学写skill从哪开始2026年11月9日提问追问1次

AI 想學做skill 要從哪裡開始?

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. 1如何走对下一步,顺天改命?

    视频发言:立正2026-08-01

    解释为什么从真实任务和日常使用中长出 skill。

  2. 2杨天楠:看似体面的工作,实则都是在表演?

    视频发言:立正2026-10-30

    说明 skill 应写结果、工具、边界和案例,而非教 AI 做事。

  3. 3用AI做访谈整理,且不加戏

    超线性学院2026-06-27

    用具体条目展示什么叫成了、越界和失败模式。

  4. 4AI Learning Free Starter Kit | AI学习免费资料

    超线性学院2024-12-28

    给出明确的三篇入门阅读顺序,并标注了资料时效。

  5. 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

    xiaoyuzhoufm.com发言:立正2026-06-10

    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. 1用AI做访谈整理,且不加戏

    超线性学院2026-06-27

    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. 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

    超线性学院2026-09-09

    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。

  3. 3Taste是你感受quality的能力,是可以提高的

    超线性学院2026-04-30

    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. 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」?

    超线性学院2026-04-15

    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:

所有问题 →