AI 本来就会的事，别写进 Skill

Skill 的本质是什么？是把你的工作经验、踩过的坑、验证过的流程浓缩成一套可复用的指令。这是 Skill 最核心的价值。

但很多朋友做 Skill 的时候容易走进一个误区：恨不得把从第一步到第一百步全写进去，面面俱到，生怕 AI 哪一步不会。结果写出来的 Skill 又重又僵，反而不好用了。

问题出在哪？出在你写了很多 AI 本来就会的东西。

你面对的不是一张白纸

你想想看，大模型训练的时候把世界几乎所有的知识、图书、网站全都读了一遍。大多数事情，它比你还熟。

Perplexity 的研究团队有一句话说得特别准：如果一件事用一句话就能说清楚，那模型肯定早就知道了。这部分直接删掉。他们内部管这个叫「Skip the obvious」。

举个最常见的例子。你要做一个帮团队写周报的 Skill，很多人的本能反应是写一长串步骤：「先收集本周工作内容，再按重要程度排序，然后用 STAR 法则描述成果……」

这些不用写。你跟智能体说「帮我写这周周报，参考这些材料」，它自己就知道怎么组织、怎么排序、怎么表述。这是它的基本功。

你写了反而坏事。写进去之后，AI 会把你的步骤当成必须遵守的规则，优先执行。万一这周最重要的成果不适合用 STAR 法则描述呢？它还是硬往上套，写出来的周报反而别扭。AI 本来有能力灵活判断，被你写死的步骤框住了。

这就是我说的核心原则：AI 本身能做好、会做的事，别写进 Skill，写了会限制发挥。

那 Skill 到底该写什么？

Perplexity 把该写的内容分成了两档，我觉得这个分法很实用。

第一档，你独有的工作流程和经验教训。这是 Skill 的精华。你的业务怎么运转、每一步的决策标准是什么、哪些地方容易翻车、翻车了怎么救。这些东西 AI 永远不可能自己知道，必须写。

比如你做了一个帮团队写周报的 Skill。AI 会写周报，但它不知道你们公司的周报模板、不知道老板最看重哪几个指标、不知道上周踩过的坑要单独标出来。这些才是 Skill 该写的东西。

第二档，模型知道但经常搞错的坑。某个 API 的返回格式跟官方文档写的不一样、某个工具的最新版改了参数名、某个平台的审核规则没有写进公开文档。这都是你实战中发现的真知识。AI 查遍全网也查不到，因为它不在公开资料里。

Perplexity 管这类内容叫 gotchas，就是坑。他们的经验是，Skill 里价值密度最高的不是正面流程，而是这些负面约束。每踩一个坑加一条 gotcha，Skill 越用越稳。

多写「不要做」，少写「先做再做」

顺着这个逻辑，有一个特别实用的写法：在 Skill 里多写负面约束，少写正面步骤。

正面步骤说的永远是「你应该怎么怎么做」，而 AI 本来就有能力自己规划步骤。你把步骤写死了，反而堵住了它更聪明的路。