裝了一堆 Skill，為什麼最後都刪了？
整理版優先睇
裝咗一堆 AI Skill 最後都刪曬？因為你搞錯咗：應該先有場景，先決定乜嘢可以「唔做」，先係人機協作嘅核心。
呢篇文章源自一篇播客嘅對話，作者反思咗自己同朋友學習 AI 嘅經歷：朋友刷曬成堆教程，最後唔知用嚟做乜。作者發現，問題唔係 Skills 唔夠多，而係搞錯咗順序——要先有具體場景，先諗清楚邊啲重複工作可以交俾 AI，唔係一味裝 Skills。
文章引用咗播客來賓 settle 同灰灰嘅觀察，指出一個 Skill 值得留低只有兩個原因：幫你解決每日重複嘅任務，或者補足你完全唔擅長嘅領域。作者進一步分析點解「網紅 Skill」裝完又刪，因為佢哋解決唔到你真實嘅工作痛點。跟住討論咗「失控感」嘅轉變：一年前驚 AI 失控，而家大家默默接受 open cloud 權限，但責任始終喺自己身上。作者提出信任 AI 嘅同時，關鍵決策點（需求定義、架構劃分、驗收標準）一定要自己把握。
最後，作者總結咗人機協作嘅新常態：代碼細節可以唔睇，但系統思維不能放棄；知識嘅黑暗資產可以靠 Skill 盤活。AI 最大嘅改變係令你有勇氣「唔做」——放棄執行細節，但保留定義權力。
- Skill 真正值得用只有兩種：解決每日重複工作，或補足你完全唔擅長嘅領域。
- 信任 AI 換嚟效率，但責任永遠喺你身上；關鍵決策點（需求、架構、驗收）唔可以假手於人。
- 人嘅差異化唔在於技術棧，而係領域知識、審美同對用戶需求嘅理解深度。
- 價值從「代碼工匠」轉移到「系統架構師」：唔睇代碼細節，但要睇架構地圖。
- AI Skill 可以盤活「黑暗資產」——將儲存咗但永不翻睇嘅筆記變成可檢索、可關聯嘅知識庫。
Landing Page 人機協作工作流
1. 去 Dribbble/Twitter 揾參考圖，揾到「想要嘅感覺」；2. 將參考圖俾 ChatGPT 生成幾版圖片風格；3. 揀最滿意嘅版本；4. 叫 ChatGPT 將圖片素材分層、提取；5. 將素材同風格描述俾 Codex 實現代碼。
點解裝咗一堆 Skill，最後都刪曬？
播客來賓 settle 提出一個判斷標準：一個 Skill 值唔值得用，只要睇兩件事。第一，佢係咪幫你解決「每日都要做嘅重複性工作」？第二，佢係咪幫你彌補「你完全唔擅長嘅領域」？
安裝量最高嘅 Skill 例如 react best practices、tailwind 配套，正正因為解決重複問題。但真正令作者驚訝嘅，係可以完成驗證閉環嘅 Skill，例如 Playwright、Computer Use 呢類端到端測試。灰灰話：「只有 agent 能自己做到真實驗證，開發任務先可以閉環。」
驗證呢步對人來講太慢，但 AI 可以喺你飲咖啡嗰陣跑曬 50 個 case 仲俾截圖你睇。呢個就係 Skill 嘅真正價值：唔係「做到某件事」，而係「幫你慳返某個重複決策」。
啲網紅 Skill——模擬馬斯克聊天、大廠風格 PPT——好多人都裝完又刪，唔係佢哋唔好，而係你唔做嗰樣嘢，佢再強都同你無關。
失控感：我哋係點樣一步步放低嘅？
一年前大家驚 AI 失控，一年後幾乎冇人再提。一下分享佢去年想將每日靈感掉俾 AI 處理，評論區第一反應係「裝監控？」但而家 open cloud 權限咁大都默認咗。
灰灰一句話點醒作者：「你以為 AI 可以跪低道歉，但真正出事時，要道歉嘅係你。」
信任 AI 嘅本質係一種「責任自負」嘅偷懶。作者做法係：AI 寫完 code 叫 Claude Code review 一次，再俾免費 ChatGPT 交叉 review，兩者都通過先合入。雖然效率高咗，但偶爾會慌：如果兩個 AI 同時犯同一個結構性錯誤呢？責任 100% 喺你度。
結論：越信任 AI，越要喺「關鍵決策點」保持清醒。邊啲係關鍵決策點？
- 1 需求定義——你到底要做啲乜？
- 2 架構劃分——模塊邊界喺邊度？
- 3 驗收標準——點樣算「做完」？
呢三件事建議自己把關，至於 code 點寫、測試點跑，交俾 AI 就得。
大家都用差唔多嘅技術棧，差異化喺邊？
AI 推薦嘅技術棧高度趨同：Claude Code 寫前端大概率 React + Tailwind + Next.js，Codex 都差唔多。當 80% 人都用同一套嘢，差異化唔係技術棧本身，而係你嘅領域知識、審美、對用戶需求嘅理解深度。
settle 分享嘅 landing page 工作流係個好例子：唔直接叫 AI 生成 code，而係先揾參考圖、叫 ChatGPT 出風格版本、揀最滿意嘅、再分層提取素材，最後先俾 Codex 實現代碼。
呢個工作流核心唔係「AI 生成了乜」，而係你喺每一步嘅「選擇」。AI 幫你展開可能性，你做收斂決策。呢個就係未來最核心嘅人機協作模式。
用呢個方法做出嚟嘅 landing page，真係唔似 AI 整嘅，因為風格係參考人類設計師，素材係拆出嚟，AI 只負責最終實現。
代碼品味已死，系統思維永生
一下而家嘅工作流係：基本唔睇 code 細節，只睇 git diff 入面文件改動係咪喺「架構地圖」合理範圍內。API 設計好唔好睇、命名規唔規範，呢啲以前嘅潔癖全部放棄咗。
呢個唔係偷懶，而係價值轉移。AI 寫 code 能力遠超大部分人摳細節嘅水平，但對系統理解仲係碎片化。所以人嘅價值變成由「代碼工匠」轉移去「系統架構師」。
點樣盤活「再也不睇」嘅筆記？
一下做咗件事：將所有播客文字稿、微信讀書嘅筆記透過 Skill 自動同步到個人知識庫，編譯成結構化知識——例如呢期講咗邊個、涉及乜產品、核心觀點，獨立成篇。
佢話：「我以前喺 Bear 度存咗好多筆記，因為長期待唔睇，換軟件時連導都懶得導，直接刪咗。但而家 Skill 可以將呢啲『黑暗資產』盤活。」
我哋個個都有呢啲「儲存但永不翻睇」嘅數碼資產。AI Skill 嘅價值就係將「儲存」變成「可檢索、可關聯、可激活」——令你 5 年前隨手寫嘅一句話，喺你需要時準確推送俾你。
作者都開始用呢個方法：將 flomo 嘅零碎諗法導出，叫 AI 分類、打標籤、做關聯。3 年前嘅好多諗法，而家已經變咗產品功能。你唔係喺度「生產知識」，而係「開採」過去嘅自己。
寫在前面
最近有個事兒讓我挺感慨的。
我一個朋友，花了兩週時間，把市面上所有 AI 教程都刷了一遍。從 prompt 工程到 agent 搭建，從 RAG 到 fine-tune，筆記記了上萬字。然後呢？
然後他跟我說：“學完了，但不知道能用它幹嘛。”
這讓我突然意識到一個問題：我們是不是把“學 AI”這件事搞反了？
不是先學工具再找場景，而是先有場景，再讓工具為你服務。
這個洞察不是我自己想出來的，是我最近反覆聽的一期播客給我的啓發。他們把 AI Skills 這個話題聊透了，我今天就想結合他們的對話，聊聊我從中悟出的東西——關於 AI 時代，我們作為“人”的價值到底轉移到了哪裏。
一、裝了一堆 Skill，為什麼最後都刪了？
播客裏 settle 分享了一個判斷標準，我覺得可以直接拿來用：
一個 Skill 值不值得用，就看兩件事：
1. 它是不是在幫你解決“每天都要乾的重複性工作”？ 2. 它是不是在幫你彌補“你完全不擅長的領域”？
太精準了。
我們來看那些安裝量最高的 Skill —— react best practices、tailwind 配套、各種技術棧相關的東西。為什麼多？因為它們解決的是“重複性”問題。 你每次寫組件都可能犯同樣的小錯誤，有個 Skill 幫你兜底，確實省心。
但說實話，這些只是“錦上添花”。
真正讓我產生“卧槽”感的，是那類能幫你完成驗證閉環的 Skill。
灰灰在播客裏說了一段話我印象特別深：
“只有 agent 能真正自己做真實驗證，你的開發任務才能真的閉環跑完。這是整個 loop 裏面最關鍵的一步。”
他指的是 Playwright、Computer Use 這類能做“端到端測試”的 Skill。為什麼關鍵？
因為驗證這一步，對人來說太慢了。 你改一行代碼，手動打開瀏覽器點幾下看看效果，這件事一天做 50 次，人會瘋掉。但 AI 不會，它可以在你喝咖啡的時候，把 50 個 case 全跑完，還把截圖給你看。
這就是 Skill 的真正價值：不是“能做某件事”，而是“能幫你省掉某個重複決策”。
（P.S. 這也是為什麼那些“網紅 Skill”——什麼模擬馬斯克聊天、各種大廠風格的 PPT Skill——很多人裝了又刪。不是它們不好，是你不做那件事。你做的東西跟它沒關係，它再強也跟你無關。）
二、失控感這件事，我們是怎麼一步步放下的？
播客裏聊到一個很有意思的心理變化：
一年前，大家擔心 AI 失控。一年後，幾乎沒人提了。
一下說他去年寫過一條即刻，說想把每天的靈感、碎碎念一股腦丟給 AI 處理。當時評論區第一反應都是：“這不相當於給自己裝監控嗎？”
但現在呢？open cloud 權限那麼大，大家也默認了。寫代碼不看 review，讓 AI 交叉檢查一下就上線，也慢慢習慣了。
但這裏藏着一個很深的悖論。
灰灰在播客裏補了一句話，我聽完後背一涼：
“你以為 AI 可以劃跪道歉，但真正出事時，要道歉的是你。”
沒錯。你在把執行權交給 AI 的同時，並沒有把責任也交出去。 信任 AI 的本質，是一種“責任自負”的偷懶。
我自己的做法是：AI 寫完代碼，我讓 claude code review 一遍，再丟給免費的 chatGPT 交叉 review 一遍。它倆都通過了，我基本不看就合入。
效率確實提升了，但偶爾也會慌：如果兩個 AI 同時犯同一個結構性錯誤呢？
概率很低，但責任 100% 在你身上。
所以我的結論是：
越信任 AI，你越要在“關鍵決策點”上保持清醒。
什麼是關鍵決策點？
• 需求定義 —— 你到底要做什麼？ • 架構劃分 —— 模塊邊界在哪裏？ • 驗收標準 —— 怎麼算“做完了”？
這三件事，建議還是自己把關。至於代碼怎麼寫的、測試怎麼跑的，交給 AI 就行了。
三、我們都在用差不多的技術棧，但沒人願意承認
這是我從這期播客裏悟出的一個“反常識”觀點。
AI 推薦的技術棧，高度趨同。你用 claude code 寫前端，它大概率給你 react + tailwind + next.js。你用 codex，它也差不多。
那問題來了：當 80% 的人都用 AI 推薦的技術棧時，你的差異化在哪裏？
不是技術棧本身。是你的領域知識、你的審美、你對用戶需求的理解深度。
播客裏 settle 分享了一個讓我拍大腿的方法：
他們做 landing page 的時候，不是直接讓 AI 生成代碼。而是——
1. 先去 dribble、twitter 上找參考圖，找到“想要的感覺” 2. 把參考圖丟給 chatGPT，讓它生成幾版圖片風格 3. 挑最滿意的那個版本 4. 再讓 chatGPT 把圖片裏的素材分層、提取出來 5. 最後把素材和風格描述丟給 codex，讓它實現代碼
這個工作流的核心，不是“AI 生成了什麼”。而是你在每一步的“選擇”。
哪個風格對味？哪個素材該留？哪個細節要保留？
AI 幫你把可能性展開，你做收斂的決策。 這就是未來最核心的人機協作模式。
（P.S. 他們用這個方法做出來的 landing page，真的不像“AI 做出來的”——那種一眼就能看出來的 AI 味兒。因為風格是“抄”人類設計師的，素材是“拆”出來的，AI 只負責最後的實現。）
四、代碼品味已死，系統思維永生
播客裏一下聊到他現在的工作流，有一個細節讓我沉默了：
“我現在基本不看代碼細節了。只看 git diff 裏的文件改動，是不是落在了我‘架構地圖’的合理範圍內。API 設計好不好看、命名規不規範，這些以前的‘潔癖’，現在全放棄了。”
這不是偷懶。這是價值轉移。
AI 寫代碼的能力，已經遠超大部分人摳細節的水平。但它對“系統”的理解，還是碎片化的。
所以人的價值就轉移到了一個地方：
從“代碼工匠”變成“系統架構師”。
你不用管那塊磚是怎麼砌的，但你要知道牆應該在哪、門應該朝哪開、承重結構在哪裏。
你可以不看代碼，但不能不看架構。代碼可以隨時重寫，架構的偏差會越滾越大。
這不僅是寫代碼的規律。所有知識工作都這樣：
未來最稀缺的能力，不是執行，而是定義“什麼是好的”。
五、那些“再也不看”的筆記，怎麼被 AI 盤活了？
這是我本期最有獲得感的點。
一下提到他做了一件事：
把自己所有播客的文字稿、微信讀書的筆記，通過 Skill 自動同步到個人知識庫。然後編譯成“結構化知識”——比如這期聊了誰、涉及什麼產品、核心觀點是什麼，都獨立成篇。
他說了一句讓我醍醐灌頂的話：
“我以前在 bearth 裏存了好多筆記。因為長時間不看，換軟件時連導都懶得導，直接就刪了。但有了 Skill，這些‘數字資產’可以被盤活了。”
太真實了。
我們存了多少“再也不看”的筆記？收藏了多少“稍後閲讀”的文章？這就是知識的“黑暗資產”——你知道它在那裏，但永遠不會再碰。
AI Skill 的價值，就是把“存儲”變成“可檢索、可關聯、可激活”。
它讓你 5 年前隨手寫的一句話，在你今天需要時，能被準確推到你面前。
知識的價值不在於佔有，在於能在對的時刻被提取出來。
AI 之前的時代，這幾乎不可能。AI 之後，做不到的人會被做到的人碾壓。
（P.S. 我自己也開始用這個方法了。把之前寫在 flomo 裏的零碎想法，全部導出來，讓 AI 幫我分類、打標籤、做關聯。3 年前的很多想法，現在已經變成了正在做的產品功能。這種感覺很奇妙——你不是在“生產知識”，你是在“開採”過去的自己。）
總結
這期播客聊了很多具體的東西——Skill 怎麼選、工作流怎麼搭、哪些有用哪些沒用。
但我學到的最重要的一件事是：
AI 最大的改變，不是讓你做得更快，而是讓你有勇氣“不做”。
不看代碼細節、不手動部署、不逐字 review——這些“不做”的背後，是信任，也是判斷：
知道什麼可以放，什麼必須抓。
你可以放棄執行的細節，但不能放棄定義的權力；
你可以信任 AI 的能力，但不能推卸人的責任。
這就是 AI 時代，我們作為“人”最後的堡壘。
🌟星標 + 👆關注，第一時間知道最新、最有用的AI編程姿勢
《賈傑的AI編程秘籍》付費合集，共10篇，現已完結。30元交個朋友，學不到真東西找我退錢；）
以及我最新的付費合集《又100個思維碎片》墨問，把我上一天班，AI自己在家寫一天代碼的焚訣，分享給你
以及「AI Coding技術交流羣」，聯繫 ayqywx 我拉你進羣，共同交流學習～