先别学写“skill 模板”,从一件你反复做、有明确验收标准的真实任务开始;把结果标准、边界和失败案例写下来,再在 Agent 工具里跑一遍。
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。
起点是真实任务,不是技巧清单
材料里的观点立正提到,学 AI 技巧后要真的做出来,每天用 AI 面对不同挑战,才会发现自己“缺一个 skill”或“没 connect 上”,能力是日积月累内化的1。所以第一步不是收集写法,而是选一件你本来就要做、能判断做没做对的事。
skill 写结果和边界,不写漂亮话
立正说,社区里教的是写“结果类”的 skill 而不是“风格类”的 skill: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2。他转述屠龙老师的提醒:好 skill 不能只写“总结要深入”“不要废话”,要写清什么叫成了、什么叫越界、什么失败模式真实发生过3。这两条合起来,就是可操作的写作标准:验收条件加真实返工案例。
先读这三篇,再动手
AI推演免费资料页建议第一次来先读《用好AI的第一步:停止使用聊天窗口》《用好AI的第二步:先写Skill再执行》《到底什么才算AI Native人才》4。该页注明整理于 2024 年底、2026 年 9 月时课程与工具已有很多更新,读时以最新版本为准。若想理解为什么值得从聊天窗口转向 Agent 工具,可看立正讲 Agent 工具能积累上下文、assets 和 skills 的那段5。
提供的片段只给出写作原则和阅读入口,没有完整的 skill 模板或分步教程;具体格式需读原文链接中的最佳实践文档。
出处
- 1如何走对下一步,顺天改命?
解释为什么从真实任务和日常使用中长出 skill。
- 2杨天楠:看似体面的工作,实则都是在表演?
说明 skill 应写结果、工具、边界和案例,而非教 AI 做事。
- 3用AI做访谈整理,且不加戏
用具体条目展示什么叫成了、越界和失败模式。
- 4AI Learning Free Starter Kit | AI学习免费资料
给出明确的三篇入门阅读顺序,并标注了资料时效。
- 5高手怎么用 AI?普通人怎么学 AI?投资人如何投 AI?|对谈课代表立正
可回到原文核对这部分判断
追问2026年11月9日
怎么判断一个 skill 写得好不好?
好 skill 的标准是:写清什么算做成、什么算越界、哪些失败真实发生过,而不是堆“要深入”“不要废话”这类空话。
用结果和边界检验,而不是看措辞漂不漂亮
材料里的观点立正转述屠龙老师的提醒:好 skill 不能只写“总结要深入”“保留洞见”“不要废话”,这些都是空话;要写清楚什么叫做成了、什么叫越界了、什么失败模式真实发生过1。他举的 expert-interview-notes 就列了具体边界: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,并保留事实、判断、假设、细节和开放问题1。这些边界来自真实返工,所以判断一份 skill 时,可以先问:它的每条规则能不能对应一次实际出过的错?
少教步骤,多给好与坏的标准
立正在谈 skill 写法时说,模型越来越聪明,人写进去的步骤越多,越可能把模型限制在自己想到的做法里;他的说法是“告诉 AI 什么是好的,什么是容易犯的错误,然后少教 AI 做事儿”2。按这个标准,一份 skill 如果通篇是操作步骤、却说不清好结果长什么样,就值得怀疑。他还强调积累应放在模型和 harness 之上,同一份业务经验、任务标准和上下文换工具还能用2。这可以作为另一个检验点:换一个 Agent 工具,这份 skill 是否仍然成立。
“看一眼知道不对”是起点,但要落回可检验的标准
立正另一篇讲 taste 的文章说,AI 产出的东西常常结构完整、逻辑通顺,但人看一眼就知道“不对”,却说不出哪里不对;这种感受 quality 的能力就是 taste3。他引 Pirsig 的例子:学生能一致选出更好的作文,给出的理由却各不相同,说明识别良质先于分析良质4。这对判断 skill 的启示是:先凭实际跑出来的结果产生“不对”的直觉,再把它翻译成具体的失败模式和边界,写回 skill 里;只停在“感觉不好”还不够。这是 AI 基于上述材料的综合。
提供的片段没有给出判断 skill 好坏的完整清单或评分方法,以上是从几处相关论述中归纳的检验角度,不是原文列出的标准。
出处
- 1用AI做访谈整理,且不加戏
直接给出好 skill 要写清做成、越界和真实失败模式,并附具体边界例子。
- 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
说明 skill 应少教步骤、多给好坏标准,以及跨工具可迁移的积累层次。
- 3Taste是你感受quality的能力,是可以提高的
解释为什么“看一眼知道不对”是判断起点,以及它和规则的关系。
- 4良质与 AI:为什么人类最不可替代的能力,反而是「看一眼才知道好不好」?
用良质先于分析的例子支撑“先有判断再找理由”的思路。
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。