讓 AI 記住你的工作方式：Claude Skill 實戰指南
本文是社群貼文的完整延伸版。
社群版講了核心觀念，本文加上完整的運作原理和企業導入建議。
📋 本文目錄
重點回顧
你有沒有算過，每次跟 AI 合作時花多少時間在「重新解釋同樣的事」？報告格式、寫作語氣、公司規範、個人偏好——這些溝通成本加起來，可能比 AI 幫你省的時間還多。
Anthropic 出了一份 33 頁的 Skills 建構指南，解決的就是這個問題。Skill 讓你花二十分鐘把規則設定好，之後每次使用就省十倍時間。本文整理了裡面的核心邏輯，加上我在企業培訓裡的實戰觀察。
【獨家】為什麼「長 Prompt」解決不了這個問題
很多人的第一反應是：「那我把常用的 Prompt 存起來不就好了？」
我試過。存了一兩百個 Prompt 在筆記軟體裡。用了三個月後發現三個問題。
第一，找不到。 存了太多之後，光是搜尋正確的 Prompt 就要花時間。有時候找到了才發現上次改過但忘記存。
第二，改不動。 Prompt 是一大段文字，改一個地方怕影響其他地方。沒有版本管理，不知道哪個版本是最新的。
第三，分享不了。 你的 Prompt 只有你會用。團隊其他人不知道你的 Prompt 在哪、怎麼用、什麼時候用。
Skill 解決了這三個問題。它不是一段文字，是一個有結構的資料夾。
Skill 的資料夾長什麼樣
monthly-report/
├── SKILL.md ← 核心說明（唯一必要的檔案）
├── scripts/ ← 自動化腳本（可選）
├── references/ ← 延伸參考（可選）
└── assets/ ← 模板、範本（可選）
SKILL.md 裡面分兩層。最上面是一張「標籤卡」，告訴 Claude 什麼時候該用這個 Skill、它做什麼。下面才是詳細的工作指令。
這個設計很聰明。Claude 會先掃過所有 Skill 的標籤卡，只有判斷「這個跟現在的任務有關」才會往下讀詳細指令。就像你不會把整本員工手冊塞給新人——先給一頁懶人包，需要時再翻對應章節。
為什麼分層這麼重要
AI 的「思考空間」是有限的。如果同時載入十個 Skill，每個都是五千字的完整指令，Claude 的表現反而會下降。
分層讓 Claude 把注意力放在真正需要的地方。標籤卡只佔幾百字，不管掛載多少個 Skill 都不會拖慢速度。
【獨家】企業導入 Skill 的三個階段
我在企業培訓裡帶過超過 400 家企業，觀察到一個規律：AI 工具用得最好的團隊，不是技術最強的，而是最懂得「標準化」的。
階段一：個人版（1-2 週）
先讓團隊裡的 AI 愛好者各自建自己的 Skill。每個人挑一件每天都在重複做的事，花二十分鐘建出第一版。
常見的起點：
– 每週報告生成
– Email 回覆模板
– 會議紀錄整理
– 客戶提案初稿
這個階段的目標不是做出完美的 Skill，而是讓大家體驗「設定一次就不用再重複溝通」的感覺。一旦體驗過，就回不去了。
階段二：團隊版（1-2 個月）
個人版跑順之後，開始做團隊共用的 Skill。這時候需要的是「把最好的做法提煉出來」。
舉個例子。假設業務團隊有五個人，每個人都有自己寫客戶提案的方式。找出成交率最高的那位，把他的寫法變成 Skill。以後五個人都用同一個 Skill，品質就拉到同一個水準。
這個階段要注意的是：Skill 之間不能打架。如果你同時有「客戶提案 Skill」和「Email 回覆 Skill」，兩者的指令不能矛盾。比如一個說「語氣要正式」，另一個說「語氣要口語」，Claude 會很困惑。
階段三：組織版（持續迭代）
當 Skill 覆蓋了主要工作場景後，重點轉向監控和迭代。哪些 Skill 用得最頻繁？哪些一直沒人用？用了之後品質真的有提升嗎？
這就跟管理其他工具一樣——不是建完就結束，而是持續觀察、調整、優化。
【獨家】常見的三個坑和怎麼避開
坑一：Skill 做太大
最常見的錯誤。想把一個 Skill 做成萬能瑞士刀，結果指令太長、太複雜，Claude 反而搞不清楚該做什麼。
解法：一個 Skill 只解決一個問題。如果你發現 SKILL.md 超過五千字，就該拆成兩個。
坑二：標籤寫太模糊
標籤卡如果寫「幫助處理工作」，Claude 完全不知道什麼時候該用。要寫具體的觸發詞。
好的寫法：「生成月度業務報告。使用者說『月報』『業績報告』或『上個月的數據』時啟用。」
壞的寫法：「協助數據分析相關工作。」
坑三：建完就不管
很多人花時間建了 Skill，用了兩次就放著。三個月後發現根本不符合現在的需求了。
解法：每個月花十分鐘回顧一次。哪些 Skill 還在用？用的時候有沒有需要手動修正的地方？有的話就更新。
阿峰觀點
Photo by Tara Winstead on Pexels
我一直跟學員說：「你是機長，AI 是機組人員。」
但一個好的機長，不會每次起飛前都從頭跟機組人員解釋飛行流程。他會確保每個人都有標準作業程序，熟悉了之後只需要簡短的指令就能完美配合。
Skill 就是你跟 AI 之間的標準作業程序。
我自己建了幾十個 Skill，覆蓋課程設計、客戶管理、內容產出各種場景。最大的體會是：建 Skill 的過程本身就很有價值。因為你必須把自己的工作流程想清楚、寫下來。很多時候你會發現「原來我一直在做多餘的步驟」或「原來這個環節可以更精簡」。
所以 Skill 不只是 AI 工具，它也是逼你梳理工作流程的方法。
如果你只記住一件事，記住這個：找一件你每天都在重複跟 AI 說的事，花二十分鐘把它變成 Skill。不用等到完美。能持續進化的工具，比做完就放著的值錢一百倍。
本文提到的資源
| 工具/資源 | 連結 | 說明 |
|---|---|---|
| Claude.ai | https://claude.ai | Anthropic AI 對話平台 |
| Claude Code | https://docs.anthropic.com/en/docs/claude-code | Claude 開發工具 |
| skill-creator | Claude.ai 內建 | 快速建立 Skill 的官方工具 |
企業想導入 AI？阿峰老師服務過超過 400 家企業。
→ https://www.autolab.cloud
關於作者
黃敬峰（AI峰哥），企業 AI 實戰培訓專家，400+ 企業合作、10,000+ 學員。
核心心法：「會用、懂用、好用、每天用」
官網：https://www.autolab.cloud
🎯 需要企業 AI 培訓？
阿峰老師已為超過 400 家企業提供 AI 實戰培訓。從 ChatGPT 基礎應用到 AI Agent 建置，量身打造最適合你團隊的課程。
🔗 追蹤阿峰老師
- 📝 部落格：blog.autolab.cloud
- 🎬 YouTube：黃敬峰
- 📘 Facebook：黃敬峰
- 📸 Instagram：@nikeshoxmiles
- 🧵 Threads：@nikeshoxmiles
- 💬 LINE 官方：加入好友
