波音体育(bbinSports) AI 圈都在聊 Skills, 但许多居品司理还没看懂
AI成见大地春回，但确切并吞其底层逻辑的居品司理才能幸免被成见泡沫诱骗。本文从Prompt到Skill，层层拆解AI居品司理必备的中枢成见体系，用家政大姨的生动类比复兴时期实质，并揭示Notion与Cursor两大居品竟然切案例怎样考据Skill正在成为AI期间的决策基本功。
为什么要懂这些
作为又名领有12年海表里互联网从业经验的居品司理，我见过太多被包装成“趋势”的成见泡沫。
面前，每隔三个月，AI圈就会出身一个新词。
这个词被东说念主反复援用，出面前每一场DemoDay的PPT里，被写进居品路子图，被VC算作投资判断的关键词。
然后，六个月后，寰球发现它其实即是某个老东西换了件新穿着。
Skills，即是这么一个词。
Skill不是新成见，而是Prompt、司法、器用与过程的从头封装。
我想告诉你的是：Skills的实质并不奥妙，奥妙的仅仅它被包装的方式。
当你确切并吞它，你会发现我方站在了一个新的视角上——不是被成见牵着走，而是驱动用成见来念念考居品。
作为居品司理，你不需要会写代码，但你必须并吞这套逻辑。因为改日两年，你的每一个AI居品决策，都会和这些成见径直磋议。
本文会按照Prompt→Command→SysPrompt→MD→Skill的轨则，一步步用生涯化的方式闭幕讲透，保证你能顺着一齐看懂；同期，我也会把Skill、Workflow和MCP的区别讲显着。
临了，我会用Cursor和Notion竟然切案例，带你看懂为什么Skill正在成为AI居品司理的新基本功。
1.Prompt是什么
让我先从最通俗的地方驱动。
你掀开ChatGPT，在输入框里敲了一句话：”帮我写一封给客户的说念歉邮件。
“这句话，即是Prompt——教唆词。它是你和AI之间最原始的换取方式。
通俗，径直，但收尾时常不可控。
设想一下，你姆妈第一次让家政大姨打扫房间，只说了一句”帮我打扫一下”。
收尾大姨把客厅扫了，厨房没动，卫生间更是没进去。不是大姨偷懒，是你说得不够了了——她不知说念你的轮番是什么，不知说念那里更伏击，不知说念”打扫”在你家意味着什么。
AI也一样。你说”帮我写说念歉邮件”，它可能给你一封正经到像法律文献的信，也可能给你一封像一又友聊天的稳定翰墨。
为了让收尾更可控，咱们驱动在教唆词里加司法：口吻要正经、字数限度在200字以内、第一段要抒发歉意、第二段要给出惩处决策……这种追究端正样式和样式的教唆词，叫作念StructuredPrompt（结构化教唆词）。
这就像你不再只说”帮我打扫”，而是给大姨留了一张清单：”客厅先扫后拖，厨房重心擦灶台，卫生间马桶要消毒，书斋的东西不要动。”她拿着这张清分工活，出错的概率当然就低了。
2.Command是什么
结构化教唆词惩处了质地问题，但带来了新吞吐：太长了。
设想一下，你姆妈每次叫大姨打扫，都要把那张清单从生手写一遍。一周用三次，就要写三遍。这不叫遵守，这叫折磨。
Command，即是惩处这个折磨的器用。
它的逻辑相称朴素：把你常用的那段长教唆词存成一个文献，给它起一个短名字，比如/email。
下次你只需要输入/email，系统自动把那段无缺的结构化教唆词替换进去，发送给AI。
这就像你姆妈把那张清单贴在雪柜门上，以后每次只需要指着雪柜说”按上头的来”。清单照旧那张清单，但调用它的本钱从”从生手写”变成了”一句话”。
ClaudeCode就救济这个功能，你不错把常用的教唆词固化成.md文献，通过斜杠敕令快速调用。
3.SystemPrompt是什么
Command惩处了输入遵守，但还有一个更深的问题莫得被波及：AI为什么无意辰不听话？
你在教唆词里写了”请用表格展示”，它给你纯文本。你写了”回复限度在100字以内”，它游刃多余写了500字。教唆词明明写得很了了，为什么AI即是不照作念？
谜底在于，你输入框里敲的内容，在大模子的宇宙里有一个正经的名字：UserPrompt（用户教唆词）。它的优先级，并不是最高的。
在用户教唆词之上，还有一层更高优先级的指示，叫作念SystemPrompt（系统教唆词）。这是AI客户端在你看不见的地方，提前发给大模子的一套司法。
打个比喻：你去银行办业务，你是客户，你的要求是UserPrompt。但银行柜员开始要降服银行的里面操作规程——单日取现率先5万要讲述，这是银行的SystemPrompt。非论你说什么，这条文程的优先级永远高于你的要求。
同样的要求，放在SystemPrompt里，模子的遵命效果会显耀好于放在UserPrompt里。这是大模子计算层面的特质，不是bug，是feature。
一些AI器用专门留了进口，让用户不错自界说SystemPrompt。Cursor的.cursorrules文献、ClaudeCode的claude.md文献，都是这个逻辑——你把”请长期用汉文回复””代码谛视必须包含函数用途阐发”这类全局司法写进去，它就会在每次对话里自动获胜，不需要你每次叠加说。
就像你雇了一个历久家政大姨，第一天入职时你跟她谈好了”我家章程”：拖把用完要晾干、雪柜里的东西弗成松懈动、我不在家时不要开电视。这些章程不需要每次打扫前叠加，她也曾记住了，每次来都自动降服。
4.Metadata是什么
面前，咱们也曾有了StructuredPrompt、Command和SystemPrompt这三件火器。但新问题来了：场景太多，文献太多，AI何如知说念该用哪一个？
你有写简历的教唆词文献，有写周报的，有写邮件的，有写居品需求文档的，有作念竞品分析的……若是把它们全塞进一个SystemPrompt文献里，这个文献会变得无比肥美，AI读起来良友，你宝贵起来更良友。
最当然的解法是按场景拆分：每个场景一个寂静的.md文献。但拆完之后，新问题出现了：AI何如知说念在”帮我写个简历”这个央求下，应该去加载哪个文献？
若是让AI把扫数文献都读一遍再判断，那token破钞会相称大。文献内容最终都会被调养成token，文献越多越长，用度越高。关于一个每天要处理几百个央求的团队来说，token本钱是确切的运营本钱。
Metadata（元数据）即是为了惩处这个问题而生的。
作念法很通俗：在每个文献的开始，加一小段形色信息，说了了这个文献是干什么的、适用于什么场景。
这就像你家雪柜门上贴了一张条子，写着：”左边抽屉是蔬菜、右边是猪肉牛肉、冷冻层左边是饺子右边是汤圆、最表层是剩菜。”你姆妈不需要掀开每一层去翻找，看一眼条子就知说念去那里拿——这张条子即是Metadata。
当你发出”帮我写个简历”时，AI客户端不需要把扫数文献的无缺内容都发给模子，只需要把各个文献的Metadata发畴昔。模子读完这些轻量的形色，判断出”这是简历场景，应该调用简历写稿民众文献”，然后客户端再去加载阿谁文献的无缺内容作为SystemPrompt发给模子。
这个计算的精妙之处在于：它把“判断本钱”和“实践本钱”分开了。判断用Metadata（轻量），实践才加载无缺文献（按需）。这是一种相称工程化的念念维方式，亦然许多熟悉居品系统计算的底层逻辑。
5.References和Scripts是什么
Metadata惩处了”选哪个文献”的问题，但跟着需求越来越细，单个文献自身也会变得越来越大。
照旧以写简历为例。同样是写简历，居品司理的简历需要特出业务并吞和数据驱动；拓荒工程师的简历要体现工程复杂度和时期深度；算法工程师的简历则要展示论文后果和模子宗旨。这三种写法各异很大，若是都塞在一个文献里，文献会蔓延到难以宝贵。
解法是：不竭拆。
在”写简历”的主文献里，只保留一个岗亭进口——证据用户说的是什么岗亭，路由到对应的子文献。若是子文献照旧太大，就不竭拆成更细的颗粒。这么，AI客户端通过系统敕令读取文献总纲，再证据现时需求一齐下钻，只加载确切需要的那部天职容。
这种”按需加载、逐层下钻”的方式，有一个专科术语叫渐进式走漏（ProgressiveDisclosure）。用不到的文献都备不破钞token，系统只在确切需要的时辰才去读取对应内容。
这就像你姆妈去菜商场买菜，不是把扫数这个词菜市形势有摊位都逛一遍，而是先看一眼今天想作念什么菜，然后直奔对应的摊位。猪肉摊、蔬菜摊、豆腐摊——需要什么走那里，不需要的地方一步都未几走。这即是渐进式走漏：只在需要的时辰，才去拿需要的东西。
这些被拆分出来的贵寓文献，并吞放入一个叫references的文献夹，作为模子随时不错参考的学问库。
但光有翰墨还不够。AI能读文献，那它能弗成实践代码？诚然不错。既然客户端能调用系统敕令读取文献，那它同样不错实践Python脚本。比如，把AI生成的简历翰墨写入Word文档，再自动导出成PDF——这都备不错通过一个脚蓝本完结。
把这些可实践的代码文献放入scripts文献夹，在教唆词里写了了”当用户需要导出PDF时，实践export_pdf.py”，AI就能和客户端互助，完成纯文本聊天以外的推行操作。
6.Skill是什么
面前，把前边扫数的东西放在全部：
一个主进口文献skill.md，界说了这个才调包的中枢逻辑和Metadata
一个references/文献夹，存放按需加载的参考贵寓
一个scripts/文献夹，存放按需实践的代码脚本
把这三样东西打包成一个文献夹，给它起一个名字——写简历的叫resume-writer，写著作的叫article-writer——这个文献夹，波音体育官方网站即是Skill。
Skill的实质，是“被外化为文献夹方法、可动态加载的系统教唆词才调包”。
它的无缺责任过程是这么的：
这个过程里有一个关键特征值得介意：每一步都是按需触发的，莫得任何一个样式是事前写死的。模子在实践过程中，证据推行情况决定要不要读参考贵寓、要不要实践脚本、要读哪份贵寓。这种活泼性，是Skill区别于传统配置文献的中枢所在。
7.Skill和MCP的区别
说到这里，许多东说念主会问：这不即是MCP吗？
不是。它们惩处的是都备不同层面的问题。
MCP（ModelContextProtocol）惩处的是“模子能弗成用器用”的问题。
大模子实质上是一个翰墨处理系统，它的原生才调是读翰墨、写翰墨。但确切宇宙里，咱们需要它去搜索网页、查询数据库、发送邮件、操作文献……这些都不是纯翰墨操作，需要调用外部系统的接口。MCP即是为了惩处这个问题而计算的合同——它给大模子配上了”手”，让模子不错通过轮番化的方式调用各式外部器用。
但有了手，不代表会干活。
这就像你姆妈第一次用智妙手机。手机给了她微信、支付宝、好意思团、舆图……器用都在那里，但她不知说念订外卖要先选地址再选餐厅，不知说念转账之前要先加好友，不知说念打车要提前输入目的地。器用都全，但缺的是”何如用这些器用完成一件事”的劝诫。
这即是Skill存在的道理。
Skill是”操作劝诫”——它端正了在什么场景下、按照什么轨则、组合使用哪些器用。MCP插件是器用，Skill是使用器用的方法论。
两者是互补关系，不是替代关系。莫得MCP，Skill只可操作土产货文献；莫得Skill，MCP给了器用但不知说念何如用。
8.Skill和Workflow的区别
还有一个更容易沾污的成见：Workflow。
Workflow这个词在AI圈被用滥了，但它的实质很澄莹：把多个样式事前界说好，按照固定轨则实践。N8N、Dify、Coze这类器用，都是作念Workflow的——你用拖拽的方式搭建一条活水线，界说好”样式A完成后触发样式B，样式B的输出作为样式C的输入”。
Workflow的上风是可瞻望、可审计、可复现。你知说念它会何如跑，出了问题也知说念在哪个节点出错了。
但Workflow的局限也很彰着：它的过程在计算阶段就也曾固定了，实践时莫得弹性。
这就像你姆妈每天按照固定菜谱作念饭——周一红烧肉、周二清蒸鱼、周三炒青菜……过程澄莹，不会出错。但若是今天菜商场莫得鱼，她就不知说念该何如办了，因为菜谱上写的是鱼。这是Workflow的天花板：它只可处理计算时料预想的情况。
而Skill更像是一个有劝诫的厨师。你告诉他”今天来了6个宾客，其中一个不吃辣，预算200块”，他会证据今日商场的食材、宾客的口味、预算的限定，动态决定作念什么菜、先作念哪说念、哪说念不错提前备好。他的”劝诫”不是一张固定菜谱，而是一套在职何情况下都能作念出合理决策的才调。
Skill的实践过程由大模子在运行时动态决定，这是它和Workflow最根蒂的区别。
用一句话来分辩：Workflow是脚本，Skill是随心饰演的才调。脚本的刚正是沉静，每次献艺都一样。随心饰演的刚正是活泼，能派遣台下不雅众的突发反馈。两者不是谁取代谁，而是适用于不同的场景。
9.中枢成见追思
走到这里，咱们也曾把整条成见链条走了一遍。让我用一张关系图把它们全部串联起来：
10.个东说念主不雅点
我想用两个确切的居品案例来阐发Skill这个成见为什么伏击，以及它将怎样影响居品计算的地点。
案例一：NotionAI的才调界限与下一步
NotionAI是面前市面上作念得比拟熟悉的AI写稿助手之一。它内置了”改写””追思””续写””翻译”等多个功能进口。
开云体育官方网站 - KAIYUN
这些功能，实质上即是一组预设的Skill。每个功能背后，都有一套用心计算的SystemPrompt，界说了AI在这个场景下应该何如行为。当你点击”追思”，Notion并不是把你的著作径直扔给模子说”帮我追思”，而是调用了一个包含无缺指示的才调包：追思的样式是什么、长度是若干、应该保留哪些关键信息、用什么口吻输出。
这套计算在NotionAI刚上线的时辰效果相称好，因为它把复杂的教唆词工程封装成了一键操作，裁减了平常用户的使用门槛。但跟着用户越用越深，一个根人道的局限驱动暴深入来：这些Skill是Notion团队预设的，用户无法修改，更无法创建我方的。
你是一个法律参谋人，你的”追思”需要索取合同要求中的义务和权柄，按照甲乙两边分类列出；你是一个投资分析师，你的”追思”需要提真金不怕火财务数据和风险身分，用结构化的方式呈现。但NotionAI的”追思”功能对扫数东说念主都一样——它是为”平均用户”计算的，而现实中并不存在平均用户。
这个差距，即是改日居品竞争的中枢战场。谁能率先让平常用户自界说和分享Skill，谁就能从“器用”升级为“平台”。器用的价值上限是功能完备，平台的价值上限是生态领域。Notion面前停留在器用层，而Skill的灵通化，是它迈向平台层的关键一步。
从居品计算的角度来说，Notion接下来最值得作念的事情，是灵通一个Skill裁剪器——让用户不错界说我方的AI行为模板，并在团队里面分享。这不是时期难题，这是居品决策：你愿不肯意把用户变成内容坐褥者，而不仅仅内容消费者。
案例二：Cursor的.cursorrules生态——一个不测长出来的Skill商场
Cursor是面前AI编程器用里用户黏性最高的居品之一，月活跃用户已率先40万拓荒者。它有一个功能叫.cursorrules——实质上即是用户自界说的SystemPrompt文献，你不错在里面写”扫数函数必须有类型注解””优先使用函数式编程作风””谛视必须用汉文”等司法，Cursor会在每次AI援手编码时自动降服这些司法。
但确切特真理的事情发生在居品以外。Cursor的用户自愿在GitHub上竖立了一个.cursorrules的分享仓库，搁置2025岁首，这个仓库也曾收录了率先400个不同时期栈、不同场景的配置文献，GitHubstar数率先2万。React拓荒者有一套，Python数据科学家有一套，iOS拓荒者有一套，甚而连”写干净的SQL”都有专门的配置……
这个社区行为，实质上即是在自愿构建一个Skill生态。用户把我方麇集的”操作劝诫”外化成文献，分享给其他东说念主复用。莫得任何东说念主组织这件事，莫得任何激勉机制，它就这么当然地长出来了。
这个阵势背后有一个更深的逻辑值得念念考：当学问不错被结构化、被文献化、被分享的时辰，它的传播速率会发生数目级的变化。一个资深React拓荒者麇集了五年的编码轨范，畴昔只可通过CodeReview极少点传授给团队成员，面前不错写成一个.cursorrules文献，在十分钟内被全球任何一个拓荒者使用。
这让我预想一个居品层面的判断：Skill的下一个形态，是可被发现、可被评价、可被来回的财富。
这不是科幻。AppStore在2008年上线时，许多东说念主也以为”拓荒者把哄骗放上去卖钱”是一件奇怪的事。但今天，AppStore的年来回额率先1000亿好意思元，它调动的不仅仅软件分发方式，而是从头界说了”谁能创造价值、谁能从中获益”这件事。
SkillStore的逻辑都备雷同。区别只在于：AppStore里卖的是代码，而SkillStore里卖的是劝诫——是一个法律参谋人二十年麇集的合同审查方法论，是一个资深居品司理对需求文档的结构化念念考框架，是一个顶级案牍写手对劝服力的系统性并吞。这些东西畴昔只存在于东说念主的脑子里，面前第一次有了被外化、被传播、被订价的可能。
Cursor社区的.cursorrules生态，仅仅这个趋势最早期、最粗造的雏形。它还莫得搜索、莫得评分、莫得版块管制、莫得收益分拨。但它讲明了一件事：当器用弥漫灵通，用户会自愿地去构建生态，而不需要平台方去鼓动。这是居品计算里最清苦的信号——用户在用脚投票，告诉你他们确切需要什么。
从居品司理的视角来看，Cursor接下来濒临的最大契机，不是不竭优化代码补全的准确率，而是把这个自愿酿成的Skill生态正经化：竖立一个官方的Skill商场，提供搜索、评价、一键装置的才调，并给孝敬者竖立激勉机制。这一步若是作念好，Cursor的护城河将从”更好的AI编程器用”升级为”拓荒者AI责任方式的轮番制定者”——这两者之间的价值差距，是数目级的。
11.这对居品司理意味着什么
讲完两个案例，我想在个东说念主不雅点部分加一个维度，因为这才是我确切想说的。
Skill的出现，正在从头界说居品司理这个岗亭的价值界限。
传统道理上，居品司理的中枢责任是”需求翻译”——把用户的迂缓诉求翻译成工程师简略完结的时期规格。这个翻译责任的中枢才调是：并吞用户、拆解问题、写了了文档。
但在Skill出现之后，这个翻译链条发生了根人道的变化。畴昔，居品司理写完PRD，交给工程师，工程师写代码，测试上线，这个周期短则两周，长则两个月。而面前，一个懂得计算Skill的居品司理，不错径直把我方的业务逻辑封装成一个才调包，在几个小时内让AI按照这套逻辑责任——不需要等工程师排期，不需要等测考试收。
这不是在说居品司理要取代工程师。而是说，居品司理的责任界限正在向“直接管场”蔓延，而不仅仅“形色需求”。会计算Skill的居品司理，和不会的，在实践遵守上的差距会越来越大。
更深一层：Skill的计算实质上是在作念”学问结构化”的责任——把一个领域的最好实践、判断轮番、操作过程，用AI能并吞的方式抒发出来。这件事，工程师不一定比居品司理作念得好，因为它需要的不是编码才调，而是对业务的深度并吞和对过程的系统性念念考。
这恰正是居品司理最擅长的事情。
是以我的判断是：
改日两年，“能计算Skill”会成为居品司理简历上最有分辩度的才调之一。
不是因为它时期门槛高，而是因为它要求你把畴昔停留在脑子里的隐性学问，革新为可被机器实践的显性结构。这个革新才调，才是确切稀缺的。
12.结语：看透包装的东说念主，永远不会被包装诱骗
我在著作开始说，Skills是一个被包装过的老一又友。
走到这里，你应该也曾看了了了：它的每一个构成部分——SystemPrompt、Metadata、References、Scripts——都不是新发明。新的仅仅把它们整合在全部、打包成文献夹、赋予它一个琅琅上口的名字这件事。
但这并不虞味着Skill不伏击。
一个成见的价值，不在于它是否原创，而在于它是否让东说念主更容易并吞和使用一套复杂的东西。
iPhone莫得发明触摸屏，莫得发明手机，莫得发明互联网，但它把这些东西整合在全部，让十亿东说念主第一次确切用上了迁徙互联网。Skill关于AI才调的道理，可能亦然雷同的——它不是时期打破，而是一种让复杂才调变得可管制、可分享、可麇集的组织方式。
黄仁勋说过一句话波音体育(bbinSports)，我一直记取：“Themoreyoulearn，themoreyourealizehowmuchyoudon’tknow.Butthemoreyouknow，thefasteryoucanlearn.”并吞了Skill的底层逻辑，你学下一个AI成见的速率会快一倍，因为你也曾知说念那些包装底下藏的是什么。
备案号: