提示词越写越长，AI还是做不对？老金开源造Skill的Skill

qq_24252865

180人浏览 · 2026-07-16 13:13:43

qq_24252865 · 2026-07-16 13:13:43 发布

你肯定见过这个画面。

AI跑了半天，最后特别礼貌地告诉你：任务完成。你好家伙，满怀期待地点开结果，发现它确实什么都做了，只是没有一样是你真正想要的。

报错都没这么让人难受。报错至少告诉你哪里坏了，这种结果却是每句话都对，拼起来全错。你还得从头解释、从头返工，顺便怀疑一下，到底是AI蒙圈了，还是自己没说明白。

我自己做公众号，选题、写作、质检、追热点，背后常年挂着四五个Skill。Skill就是一套能被AI反复调用的工作方法，装好以后，下次不用再从头交代整套流程。

刚开始，我也以为AI做不对，是规则写得不够多。于是缺什么补什么，错一次加一条。半年下来，SKILL.md越写越长，前面的不敢删，后面的继续摞，最后养出一份祖传提示词。

看着真真儿的完整，换个任务，照样歇菜。

后来我才想明白：提示词写得越长，越容易把没想清楚的问题藏起来。 AI只是在非常努力地填空，可你连终点长什么样都没说清，它填得越快，跑得越偏。

所以我做了一个开源工具，叫Meta Skill Creator。它不会催着AI立刻写规则，反而先把手按住，只问三个问题：谁来用，最后交什么，做到什么样才算真的能用。

这三个问题，才是整套Skill真正的地基。

先装上，但先别急着造

Meta Skill Creator已经免费开源。先把仓库拉到电脑上：

git clone https://github.com/KimYx0207/Kim_Service/tree/main/skills/meta-skill-creator.git
cd meta-skill-creator

接下来只有一个选择题：你用Claude Code还是Codex，这套Skill只给当前项目用，还是本机所有项目都要用。

Claude Code，只给当前项目用：

New-Item -ItemType Directory -Force -Path ".\.claude\skills" | Out-Null
Copy-Item -Recurse -Force skills/meta-skill-creator ".\.claude\skills\meta-skill-creator"

Claude Code，本机所有项目都能用：

New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\.claude\skills" | Out-Null
Copy-Item -Recurse -Force skills/meta-skill-creator "$env:USERPROFILE\.claude\skills\meta-skill-creator"

Codex，只给当前项目用：

$Project = "D:\your-project"
New-Item -ItemType Directory -Force -Path "$Project\.agents\skills" | Out-Null
Copy-Item -Recurse -Force skills/meta-skill-creator "$Project\.agents\skills\meta-skill-creator"

Codex，本机所有项目都能用：

New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\.agents\skills" | Out-Null
Copy-Item -Recurse -Force skills/meta-skill-creator "$env:USERPROFILE\.agents\skills\meta-skill-creator"

复制时报路径不存在，先看自己是不是站在仓库根目录。十次有八次，工具没坏，是cd错地方了。

装好以后，最容易犯的错就是马上让它生成一个Skill。兄dei，先忍一下。真正值钱的动作发生在文件出现之前。

先把终点钉在桌面上

假设你要做一个客户跟进Skill。普通写法会立刻开始堆规则：语气要专业、回复要及时、信息要完整、不要遗漏重点。每一句都正确，也每一句都没法直接干活。

Meta Skill Creator会先追问：谁在用它？输入是一段聊天记录，还是一张客户表？最后交付的是跟进清单、回复话术，还是一封能直接发的邮件？什么结果出现了，你才愿意点头？

这一步看起来慢，其实省的全是后面的返工。做汇报，最后要拿走的不只是几段文字，还可能有演示稿和讲稿。做图文内容，正文写完也不算完，封面、配图、发布前检查都在交付里。

终点没定，规则越详细，AI只会更精确地跑错。

如果关键资料还缺着，它会停下来告诉你需要先研究，也就是research-needed。你相信我，让AI承认自己还没弄明白，绝壁比它自信满满地造错一整套便宜。

文件怎么长出来，取决于它在防什么坑

三个问题说清楚以后，Meta Skill Creator才开始搭结构。

最关键的流程放进SKILL.md，研究资料和标准放进references，反复填写的东西放进assets，确定性的检查交给scripts，触发边界放进evals，小而真实的用法放进examples。

我给每个文件定了一条挺笨、但特别管用的规矩：它必须说得清，自己到底在防哪个坑。说不清，就别往里塞。

老板名字、客户名字、某次报告的格式，只属于眼前这一单活。它们不能偷偷混进长期规则。外面看到的案例也只能帮你找失败原因，别人的目录、命名和销售话术，不能整套搬回来。

否则下一位用户刚坐下，AI已经端着上一桌客人剩下的菜单开始点菜了。

这个设计改变的不是文件数量，而是思考顺序。以前是想到什么就补什么，现在是先看哪一步会出错，再决定用规则、模板、脚本还是例子去接住它。

一套Skill的价值，不在于记住了多少话，而在于下一次撞上同一个坑时，它会不会换一条路。

两个绿勾，只能证明它长得像

结构搭完以后，可以先跑两条命令：

python skills/meta-skill-creator/scripts/check_meta_skill_package.py skills/meta-skill-creator
python skills/meta-skill-creator/scripts/check_closed_loop.py skills/meta-skill-creator

两个都绿，说明文件没缺、结构没乱。但到这里先别开香槟，它只能证明这个包长得对，证明不了它在真实任务里一定跑得对。

真正要看的还有两个信号。一次是证据不够时，它会不会主动停下来查。另一次是第二次碰到同一个问题，它会不会自己绕过去。

一个绿色对勾负责不了整条街。脚本可以查文件，真实任务才能查脑子，最后那个决定，还是得由人来拍板。

任务结束以后，Meta Skill Creator还会判断这次经验该怎么留下来。能确定是长期规则的，就直接写回，也就是writeback。需要人拍板的，先提建议，也就是proposal。没有可复用经验，就把原因说清，也就是none-with-reason。关键材料缺着，就停在blocked，不硬编。