導讀：你有沒有一件工作，每次都要從頭解釋給 AI 聽？40 分鐘的手動整理，Skill 能壓縮到 1 分鐘——而且你連一行程式碼都不用寫。
什麼是 Skill？
Skill 是一個 Markdown 檔案，用文字描述工作流程，AI 讀了就能照做。 它包含兩個關鍵部分：metadata（告訴 AI「何時啟動」）和 operational instructions（「怎麼做」的步驟）。
你可以把它想成幫新同事寫的一份 SOP。差別在於，這個「同事」不會忘記、不偷懶，而且 24 小時都在線。metadata 裡的 description 欄位是整個 Skill 的靈魂——寫得模糊，AI 找不到它；寫得精確，AI 在你開口前就知道該啟動。
五步煉成法
第一步：找重複工作。 翻開你上週的行事曆。哪些事情讓你想翻白眼？每天花 40 分鐘整理新聞？每週重複格式的報告？如果你心裡閃過「又來了」——那就是 Skill 的候選人。
第二步：手動跑一遍，記錄過程。 不是寫「整理新聞」。是「打開這三個網站 → 篩選過去 24 小時文章 → 依主題分類 → 摘要核心觀點 → 按模板輸出」。把你腦中的隱性知識攤在桌上——你會驚訝地發現，自己以為很簡單的任務，裡面藏了多少判斷邏輯。
第三步：用自然語言寫給 AI。 不需要程式語言，用你平常說話的方式。但有一條鐵律：每個步驟要具體到 AI 不需要猜測。「寫得好一點」是壞指令。「使用台灣繁體中文，段落不超過 150 字，標題用問句」——這才是好指令。
第四步：迭代 2-3 輪。 第一版幾乎不可能完美。跑一次、看結果、找偏差、修改，再跑。不要追求一步到位。每一輪修改都像在校準瞄準鏡——你的 AI 會越來越精準地理解你的標準。
第五步：選擇性分享。 Skill 寫好後，可以只留給自己，也可以讓團隊共用。團隊建議 Git 版控——Markdown 天然適合 Git，每次修改有紀錄，出問題就回滾。把 Skill 放在專案目錄的 .agents/skills/ 下，不同專案各有各的版本，互不干擾。
實戰案例：40 分鐘 → 1 分鐘
泊舟的 AI 日報 Skill 把每天 40 分鐘的新聞整理壓縮到 1 分鐘。 他原本每天早上瀏覽多個資訊源、篩選重要新聞、再寫成摘要格式。建成 Skill 後，一個指令搞定全流程，品質穩定——換算下來，一個月省了超過 13 小時。
不過，Skill 不是魔法。它最適合「步驟固定、判斷標準明確」的任務。如果你的工作每次都充滿例外、需要即時創意判斷，Skill 能幫到的就有限。關鍵在於找到你工作中那些真正可以被標準化的環節——像日報整理就是典型：步驟固定、來源固定、格式固定。
Skill 生態系
當 Skill 數量超過 10 個，你就需要管理它們的工具。 業界推薦三個基礎 meta-Skill：find-skills（搜尋你 Skill 庫中最匹配的那一個）、skill-creator（用自然語言快速生成新 Skill 骨架）、skill-vetter（安全審查第三方 Skill，確認沒有可疑行為）。
三者構成了 Skill 的完整生命週期：發現 → 建構 → 審查 → 使用 → 迭代。
你最常重複的那件工作是什麼？那就是你的第一個 Skill。今天就動手寫吧。
References
- 泊舟 (2026). 实战教学：从0到1写出一个你自己的Skill. 科技專欄.
- @dotey (2026). Thread on team-level Skill management with Git. X/Twitter.
- Anthropic (2026). Claude Code Skills Documentation. docs.anthropic.com.
- Random Labs (2026). Skill chaining and why skills should be actions. Slate Blog.