从“有价值”到“做得好”
上一篇《Skill 的价值，从哪里来？》中，我们讨论了一个基本问题：一项 Skill 是否有价值，要看它能否帮助用户解决实际问题。
当创作者开始动手制作 Skill，问题会进一步变成：怎样把自己的经验整理出来，让 AI 能够在不同任务中反复使用？需要放入多少资料？指令应该写到多细？怎样判断做出来的 Skill 是否真的好用？
一项 Skill 可以包含很长的说明，也可以收录大量专业资料。但对用户来说，更重要的是它能否理解当前问题，找到合适的方法，并交付符合需要的结果。
因此，制作一个好的 Skill，需要从用户的真实任务出发，把专业经验转化为可执行的判断，再通过一次次使用检验和完善。
01｜先选择一个值得反复解决的问题
制作 Skill 的第一步，是明确它究竟要帮助谁，完成什么任务。
“帮助企业解决法律问题”“制作专业 PPT”“辅助内容创作”，这些方向包含很多需求，但还不足以指导一次具体工作。不同用户可能提供不同材料，期待不同结果，判断标准也并不相同。
创作者可以从自己经常处理的任务开始。例如，比起笼统地说“审查合同”，可以进一步明确：根据用户的交易角色，检查一份采购合同中的付款、交付、数据和违约风险，标出需要关注的条款，并提出修改建议。
任务越明确，创作者越容易判断需要哪些输入、应该经过哪些步骤，以及最后交付什么。用户也能更快理解这项 Skill 是否适合自己。
范围也不宜只围绕一次性的个人需求。如果一套方法只能处理某一份材料，很难被其他人复用。创作者需要找到不同用户之间相对稳定的共同问题，让同一套专业方法能够在相似任务中反复发挥作用。
判断一个问题是否适合做成 Skill，可以先看几个方面：用户能否提供完成任务所需的信息，结果是否可以被检查，以及创作者的专业判断能否带来明显改善。
好的 Skill，通常从一个范围明确、会反复出现，并且能够判断结果好坏的任务开始。
02｜把经验写成判断，而不只是放入资料
很多专业经验并不直接存在于书本或文件里。
同样一份合同，有经验的律师会先判断双方的交易角色，再考虑哪些条款可能产生较大风险；同样一组采访材料，有经验的内容创作者会区分核心观点、事实依据和可以舍弃的信息；同样一个家庭空间，适老化服务人员会结合居住者的身体状况和生活习惯，决定先处理哪些问题。
这些选择，才是专业经验中更难被替代的部分。
因此，把资料放进 Skill，并不等于完成了专业能力的转化。创作者还需要说明处理问题时应该关注什么、按照什么顺序判断、哪些情况需要补充信息，以及遇到例外时如何调整。
例如，一项合同审查 Skill 不应只告诉 AI 搜索“违约责任”“自动续费”等关键词。它还需要说明如何结合交易目标理解条款，怎样判断风险的重要程度，以及信息不足时应该向用户询问什么。
这些说明也不需要覆盖所有可能发生的情况。过多而彼此重叠的规则，反而可能让 AI 难以判断当前任务的重点。创作者更需要写下那些会真正改变处理方式的经验，尤其是初学者容易忽略、专业人士却会特别关注的判断。
Skill 承载的不只是创作者知道什么，还包括他如何观察问题、作出选择和处理例外。
03｜让每一步都有清楚的输入和结果
专业人士在工作时，往往已经习惯了自己的思考过程。很多步骤因为过于熟悉，很容易在制作 Skill 时被省略。
但用户提供的材料可能并不完整，也未必知道应该怎样描述需求。如果 Skill 收到材料后立即开始生成结果，就可能在目标尚未明确时作出错误假设。
一个相对完整的工作过程，通常需要先了解用户的目标和使用场景，检查现有材料是否足够，再执行核心任务，最后检查结果并说明仍然存在的问题。
以 PPT Skill 为例，它可能需要先了解演示对象、使用场合和希望达成的目标，再整理内容结构和视觉要求。生成文件后，还需要检查页面是否完整、文字是否超出边界，以及交付的文件能否继续编辑。
每一步都应当有清楚的输入和结果。需要用户补充的信息，应在关键判断发生前提出；可以合理推断的内容，则可以继续完成，并把采用的假设说明清楚。
对于可能影响用户决定的问题，Skill 还应知道何时停下来。缺少关键材料、任务已经超出适用范围，或结果需要专业人员进一步确认时，都应该明确告诉用户。
稳定的 Skill，需要把专业工作中容易被忽略的中间环节，也变成可以执行和检查的过程。
04｜把不同内容放在合适的位置
Skill 并不是把所有指令、资料和示例放进同一个文件。
当前主流的 Agent 与 Agent Skills 实践，正在逐渐形成一套共同方法：将能力封装为可复用模块，先用简短描述判断它是否适合当前任务，再根据需要读取完整流程、参考资料与可执行工具。
不同框架的具体格式并不完全相同，但目标是一致的——减少无关信息对当前任务的干扰，让 Agent 在正确的时机获得正确的内容。
以 OpenAI、Anthropic 和 LangChain 的 Agent Skills 实现为例，它们都采用了类似的“渐进式披露”思路：名称和描述用于能力发现与任务匹配，SKILL.md 承载核心工作方法，较长的参考资料、脚本和模板则在相关任务中按需使用。
这也意味着，不同内容承担着不同作用。
名称和描述帮助系统与用户理解这项 Skill 适合什么任务。核心指令负责说明目标、工作方法、重要判断和必要限制。较长的法规、行业知识和格式规范，可以作为参考资料，在相关场景下再读取。对于格式转换、数据处理和结果检查等需要稳定执行的操作，则可以使用脚本。模板、字体和品牌素材等内容，可以作为资源供生成交付物时使用。
以法律 Skill 为例，合同审查的共同方法可以放在核心指令中，不同类型合同的审查要点可以分别保存为参考资料。只有当用户提交劳动合同或软件采购合同时，才读取对应内容。
这样做不仅能够减少干扰，也有利于后续维护。法规发生变化时，创作者可以更新相应资料；工作方法需要调整时，则修改核心流程，而不必重新整理全部内容。
一个好的 Skill，不一定拥有最多的内容，而是能在需要的时候找到正确的内容。
05｜用真实任务检验结果
创作者自己使用 Skill 时，往往已经知道应该提供什么信息，也能理解结果中的专业表达。这种熟悉，有时会掩盖其他用户可能遇到的问题。
因此，测试不能只使用一份准备充分的示例。除了常见任务，还需要尝试材料不完整、表达含糊和超出适用范围的情况。
在这些测试中，创作者可以观察：Skill 是否在合适的任务中被使用，是否向用户索取了必要信息，能否在不同输入下保持相对稳定的工作过程，以及最终结果是否可以直接使用。
结果的好坏也需要有具体的判断依据。合同审查可以检查重要风险是否遗漏、建议能否对应原条款；PPT 制作可以检查内容结构、版面完整性和文件是否可编辑；数据分析可以检查计算是否正确、结论能否追溯到原始数据。
有些质量指标来自专业标准，也有些来自用户的后续行为。用户是否需要大量修改，是否能够理解结果，是否愿意再次使用，都能帮助创作者判断问题出在哪里。
一次成功的演示，可以说明某个任务能够完成。不同用户在不同材料下都能获得相对稳定的帮助，才说明这套方法具有更好的复用能力。
当测试发现问题时，也不必立即增加一条适用于所有情况的新规则。创作者需要先判断这是普遍缺陷，还是某个特殊场景中的需求，再决定应该修改核心流程、补充参考资料，还是缩小适用范围。
好的 Skill，需要在真实任务中反复接受检验，并根据已经出现的问题作出有针对性的改进。
06｜支付宝 SkillPay：让真实使用推动 Skill 成长
从个人经验到可复用的 Skill，通常需要经历多次整理和调整。
创作者先从自己熟悉的任务开始，再邀请目标用户使用，观察他们提供了什么材料、在哪些地方感到困惑，以及最终如何使用交付结果。
用户愿意付费，为这项 Skill 是否解决了真实需求提供了一项市场信号；使用后是否真正获得帮助、是否愿意继续使用，则能进一步检验 Skill 的质量。
我们希望支付宝 SkillPay 能够帮助创作者完成售卖、订阅、收款和交付，让他们把更多精力放在 Skill 本身。清楚的商品说明可以帮助用户了解适用范围，持续更新可以让用户看见问题如何得到解决，真实交易和后续反馈则能帮助创作者判断下一步应该改进什么。
商业化并不是制作完成后的最后一步。它也可以成为创作者与用户建立联系、了解实际需求和继续完善 Skill 的过程。
一个好的 Skill，不只是保存了一套经验。它让这套经验能够在恰当的任务中被调用，帮助更多人获得稳定、可靠的结果。
