作者 ｜ 董道力
郵箱 ｜ dongdaoli@pingwest.com

過去一年，大模型的能力邊界在快速擴(kuò)張。Claude、GPT、Gemini 在 benchmark 上的差距越來越小，使用門檻也在不斷降低。但一個(gè)有趣的現(xiàn)象出現(xiàn)了：同樣的模型，不同人用出來的效果差異巨大。

一個(gè)懂 SQL 的數(shù)據(jù)分析師，和一個(gè)不懂 SQL 的小白，用同一個(gè)大模型查詢數(shù)據(jù)，前者可能 5 分鐘出結(jié)果，后者可能要反復(fù)解釋半小時(shí)。問題就出現(xiàn)在經(jīng)驗(yàn)和專業(yè)知識(shí)。

而現(xiàn)在出現(xiàn)了一個(gè)最簡單粗暴的方式，把經(jīng)驗(yàn)和專業(yè)打包成 Skill，讓每個(gè)人都能發(fā)揮大模型全部能力。

就好比福特汽車流水線，把裝配流程拆解成 84 個(gè)步驟，每個(gè)工人只需要掌握一個(gè)步驟，結(jié)果生產(chǎn)效率就提升了。

Skill 做的事情也一樣：把需要人類重復(fù)解釋的工作，變成可復(fù)用的技能包。人們不需要“理解”，只需要“執(zhí)行”。

正是這種對(duì)經(jīng)驗(yàn)平權(quán)的渴望，引爆了技術(shù)圈對(duì) Skill 的狂熱追捧。

如果你最近瀏覽 GitHub 的熱門項(xiàng)目，會(huì)發(fā)現(xiàn)“Skill”幾乎成了出現(xiàn)頻率最高的關(guān)鍵詞。大家不再津津樂道于誰寫出了更精妙的 Prompt，而是開始熱衷于構(gòu)建和分享自己封裝好的 Skill 。從 Anthropic 官方維護(hù)的標(biāo)準(zhǔn)庫，到開發(fā)者自制的各種獨(dú)家 Skill，這種趨勢像野火一樣蔓延。

TRAE 選擇在這個(gè)時(shí)間點(diǎn)上線 Skill 功能，恰逢其時(shí)的成為了“引爆點(diǎn)”，其通過極簡的操作，讓 Skill 使用門檻降低，真正推動(dòng)了“專家經(jīng)驗(yàn)”的普惠化，讓 Skill 熱潮從技術(shù)圈涌向每個(gè)人的工作流。

1

告別“一次性對(duì)話”，Skill 成為穩(wěn)定生產(chǎn)力

也許很多人會(huì)質(zhì)疑：“Skill 不就是把 Prompt 寫長一點(diǎn)嗎？”這個(gè)說法只對(duì)了一半。Prompt 和 Skill 在本質(zhì)上存在著維度的差異。

Prompt 是“一次性”的耗材。 它像是一道隨口的命令，生命周期僅限于當(dāng)前的對(duì)話窗口。一旦開啟新對(duì)話，或者上下文過長，AI 就會(huì)失憶，你必須從頭再來。

而 Skill 是“可復(fù)用”的資產(chǎn)。 它是被沉淀下來的數(shù)字智慧。你只需要編寫一次，就可以在未來的無數(shù)次對(duì)話中重復(fù)調(diào)用，且和 MCP 不同，Skill 不占用寶貴的上下文窗口。

Prompt 就像是你每次出門打車都要給司機(jī)指路，而 Skill 就像是直接在司機(jī)的導(dǎo)航儀里存了一個(gè)“回家”的快捷鍵，以后上車只需要說這兩個(gè)字，司機(jī)就能走出最精準(zhǔn)的路線。

Skill 的核心價(jià)值，在于將人類專家的“隱性知識(shí)”顯性化。它能做到普通 Prompt 很難兼顧的三件事：

1. 強(qiáng)制標(biāo)準(zhǔn)化： 它給 AI 裝上了一套規(guī)則。比如強(qiáng)制 AI 在寫代碼時(shí)嚴(yán)格遵循特定的 Lint 規(guī)范，或者在寫 PRD 時(shí)必須包含“數(shù)據(jù)埋點(diǎn)”章節(jié)。無論運(yùn)行多少次，輸出的格式永遠(yuǎn)統(tǒng)一且合規(guī)。

2. 自動(dòng)化工作流： 它能把復(fù)雜的鏈?zhǔn)讲僮鞔?lián)起來。將“讀取 CSV、清洗臟數(shù)據(jù)、生成分析圖表”這三個(gè)獨(dú)立步驟封裝在一個(gè) Skill 里，一鍵執(zhí)行，無需人工分步干預(yù)。

3. 知識(shí)沉淀： 你可以把自己的獨(dú)門絕技打包成 Skill 分享給團(tuán)隊(duì)。新來的同事加載了這個(gè) Skill，瞬間就能擁有和你一樣的代碼審美和業(yè)務(wù)邏輯。

當(dāng)然，并不是所有的對(duì)話都需要封裝成 Skill。如果你只是想問“今天天氣如何”或者“解釋一下什么是量子力學(xué)”，直接用 Prompt 就綽綽有余。

真正值得花時(shí)間封裝成 Skill 的，往往有幾個(gè)很直觀的特征。

最常見的一種，是你已經(jīng)對(duì)同一套邏輯反復(fù)解釋過很多次，比如某個(gè)固定結(jié)構(gòu)的 SQL 查詢，每次都要重新描述一遍思路。

另一種情況是任務(wù)本身就很難一步完成，它天然需要拆解、推理、再調(diào)用工具，如果每次都靠臨時(shí) Prompt 把流程串起來，不僅費(fèi)力，還極容易出錯(cuò)。

最后一種，就是對(duì)結(jié)果要求十分苛刻，格式、字段等必須要規(guī)范，這時(shí)就不能讓模型自由發(fā)揮，需要 Skill 進(jìn)行規(guī)范。

可以說，Skill 不是為了更聰明，而是為了更穩(wěn)定。

1

在 TRAE 里，一步創(chuàng)建你的 Skill

很多強(qiáng)大的生產(chǎn)力工具，往往倒在“配置復(fù)雜”的最后一公里。但 TRAE 這一次做得足夠徹底，它把 Skills 的創(chuàng)建和使用過程，簡化到了小白也能輕松上手。你不需要去學(xué)習(xí)晦澀的 JSON 格式，也不必成為 Markdown 語法專家。

在 TRAE 里，你只需要像平時(shí)聊天一樣告訴它你想要什么。

比如，你可以直接在對(duì)話框里輸入：“幫我在本地創(chuàng)建一個(gè)名為「代碼審查」的 Skill，我希望它能讀取我的 Git Diff，檢查是否有未處理的 TODO 注釋，并用嚴(yán)格的語氣指出潛在的性能問題?！?/p>

TRAE 就會(huì)將你的模糊需求拆解為工程步驟。它會(huì)用 Skill 寫 Skill，其內(nèi)置的“Skill-creator”，將中文的“代碼審查”映射為標(biāo)準(zhǔn)化的文檔目錄，把“看一眼代碼變動(dòng)”翻譯成 “git diff HEAD” 命令。不需要寫代碼就能看到一個(gè)完整的 Skill 文件。

當(dāng)然，如果你是一位追求極致的專業(yè)，完全可以深入到底層，手動(dòng)微調(diào)配置文件，通過掛載更復(fù)雜的示例文件或外部資源，讓智能體的表現(xiàn)更好。但對(duì)于絕大多數(shù)人來說，“說出需求”即等于“完成開發(fā)”。

最后是導(dǎo)入第三方 Skill，TRAE 并沒有試圖建立封閉的圍墻，而是擁抱了開源生態(tài)。

TRAE 的 Skill 架構(gòu)基于開放標(biāo)準(zhǔn)構(gòu)建，這意味著你不需要重復(fù)造輪子。GitHub 上那些大神們寫好的現(xiàn)成 Skills，無論是 Anthropic 的官方庫，還是社區(qū)貢獻(xiàn)的 PDF 分析、YouTube 字幕提取工具，你都可以直接拿來用。

操作也很簡單，從社區(qū)下載你心儀的 Skill 文件夾，在 TRAE 的設(shè)置面板中找到“規(guī)則和技能”選項(xiàng)，一鍵導(dǎo)入即可。

比如，我們下載了一套在社區(qū)非常流行的“全棧產(chǎn)品團(tuán)隊(duì)技能 Skills”，里面涵蓋了敏捷產(chǎn)品負(fù)責(zé)人、產(chǎn)品經(jīng)理工具、產(chǎn)品策略師、UI 設(shè)計(jì)系統(tǒng)以及用戶調(diào)研這五個(gè)核心角色的能力。在 TRAE 里，你不需要任何復(fù)雜的配置，只需將這五個(gè)文件夾一鍵拖入設(shè)置面板。導(dǎo)入后，你的 TRAE 就不僅僅是一個(gè)編輯器，而是原地組建了一支由 AI 構(gòu)成的專業(yè)產(chǎn)品戰(zhàn)隊(duì)。

1

重新定義工作流，TRAE Skill 主動(dòng)理解需求

當(dāng)你的 TRAE 配置了豐富的 Skills 之后，你會(huì)發(fā)現(xiàn)，使用它們并不需要復(fù)雜的提示詞工程。TRAE 構(gòu)建了一套符合直覺的雙重交互邏輯，有效平衡了精準(zhǔn)調(diào)用與智能輔助之間的需求。

首先是“顯性調(diào)用”，當(dāng)你有著明確的需求，且不希望 AI 進(jìn)行發(fā)散性創(chuàng)作時(shí)，這是最簡單方式。通過向 AI 發(fā)送明確指令，你可以強(qiáng)制其進(jìn)入特定的 Skill 工作模式。

其次是“隱性調(diào)用”，這是 Agent 化能力的體現(xiàn)。 你不需要記憶任何 Skill 的名稱，TRAE 會(huì)根據(jù)對(duì)話上下文自動(dòng)判斷并匹配需求。當(dāng)你貼出一段報(bào)錯(cuò)日志詢問“原因是什么”時(shí)，后臺(tái)的 Bug Hunter 會(huì)立刻介入分析。

為了更直觀地理解 Skills，我們可以看看具體的使用場景。

1

實(shí)踐 1：TRAE Skill 一鍵生成標(biāo)準(zhǔn) PRD

面對(duì)快速產(chǎn)出“GEO”需求文檔的任務(wù)。在未加載 Skills 的默認(rèn)狀態(tài)下，AI 往往會(huì)生成大量泛泛而談的內(nèi)容，或者需要用戶輸入大段的 Prompts 來定義需求，即便是有經(jīng)驗(yàn)的用戶，也得將 Prompts 修修補(bǔ)補(bǔ)。

而當(dāng)你指定“調(diào)用 Product Manager Toolkit 寫文檔”時(shí)，AI 會(huì)迅速切換至專業(yè)模式，嚴(yán)格執(zhí)行 GEO 產(chǎn)品 SOP：自動(dòng)補(bǔ)全“外勤人員路徑規(guī)劃”的用戶故事，自動(dòng)補(bǔ)充“GPS 信號(hào)漂移修正”和“地圖瓦片離線緩存”的異常處理邏輯，甚至自動(dòng)列出“API Latency < 200ms”和“GDPR 合規(guī)性”等具體的驗(yàn)收標(biāo)準(zhǔn)。

1

實(shí)踐 2：從 50 頁 PDF 秒變匯報(bào) PPT

面對(duì)“半小時(shí)內(nèi)將 50 頁研報(bào)轉(zhuǎn)為匯報(bào) PPT”的任務(wù)。

在未加載 Skills 的默認(rèn)狀態(tài)下，AI 本質(zhì)上只是一個(gè)閱讀助手。它雖然能幫你總結(jié)出摘要，列出每一頁的建議文案，但最終交付的只是一段文本。你依然需要自己打開 PowerPoint，新建幻燈片，一頁頁地復(fù)制粘貼標(biāo)題和正文，再手動(dòng)調(diào)整排版。AI 幫你完成了 50% 的內(nèi)容思考，但剩下的 50% 手工制作工作完全無法替代。

即便 TRAE 已經(jīng)安裝了很多工具，比如 pdf 閱讀等，也能用 python 庫創(chuàng)建 PPT，但每次執(zhí)行任務(wù)，都會(huì)寫一個(gè)全新的代碼，耗費(fèi)時(shí)間和上下文，而且無法保證每次生成的效果都相同。可能換一個(gè)模型，模型迭代，生成效果都會(huì)變化。

而裝載對(duì)應(yīng)的 Skills 后，生成速度和規(guī)范都會(huì)得到提升。TRAE 會(huì)先通過 Python 庫解析 PDF 文檔結(jié)構(gòu)，精準(zhǔn)提煉核心論點(diǎn)，再自動(dòng)構(gòu)建幻燈片頁面邏輯。

當(dāng)模型越來越聰明，真正拉開差距的，反而不再是你會(huì)不會(huì)寫 Prompt，而是你有沒有把經(jīng)驗(yàn)變成“可以被反復(fù)調(diào)用的東西”。

Skills 的意義，也不只是效率提升那么簡單，它在重新定義一個(gè)事實(shí)：專業(yè)能力開始脫離個(gè)人，變成一種可以被復(fù)制、被繼承、被協(xié)作的結(jié)構(gòu)。

也許再過一段時(shí)間，我們回頭看今天對(duì) Skills 的狂熱，會(huì)發(fā)現(xiàn)這不是一次工具升級(jí)，而是一次工作方式的拐點(diǎn)。人類不再反復(fù)做“解釋自己怎么想”，而是把判斷、標(biāo)準(zhǔn)和經(jīng)驗(yàn)固化下來，讓機(jī)器替你穩(wěn)定執(zhí)行。

當(dāng)你不再被瑣碎消耗，真正稀缺的東西才會(huì)浮現(xiàn)出來，判斷什么值得做、決定往哪里走、以及為結(jié)果負(fù)責(zé)的那一刻。

剩下的，就交給 Skills 吧。

而現(xiàn)在，這種變化已經(jīng)不需要靠想象去理解了。TRAE 國際版正在限時(shí)免費(fèi)，SOLO 模式直接開放，無門檻就能使用 600 次 fast request，與其反復(fù)討論 Skills 會(huì)不會(huì)成為趨勢，不如趁這個(gè)時(shí)間，親手把自己的經(jīng)驗(yàn)封裝一次，跑一遍完整流程。

點(diǎn)個(gè)“愛心”，再走 吧