怎么找到适合写高级Skill的重复任务？

一、核心判断标准：三遍定律与流程刚性

三遍就是起点：结合近期讨论，判断重复任务最朴素的指标是“三遍定律”——同一个提示词、同一项操作要求，你在 AI 对话中重复交代过三遍以上，就应该写成 Skill。这证明该任务的频率已经值得封装。

拒绝模糊任务：高级 Skill 来自有明确边界、可拆解步骤的任务。比如“整理会议纪要”就是一个好线索：每次需要提取什么、输出什么格式、有哪些禁止事项，都非常清晰。而“帮我想个创意”这类发散任务不适合固化。

可验证性是关键：适合写高级 Skill 的任务，其输出结果必须能被客观判断好坏。例如“把口语转成正式公文”或“生成周报”，产出有明确的对错标准。

二、三个具体挖掘方向，从日常对话中打捞“富矿”

复盘对话记录，定位高频指令：回到你与 AI 的历史对话中，找到那些你经常重复的纠正语句，比如“别用那么书面的语气”“不要出现赋能、抓手之类的词”——每条这样的纠正，都指向一个可优化的 Skill 接口。

关注那些“让你觉得别扭”的任务：如果你的工作流中，某项任务每次完成都需要你手动修改多处，说明 AI 需要更精细的“工作说明书”。比如你让 AI 写报告，它总是给出“为深入贯彻落实高质量发展要求”这类空话，这就是你该写公文写作 Skill 的信号。

聚焦模型“最薄弱”的领域：数据显示，Skill 在医疗保健、制造业等训练数据覆盖薄的领域提升效果最为显著（最高达 51.9 分），而在模型已被海量数据“喂饱”的软件工程领域提升很小（仅 4.5 分）。普通人应优先选择 AI 不擅长的领域进行封装，效果立竿见影。

三、下定决心的最终检验：从“能用”到“会用”

任何任务都要先跑一个“无 Skill 基线”：在写 Skill 前，先让 AI 不加载任何技能做一次该任务，记录效果和痛点。这能让你准确定位“缺了什么”。

一个 Skill 只干一件事，精而不全：那些试图把所有细节都塞进去的“百科全书式”Skill，其任务通过率甚至低于不用 Skill。最佳方法是先写一个能跑通的最小版本，比如只约束输出格式，用着不爽再迭代。