Claude不是有Projects功能吗，也可以保存上下文，为什么还要用Skills？
因为Projects是项目维度的，有开始有结束。比如你在做圣诞营销活动，结束之后那些上下文就没用了。
而Skills是能力维度的，是长期有效的。
Projects像是你给一个员工布置的具体任务，Skills则是这个员工本身具备的专业能力。
任务会变，但能力是持续积累的。
很多公司做完一个项目，经验就散了，下次还得重新摸索。
而成熟的公司会把项目中的经验沉淀成组织能力，变成可复用的资产。
Skills其实就是在帮你做这件事。
到这里其实已经很实用了，但博主又分享了一个进阶技巧，来自另一位叫boring marketer的AI从业者。
核心观点是：创建Skill的关键，是让AI像专家一样思考，而不是像机器人一样执行步骤。
具体来说有几个要点。
首先是探索Claude的失败模式。
在没有任何引导的情况下，让Claude做同样的任务，看看它会在哪里翻车。
这些翻车的地方，就是你的Skill需要重点补强的地方。
其次是做领域研究。
别只依赖Claude自己的知识，去找专业书籍、行业报告、专家访谈，把真正有价值的原则提炼出来写进Skill。
然后是尽量精简。
每一个section都要问自己：这段话真的有必要吗？如果删掉会影响输出质量吗？
冗余的信息只会分散AI的注意力。
最后是持续迭代。
Skills不是一次性产品，你用得越多，就越能发现它的问题，然后不断优化。这个过程很像训练一个真正的员工。
如果你想尝试，我建议分三步走。
第一步，想清楚你的高频需求是什么。
不是所有任务都值得创建Skill，那些你反复在做、每次都要重新解释上下文的任务，才是最适合的。
比如周报撰写、内容审核、数据分析报告、客户邮件回复等等。
第二步，先用Create with Claude功能快速搭建一个基础版。
不用追求完美，先跑起来再说。
第三步，在使用过程中不断收集反馈。哪里输出不符合预期，就去修改Skill文件。
这是一个持续优化的过程。
用好AI的人和用不好AI的人，差距会越来越大。
不是因为技术门槛高，而是因为很多人还停留在把AI当搜索引擎用的阶段。
而那些愿意花时间去训练、去调教、去建立专属AI能力的人，效率会以指数级提升。
Skills只是一个开始，但从工具到队友，这一步迈出去，你和AI的关系就完全不一样了。
因为Projects是项目维度的，有开始有结束。比如你在做圣诞营销活动，结束之后那些上下文就没用了。
而Skills是能力维度的，是长期有效的。
Projects像是你给一个员工布置的具体任务，Skills则是这个员工本身具备的专业能力。
任务会变，但能力是持续积累的。
很多公司做完一个项目，经验就散了，下次还得重新摸索。
而成熟的公司会把项目中的经验沉淀成组织能力，变成可复用的资产。
Skills其实就是在帮你做这件事。
到这里其实已经很实用了，但博主又分享了一个进阶技巧，来自另一位叫boring marketer的AI从业者。
核心观点是：创建Skill的关键，是让AI像专家一样思考，而不是像机器人一样执行步骤。
具体来说有几个要点。
首先是探索Claude的失败模式。
在没有任何引导的情况下，让Claude做同样的任务，看看它会在哪里翻车。
这些翻车的地方，就是你的Skill需要重点补强的地方。
其次是做领域研究。
别只依赖Claude自己的知识，去找专业书籍、行业报告、专家访谈，把真正有价值的原则提炼出来写进Skill。
然后是尽量精简。
每一个section都要问自己：这段话真的有必要吗？如果删掉会影响输出质量吗？
冗余的信息只会分散AI的注意力。
最后是持续迭代。
Skills不是一次性产品，你用得越多，就越能发现它的问题，然后不断优化。这个过程很像训练一个真正的员工。
如果你想尝试，我建议分三步走。
第一步，想清楚你的高频需求是什么。
不是所有任务都值得创建Skill，那些你反复在做、每次都要重新解释上下文的任务，才是最适合的。
比如周报撰写、内容审核、数据分析报告、客户邮件回复等等。
第二步，先用Create with Claude功能快速搭建一个基础版。
不用追求完美，先跑起来再说。
第三步，在使用过程中不断收集反馈。哪里输出不符合预期，就去修改Skill文件。
这是一个持续优化的过程。
用好AI的人和用不好AI的人，差距会越来越大。
不是因为技术门槛高，而是因为很多人还停留在把AI当搜索引擎用的阶段。
而那些愿意花时间去训练、去调教、去建立专属AI能力的人，效率会以指数级提升。
Skills只是一个开始，但从工具到队友，这一步迈出去，你和AI的关系就完全不一样了。
