第一个AI Skill。

它不是新的模型，也不是微调训练，而是一份几十 KB 的 Markdown 文件。把它放到 ChatGPT、Claude、Gemini 等大模型的对话开头，AI 的回答方式就会发生明显变化。

做完这个项目后，我最大的感受是：

Prompt 不只是提示词，它也可以是一种思维框架。

什么是 AI Skill？

可以把它理解成 AI 的"工作说明书"。

它不会增加 AI 的知识储备，而是告诉 AI：

• 遇到问题先分析哪些因素；
• 如何组织回答结构；
• 哪些风险需要主动提醒；
• 用什么表达方式更容易理解。

换句话说，它定义的是思考方式，而不是知识内容。

整个 Skill 只有几十 KB，不需要训练模型，也不需要高性能显卡，一个 Markdown 文件就可以直接使用。

为什么会想到做这个项目？

很多优秀的内容创作者、老师、咨询顾问，并不是因为知道更多知识，而是拥有一套成熟的分析方法。

例如：

面对专业选择，会先分析就业趋势；

面对职业规划，会先比较机会成本；

面对行业变化，会先分析供需关系；

面对投资决策，会先识别风险，再讨论收益。

这些长期积累下来的经验，其实都可以整理成一套结构化的方法。

于是我尝试把这种方法沉淀下来，让 AI 学会按照这套逻辑回答问题。

我是怎么做的？

整个项目经历了三个版本。

过程中，最大的收获并不是增加了多少内容，而是发现了一件以前没有意识到的事情：

完整案例，比零散句子更重要。

一开始，我整理了很多经典表达，希望 AI 能学会这种说话方式。

后来发现，把一段完整的分析过程放进去，AI 更容易学习其中的推理顺序、转折节奏和结论形成过程。

相比零散语句，完整案例能更好地保留一套思考逻辑。

一个简单的测试

我拿一个很常见的问题进行了测试。

问题：

我平时只会用电脑打游戏，大学适合学计算机吗？

普通 AI 通常会介绍计算机相关专业，并列出课程内容和就业方向。

加入 Skill 后，AI 的回答方式发生了变化。

它不会急着推荐专业，而是会先分析几个关键问题：

• 有没有真正接触过编程？
• 是否喜欢解决技术问题？
• 是否愿意长期学习新知识？
• 对未来就业方向有什么预期？

在分析完成之后，再给出建议和学习路线。

最大的变化不是答案，而是思考过程更加清晰，也更容易理解。

我觉得 Skill 最大的价值

现在很多人研究 AI，都在关注模型、Agent、MCP 等新技术。

而我越来越觉得，还有另一件事情同样值得探索：

如何把人的经验沉淀成 AI 可以复用的能力。

如果这种方式能够不断完善，那么未来很多领域都可以拥有自己的 Skill。

老师可以有教学 Skill；

程序员可以有开发 Skill；

设计师可以有设计 Skill；

律师可以有法律咨询 Skill；

产品经理可以有产品分析 Skill。

它更像是一份可以不断积累、持续迭代的知识资产。

后续计划

接下来，我准备继续完善这个项目。

主要有两个方向：

第一，继续补充真实案例。

不断优化 Skill 的分析过程，让回答更加自然、稳定。

第二，尝试更多领域。

验证这种方法是否能够迁移到教育、职业规划、产品设计、软件开发等更多场景。

如果效果不错，我也会把不同领域的 Skill 持续开源，与更多开发者一起完善。

写在最后

做这个项目之前，我一直觉得 Prompt 更像是一串提示词。

做完之后，我发现，它还可以是一种知识组织方式。

真正有价值的，不只是 AI 本身，而是人们多年积累下来的经验、方法和思考框架。

如果这些经验能够沉淀下来，并以 Skill 的形式不断传承、迭代，我相信 AI 的价值也会变得越来越大。

如果你也对 AI Skill、Prompt Engineering 或 AI 应用感兴趣，欢迎一起交流，也欢迎体验这个开源项目并提出建议。

GitHub 链接：GitHub - x3068503628-lang/-skill · GitHub

欢迎提 PR / issue 补充立党原话，任何一条新原话都可能让还原度跳一档。

如果觉得有意思，求 Star ⭐、求转发、立党本人看到了可能会转发。