這週的影片，我想跟大家探討一個正在發生的「典範轉移」。
過去兩年，我們習慣跟 ChatGPT、Gemini「聊天」。你問，它答；你給指令，它給文字。我們把這種互動稱為「AI 協作」，但說實話，這其實更像是「AI 問答」。
這種模式有一個致命的缺陷：它把執行的責任，最後又丟回給你。
試想這個場景：你讓 Claude 幫你寫一份技術文檔。它給了完美的 Markdown 格式，然後呢？你得自己複製、開 Notion、新建頁面、貼上、調整格式。每次都重來一遍。
更惱人的是，每次開新對話，AI 就像失憶了一樣，你又要重新解釋：「記得用這個模板」、「不對，先篩掉異常值」...
第一部分：觀念篇 — Prompting vs Skilling
首先，我們要釐清一個關鍵觀念的轉變。
- 每次都要重新貼一長串 Prompt
- AI 心情好才做得對
- 換個模型就要重新調整
- 無法封裝成產品
- 把規則、流程、範例打包成 Skill
- 一次建立，永久複用
- 換模型也能無縫銜接
- 可以變成可售賣的知識資產
根據 Anthropic 官方定義，Skills 是「可重用的工作流程封裝」。把它想成是一個資料夾：
📄 SKILL.md → AI 的工作指令書
📜 Scripts → 自動化腳本
📚 References → 參考文檔和模板
🎨 Assets → 品牌素材、配色規範
趨勢預測：Gartner 預測，到 2026 年將有超過 60% 的企業工作流由 AI Agent 驅動。現在不學 Skills，就像 2010 年還在用紙本記帳。
第二部分：實戰篇 — 3 個真實案例
案例 1：YouTube 影片分析自動化
- 痛點：每次分析影片都要手動整理字幕、提取重點、生成摘要
- 解決方案：用 Skills 封裝 SRT 解析 + 要點提取 + 摘要生成流程
- 成果：59 分鐘影片 → 5 分鐘自動產出完整分析報告
這個流程最關鍵的是 SKILL.md 裡的 description 欄位。Claude 就是靠這個欄位來決定「什麼時候該啟動這個 Skill」。寫得太模糊，它就不會觸發。
案例 2：PPT 自動生成
- 痛點：AI 生成的 PPT 總是格式不符、配色亂七八糟
- 解決方案：在 Skills 的 /assets 資料夾裡放入公司模板、品牌配色、排版規範
- 成果：說出主題 → 一鍵產出符合品牌的專業 PPT
案例 3：數據報告標準化
- 痛點：每個人整理數據的格式都不一樣，難以統一
- 解決方案：把計算公式、圖表樣式、報告模板封裝成 Skill
- 成果：團隊協作效率提升 3 倍
第三部分：製作篇 — 官方認證的 5 大原則
原則 1：控制檔案大小
SKILL.md 控制在 500 行內。超過 1,000 行就失去了設計初衷。每個 Skill 在掃描階段應只佔用約 100 tokens。
原則 2：Description 是關鍵中的關鍵
「幫助寫作」
「當用戶要求撰寫技術部落格文章時，按照 XX 風格指南產出，使用 H2 標題分段，每段不超過 200 字」
原則 3：善用漸進式揭露
把大型參考資料拆成獨立檔案放在 /references。Claude 只會在需要時讀取，不會一次全部載入。這就像把百科全書分冊存放，而不是每次都翻整本書。
原則 4：雙 Claude 迭代法（重點技巧）
- Claude A：幫你設計和撰寫 Skill
- Claude B（新對話）：實際測試 Skill 效果
- 觀察 Claude B 的表現 → 回到 Claude A 調整 → 重複迭代
原則 5：多個小 Skill > 一個大 Skill
把不同工作流程分開做成獨立 Skills。想像成樂高積木，可以自由組合；而不是一體成型的模型，改一個地方整個壞掉。
第四部分：工具篇 — 免費開始你的 Skills 之旅
- Google AntiGravity：免費存取 Claude Opus
- Claude Code：本地 AI 開發工具
- skill-creator：官方工具，自動生成 Skills 基本架構
課後作業
- 安裝 Claude Code：跟著影片的步驟安裝到你的電腦
- 創建你的第一個 Skill：用 skill-creator 生成一個簡單的 Skill，例如「Email 回覆範本」或「會議記錄整理」
- 在社群分享你的成功截圖：證明你已經踏入 Skills 的新世界！