《图解Skill：AI提效实战指南》作者、开源项目 baoyu-skills 维护者，关于「我们学AI到底该学什么」的深度分享，核心主张是，当下学AI回报率最高的方向，不是追新模型、不是背提示词，而是把你自己反复做的事，变成AI能执行的技能（Agent Skills）。
微信扫码关注公众号，回复口令：20260625，获取PDF完整源文件
一、核心判断框架：两根轴决定学什么
文档提出用「离生产力远近」和「保鲜期长短」两根轴，把AI知识分成四个象限：
-
左下角（远+短）：直接跳过 —— 每月一变的模型跑分、融资八卦、芯片参数细节、绝大多数活不过半年的AI套壳产品。跳过没有任何损失，真重要的三个月后它还在。
-
左上角（远+长）：维持地图感 —— RAG、思维链CoT、Scaling Laws、AI幻觉/多模态等底层概念。只需读一篇好解读，15分钟知道是什么即可，不动手。
-
右下角（近+短）：用但别深投 —— AI画图工具、浏览器智能体、某个产品的操作技巧。花几小时上手，别花一周精通，被取代也只亏几小时。
-
右上角（近+长）：深度投入 —— Prompt工程、AI Agent、Agent Skills（把经验固化成技能）。这是数量最少、最值得认真投入的方向。
什么是「技能（Skill）」？
-
本质：把你的业务经验，浓缩成一份可执行、可复用的操作说明。
-
形式：一个文件夹 = SKILL.md（核心说明书）+ 可选脚本和参考文档。
-
门槛：不需要编程，会写中文就能做。
-
复利效应：做一次，用一百次；模型换代，你的技能不过时。
二、四个真实案例（全是作者每天在干的活）
| 案例 | 痛点 | 技能化后的效果 |
|---|---|---|
| 案例一：PPT制作 | 反复沟通格式+手动排版 | 一句话生成图文并茂的成品，作者只负责选题和终审 |
| 案例二：新闻资讯处理 | 每天十几条资讯，人工不可能完成 | 选题由人定，素材检索、分析、草稿全交给Skill，5分钟一条 |
| 案例三：公众号文章全流程 | 写作、润色、排版、配图、发布环节多 | 四周逐步搭建工作流：人工初稿 → 写作风格Skill → 格式化 → 封面/插图 → 一键发布到公众号/X/博客 |
| 案例四：数据分析报告 | 分析太浅只会算均值，报告格式丑 | V1（20行SKILL.md能跑但粗糙）→ V2（注入分析框架有深度）→ V3（挂载模板+设计简报=交付级品质） |
共同逻辑：你掌勺（负责选题、判断、验收），AI打杂（写初稿、改格式、配图、排版）。
三、创建技能的三种方法
-
方法一：和Agent一起做一遍，然后固化 —— 你在Mac上做一遍操作，Agent观察学习，直接固化成可重复技能。门槛最低，什么都不用写。
-
方法二：你是导演，说出想法让它实现 —— 把需求说清楚 → 用Skill Creator生成初版 → 真实任务测试 → 反馈给AI修改 → 再测再改，循环逼近目标。连写技能本身都可以让AI来。
-
方法三：持续迭代，自然演进 ——
-
跑通MVP（20行SKILL.md，能用就行）
-
功能补齐（真实使用中发现缺失就打补丁）
-
架构重构（补丁多了臃肿就拆分整理）
-
持续优化（每次不满意的输出都是一次优化机会）
-
四、技能组合的威力
单个技能有用，组合起来等于「以前需要一个小团队干的事」：
-
串联：素材分析 → 写作 → 润色（一步接一步）
-
并联：同时跑两个方案，选更好的
-
循环：不满意就回头重做，迭代优化
关键认知转变：不要想着用AI加速旧流程，而要围绕AI重新设计流程。有些环节不是变快了，而是直接消失了（比如「找图」这个环节在文章配图工作流中被彻底砍掉）。
五、行动号召：回去做的第一件事
-
找到你手头最烦的那个重复活；
-
先问：这件事的步骤是什么？注意事项有哪些？
-
说给AI听，让它生成一个20行的SKILL.md；
-
跑一遍 → 哪里不对改哪里；
-
三次迭代后，它已经比你预期的好用。
记住三件事：学离你近的、不会过期的；做一次，复利一辈子；你掌勺，AI打杂。
微信扫码关注公众号，回复口令：20260625，获取PDF源文件
