结果类 skill 的重点是写清“做成什么样算好、什么算越界、哪些失败真实发生过”,把工具和上下文交给 AI,而不是规定它一步步怎么做。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先定结果和边界,少写操作步骤
立正在对话里把结果类 skill 和风格类 skill 对立起来:skill 的意义是把该有的工具、对结果的要求、边界和案例给 AI,而不是教 AI 做事,也不是调风格1。另一处他讲得更具体:模型越聪明,人写进去的步骤越多,越容易把模型限制在自己想到的做法里,prompt 加得越多结果反而越平庸;建议补业务背景,把模型已经会做的事交给它,即“告诉 AI 什么是好的、什么是容易犯的错误,然后少教 AI 做事”2。这是 AI 对两处表述的合并,不是原文的逐句定义。
边界要来自真实返工,不能只写空话
材料里的观点立正转述屠龙老师对 skill 写作的提醒:只写“总结要深入”“保留洞见”“不要废话”都是空话,要写清什么叫做成了、什么叫越界了、什么失败模式真实发生过3。他举的 expert-interview-notes 例子列了不做工作分配、不假设团队现状、不改写成对外文章、不发明战略建议等边界,并说这些边界来自真实返工3。这些是屠龙老师的判断,经立正转述,不能直接算作立正本人的原创主张。
把 skill 当工作说明来写
AI推演立正在讲自己的视频后期 skill 时说,可以把 skill 理解成一份给 AI 执行的工作说明:需要什么材料、怎样处理、最后应该交出什么;配套脚本负责能自动化的步骤4。他还把 skill 比作给厨师写的 SOP,里面包括任务用途、任务描述、AI 该怎么用、要用哪些工具和怎么用、需要的数据或资产,以及对结果的要求5。按这个结构,写结果类 skill 可以先写清输入材料、可用工具、验收标准和已知失败案例,再补少量必要约束;具体步骤留给模型自己决定。这是 AI 基于上述材料的应用建议。
现有片段只给出原则和零散例子,没有一份完整的结果类 skill 模板;《戒掉ChatGPT才能成为AI指挥家/AI 革命…》5、《离开大厂之后,我才发现》1的字幕未经逐字核实,个别术语可能有出入。
出处
- 1离开大厂之后,我才发现,没有Fake Work的工作其实很开心|对话课代表立正
可回到原文核对这部分判断
- 2从结果确定性到通用智能:和韦晓亮老师聊AI、产品与教育
直接讲“告诉 AI 什么是好、少教它怎么做”,并解释为什么步骤写多反而限制模型。
- 3用AI做访谈整理,且不加戏
给出边界要来自真实返工、空话不算标准的具体例子,但属屠龙老师观点。
- 4我是怎样做视频播客的
把 skill 定义为工作说明:材料、处理、交付物,可作结构参考。
- 5戒掉ChatGPT才能成为AI指挥家/AI 革命是人类社会的第二次文艺复兴-Indigo Talk EP46
用 SOP 类比说明 skill 应包含任务、工具、资产和结果要求。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。