很多人第一次写 Skill，会下意识地把它写成一个更长的 Prompt。
把背景、规则、注意事项、参考资料、示例，全都塞进一个 SKILL.md。看起来很完整，甚至有点专业，但真正用起来，经常会出现一个问题：
这次能跑，下次不一定能跑。
这次结果还不错，下次换个场景就开始飘。
原因很简单：你写的不是 Skill，只是一个加长版提示词。
真正好用的 Skill，不应该像一段说明书，更应该像一条生产线。
生产线不会只告诉工人“努力做好”。它会定义入口、步骤、工具、质检、异常处理和交付标准。一个工业级 Skill 也一样：它的目标不是让 Agent “理解更多”，而是让 Agent “少猜一点”，每次都能按稳定流程交付结果。
一、Prompt 是一次性指令，Skill 是可复用工作流
Prompt 解决的是“这一次怎么做”。
Skill 解决的是“以后遇到这类事，都怎么做”。
比如你对 AI 说：
“帮我写一篇周报。”
这是一条 Prompt。
但如果你希望 AI 每周都能自动读你的日历、任务记录、会议纪要，把内容分成“已完成、进行中、下周计划”，再翻译成老板能看懂的结果导向表达，最后输出一份 300 字以内的周报草稿。
这就更像一个 Skill。
区别不在于字数，而在于复用性。
一个好 Skill 至少要做到四件事：
能在合适的场景被触发 能按固定流程执行 能调用合适工具或资料 能输出稳定、可检查的结果
所以，写 Skill 的第一步，不是打开文件开始写，而是先问自己：
这个任务以后会不会反复出现？
如果只做一次，那写 Prompt 就够了。如果会反复出现，而且每次流程大体相同，才值得封装成 Skill。
二、MCP 是厨房，Skill 是菜谱
理解 Skill，还要理解它和 MCP 的关系。
一个很好的类比是：
MCP 像专业厨房，Skill 像菜谱。
MCP 提供工具、接口和数据。比如接 Notion、飞书、邮件、CRM、小红书、微信公众号后台，它决定 Agent 能碰到哪些系统、拿到哪些信息、执行哪些动作。
但光有厨房还不够。
你还得告诉厨师，今天要做什么菜，先切什么，再炒什么，火候多少，什么时候出锅，最后怎么摆盘。
这就是 Skill 的作用。
只有 MCP，没有 Skill，用户每次都要从头讲流程。
只有 Skill，没有 MCP，也不是不能用。比如生成文档、做 PPT、整理资料、写网页、做表格，这些很多时候只靠模型和本地文件就能完成。
但 MCP 和 Skill 结合起来，才会变成真正的自动化工作流。
MCP 决定“能做什么”。
Skill 决定“该怎么做”。
这是两者最关键的区别。
三、写 Skill 前，先问四个问题
很多 Skill 写不好，不是因为写法不高级，而是因为一开始就没想清楚需求。
写之前，先问四个问题：
第一，用户到底想完成什么？
第二，这件事是否包含多步流程？
第三，需要哪些工具？是模型自带能力就够，还是需要外部系统？
第四，需要嵌入哪些领域知识或最佳实践？
这里有一个很实用的判断标准：
如果你说不出 2-3 个具体使用场景，这个东西大概率还不是 Skill，只是一个一次性 Prompt。
比如“帮我做内容运营”太大了，不适合直接做 Skill。
但“每周公众号选题规划”就具体很多。
它可以拆成：
读取最近收藏、群聊、热点资料 按账号定位筛选无关话题 生成 5 个候选选题 每个选题给出标题、切角和推荐理由 标记哪个最容易爆、哪个最容易写、哪个过去没写过
这样才像一个可复用流程。
再比如“帮我做职场汇报”也太泛。
但“每周周报整理”就可以变成 Skill：
读取本周日历、任务记录、会议纪要 分类为已完成、进行中、下周计划 把动作翻译成结果导向表达 输出 300 字以内周报草稿 附带 3 个本周亮点
这就从“让 AI 帮我写”变成了“让 AI 按我的工作方法帮我交付”。
四、不同 Skill，重点不一样
不是所有 Skill 都是一种写法。
大致可以分成三类。
第一类是文档与资源创建。
比如生成文档、PPT、Excel、网页、设计稿、代码。这类 Skill 的重点是模板、风格规范和质量检查。它最怕的是每次输出风格不一致，所以要提前定义格式、结构和检查清单。
第二类是工作流自动化。
比如周报整理、销售简报、选题规划、资料归档、竞品分析。这类 Skill 的重点是步骤衔接、失败处理和验证关卡。它最怕的是中间某一步跑偏，所以要明确每一步的输入和输出。
第三类是 MCP 增强。
比如一个 CRM 工具提供商，为自家 MCP 配一个“每周生成销售简报”的 Skill。它的重点是把外部工具的能力包装成用户真正能用的流程。
普通人最常用的是前两类：
文档生成类，重点是交付质量。
工作流自动化类，重点是流程稳定。
如果你想做自己的第一个 Skill，我建议从“每周都重复、流程固定、结果明确”的任务开始。
不要从一个宏大的愿景开始。
从一个稳定交付开始。
五、好 Skill 的标准：少猜、可控、可验证
一个好 Skill，不是让 Agent 更自由，而是让它更少猜。
这听起来有点反直觉。
很多人以为，AI 越聪明，越应该给它更大的发挥空间。但在真实工作里，交付不是灵感游戏，而是稳定输出。
如果你要的是可复用能力，就要把关键变量固定下来。
入口要清楚：什么情况下该触发这个 Skill？
流程要清楚：第一步做什么，第二步做什么？
工具要清楚：能用哪些工具，不能用哪些工具？
边界要清楚：什么情况应该停下来问用户？
结果要清楚：最后交付什么格式，怎么判断好不好？
如果一个 Skill 写完后，Agent 还要大量猜测，那它就不够工业级。
工业级 Skill 的特点是：
触发清晰 工具边界明确 资料按需加载 输出格式稳定 有检查清单 能用真实案例测试 能不断迭代
它不是一个“超长提示词包”，而是一套可复用的小型操作系统。
六、普通人怎么开始写自己的 Skill
不用一开始就追求复杂。
可以按这个顺序来：
第一步，找一个你经常重复做的任务。
比如周报、选题、会议纪要、读书卡片、竞品分析、公众号排版、客户跟进、资料归档。
第二步，写出 2-3 个典型用例。
不要写“帮我提升效率”这种大词。要写具体场景，比如“每周五下午整理本周工作进展，输出给领导看的周报”。
第三步，把流程拆成 4-6 步。
每一步都要有明确输入和输出。
第四步，定义最终交付物。
是 Markdown？表格？PPT？图片？清单？邮件草稿？报告？
第五步，限制工具边界。
能不用的工具就别开。能只读就别写。需要用户确认的动作，不要让 Agent 自动完成。
第六步，用真实案例测试。
测试不是看它“能不能跑一次”，而是看它换几个样本后还能不能稳定交付。
结尾
AI 使用方式正在发生一个变化。
第一阶段，我们学会了问问题。
第二阶段，我们学会了写 Prompt。
第三阶段，我们要学会封装工作流。
真正拉开差距的，可能不是谁更会和 AI 聊天，而是谁能把自己的经验、方法、流程，沉淀成一个又一个可以复用的 Skill。
Prompt 解决一次问题。
Skill 复用一套能力。
当你能把重复工作变成 Skill，你就不只是“会用 AI”，而是在把自己的工作方法产品化。
这才是 Skill 真正有价值的地方。
