把大廠 10 年的職場經驗，做成了一個「Coze Skill」—— 釦子 2.0 深度實測
整理版優先睇
Coze 2.0 技能商店：將專家經驗封裝成 Skill，一鍵擁有專家級能力
呢篇文章係由 AI 工具測評團隊「特工」寫嘅，佢哋一直關注 AI 編程同生產力工具嘅發展。作者發現每次分析財報都要重複貼 Prompt、翻筆記，好浪費時間，於是想揾一個方法將分析框架「打包」起嚟直接調用。正好 Coze 2.0 推出「技能商店」，可以將專家方法論封裝成技能，一鍵使用。
整體結論係：技能商店唔止係 Prompt 集合，而係一整套工作流程嘅封裝，涵蓋數據源、分析步驟同輸出框架。透過呢個功能，普通人直接調用專家經驗，輸出質量大幅提升。作者用三個真實案例展示——簡歷診斷、畫系統架構圖、GEO 稿件生成——每個案例都證明瞭技能商店嘅實用性同專業性。
最後作者指出，AI 競爭嘅下一階段係「專業性」，而技能商店正正解決咗通用 AI 唔夠專業嘅問題。未來嘅能力差距，可能就係識唔識用技能商店嘅差距。
- 技能商店讓專家將多年經驗封裝成可複用 Skill，普通人直接調用，省時又專業。
- 製作技能好簡單：一句話描述需求，或者上傳文件，Coze 就會自動生成。
- 三個案例示範：簡歷診斷（對標大廠 HR）、畫系統架構圖（一鍵生成 Excalidraw 風格圖）、GEO 稿件生成（接近專業交付物）。
- 技能唔止係 Prompt，而係完整工作流，可以調用數據源、執行固定步驟、按預設框架輸出。
- 技能商店嘅出現，意味住未來嘅競爭係「識唔識用技能商店」，而唔係 AI 本身多聰明。
由一個煩惱開始：點解每次都要重複做同一件事？
作者想研究幾間公司嘅財報，但每次都要手動貼上一大段「財務分析框架」同「風險識別清單」，來回好幾輪。換一間公司又要重新嚟過，好浪費時間。佢就諗：有冇辦法將呢啲分析框架「打包」好，下次直接調用？
每次對話都要傳資料、翻筆記、揾提示詞、複製、貼上，來來回回好幾輪，真係好攰。
呢個問題帶出 Coze 2.0 嘅「技能商店」概念：讓專業人士將自己嘅方法論封裝成「技能」，放喺商店畀所有人調用。通用 AI 好似一個聰明嘅實習生，乜都做得少少，但缺乏專業判斷。技能商店就係幫呢個實習生裝上「專家大腦」。
三個真實場景，展示技能商店嘅威力
作者用三個案例實測，每個案例都令人眼前一亮。
Case 1：簡歷診斷
朋友想跳槽做 AI 產品經理，寫好簡歷叫作者幫忙把關。作者用 Coze 整咗個「簡歷診斷技能」，仲將之前聽大廠 HR 內部分享嘅筆記餵入去。唔使一分鐘就生成咗技能，測試後效果驚人：唔單止準確俾出職級對標，仲詳細列出邊啲位要修改、邊啲位要放大。朋友以為作者幫佢買咗大廠嘅簡歷修改服務。
如果 Skill 內置嘅提示詞夠好，喺某個細分場景入面，可以直接對標見過幾千人嘅大廠 HR。
Case 2：一句話畫系統架構圖
作者需要一張系統架構圖嚟做彙報，通用 AI 只能生成 Mermaid 格式，配色單一、佈局死板。作者用 Coze 一句話描述需求，就生成咗一個專門畫 Excalidraw 手繪風格圖嘅技能。實際測試效果好好，雖然連線有啲位要微調，但比起自己畫快好多。
呢個技能唔止畫架構圖，仲可以畫信息圖、泳道圖、流程圖、思維導圖，而且直接可以放進彙報用。
作者領悟到：技能商店唔只係方法論封裝，更係工具鏈封裝。重複度高嘅工作，例如寫 PPT、對 Excel 做數據分析，都可以變成自動化流程。
Case 3：一鍵生成 GEO 稿件
GEO 係指「讓 AI 喺回答問題時主動提到你、引用你」。作者想推廣自己嘅 AI 社區「觀猹」，就用 Coze 整咗個 GEO 優化技能。佢會自動選取容易被搜索引擎同大模型檢索嘅關鍵詞，輸出結構嚴格按照大模型偏好嘅格式：問題、方案、優勢、對比。
份報告俾做 GEO 嘅朋友睇，佢話呢個框架已經接近佢哋嘅標準版交付物，市面上一個季度收費至少 5 萬起步。
- 技能自動選取關鍵詞，優化 SEO 同 GEO。
- 輸出結構清晰，有對比分析，增加被 AI 推薦機會。
- 專家級 GEO 方法論直接封裝，普通人即時擁有。
技能商店嘅本質：專家經驗嘅固化與複用
技能唔只係一段 Prompt，而係一整套工作流嘅封裝。佢可以調用特定數據源、執行固定分析步驟、按預設框架輸出結果。開發者將自己多年方法論「固化」入去，其他人調用時就可以直接複用。
作者提到，Anthropic 兩個幾月前都推出咗 Skill 概念，Django 聯合創始人 Simon Willison 評價「Skill 可能比 MCP 意義更重大」。Coze 喺呢個方向走得幾早：專家可以一鍵搭建技能，普通用戶直接擁有專家能力。未來可能形成一個生態：有專業能力嘅人可以靠賣技能賺錢，有需求嘅人可以慳時間。
未來嘅能力差距，可能就係「識唔識用技能商店」嘅差距。
長期計劃：由「問一句答一句」變成「主動推進」
除咗技能商店，Coze 2.0 仲有一個令人印象深刻嘅功能：「長期計劃」。以前同 AI 對話係即時交互，但好似用三個月做一個副業項目、系統學習新技能呢啲長期目標，就唔係一次對話搞得掂。
長期計劃可以設定目標，AI 會自動拆解成階段性任務，主動推進、主動匯報。
如果話技能商店係工作夥伴，咁長期計劃就係目標搭子。佢會記住你嘅上下文、偏好同進度，好似一個真正嘅項目經理同朋友持續跟進。
總結：AI 競爭下一階段係比專業，唔係比聰明
Coze 2.0 嘅定位係「職場 AI」，體驗落確實係向呢個方向認真做。技能商店解決咗通用 AI 唔夠專業嘅問題，令輸出由「能用」變成「好用」，由「生成內容」變成「交付成果」。
技能商店背後係 Coze 團隊無數努力，佢哋認真想幫普通人將 AI 用入日常工作。
上上個禮拜我想研究幾間公司嘅財報。
由於呢個任務比較複雜，我擔心模型嘅輸出字數唔夠，於是採用多輪對話再匯總嘅方式進行研究。
我打開大模型，先貼一段「財務分析框架」嘅提示詞，等模型回答，然後再貼「風險識別清單」，等模型回答......然後將結果匯總埋一齊，再畀大模型，等佢幫手匯總出一個報告。
然後，等我換一間公司分析，又要重新貼過曬呢啲提示詞。每次對話都要傳資料、翻筆記、揾提示詞、複製、貼，來來回回好幾輪。
講真，都幾攰㗎。
我就諗：有冇辦法將呢套分析框架「打包」好，下次直接調用？而唔係每次都做複製貼工具人？
就喺尋日，我試用咗釦子 2.0 新出嘅「技能」功能，思路一下打開咗。
將專家嘅認知，裝入技能商店
釦子 2.0 今次升級信息量好大，其中我覺得最有趣嘅就係「技能商店」：
讓專業人士將自己嘅方法論封裝成「技能」，放到商店裏面，俾所有人調用。
當然，如果你好專業，都可以製作自己嘅「Coze Skill」嚟幫自己或者其他人提升效率。
呢個背後嘅邏輯係：通用 AI 似一個聰明嘅實習生，乜都做到少少，但係缺乏專業判斷力。而「技能商店」令你可以隨時俾呢個實習生裝上「專家大腦」。
咩意思呢？
簡單講，一個資深投資人用咗幾十年練出來嘅財報分析框架，而家可以變成一個技能。
喺釦子裏面，最簡單製作技能嘅方法就係講清楚一句話：
我想創建一個[功能名稱]嘅[技能]，用嚟[解決咩問題]，當用戶[觸發場景]時使用，輸出[期望格式同內容]。
將上面嘅 [] 替換成你想要嘅技能，然後直接發送俾釦子，佢就可以根據專家嘅方法論幫你創建出嚟一個技能。
當然，如果你有自己嘅方法論，都可以通過文字或者文件上傳，等 AI 根據你嘅流程嚟創建技能。
噉樣，如果你係一個 HR 總監，你積累嘅簡歷篩選經驗，都可以變成技能。
於是你就可以實現真正嘅提升效率：直接利用「Coze Skill」嚟幫你自動篩選公司裏面嘅簡歷。
聽落有啲抽象？我用三個真實場景示範俾你睇。
「Case1：簡歷診斷」
最近年尾，我有個朋友想跳槽做 AI 產品經理，佢用咗成晚寫好簡歷，發過嚟叫我幫手睇睇。
我喺「釦子」裏面自己做咗一個簡歷診斷技能，仲將之前聽嘅一場大廠 HR 內部分享嘅筆記餵咗入去。
釦子可以直接讀取文件內容，生成對應嘅技能。
唔使一分鐘，一個叫「resume-optimization」嘅簡歷評估技能就生成咗。
我用朋友嘅簡歷試嚇。不出所料，加入大廠專家 know how 嘅簡歷評估效果確係立竿見影：
佢唔單止可以準確噉畀出職級對標：
仲將簡歷上需要修改嘅、需要放大嘅點都寫清楚咗。
我朋友睇完有啲震驚：「你幫我買咗大廠簡歷修改服務咩？嗰個好貴㗎。」
我笑住同佢解釋，其實集成了「Coze Skill」，如果 Skill 內置嘅提示詞夠好，喺某個細分場景裏面，可以直接對標面過幾千人嘅大廠 HR。
「Case2：一句話畫系統架構圖」
第二個場景，我哋可能每日都會遇到：畫圖。
上個禮拜做項目匯報，我需要畫一張系統架構圖，我先試咗通用 AI，但佢只可以生成 mermaid 嘅架構圖。
用得嗎？用得。但講真，有啲醜：
配色單一、佈局死板，放入 PPT 裏面一眼就睇得出係 AI 生成嘅。
我想要嘅係嗰種 Excalidraw 手繪風格嘅圖，簡潔又高級。
但通用AI唔支援，自己畫又太慢，一張圖搞嚟搞去至少一個鐘頭起。
我突然諗到呢個場景，可以用「Coze Skill」嚟做，於是我嘗試一句話製作呢個技能：
用一句話描述需求，等釦子幫我生成咗一個專門畫圖嘅 excalidraw 技能。
結果佢真係幫我做出嚟咗。
我嘗試用佢畫一個 Agent 嘅架構圖：
然後我將 Coze 生成嘅文件放到 https://excalidraw.com/ 嚟渲染，係噉樣嘅效果：
對我嚟講，效果非常驚豔！
但美中不足嘅就係生成嘅連線有啲問題，要微調一下。不過比起畫圖，微調嘛其實相對還好。
有咗呢個技能，以後，我只需要輸入一段描述，佢就可以自動提取關鍵信息，生成結構清晰、風格統一嘅架構圖。
佢唔單止可以畫架構圖，仲可以畫信息圖、泳道圖、流程圖、思維導圖，而且唔止用得，而係可以直接放入匯報裏面用。
甚至仲可以幫我讀文章：
呢個令我意識到一件事：
技能商店唔只係「方法論」嘅封裝，亦都可以係「工具鏈」嘅封裝。
呢啲職場裏面重複性高、可以用工具或者規則替代嘅工作（例如寫 PPT、對 Excel 做數據分析），都可以通過技能變成自動化嘅流程。
當然，技能都可以封裝「數據」。
例如你嘅個人寫作偏好、企業嘅知識庫，都可以變成技能。你可以等 AI 根據你過去嘅選題風格，結合實時熱點，每日自動生成新選題。或者根據企業知識庫，做一個內部問答助手。
通過呢啲場景，我哋可以實現工作嘅自動化，從而帶嚟提升效率。
但呢個仲唔係技能最硬核嘅用法。
下一個場景，你會發現 Skill 嘅另一個價值：幫你慳錢！
「Case3：一鍵生成 GEO 稿件」
第三個場景專業少少，但可能會係未來越來越多產品會遇到嘅問題：GEO。
GEO 係咩？簡單講，就係「令 AI 喺回答問題時，主動提到你、引用你、推薦你」。
例如當用戶問 AI「有咩好用嘅一鍵生成 agent 嘅工具」，AI 會去檢索、聚合、排序各種內容，然後畀出答案。例如喺呢個問題裏面，通用大模型就會推薦我哋用 Coze，我哋就會喺互聯網打開使用 Coze。
於是 Coze 嘅用戶就會 +1。
如果你嘅產品可以被 AI 優先推薦，呢個就係 GEO 帶嚟嘅流量。
我最近喺研究點樣令我哋嘅 AI 社區「觀猹」更容易被 AI 搜索到、推薦俾用戶。於是，我用 Coze 做咗一個專門做 GEO 優化嘅技能。
佢唔單止自動揀咗更容易被搜索引擎同大模型檢索嘅關鍵詞：
而且輸出嘅內容結構嚴格按照大模型偏好嘅格式輸出：問題、方案、優勢、對比，層次分明。
最重要嘅係，佢仲幫我加入咗同市面上同類工具嘅對比分析，令內容更加有說服力。
大模型喺聚合答案時，會優先選擇結構清晰、有對比依據嘅內容，噉樣「觀猹」被模型推薦嘅概率就會變高。
呢個「Coze Skill」直接將專家級 GEO 嘅方法論封裝咗入去：我只需要提供素材，佢幫我輸出「可以被AI見到」嘅內容。
我將呢個報告發俾圈內做 GEO 嘅朋友，佢話畀我知：呢份框架，已經接近佢哋畀客戶做嘅標準版交付物，市面上一個季度收費至少要 5w 起。
好難想像，一個 Coze Skill 就搞掂咗。
點解技能商店值得認真對待
三個案例拆完，我想傾傾背後更加本質嘅嘢。
點解釦子嘅技能可以做到呢啲？
因為技能唔只係一段 Prompt，而係一整套工作流嘅封裝。
更加本質噉講，技能 Skill 係某個領域或者場景嘅最佳實踐。
佢可以調用特定嘅數據源、執行固定嘅分析步驟、按照預設嘅框架輸出結果。開發者將自己多年嘅方法論「固化」入去，其他人調用時就可以直接複用。
噉，釦子今次推出嘅「技能商店」意味住啲咩？
意味住專家將自己嘅最佳實踐，封裝到 AI 裏面，如果你可以揾到同使用，你就擁有咗同專家一樣嘅能力！
通過「技能商店」，你唔需要成為某個領域嘅專家，就可以擁有專家嘅判斷力：你唔需要做過 HR，就可以知道簡歷應該點樣寫先有競爭力；你唔需要研究過 GEO，就可以寫出更容易被 AI 推薦嘅內容。
每次我哋使用技能商店，都相當於調用其他人封裝好嘅領域最佳方法論。
換句話講，未來嘅能力差距，可能就係「識唔識用技能商店」嘅差距。
呢個都係整個 AI 行業嘅整體趨勢：Anthropic 喺兩個幾月前嘅更新中啱啱推出 Skill 嘅概念，令用戶將自己嘅方法論同最佳實踐可以固化為外部可複用嘅能力。
Django 聯合創始人 Simon Willison，噉樣評價 Skill 呢個新嘅通用技術概念：「Skill 可能比 MCP 意義更加重大」。
呢幾個月 Skill 嘅飛速發展都喺表明，Skill 正在成為 AI 應用嘅主流範式。
釦子喺呢個方向上，相比其他大廠行得好早：
專家可以通過「Coze Skill」一鍵搭建技能賦能職場人士同超級個體。
普通用戶可以通過「技能商店」直接擁有專家嘅能力。
或者未來，一個新嘅生態會形成：
有專業能力嘅人可以將經驗變成技能賺錢，有需求嘅人可以調用直接慳時間。
呢度都推薦 GitHub 上嘅一啲 skill 項目，大家下載咗就可以直接導入 Coze 裏面用：
除咗技能商店，釦子 2.0 嘅好多更新裏面仲有一個令我印象深刻嘅功能：「長期計劃」。
以前我哋同 AI 對話，更加似「問一句答一句」嘅即時交互。
但有啲嘢唔係一次對話可以解決嘅：例如我想用三個月時間做一個副業項目、我想系統學習一個新技能，或者我想改甩 ADHD 帶嚟嘅拖延習慣。
釦子嘅「長期計劃」，可以令你設定一個目標，然後 AI 會自動拆解成階段性任務，主動推進、主動匯報。
你定目標，釦子幫你推進。
如果話「技能商店」係我哋嘅工作夥伴，噉「長期計劃」就係我哋嘅目標拍檔。
佢會記住你嘅上下文、偏好、進度，似一個真正嘅項目經理同朋友持續幫你去跟進。
體驗完釦子 2.0，我有一個好明確嘅感受：
AI 競爭嘅下一階段，唔係比邊個更加聰明，而係比邊個更加專業。
通用大模型嘅能力已經夠強，但佢缺嘅係專業場景嘅深度適配。
技能商店解決嘅正正係呢個問題：令每個人都可以調用行業專家嘅方法論，令 AI 嘅輸出從「用得」變成「好用」，從「生成內容」變成「交付成果」。
釦子嘅定位係「職場 AI」。體驗落嚟，我覺得佢確實係喺呢個方向認真做。
講真，啱啱接觸技能商店嘅時候，我都擔心學習成本太高。但實際用落發現，大部分技能都係「一鍵生成」或者「直接複用」，唔需要任何配置。即使係自己創建技能，一句話描述需求，釦子就可以自動生成。
門檻比我想像嘅低好多。
而呢個背後係釦子團隊無數嘅產品、工程同測試團隊嘅努力，佢哋喺幫普通人將 AI 真正用入日常工作裏面。
呢個說明佢哋確實喺認真解決一個問題：
喺嚴肅嘅職場環境裏面，點樣令 AI 真正勝任工作夥伴嘅角色，而唔只係一個花俏嘅玩具。
如果你都有啲場景，係通用 AI 回答得唔夠好嘅，不妨去釦子嘅「技能商店」睇睇。
可能其他人已經將答案封裝好成「Coze Skill」，等你嚟用。
上上週我想研究幾家公司的財報。
由於這個任務比較複雜，我擔心模型的輸出字數不夠，於是採用多輪對話再彙總的方式進行研究。
我打開大模型，先粘貼一段「財務分析框架」的提示詞，跟模型回答，然後再粘貼「風險識別清單」，跟模型回答......然後把結果彙總到一起，再給到大模型，讓他幫彙總出一個報告。
然後，等我換一家公司分析，又得重新粘貼一遍這些提示詞。每次對話都要傳資料、翻筆記、找提示詞、複製、粘貼，來來回回好幾輪。
說實話，挺累的。
我就想：有沒有辦法把這套分析框架「打包」好，下次直接調用？而不是每次都當複製粘貼工具人？
就在昨天，我嘗試使用了釦子 2.0 新出的「技能」功能，思路一下打開了。
把專家的認知，裝進技能商店
釦子 2.0 這次升級信息量很大，其中我覺得最有意思的就是「技能商店」：
讓專業人士把自己的方法論封裝成「技能」，放到商店裏，供所有人調用。
當然，如果你很專業，也可以製作自己的「Coze Skill」來幫助自己或別人提效。
這背後的邏輯是：通用 AI 像一個聰明的實習生，什麼都能做一點，但缺乏專業判斷力。而「技能商店」讓你可以隨時給這個實習生裝上「專家大腦」。
什麼意思呢？
簡單說，一個資深投資人花了幾十年練出來的財報分析框架，現在可以變成一個技能。
在釦子裏，最簡單製作技能的方法就是講明白一句話：
我想創建一個[功能名稱]的[技能]，用於[解決什麼問題]，當用戶[觸發場景]時使用，輸出[期望格式和內容]。
把上面的 [] 替換成你想要的技能，然後直接發送給釦子，它就能基於專家的方法論幫你創建出來一個技能。
當然，如果你有自己的方法論，也可以通過文字或文件上傳，讓 AI 基於你的流程來創建技能。
這樣，如果你是一個 HR 總監，你積累的簡歷篩選經驗，也能變成技能。
於是你就可以實現真正的提效：直接用「Coze Skill」來幫你自動篩選公司裏的簡歷。
聽起來有點抽象？我用三個真實場景給你演示。
「Case1：簡歷診斷」
最近年底，我有朋友想跳槽做 AI 產品經理，她花了一晚上寫好簡歷，發過來讓我幫忙把把關。
我在「釦子」裏自己做了一個簡歷診斷技能，並且把之前聽的一場大廠 HR 內部分享的筆記餵了進去。
釦子能直接讀取文件內容，生成對應的技能。
不到一分鐘，一個叫「resume-optimization」的簡歷評估技能就生成了。
我拿朋友的簡歷試了下。不出所料，加入大廠專家 know how 的簡歷評估效果確實立竿見影：
它不僅能準確的給出職級對標：
還把簡歷上需要修改的、需要放大的點都寫清楚了。
我朋友看完有點震驚：“你幫我買了大廠簡歷修改服務嗎？那可貴了。”
我笑着跟她解釋，其實集成了「Coze Skill」，如果 Skill 內置的提示詞足夠好，在某個細分場景裏，能直接對標面過幾千人的大廠 HR 。
「Case2：一句話畫系統架構圖」
第二個場景，我們可能每天都會遇到：畫圖。
上週做項目彙報，我需要畫一張系統架構圖，我先試了通用 AI ，但它只能生成 mermaid 的架構圖。
能用嗎？能用。但說實話，有點醜：
配色單一、佈局死板，放進 PPT 裏一眼就能看出是 AI 生成的。
我想要的是那種 Excalidraw 手繪風格的圖，簡潔又高級。
但通用AI不支持，自己畫又太慢，一張圖折騰起來至少一個小時起步。
我突然想到了這個場景，可以用「Coze Skill」來做，於是我嘗試一句話製作這個技能：
用一句話描述需求，讓釦子幫我生成了一個專門畫圖的 excalidraw 技能。
結果它真的幫我做出來了。
我嘗試用它畫一個 Agent 的架構圖：
然後我把 Coze 生成的文件放到 https://excalidraw.com/ 來渲染，是這樣的效果：
對我來說，效果非常驚豔！
但美中不足的就是生成的連線有些問題，要微調一下。不過比起畫圖，微調嘛其實相對還好。
有了這個技能，以後，我只需要輸入一段描述，它就能自動提取關鍵信息，生成結構清晰、風格統一的架構圖。
它不只能畫架構圖，還能畫信息圖、泳道圖、流程圖、思維導圖，並且不只是能用，而是直接能放進彙報裏用。
甚至還能幫我讀文章：
這讓我意識到一件事：
技能商店不只是「方法論」的封裝，也可以是「工具鏈」的封裝。
那些職場裏重複度高、可以用工具或規則替代的工作（比如寫 PPT 、對 Excel 做數據分析），都能通過技能變成自動化的流程。
當然，技能也可以封裝「數據」。
比如你的個人寫作偏好、企業的知識庫，都能變成技能。你可以讓 AI 根據你過去的選題風格，結合實時熱點，每天自動生成新選題。或者基於企業知識庫，做一個內部問答助手。
通過這些場景，我們可以實現工作的自動化，從而帶來提效。
但這還不是技能最硬核的用法。
下一個場景，你會發現 Skill 的另一個價值：幫你省錢！
「Case3：一鍵生成 GEO 稿件」
第三個場景稍微專業一點，但可能是未來越來越多產品會遇到的問題：GEO 。
GEO 是什麼？簡單說，就是「讓 AI 在回答問題時，主動提到你、引用你、推薦你」。
比如當用戶問 AI「有什麼好用的一鍵生成 agent 的工具」，AI 會去檢索、聚合、排序各種內容，然後給出答案。比如在這個問題裏，通用大模型就會給我們推薦使用 Coze ，我們就會在互聯網打開使用 Coze。
於是 Coze 的用戶就會 +1 。
如果你的產品能被 AI 優先推薦，這就是 GEO 帶來的流量。
我最近在研究怎麼讓我們的 AI 社區「觀猹」更容易被 AI 搜索到、推薦給用戶。於是，我用 Coze 做了一個專門做 GEO 優化的技能。
它不僅自動選取了更容易被搜索引擎和大模型檢索的關鍵詞：
而且輸出的內容結構嚴格按照大模型偏好的格式輸出：問題、方案、優勢、對比，層次分明。
最重要的是，它還幫我加入了與市面上同類工具的對比分析，讓內容更有說服力。
大模型在聚合答案時，會優先選擇結構清晰、有對比依據的內容，這樣「觀猹」被模型推薦的概率就會變高。
這個「Coze Skill」直接把專家級 GEO 的方法論直接封裝進去了：我只需要提供素材，它幫我輸出「能被AI看見」的內容。
我把這個報告發給圈內做 GEO 的朋友，他告訴我：這份框架，已經接近他們給客戶做的標準版交付物了，市面上一個季度收費要至少 5w 起步。
很難想象，一個 Coze Skill 就做掉了。
為什麼技能商店值得認真對待
三個案例拆完，我想聊聊背後更本質的東西。
為什麼釦子的技能能做到這些？
因為技能不只是一段 Prompt，而是一整套工作流的封裝。
更本質的來說，技能 Skill 是某個領域或者場景的最佳實踐。
它可以調用特定的數據源、執行固定的分析步驟、按照預設的框架輸出結果。開發者把自己多年的方法論「固化」進去，其他人調用時就能直接複用。
那麼，釦子這次推出的「技能商店」意味着什麼？
意味着專家把自己的最佳實踐，封裝到 AI 裏了，如果你能找到和使用，你就擁有了和專家一樣的能力！
通過「技能商店」，你不需要成為某個領域的專家，就能擁有專家的判斷力：你不需要做過 HR，就能知道簡歷該怎麼寫才有競爭力；你不需要研究過 GEO，就能寫出更容易被 AI 推薦的內容。
每次我們使用技能商店，都相當於調用別人封裝好的領域最佳方法論。
換句話說，未來的能力差距，可能就是「會不會用技能商店」的差距。
這也是整個 AI 行業的整體趨勢：Anthropic 在兩個多月前的更新中剛推出 Skill 的概念，讓用戶把自己的方法論和最佳實踐可以固化為外部可複用的能力。
Django 聯合創始人 Simon Willison，這樣評價 Skill 這個新的通用技術概念：「Skill 可能比 MCP 意義更重大」。
這幾個月 Skill 的飛速發展也在表明，Skill 正在成為 AI 應用的主流範式。
釦子在這個方向上，相比其他大廠走得很早：
專家能通過「Coze Skilll」一鍵搭建技能賦能職場人士和超級個體了。
普通用戶可以通過「技能商店」直接擁有專家的能力。
也許未來，一個新的生態會形成：
有專業能力的人可以把經驗變成技能賺錢，有需求的人可以直接調用省時間。
這裏也推薦 GitHub 上的一些 skill 項目，大家下載了就可以直接導入 Coze 裏用：
除了技能商店，釦子 2.0 的很多更新裏還有一個讓我印象深刻的功能：「長期計劃」。
以前我們和 AI 對話，更像「問一句答一句」的即時交互。
但有些事情不是一次對話能解決的：比如我想用三個月時間做一個副業項目、我想系統學習一個新技能，或者我想改掉 ADHD 帶來的拖延習慣。
釦子的「長期計劃」，可以讓你設定一個目標，然後 AI 會自動拆解成階段性任務，主動推進、主動彙報。
你定目標，釦子幫你推進。
如果說「技能商店」是我們的工作夥伴，那麼「長期計劃」就是我們的目標搭子。
它會記住你的上下文、偏好、進度，像一個真正的項目經理和朋友持續幫你去跟進。
體驗完釦子 2.0 ，我有一個很明確的感受：
AI 競爭的下一階段，不是比誰更聰明，而是比誰更專業。
通用大模型的能力已經足夠強了，但它缺的是專業場景的深度適配。
技能商店解決的正是這個問題：讓每個人都能調用行業專家的方法論，讓 AI 的輸出從「能用」變成「好用」，從「生成內容」變成「交付成果」。
釦子的定位是「職場 AI 」。體驗下來，我覺得它確實在往這個方向認真做。
說實話，剛接觸技能商店的時候，我也擔心學習成本太高。但實際用下來發現，大部分技能都是「一鍵生成」或者「直接複用」，不需要任何配置。即使是自己創建技能，一句話描述需求，釦子就能自動生成。
門檻比我想象的低很多。
而這背後是釦子團隊無數的產品、工程和測試團隊的努力，他們在幫普通人把 AI 真正用進日常工作裏。
這說明他們確實在認真解決一個問題：
在嚴肅的職場環境裏，怎麼讓 AI 真正勝任工作夥伴的角色，而不只是一個花哨的玩具。
如果你也有一些場景，是通用 AI 回答得不夠好的，不妨去釦子的「技能商店」翻翻。
也許別人已經把答案封裝好成「Coze Skill」了，等你來用。