Skill 创建与优化的经验

分享下我创建 Skill 并在后期优化这些 Skill 的经验。

平时工作中用到的 Skill，除了从开源市场获取之外，还有一个主要方式便是自己去创建。

而且我觉得很多场景下，开源的 Skill 并不一定适合自己的业务，反倒是自己动手创建的 Skill 更能适配自己的工作场景。

其实 Skill 的创建很简单，像 Claude Code、CodeX 这些工具都已经内置了 Skill Creator 这样的功能。

所以大部分场景下，只要你能描述清楚自己的需求，就大概率能创建出适合自己的 Skill。

一般我的做法很简单，先从头到尾把这个业务用 AI 实现一遍，等各个阶段的产出都符合自己预期之后，再让 AI 去总结过程的中的输出，并将其沉淀为一个 Skill 技能。

比如上周我在做谷歌站长工具数据可视化呈现的 Skill，逻辑就比较简单。

先用脚本通过 API 方式获取谷歌站长的数据，然后将数据清洗完并沉淀到表格里面去，最后便是数据的可视化呈现了。

这样一整个流程走下来，AI 其实就已经懂了全部业务的具体逻辑了，剩下需要做的就是将流程用 Skill 的形式沉淀下来。

这个部分倒是最简单的，毕竟 AI 在整理这类流程文档上的表现都异常优秀，且官方内置的创建工具用起来也挺方便的。

其实 Skill 的创建就是这样，真的倒不是很难，至于维护与优化可能就比较简单一些。

通常我的维护逻辑，就是在实际使用的过程中，发现问题并针对这些问题及时打补丁。

比如我今天用这个谷歌站长工具的 Skill 去做数据可视化呈现时，发现过程中有几个瑕疵点，一是数据没有同步出现错误，二是数据模板整理不对。

可能当时我会直接跟 AI 说，我发现了什么什么问题，然后我期望什么什么样的解决方案或者什么样的输出。

然后 AI 可能就明白了我的意思，并按照我的表达输出了正确的结果。

但这一次实际使用过程中确实是出现了问题，于是便可以要求 AI 去读取这次的聊天记录，并重新审视整个 Skill 的组织架构，看看是不是哪里出了问题。

注：你当然也可以人工去看 Skill 的逻辑并提出对应的修改意见。

一般情况下，因为有错误记录的存在，AI 大概率是能发现问题并能给出相应的解决方案的。

那便可以基于这样一次使用错误，对过往的 Skill 逻辑进行补丁更新了。

而且类似这样的优化操作多经历几次之后，整个 Skill 的使用会越来越顺畅，也会越来越符合自己的预期。