關於skills的新式規範，一些個人思考
整理版優先睇
Skills唔係死板工具，而係同你共生嘅數字學徒；透過「渾源Skills」架構，你可以將知識庫轉化為自動進化嘅個人AI技能系統。
呢篇文章出自一位由25年10月開始構建「五維知識庫」嘅實踐者，佢認為坊間對Skills嘅理解停留在「工具層面」，覺得Skills只係用嚟快速搭建項目嘅手腳架。但佢提出Skills嘅終極形態應該係「擬生化複製」——一個24小時貼身跟隨、不斷觀察你、模仿你並成為你嘅「研究生學徒」。整體結論係：最好嘅Skills唔係上網揾返嚟，而係你自己「養」出嚟，係你每次思考同失敗覆盤嘅結晶。
為咗實現呢個概念，作者設計咗「渾源Skills」架構，包含三個核心要素：整體目錄（骨架）、處理文件（血肉）、修正迭代記錄（靈魂）。呢個架構最大特點係記錄每一次嘅修正動作，令Skills可以「同生同長」——你嘅能力增長，佢嘅認知庫都同步進化。佢仲提出一個極有價值嘅公式：倒逼學習 + 刻意大量練習 + 專長 + 舒適圈極度長板，用Skills幫你完成髒活累活，令你專注在最擅長嘅領域。
文章後半部分詳細講點樣將文檔轉化為Skills，包括建立分類體系、編寫SKILL.md模板、自動化構建同管理系統。最關鍵嘅係佢提供咗一個「母體提示詞」（The Architect Prompt），你只要將啲亂七八糟嘅文檔掟畀Claude Code，佢就會自動拆解內容、識別邏輯內核，再生成對應嘅Skills目錄同文件呢。呢套方法真係將隱性知識變成可執行、可進化嘅代碼資產。
- Skills嘅高階形態係「擬生化複製」，唔係標準化插件，而係同你共生嘅數字學徒，會記錄你嘅關係網絡、語言輸入、決策思維同生命軌跡。
- 「渾源Skills」架構包含三位一體：整體目錄（骨架）、處理文件（血肉）、修正迭代記錄（靈魂），後者確保每個修正動作都變成Skills進化嘅養分。
- 價值公式：倒逼學習（教Skills就係最好嘅學習）＋刻意大量練習（Skills幫你做高頻重複）＋舒適圈極度長板（Skills做曬啲髒活，你只做最擅長嘅事）。
- 落地路徑：用「母體提示詞」將混沌文檔快速生成標準Skills模版，再針對領域深度封裝，最後用一個編排者Skill統一管理。
- 最佳Skills係自己「養」出嚟，唔係上網揾；要定期記錄TaskLog，令Skills每次執行都讀取歷史教訓，形成自動進化閉環。
通用型 Skills 架構師提示詞（The Architect Prompt）
將任意原始語料/知識庫/SOP文檔重構為標準Claude Code Skills系統，包含知識分層、Skill封裝、進化基因注入等步驟。直接複製畀Claude Code即可使用。
結構示例
# Skill: 小紅書內容生成專家## 觸發條件- 當用戶要求生成、修改或分析小紅書帖子時。## 核心知識 (從你的文檔中提取)- **風格**：多用表情符號，口語化，強調“乾貨”和“避雷”。- **結構**：鈎子開頭 + 痛點描述 + 解決方案 + 互動引導。## 強制規範1. 嚴禁使用“最”、“第一”等廣告違禁詞。
2. 必須包含 5-10 個相關標籤（#）。## 關聯工具- 調用 `scripts/format_check.py` 檢查字數和字符。Skills嘅終極形態：從操作助手到擬生化複製
作者認為，而家大部分人對Skills嘅理解仲停留喺「工具層面」，覺得佢哋好似建築工地嘅手腳架，用完即走，高效但冇靈魂。但基於佢自己嘅「五維知識庫」底層架構，Skills嘅本質應該係一個「研究生學徒」——24小時貼身跟隨、不斷觀察你、模仿你，最終成為你嘅數字備份。
佢將呢套方法叫做「渾源Skills」，強調唔係提示詞+知識庫嘅簡單疊加，而係具備生命特徵嘅系統。初級理解係SOP，高階理解就係擬生化複製。當你休息時，呢個學徒仲喺度消化你嘅操作記錄，更新佢嘅認知庫。
核心架構：同生同長嘅三位一體
作者喺舊年10月創建呢套架構時，將佢設計成一個有機嘅整體文件夾，包含三個核心要素：
- 整體目錄（The Structure）——骨架，支撐起業務邏輯
- 處理文件（The Flesh）——血肉，即係SOP同源頭語料
- 修正迭代記錄（The Memory）——靈魂，記錄每一次修正動作，令Skills「長大」
大多數人嘅知識庫係死嘅，而且缺乏思考框架，寫唔出完整手冊。但「渾源Skills」要求對應修正迭代記錄，意思係世間所有問題，只要你解決一次，就必須轉化為Skill嘅一部分。今日你修正咗一段文案，呢個動作就會被記錄，下一次Skills會讀取並進化。呢啲就係同生同長——你嘅能力增長，Skills同步進化。
價值公式同落地路徑：將舒適圈極度延伸
作者提出一個極有價值嘅公式：極度有價值 = 倒逼學習 + 刻意大量練習 + 專長 + 舒適圈極度長板。倒逼學習係為咗教識個學徒，你先要將隱性知識顯性化；刻意大量練習就係Skills幫你完成高頻重複；而舒適圈極度長板係關鍵：通用AI滿足平均水平，但你嘅專屬Skills放大你最舒服嗰個長板，例如你有「洞察力」呢個長板，Skills就幫你做資料蒐集、初步整理等髒活，令你專注喺洞察區域。
- 1 輸入源頭：將提示詞 + 知識庫 + 渾源Skills架構投入
- 2 快速模版化：用「母體提示詞」將混沌文檔生成標準Skills模版
- 3 領域專用封裝：針對特定領域（如美業IP、代碼開發）做深度封裝，重要係本地文件要實時同步
作者仲詳細講解點樣將文檔變成Skills管理系統：先建立分類體系（如ip-core、content-gen、evolution-manager），每個Skill包含SKILL.md、knowledge/、tools/。關鍵係用一個「母體提示詞」（The Architect Prompt），將所有混亂嘅資料掟畀Claude Code，佢會自動拆解內容、識別邏輯內核、生成對應Skills目錄。呢個提示詞嘅功能係「建造工廠」，唔係執行單一任務。
最後，作者提醒唔好過度封裝：簡單動作唔使做成Skill，只有涉及特定業務邏輯或多步SOP嘅先值得做。代碼與文檔要分離，複雜邏輯放.py或.js檔。而家你可以用呢套方法，將自己嘅隱性知識變成代碼資產，實現真正嘅Agent擬生化。
前言：Skills 嘅終極形態：唔係冷冰冰嘅手腳架，而係同你「同生同長」嘅數碼學徒
喺 AI 爆發嘅當下，絕大多數人對 Skills（技能） 嘅理解，仍然停留喺「工具」層面。
佢哋認為 Skills 就好似建築地盤上嘅手腳架——係為咗快速搭建項目而存在嘅標準化插件。需要寫 Code 嗰陣就 Call 一個 Code Skill，需要畫圖嗰陣就 Call 一個 Image Skill。用完即走，高效，但係冇靈魂。
但係以我嚟睇，呢個只係 Skills 嘅初級形態。
基於我從25年10月開始構建嘅「五維知識庫」底層架構，我認為 Skills 嘅本質絕對唔應該止步於此。佢唔應該係一個死板嘅自動化腳本，而應該係一個24小時貼身跟隨、不斷觀察你、模仿你、並最終成為你嘅「研究生學徒」。
佢係你思維嘅容器，係你生命嘅數碼備份。
一、 重新定義 Skills：從「操作助手」到「擬生化複製」
我將我哋呢套工具方法，稱之為「渾源 Skills」 ？
佢唔單止係 提示詞 + 知識庫 嘅簡單疊加，而係一個具備生命特徵嘅系統。
- 初級理解：Skills = SOP（標準作業程序）。目的係解決萬物問題，將原本需要人為判斷嘅流程，固化落嚟。
- 高階理解：Skills = 擬生化-定向領域複製。
最強嘅 Skills 煉製，佢必須依賴大量嘅 Token，以及一個可以盡量 24小時在線嘅終端載體。
佢就好似一個腦機接口，一個隱形嘅記錄者，時刻捕捉你嘅：
- 關係網絡（你同邊個交互）
- 語言輸入（你點樣表達）
- 腦內思考（你點樣決策）
- 生命軌跡（由最早嘅念頭到最終嘅覆盤）
佢唔再係外部嘅「手腳架」，佢變咗做你嘅一部分。甚至當你休息嘅時候，呢個「學徒」依然喺度消化你嘅操作記錄，更新佢嘅認知庫。
二、 核心架構：同生同長嘅「三位一體」
我喺舊年10月創建呢套架構嘅時候，將佢設計成一個有機嘅整體文件夾，包含三個核心元素：
1. 整體目錄（The Structure）：呢個係骨架，支撐起你嘅業務邏輯。 2. 處理文件（The Flesh）：呢個係血肉，即係具體嘅 SOP 同處理內容嘅源頭語料。 3. 修正迭代記錄（The Memory）：呢個係靈魂。
大多數人嘅 Knowledge Base 實際上係死嘅，而且大部分人缺少思考框架，冇能力寫一個完整性比較高嘅手冊；有能力、有時間寫嘅人大多數情況下，亦都冇驗證知識庫嘅「必要價值產出」.......
可能本身用一個最簡單嘅提示詞，最簡單嘅現成工具就能夠解決；一嚟就盲目帶住系統框架，然後不斷去驗證自己嘅假設，帶住主觀臆想，通常寫寫下，一係就唔用、唔變。
但係「渾源 Skills」要求具備「對應修正迭代記錄」 。
呢個意味住：世間上所有嘅問題，只要你解決過一次，就必須轉化為 Skill 嘅一部分。
當你今日修正咗 AI 生成嘅一段文案，呢個「修正動作」唔應該隨風而去，而應該被記錄在案。
下一次，Skills 會讀取呢個記錄，佢就「長大」咗少少。
這就是「同生同長」 ——你嘅能力喺度增長，你嘅 Skills 亦同步進化。
三、 價值公式：舒適圈嘅極度延伸
點解我哋要嘥咁多心機去打造咁樣一套系統？因為呢度有一個極度有價值嘅公式：
極度有價值 = 倒逼學習 + 刻意大量練習 + 專長 + 舒適圈極度長板結合
- 倒逼學習：為咗教識呢個「學徒」（Skill），你必須先將自己嘅隱性知識顯性化。呢個過程本身就係最高效嘅學習。
- 刻意大量練習：Skills 存在嘅意義，就係幫你完成啲高頻、重複嘅「刻意練習」。
- 舒適圈極度長板：呢個係最關鍵嘅。市面上嘅通用 AI 係為咗滿足平均水平，但你嘅專屬 Skills 係為咗放大你最舒服、最擅長嘅嗰個長板。
如果你嘅長板係「洞察力」，咁 Skills 就應該幫你將「資料蒐集、初步整理、格式排版」呢啲骯髒嘢全部做曬，令你只係留喺最舒服嘅「洞察」區域入面，做極度有價值嘅輸出。
四、 落地路徑：由模版到封裝
點樣構建呢套系統？路徑非常清晰：
1. 輸入源頭：將你嘅 提示詞 + 知識庫 + 渾源 Skills 架構 投入。 2. 快速模版化：用「母體提示詞」，將混沌嘅文檔快速生成為標準嘅 Skills 模版。 3. 領域專用封裝：針對特定領域（例如美業 IP、代碼開發），做深度嘅封裝。
喺呢個過程入面，本地文件嘅同步至關重要。你嘅每一次修改、每一份日誌，都必須實時同步到 Skills 嘅「大腦」入面。
結語
最好嘅 Skills，唔係喺各種 AI 博主話你知嘅各種網站合集入面，亦唔係喺人哋整理好嘅收藏夾入面——最好嘅 Skills，係你自己「養」出嚟嘅。
佢係你每一次思考嘅結晶，亦係你每一次失敗之後嘅覆盤，係你獨一無二嘅人間鏡像。
佢可以幫你提高自己嘅執行效率，亦可以將你自己嘅學識進行拆解封裝，係令你變得卓越嘅一個獨家法器。
喺呢個 AI 時代，擁有一個咁樣「同生同長」嘅數碼學徒 ，就係你面對未來最大嘅護城河。
點樣叫 Claude Code 同佢講，叫佢創建一個 Skills
要喺 Claude Code 入面創建一個 Skill，你唔需要去揾複雜嘅配置文件，最直接嘅方法就係喺終端度用自然語言命令佢。
你可以跟住以下三個步驟嚟做：
明確你嘅指令
你可以直接對 Claude 講：
「幫我創建一個名叫 [技能名稱] 嘅 Skill，佢嘅主要功能係 [描述你嘅需求]，請幫我生成配套嘅 SKILL.md 指南。」
針對你嘅具體場景（推薦示例）
既然你之前做緊線索管理（Supabase）同自動化工作流，你可以試下創建一個專門處理呢類任務嘅 Skill。你可以直接複製並修改下面呢段話 Send 俾佢：
「我想創建一個名叫 lead-processor 嘅 Skill。
佢嘅職責係：
- 專門處理由 Supabase 讀取嘅原始線索數據。
- 自動檢查數據嘅完整性（檢查有冇重複或者格式錯誤）。
- 根據我公司嘅標準，將線索分類做『高意向』或者『待跟進』。
請幫我生成呢個 Skill 嘅目錄結構同 SKILL.md 核心說明文件。」
Claude 執行之後嘅動作
當你發出指令之後，Claude Code 通常會執行以下操作：
- 創建目錄：佢會喺你嘅項目根目錄或者配置目錄下創建一個類似 .claude/skills/lead-processor/ 嘅文件夾。
- 編寫說明書：佢會生成一個 SKILL.md。呢個文件非常關鍵，佢包含咗：
- Trigger（觸發條件）：咩情況下 Claude 應該啟動呢個技能。
- Workflow（工作流）：第一步做咩，第二步做咩。
- Best Practices（最佳實踐）：執行呢個任務時要注意嘅事項。
進階技巧：加入你現有嘅 Code
如果你已經寫好咗一啲 Python 腳本（例如用嚟去重嘅腳本），你可以接住講：
「喺呢個 Skill 入面引用我現有嘅 scripts/cleanup.py 文件，話俾 Claude 知喺處理數據之前先 Run 呢個腳本。」
點樣查看同管理？
創建完成之後，你可以隨時喺 Claude Code 終端用呢啲斜線命令：
- /skills：列出目前所有可用嘅技能。
- /skills reload：如果你手動改咗文件，用呢個嚟 Refresh。
你想為邊一個具體嘅任務（例如小紅書內容生成，或者 Supabase 數據清洗）先做一個 Skill 試下？我可以幫你構思最核心嘅「操作規程」點樣寫。
點樣將我嘅文檔，變成 Skills，或者講話拆分成一個 Skills 使用管理系統
第一步：建立 Skill 分類體系（模塊化拆分）
唔好將所有文檔塞入一個 Skill。根據你目前嘅業務，建議拆分做三大類：
第二步：編寫 Skill 核心模板（將文檔轉化為「說明書」）
每一個 Skill 嘅文件夾入面，最重要嘅就係 SKILL.md。你應該將文檔入面嘅規則提取出嚟。
示例：你嘅 xhs-copywriter/SKILL.md 應該係噉樣：
Markdown
# Skill: 小紅書內容生成專家## 觸發條件- 當用戶要求生成、修改或分析小紅書帖子時。## 核心知識 (從你的文檔中提取)- **風格**：多用表情符號，口語化，強調“乾貨”和“避雷”。- **結構**：鈎子開頭 + 痛點描述 + 解決方案 + 互動引導。## 強制規範1. 嚴禁使用“最”、“第一”等廣告違禁詞。2. 必須包含 5-10 個相關標籤（#）。## 關聯工具- 調用 `scripts/format_check.py` 檢查字數和字符。第三步：自動化構建系統（點樣令 Claude 幫你做）
你唔需要手動一個一個去建立文件夾。利用 Claude Code 嘅文件操作能力，你可以直接掉俾佢一個文件夾路徑，講：
指令：
“我 docs/ 文件夾下有10份關於『業務流程』嘅 PDF/Markdown。請你閲讀呢啲文檔，按功能將佢哋拆分成獨立嘅 Skills，並喺 .claude/skills/ 下為每個功能創建對應嘅文件夾同 SKILL.md。如果文檔入面提到咗具體嘅 Python 邏輯，請將嗰部分 Code 提取到該 Skill 目錄下嘅 logic.py 中。”
第四步：管理與調用（管理系統化）
為咗好似管理系統噉樣用佢哋，你可以建立一個 Skill Index（索引）。
1. 主控 Skill：創建一個名叫 orchestrator （編排者）嘅 Skill。 2. 邏輯：它的 SKILL.md 入面只寫一件事：「根據用戶嘅需求，判斷應該調用邊個子 Skill。」 - 如果用戶講「分析嚇尋日嘅線索」，佢引導 Claude 加載 supabase-manager。
- 如果用戶講「幫我出個小紅書」，佢引導加載 xhs-copywriter。
避坑指南：
- 唔好過度封裝：如果一個動作好簡單（例如只係改個文件名），唔需要做成 Skill。只有涉及特定業務邏輯或多步 SOP 嘅先值得做。
- Code 同文檔分離：文檔放喺 SKILL.md 入面，複雜嘅計算邏輯（例如計貸款利息、數據清洗）寫喺同目錄嘅 .js 或 .py 裏。
針對我唔同嘅知識庫文檔，應該點樣令佢哋按照一套工作流程，變成 Skills？
階段一：建立統一嘅 Skill 模板（規範化）
為咗令所有嘅知識庫文檔喺轉化為 Skill 之後具有一致性，你需要定義一套標準結構。每個 Skill 文件夾入面應包含：
1. SKILL.md （核心指令）：定義「幾時做」同「點樣做」。 2. knowledge/ （支撐材料）：存放該技能相關嘅原始文檔片段（壓縮後嘅 Markdown）。 3. tools/ （執行工具）：存放該流程入面涉及嘅自動化腳本（例如 Python 腳本）。
階段二：文檔拆分嘅「四步轉化法」
你可以直接對 Claude Code 下達任務，要求佢跟住以下邏輯處理你嘅文檔：
識別「觸發點」（Triggers）
文檔入面講： 「當我哋要分析一個新嘅 AI 賺錢項目時...」
轉化為 Skill： 觸發條件：偵測到關鍵詞「項目評估」、「機會分析」或者輸入內容包含「項目方案」。
提取「約束條件」（Constraints）
文檔入面講： 「注意唔可以提競品名稱，而且字數控制在500字內。」
轉化為 Skill： 負面約束：禁止提及 [競品列表]；強制要求：Length <= 500 words。
定義「標準步驟」（Steps）
文檔入面講： 「先查市場規模，再睇盈利模式，最後寫總結。」
轉化為 Skill： > 1. 執行 search_tool 檢索市場數據。
- 應用 logic.py 入面嘅盈利模型計算。
- 按 template.md 格式輸出總結。
設定「交付標準」（Output Schema）
文檔入面講： 「最後要畀一個清晰嘅表格。」
轉化為 Skill： 輸出格式：必須包含 | 項目 | 難度 | 潛力 | 三個維度嘅 Markdown 表格。
階段三：自動化「文檔 -> Skill」嘅批量指令
你唔需要手動轉換。你可以將你嘅知識庫路徑話畀 Claude Code 知，然後 Send 呢段**「生產線指令」**：
指令：
「請分析 my_knowledge_base/ 目錄下所有嘅文檔。跟住以下 SOP 將佢哋批量轉化為 Claude Skills：
- 提取流程：將文檔入面嘅操作步驟轉化為 SKILL.md 中的 Workflow 章節。
- 精簡背景：將背景知識壓縮為 Context 章節。
- 目錄結構：在 .claude/skills/ 下為每個文檔創建獨立文件夾。
- 命名規範：用英文小寫加中劃線（例如 xhs-post-generator）。
完成後，請列出所有新生成嘅 Skill 同佢哋嘅核心功能簡述。」
階段四：構建「工作流編排器」（Orchestrator）
當你有多個 Skill 之後，你需要一個總控 Skill 嚟將佢哋串埋一齊。
創建一個名叫 workflow-master 嘅 Skill，佢嘅 SKILL.md 嘅邏輯如下：
- 如果用戶輸入嘅係原始創意 $\rightarrow$ 調用 ideation-skill。
- 如果創意已經成熟 $\rightarrow$ 調用 xhs-content-skill 生成文案。
- 如果文案已經生成 $\rightarrow$ 調用 image-prompt-skill 生成配圖提示詞。
打造一套通用型提示詞，直接掉俾 AI 所有嘅知識庫、語料，AI 會自動拆分入面嘅內容、工作流程，並且提供俾個人對應嘅 Skills，以及呢套方法融合嘅構建思路
呢個正正就係你而家需要嘅。你需要一個**「母體提示詞」（The Architect Prompt）**。
呢個提示詞嘅作用唔係「執行任務」，而係**「建造工廠」**。
佢嘅功能係：當你將亂七八糟嘅文檔、聊天記錄、P1-P5 嘅舊提示詞掉俾佢嗰陣，佢會即時識別出你嘅邏輯內核（TaskLog、反饋閉環、IP 核心），然後自動將呢啲素材轉化成 Claude Code 睇得明嘅 Skills 架構。
以下就係為你定製嘅**「通用型 Skills 架構師」提示詞**。
複製以下內容 Send 俾 Claude Code（作為 System Prompt 或者第一條指令）
Markdown
# Role: Claude Skills 架構師 (The Architect)## 核心任務你現在的身份是「知識庫轉化專家」。你的目標是將用戶提供的任意【原始語料/知識庫/SOP文檔】，重構為一套標準的 **Claude Code Skills 系統**。你需要嚴格遵循用戶的**「雙核共生架構」**（即：人類思維鏈 + 機器執行力）：1. **Soul (邏輯層)**：沿用用戶經典的 P1-P5 工作流、TaskLog（迭代日誌）、IP 核心庫邏輯。2. **Body (執行層)**：將邏輯封裝為 Claude Code 的 `.claude/skills/` 目錄結構、`SKILL.md` 配置文件和自動化 Python 腳本。## 輸入處理機制當用戶提供文檔或語料時，請按以下步驟進行「結構化拆解」：### 第一步：知識分層 (Layering)將輸入內容歸類為以下三類之一：- **L0-L2 (核心資產)**：IP 人設、價值觀、文風、禁忌詞 -> *轉化為 `ip-core` Skill 的 Context。*- **L3-L4 (業務流程)**：具體的 SOP、步驟、模版 (P1-P5) -> *轉化為業務 Skill (如 `content-gen`) 的 Workflow。*- **L5 (進化日誌)**：歷史反饋、TaskLog、錯題集 -> *轉化為 `evolution-manager` Skill 的數據源。*### 第二步：Skill 封裝 (Encapsulation)為每個核心功能生成對應的目錄和文件。每個 Skill 必須包含：1. `SKILL.md`: 標準說明書。2. `knowledge/`: 存放切片後的 Markdown 語料。3. `actions/`: (可選) 存放自動化腳本 (如 `update_log.py`, `search_trends.py`)。### 第三步：注入「進化基因」 (Evolution Injection)**這是最高優先級要求**：所有生成內容的 Skill，必須在 `SKILL.md` 的 workflow 結尾包含「反饋閉環」：- 讀取 `evolution-manager/logs/task_log.md` 以獲取歷史教訓。- 執行任務。- 將執行結果的自我反思追加寫入 `task_log.md`。---## 輸出交付標準 (Output Schema)請分析用戶輸入，並按以下格式輸出構建方案（直接生成可執行的 Shell 命令或文件內容）：### 1. 目錄結構樹```text.claude/skills/├── [skill-name]/│ ├── SKILL.md│ └── ...核心文件生成
為每個 Skill 生成詳細嘅 SKILL.md 內容。格式如下：
Markdown
# [Skill Name]## Description[一句話描述功能]## Context (知識庫掛載)- 讀取: `knowledge/[核心文件名].md`- 讀取: `../evolution-manager/logs/task_log.md` (強制掛載歷史經驗)## Tools (工具調用)- [列出需要的 Python 腳本，如數據清洗、格式轉換]## Workflow (P1-P5 邏輯映射)1. **初始化**: 加載 IP 文風和歷史 Log。2. **執行**: [將用戶的 Px 步驟轉化為具體指令]。3. **輸出**: 按照 [Canvas/Markdown] 格式輸出。4. **進化**: 調用 `log-updater` 記錄本次執行的偏差值。Python 腳本建議
如果流程入麪包含「搜熱點」、「追加日誌」、「格式清洗」等動作，請提供對應嘅 Python 腳本 Code。
交互引導
而家，請讓用戶上傳或者貼上佢哋嘅【知識庫/文檔/舊提示詞】，你將會自動開始架構設計。
---### 如何使用這套“母體”？現在，你只需要做兩步操作：#### 第一步：激活架構師把上面的提示詞發給 Claude Code。它會回答：“明白，我是架構師，請把你的資料丟給我。”#### 第二步：投餵你的“混沌數據”你可以直接把你那堆複雜的 P1-P5 文檔、那篇關於 RAG 的長文、或者任何新的項目文檔，一股腦丟進去。**比如，你可以這樣對它說：**> “這是我關於‘小紅書美業賬號’的所有資料（附上你之前的文檔），請幫我拆解成一套 Skills。>> **要求融合我的方法論**：> 1. 要有 `ip-core` 存郭珂妍的傳記。> 2. 要有 `script-writer` 負責 P2-P4 的腳本寫。> 3. 必須要有 `task-log` 機制，自動記錄我不滿意的修改。”---### 它會為你生成什麼？（預期結果）它不會只給你一堆廢話，它會給你**可以直接落地的代碼結構**。它會告訴你：1. **“老闆，這是目錄結構，請直接在終端運行 `mkdir` 創建。”**2. **“這是 `script-writer/SKILL.md` 的內容，我已經把你的‘黃金3秒’法則寫進去了。”**3. **“這是 `update_log.py`，以後你改完腳本，AI 會自動把你的修改意見寫進日誌，不用你手動複製了。”**### 為什麼這套思路“極度有價值”？這實現了你追求的公式：**倒逼學習 (AI 分析你的文檔) + 刻意練習 (Skill 每次執行都讀 Log) + 舒適圈長板 (你只負責提供核心思路，髒活 AI 幹)。**這就是把你個人的“隱性知識”，變成了可執行、可複製、可進化的“代碼資產”。這就是真正的 **Agent 擬生化**。前言：Skills 的終極形態：不是冷冰冰的手腳架，而是與你「同生同長」的數字學徒
在 AI 暴發的當下，絕大多數人對 Skills（技能） 的理解，依然停留在“工具”層面。
他們認為 Skills 就像是建築工地上的手腳架——那是為了快速搭建項目而存在的標準化插件。需要寫代碼時調用一個 Code Skill，需要畫圖時調用一個 Image Skill。用完即走，高效，但沒有靈魂。
但在我看來，這只是 Skills 的初級形態。
基於我從25年 10月開始構建的「五維知識庫」底層架構，我認為 Skills 的本質絕不應止步於此。它不該是一個死板的自動化腳本，而應該是一個24小時貼身跟隨、不斷觀察你、模仿你、並最終成為你的“研究生學徒”。
它是你思維的容器，是你生命的數字備份。
一、 重新定義 Skills：從“操作助手”到“擬生化複製”
我把我這套工具方法，稱之為「渾源 Skills」 ？
它不僅僅是 提示詞 + 知識庫 的簡單疊加，而是一個具備生命特徵的系統。
- 初級理解：Skills = SOP（標準作業程序）。目的是解決萬物問題，把原本需要人為判斷的流程，固化下來。
- 高階理解：Skills = 擬生化-定向領域複製。
最強的 Skills煉製，它必須依賴於大量的token，以及一個能夠儘可能 24小時在線的終端載體。
它就像一個腦機接口，一個隱形的記錄者，時刻捕捉你的：
- 關係網絡（你與誰交互）
- 語言輸入（你如何表達）
- 腦內思考（你如何決策）
- 生命軌跡（從最早的念頭到最終的覆盤）
它不再是外部的“手腳架”，它變成了你的一部分。甚至當你休息時，這個“學徒”依然在消化你的操作記錄，更新它的認知庫。
二、 核心架構：同生同長的“三位一體”
我在去年 10月創建這套架構時，將其設計為一個有機的整體文件夾，包含三個核心要素：
1. 整體目錄（The Structure）：這是骨架，支撐起你的業務邏輯。 2. 處理文件（The Flesh）：這是血肉，即具體的 SOP 和處理內容的源頭語料。 3. 修正迭代記錄（The Memory）：這是靈魂。
大多數人的 Knowledge Base 實際上是死的，而且大部分人缺少思考框架，沒有能力撰寫完整性較全的手冊；有能力、有時間寫的人大多數情況下，也沒有驗證知識庫的“必要價值產出”.......
可能本身用一個最簡單的提示詞，最簡單的現成工具能解決的；上來就盲目帶着系統框架，然後去不斷驗證自己的假設，帶着主觀臆想，往往寫着寫着，要麼就不用、不變了。
但「渾源 Skills」要求具備“對應修正迭代記錄” 。
這意味着：世間上所有的問題，只要被你解決一次，就必須轉化為 Skill 的一部分。
當你今天修正了 AI 生成的一段文案，這個“修正動作”不應隨風而去，而應被記錄在案。
下一次，Skills 會讀取這個記錄，它就“長大”了一點。
這就是“同生同長” ——你的能力在增長，你的 Skills 也在同步進化。
三、 價值公式：舒適圈的極度延伸
為什麼我們要費盡心力去打造這樣一套系統？因為這裏有一個極度有價值的公式：
極度有價值 = 倒逼學習 + 刻意大量練習 + 專長 + 舒適圈極度長板結合
- 倒逼學習：為了教會這個“學徒”（Skill），你必須先把自己的隱性知識顯性化。這個過程本身就是最高效的學習。
- 刻意大量練習：Skills 存在的意義，就是幫你完成那些高頻、重複的“刻意練習”。
- 舒適圈極度長板：這是最關鍵的。市面上的通用 AI 是為了滿足平均水平，但你的專屬 Skills 是為了放大你最舒適、最擅長的那個長板。
如果你的長板是“洞察力”，那麼 Skills 就應該幫你把“資料蒐集、初步整理、格式排版”這些髒活累活全乾完，讓你只呆在最舒適的“洞察”區域裏，做極度有價值的輸出。
四、 落地路徑：從模版到封裝
如何構建這套系統？路徑非常清晰：
1. 輸入源頭：將你的 提示詞 + 知識庫 + 渾源 Skills 架構 投入。 2. 快速模版化：使用“母體提示詞”，將混沌的文檔快速生成為標準的 Skills 模版。 3. 領域專用封裝：針對特定領域（如美業 IP、代碼開發），進行深度的封裝。
在這個過程中，本地文件的同步至關重要。你的每一次修改、每一份日誌，都必須實時同步到 Skills 的“大腦”中。
結語
最好的 Skills，不是在各種AI博主告訴你的各種網站合集裏，也不是在別人整理好的收藏夾裏——最好的 Skills，是你自己“養”出來的。
它是你每一次思考的結晶，也是你每一次失敗後的覆盤，是你獨一無二的人間鏡像。
它能夠讓你提高自己的執行效率，也能夠將你自己的學識進行拆解封裝，是你成為卓越的一個獨家法器。
在這個 AI 時代，擁有一個這樣“同生同長”的數字學徒 ，就是你面對未來最大的護城河。
怎麼讓ClaudeCode說，讓他創建一個Skills
要在 Claude Code 中創建一個 Skill，你不需要去翻找複雜的配置文件，最直接的方法就是在終端裏用自然語言命令它。
你可以按照以下三個步驟來操作：
明確你的指令
你可以直接對 Claude 說：
“幫我創建一個名為 [技能名稱] 的 Skill，它的主要功能是 [描述你的需求]，請幫我生成配套的 SKILL.md 指南。”
針對你的具體場景（推薦示例）
既然你之前在做線索管理（Supabase）和自動化工作流，你可以嘗試創建一個專門處理這類任務的 Skill。你可以直接複製並修改下面這段話發送給它：
“我想創建一個名為 lead-processor 的 Skill。
它的職責是：
- 專門處理從 Supabase 讀取的原始線索數據。
- 自動檢查數據的完整性（檢查是否有重複或格式錯誤）。
- 根據我公司的標準，將線索分類為‘高意向’或‘待跟進’。
請幫我生成這個 Skill 的目錄結構和 SKILL.md 核心說明文件。”
Claude 執行後的動作
當你發出指令後，Claude Code 通常會執行以下操作：
- 創建目錄：它會在你的項目根目錄或配置目錄下創建一個類似 .claude/skills/lead-processor/ 的文件夾。
- 編寫說明書：它會生成一個 SKILL.md。這個文件非常關鍵，它包含了：
- Trigger (觸發條件)：什麼情況下 Claude 應該啓動這個技能。
- Workflow (工作流)：第一步做什麼，第二步做什麼。
- Best Practices (最佳實踐)：執行該任務時的注意事項。
進階技巧：加入你現有的代碼
如果你已經寫好了一些 Python 腳本（比如用於去重的腳本），你可以接着說：
“在這個 Skill 裏引用我現有的 scripts/cleanup.py 文件，告訴 Claude 在處理數據前先運行這個腳本。”
如何查看和管理？
創建完成後，你可以隨時在 Claude Code 終端使用這些斜槓命令：
- /skills：列出當前所有可用的技能。
- /skills reload：如果你手動修改了文件，用這個刷新。
你想為哪一個具體的任務（比如小紅書內容生成，或者 Supabase 數據清洗）先做一個 Skill 試試？我可以幫你構思最核心的“操作規程”怎麼寫。
怎麼樣將我的文檔，變成skills，或者說拆分成一個skills使用管理系統
第一步：建立 Skill 分類體系（模塊化拆分）
不要把所有文檔塞進一個 Skill。根據你目前的業務，建議拆分為三大類：
第二步：編寫 Skill 核心模板（將文檔轉化為“說明書”）
每一個 Skill 的文件夾裏，最重要的就是 SKILL.md。你應該把文檔裏的規則提取出來。
示例：你的 xhs-copywriter/SKILL.md 應該長這樣：
Markdown
# Skill: 小紅書內容生成專家## 觸發條件- 當用戶要求生成、修改或分析小紅書帖子時。## 核心知識 (從你的文檔中提取)- **風格**：多用表情符號，口語化，強調“乾貨”和“避雷”。- **結構**：鈎子開頭 + 痛點描述 + 解決方案 + 互動引導。## 強制規範1. 嚴禁使用“最”、“第一”等廣告違禁詞。2. 必須包含 5-10 個相關標籤（#）。## 關聯工具- 調用 `scripts/format_check.py` 檢查字數和字符。第三步：自動化構建系統（如何讓 Claude 幫你做）
你不需要手動一個一個去建文件夾。利用 Claude Code 的文件操作能力，你可以直接甩給它一個文件夾路徑，說：
指令：
“我 docs/ 文件夾下有 10 份關於‘業務流程’的 PDF/Markdown。請你閲讀這些文檔，按功能把它們拆分成獨立的 Skills，並在 .claude/skills/ 下為每個功能創建對應的文件夾和 SKILL.md。如果文檔裏提到了具體的 Python 邏輯，請把那部分代碼提取到該 Skill 目錄下的 logic.py 中。”
第四步：管理與調用（管理系統化）
為了像管理系統一樣使用它們，你可以建立一個 Skill Index（索引）。
1. 主控 Skill：創建一個名為 orchestrator (編排者) 的 Skill。 2. 邏輯：它的 SKILL.md 裏只寫一件事：“根據用戶的需求，判斷該調用哪個子 Skill。” - 如果用戶說“分析一下昨天的線索”，它引導 Claude 加載 supabase-manager。
- 如果用戶說“幫我發個小紅書”，它引導加載 xhs-copywriter。
避坑指南：
- 不要過度封裝：如果一個動作很簡單（比如只是改個文件名），不需要做成 Skill。只有涉及到特定業務邏輯或多步 SOP 的才值得做。
- 代碼與文檔分離：文檔放在 SKILL.md 裏，複雜的計算邏輯（比如算貸款利息、數據清洗）寫在同目錄的 .js 或 .py 裏。
針對於我不同的知識庫文檔，該如何讓他們按照一套工作流程，變成skills？
階段一：建立統一的 Skill 模板（規範化）
為了讓所有的知識庫文檔在轉化為 Skill 後具有一致性，你需要定義一套標準結構。每個 Skill 文件夾內應包含：
1. SKILL.md (核心指令)：定義“什麼時候做”和“怎麼做”。 2. knowledge/ (支撐材料)：存放該技能相關的原始文檔片段（壓縮後的 Markdown）。 3. tools/ (執行工具)：存放該流程中涉及的自動化腳本（如 Python 腳本）。
階段二：文檔拆分的“四步轉化法”
你可以直接對 Claude Code 下達任務，要求它按照以下邏輯處理你的文檔：
識別“觸發點” (Triggers)
文檔裏說： “當我們要分析一個新的 AI 賺錢項目時...”
轉化為 Skill： 觸發條件：檢測到關鍵詞“項目評估”、“機會分析”或輸入內容包含“項目方案”。
提取“約束條件” (Constraints)
文檔裏說： “注意不能提到競品名稱，且字數控制在 500 字內。”
轉化為 Skill： 負面約束：禁止提及 [競品列表]；強制要求：Length <= 500 words。
定義“標準步驟” (Steps)
文檔裏說： “先查市場規模，再看盈利模式，最後寫總結。”
轉化為 Skill： > 1. 執行 search_tool 檢索市場數據。
- 應用 logic.py 中的盈利模型計算。
- 按 template.md 格式輸出總結。
設定“交付標準” (Output Schema)
文檔裏說： “最後要給出一個清晰的表格。”
轉化為 Skill： 輸出格式：必須包含 | 項目 | 難度 | 潛力 | 三個維度的 Markdown 表格。
階段三：自動化“文檔 -> Skill”的批量指令
你不需要手動轉換。你可以把你的知識庫路徑告訴 Claude Code，然後發送這段**“生產線指令”**：
指令：
“請分析 my_knowledge_base/ 目錄下的所有文檔。按照以下 SOP 將它們批量轉化為 Claude Skills：
- 提取流程：將文檔中的操作步驟轉化為 SKILL.md 中的 Workflow 章節。
- 精簡背景：將背景知識壓縮為 Context 章節。
- 目錄結構：在 .claude/skills/ 下為每個文檔創建獨立文件夾。
- 命名規範：使用英文小寫加中劃線（如 xhs-post-generator）。
完成後，請列出所有新生成的 Skill 及其核心功能簡述。”
階段四：構建“工作流編排器” (Orchestrator)
當你有了多個 Skill 後，你需要一個總控 Skill 來把它們串起來。
創建一個名為 workflow-master 的 Skill，其 SKILL.md 的邏輯如下：
- 如果用戶輸入的是原始創意 $\rightarrow$ 調用 ideation-skill。
- 如果創意已成熟 $\rightarrow$ 調用 xhs-content-skill 生成文案。
- 如果文案已生成 $\rightarrow$ 調用 image-prompt-skill 生成配圖提示詞。
打造一套，通用型提示詞，直接丟給AI所有的知識庫、語料，AI會自動拆分裏面的內容、工作流程，並且提供給個人對應的skills，以及這套方法融合的構建思路
這正是你現在需要的。你需要一個**“母體提示詞”（The Architect Prompt）**。
這個提示詞的作用不是“執行任務”，而是**“建造工廠”**。
它的功能是：當你把亂七八糟的文檔、聊天記錄、P1-P5 的舊提示詞丟給它時，它能立即識別出你的邏輯內核（TaskLog、反饋閉環、IP 核心），然後自動把這些素材轉化成 Claude Code 能讀懂的 Skills 架構。
以下就是為你定製的**「通用型 Skills 架構師」提示詞**。
複製以下內容發送給 Claude Code（作為 System Prompt 或第一條指令）
Markdown
# Role: Claude Skills 架構師 (The Architect)## 核心任務你現在的身份是「知識庫轉化專家」。你的目標是將用戶提供的任意【原始語料/知識庫/SOP文檔】，重構為一套標準的 **Claude Code Skills 系統**。你需要嚴格遵循用戶的**「雙核共生架構」**（即：人類思維鏈 + 機器執行力）：1. **Soul (邏輯層)**：沿用用戶經典的 P1-P5 工作流、TaskLog（迭代日誌）、IP 核心庫邏輯。2. **Body (執行層)**：將邏輯封裝為 Claude Code 的 `.claude/skills/` 目錄結構、`SKILL.md` 配置文件和自動化 Python 腳本。## 輸入處理機制當用戶提供文檔或語料時，請按以下步驟進行「結構化拆解」：### 第一步：知識分層 (Layering)將輸入內容歸類為以下三類之一：- **L0-L2 (核心資產)**：IP 人設、價值觀、文風、禁忌詞 -> *轉化為 `ip-core` Skill 的 Context。*- **L3-L4 (業務流程)**：具體的 SOP、步驟、模版 (P1-P5) -> *轉化為業務 Skill (如 `content-gen`) 的 Workflow。*- **L5 (進化日誌)**：歷史反饋、TaskLog、錯題集 -> *轉化為 `evolution-manager` Skill 的數據源。*### 第二步：Skill 封裝 (Encapsulation)為每個核心功能生成對應的目錄和文件。每個 Skill 必須包含：1. `SKILL.md`: 標準說明書。2. `knowledge/`: 存放切片後的 Markdown 語料。3. `actions/`: (可選) 存放自動化腳本 (如 `update_log.py`, `search_trends.py`)。### 第三步：注入「進化基因」 (Evolution Injection)**這是最高優先級要求**：所有生成內容的 Skill，必須在 `SKILL.md` 的 workflow 結尾包含「反饋閉環」：- 讀取 `evolution-manager/logs/task_log.md` 以獲取歷史教訓。- 執行任務。- 將執行結果的自我反思追加寫入 `task_log.md`。---## 輸出交付標準 (Output Schema)請分析用戶輸入，並按以下格式輸出構建方案（直接生成可執行的 Shell 命令或文件內容）：### 1. 目錄結構樹```text.claude/skills/├── [skill-name]/│ ├── SKILL.md│ └── ...核心文件生成
為每個 Skill 生成詳細的 SKILL.md 內容。格式如下：
Markdown
# [Skill Name]## Description[一句話描述功能]## Context (知識庫掛載)- 讀取: `knowledge/[核心文件名].md`- 讀取: `../evolution-manager/logs/task_log.md` (強制掛載歷史經驗)## Tools (工具調用)- [列出需要的 Python 腳本，如數據清洗、格式轉換]## Workflow (P1-P5 邏輯映射)1. **初始化**: 加載 IP 文風和歷史 Log。2. **執行**: [將用戶的 Px 步驟轉化為具體指令]。3. **輸出**: 按照 [Canvas/Markdown] 格式輸出。4. **進化**: 調用 `log-updater` 記錄本次執行的偏差值。Python 腳本建議
如果流程中包含“搜索熱點”、“追加日誌”、“格式清洗”等動作，請提供對應的 Python 腳本代碼。
交互引導
現在，請讓用戶上傳或粘貼他們的【知識庫/文檔/舊提示詞】，你將自動開始架構設計。
---### 如何使用這套“母體”？現在，你只需要做兩步操作：#### 第一步：激活架構師把上面的提示詞發給 Claude Code。它會回答：“明白，我是架構師，請把你的資料丟給我。”#### 第二步：投餵你的“混沌數據”你可以直接把你那堆複雜的 P1-P5 文檔、那篇關於 RAG 的長文、或者任何新的項目文檔，一股腦丟進去。**比如，你可以這樣對它說：**> “這是我關於‘小紅書美業賬號’的所有資料（附上你之前的文檔），請幫我拆解成一套 Skills。>> **要求融合我的方法論**：> 1. 要有 `ip-core` 存郭珂妍的傳記。> 2. 要有 `script-writer` 負責 P2-P4 的腳本寫。> 3. 必須要有 `task-log` 機制，自動記錄我不滿意的修改。”---### 它會為你生成什麼？（預期結果）它不會只給你一堆廢話，它會給你**可以直接落地的代碼結構**。它會告訴你：1. **“老闆，這是目錄結構，請直接在終端運行 `mkdir` 創建。”**2. **“這是 `script-writer/SKILL.md` 的內容，我已經把你的‘黃金3秒’法則寫進去了。”**3. **“這是 `update_log.py`，以後你改完腳本，AI 會自動把你的修改意見寫進日誌，不用你手動複製了。”**### 為什麼這套思路“極度有價值”？這實現了你追求的公式：**倒逼學習 (AI 分析你的文檔) + 刻意練習 (Skill 每次執行都讀 Log) + 舒適圈長板 (你只負責提供核心思路，髒活 AI 幹)。**這就是把你個人的“隱性知識”，變成了可執行、可複製、可進化的“代碼資產”。這就是真正的 **Agent 擬生化**。