一个完整的Skill应该包含哪些内容，怎么让AI帮忙写？

材料里对 Skill 内容的描述集中在几件事上。第一是结果标准：什么叫做成了、什么算越界，而不是「总结要深入」「不要废话」这类空话⁠1。第二是边界和禁止项，比如某类任务里明确不做工作分配、不假设团队现状、不改写成对外文章、不发明战略建议⁠1——这些边界不是凭空想的，而是来自真实返工⁠1。第三是常见坑和失败模式，也就是这类任务通常怎么拆、优先检查什么、什么算完成⁠2。

值得注意的是，这些内容的方向和「写详细步骤」相反。材料里明确说，模型越来越聪明而人的水平有限，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，prompt 加得越多结果反而越平庸；所以重新写 Skill 时应该补业务背景，把模型已经会做的事交给它，核心是「告诉 AI 什么是好的、什么是容易犯的错误，然后少教它做事」⁠4。换句话说，Skill 承载的是判断和验收，不是操作手册。

还有一层容易被忽略：Skill 是给 AI 用的接口，不是给人看的说明。把能力封装成标准化 Skill，让 Agent 直接调用，比在旧系统上贴一个聊天框更贴近 AI 原生的逻辑⁠6。所以写的时候要假设读者是 AI，它需要的是可判断、可检查的信息。

让 AI 起草 Skill 是可行的，但材料给出的分工是：你负责提供业务背景、真实发生的失败案例和验收标准，AI 负责组织成文档。因为 Skill 的价值恰恰来自那些「真实返工」⁠1，这部分只有做过的人知道，AI 编不出来；而把背景和边界整理成结构化文字，正是 AI 擅长的。

Skill 写出来之后不是终点。材料把 Skill Writing 和 Agentic Loop 放在一起讲：一个有效的系统是 AI 执行、自检、诊断、修正、再检查，人只在闭环收敛后介入⁠2。这意味着 Skill 里必须包含「AI 怎么检查自己的输出、用什么标准判断通过、失败了怎么修正」⁠2，否则闭环转不起来，你还是得在旁边当人肉监工⁠2。

一个可以立刻试的小动作：挑一件你反复做、且最近被 AI 做砸过的任务，把那次返工的原因写下来——是标准没说清，还是边界没划，还是它不知道什么算失败——然后让 AI 基于这段描述起草一版 Skill。观察点很具体：下一轮同类任务里，AI 是否能在没有你逐步纠正的情况下自己发现并改掉那类错误。如果能，说明你写进去的是判断；如果还要你一句句遥控，说明写进去的还是步骤。