我给 AI 定了一套工作制度：用 Claude Skills 把「每次都要重讲的事」写下来
发布于
用 AI 做事做久了，我发现最花时间的不是等它回答，而是每开一个新对话，都要重新讲一次同样的规矩：改文件前先备份、做完要自己验证、不要乱编数字、投资帐户只能看不能动。
Claude 有一个叫 Skills 的功能，可以把这些规矩写成一份说明书，相关的任务一出现它就会自己读。这篇记录我写了哪几套、每套解决什么问题，以及我怎样判断一件事值不值得写成 skill。
Skill 是什么
简单讲，一个 skill 就是一个文件夹，里面最重要的是一份 SKILL.md：开头一句描述「什么时候该用我」，下面是具体做法。AI 平时只看得到那一句描述，判断任务相关时才把全文读进来，所以装了也不会每次都占用上下文。
第一套：work-hq，给 AI 的工作守则
这是我用得最多的一套。任何超过三个步骤的任务，AI 开工前都要先读它。内核是六条硬规则：
| 规则 | 为什么 |
|---|---|
改既有文件前先备份到 backups/ | 改坏了可以实时还原 |
| 声明完成前必须验证 | 「应该可以」不算完成 |
| 投资帐户的工具只能读取 | 那是真金白银的帐户 |
| 不编造路径、工具名、数字 | 查不到就明说 |
| 犯错即记录 | 下一个对话不会再踩同一个坑 |
| 同一件事最多重试两轮 | 然后换方法或问我，禁止无限重试 |
我觉得最有用的是「什么才算完成」那张清单。AI 最危险的失败不是报错，而是安静地成功：网页抓回来是一个空壳它照样摘要、文件写了一半它说完成了。所以清单要求每个「完成」后面都要跟一个验证动作——文件读回来看过、程序真的跑过、数字对过来源。
还有一个「踩坑记录」区，格式固定：情境、错误、修正、去向。规定只能写具体动作，不准写感想：
正例：「WebFetch 对 SPA 网站回空壳 → 直接改用浏览器，不重试。」
反例：「以后要更小心地处理网页抓取。」
目前记录里最实用的一条，是用 AI 操作 CapCut 时数值字段怎样都写不进去，最后发现要切到全屏幕控制模式才行。这种东西不记下来，下次一定再浪费半小时。
第二套：exam-revision，以考试为目标的温习制度
每一科都有 lecture slides，有 past paper 的科目就用 past paper 带动。预设模式是逐题考、答完实时改卷，另外可以切换成先教后练或整份模拟卷。每科有一份 study log，记录温到哪里、哪些题型常错，下一次开新对话可以直接接上。
讲解用广东话，术语保留英文；示范答案则用考试会用的英文写法。
第三套：blog-scout，自动找 blog 题材
这篇文章本身就是它找出来的。
我常常想更新 blog，但坐下来就不知道写什么。后来发现其实素材一直都在——我每星期跟 AI 做的事情里，就有不少值得分享的过程。所以我让它每星期扫一次我的对话记录，用五个条件打分：别人读完能不能带走东西、是不是我的亲身经验、素材够不够具体、合不合 blog 的方向、事情有没有结果。
分数够高的记进题材清单，最好的一两个直接写成草稿。它只写草稿，不会自己发布；而且有一条私隐过滤：涉及其他人的名字与评价、我的收入和投资持仓的对话，一律不写。
什么值得写成 skill
网上很多人推介「必装的 Claude skills」，但我的经验是不要全部装。我用的判断方法：
- 过去一两个月有没有重复做过三次以上？ skill 是把重复的流程固定下来，只做过一次的事不需要。
- 跟现有的 skill 有没有重叠？ 已经有温习制度，再装别人的温习 skill 只会互相打架。
- 来源可不可信？ 装之前读一次
SKILL.md，看有没有叫 AI 读取文件或把数据送去外部的可疑指示。 - 一次只装一个，试一星期。 真的有用才留。