我把产品经验写成 Skill，然后开源了

ai123.com 上线的第二天，我打开了一个新的对话窗口。

然后发现自己跟 AI 从头解释：项目用什么框架、SEO 怎么配、API 路由怎么组织。和两个月前一模一样。

上一个窗口已经关了。那些 system prompt、规则设定、试出来的最佳实践，全部锁在那个聊天记录里。带不出来。

两个月上线一个产品，之前不敢想。但每个项目之间是断开的。每次开始都是 reset。

prompt 模板不够用

第一反应是写 prompt 模板。需求分析一套、方案输出一套。

用了几次就不行了。太通用的，什么都能套，套完整篇车轱辘话。收窄场景的，换个业务就废了。

模板管的是输出格式。决定方案质量的，是思考路径。这两件事差很远。

我需要的是：让 AI 在我不盯着的时候，也按我的方式思考。

从 Prompt 到系统的四个阶段

我开始写 spec-analyze。

做的事很简单：把我接到需求之后的分析过程写下来。从第一步到最后一步。

第一件事不是拆功能。先问现状是什么。有数据吗，流程在跑吗，谁在用。第二件才是要解决什么。跟现状的差距在哪，判断标准是什么。每一步都有对应的输出。拆完是一份 proposal：背景、目标、范围、风险、验收标准。

听起来简单。做起来很痛苦。

写 skill 是在 reverse engineer 自己的思考方式。平时靠直觉完成的事，要拆成一步步可描述的规则。我以前以为自己的分析很有体系。真写下来才发现，很多地方是模糊的。

最折磨的是写出来了，然后发现它不够好。

我反复改了很多版。每次改完都发现，自己对"需求分析"的理解又深了一层。你真正在做的事，跟你以为自己做的事，之间有差距。

spec-analyze 写完后，我发现它可以跟另一件事连起来。

需求分析澄清了做什么。下一道工序是这个方案做成什么规格，这是 spec-sdd。再往后是做完之后知识怎么沉淀，这是 project-knowledge。

三个 skill，一条线。做着做着自然串起来的。

模式跑通之后，我在更多场景里试。内容分析、图片生成、会议纪要、方案评审，每个都做成 skill。结构都差不多：触发器、输入、处理步骤、输出、检查点。

到这一步我才理解写 skill 到底在解决什么问题。

以前以为是在教 AI 做事。后来发现是在替自己把决策过程标准化。同样的场景，决策方式应该一样。skill 就是把这个一样的部分抽出来。模板规定输出，skill 管的是思考路径。跟 AI 关系不大，跟自己的专业度关系很大。

2025 年底，我把前面三个 skill 整理后开源于 GitHub。

理由很简单：如果东西真的有用，该让别人也用上。如果没那么有用，开源会告诉我。

准备开源的过程是一次体检。写 README、补文档、说清楚前置依赖。没开源前觉得差不多了，要给别人看才发现还有坑。把决策过程公开出去，这个动作本身会逼你做得更干净。

写 skill 给我最大的感受是：你做完一个需求，搞定一个页面，这只是用 AI 做事。但把这件事反过来——设计一个让 AI 稳定做事的系统——才是真正拉开距离的地方。

这个过程给我的改变，比任何 AI 教程都大。写 skill 逼你面对一件事：你对专业的理解，够不够清晰到能写成规则。

第 5 篇预告：

Skill 一个一个写出来了。然后来了新问题：15 个 skill，什么场景用哪个？处理一个需求要调 3 个 skill，怎么串？串起来之后，谁来判断成功与否？我发现需要的是一个能替我调度和做决策的系统。这就是 Agent。