、Prompt 做不到的事
Prompt 是一条指令。你说"帮我润色周报"，AI 根据这一刻的上下文做出回应。但下一轮对话、下一个人用，又回到默认状态。
Skill 不是一条更长的 Prompt。它是把"做事的方法"打包成一个容器。这个容器里装着：
步骤：先做什么，再做什么
规则：什么能做，什么不能做
格式：输出长什么样
工具：需要调用什么能力
参考：你的风格样本、过往案例
拿周报来说。Prompt 告诉 AI："帮我写周报。"
Skill 告诉 AI：
"根据我的工作记录生成周报。步骤：先提炼本周关键词，再列量化成果，最后写问题和改进方向。规则：不要用'赋能''闭环'这类词，每点必须有数据支撑。格式：关键产出 → 问题与原因 → 下周计划。参考：以下是我最近三周的周报。"
Prompt 是"做这件事"，Skill 是"用我的方法做这件事"。前者每次都在碰运气，后者把你的工作方法固定下来反复使用。
二、Skill 到底解决了什么------那个"哦！"的时刻
你可能觉得：不就是把要求写详细点吗？
省时间这部分确实是这样------不用每次从零描述需求，调出来直接用。但这只是表面。
我想说的是另一层价值。
回想你第一次让 AI 写周报。你知道它写出来的东西不对，但你能一次性说清楚"哪里不对、要怎么改"吗？大部分人是边看输出、边反馈、边意识到------哦，原来我不想要这个。
这里有一个矛盾：要做出一个好 Skill，你需要知道自己要什么------但如果你已经知道，你其实不需要 Skill。
Skill 的结构恰好帮你绕过了这个矛盾。步骤、规则、格式、参考------每一个组件都在逼你思考：我的方法到底是怎么做的？你不需要一开始就想明白所有要求，填表的过程会帮你想清楚。
继续说回面试的例子。你下载了那个应届生版的 JD 分析 Skill，用了觉得不对味。这时候你开始改：删掉"团队规模"改成"业务阶段"，把"薪资区间"改成"岗位影响力空间"，加了一条规则"评估这个岗位在组织架构中的位置"。你改的不是几个字段------是把别人的方法论变成你自己的方法论。
在你动手改 Skill 的那一刻，你才真正开始理解你自己是怎么做这件事的。
三、Skill 长什么样
不管什么平台（Claude Code、ChatGPT GPTs、Coze），一个 Skill 大体都长这样：
组件 它回答的问题 周报例子
任务描述 这个 Skill 做什么 "根据工作记录生成简练的周报"
执行步骤 先做什么后做什么 提炼产出 → 量化成果 → 问题分析 → 下周计划
规则约束 什么能做、什么不能做 不用套话，每点有数据支撑
输出格式 结果长什么样 关键产出 → 问题与原因 → 下周计划
参考样本 （可选）风格参考 你之前写的几篇周报全文
每个组件解决一个问题。少了一个，AI 就会在那个维度放飞自我。
四、怎么开始拥有自己的 Skill
不管你用哪个平台，路径都一样。
路径一：拿来改。 去市场找一个评分高的、跟你的需求接近的 Skill，试跑一次。然后逐项调整------步骤不对改步骤，格式不合改格式。用他人的框架，装自己的方法。
路径二：对话中沉淀。 你其实已经在做了。每次给 AI 反馈、纠正、补充要求，就是在提炼你的 Skill。等感觉差不多稳定了，让 AI 帮你把这对话里的规则、步骤、格式整理出来，打包成一个 Skill。
两种路径不冲突。先拿来改，改到不满意再从头打磨。最终你会拥有一个真正属于你自己的做事方法库。
五、总结
Prompt 是一条指令，Skill 是一个方法论容器
Skill 的表层价值是省时间，深层价值是帮你把说不清楚的要求结构化
一个好 Skill 的结构：任务 + 步骤 + 规则 + 格式 + 参考
好 Skill 是改出来的、聊出来的，不是一次性写出来的