1. 从“会聊天”到“会干活”中间差的是什么大模型能跟你聊哲学、写诗、编段子但真让它帮你干点正事——比如把一份混乱的会议纪要整理成结构化待办、把一段产品需求翻译成技术方案、把一堆散乱的用户反馈归类成可执行的迭代清单——你会发现它经常“翻车”。不是能力不够而是缺少一套明确的技能框架来约束和引导它的输出。这个开源项目做的事情很直接把 29 个中文 AI 技能打包成一个合集每个技能对应一个具体的、可复用的工作场景。你可以把它理解成给 AI 装了一套“操作手册”——不是教它怎么变得更聪明而是教它怎么在特定任务上稳定输出可用的结果。我拿到这个合集之后花了大概两周时间逐个跑了一遍覆盖了从文档处理、代码辅助、数据分析到内容创作的多个场景。实测下来最核心的价值不在于技能数量多而在于每个技能都定义了清晰的输入输出边界。这恰恰是大多数人用 AI 时最缺的东西——你知道它能干什么但不知道怎么让它稳定地干好。这篇文章会从技能合集的设计逻辑、核心技能拆解、实际使用中的配置方法、踩过的坑以及进阶玩法几个维度展开。不管你是刚接触 AI 工具的新手还是已经在日常工作中重度依赖 AI 的老手都能从中找到可以直接抄作业的东西。2. 这 29 个技能到底是怎么组织的2.1 技能分类的底层逻辑先看整体结构。29 个技能不是随便堆在一起的它们按照任务类型分成了几个大类。我整理了一下实际使用中感受到的分类逻辑类别典型技能核心解决的问题文档处理会议纪要整理、长文摘要、格式转换把非结构化文本变成结构化输出代码辅助代码审查、注释生成、Bug 定位降低代码维护和调试成本内容创作标题生成、文案改写、多平台适配提升内容产出效率数据分析数据清洗、趋势解读、报表生成让非技术用户也能处理数据沟通协作邮件撰写、需求拆解、反馈归类减少沟通中的信息损耗这个分类方式的好处是按场景找技能而不是按技术找技能。你不需要知道什么是 prompt engineering只需要知道“我现在要整理会议纪要”然后找到对应的技能直接用。2.2 每个技能的标准结构我拆了几个技能的文件结构发现它们遵循一个统一的模板。以“会议纪要整理”为例一个完整的技能定义包含这几个部分角色设定告诉 AI 它现在是什么身份比如“你是一名资深项目经理”输入说明明确需要用户提供什么比如“粘贴会议原始记录”处理规则定义输出的格式和逻辑比如“按议题分段每段包含结论、待办、负责人”输出示例给一个标准样例让 AI 有参照边界条件说明什么情况下这个技能不适用这个结构看起来简单但实际用起来差别很大。没有角色设定的 AI 输出是飘的没有输出示例的 AI 输出是随机的没有边界条件的 AI 输出是危险的。这三个坑我在早期自己写 prompt 的时候全踩过。2.3 为什么是 29 个而不是更多我一开始也好奇为什么偏偏是 29 个。用了一段时间之后大概理解了技能太多会导致选择困难太少又覆盖不了核心场景。29 个刚好能覆盖一个知识工作者日常 80% 以上的 AI 辅助需求同时每个技能都有足够的使用频率来验证效果。而且这个数量是有扩展空间的。合集的目录结构支持你自己往里加技能只要按照标准模板写就能无缝集成。我后来自己加了两个针对特定业务的技能跑下来完全没问题。3. 几个我反复使用的核心技能拆解3.1 会议纪要整理从流水账到行动清单这个技能是我用得最多的。以前开会录音转文字之后得到的是一大段没有重点的对话记录。手动整理至少要半小时用这个技能之后从粘贴原文到拿到结构化输出大概 30 秒。它的处理逻辑是这样的先把原始记录按话题切换点分段然后对每段提取三个要素——结论、待办、负责人。如果某段没有明确结论它会标注“待确认”如果没有待办它会标注“仅同步信息”。这个设计很实用因为实际会议中确实有很多内容只是同步不需要产生行动。我实测下来发现一个细节输入的时候最好把说话人标注带上。比如“张三我觉得这个方案可行”比“我觉得这个方案可行”的输出质量高很多。因为 AI 需要根据说话人来判断谁是负责人。如果原始记录没有标注它只能猜准确率会下降。提示如果会议记录特别长建议先按议题拆成几段分别处理再合并结果。一次性输入超过 5000 字输出质量会明显下降。3.2 代码审查助手不只是找 Bug这个技能的名字叫“代码审查”但实际用下来它做的事情远不止找 Bug。我把它用在几个场景新人代码 Review快速识别命名不规范、缺少边界处理、日志缺失等问题老代码重构前评估找出潜在的耦合点和重复逻辑代码注释补全给没有注释的函数自动生成说明它的输出格式很清晰按严重程度分级阻断性问题、建议修改、可选优化。这个分级很关键因为代码审查最怕的就是把所有问题混在一起说导致开发者不知道先改哪个。我踩过的一个坑是不要用它审查涉及核心业务逻辑的代码。它能看到语法层面的问题但理解不了业务规则。比如一个折扣计算逻辑它可能会建议你简化条件判断但实际上那些条件是为了覆盖特殊场景。所以我的做法是用它做第一轮筛选人工做第二轮确认。3.3 长文摘要与改写保持原意的压缩这个技能解决的是一个很实际的问题如何把一篇 5000 字的文章压缩到 500 字同时不丢失关键信息。它的处理方式不是简单的“提取前几句”或者“找中心句”而是先识别文章的结构——论点、论据、结论——然后按比例压缩每个部分。论点保留完整论据只留最强的那个结论原样保留。我拿它处理过技术文档、行业报告、新闻稿效果最好的是结构清晰的技术文档效果最差的是散文类的随笔。因为随笔的逻辑是隐性的AI 很难判断哪些是核心信息。所以这个技能有明确的适用边界适合处理有明确结构的非虚构类文本。3.4 需求拆解从一句话到可执行任务这个技能对做产品或者项目管理的人特别有用。你给它一段模糊的需求描述比如“用户希望结算页面更快”它会输出性能指标定义多快算快可能的影响因素接口响应、渲染逻辑、数据量可执行的排查步骤建议的验证方式这个拆解过程的价值在于把模糊的形容词变成了可量化的指标。我试过用它处理十几条用户反馈输出的任务清单直接可以导入项目管理工具省掉了大量手动整理的时间。4. 怎么把这套技能用起来4.1 环境准备你不需要写代码这个合集的设计原则是零代码使用。你不需要安装 Python 环境不需要配置 API Key甚至不需要懂什么是 prompt。所有技能都是以纯文本形式提供的你只需要打开你常用的 AI 对话工具把对应技能的内容复制进去按照技能说明提供输入拿到输出我试过在几个不同的 AI 平台上跑同一套技能输出质量有差异但整体逻辑都能跑通。差异主要来自底层模型的理解能力而不是技能本身的问题。4.2 技能调用的标准流程虽然每个技能的具体内容不同但调用流程是统一的。我总结了一个标准操作顺序第一步确认场景匹配。先看技能说明里的“适用场景”确认你当前的任务确实在这个范围内。不匹配的场景硬用输出质量会很差。第二步准备输入。按照技能要求的格式整理你的原始材料。大部分技能对输入格式有要求比如“用空行分隔不同议题”。第三步粘贴技能定义。把技能的完整内容复制到对话开头。第四步提供输入。在技能定义之后换行粘贴你的实际内容。第五步检查输出。重点看有没有遗漏关键信息有没有编造不存在的内容。这个流程看起来简单但第三步和第四步的顺序很关键。我试过先贴内容再贴技能定义效果明显差很多。因为 AI 需要先建立“角色认知”再处理具体任务。4.3 自定义技能的扩展方法合集里的 29 个技能不可能覆盖所有场景。我后来根据自己的工作需求照着模板加了几个技能。扩展的方法不复杂找一个现有技能作为模板修改角色设定换成你的场景需要的身份调整处理规则定义你需要的输出格式补充一个输出示例写清楚边界条件我加的一个技能是“竞品分析报告生成”角色设定是“你是一名资深行业分析师”处理规则是“按功能对比、定价策略、用户评价三个维度输出”。跑了几次之后输出质量稳定直接可以用在周报里。注意自定义技能的时候输出示例一定要写。没有示例的 AI 输出就像没有参考图的装修——它知道要刷墙但不知道你要什么颜色。5. 实际使用中踩过的坑和解决方案5.1 输出格式不稳定的问题最开始用的时候我发现同一个技能有时候输出是表格有时候是列表有时候是段落。后来定位到原因是技能定义里的输出示例不够具体。比如只写了“按议题分段”但没有说明分段后用什么格式呈现。解决方案是在技能定义里加一句明确的格式指令比如“每个议题用三级标题下面用无序列表列出结论和待办”。加了这句之后输出格式就稳定了。5.2 长输入导致的信息丢失处理超过 3000 字的输入时AI 经常会在输出里漏掉一些信息。我试过几种解决方案分段处理再合并把长文按章节拆开分别跑技能最后人工合并。效果最好但操作麻烦。在技能定义里加“完整性检查”指令让 AI 在输出末尾列出“未处理的内容”。有一定效果但不能完全避免遗漏。先摘要再处理先用摘要技能压缩再用处理技能。适合对精度要求不高的场景。我现在的做法是超过 3000 字的输入一律分段处理。虽然多几步操作但输出质量有保障。5.3 技能之间的冲突有一次我把两个技能的内容同时粘贴进去想让 AI 同时做两件事。结果输出质量很差两个任务都做得不完整。后来明白了一个对话只跑一个技能。需要多个技能的时候开新的对话分别跑最后人工整合。这个坑的本质是 AI 的注意力是有限的。同时处理多个任务会导致它在每个任务上的投入都不够。5.4 对输出结果的验证AI 输出最危险的地方是它会把不确定的内容写得像确定的一样。我在处理数据类任务的时候踩过一次坑它生成的报表里有一个数字明显不对但格式看起来很正规差点直接用了。从那以后我养成了一个习惯所有涉及数字、日期、人名的输出必须人工核对一遍。技能定义里也可以加一句“不确定的信息标注‘待确认’”但最终还是需要人来把关。6. 进阶玩法把技能串起来用6.1 技能链的搭建思路单个技能解决单个问题但实际工作往往是多个问题的组合。比如“整理会议纪要”之后可能需要“把待办拆解成任务”再“生成邮件通知相关人”。这三个技能可以串成一条链。我的做法是第一个技能的输出直接作为第二个技能的输入。中间不需要人工整理因为技能定义的输出格式是标准化的可以直接被下一个技能识别。实测下来这条链跑通之后从会议结束到邮件发出整个过程可以压缩到 5 分钟以内。以前至少需要半小时。6.2 多技能协作的注意事项串技能链的时候有几个细节要注意格式兼容性前一个技能的输出格式要能被后一个技能识别。如果前一个输出的是表格后一个期望的是段落就需要加一个转换步骤。信息损耗每经过一个技能信息都会有一定程度的压缩。所以链条不宜过长一般 3 个技能以内比较合适。人工检查点在关键节点设置人工检查比如第一个技能输出之后确认一下有没有遗漏再进入下一个技能。6.3 结合外部工具的使用方式这套技能本身是纯文本的但可以和你现有的工具结合。我试过几种组合配合笔记软件把技能输出直接粘贴到笔记里作为工作记录配合项目管理工具把任务拆解的输出导入看板配合代码编辑器把代码审查的输出作为注释加到文件里这些组合不需要额外的技术配置就是复制粘贴的操作。但建立固定的操作流程之后效率提升很明显。7. 我对这套技能合集的实际体会用了大概两周之后我最大的感受是AI 工具的价值不在于模型本身有多强而在于你有没有一套稳定的使用方法。这套技能合集提供的正是这样一套方法——它把“怎么问”这件事标准化了让你不需要每次都想 prompt直接找到对应技能就能用。另一个体会是技能的数量不重要重要的是每个技能都有明确的边界。29 个技能里我高频使用的其实只有 6-7 个但这 6-7 个已经覆盖了我日常 80% 的 AI 辅助需求。剩下的技能我偶尔会用但使用频率不高。这很正常就像工具箱里的工具常用的就那几把但其他的备着也不碍事。最后分享一个小技巧把你最常用的技能保存在一个固定位置比如笔记软件的置顶或者浏览器的书签栏。用的时候直接复制不用每次去翻合集。这个操作看起来很小但实际用起来能省不少时间。