最近翻各平台的 AI 提效内容，发现一个有意思的现象：大家集体在收藏 Skills 教程。一篇飞书多维表格加 AI 工作流的视频笔记，收藏超过 3 万；一篇推荐去飞书学 Skills 的笔记，收藏破千；一个自动剪视频的开源 Skill，收藏 1.5 万；连"逼自己练完这 58 页"的 Coze 工作流练习帖，都有两千多收藏、一千多条评论。
收藏量都很高，但往下翻一层，会发现一个很少被讨论的问题：大多数人的 AI 经验是"消耗型"的。事情来了，现想提示词，拿到结果，关掉页面，下次遇到类似的事再从零开始。一篇飞书多维表格的热门笔记说得直白：“把自己零散的经验
变成一套自动运行的智能系统”。小红书这一句，恰好点出了接下来两年最关键的分野：你用 AI 的方式，是消耗型的，还是资产型的。
不沉淀，经验就只是消费痕迹
知乎上有人做过一个值得参考的实验。他把这几个月做的 Skill 全部梳理了一遍：“简单做了个统计，自己做的加上收藏别人开源的Skill，共 145 个”。知乎他又把它们分成七类：写作 34 个、信息处理 28 个、自动化工具 25 个、产品工作 22 个、设计可视化 15 个、计划复盘 12 个。哪一类多，说明精力花在哪；哪一类几乎没有，说明那部分还在手动硬扛。这份清单本身就是一次免费的"AI 使用体检"，不用填问卷，整理一遍就能看到自己的提效结构。
但更实在的是他说的另一句话：“145 个 Skill，不看清单我自己都记不住有哪些。做了一堆然后忘了用，又回到手动写提示词”。知乎做出来只是第一步，记不住、用不上，等于没做。他的解法很朴素：给每次 Skill 使用记一条日志，每周跑一次统计，把"两周没被用过"的列出来，高频的继续打磨，低频的淘汰或合并。Skill 不是静态资产，是需要盘点的库存。
每次从零开始，成本比你想的高
有人会说，每次从零开始，无非多花点时间。可以算一笔账。Claude 官方做过一个实验：同一项编码任务交给两位工程师，老手直接定位目标文件改完走人，新手一通盲目搜索，读了十几个不相关的文件。“两边最终结果出来，Token消耗差了好几倍”。知乎如果走 API 计费，这个差距直接体现在账单上：有开发者实测，在没清理上下文的复杂会话里，单次任务排查能烧掉五十万 Token，比短会话多出四到六倍开销；而用好了提示词缓存，后续轮次的读取成本能降到常规价格的一折。经验有没有沉淀，决定了你是在高频消耗，还是在低频复用。
还有一组数据值得消化。Anthropic 分析过约 40 万次 Claude Code 会话，新手和专家的会话形态差别非常直观：“典型的新手会话中，一次指令平均触发约 5 个 Claude 动作和 600 个词的输出；专家会话中，一次指令会触发约 12 个动作和 3200 个词的输出”。知乎这里说的"专家"跟会不会写代码无关，指的是能不能把任务的方向、约束和判断标准讲清楚。这套东西，恰恰是最该被写成 Skill 的部分。
别囤教程，三条真正跑通的路线
翻下来的案例大致分三种路线，各有各的适用人群。
路线一：从你最满意的交付物开始。把你写得最好的一份 PRD、周报、分析报告或者脚本发给 AI，让它提炼结构、语气和必填字段，封装成 Skill。前面那位做了 145 个 Skill 的作者，写需求文档的 Skill 就是这么来的，之后每次写 PRD 不用再从零描述格式。这条路线适合所有人，门槛是你手里有几份拿得出手的样品。
路线二：把重复流程合并起来。一位做市场的博主把自己搭的多个 AI 工作流做了一次升级：“这次是AI市场部 工作流的升级！2.0 把多个工作流合并成一个skills!”。小红书合并之后，一条指令就能跑完全程。这条路线适合周报、素材整理、竞品监控这类步骤固定的活，关键是把每一步的输入输出写清楚。
路线三：把团队的 SOP 变成共同资产。这条最被低估，也最有上限。一位做了 15 年互联网的 CTO 复盘时说了句大实话：“每个技术组都用上了Cursor、Codex、Copilot，单独看都提效了，整体却没提效”。知乎问题不在工具，而在团队没有统一的 SOP：怎么写接口、单测底线多少、提测前自检什么，每个人心里一把尺子，AI 就更对不齐。他自己也承认，组内 SOP Skills 化的覆盖率还不到三成，而这恰恰是提效空间最大的一块。带团队的人，值得把这条路线提上优先级。
两个坑：囤积焦虑和只造不管
第一个坑，是被话术带着跑。“2026窗口期：会用Skills自动化工作流的人，已经跑赢99%的人”。小红书这类说法在现在的 Skills 教程里非常常见，不必当真。同一篇笔记里"工作效率差 5 到 10 倍"也是作者的营销原话，不是统计规律。Skills 的价值在于和你的真实工作匹配，把两三个高频场景做扎实，比收藏一百篇教程有用得多。
第二个坑，是只造不管，把自己变成 Skill 的打工人。有程序员用 OODA 循环描述过这种状态：观察、定向、行动都被 AI 吞掉，“OODA 从闭环退化成开环，你被钉在 Decide 一个节点上当审批员”。知乎把经验都交出去之后，如果只剩下点"通过"，提效迟早会以更累的方式还回来。沉淀 Skill 的同时，留一两件完整亲手做的事，手感不能丢。
这周就能做的三件事
如果你用 AI 已经超过半年，想从这周开始沉淀，建议从三件小事入手，成本都不高。
第一，翻一遍最近一个月和 AI 的聊天记录，找出出现次数最多的那类请求。那位 145 个 Skill 的作者，就是从聊天记录里发现"帮我换个更抓人的标题"出现了十几次，却从来没做成 Skill。重复出现的地方，就是沉淀的金矿。
第二，挑一份最满意的交付物，按路线一封装一个。值不值得做，标准很简单：这件事做过三次以上、单次耗时半小时以上、步骤基本固定，三条全中才动手。
第三，不知道写什么，就先去翻平台和社区里现成的清单，在别人的模板上改。官方整理的 Skills 列表，光看目录就能建立"一个像样的 Skill 长什么样"的基本感觉。
说到底，沉淀的不是 Skill 本身。“今天这个工具可能叫 Claude Code。明天可能换名字。真正不会过时的，是你逐渐学会了怎么把工作交给 AI”。知乎
两个值得继续盯的信号
想看这个趋势往哪走，有两个观察点。一是 Anthropic 在 8 月 20 日上线了 ClaudeAcademy，把课程、教程和案例整合成一个完整的学习平台，大厂已经开始亲自做"经验体系化"这件事。知乎二是社区里流转的各种 Skills 清单，比如飞书知识库里被转来转去的那些，看看高频用户到底在沉淀什么、哪些场景已经被覆盖，比自己闷头收藏更有价值。
先别急着收藏。回头看看你本周重复做的事，经验就藏在那里。
