每家公司最初的AI策略都应该是技能库

只要观察优秀员工足够长时间，就会发现一些规律。他们有模式可循。

一位出色的销售在准备重要电话时，心里很清楚什么才是关键。他们会查看上一次对话记录，识别出真正做决策的人，挖掘出未明说的反对意见，并追溯出某人三周前做出的、从未出现在笔记中的承诺。

一位强大的客服主管处理客户升级问题时，看问题的角度与其他人不同。除了工单本身，他们还能洞察语气、历史记录、账户价值、产品痛点，以及那些预示着一个小问题即将演变成大问题的微妙信号。

一位财务负责人能看穿纸面上的数字。他们明白哪些变动是重要的，哪些只是噪音，哪些需要在董事会会议之前讲出一个故事来。

这是大多数公司每天依赖的工作，但往往难以捕捉、组织和学习。

人们称之为经验、判断力、品味或机构知识，但在实践中，这些特质可能变成一种精炼的方式，用来合理化那些强化现有假设和偏好的决策。

AI公司开始称之为技能。

我将在太平洋时间周五上午10点进行直播讲解。如果你想了解实用版本，请注册参加“技能101”。

什么是技能。它适用于哪里。如何停止向Claude和ChatGPT反复解释同样的工作。免费注册参加技能101。

工作本身已有方法

每家公司做事的方式都比他们意识到的更加具体。

销售团队为续约做准备的方式。

产品团队将客户反馈转化为优先事项的方法。

市场部如何判断一个活动是否真的有效。

支持团队何时决定升级一个问题。

工程部用于审查高风险变更的流程。

财务部如何理解业务中发生的变化。

其中一些被写了下来。大部分则散落在文档、Slack讨论串、模板、旧演示文稿、入职培训电话，以及那些在公司待得足够久、更懂行的人的脑子里。

这些知识通常被视为背景信息，但它们即将成为基础设施。

只有当AI代理理解任务本身之外的东西时，它们才真正有用。它们需要理解任务背后的方法。

访问只是第一步

人们在使用AI时，往往从数据访问入手。

让代理接入CRM。设置Slack集成。提供Google Drive的访问权限。启用与GitHub的连接。建立与数据仓库的连接。

这些都很重要。没有访问权限的代理基本上只能靠猜测。

但访问并不会创造好的工作成果。一个代理可以阅读所有销售笔记，却仍然可能错过一笔交易的全貌。

它可以搜索每一个支持工单，却仍然无法识别出需要立即关注的客户。一个模型可以打开所有产品文档，却仍然产出一个听起来没问题、但错过了真正决策点的产品需求文档。

挑战在于帮助代理理解你的公司是如何处理工作的，而不是扩大代理的信息访问范围。

这正是技能发挥作用的地方。

技能是一种可复用的工作方式

技能不仅仅是提示词。

提示词告诉代理在特定时刻该做什么，而技能则捕获了一种可重复的工作方式。

这使得代理在遇到同类任务时能够应用相同的方法。

它可以包含指令、示例、模板、检查清单、脚本、参考和经验法则。具体的技术形式可以不同。Anthropic的版本使用一个简单的文件夹，内含一个SKILL.md文件和可选的辅助文件。其他系统会使用自己的格式。

一项技能打包了流程。

它捕获了某人遵循的步骤以及他们运用的判断力。它还记录了他们会留意哪些边缘情况，以及期望达到的质量标准。

销售电话准备技能可能涵盖如何阅读账户历史、需要揭示哪些风险、如何构建开放式问题，以及一份有用的简报应该是什么样子。

对于事故复盘，一项技能可能涵盖如何重建时间线。它还可以教会人们区分原因和症状，不带指责地撰写报告，并将经验转化为行动。

在制作董事会演示文稿时，一项技能可能涵盖哪些指标重要。它可以展示如何解释变动，哪些内容属于附录，以及故事通常在哪里出现问题。

技能就是被转化为可复用形式的方法。

数据、连接器、技能，以及向插件的演进

AI系统面临的第一个挑战是访问。

模型需要一种方式到达实际工作发生的信息和系统。这催生了连接器、MCP、API和数据集成，这些都能向AI暴露文档、数据库、应用程序和业务记录。

这是必要的一步。但仅有访问并不能创造有用的行为。

一个连接器可以接入Salesforce。但它无法教会你的代理团队如何进行预测审查。

Google Drive也可以连接，但这本身并不能告诉代理哪个旧的董事会演示文稿值得复制，哪个应该被忽略。

一个API可以返回支持工单，但它无法解释你最出色的支持经理如何判断哪些问题真正紧急。

这时技能就登场了。

数据和连接器提供背景信息。

技能提供判断力、流程和可重复的工作方式。

插件实际上是两者的结合。它们将系统访问与执行操作和工作流的能力捆绑在一起。

从这个意义上说，插件是演进的一部分。

首先是数据和连接器。

然后是技能。

下一代则将两者结合，成为能够访问信息、理解工作方式并采取行动的智能系统。

这正是我周五直播时要深入探讨的部分。访问让代理进入工作。技能则教会它们工作是如何完成的。

我会展示技术栈、工作流程，以及从哪里开始。

预订你的位置，参加技能101。

这种模式比AI更古老

这种模式在计算机领域反复出现。

Unix命令让有用的操作变得可复用。

Shell脚本让序列变得可复用。

代码库让代码变得可复用。

API让服务变得可复用。

工作流让业务流程变得可复用。

技能让判断力变得可复用。

这才是值得关注的部分。

AI并没有发明打包专业知识的愿望。软件一直朝着这个方向演进。

改变的是执行者。

几十年来，人类必须阅读剧本并加以应用。现在，代理可以加载剧本、使用工具、检查文件、运行脚本，并持续进行。

剧本可以变得活跃起来。

这改变了记录工作方式的价值的游戏规则。

技能库成为资产

想象两家公司使用相同的顶尖模型。

一家公司将模型连接到自己的系统。

另一家公司不仅将模型连接到系统，还为其提供了一个从公司最佳工作中构建的技能库。

第二家公司拥有不同的资产。

它的代理知道公司如何准备销售电话、审查合同、撰写发布简报、调查错误、处理升级问题、总结研究以及解释财务表现。

不是完美或神奇地做到。

而是足够一致，足以产生影响。

每一个技能都成为一小块运营杠杆。

一个好的技能能防止同一个错误被纠正两次。

一个更好的技能能提高所有使用它的人的最低标准。

一个伟大的技能能捕获那些通常需要多年积累才能形成的判断力。

这就是为什么技能库可以充当公司的手册，让代理能够实际使用。

最好的技能将是私有的

未来会有公开的技能市场。

有些会有用。大多数将是通用的。

最有价值的技能将存在于公司内部，因为最有价值的方法是特定的。

你的客户升级流程、销售筛选标准、产品评审标准。

你用于董事会更新的格式、你依赖的法律备用立场、定义你品牌的声音。

甚至你决定什么重要这种方法。

这些是竞争对手无法下载的知识。

一个通用代理可能拥有广泛的销售、支持、财务、产品和工程知识。

但让它在你公司内部真正有用的是，让它学习你的团队多年来积累的特定流程、决策和经验教训。

从工作本身开始

这就是为什么每家公司最初的AI策略都应该是技能库。

在选择平台之前，先梳理重复性的工作。

找到那些经验丰富的人始终能胜过其他人的工作流程。

寻找那些涉及判断力而非仅仅是体力付出的任务。

销售电话、客户研究、支持升级、产品需求文档、事故复盘、合同、预测、发布、竞争分析、发布说明。这些都不是工作的全部，但它们是围绕工作的方方面面。

然后问问团队里最优秀的人有什么不同做法，以及其他人通常会忽略什么。

什么最先引起他们的注意？

什么往往被忽略？

哪些例子塑造了他们的方法？

哪些问题反复出现？

他们试图避免哪些错误？

他们如何定义成功？

这就是原始素材。把它变成技能，投入使用，不断改进，并让技能的守护者贴近实际工作。

一家公司需要一些技能来让重要的工作更加一致。

技能库可以在此基础上逐步增长。

真正的AI策略

当公司不再将AI视为洒向业务各处的通用智能层，而是将其深度嵌入到能够驱动实际成果的工作流程中时，它们将从代理中获得最大收益。

做一些更实际的事情。

教会代理业务实际是如何运作的。

将重复性的判断转化为可复用的系统。

让顶尖执行者的方法更容易应用、更容易改进、也更难丢失。

这就是转变。

一家公司的AI优势将来自于它教会模型擅长做什么，而不是它选择了什么模型。

每家公司都有自己的一套运作方式。

大部分是隐形的。

技能让它变得可见。

技能库让它变得可复用。

你的公司已经拥有技能。

它们存在于旧文档、Slack讨论串、客户通话、复盘惯例、入职培训笔记，以及那些真正了解工作如何完成的人的头脑中。

太平洋时间周五上午10点，我将直播讲解技能101。

我将展示如何停止向Claude和ChatGPT反复解释同样的工作，并开始打包指令，让AI能够以你的方式再次完成工作。

预订你的位置，参加周五的直播技能101课程。