文玑阁

技能进阶：从员工手册到技术档案室 | AI 打工日志·技能篇④

Sat, 12 Sep 2026 17:00:07 +0800

🏗️

徒弟出师之后光有手册不够，还得配装备、开档案柜

前三篇走完，你的 AI 徒弟已经"认识手册、会用装备、能照菜谱干活"了。但它还是个只带了一张纸的徒弟：算 300 行数据靠心算，查个新税率要现场翻你聊天记录，闯了祸你也不知道该怪谁。

这一篇就是给徒弟配齐"技术档案室"的三件套：一台机器（scripts/ 脚本）、一个档案柜（references/ 资料库）、一套事故预案（翻车急救流程）。最后，把这门手艺上架技能市场——从"会用 AI"正式毕业到"输出方法论"。

🔧

配台机器：scripts/ 脚本手册教流程，机器管精度——嘴再溜也算不过计算器

上一篇菜谱化解决的是"步骤说清楚"，但有些活不是说得清就干得了的：300 行发票求和、批量重命名 80 个文件、按经纬度算距离——AI 用"嘴"算这些，跟大厨用心算找零一样，不是不行，是不敢用。

所以第三篇埋的那个伏笔（"能交给脚本的，别让它用嘴算"）现在正式展开：把这些活写成脚本，放进技能的 scripts/ 文件夹，手册里只写一句"这一步调用 xxx 脚本"。AI 负责判断和串联，脚本负责精确执行。

🗣️

嘴算模式

300 行求和：可能对，可能差一点
批量文件：逐个"假装"处理
同样的问题问三遍，答案能出三个
错了还特别自信

⚙️

脚本模式

300 行求和：毫秒出结果，分毫不差
批量文件：一次全处理完
跑一万遍，结果永远一样
错了会报错，绝不装没事

💡 冷知识：脚本也是 AI 写

不会编程？没关系——让 AI 自己写。你用大白话描述"这个脚本要干嘛、输入什么、输出什么"，AI 十有八九能写出来，你负责测试和验收。这是全系列最划算的一笔买卖：用 AI 的脑子，造 AI 的手。

判断该不该上脚本的口诀：重复的、算数的、批量的、要分毫不差的——上脚本；要理解、要判断、要措辞的——留给手册。

🗄️

开个档案柜：references/ 资料库把知识归档，而不是塞进 AI 的脑子

第三篇说过：SKILL.md 只放主干，大块头资料进 references/。这一节讲清楚为什么"归档"比"塞脑内"划算——因为AI 的脑子是按次计费的。

你每次派活，AI 都要重新"读"一遍塞给它的所有内容。把 40 页报销制度写进手册正文，等于每次干点小事都背一遍制度全文——又慢又贵，还容易读串行。放进档案柜就优雅多了：手册里写"税率见 references/报销制度2026.md"，用到才去翻，翻完只取那几行。

🗄️ 账单对比：塞脑内 vs 归档

同一个任务「核对 5 张发票的税率」，看两种存法每次要加载多少

每次干活，AI 都得先读一遍：

📄 手册正文（含完整报销制度 40 页）
📄 增值税税率表全文 + 历年政策变更说明
📄 报销流程审批权限矩阵（跟本任务无关）
📄 常见问题 88 条（跟本任务无关）

⏱️ 慢 · 💸 贵 · 😵 串味风险高

🗂️ 档案柜收纳三原则

① 一事一柜——税率表、审批权限、常见问题分文件放，别记在一个大杂烩里；② 文件名说人话——"报销制度2026.md" 比 "doc3_final_新.md" 好找一百倍；③ 政策变了只改柜子——税率更新只需替换那一个文件，手册正文一个字不用动，技能秒懂新政。

脑子用来判断，柜子用来存放，账单用来证明这个决定是对的。 —— 档案室主任的节约哲学

🚑

翻车急救中心实习生闯祸三步：复盘 → 改手册 → 再放出去

技能一定会翻车——这不是悲观，是设定预期。区别在于：新手对着翻车的 AI 骂骂咧咧，老手把每次翻车变成一次手册升级。

急救的总流程固定三步：① 复盘（它当时读了什么、干了什么、错在哪一步）；② 改手册（把坑写进去，让这个错永远不可能再犯）；③ 再放出去（用同样的任务重跑验证）。下面是四个最常见症状的诊断单——点开看看：

🚑 症状诊断台

点任意症状卡，看诊断和药方

👈 点一个症状开始诊断

翻车不可怕，可怕的是同一个坑摔三次——那说明你一直没改手册。

📋 急救中心墙上贴的三句话

1. 翻车是手册的免费体检——每个 bug 都暴露一处没写清的地方。
2. 修手册，别修脾气——对着 AI 发火不解决任何问题，改一行触发条件立竿见影。
3. 记事故日志——翻过的车简单记一笔（症状+药方），下次同类问题三十秒定位。

🌍

上架市场，与更远的地图把手艺共享出去，然后看看整个 AI 江湖

技能练成了，最后一件事：上架技能市场。把文件夹打包提交，写清楚简介和适用场景，全世界的用户就能一键安装你的手艺。这跟把精心调好的 Excel 模板共享到全公司是一回事——只不过这次，"全公司"是整个互联网。

别觉得自己的手艺"太土"不值一提。你会的"门店日销对账"“工地日志整理”"宠物医院回访话术"，对同行来说是刚需。越垂直的经验，越稀缺；越稀缺，越值钱。写 App 要一个团队，写技能只要一个下午——这可能是普通人分享知识成本最低、杠杆最大的时代。

🗺️ 最后，把整张地图摊开

技能篇完结，把前面所有概念拼成一张"AI 打工宇宙"的全家福：

成员	管什么	一句话
大模型	脑子	读完了整个互联网的话痨（前传①）
Agent	手脚	会自己拆任务、用工具的员工（前传②）
Skill	岗位知识	员工手册 + 装备 + 档案柜（本系列）
MCP	标准插座	让 AI 能插上各种外部系统的新接口

顺带认识一下新面孔 MCP：如果说技能是"教 AI 怎么干"，MCP 就是"给 AI 一个标准插座"，让它能统一插上数据库、网盘、企业系统这些外部电源。技能管知识，MCP 管连接，Agent 管调度——三者合体，才是完整的"数字员工"。这就是下一季的故事了。

三部曲教会你用 AI，技能篇教会你把经验变成 AI 的本事——后者才是你带得走的行李。 —— AI 打工日志 · 技能篇 · 完

🎓

系列毕业大考三道题横跨四篇，答完真毕业

🎓 毕业大考

答对三题，授予「AI 带教师傅」称号

1SKILL.md 手册正文越厚越好，资料全塞进去最省事。对吗？

2AI 用你的技能算 300 行发票求和，你该怎么想？

3技能翻车了，最专业的第一反应是？

🏁

技能篇 · 全系列完

认识手册 → 办装备 → 当师傅 → 开档案室。
四篇读完，你已经完成了从"AI 用户"到"AI 师傅"的转型。

下一季预告：《AI 打工日志》Agent 篇——
当徒弟越来越多，谁来当包工头？

写技能：给 AI 当一回带教师傅 | AI 打工日志·技能篇③

Thu, 10 Sep 2026 20:00:07 +0800

👨‍🏫

为什么要自己写？市面上没有的，恰恰是你最值钱的

上一篇说了，技能可以市场下载、同事投喂。那为什么还要自己写？

因为市场上的技能是通用款，你的工作是个性款。市场里的"周报技能"不知道你们组周报要抄送谁；"发票技能"不知道你们财务的隐形规矩。就像食堂的大锅菜能吃饱，但做不出你家的味道——秘方在你脑子里。

而把秘方写出来这件事，本来就是老带新的日常：你入职时，是不是也有个师傅跟你说"这步系统里要这么点，别按回车会直接提交"？写技能，就是把你自己变成那个师傅，AI 变成你的徒弟。徒弟学会之后，这活就再也不用你亲自动手了。

🎁 写完还有三重意外收获

① 经验被逼着想清楚。很多"手感"写不出来才发现根本说不清——写技能的过程等于免费给自己做了一次工作复盘。

② 手艺可以攒资产。手册写一次用一年，你换项目它跟着你，你升职它传给下一任。

③ 别人抢不走。会用 AI 的人很多，能把自己手艺教给 AI 的人很少——这才是 AI 时代的真·铁饭碗。

教会徒弟，饿死师傅？不，教会 AI 的师傅，把重复劳动全喂给了徒弟。 —— 新时代师徒关系

📄

手册骨架：SKILL.md 怎么写带教手册第一页：我是谁、啥时候叫我、怎么干

技能的核心就是那个 SKILL.md 文件。别被 Markdown 吓到——它就是带教手册的第一页，只需要回答三个问题：

我是谁（技能名）——起个一眼看懂的名字。
啥时候叫我（触发条件）——写清楚遇到什么任务该翻开这本手册。
怎么干（步骤）——菜谱式地列出操作步骤。

先看一个反例和正例的对比。同一个"整理报销"技能，两版手册，AI 的表现天差地别：

📄 对照实验：烂手册 vs 好手册

同一门手艺，两种写法，切换看 AI 的命运分岔

🔍 烂在哪，好在哪？

烂手册的三大死因：名字含糊（"helper"是个筐，什么都往里装，AI 不知道何时该用它）；没有触发条件（永远不知道什么时候翻开）；步骤全是"酌情处理"（把判断题抛还给 AI，等于没教）。

好手册三件套：名字带业务词（invoice-reimburse，一看就知道管报销）；触发条件写到词（"用户提到发票、报销、税"）；步骤像菜谱（先干嘛后干嘛，遇到啥走哪条岔路，全写死）。

🎯

触发条件：给权限划清边界只管报销，别管订机票——不写边界，实习生就会越权

新人都懂一个道理：管的事越多，越容易出事。技能也一样——触发条件写得宽，AI 就会抢戏。

一本报销技能如果只写"涉及财务的事都找我"，那用户问"这个月预算超了多少"，它也会跳出来插一嘴，还可能给你算错。正确的写法是双向的：

正向（什么时候用）："用户提到发票整理、报销表、报销单核对时使用。"
反向（什么时候别用）："仅处理报销整理。预算分析、订票、审批流程等其他财务事务不在范围内，请正常对话回答。"

别小看反向那一行——它就是给实习生划的"越权线"。一行字，少翻十次车。

⚡ 触发条件速查表

写法	后果
"什么都能帮我"	抢戏之王，事事插嘴，错得也多
"涉及财务就用我"	范围太宽，预算、订票全都伸手
只写正向触发词	勉强能用，边界任务容易误触发
正向词 + 反向排除 ✅	该出手时才出手，稳

🍳

步骤菜谱化：把"适量"写成"3 克"菜谱能复刻，手感不能——除非你把手感翻译成克数

中餐菜谱最大的玄学是"盐适量、火候适当"——大厨看了一笑，新手照做翻车。AI 就是那个新手：它没进过你的厨房，"酌情""大概""看情况"对它来说等于没说。

菜谱化的本质：把你的手感，翻译成它照做不出错的数字和条件。三个翻译技巧：

① 数字代替形容——"表格适当美化" → "表头加粗、背景浅灰、列宽自适应"。
② 条件写成分岔——"金额不对就处理一下" → "若金额与票据不符，标红并单列，不要自行修改"。
③ 兜底写出来——"遇到问题找我" → "若连续两次提取失败，停止并报告原因，不要猜"。

🍳 翻译机：手感 → 菜谱

同一套整理周报的步骤，切换看两种写法

收集本周材料把相关的东西都收集起来

提炼工作要点挑重点，别太啰嗦

量化工作成果能数字化的就数字化

输出周报按我们组的格式来

💡 最容易被忽略的一条：写清"失败怎么办"

带徒弟时最有价值的不是教他怎么成功，是教他失败时别硬撑。"提取失败就停下报告"比"尽量提取出来"重要一百倍——AI 最危险的品质是永远自信，你的手册得负责给它装上刹车。

📏

手册多厚才合适？200 页的没人翻，贴工位的 2 页人人背得出

新手写技能最爱犯的错：想一次写全。把公司制度、历史案例、八百个注意事项全塞进 SKILL.md，写成一篇论文。

结果呢？手册越厚，AI 越抓不住重点——就像员工手册 200 页没人翻，贴在工位上的 2 页人人背得出。而且别忘了：正文是任务命中才加载的，太厚每次都要"读一遍论文"，又慢又贵还容易串味。

正确的厚度观：SKILL.md 只放主干流程（一两百行封顶），大块头的制度、税率表、案例库，放进 references/ 资料夹，让 AI 遇到细节再去翻——上一篇讲过的"渐进式披露"，说的就是这件事。

🚀 最小可用技能：先丑后好

别追求一步到位。第一版手册只要能跑通核心流程就行——哪怕只有名字、触发条件和五步流程。跑几轮真任务，哪里翻车补哪里：误触发了就补反向条件，某步老出错就把那步写细。

技能是养出来的，不是憋出来的。这跟带徒弟一个道理：先让他上手干简单的，闯了祸再复盘，比先关小黑屋培训三个月见效快得多。

第一版手册丑没关系，能跑就行——徒弟都是闯祸闯出来的，技能都是翻车翻出来的。 —— 带教师傅语录

🧪

出师小测三道题，考考你这个师傅当得称不称职

🧭 出师考核

答对两题以上，可以出师带 AI 徒弟了

1SKILL.md 骨架要回答的三个问题是？

2"涉及财务的事都找我"这种触发条件，问题出在哪？

3把"盐适量"翻译成"3 克盐"，对应到写技能里就是？

👩‍🏫

技能篇 3/4 · 完

你的第一本手册已经有骨架了。

最后一篇，讲怎么把手册升级成"技术档案室"：
配脚本、建资料库、翻车急救，
以及把你的手艺上架技能市场。
《技能进阶：从员工手册到技术档案室》

装技能：给 AI 办入职装备 | AI 打工日志·技能篇②

Wed, 09 Sep 2026 12:00:07 +0800

🛒

技能从哪来？三条路：应用商店、自己写、同事投喂

上一篇我们搞懂了：Skill 就是发给 AI 的员工手册。这一篇解决下一个问题——手册从哪儿搞？

新员工入职，装备一般有三个来源：公司发的（电脑工牌）、自己买的（人体工学椅）、以及前同事离职时留下的祖传文档。AI 的技能也是一模一样的三条路：

① 技能市场——像公司内网的应用商店，官方和各路大神把写好的技能挂上去，你点一下"安装"就完事。Excel 分析、PDF 整理、公众号排版，现成的一堆。

② 自己写——市面上没有你要的那门手艺？自己写一本手册。别慌，这是下一篇的内容，先埋个钩子。

③ 同事投喂——技能本质上就是个文件夹，能拷贝就能分享。同事把他调教好的"周报技能"发你，你放进自己的 AI，立刻同款效率。这是 AI 时代的新型土特产。

🛒 模拟技能市场：逛一圈

点任意商品卡，看看市场上的技能都长什么样

🧾

发票报销整理

下载 12.8w

📊

Excel 数据分析

下载 45.2w

📝

周报一键生成

下载 33.1w

✒️

古诗风格写作

下载 8.9w

📽️

PPT 大纲排版

下载 52.7w

✈️

差旅审批助手

下载 3.4w

👈 点一个商品看看详情

跟手机应用商店一个体验：看简介、看评分、看差评，再决定装不装。

⚠️ 逛市场的第一条军规

应用商店里有山寨 App，技能市场也有山寨技能：简介吹得天花乱坠，装上一跑，步骤错漏百出，甚至夹带私货（比如把你的数据发给第三方）。

三条防身术：看下载量和评分（群众的眼睛）、看差评（差评才是真相）、看它要什么权限（一个整理发票的技能要联网权限？多个心眼）。

📦

怎么装？一键安装 vs 手动拷贝，两条路都得会

装技能和装软件一个道理，有"傻瓜式"和"动手式"两种：

🟢

一键安装（像装 App）

在技能市场点"安装"，剩下全自动
自动放到正确位置、自动登记
有更新会提醒，一键升级
适合：绝大多数人、绝大多数场景

🔧

手动安装（像给新电脑拷软件）

下载/收到技能文件夹
放到 AI 指定的技能目录里
刷新一下，AI 自动识别登记
适合：同事投喂、自己写的技能

装完之后，别忘了验收。就像新员工领完装备要试开一下电脑——跟 AI 确认一句"你现在有哪些技能？"，看清单里有没有刚装的那本。没出现？多半是放错了目录，或者文件夹里缺了 SKILL.md（手册本体）。

顺便记两条仓库管理心法：不用的技能就卸载——手册堆太多，AI 挑的时候也会挑花眼（上一篇说过，封面简介也是要占脑子的）；重要技能锁版本——别人更新手册后行为变了，你那套跑顺的流程可能突然翻车。

🔔

装完怎么用？说人话点名——喊全名，它才理你

很多人装完技能就犯一个错：以为 AI 自动就用了。结果聊了半天，它还是用"裸奔模式"回答你。

记住：技能触发靠的是"点名"。你在公司让同事帮忙，得喊人家名字或者拍拍肩膀；让技能上场，也得在话里带上它的"业务关键词"——最好是直接喊技能名。

说"帮我把这堆发票整理成报销表"，比说"帮我处理一下这些东西"靠谱得多。前一句让 AI 一秒锁定发票技能，后一句它只能猜——猜，就难免翻车。

🔔 触发实验：看哪个技能亮灯

点下面任意一句话，看 AI 技能架上的灯怎么亮

👆 先点一句话

🧾 发票报销整理听懂：发票、报销、税

✒️ 古诗风格写作听懂：诗、绝句、藏头

📝 周报一键生成听懂：周报、复盘、汇报

✈️ 差旅审批助手听懂：出差、机票、订酒店

💡 高级玩法：一喊一个准

两个提效细节：① 名字+任务一起说——"用发票报销整理技能，处理这个 PDF"，双保险；② 描述具体到字段——"整理成报销表，按部门分组，含税单列"，技能手册写得再好，也架不住你给的需求是"随便弄弄"。

🧩

多技能组合：叠券的艺术点外卖凑满减的手艺，这里全用得上

单个技能解决单个环节，但真实工作是一条流水线。这时候就要组合技——原理跟点外卖凑满减一模一样：

外卖满减要"满减券 + 红包 + 会员价"叠着用才最省；AI 干活要"提取 + 分析 + 排版"几个技能接力才最顺。

举个真实的例子，做一份月度经营汇报：

环节	上场的技能	干了啥
① 收料	📄 PDF/表格提取	把各部门发来的杂乱文件统一成表格
② 分析	📊 数据分析	算同比环比，找出涨跌前五名
③ 成文	📝 汇报写作	按老板爱看的结构写成初稿
④ 排版	📽️ PPT 排版	套模板生成幻灯片

四个技能各干一段，上一段的输出就是下一段的输入。你不再亲自干活的，你负责把流水线搭起来。这也正是"会用 AI 的人"和"被 AI 替代的人"的分水岭。

单技能是省力，组合技能才是生产力——就像单品打折只是便宜，凑满减才是过日子。 —— 一位外卖资深战略家的感悟

🙅

什么时候不该用技能？杀鸡别用牛刀——牛刀还得先磨半小时

技能虽好，但不是万能钥匙。三种情况，别上技能：

① 一次性小任务。就问一句"帮我翻译这行英文"，装什么翻译技能？直接问就行。技能的价值在重复——这周整理发票、下周还整理发票，才值得配手册。为一次性任务装技能，是杀鸡用牛刀，而且这牛刀还得先磨半小时。

② 需要真人判断的事。技能手册能教流程，教不了担当。涉及签合同、对外发声、花大钱这类事的最终把关，永远自己来——AI 负责快，你负责对。

③ 敏感数据 + 来路不明的技能。技能是要读你的文件才能干活的。财务报表、客户名单这类东西，只配自己写的技能碰——市场下载的技能再好用，也别让它碰你的核心资产，除非你审过它的每一行。

✅ 一张决策卡

情况	用不用技能
每周都干的流程活	✅ 用，越早配越好
一句话能问明白的小事	❌ 直接问，别折腾
多步骤且格式要求固定	✅ 用，还能组流水线
需要拍板担责的决策	🧑‍✈️ AI 起草，你来拍板
敏感数据 + 陌生技能	⛔️ 不用，或换自写技能

🧪

装备验收小测三道题，验收你这篇有没有白读

🧭 装备验收

三道题，答错不扣钱，答对涨姿势

1技能的三大来源，不包括下面哪个？

2装完技能，怎么让它最稳地上场？

3下面哪种情况，最不建议用市场下载的技能？

🎒

技能篇 2/4 · 完

装备领完了，AI 已经是个"装备齐全"的打工人。

下一篇进入重头戏：
市面上没有你要的手艺怎么办？自己写一本。
《写技能：给 AI 当一回带教师傅》

Skill：给 AI 发一本员工手册 | AI 打工日志·技能篇①

Mon, 07 Sep 2026 22:00:07 +0800

🧩

先看一个扎心现场同一个模型，一个像秘书，一个像实习生第一天

你有没有过这种体验：朋友晒出的 AI 又帮他做了报表、剪了视频、整理了发票，而你的 AI——同一个模型，同一个月会员——还在慢悠悠地回答"抱歉，我无法直接读取该文件"。

差距在哪？不是你充的钱不够，也不是你的 prompt 不够虔诚。很可能只是：人家的 AI 手里有一本"员工手册"，你的是裸奔上岗。

这本手册，就是这两年突然爆火的 Skill（技能）。下面这个对比，你可以亲手切着玩：

🔬 实验台：同一个 AI，两种人生

同一个任务，切换看看装没装技能的差别

📋 任务：「把这个 PDF 里的 14 张发票，整理成报销表格」

🤖 AI 的回复：

您好！很抱歉，我无法直接读取或处理 PDF 文件哦～

建议您可以：
1️⃣ 使用在线 PDF 转 Word 工具（注意信息安全哦）
2️⃣ 手动将发票内容复制到 Excel 中
3️⃣ 参考我为您提供的表格模板格式

希望对您有帮助！还有什么可以为您效劳的吗？😊

👆 态度满分，行动零分——它不是不想帮，是真不会。

Prompt 决定 AI 说什么，Skill 决定 AI 会什么。 —— 一句可以抄走的话

📖

Skill 到底是个啥？本质上：一份写给 AI 看的带教手册

回想一下公司怎么带新员工。没有哪家公司会在入职第一天，让新人把八百页员工手册背下来——都是先发一张工牌、一张部门通讯录，告诉他"报销找财务、打印机坏了找行政"，具体规章放内网，用到哪章翻哪章。

Skill 就是发给 AI 的这套东西：一个装着说明书、脚本、参考资料的文件夹。AI 平时只记住每本手册的"封面"（名字和一句话简介），真遇到匹配的任务，才翻开细读，照着一步步干。

这事为什么重要？回顾一下三部曲的世界观：

第一篇说过，大模型是个读完了整个互联网的"话痨"——满腹经纶，但没有工牌，进不了你公司的门，更不知道你们财务部报销要附审批号。第二篇的 Agent 给它配上了手脚和待办清单，会自己干活了；但让它干你公司的活，它还是两眼一抹黑。

Skill 补的就是最后这块：岗位知识。装上"发票整理技能"，它就懂你们公司的报销流程；装上"公众号排版技能"，它就懂你的号禁用什么词、封面图尺寸是多少。同一个大模型，装不同的手册，秒变不同的"熟练工"。

💡 一句话记住它

大模型 = 考了驾照的新手；Agent = 给他配了车；Skill = 导航里存好你家、公司、丈母娘家的地址，并备注"丈母娘家楼下不能按喇叭"。

🎒

这本手册长什么样？一个技能 = 一个文件夹，点开看看

一个技能就是一个文件夹，里面最核心的是一份 SKILL.md——用 Markdown 写的说明书，开头写着这个技能叫什么、什么情况下该用它。剩下的，是配套的"家伙事儿"。

下面是一个「发票报销整理」技能的真实结构。每个文件都能点，右边会告诉你它是干嘛的：

🎒 装备检查：skill-invoice/

点击左侧文件树里的任意文件或文件夹

📁 skill-invoice/ ├── 📄 SKILL.md ├── 📂 scripts/ └── extract_pdf.py ├── 📂 references/ └── 报销制度2026.md └── 📂 assets/ └── 报销模板.xlsx

点左边看看

先点一个文件 👈

这就像员工的工位：桌面上的手册、抽屉里的工具、柜子里的资料。AI 上岗前，公司会把整个工位配好。

🧠 各司其职

SKILL.md 是灵魂：名字、触发条件、干活步骤，全写在这里。写得越像给实习生看的带教文档，AI 干得越像老员工。

scripts/ 是"手"：AI 的嘴再溜，也算不动 300 行发票数据。让它调用现成脚本，说到就做到。

references/ 是"资料柜"：报销新规、税率表这类大块资料。平时不占脑子，用到才翻。

assets/ 是"附件袋"：模板、示例文件。要交作业的时候直接拿来套。

⚡

最妙的设计：用到哪章，翻哪章行话叫「渐进式披露」，人话叫「别让新人背整本手册」

你可能会问：直接把所有手册全文塞给 AI 不就完了？还真不行。

第一，塞不下。AI 一次能"惦记"的内容有上限（行话叫上下文窗口），你把公司八百页规章全塞进去，再聊两句就爆了。第二，塞了也白塞。手册太多反而互相干扰，就像你考试前把十本书复印成一摞，翻答案比做题还慢。

所以 Skill 的玩法是三层按需加载：平时只记封面（几句话）→ 接到匹配任务才读正文（几百字）→ 碰到具体问题才翻附录（要多少翻多少）。点下面按钮，看 AI 接到报销任务后的完整动作：

⚡ 模拟现场：派活给 AI

你：「把这个月报销单整理好，按新税率算」

🗂️

第一步 · 平时：只记封面AI 脑子里只有每本技能的名字和一句话简介——「skill-invoice：发票整理报销专用」。几十个字，随身携带，零负担。

≈ 几十字

📖

第二步 · 命中任务：翻开正文「报销单」三个字触发匹配！AI 打开 SKILL.md 细读：先跑脚本提取 PDF，再按步骤核对、分类、算税。

≈ 几百字

🔍

第三步 · 遇到细节：才翻附录「新税率」是多少来着？现在才去翻 references/报销制度2026.md 里的税率表，顺带套用 assets/ 里的模板交作业。

按需取用

好的技能，不是把书塞进 AI 的脑子，而是把书放好在架子上，让它永远知道去哪儿翻。 —— 渐进式披露的人话版

🆚

Prompt、Skill、Agent，到底谁是谁？一句话：说话 · 上班 · 干活

这三个词天天见，关系一句话说清：

Prompt 教会 AI 说话，Skill 教会 AI 上班，Agent 是 AI 真的开始干活。

展开对比一下：

维度	💬 Prompt 提示词	📖 Skill 技能	🤖 Agent 智能体
像什么	临时吩咐	岗位 SOP 手册	一个会自己干活的员工
生命周期	用完即弃，下次重打	写一次，反复复用	常驻，随叫随到
记忆在哪	聊天框里	文件夹里	任务清单和记忆里
典型场景	「帮我改下这段话的语气」	「处理报销」「排版推文」	「每周五自动出周报」
包含关系	Agent 接到活 → 翻 Skill 手册 → 按手册里的话（Prompt 水平）执行 ✅

三者不是竞争关系，是套装关系：Agent 是人，Skill 是它受过的培训，Prompt 是你每次给它派的活。少一层，效率打折。

🛒 顺带说一句：技能商店时代来了

既然技能就是个文件夹，那自然可以分享、下载、装车。现在各大 AI 平台都在做"技能市场"：别人写好的"Excel 分析技能""公众号排版技能"，你下载装上就能用，跟手机装 App 一个体验。

写技能的人甚至比写 App 的人更吃香——App 要开发几个月，一个技能可能就是一个下午写的手册。这就是为什么说：把自己的经验写成技能，正在成为普通人分享知识的新方式。

🧪

你也能写一个：四条铁律把你最熟练的那件事，写成 AI 的带教手册

写技能不需要编程十级（能用上脚本更好，不能也不耽误）。记住四条：

① 触发条件写明确。「当用户提到发票、报销、发票PDF时使用本技能」——含糊的触发条件，等于把手册塞进抽屉最底层。

② 步骤写得像菜谱。「第一步…第二步…如果遇到 A 就走 B」——别写"酌情处理"，AI 的"情"和你想的不是一个情。

③ 把坑写进去。「注意：金额含税与不含税别搞混」「老系统导出的日期是文本格式」——这些血泪教训，恰恰是你比 AI 贵的地方。

④ 能交给脚本的，别让它用嘴算。让 AI 背九九表不如给它一个计算器：重复劳动写成脚本，又快又稳。

🧭 毕业小测：技能装载检查

三道题，看看这本手册你读进去没有

1Skill 的本质是什么？

2「渐进式披露」说的是什么？

3下面哪个写法，最容易让技能翻车？

🎓

技能篇 1/4 · 完

前传「AI 三部曲」讲完了 AI 的脑、手脚和饭碗，
技能篇讲它的岗前培训——这是第一课：认识手册。

下一篇：手册到手了，怎么给 AI 装上？
「装技能：给 AI 办入职装备」

当 AI 搬进你的工位：打工人自救指南 | AI 三部曲③

Sat, 05 Sep 2026 22:23:53 +0800

🏭

一位新同事，正式入职24 小时不喊累的实习生

前两篇我们认识了这位新同事：一个读完了整个互联网的超级话痨（大模型），后来还配上了手脚和待办清单（Agent）。

现在，它搬进了你的工位隔壁。它的简历大概是这样：

优点：24 小时在线，从不喊累，不要五险一金，秒回消息，会的技能横跨写作、编程、翻译、画图、做表……

缺点：偶尔一本正经地胡说八道，没有真正的责任心，不认识你老板，也背不动任何锅。

把它当成一个"能力惊人但需要清晰指令的实习生"，就是和它相处的正确起点。它很强，但方向得你来定，验收得你来把。

✍️

文字工作

周报、邮件、文案初稿
它十分钟，你只管改

💻

编程辅助

写脚本、找 bug、解释祖传代码
程序员的生产力外挂

📊

数据整理

清洗表格、做图、写分析初稿
Excel 苦手的救星

AI 是"24 小时不喊累的实习生"，但实习生的产出质量，取决于你写的需求说明书。 —— 本篇最重要的一句话

💬

说明书魔法：会提需求的人赢麻了同一个 AI，天壤之别的产出

很多人用 AI 的方式是："帮我写个文案。"——然后得到一坨平平无奇的正确废话，于是得出结论："AI 不行。"

真相是：不是 AI 不行，是你的需求说明书没写清楚。你给老板发"帮我做个方案"这五个字，老板也会想开除你。

一份合格的"AI 需求说明书"包含四要素：

身份（你是谁）＋任务（干什么）
＋要求（风格/格式/长度）＋背景（给谁看、为什么）

🔬 对照实验：烂需求 vs 好需求

切换开关，看同一个任务能差出多少条街

❌ 你输入的
"帮我写个咖啡广告。"

AI 交出的："我们的咖啡香浓可口，品质卓越，是您生活的完美伴侣……"
—— 每个字都对，每句都像上个世纪写的。

三个立竿见影的小技巧：

1️⃣ 给角色："你是一个毒舌广告文案"比"帮我写文案"强十倍。

2️⃣ 给例子：贴一段你喜欢的风格样本，让它照着来——它最擅长模仿。

3️⃣ 让它先问：加一句"开始前，先问我三个关键问题"，需求瞬间清晰。

⚖️

它真能干与真不能干用人所长，避人所短

✅ 放心交给它

💨 初稿和草稿（最难的是从 0 到 1，它最擅长）
🔁 重复性劳动（改格式、翻译、批量整理）
🧠 头脑风暴（一秒给你 20 个点子，烂的不少，但总有金的）
📚 知识扫盲（快速入门陌生领域的陪读员）

⛔ 千万别全信

🔢 精确数字和事实（幻觉重灾区，务必核对）
🆕 最新信息（它有知识截止日期）
🎯 最终决策（背锅的必须是活人）
❤️ 人情世故（它不懂你老板的言外之意）

一句话总结分工：它负责快，你负责对；它负责量，你负责准。

所有"AI 取代人类"的焦虑，到这里可以翻译成一句大实话：AI 取代的不是人，是"只做 AI 也能做的那部分工作"的人。

🤝

高手的人机协作姿势让 AI 打草稿，你当主编

观察那些用 AI 用得飞起的人，工作流惊人地一致：

第一步：粗对粗。把想法丢给 AI，先要一版粗糙的草稿——不求好，只求从 0 到 1。

第二步：改着聊。把 AI 当成可以反复修改还不闹情绪的乙方："这里太正式了""换个开头""再短一半"。

第三步：人来终审。事实、数字、语气分寸，自己过一遍再出手。署你名字的东西，责任就是你的。

这个流程里，AI 承包了最耗时间的 80%，你只做最值钱的 20%：判断、取舍、和拍板。

🧭

终极测试：你的工作会被 AI 取代吗？纯属娱乐，但结果值得琢磨

🎮 三道题，测出你的"AI 韧性指数"

1你的日常工作里，重复性、有固定套路的活占比？

2工作中最需要你的是？

3面对新工具（比如 AI），你的态度是？

得分不重要（毕竟这是三道题的娱乐测试），但方向是真的：

1️⃣ 套路越少，越难被替代——AI 最爱吞的就是标准化流程。

2️⃣ 判断和信任越值钱——拍板和背锅，暂时还得是活人。

3️⃣ 会用工具的人赢过不会用的——这条从石器时代就没变过。

🎉

三部曲，完

话痨的大脑（①）+ 手脚和清单（②）+ 会指挥它的你（③）
——这才是 AI 时代的完整拼图。

Agent：给话痨配上手脚和待办清单 | AI 三部曲②

Fri, 04 Sep 2026 18:23:53 +0800

🎬

开场小剧场军师只有嘴，是个什么体验

上一篇我们认识了大模型：一个读完整个互联网的超级话痨。

但它有个尴尬的处境——只有嘴。

你问它："帮我订一杯冰美式。"

它答得那叫一个漂亮："好的！建议您打开外卖软件，搜索咖啡店，选择冰美式，下单即可！一步一步，条理清晰，语气温柔。"

然后呢？没有然后了。它既打不开软件，也下不了单，连你家楼下的门都出不去。一位军师，运筹帷幄之中，决胜千里之外——但自己连杯水都倒不了。

于是工程师们干了一件事：给话痨配上手脚、眼睛和待办清单。这套装了外挂的大模型，就是 Agent（智能体）。

🗣️

大模型

会说不会做
参谋部里的嘴强王者

只能动嘴

🔧

大模型 + 工具

会说也能做一点
但干完就忘，没有全局观

能干活，没章法

🤖

Agent

会规划、会用工具、有记性
还会复盘纠错

军师 + 秘书 + 跑腿

大模型是"军师只有嘴"，Agent 是"军师 + 秘书 + 跑腿"，全套班子。 —— 本篇的核心比喻，记住这句就够了

🦾

Agent 的四大装备嘴巴之外，配齐全身

一个合格的 Agent，除了那张厉害的嘴（大模型大脑），还得配四样装备：

🧾

待办清单（规划）

把"帮我办婚礼"这种大目标，自动拆成一张 Excel 级待办清单：定日子、找场地、比报价……先做什么后做什么，安排得明明白白。

🛠️

工具箱（工具调用）

能真的去查天气、搜网页、订机票、算表格。相当于给 Siri 接上了全套外卖、打车、银行 App。

🧠

记事本（记忆）

记住前面干了什么、你交代过什么。不然干到第三步就忘了你是谁，像极了周一早上的你。

🪞

复盘能力（反思）

干砸了会问自己"哪一步出了问题"，然后换个方法重来。不会一条道走到黑。

其中最关键的是待办清单。普通大模型回答问题是"一步出答案"，Agent 是"先列计划、再分步执行、边干边看"——这就是"会说"和"会干"的本质区别。

☕

现场演示：Agent 点咖啡一句"随便"，背后的连锁反应

你说："帮我点杯咖啡，随便，别太苦。"

对大模型来说，这句话只能换来一段"点咖啡建议"。但对 Agent 来说，好戏开场了：

🔬 拆解现场：一句"随便"引发的连锁反应

点下面的按钮，看 Agent 一步步把活干完

☕ 任务完成：一杯大杯燕麦拿铁，已下单，ETA 15 分钟

注意到了吗？整个过程它做了四次决策：查天气定冷热、搜店铺比评分、结合"别太苦"选口味、最后汇报。每一步都是大脑在接话，但每一步的结果都变成了真实的动作。

"随便"两个字对人类是刁难，对 Agent 是一次标准的任务拆解。

🔄

最像人的部分：越挫越勇干砸了，不会装没事

Agent 还有一项顶级职场素养：复盘。

假设它搜咖啡店时网断了，拿不到结果。普通程序会直接报错罢工，Agent 会退一步想："搜索用不了，那我换地图 App 试试？还不行，我根据记忆里的常识推荐一家，并告诉你数据可能不准。"

这套循环叫感知 → 规划 → 行动 → 反思，出问题就回到规划那步重来，像极了被甲方打回第五版方案还微笑改稿的你。

👁️ 感知→🧾 规划→⚡ 行动→🪞 反思↺不行就回炉重规划

当然，也别吹过头：今天的 Agent 依然会犯低级错误——比如兴冲冲把"冰"美式下成"热"的，然后被你抓包时一本正经地解释。手脚是配上了，但大脑偶尔还是会幻觉上头。

工具给了它手脚，规划给了它章法，反思给了它韧性。 —— 但责任心，暂时还得你自己来

📝

本篇速记卡三句话带走，饭桌上够用了

1️⃣ Agent = 大模型（大脑）+ 规划、工具、记忆、反思四大装备。

2️⃣ 核心区别：大模型"一步给答案"，Agent"列计划、分步干、边干边看"。

3️⃣ 它已经很能干，但依然会犯错，重要的事得盯一眼。

💼

问题来了

一个会说又会干的全能实习生进场了——
你的工位还坐得稳吗？
终极篇聊聊：打工人自救指南。

大模型：一个读完了整个互联网的“话痨” | AI 三部曲①

Thu, 03 Sep 2026 22:23:53 +0800

🤔

它到底是个啥？一个背完图书馆、但从没上过班的"最强大脑"

想象有这样一个学生：他把整个互联网——所有的百科、论坛、小说、代码、贴吧吵架帖、小红书探店笔记——全部背了下来。

你问他什么，他都能对答如流：写诗、翻译、解释量子力学、模仿鲁迅的口吻点评你家的猫。看起来像个天才，对吧？

但有个致命细节：他从没上过一天班，没见过一朵真正的花，也没有任何亲身经历。他的全部人生，就是"读书"这一件事。

这就是大语言模型（LLM，Large Language Model）——ChatGPT、文心一言、通义千问的"心脏"。你平时聊的那个 AI，本质上就是这么一个"书呆子天团"。

大模型不是"知道答案"，而是"读过太多人怎么回答"。 —— 所以它接话接得比谁都溜

🎮

它的看家本领：文字接龙你打字时的输入法联想，氪金版

大模型的核心技能说出来你可能不信，就一个：猜下一个词。

对，就这么朴素。它不思考、不推理、不冥想，它只做一件事——看到前面的话，猜接下来最可能出现哪个词。猜完一个，再猜下一个，一个接一个，像玩接龙。

你手机输入法的"联想词"就是丐版接龙：打出"今晚吃"，它猜"什么"。大模型就是把这个技能练到了走火入魔的程度。

🔬 亲手玩一下：大模型的接龙现场

选一句话，看它一个词一个词地"吐"出来

↑ 选一句话试试

每一个词，都是模型从几万个候选里"押宝"押出来的

注意一个细节：它每次押宝不是 100% 确定，而是带着概率的。同一个问题问两遍，答案可能不一样——这不是 bug，这是接龙的天然属性，就像同一个开头，不同人接的梗也不一样。

顺带解释一个玄学问题：为什么你让 AI"再想想"它有时会答对？因为"再想想"相当于让骰子重掷了一遍。

📚

它是怎么练成的？疯狂刷题全网最强做题家，没有之一

大模型的成长史，就是一部题海战术的封神史。大致三步走：

📖

第一步：博览群书（预训练）把互联网上的海量文本"读"个遍——相当于把整个国家图书馆塞进脑子里

刷题 10 亿道

👩‍🏫

第二步：对答案（微调）人类老师出题并对答案："这样接话礼貌，那样接话欠揍"——学会当个正常客服

礼仪速成班

🏆

第三步：考试排名（强化学习）同一个题写好几版答案，人类挑出最好的那个夸奖——专攻"哪版答案讨人喜欢"

冲榜模式

经过这三步，一个只会瞎接话的模型，被硬生生调教成了一个说话滴水不漏的六边形战士。

✨

最玄学的部分：开窍量变引起质变，AI 版

这里有个连科学家都觉得离谱的现象，叫"涌现能力"（Emergence）。

小模型的时候，它真的就是个缝合怪，接话都接不利索。但当模型规模大到某个临界点——突然，它就会做数学题了、会写代码了、会讲冷笑话了。这些能力没人专门教过，就像开窍一样"自己长出来了"。

类比一下：一个天天背菜谱的人，背着背着，某天突然无师自通学会了创新菜。没人说得清为什么，但菜是真的端上桌了。

这也是为什么各大公司疯狂堆算力、堆数据卷大模型——不到那个规模，就是不开窍；一过临界点，直接换物种。

背了一亿道题之后，题就不再只是题了。 —— 涌现能力的通俗版解读

🤥

翻车现场：一本正经地胡说八道学名"幻觉"，俗称"学渣编参考文献"

大模型最大的黑历史，就是幻觉（Hallucination）：它会在完全不懂的时候，依然用最自信的语气给你编一个答案。

你问它一篇不存在的论文，它真能给你编出作者、期刊、年份、页码，格式工整得能直接过初审。这不是它坏，而是它的本能就是"接话要接得漂亮"——没有标准答案时，它也绝不冷场，硬着头皮也要接下去。

🙋

真人被问到不会的

点击翻面 👆

"这题我不会。"

——诚实，但略显脆弱

🤖

大模型被问到不会的

点击翻面 👆

"根据某某教授 2019 年的研究，答案是……"

——自信，但那位教授查无此人 😅

那怎么防忽悠？记住一张表：

任务类型	放心程度	原因
✍️ 写作润色	😄 放心用	本来就是接话游戏的主场
🌍 知识科普	🙂 大体靠谱	读得多，常识扎实
📊 精确数据	⚠️ 务必核对	数字是它最容易翻车的领域
📰 最新消息	🚨 别指望	它的知识有"截止日期"
📚 冷门文献	🚨 高危区	编参考文献的重灾区

📝

本篇速记卡三句话带走，饭桌上够用了

1️⃣ 大模型 = 读完整个互联网的接话高手，核心技能是"猜下一个词"。

2️⃣ 它靠海量刷题练成，练到临界点会"开窍"（涌现能力）。

3️⃣ 它不懂装懂是本能（幻觉），关键信息一定要自己核对。

🧠

问题来了

一个只会"说"的超级大脑，怎么才能帮你"干活"？
——这正是下一篇的主角：Agent（智能体）。

AI Skill是什么？通俗易懂讲解AI技能包和用法

Thu, 27 Aug 2026 23:31:31 +0800

前言

AI新词汇——AI Skill。GitHub数万星标仓库、16万+海量Skill技能包、各大AI平台全面跟进，2026年已然成为AI Skill元年。

但绝大多数新手看完各类科普内容，依旧搞不懂：AI Skill到底是什么？和我们常用的Prompt提示词、热门的MCP有什么区别？普通人不用代码、不懂技术，到底能不能用、怎么用？

今天这篇零基础大白话教程，抛弃晦涩专业术语，搭配通俗漫画插图思路，一次性讲透AI Skill的核心逻辑、区别、使用场景和实操方法，看完直接上手！

一、通俗讲透：到底什么是AI Skill？

抛开所有技术定义，记住一句核心结论：AI Skill，就是AI的专属APP，也是给AI定制的永久工作手册。

我们用最接地气的例子理解：

ChatGPT、Claude、Gemini这些大模型，就相当于一台全新的智能手机，自带基础聊天、问答能力，功能全面但样样不精。

而AI Skill，就是你给这台手机安装的微信、美团、导航软件。每安装一个Skill，就给AI解锁一项专属新能力，比如写公众号、做PPT、数据分析、代码审核、整理周报。

在AI Skill出现之前，我们一直在教AI说话；从2026年开始，我们真正开始教AI做事。

二、硬核区分：AI Skill、Prompt、MCP的核心区别

这三个概念是新手最容易混淆的，用「公司新员工」比喻，一秒看懂三者差异，彻底分清三者分工：

1、Prompt（提示词）= 临时口头指令

就是你每次在对话框输入的指令：“帮我写方案”“修改文案语气”“整理数据”。

特点：一次性、即时性。说完即失效，关闭对话AI就“失忆”，下次同类工作需要重新输入指令，反复调教，耗时费力。

2、AI Skill（技能包）= 标准化岗位手册

把你的工作流程、输出模板、质量标准、风格要求、参考案例全部打包固化，做成一套永久规则。

特点：永久生效、自动复用、智能适配。不用每次重复讲解，AI会自动匹配任务、调用对应技能，输出风格统一、标准固定，还能持续迭代优化。

3、MCP = 权限通行门禁卡

AI本身无法主动访问你的文件、数据库、第三方API和外部工具，而MCP就是权限通道，给AI开放访问、操作外部资源的权限，让AI有“动手做事”的能力。

三者核心关系总结：Prompt是临场发挥的嘴巴，Skill是沉淀能力的大脑，MCP是链接外界的手脚。

三、重点科普：Skill和普通Prompt模板不是一回事！

很多人误以为“Skill就是保存好的提示词模板”，这是最大的误区！两者有着本质差距：

普通Prompt模板（死工具）

只是一段固定文字，需要手动复制粘贴调用，AI执行完就遗忘，无法自动判断场景、不能调用外部工具、无法和其他模板联动协作，死板且低效。

AI Skill（活能力）

1、有上下文感知：AI自动判断当前任务，智能匹配是否调用对应技能；

2、有完整工具链：可读取文件、运行脚本、对接API、自动处理各类工作；

3、可多技能协作：写作Skill写完初稿，排版Skill可自动接手优化，全程无需人工干预；

4、轻量化加载：不会一次性过载信息，先识别目录、按需加载正文与附录，高效不卡顿。

通俗类比：Prompt模板是备忘录里的静态菜谱，AI Skill是一键下单、自动制作的完整服务，体验天差地别。

四、普通人能用吗？AI Skill真实实用场景

划重点：AI Skill最大的红利群体，不是程序员，而是普通职场人、自媒体、学生。程序员只是锦上添花，普通人却是从零到一解锁AI高效生产力。

1、自媒体从业者

定制专属写作Skill，打包你的写作风格、标题公式、金句模板、排版规范、配图标准。只需输入“写一篇XX主题文章”，AI直接输出符合你个人风格的完整成品，告别每次重复调教。

2、职场办公人群

周报整理、竞品分析、用户反馈汇总、会议纪要整理，三大核心Skill可覆盖80%重复办公工作。告别“人肉爬虫”式机械工作，十分钟完成半天工作量。

3、学生学习群体

费曼学习法Skill可将晦涩论文、知识点转化为通俗大白话，倒逼自己吃透知识；苏格拉底提问Skill可精准找出论点漏洞，优化论文逻辑、锻炼思辨能力，学习效率翻倍。

五、AI Skill爆火的底层原因：2026正式进入Skill生态元年

AI Skill并非小众功能，而是已经成型的全民AI生态，发展速度远超当年的APP Store：

2025年10月：Anthropic首发Claude Skills功能，仅小范围内测；

2025年12月：官方开源Skill标准，向全平台开放，彻底打破平台壁垒；

2026年至今：OpenAI、Google、微软、Cursor等全系AI平台全面适配；

目前SkillMP平台已收录16万+成熟AI技能包，各类开源Skill仓库星标数万，多智能体系统需求暴涨1445%。

从2023年Prompt提示词、2024年Agent智能体、2025年MCP权限协议，到2026年AI Skill，AI行业正式从“人机对话”迈入“人机协同做事”的全新阶段。

六、零基础上手！3种AI Skill使用方法（无需代码）

AI Skill上手门槛极低，普通人无需编程基础，三种方式任选其一即可快速使用：

1、直接复用现成Skill（最简单）

类比手机下载APP，无需自己开发。在SkillMP平台、GitHub开源仓库，可免费获取写作、分析、翻译、办公、学习等海量成熟技能包，一键安装直接使用。

2、AI自动生成专属Skill

使用Anthropic官方skill-creator工具，只用自然语言口述需求，比如“帮我生成一个自动整理会议纪要的Skill”，AI会自动生成完整规范的技能文件，全程零代码。

3、手动自制简易Skill（5分钟搞定）

最简Skill仅需一个SKILL.md文件，只需写清三点：这个Skill是干什么的、它的工作流程是什么、输出标准是什么，和写工作交接文档几乎一样简单。

安装简单：对应AI工具放入指定文件夹即可，Claude、Cursor、Windsurf均有专属目录，放置后AI自动识别生效。

七、核心总结：AI Skill改变人和AI的关系

AI Skill的出现，完成了人和AI关系的三级进化：

1、Prompt时代：你是用户，一问一答，被动接收AI回复；

2、Skill时代：你是指挥官，一次性固化个人工作体系，让AI按你的规则自主运转；

3、多Skill协同时代：你是架构师，搭建专属AI团队，实现全自动工作流转。

AI Skill最大的价值，不是技术有多先进，而是让普通人的个人经验、工作能力，从不可复制、不可规模化，变成可复用、可传承、可自动化的能力体系。

2026年，普通人终于可以批量打造专属AI专家，不用懂技术，只用懂自己的工作流程，就能拥有一支全天候待命、按自己规则干活的AI团队。

国产大模型怎么选？六大主流模型一句话说清楚

Fri, 21 Aug 2026 23:38:06 +0800

国产大模型怎么选？
六大主流模型一句话说清楚

现在AI大模型火得不行，国产模型更是百花齐放。但名字一大堆：文心一言、通义千问、DeepSeek、Kimi、GLM、讯飞星火……到底哪个好用？该怎么选？别慌，这篇用大白话给你讲明白，看完就知道自己该用哪个。

▲ 国产大模型第一梯队六强一览

一、先认识一下六位"选手"

国产大模型第一梯队主要有六位，各有各的绝活，就像班里六个各有所长的同学：

模型	背后公司	一句话定位	最擅长
文心一言	百度	中文"老大哥"，理解到位	写东西、综合应用
通义千问	阿里	代码高手，啥都能来	编程、办公、多模态
DeepSeek	深度求索	开源良心，性价比之王	开发、本地部署、研究
Kimi	月之暗面	超长记忆，读文档神器	长文本分析、法律金融
GLM	智谱AI	清华出身，学术派	科研、教育、研究
讯飞星火	科大讯飞	语音专家，教育能手	教育、语音交互

二、逐个唠唠：每个模型到底强在哪

1. 文心一言百度出品

百度做的，天生就懂中文。你用中文跟它聊，它理解得最到位。而且跟百度搜索、地图、文库这些生态打通了，查资料写东西很方便。还支持图文生成、多模态处理。

✦ 适合：写文章、做企业应用、习惯用百度系产品的人

2. 通义千问阿里出品

阿里出品，写代码能力很强，还能处理图片、语音这些多模态内容。上下文也很长，一次能塞很多东西进去（百万级）。而且有开源版本（Qwen系列），开发者社区很活跃。

✦ 适合：程序员、办公族、阿里云用户

3. DeepSeek 深度求索

这家公司比较年轻，但出手很猛：所有模型全开源，还能免费商用！中英文都强，写代码尤其厉害（DeepSeek-Coder号称开源最强）。你可以把它下载到自己电脑上跑，不用花钱调用API。

✦ 适合：开发者、研究人员、想自己部署模型的人

4. Kimi 月之暗面

最大特点是上下文超长——支持200万字！什么概念？你把一本小说、一份几百页的合同扔进去，它能从头读到尾还不忘。处理多文件也很在行，法律、金融行业的人特别爱用。

✦ 适合：律师、金融分析师、研究员，凡是要啃长文档的都用它

5. GLM / ChatGLM 智谱AI

智谱AI做的，技术源自清华。开源模型很多，从小型（6B）到大型（65B）都有，研究氛围浓厚，社区也活跃。学术圈的人特别喜欢用，搞科研、做教育都很合适。

✦ 适合：高校师生、科研工作者、AI爱好者

6. 讯飞星火科大讯飞

科大讯飞做的，语音交互技术是老本行，识别准、反应快。在教育场景下了大功夫，K12学习辅导很有一套，多轮对话也很稳定。

✦ 适合：教育行业、需要语音交互的场景、学生党

三、四项能力大比拼

光说特长不够直观，来看看四个关键维度的排名：

▲ 四大能力维度前三名对比

💻 代码生成

1DeepSeek-Coder（开源最强）
2通义千问（稳定可靠）
3GLM-4（理解能力强）

📖 中文理解

1文心一言（原生优化）
2通义千问（表现突出）
3Kimi（长文本强）

📄 长文本处理

1Kimi（200万字）
2通义千问（100万字）
3DeepSeek（128K）

🔓 开源生态

1DeepSeek（全系列开源）
2Qwen（系列丰富）
3ChatGLM（社区活跃）

四、不知道选哪个？看这张图就够了

▲ 六大场景选型指南

你要干嘛	首选	备选
💻 写代码	DeepSeek	通义千问
✍️ 写文章	文心一言	GLM-4
📄 分析长文档	Kimi	通义千问
🎓 教育学习	讯飞星火	文心一言
🖥️ 自己部署	DeepSeek	ChatGLM
🏢 企业应用	文心一言	通义千问
🆓 想免费用	Kimi	DeepSeek

📌 最后说几句

没有最好，只有最合适。六个模型各有各的绝活，选对场景才关键。
开源是大趋势。DeepSeek、通义千问、GLM都在大力开源，普通人也能用上大模型了。
建议多试试。每个模型基本都有免费版，对比一下再决定。
混合使用效率最高。写代码用DeepSeek，写文章用文心，读长文用Kimi——搭配着来，事半功倍。

别只顾着学工具！优秀数据分析师，拼的是底层思维

Tue, 16 Jun 2026 17:45:15 +0800

不少踏入数据分析领域的朋友，都会走进同一个误区：埋头苦练 Excel 函数、钻研 SQL 语法、学习 Python 代码、打磨可视化图表，以为把工具练熟，就算吃透数据分析了。

可真当业务问题找上门，难题就来了：老板问销售额为何下滑，只会甩出一张趋势图；业务纠结渠道预算分配，只会简单对比转化率；财务疑惑利润缩水，也只是罗列收入、成本和费用。等到会议上被追问解决方案，更是哑口无言。

其实工具只是入门敲门砖，底层分析逻辑，才是数据分析师拉开差距的核心。今天就用通俗的语言，拆解 9 大核心底层逻辑，帮你跳出 “只会做报表” 的困境。

一、先理清问题，别急着拉数据

接到需求第一反应不是打开系统取数，而是搞懂对方真正想解决什么事。

一句 “分析下近期销售情况” 范围太广：是看业绩有没有达标？找销量下滑的原因？还是规划下月销售策略？使用报告的人又是谁？

没理清核心问题就盲目做表画图，忙活半天的成果，大概率和对方需求背道而驰。拿到需求先问清 4 个关键点：服务什么决策、核心业务问题、要分析结果 / 原因还是方案、报告给谁看。

二、翻译业务语言，搭建指标体系

业务口中 “销售变差”“用户质量下降”“经营压力大”，都是模糊的感受，不能作为分析依据。我们要做的，就是把口语转化成实打实的数据指标。

销售好坏：看销售额、订单量、转化率、客单价、复购率

用户质量：看留存率、退款率、投诉率、复购周期

经营状况：看毛利率、费用率、库存周转、回款周期

资深分析师脑海里都有一套完整指标树：看销售拆解流量、转化、客单；看利润拆解收入、成本、费用；看客户拆解新增、活跃、流失…… 围绕问题搭建指标，分析才有方向。

三、层层拆解，从现象深挖根源

只描述 “销售额降了、转化率低了”，相当于只说出了 “症状”，远远不够。分析的关键，是顺着业务链路拆解，找到问题根源。

举个简单例子：

销售额 = 流量 × 转化率 × 客单价

整体销量下滑，就逐一排查：是各个渠道流量集体减少？还是客户下单转化率变低？或是主推低价产品拉低了客单价？是全国所有区域都出问题，还是个别区域拖了后腿？

利润下滑也同理，沿着「收入 - 成本 - 费用」逐层拆分，从结果指标追到过程指标，才能精准定位病灶。

四、学会对比，单独数字毫无意义

脱离对比的数字，只是一串冰冷字符。“本月销售额 500 万”，没人知道这是好是坏，判断标准全靠对比。

日常分析常用 5 类对比方式：

和历史比：同比、环比，查看长期趋势

和目标比：对照业绩预算，看清完成差距

和结构比：拆分产品、渠道、区域，看各自贡献

和标杆比：对标行业、优秀团队，找准自身水平

和投入比：核算 ROI、人效、坪效，判断投入价值

同样是收入上涨 20%，若行业整体涨幅 50%，说明发展滞后；若费用涨幅远超收入，也代表增长质量堪忧。

五、扎根业务，读懂数据背后的场景

很多分析师犯的错：死守数据，脱离实际业务，凭数字妄下结论。

看到库存增加，就认定采购盲目囤货？有可能是新品备货、供应链锁货；看到费用上涨，就判定铺张浪费？也可能是新项目前期投入。

数据是表象，业务才是本质。多走进一线，了解获客、成交、备货、回款全流程，才能避免 “数据正确，结论跑偏” 的尴尬。

六、区分相关与因果，不盲目下定论

两个数据同步变化，不代表二者存在因果关系，这是数据分析的一大坑。

广告投放增加、销量跟着上涨，不一定是广告起了作用，也可能恰逢行业旺季；活动期间转化率提升，未必是活动策略优秀，也可能是进店客户质量变高。

判断真正原因，要排除季节、活动、客群等干扰项，结合对照组、长期数据和业务逻辑综合验证，严谨求证再输出结论。

七、打造分析闭环，让报告落地成行动

一份合格的分析报告，终点从来不是文档和图表，而是落地执行。

只指出 “转化率下降、库存积压” 毫无价值，业务更想知道：问题出在哪个环节？由谁负责整改？什么时候落地？整改后要跟踪哪些指标？

完整分析闭环：发现问题→定位原因→给出方案→推动执行→跟踪数据→复盘优化，让数据真正指导业务动作。

八、善用工具，工具为分析逻辑服务

Excel、SQL、Python、BI 工具都很实用，但它们永远只是辅助。

工具的作用是整合零散数据、统一数据口径、自动生成报表、快速下钻查询，帮我们节省重复劳作的时间。真正决定分析深度的，永远是思考逻辑。用好 FineBI 这类自助 BI 工具打通各系统数据，能让分析流程更顺畅，但核心能力依旧在人。

九、核心总结：三大分析准则

把复杂的逻辑浓缩成三句实操口诀，吃透就能进阶：

先问清业务问题，再动手找数据

先拆解核心指标，再解读数据结果

先得出合理判断，再推动业务闭环

分析师成长三阶段

入门阶段：会取数、做表、做可视化，完成 “做出数据”；

进阶阶段：会拆指标、找原因、写结论，做到 “讲清问题”；

高阶阶段：懂业务、做决策、推落地，实现 “数据变现”。

工具会更新、软件会迭代，但分析思维是终身受用的硬实力。工具决定你起步快慢，底层逻辑，决定你能走多远。