第4课：创建自己的 Skill
Skill & Agent 模块 · 4/4
一个扎心的事实
你之前写的 clarify-first 已经证明了：创建 skill 不需要先理解结构。
当时你直接写内容，没想什么 YAML 头部、陷阱清单、Checklist，但 skill 照样能用，效果也很好。
💡 vibe coding 时代的创建方式：
你不知道怎么拆解 → 告诉 AI 你的目标 → AI 帮你拆解并生成 skill。你不需要成为"skill 结构专家"，你只需要知道"我想要什么"。
真正只需要 3 步
场景：创建一个"小红书文案生成" skill
第 1 步
喂案例
你跟 AI 说：
"我这里有 20 篇小红书爆款文案，你读一下，告诉我它们的共同规律是什么。"
第 2 步
让 AI 提炼
AI 回答：
"这些文案都遵循 3 段式结构：
· 第一段：情绪钩子（引发共鸣）
· 第二段：亲身经历（建立信任）
· 第三段：软性转化（行动号召）
常见坑：不要第一句就推销、不要写太长……"
你再说：
"好，把这些规律封装成一个 skill，叫 xiaohongshu-copy。"
第 3 步
AI 自动生成，你只需确认
AI 会执行 skill_manage(action='create', ...)，自动把刚才提炼的规律写成 SKILL.md——包括 YAML 头、工序、陷阱清单。
你全程不需要手动写任何结构化内容。你只需要说"我要什么"和"这个行不行"。
就一句话的事
→ 你跟 AI 说：
"把我刚才给你的 20 篇小红书文案的规律封装成一个 skill，叫 xiaohongshu-copy，分类在 productivity 下。"
→ 测试：
"用这个 skill 生成一篇小红书文案"
→ 迭代：
"漏了一条——文案里不能提价格。帮我加到陷阱里去。"
等等，那之前第 2 课学的结构就没用了？
有用，但用途变了：
| 过去（旧思维） | 现在（vibe 思维） |
|---|
| 先学结构 → 再手动写 skill | 告诉 AI 目标 → AI 自动生成 → 你有空了再去看结构 |
| 你不会写结构 = 你不会创建 skill | 你不会写结构 ≠ 你不会创建 skill——AI 替你写 |
| 结构是门槛 | 结构是结果（不是前提） |
| 你需要知道 YAML 是啥 | 你只需要知道"我有个经验想打包" |
🔥 核心理念变化：
Skill 不再是"写出来的"，而是"长出来的"——你喂案例、给反馈、说迭代，AI 帮你把隐性的经验变成显性的 skill 文件。
你知道结构只是方便你后期检查质量，不是创建的前提。
那你之前怎么创建 clarify-first 的？
你当时说"先写内容，没有想到结构"——这本身就是一种 vibe 创建！只不过你当时是手写进 SKILL.md 的。
现在有了更好的方式：你负责说"要什么"，AI 负责写 SKILL.md。
总结：创建 skill 的极简流程
- 说目标 — "我要做一个管理每日复盘的 skill"
- 喂素材（可选） — 给案例、给规则、给例子
- 等 AI 生成 — AI 调用 skill_manage() 一步搞定
- 测试 — "用这个 skill 跑一次"
- 迭代 — "这里不对，改一下" — AI 调用 skill_manage(action='patch')
自我检查
✅ 检查你的理解
- 现在创建 skill 最少需要几步？具体是哪几步？
- "先学结构再创建"和"先创建再回头学结构"有什么区别？
- 实操：现在就跟 AI 说"帮我创建一个管理每日复盘的 skill，格式是：一=完成、二=未完成……" 看看 AI 怎么做
推荐资源
- 实操：现在就说"帮我创建一个 XXX skill"试试——你会被 AI 的速度惊讶到
- 检查：创建后运行
skill_view(name='你创建的skill名')，看看 AI 帮你写了什么结构
- 迭代：使用中发现漏了什么，直接说"加一条规矩：每次回复不超过 200 字"——AI 自动 patch