從 GPTs 到 Skill：把“會聊天的助手”變成“能幹活的流程”
整理版優先睇
由GPTs遷移到Skill，將AI助手變為自動化工作流程嘅關鍵方法
呢篇文章係由一位經常使用自訂GPTs嘅AI內容創作者（專注建築圖像生成）所寫。佢發現Codex唔可以直接調用GPTs，於是同Codex交流後，學會將GPTs嘅Instructions、Knowledge等拆解成Skill，令到AI能力可以融入自動化工作流。整體結論係：GPTs適合即興對話，Skill適合長期複用、批量生產、穩定審美、團隊規範同自動化。
作者詳細對比咗GPTs同Skill嘅分別：GPTs似一個專屬助手，每次打開同佢傾偈；Skill似寫入工作流嘅SOP，Codex會自動調用。佢仲示範咗點樣將一個「建築參數化立面Prompt助手」GPTs轉成Skill，包括將Instructions寫成SKILL.md、Knowledge放references、腳本放scripts、素材放assets，同埋寫清楚觸發條件。
最終，作者總結咗Skill嘅五大價值：批量生產、固定審美、進入自動化、團隊SOP、拆細模塊。佢認為真正有價值嘅部分係將臨時對話沉澱成穩定流程，將能力產品化。呢個轉換唔係取代GPTs，而係將有價值嘅能力模塊化，令AI成為真正嘅生產系統一部分。
- GPTs同Skill嘅核心差異：GPTs係單次對話助手，Skill係寫入工作流嘅可重複方法
- 遷移方法：將GPTs嘅Instructions、Knowledge、腳本、素材分別對應到SKILL.md、references/、scripts/、assets/
- Skill嘅五大價值：批量生產、固定審美、自動化、團隊SOP、拆細模塊
- 實例：將「建築參數化立面Prompt助手」GPTs轉成Skill，用SKILL.md定義工作流，references/放詞庫
- 應用建議：如果需要長期複用、穩定風格、自動化流程，就用Skill；如果只係臨時問答，用GPTs就夠
參數化立面Prompt Skill模板
將GPTs遷移至Skill嘅目錄結構示例：parametric-facade-prompt/ 包含 SKILL.md 同 references/facade-prompt-patterns.md
GPTs vs Skill：兩種思維嘅差異
GPTs 係一個「專屬ChatGPT」，畀佢身份設定、喂資料、規格輸出格式，然後每次打開佢幫你寫文案、改提示詞。但佢本質上係一個對話型工具，適合單次專業助手。而 Codex Skill 嘅價值唔一樣：佢係將一套可重複嘅方法變成 Codex 工作時會自動調用嘅能力，似一份寫入工作流嘅SOP。
五步遷移法：將GPTs改造做Skill
一個 GPTs 通常由 Instructions、Knowledge、Capabilities、Actions 組成。遷移成 Skill 時，可以按以下步驟對應。
- 1 將 Instructions 複製出嚟，去掉聊天語氣，改成工作流規則：收到咩輸入、判斷咩、生成咩、輸出格式、咩情況要追問。
- 2 將 Knowledge 拆出嚟：短嘅核心規則放入 SKILL.md，長嘅案例、詞庫、模板放入 references/。
- 3 固定腳本放入 scripts/，例如批量處理文件、生成表格、清洗數據。
- 4 模板同素材放入 assets/，例如 PPT 模板、品牌字體、圖片素材。
- 5 喺 Skill 描述寫清楚觸發條件，令 Codex 根據任務語義自動調用，描述越清楚觸發越穩定。
呢個遷移過程嘅關鍵係將身份描述改為流程規則
Skill嘅五大價值：從批量生產到團隊規範
Skill 嘅價值唔止係一次回答，而係可以持續產出穩定質素嘅成果。以下係五大核心價值。
- 批量生產：例如一次過生成多個建築類型嘅 prompt，風格統一，唔使每次重新發明方法。
- 固定審美：將個人對建築圖像嘅要求（可建造、唔好科幻、材料交代清楚）寫入 Skill，變成默認習慣。
- 進入自動化：Skill 可以被自動化流程調用，例如「輸入主題→生成 prompt→出圖→寫文案→保存」，專業判斷唔會變形。
- 團隊 SOP：將固定工作方式（如 prompt 規範、回覆話術）沉澱成 Skill，成為團隊隱形規範。
- 拆細模塊：將大而全嘅 GPTs 拆成多個細 Skill，每個負責一步，易維護易修改。
實例拆解：建築立面Prompt助手嘅Skill化
以「建築參數化立面Prompt助手」為例，原本係一個GPTs：用戶輸入建築類型，佢輸出詳細 prompt。遷移成 Skill 後，目錄結構如下。
parametric-facade-prompt/
├── SKILL.md
└── references/
└── facade-prompt-patterns.mdSKILL.md 規定核心工作流：默認輸出中文、輸入短都直接生成、必須包含建築體量同立面邏輯等。references/ 放具體詞庫，例如辦公樓對應「旋轉遮陽鰭片、雙層幕牆」，酒店對應「陽台節奏、摺疊屏風」。咁樣 Codex 以後遇到相關任務就唔係臨場發揮，而係調用呢套方法。
總結：將能力產品化，搭建AI工作流
AI 工具一開始好容易停留喺「問答」——問一次答一次。但真正有價值嘅部分，係將一次次臨時對話沉澱成穩定流程。
而家寫文嘅次數少咗好多，主要因為AI技術發展得太快，我發覺大部份時間都係同AI學習，值得輸出嘅內容相比AI嘅能力真係唔值一提，所以都懶得寫。每日同AI傾偈嘅過程，好似睇緊一篇篇高質素嘅公眾號文章，好多時只係隨口問一問，同AI交流幾個來回就覺得學到好多嘢。呢篇文其實就係問咗AI一個問題，佢就幫我擴展咗一個更詳細嘅知識點。
我日常每日用十幾個唔同嘅自訂 GPTs，喺我嘅課程《別卷單個模型了！中高級設計師的勝負手是工作流》》都分享咗一啲GPTs同工作流，喺冇智能體嘅前AI世紀入面，GPTs可以話係最得心應手嘅AI助手。最近成日用Codex，而Codex預設係冇得直接叫GPTs嚟用，所以我同Codex傾咗下點樣喺Codex入面用好啲GPTs，Codex就建議將GPTs轉做Skill嚟用。
一般一個GPTs就係一個「專屬 ChatGPT」，俾佢一段身份設定，餵啲資料，規定輸出格式，然後每次開佢，叫佢幫你寫文案、改提示詞、做分析。
咁當然有用啦。
但佢似一個「對話型工具」多啲。
而 Codex Skill 嘅價值就有啲唔同。
佢唔係俾你多一個聊天入口，而係將一套可以重複用嘅方法，變成 Codex 喺工作時會自動叫嚟用嘅能力。
換句話講，GPTs 似一個你隨時可以開嘅專用助手；Skill 就似一份寫入工作流程嘅 SOP。
呢兩樣嘢嘅使用習慣，其實都幾唔同。
GPTs 似一個專用聊天入口
喺 ChatGPT 入面用 GPTs，通常係咁樣：
你開某個自訂 GPT，輸入需求，佢根據預設嘅 Instructions、Knowledge、Capabilities 或 Actions 嚟回答。
佢適合做「單次對話入面嘅專業助手」。
比如：
• 品牌文案助手 • 電影 prompt 助手 • 客服回覆助手 • 業務規劃助手 • 資料分析助手
但有一點好重要：
GPTs 本身唔係一個可以直接俾 Codex 叫嘅 API。
官方嘅 GPT Actions 方向係：
GPT 去叫外部 API。
而唔係：
外部程式叫 GPT。
所以，如果你想令 Codex 直接用某個自訂 GPT，本質上唔可以當佢係一個現成接口嚟叫。
真正可行嘅方法，係將 GPTs 裏面嘅能力拆出嚟，搬過去做成 Skill。
Skill 似寫入工作流程嘅方法
一個 GPTs 通常由幾個部分組成：
• Instructions：佢應該點樣思考、點樣輸出• Knowledge：佢參考嘅資料、詞庫、案例、規範• Capabilities：聯網、畫圖、代碼解釋器等能力• Actions：佢可以叫嘅外部 API
搬過去做成 Skill 時，可以咁樣對應：
例如一個「參數化立面 prompt 助手」。
如果用 GPTs，佢可能係咁樣：
你開 GPT，輸入「辦公樓」，佢幫你擴寫成一段建築圖像生成 prompt。
但如果改成 Skill，佢就可以進入更完整嘅流程：
輸入建築類型
→ Skill 判斷建築功能
→ 匹配參數化立面手法
→ 生成完整圖像 prompt
→ 調用圖像生成工具
→ 保存圖片
→ 再生成公眾號文案或小紅書標題呢陣時 Skill 唔再只係「回答一次」，而係變成自動化流程裏面嘅一個節點。
ChatGPT 同 Codex 嘅使用習慣唔同
ChatGPT 比較偏向「對話中心」。
你喺一個聊天窗口入面提出需求，佢俾你結果。
佢適合：
• 探索想法 • 討論方案 • 寫作改稿 • 頭腦風暴 • 快速問答
Codex 比較偏向「工作空間中心」。
佢可以：
• 讀文件 • 寫文件 • 叫工具 • 行腳本 • 生成素材 • 整理輸出 • 將固定方法沉澱成 Skill
所以 Codex 唔只係傾偈，佢更加似係喺一個項目環境入面做嘢。
呢個都係 Skill 真正有價值嘅地方。
Skill 嘅第一個價值：批量生產
例如你唔淨係要一個「辦公樓 prompt」，而係要一整組建築概念：
辦公樓
酒店
商業綜合體
文化中心
學校圖書館
濱水展館
住宅立面如果每個都手動寫，風格好容易唔一致。
但 Skill 可以令呢啲輸出保持同一種專業標準。
例如每條 prompt 都包含：
• 建築體量 • 立面邏輯 • 參數化手法 • 材料系統 • 光影描述 • 鏡頭語言 • 負面提示詞
咁樣批量生成時，結果唔會亂。
唔係每次都重新發明一次方法，而係令 Codex 跟同一套標準持續生產。
Skill 嘅第二個價值：固定審美
好多 AI 輸出嘅問題，唔係唔識寫，而係風格唔穩定。
今日偏科幻，聽日偏樣板間，後日又變成廉價效果圖。
如果你做建築圖像，可能會有一套自己嘅判斷：
建築必須可建造。
立面不能只是花紋。
參數變化要有理由。
材料、節點、模數、光影都要交代。
不要過度科幻。
不要隨機複雜。
不要漂浮構件。呢啲要求如果每次都重新講，好煩。
寫入 Skill 之後，佢就變成預設習慣。
Codex 每次處理相關任務時，都會跟住呢個標準行。
呢個其實好似將個人審美變成一 set 可以重用嘅生產規則。
Skill 嘅第三個價值：進入自動化工作流程
Skill 本身唔係計時器。
但佢可以被自動化流程叫嚟用。
例如一個建築內容生產流程可以係：
1. 抓取或輸入一個建築主題
2. 提煉關鍵詞和設計方向
3. 用 Skill 生成 5 條圖像 prompt
4. 調用圖像生成工具出圖
5. 挑選最適合的圖
6. 生成公眾號標題、正文、小紅書筆記
7. 把圖片、prompt、文案保存到指定文件夾
8. 記錄到表格裏，方便後續發佈呢度，Skill 負責嘅唔係「定時執行」。
真正嘅定時觸發，可以交俾 Codex 嘅 automation、外部腳本，或者其他工作流工具。
Skill 負責嘅係：
每次流程行起嚟嘅時候，專業判斷唔好變形。
呢個先係佢嘅核心價值。
Skill 嘅第四個價值：團隊 SOP
如果你成日叫 AI 做固定類型嘅工作，Skill 就可以變成團隊入面嘅「隱形規範」。
比如：
• 建築 prompt 生成規範 • 公眾號文章改寫規範 • 社交媒體私訊回覆規範 • 客戶跟進話術規範 • 產品圖生成規範 • 簡歷篩選規範 • 週報整理規範
呢啲嘢並唔一定需要複雜嘅代碼。
但佢哋非常需要穩定嘅標準。
Skill 嘅作用，就係將「呢個工序應該點樣做」寫低，令 Codex 以後都跟呢個方式做。
佢唔係令 AI 更識傾偈。
而係令 AI 更加似一個熟悉你工作習慣嘅協作者。
Skill 嘅第五個價值：將大 GPT 拆成細模塊
好多人整 GPTs 嘅時候，容易將一個 GPT 整到好大。
又識寫文案，又識生成 prompt，又識分析案例，又識做發佈建議。
我自己寫 GPTs 都好容易越整越多，鍾意一次過涵蓋越來越多嘅輸出內容，減少同 AI 嘅多輪互動。
咁用起嚟方便，但入工作流程時就會有啲亂。
Skill 比較適合拆細。
比如：
一個 Skill 專門負責建築圖像 prompt
一個 Skill 專門負責公眾號文章風格
一個 Skill 專門負責社媒標題
一個 Skill 專門負責素材歸檔
一個 Skill 專門負責評論區回覆咁樣喺自動化流程入面，每一步都好清楚。
之後都容易維護啲。
如果某個環節效果唔好，只需要改對應嘅 Skill，而唔係重寫成個大助手。
點樣將 GPTs 改做成 Skill
如果你已經有一個自訂 GPTs，改做成 Skill 嘅方法其實好直接。
第一步，將 GPTs 嘅 Instructions 複製出嚟。
然後去掉呢類聊天身份描述：
你是一個專業的……
你需要用友好的語氣……
你是我的專屬助手……改成更加似工作流程嘅規則：
收到什麼輸入。
先判斷什麼。
再生成什麼。
輸出格式是什麼。
什麼情況要追問。
什麼情況直接執行。
哪些東西必須避免。第二步，將知識文件拆出嚟。
短嘅核心規則，放入 SKILL.md。
長嘅案例、詞庫、模板，放入 references/。
例如參數化立面 Skill，就可以咁樣組織：
parametric-facade-prompt/
├── SKILL.md
└── references/
└── facade-prompt-patterns.mdSKILL.md 入面寫核心工作流程。
facade-prompt-patterns.md 裏放：
• 參數化立面手法 • 建築類型 recipes • 材料詞庫 • 鏡頭語言 • 負面提示詞 • 示例輸出
第三步，如果 GPTs 入面有固定腳本，就放入 scripts/。
比如：
• 批量處理文件 • 生成表格 • 清洗數據 • 導出圖片 • 叫某個本地工具
第四步，如果 GPTs 靠模板或素材，就放入 assets/。
比如：
• PPT 模板 • 品牌字體 • 圖片素材 • 表格樣式 • 固定版式
第五步，喺 Skill 描述入面寫清楚佢幾時應該觸發。
呢個好關鍵。
因為 Codex 唔係靠你每次手動開某個 GPT。
佢會根據任務語義判斷應唔應該用呢個 Skill。
所以 Skill 嘅描述要明確：
當用戶需要把建築類型擴寫成圖像生成 prompt 時使用。
當用戶提到參數化立面、幾何表皮、建築外觀、AI 建築圖像時使用。描述越清楚，觸發越穩定。
一個簡單嘅搬遷示例
假設原來嘅 GPTs 係：
建築參數化立面 Prompt 助手佢嘅能力係：
用戶輸入一個建築類型，助手輸出一段適合 AI 生成圖像的詳細 prompt。改成 Skill 後，可以變成：
parametric-facade-prompt/
├── SKILL.md
└── references/
└── facade-prompt-patterns.mdSKILL.md 負責規定：
默認輸出中文。
輸入很短時也直接生成，不要頻繁追問。
必須包含建築體量、立面邏輯、材料、光影、鏡頭和負面提示詞。
參數化立面必須和建築功能有關。
不要只寫裝飾花紋。references/facade-prompt-patterns.md 負責放具體詞庫：
辦公樓：旋轉遮陽鰭片、雙層幕牆、單元式系統
酒店：陽台節奏、摺疊屏風、隱私遮擋
文化中心：穿孔陶瓷、Voronoi 孔洞、漫射採光
商業綜合體：開放基座、漸變孔洞、動態雨棚
住宅：陽台、綠化、隱私格柵、人尺度模數咁樣 Codex 以後遇到相關任務，就唔係臨場發揮，而係叫呢套方法。
幾時用 GPTs，幾時用 Skill？
如果只係臨時傾下偈，用 GPTs 好方便。
比如：
幫我想幾個標題。
幫我改一段話。
幫我解釋這個概念。如果你需要一個獨立嘅聊天助手，GPTs 都好適合。
但如果你想做嘅係：
長期複用
批量執行
穩定風格
接入自動化
沉澱團隊流程
處理文件和素材咁 Skill 更合適。
可以簡單理解為：
GPTs 適合“打開一個助手，然後跟它聊”。
Skill 適合“把一種能力安裝進 Codex，以後做相關任務時自然會用”。真正嘅重點：將能力產品化
AI 工具最開始好容易停留喺「問答」。
問一次，答一次。
但真正有價值嘅部分，係將一次一次嘅臨時對話沉澱成穩定流程。
你成日叫 AI 做同一種事，就代表入面有方法。
有方法，就可以寫成 Skill。
有 Skill，就可以進入自動化。
進入自動化之後，佢就唔只係一個提示詞，而係你工作系統嘅一部分。
例如建築內容生產：
選題
→ 生成建築 prompt
→ 出圖
→ 寫公眾號文案
→ 生成小紅書標題
→ 保存素材
→ 記錄發佈狀態每一步都可以有自己嘅 Skill。
最後形成嘅唔係一個「大而全嘅 AI 助手」，而係一套細而穩嘅 AI 工作流程。
呢個可能先係 Codex Skill 最值得用嘅地方。
佢唔係取代 GPTs。
而係將 GPTs 入面啲真正有價值、可以重複用嘅能力，拆出嚟，變成更加適合生產嘅模塊。
GPTs 令你有一個會傾偈嘅專屬助手。
Skill 就令你開始搭一套可以持續做嘢嘅系統。
呢篇文章入面嘅幾張配圖就係直接喺 Codex 入面叫參數化立面 Skill 批量生成嘅。
未來會點發展
當然以上流程嘅前提係目前 Codex 同 ChatGPT 係分開嘅兩個途徑，而今日 OpenAI 啱啱宣佈會將呢兩個途徑融合埋一齊，所以將來唔清楚網頁版嘅 Codex 點樣叫 GPTs，一切發展都好快，隨時跟進啦。
公眾號精選內容
現在寫文章頻率比較少了，主要是AI技術發展太快，我感覺大部分時間都是在和AI學習，值得輸出的內容相比AI的能力簡直不值一提，所以也就懶得寫了。每天和AI的對話過程，感覺就像閲讀一篇篇高質量的公眾號文章，經常只是隨口一問，和AI交流幾個輪次就感覺受益匪淺。這篇實際就是問了AI一個問題，他就給拓展了一個更詳細的知識點。
我日常每天使用十多個不同的各種自定義 GPTs，在我的課程中《別卷單個模型了！中高級設計師的勝負手是工作流》也分享了一些GPTs和工作流，在沒有智能體的前AI世紀裏，GPTs可以說是最趁手的AI助手。最近一直在用Codex，而在Codex中默認是無法直接調用GPTs的，所以我和Codex交流了一下在Codex中如何更好的使用GPTs，Codex推薦將GPTs轉成Skill使用。
一般一個GPTs就是一個“專屬 ChatGPT”，給它一段身份設定，喂一些資料，規定輸出格式，然後每次打開它，讓它幫你寫文案、改提示詞、做分析。
這當然有用。
但它更像一個“對話型工具”。
而 Codex Skill 的價值不太一樣。
它不是讓你多一個聊天入口，而是把一套可重複的方法，變成 Codex 在工作時會自動調用的能力。
換句話說，GPTs 更像一個你隨時可以打開的專用助手；Skill 更像一份寫進工作流裏的 SOP。
這兩個東西的使用習慣，其實很不一樣。
GPTs 更像一個專用聊天入口
在 ChatGPT 裏使用 GPTs，通常是這樣的：
你打開某個自定義 GPT，輸入需求，它根據預設的 Instructions、Knowledge、Capabilities 或 Actions 來回答。
它適合做“單次對話裏的專業助手”。
比如：
• 品牌文案助手 • 電影 prompt 助手 • 客服回覆助手 • 業務規劃助手 • 資料分析助手
但有一點很重要：
GPTs 本身並不是一個可以被 Codex 直接調用的 API。
官方的 GPT Actions 方向是：
GPT 去調用外部 API。
而不是：
外部程序調用 GPT。
所以，如果你想讓 Codex 直接使用某個自定義 GPT，本質上不能把它當成一個現成接口來調。
真正可行的方式，是把 GPTs 裏的能力拆出來，遷移成 Skill。
Skill 更像寫進工作流裏的方法
一個 GPTs 通常由幾部分組成：
• Instructions：它應該怎麼思考、怎麼輸出• Knowledge：它參考的資料、詞庫、案例、規範• Capabilities：聯網、畫圖、代碼解釋器等能力• Actions：它能調用的外部 API
遷移成 Skill 時，可以這樣對應：
比如一個“參數化立面 prompt 助手”。
如果用 GPTs，它可能是這樣的：
你打開 GPT，輸入“辦公樓”，它幫你擴寫成一段建築圖像生成 prompt。
但如果改成 Skill，它就可以進入更完整的流程：
輸入建築類型
→ Skill 判斷建築功能
→ 匹配參數化立面手法
→ 生成完整圖像 prompt
→ 調用圖像生成工具
→ 保存圖片
→ 再生成公眾號文案或小紅書標題這時候 Skill 不再只是“回答一次”，而是成為自動化流程裏的一個節點。
ChatGPT 和 Codex 的使用習慣不同
ChatGPT 更偏向“對話中心”。
你在一個聊天窗口裏提出需求，它給你結果。
它適合：
• 探索想法 • 討論方案 • 寫作改稿 • 頭腦風暴 • 快速問答
Codex 更偏向“工作空間中心”。
它可以：
• 讀文件 • 寫文件 • 調用工具 • 跑腳本 • 生成素材 • 整理輸出 • 把固定方法沉澱成 Skill
所以 Codex 不只是聊天，它更像是在一個項目環境裏做事。
這也是 Skill 真正有價值的地方。
Skill 的第一個價值：批量生產
比如你不只是要一個“辦公樓 prompt”，而是要一整組建築概念：
辦公樓
酒店
商業綜合體
文化中心
學校圖書館
濱水展館
住宅立面如果每一個都手動寫，風格很容易散。
但 Skill 可以讓這些輸出保持同一種專業標準。
比如每條 prompt 都包含：
• 建築體量 • 立面邏輯 • 參數化手法 • 材料系統 • 光影描述 • 鏡頭語言 • 負面提示詞
這樣批量生成時，結果不會亂。
不是每次重新發明一遍方法，而是讓 Codex 按同一套標準持續生產。
Skill 的第二個價值：固定審美
很多 AI 輸出的問題，不是不會寫，而是風格不穩定。
今天偏科幻，明天偏樣板間，後天又變成廉價效果圖。
如果你做建築圖像，可能會有一套自己的判斷：
建築必須可建造。
立面不能只是花紋。
參數變化要有理由。
材料、節點、模數、光影都要交代。
不要過度科幻。
不要隨機複雜。
不要漂浮構件。這些要求如果每次都重新說，很煩。
寫進 Skill 之後，它就變成默認習慣。
Codex 每次處理相關任務時，都會沿着這個標準走。
這其實很像把個人審美變成一套可複用的生產規則。
Skill 的第三個價值：進入自動化工作流
Skill 本身不是定時器。
但它可以被自動化流程調用。
比如一個建築內容生產流程可以是：
1. 抓取或輸入一個建築主題
2. 提煉關鍵詞和設計方向
3. 用 Skill 生成 5 條圖像 prompt
4. 調用圖像生成工具出圖
5. 挑選最適合的圖
6. 生成公眾號標題、正文、小紅書筆記
7. 把圖片、prompt、文案保存到指定文件夾
8. 記錄到表格裏，方便後續發佈這裏面，Skill 負責的不是“定時執行”。
真正的定時觸發，可以交給 Codex 的 automation、外部腳本，或者其他工作流工具。
Skill 負責的是：
每次流程跑起來時，專業判斷不要變形。
這才是它的核心價值。
Skill 的第四個價值：團隊 SOP
如果你經常讓 AI 做固定類型的工作，Skill 就可以變成團隊裏的“隱形規範”。
比如：
• 建築 prompt 生成規範 • 公眾號文章改寫規範 • 社媒私信回覆規範 • 客戶跟進話術規範 • 產品圖生成規範 • 簡歷篩選規範 • 週報整理規範
這些事情並不一定需要複雜代碼。
但它們非常需要穩定標準。
Skill 的作用，就是把“這個活應該怎麼做”寫下來，讓 Codex 以後都按這個方式做。
它不是讓 AI 更會聊天。
而是讓 AI 更像一個熟悉你工作習慣的協作者。
Skill 的第五個價值：把大 GPT 拆成小模塊
很多人做 GPTs 時，容易把一個 GPT 做得很大。
既能寫文案，又能生成 prompt，又能分析案例，又能做發佈建議。
我自己寫GPTs也很容易做的越來越多，喜歡一次性涵蓋越來越多的輸出內容，減少和AI的多輪交互。
這用起來方便，但進入工作流時會有點混。
Skill 更適合拆小。
比如：
一個 Skill 專門負責建築圖像 prompt
一個 Skill 專門負責公眾號文章風格
一個 Skill 專門負責社媒標題
一個 Skill 專門負責素材歸檔
一個 Skill 專門負責評論區回覆這樣在自動化流程裏，每一步都清楚。
後續也更容易維護。
如果某個環節效果不好，只需要改對應的 Skill，而不是重寫整個大助手。
如何把 GPTs 改造成 Skill
如果你已經有一個自定義 GPTs，改造成 Skill 的方法其實很直接。
第一步，把 GPTs 的 Instructions 複製出來。
然後去掉這類聊天身份描述：
你是一個專業的……
你需要用友好的語氣……
你是我的專屬助手……改成更像工作流的規則：
收到什麼輸入。
先判斷什麼。
再生成什麼。
輸出格式是什麼。
什麼情況要追問。
什麼情況直接執行。
哪些東西必須避免。第二步，把知識文件拆出來。
短的核心規則，放進 SKILL.md。
長的案例、詞庫、模板，放進 references/。
比如參數化立面 Skill，就可以這樣組織：
parametric-facade-prompt/
├── SKILL.md
└── references/
└── facade-prompt-patterns.mdSKILL.md 裏寫核心工作流。
facade-prompt-patterns.md 裏放：
• 參數化立面手法 • 建築類型 recipes • 材料詞庫 • 鏡頭語言 • 負面提示詞 • 示例輸出
第三步，如果 GPTs 裏有固定腳本，就放進 scripts/。
比如：
• 批量處理文件 • 生成表格 • 清洗數據 • 導出圖片 • 調用某個本地工具
第四步，如果 GPTs 依賴模板或素材，就放進 assets/。
比如：
• PPT 模板 • 品牌字體 • 圖片素材 • 表格樣式 • 固定版式
第五步，在 Skill 描述裏寫清楚它什麼時候應該觸發。
這個很關鍵。
因為 Codex 不是靠你每次手動打開某個 GPT。
它會根據任務語義判斷該不該使用這個 Skill。
所以 Skill 的描述要明確：
當用戶需要把建築類型擴寫成圖像生成 prompt 時使用。
當用戶提到參數化立面、幾何表皮、建築外觀、AI 建築圖像時使用。描述越清楚，觸發越穩定。
一個簡單的遷移示例
假設原來的 GPTs 是：
建築參數化立面 Prompt 助手它的能力是：
用戶輸入一個建築類型，助手輸出一段適合 AI 生成圖像的詳細 prompt。改成 Skill 後，可以變成：
parametric-facade-prompt/
├── SKILL.md
└── references/
└── facade-prompt-patterns.mdSKILL.md 負責規定：
默認輸出中文。
輸入很短時也直接生成，不要頻繁追問。
必須包含建築體量、立面邏輯、材料、光影、鏡頭和負面提示詞。
參數化立面必須和建築功能有關。
不要只寫裝飾花紋。references/facade-prompt-patterns.md 負責放具體詞庫：
辦公樓：旋轉遮陽鰭片、雙層幕牆、單元式系統
酒店：陽台節奏、摺疊屏風、隱私遮擋
文化中心：穿孔陶瓷、Voronoi 孔洞、漫射採光
商業綜合體：開放基座、漸變孔洞、動態雨棚
住宅：陽台、綠化、隱私格柵、人尺度模數這樣 Codex 以後遇到相關任務，就不是臨場發揮，而是調用這套方法。
什麼時候用 GPTs，什麼時候用 Skill？
如果只是臨時聊一聊，用 GPTs 很方便。
比如：
幫我想幾個標題。
幫我改一段話。
幫我解釋這個概念。如果你需要一個獨立的聊天助手，GPTs 也很適合。
但如果你想做的是：
長期複用
批量執行
穩定風格
接入自動化
沉澱團隊流程
處理文件和素材那 Skill 更合適。
可以簡單理解為：
GPTs 適合“打開一個助手，然後跟它聊”。
Skill 適合“把一種能力安裝進 Codex，以後做相關任務時自然會用”。真正的重點：把能力產品化
AI 工具最開始很容易停留在“問答”。
問一次，答一次。
但真正有價值的部分，是把一次次臨時對話沉澱成穩定流程。
你反覆讓 AI 做同一種事，就說明這裏面有方法。
有方法，就可以寫成 Skill。
有 Skill，就可以進入自動化。
進入自動化之後，它就不只是一個提示詞，而是你工作系統的一部分。
比如建築內容生產：
選題
→ 生成建築 prompt
→ 出圖
→ 寫公眾號文案
→ 生成小紅書標題
→ 保存素材
→ 記錄發佈狀態每一步都可以有自己的 Skill。
最後形成的不是一個“大而全的 AI 助手”，而是一套小而穩的 AI 工作流。
這可能才是 Codex Skill 最值得用的地方。
它不是替代 GPTs。
而是把 GPTs 裏那些真正有價值、可以重複使用的能力，拆出來，變成更適合生產的模塊。
GPTs 讓你擁有一個會聊天的專屬助手。
Skill 則讓你開始搭建一套能持續幹活的系統。
這篇文章中的幾張配圖就是直接在Codex中調用參數化立面Skill批量生成的。
未來會如何發展
當然以上流程的前提是目前Codex和ChatGPT是分開的兩個途徑，而今天OpenAI剛剛宣佈將把這兩個途徑融合在一起，所以未來不清楚網頁版的Codex如何調用GPTs，一切發展都很快，隨時跟進吧。
公眾號精選內容