前几天我发了一条帖子核心是把视频制作流程封装成主动引导式 Skill 的过程截图放了出去。结果第二天早上醒来后台粉丝涨了四千多私信直接炸了。一半人问“这个 Skill 是不是某个插件要怎么安装”另一半人问“Skill 和 Agent 到底有什么区别”。与其一条条回复不如我把整个设计逻辑、实现过程和复盘思路完整拆一遍这篇就当是我的详细版回答你看完不用再到处搜了直接照着做就行。这条帖子能火我自己是有点意外的但事后复盘又觉得在情理之中。视频制作是一件需求极大、但大部分人又不知道该如何下手的事。把这种事做成“主动引导式 Skill”就相当于把你脑子里的经验变成一套可复制、可运行、可分享的标准流程。你输出给 AIAI 带着用户一步步走完用户看到的不是空泛的道理而是一条完整的、可落地的视频生产流水线。这篇文章我不谈虚的从 Skill 的定义开始把视频制作 Skill 的五个实操步骤、爆贴复盘、以及我踩过的四个坑全部拉出来逐段拆给你。1. 先搞懂主动引导式 Skill 到底是什么1.1 Skill 不是插件也不是普通的 Prompt 模板这个误解非常普遍。很多人一看到 Skill 就问“它是不是像浏览器插件一样的东西”或者“是不是一个特别长的提示词”。都不准确。插件的本质是给一个软件增加外部能力比如给剪辑软件加一个自动去字幕的按钮。它改变的是工具本身的功能边界。而 Prompt 模板更像一份“一次性剧本”你把这套话术丢给 AI它给你一个结果完事。Skill 则是另一种东西它是一组文件的集合里面包含描述文件比如 SKILL.md、脚本代码、模板资源和示例数据。它定义了“在某个特定任务领域里AI 应该按照什么样的流程工作、每一步做什么、输出格式是什么、有哪些注意事项”。当用户提出的需求命中了 Skill 的描述范围AI 会自动加载这个 Skill然后用它规定的逻辑来完成任务。举一个生活化的例子。你去餐厅吃饭菜单是 Prompt你按菜单点菜厨师按你的要求做一道菜而 Skill 更像是餐厅后厨的“标准作业程序”它规定了从备菜、切菜、炒制、装盘到出餐的每一个步骤什么时候放盐、油温多少、盘子怎么摆都写得很清楚。所以 Skill 的价值不在于“回答你一个问题”而在于“保证一个复杂的任务被高质量地完成”。1.2 “主动引导式”恰恰是它好用的关键普通的 Skill 或者普通的 AI 对话是典型的“被动响应”模式。用户问一句AI 答一句。用户如果不知道该怎么问或者连自己需要什么都不知道那 AI 再聪明也帮不上忙。比如一个人说“我想做一条视频”如果你直接问他“平台是什么、目标观众是谁、视频多长”他大概率会愣住因为他可能真没想过这些。主动引导式 Skill 则反过来它会接管对话的节奏。当你触发这个 Skill 后它开场就会说“欢迎使用视频制作流程引导。为了帮你做出一条能跑出数据的内容我先确认几个信息1. 发布平台是小红书、抖音还是 B 站2. 这条视频的目标时长大概多少3. 核心主题你已经定了还是需要我帮你从热门方向里挑4. 你手上有没有现成素材5. 你更偏好干货型、情绪型还是种草型的内容风格”你不需要动脑子去思考该问什么只需要回答问题。AI 拿到关键信息后再一步步带着你走先给你三个选题方向你选一个然后它写脚本你确认或修改接着生成分镜表、拍摄清单、剪辑节点建议、封面文案一直到最后交付一份完整的制作检查表。整个过程像一位经验丰富的制片人坐在你旁边手把手带着你干活而不是一个被动的问答机。1.3 Skill 和 Agent 到底什么关系这个问题在评论区被问得最多。我把两者讲清楚。Agent 是一个能自主规划、拆解任务、调用工具并执行动作的智能体。你可以把它理解成一个“员工”它负责接收目标决定先做什么、后做什么并调用各种能力去完成。而 Skill 更像是这个员工手边的“工作手册”或“专项 SOP”。一个员工可以同时掌握很多本手册面对不同类型的任务拿出对应那本照着执行。所以Skill 和 Agent 是配合关系不是替代关系。拿视频制作这个场景来说Agent 负责判断“用户想做一个视频这个任务需要调用视频制作 Skill”然后把流程控制权交给 SkillSkill 内部再把整个视频生产流程拆解成若干步骤每完成一步Agent 可能还会去调用搜索工具查热点、调用画图工具生成封面。你要是只装一堆 Skill 却没有一个合理的 Agent 编排那这些 Skill 就是一本本没有员工去读的说明书反过来Agent 再聪明口袋里没有好 Skill就像新员工没有培训手册做起事来全凭感觉质量完全不可控。2. 为什么视频制作流程适合做成 Skill2.1 视频制作流程天生就是结构化流程不是所有事情都适合封装成 Skill。你让 AI 陪你聊人生这不需要 Skill。但视频制作恰恰是那种高度结构化、每一步都有明确输入输出和验收标准的任务。我习惯把短视频制作拆成八个节点选题、脚本、分镜、拍摄清单、粗剪、精剪、封面与标题、发布检查。每一个节点都有它对应的产出物阶段输入输出关键判断点选题目标平台、目标人群3-5 个选题方向是否切中痛点、是否有话题度脚本选定选题开场钩子正文结尾引导前3秒是否能留住观众分镜脚本景别、画面、字幕、道具表画面是否和文案匹配拍摄清单分镜设备、灯光、服装、收音需求有没有漏拍或者素材缺失风险粗剪原始素材语句剪辑节奏卡点逻辑通不通、痛不拖沓精剪粗剪版本字幕、BGM、音效、特效情绪和节奏是否到位封面标题最终成片标题、封面文案是否有点击欲望发布检查成片配套文案话题、标签、时间、互动引导数据追踪和复盘的指标是否齐全这些节点之间存在明确的前后依赖关系。选完题才能写脚本写完脚本才知道分镜怎么画。结构化如此清晰的流程放进 Skill 里简直顺理成章。每个节点就是一个 Skill 内部的 Step前一个 Step 的输出自然成为后一个 Step 的输入用户只需在每个节点做简单的确认或修改流程就能往下推。2.2 被动对话像挤牙膏主动引导像老司机带路我见过很多人用 AI 做视频最常见的状态是打开对话框输入“帮我写一个视频脚本”AI 哗啦输出一大篇用户看完觉得“好像挺对但好像又用不了”。为什么因为脚本本身不是独立存在的它必须和你的平台、你的口播风格、你的目标观众结合起来才有意义。如果你从来没在需求里说清这些那 AI 只能给你一篇正确的废话。主动引导式 Skill 解决的问题就是它替用户把那些“用户自己都意识不到的关键问题”先问了。它掌握了一个完整的视频制作知识框架知道一条能跑的短视频必须包含哪些要素。所以它的每一步引导都是在帮用户补齐信息差、确认决策点。比如说脚本阶段普通对话可能直接给你一篇 500 字的文案而我的 Skill 会先生成三个不同的脚本方向告诉你方向 A 强调情绪共鸣、方向 B 强调干货价值、方向 C 强调争议话题然后让你选。选定之后它再输出完整的口播稿并且会在后面追加几个问题“开场钩子保留还是替换这里需不需要增加一个真实案例结尾的互动引导要不要更直接一点”每一处修改建议都对应着视频数据的好坏。这种引导式体验对新手来说特别友好。用户不需要有编导经验只需要做一个“选择者”而不是“创造者”门槛一下子就降下来了。2.3 视频制作是高频需求圈层大传播性天然强在内容创作这个领域视频制作是金字塔顶端的高频需求。做知识科普的、卖货的、做课程培训的、甚至只是拍日常 Vlog 的人都需要这套流程。相比日志分析类、漏洞挖掘类、数学建模类 Skill视频制作 Skill 有一个天然优势它的产出物是可见的、可感知的。你说“我这个 Skill 能自动分析服务器日志”普通用户完全没概念但你说“你输入一个主题这个 Skill 能带你做出一条完整的小红书口播视频从选题到封面全包了”这个认知成本就低多了。人人都看过视频人人都知道做视频麻烦所以人人都会好奇这个东西到底怎么实现的。这也就解释了为什么“Skill”这个关键词在网络上迅速升温而且大量搜索集中在 AI 漫剧 Skill、PPT Skill、日志分析 Skill 这些具体场景上。因为大家真正感兴趣的不是 Skill 这个概念本身而是“某个具体工作能不能用 Skill 帮我搞定”。视频制作正好处于“需求量大、结构清晰、结果可感知”这三个特征的交叉点上它能成为爆款内容素材一点都不奇怪。3. 实操拆解一个视频制作 Skill 的设计全过程3.1 第一步先把自己的工作流画成节点而不是先写代码很多人一听做 Skill 就想去写代码这其实是最大的误区。Skill 的核心不是代码而是流程意识。你连自己的流程都没理顺写出来的 Skill 一定是一团浆糊。我最初做这个 Skill 的时候花了整整两天时间只在做一件事白纸上画流程图。把我过去几个月做短视频的真实流程全部列出来每个步骤都写清楚三行字——输入是什么、输出是什么、这个节点我怎么判断能不能往下走。画完之后我才发现原来过去很多我认为“靠感觉”的东西其实都有迹可循。比如写脚本阶段我过去觉得“脚本写得好不好全看灵感和网感”但当我仔细拆解时发现我其实有一个固定的套路先用一个反常识或带钩子的开头把观众按住然后正文只讲一个核心观点配上两到三个案例结尾再用一句转发引导收束。这个套路是完全可复制的只是我自己平时没意识到。所以做视频制作 Skill 的第一步是诚实地面对自己把你最拿手的那套方法拆成能给别人执行的步骤。不要把步骤定得太粗比如“拍摄”这一个词就不合格至少要细到“根据分镜表列出需要拍摄的镜头清单标注景别、画面内容、道具和台词”。拆得越细后续 Skill 的引导功能越好用。3.2 第二步搭 Skill 的目录和骨架流程拆完之后我再把流程翻译成 Skill 的文件结构。不同平台的 Skill 在实现细节上会有差异比如有的用.cursor目录、有的用.claude/skills、有的干脆做成独立目录但整体骨架是共通的。我习惯用下面这套结构video-production-skill/ ├── SKILL.md ├── scripts/ │ ├── main.py │ ├── script_writer.py │ └── shot_split.py ├── templates/ │ ├── script_template.md │ └── storyboard_template.csv └── assets/ └── examples/ └── demo_output.mdSKILL.md 是这个 Skill 的入口文件。它就像是手册的封面和目录负责告诉 AI“这个技能叫什么、什么情况下使用、具体怎么做”。Agent 每次收到任务时会先扫描这些 Skill 的描述信息如果判断当前任务和某个 Skill 匹配就会自动加载它。我写的简化版 SKILL.md 大概长这样--- name: video-production-guide description: 主动引导用户完成视频制作全流程适合小红书、抖音、B站短视频创作者从选题到发布全链路覆盖 --- # 视频制作主动引导 Skill ## 触发场景 - 用户需要制作一条完整的视频 - 用户不知道视频该从哪里开始做 - 用户需要从零开始梳理短视频的选题、脚本、分镜和发布策略 ## 工作流程 1. 开场信息收集确认平台、时长、主题、素材情况和个人风格偏好 2. 选题阶段生成 3 个候选选题用户选择后进入下一步 3. 脚本阶段生成带钩子的口播脚本输出后要逐段请用户确认 4. 分镜阶段基于确认的脚本生成分镜表包含景别、画面、字幕、道具 5. 拍摄清单阶段汇总所有分镜需要的拍摄资源 6. 剪辑阶段提供粗剪和精剪的检查节点建议 7. 封面标题阶段生成 5 个标题候选和 3 套封面文案 8. 发布检查阶段输出最终检查表包含话题、标签、发布时间建议 ## 重要原则 - 每个阶段输出后必须给用户【继续 / 修改 / 跳过】三个选项 - 用户说“跳过”时使用默认配置不要反复追问 - 用户修改需求时只调整对应阶段的内容不要重写整套流程 - 全程使用口语化表达避免书面语这个文件不需要很长但要精准。它的作用就是告诉 AI 一个骨架让 AI 在实际运行时有章可循。3.3 第三步设计主动引导的对话逻辑这是灵魂SKILL.md 只定义了“做什么”主动引导式的灵魂在于“怎么问、什么时候停、怎么根据回答改变节奏”。我的做法是把它设计成一个“带着确认点的线性流程”核心逻辑是每走一步都让用户拥有选择权。我用一段非常简化的伪代码来说明def main(): # 开场只问4个问题绝不问第5个 context ask_init_info( platform小红书, duration60秒以内, topicNone, material_source无现成素材 ) step topic_select while step ! done: if step topic_select: topics generate_topics(context) show(topics) user_choice ask_user(输入1/2/3选择选题输入4重新生成) if user_choice 4: continue context[topic] topics[int(user_choice) - 1] step script elif step script: script write_script(context) show(script) action ask_user(输入1继续丨输入2修改钩子丨输入3修改正文丨输入4重写) if action 2: script[hook] revise_hook(context) continue elif action 3: script[body] revise_body(context) continue elif action 4: continue context[script] script step storyboard elif step storyboard: storyboard generate_storyboard(context) show(storyboard) action ask_user(输入1确认丨输入2修改分镜表) if action 2: storyboard revise_storyboard(context) continue context[storyboard] storyboard step shooting_list # 后续阶段依此类推 # ... elif step done: print(全部完成最终交付物已生成)这段逻辑的核心不是代码写得多高级而是始终保持着“用户可干预”的状态。每生成一版内容用户都有机会修改修改之后不会从头开始跑而是在当前阶段继续。这样用户会觉得自己被这套 Skill 带着走又不会觉得自己失去了控制权。你要特别注意“跳过”这个选项。很多人做引导式流程时会犯一个错误非要用户答完所有问题才放行。真实用户是很没耐心的他想跳过拍细节的时候你要允许他跳。在他的信息不充足的情况下就用一个合理的默认值顶上。比如用户说“没有素材”那你就在分镜表里标注“全部需要新拍”用户说“不知道风格”你就说“那我先用干货解说型推进后面可以随时换”。这里的原则非常明确永远不要阻塞流程。3.4 第四步给脚本阶段写一个“会引导”的核心指令在 Skill 的脚本文件里真正让 AI 输出高质量内容的是每个阶段内部那段“给模型看的指令”。它和普通的 Prompt 模板很像但它会嵌入在 Skill 的流程节点里并且会自动带上用户在之前阶段提供的上下文信息。我拿脚本阶段举一个例子。当用户选定了选题方向Skill 会从模板库里调用脚本生成指令。这段指令我会这样写你是有五年短视频编导经验的资深创作者。现在需要基于以下信息创作一条口播视频脚本 - 发布平台小红书 - 目标时长60秒以内 - 视频主题年轻人拒绝加班 - 目标观众25-35岁职场人 - 内容风格干货情绪混合型 要求 1. 先写出一个开场钩子必须在前3秒制造反差或提问让人有听下去的欲望。 2. 正文只围绕一个核心观点展开用两个真实的或高可信度的案例支撑。 3. 结尾必须给出一个明确的互动引导可以是提问、评论引导或收藏提示。 4. 全部使用口语化表达不要出现书面语和宏大的词。 5. 不要一次输出太长正文控制在350字以内。 输出后按以下步骤与用户确认 - 请问开场钩子是否需要保留如果需要替换给出两个新的钩子方向。 - 请问正文案例是否需要更换如果需要请告诉我你想加入的案例主题。 - 请问结尾互动引导是否足够直接如果用户说“温和一点”就改成提问式引导。为什么这段指令要这样设计核心在于“输出后一定要确认”。如果你只是一次性生成脚本用户可能看一眼觉得还行就走但他对脚本并没有真正参与感而当你带着问题和他确认时他才会开始思考“我的钩子能不能更好”“我的案例是不是不够有说服力”。这个过程实际上是在帮用户提高对内容质量的判断力也在帮 Skill 调整出更贴合他需求的作品。其他阶段也是同样的思路。分镜阶段要带表格输出拍摄清单阶段要检查“有没有漏拍风险”封面标题阶段要输出 A/B 选项。每一个阶段都遵循同一套节奏先给方案再让用户选择最后带着用户的反馈进入下一个阶段。3.5 第五步测试、打磨、迭代把 Skill 文件写好不意味着它就合格了。我第一版做出来的时候自己觉得逻辑非常完美结果拿给朋友一试当场翻车朋友说“我想做一条美食视频”结果 Skill 跑出来的脚本一股职场干货味把朋友看得一愣一愣。后来我总结出测试期一定要做三件事。第一找 3 个不同背景的人来试跑。最好是找一个完全不懂视频的朋友、一个做过视频的半专业人士、一个做技术又做内容的同行。不懂视频的人负责测试“引导是否足够清晰”半专业人士负责测试“流程是否有专业漏洞”同行负责测试“方案是否有认知惊喜”。三类人给出来的反馈完全不同但合并在一起就是一份非常完整的优化清单。第二记录卡住的位置。每一次试跑我都会要求测试者至少说一句“哪个位置你不知道怎么回答”。卡住的位置通常就是引导信息不足的地方。比如有人就问过我“你问我希望用情绪型还是干货型可我不知道这两种风格有什么区别啊。”所以后来我在 Skill 里加了一条规则当用户表示对选项不理解时用一句简单的话解释选项并给出一个匹配人群的建议。第三给 Skill 加退出和重入机制。加一个/exit命令能随时中止流程加一个/restart命令能从头开始再加一个/help命令展示全程流程预览。这些机制在演示时特别有用因为用户在收藏你的帖子后第一次试用时往往不知道会经历什么提前给他看到一共有几个阶段能大大降低他的焦虑感。4. 复盘那个爆贴为什么这样发就能火4.1 帖子内容设计过程感就是流量密码那个爆贴的正文其实非常简单总共三张截图加一小段说明文字。第一张截图是 Skill 的开场对话用户输入“我想做一条关于年轻人为什么拒绝加班的小红书视频”Skill 自动列出需要确认的四个信息并且给出了建议选项。第二张截图是脚本生成页Skill 基于用户确认的信息先给出了三个选题方向用户选择了其中一个然后 Skill 输出了一段带开场钩子的口播脚本还在后面追加了一个“是否保留钩子”的确认问题。第三张截图是最终交付页从分镜表到拍摄清单再到封面标题候选全部在一屏里展示出来看起来就像是一份打包好的“视频制作全案”。我现在回看这条帖子其实它什么都没教它只是在展示一种可能性“原来视频可以这样被做出来。”这种过程感和结果可见性比满屏干货截图更有冲击力。用户看到的是一个完整的、可复现的流程而不是一堆碎片化的知识点。4.2 数据的三个关键引爆点标题、展示、钩子这条帖子能在一天之内涨粉四千我复盘之后发现有三个引爆点缺一不可。第一个引爆点是标题里强调了“主动引导式”这个词。这个说法在当时还不算烂大街很多用户看到后会本能地产生好奇什么是主动引导和 AI 聊天有什么区别好奇心驱动点击点击率一高系统就会给更多推荐。第二个引爆点是截图里展示了 Skill 的完整输出链。我一直觉得工具类的帖子最怕只讲概念、不见实物。三张截图直接告诉用户“这东西真的能用”没有啰嗦的介绍没有复杂的技术名词用户一眼就看懂了它能干什么。第三个引爆点是帖子的最后一行话“想要这个 Skill 的运行演示全流程和文件模板评论区留个脚印我整理后发你。”这一条转化钩子特别有效。很多用户不仅自己收藏了还会转发给身边需要的人。转发多了之后你的帖子就出了小圈层进入更大流量池。4.3 一天涨粉四千粉丝里面到底是谁涨粉四千听起来很爽但你必须冷静下来分析这些粉丝是谁否则后期的内容策略会完全跑偏。我看后台数据时发现这批粉丝大致可以分为四类第一类是短视频新手占比最多他们想学工具、想解决自己的内容生产问题第二类是内容操盘手和运营他们更关心这套流程能不能复制到自己的账号和项目里第三类是 AI 工具的学习者他们对 Skill 这个新概念非常敏感到处搜相关教程第四类是同行博主他们关注你是想看你下一步还会不会发新的 Skill有没有可以借鉴的点。这四类人群的需求是完全不同的。你要是一直发“视频制作 Skill”相关的内容第一类和第二类人群会继续关注你但第三类和第四类人群可能会很快流失。所以涨粉之后最重要的事情不是开心而是想清楚你的内容定位到底要服务谁。我当时选择了围绕“AI 自动化内容创作”这个大方向持续输出把视频制作 Skill 作为第一个爆款案例后面又陆续拆了 PPT Skill、文章写作 Skill、以及去 AI 味的 Humanizer Skill形成一个完整的系列。一个爆贴能带来的不只是数字更是一张清晰的用户画像和一条可持续的内容主线。如果你的 Skill 方向足够明确那么一个爆贴之后你后续的内容素材也基本有了制作思路复盘、文件结构解析、常见问题答疑、新场景适配教程每一条都可以再发一轮。5. 常见问题与避坑指南5.1 什么样的流程适合做成 Skill什么样的不适合做了视频制作 Skill 之后我一度很上头想把所有东西都封装成 Skill但踩过几次坑之后发现不是所有东西都适合这么做。适合做成 Skill 的任务有三个特征高频发生、流程明确、结果有验收标准。比如视频制作、PPT 制作、公众号文章写作、日志分析、店铺运营数据复盘这些都属于典型的高频流程化任务。它们每一步都有清晰的依赖关系做成 Skill 之后能给用户节省大量重复思考的时间。不适合做成 Skill 的也有三类。一是纯闲聊或情绪陪伴场景比如“帮我起个网名”“陪我说说话”这种任务的价值就是多样性做成固定流程反而会显得生硬。二是高度依赖个人灵感创作的任务比如写现代诗、做抽象艺术设计这类任务很难用结构化流程约束模型在固定流程下产出的东西往往非常平庸。三是我自己还没有形成稳定方法论的任务比如当时我对某个平台的新算法规则还完全不了解这时候强行封装 Skill只会把错误的方法固化下来。记住一个判断标准如果一件事你每次做的时候方法都会因为情况不同而发生很大变化那它暂时不适合做成 Skill如果一件事你每次做的时候都在重复同样的步骤只有细节参数在变那它就是一个天然的 Skill 候选。5.2 主动引导式 Skill 最常踩的四个坑第一个坑问题轰炸。我第一版 Skill 在开场一次性问了用户 8 个问题试跑时朋友们集体崩溃。你要理解主动引导的“引导”不是“审问”开场信息收集最好控制在 3 到 5 个问题以内并且要给每个问题提供可选答案让用户只需要做选择题而不是填空和思考。第二个坑信息丢失。用户在脚本阶段说了一句“我要口语化一点”结果到了分镜阶段Skill 又用非常书面化的语言写分镜描述用户就会觉得这玩意很蠢。解决方案是在每个阶段交接时把用户以前强调过的偏好作为上下文传递给下一个阶段尤其是在 SKILL.md 里明确写上“所有阶段必须沿用用户在前期设定的风格参数”。第三个坑没有退出机制。有些用户只是好奇想看一下 Skill 的输出能力但他一旦触发了流程就必须走完这种体验非常糟糕。后来我给 Skill 加了/exit和/help并且在开场就告诉用户“随时输入 /exit 可以退出输入 /help 查看完整流程”。第四个坑模板化太严重。模型一旦按照固定节奏输出很容易出现每一条脚本都有同样的转折句、同样的结尾引导。这会让用户觉得 AI 生成的东西“有种 AI 味”。解决方案是在每个阶段留出风格参数入口让用户可以选择“冷静理性风”“热血鸡汤风”“案例叙事风”等不同风格同时要求模型在输出时变化句式结构避免重复。5.3 让 Skill 更好用的几个细节技巧我最后再分享几个实测下来很有用的细节。技巧一给 Skill 加一个“演示模式”。很多用户第一次看到 Skill 时并不知道它能干什么如果你在 SKILL.md 里写了“如果用户输入 demo就展示一遍完整流程的输出示例”这个 Skill 的打开率会高很多。它相当于给用户一个预期管理看完演示他就知道后面会发生什么了。技巧二阶段性输出要提醒保存。我在测试时发现用户走到第五个阶段时如果网络断了或者对话超时前面所有输入可能就丢了。后来我在每个阶段输出末尾加一行“建议将当前分镜表复制保存到本地”虽然简单但能减少很多用户的崩溃时刻。技巧三把模板和脚本分开维护。SKILL.md 只放流程定义把具体的脚本模板放到 templates 目录里。这样你后期想调整脚本风格时只需要改一个模板文件不需要动整个 Skill 逻辑。我现在每个 Skill 都维护了三个模板版本新手版、标准版、快速版分别应对不同深度的需求。技巧四版本号里带上迭代说明。哪怕只是改了一句提示词也建议在版本说明里写清楚改了什么。做 Skill 这件事特别容易出现“改了几天之后忘了这版和上一版有什么区别”的情况。我是从 v1.0 一直迭代到 v1.4每次改完都写一行更新日志后面复盘时才能知道哪个改动真正提升了用户体验。关于要不要把 Skill 做成产品收费我的看法是先别急着想商业化先把你自己的流程梳理明白。这个视频制作 Skill 给我带来的最大收获不是那四千多个粉丝而是逼着我把过去靠直觉和经验积累的隐性知识全部变成了能写出来、能教给别人、能跑出稳定结果的标准流程。如果你手里也有那种“每次都需要重新带新人”的重复工作我非常建议你试着做一次 Skill 封装。先不用管文件格式不用管代码结构就在一张白纸上一步不落地把你的流程写下来。画完那一刻你会发现你的经验比你以为的值钱得多。 主动引导式Skill：把视频制作流程变成可复制的标准流水线
前几天我发了一条帖子核心是把视频制作流程封装成主动引导式 Skill 的过程截图放了出去。结果第二天早上醒来后台粉丝涨了四千多私信直接炸了。一半人问“这个 Skill 是不是某个插件要怎么安装”另一半人问“Skill 和 Agent 到底有什么区别”。与其一条条回复不如我把整个设计逻辑、实现过程和复盘思路完整拆一遍这篇就当是我的详细版回答你看完不用再到处搜了直接照着做就行。这条帖子能火我自己是有点意外的但事后复盘又觉得在情理之中。视频制作是一件需求极大、但大部分人又不知道该如何下手的事。把这种事做成“主动引导式 Skill”就相当于把你脑子里的经验变成一套可复制、可运行、可分享的标准流程。你输出给 AIAI 带着用户一步步走完用户看到的不是空泛的道理而是一条完整的、可落地的视频生产流水线。这篇文章我不谈虚的从 Skill 的定义开始把视频制作 Skill 的五个实操步骤、爆贴复盘、以及我踩过的四个坑全部拉出来逐段拆给你。1. 先搞懂主动引导式 Skill 到底是什么1.1 Skill 不是插件也不是普通的 Prompt 模板这个误解非常普遍。很多人一看到 Skill 就问“它是不是像浏览器插件一样的东西”或者“是不是一个特别长的提示词”。都不准确。插件的本质是给一个软件增加外部能力比如给剪辑软件加一个自动去字幕的按钮。它改变的是工具本身的功能边界。而 Prompt 模板更像一份“一次性剧本”你把这套话术丢给 AI它给你一个结果完事。Skill 则是另一种东西它是一组文件的集合里面包含描述文件比如 SKILL.md、脚本代码、模板资源和示例数据。它定义了“在某个特定任务领域里AI 应该按照什么样的流程工作、每一步做什么、输出格式是什么、有哪些注意事项”。当用户提出的需求命中了 Skill 的描述范围AI 会自动加载这个 Skill然后用它规定的逻辑来完成任务。举一个生活化的例子。你去餐厅吃饭菜单是 Prompt你按菜单点菜厨师按你的要求做一道菜而 Skill 更像是餐厅后厨的“标准作业程序”它规定了从备菜、切菜、炒制、装盘到出餐的每一个步骤什么时候放盐、油温多少、盘子怎么摆都写得很清楚。所以 Skill 的价值不在于“回答你一个问题”而在于“保证一个复杂的任务被高质量地完成”。1.2 “主动引导式”恰恰是它好用的关键普通的 Skill 或者普通的 AI 对话是典型的“被动响应”模式。用户问一句AI 答一句。用户如果不知道该怎么问或者连自己需要什么都不知道那 AI 再聪明也帮不上忙。比如一个人说“我想做一条视频”如果你直接问他“平台是什么、目标观众是谁、视频多长”他大概率会愣住因为他可能真没想过这些。主动引导式 Skill 则反过来它会接管对话的节奏。当你触发这个 Skill 后它开场就会说“欢迎使用视频制作流程引导。为了帮你做出一条能跑出数据的内容我先确认几个信息1. 发布平台是小红书、抖音还是 B 站2. 这条视频的目标时长大概多少3. 核心主题你已经定了还是需要我帮你从热门方向里挑4. 你手上有没有现成素材5. 你更偏好干货型、情绪型还是种草型的内容风格”你不需要动脑子去思考该问什么只需要回答问题。AI 拿到关键信息后再一步步带着你走先给你三个选题方向你选一个然后它写脚本你确认或修改接着生成分镜表、拍摄清单、剪辑节点建议、封面文案一直到最后交付一份完整的制作检查表。整个过程像一位经验丰富的制片人坐在你旁边手把手带着你干活而不是一个被动的问答机。1.3 Skill 和 Agent 到底什么关系这个问题在评论区被问得最多。我把两者讲清楚。Agent 是一个能自主规划、拆解任务、调用工具并执行动作的智能体。你可以把它理解成一个“员工”它负责接收目标决定先做什么、后做什么并调用各种能力去完成。而 Skill 更像是这个员工手边的“工作手册”或“专项 SOP”。一个员工可以同时掌握很多本手册面对不同类型的任务拿出对应那本照着执行。所以Skill 和 Agent 是配合关系不是替代关系。拿视频制作这个场景来说Agent 负责判断“用户想做一个视频这个任务需要调用视频制作 Skill”然后把流程控制权交给 SkillSkill 内部再把整个视频生产流程拆解成若干步骤每完成一步Agent 可能还会去调用搜索工具查热点、调用画图工具生成封面。你要是只装一堆 Skill 却没有一个合理的 Agent 编排那这些 Skill 就是一本本没有员工去读的说明书反过来Agent 再聪明口袋里没有好 Skill就像新员工没有培训手册做起事来全凭感觉质量完全不可控。2. 为什么视频制作流程适合做成 Skill2.1 视频制作流程天生就是结构化流程不是所有事情都适合封装成 Skill。你让 AI 陪你聊人生这不需要 Skill。但视频制作恰恰是那种高度结构化、每一步都有明确输入输出和验收标准的任务。我习惯把短视频制作拆成八个节点选题、脚本、分镜、拍摄清单、粗剪、精剪、封面与标题、发布检查。每一个节点都有它对应的产出物阶段输入输出关键判断点选题目标平台、目标人群3-5 个选题方向是否切中痛点、是否有话题度脚本选定选题开场钩子正文结尾引导前3秒是否能留住观众分镜脚本景别、画面、字幕、道具表画面是否和文案匹配拍摄清单分镜设备、灯光、服装、收音需求有没有漏拍或者素材缺失风险粗剪原始素材语句剪辑节奏卡点逻辑通不通、痛不拖沓精剪粗剪版本字幕、BGM、音效、特效情绪和节奏是否到位封面标题最终成片标题、封面文案是否有点击欲望发布检查成片配套文案话题、标签、时间、互动引导数据追踪和复盘的指标是否齐全这些节点之间存在明确的前后依赖关系。选完题才能写脚本写完脚本才知道分镜怎么画。结构化如此清晰的流程放进 Skill 里简直顺理成章。每个节点就是一个 Skill 内部的 Step前一个 Step 的输出自然成为后一个 Step 的输入用户只需在每个节点做简单的确认或修改流程就能往下推。2.2 被动对话像挤牙膏主动引导像老司机带路我见过很多人用 AI 做视频最常见的状态是打开对话框输入“帮我写一个视频脚本”AI 哗啦输出一大篇用户看完觉得“好像挺对但好像又用不了”。为什么因为脚本本身不是独立存在的它必须和你的平台、你的口播风格、你的目标观众结合起来才有意义。如果你从来没在需求里说清这些那 AI 只能给你一篇正确的废话。主动引导式 Skill 解决的问题就是它替用户把那些“用户自己都意识不到的关键问题”先问了。它掌握了一个完整的视频制作知识框架知道一条能跑的短视频必须包含哪些要素。所以它的每一步引导都是在帮用户补齐信息差、确认决策点。比如说脚本阶段普通对话可能直接给你一篇 500 字的文案而我的 Skill 会先生成三个不同的脚本方向告诉你方向 A 强调情绪共鸣、方向 B 强调干货价值、方向 C 强调争议话题然后让你选。选定之后它再输出完整的口播稿并且会在后面追加几个问题“开场钩子保留还是替换这里需不需要增加一个真实案例结尾的互动引导要不要更直接一点”每一处修改建议都对应着视频数据的好坏。这种引导式体验对新手来说特别友好。用户不需要有编导经验只需要做一个“选择者”而不是“创造者”门槛一下子就降下来了。2.3 视频制作是高频需求圈层大传播性天然强在内容创作这个领域视频制作是金字塔顶端的高频需求。做知识科普的、卖货的、做课程培训的、甚至只是拍日常 Vlog 的人都需要这套流程。相比日志分析类、漏洞挖掘类、数学建模类 Skill视频制作 Skill 有一个天然优势它的产出物是可见的、可感知的。你说“我这个 Skill 能自动分析服务器日志”普通用户完全没概念但你说“你输入一个主题这个 Skill 能带你做出一条完整的小红书口播视频从选题到封面全包了”这个认知成本就低多了。人人都看过视频人人都知道做视频麻烦所以人人都会好奇这个东西到底怎么实现的。这也就解释了为什么“Skill”这个关键词在网络上迅速升温而且大量搜索集中在 AI 漫剧 Skill、PPT Skill、日志分析 Skill 这些具体场景上。因为大家真正感兴趣的不是 Skill 这个概念本身而是“某个具体工作能不能用 Skill 帮我搞定”。视频制作正好处于“需求量大、结构清晰、结果可感知”这三个特征的交叉点上它能成为爆款内容素材一点都不奇怪。3. 实操拆解一个视频制作 Skill 的设计全过程3.1 第一步先把自己的工作流画成节点而不是先写代码很多人一听做 Skill 就想去写代码这其实是最大的误区。Skill 的核心不是代码而是流程意识。你连自己的流程都没理顺写出来的 Skill 一定是一团浆糊。我最初做这个 Skill 的时候花了整整两天时间只在做一件事白纸上画流程图。把我过去几个月做短视频的真实流程全部列出来每个步骤都写清楚三行字——输入是什么、输出是什么、这个节点我怎么判断能不能往下走。画完之后我才发现原来过去很多我认为“靠感觉”的东西其实都有迹可循。比如写脚本阶段我过去觉得“脚本写得好不好全看灵感和网感”但当我仔细拆解时发现我其实有一个固定的套路先用一个反常识或带钩子的开头把观众按住然后正文只讲一个核心观点配上两到三个案例结尾再用一句转发引导收束。这个套路是完全可复制的只是我自己平时没意识到。所以做视频制作 Skill 的第一步是诚实地面对自己把你最拿手的那套方法拆成能给别人执行的步骤。不要把步骤定得太粗比如“拍摄”这一个词就不合格至少要细到“根据分镜表列出需要拍摄的镜头清单标注景别、画面内容、道具和台词”。拆得越细后续 Skill 的引导功能越好用。3.2 第二步搭 Skill 的目录和骨架流程拆完之后我再把流程翻译成 Skill 的文件结构。不同平台的 Skill 在实现细节上会有差异比如有的用.cursor目录、有的用.claude/skills、有的干脆做成独立目录但整体骨架是共通的。我习惯用下面这套结构video-production-skill/ ├── SKILL.md ├── scripts/ │ ├── main.py │ ├── script_writer.py │ └── shot_split.py ├── templates/ │ ├── script_template.md │ └── storyboard_template.csv └── assets/ └── examples/ └── demo_output.mdSKILL.md 是这个 Skill 的入口文件。它就像是手册的封面和目录负责告诉 AI“这个技能叫什么、什么情况下使用、具体怎么做”。Agent 每次收到任务时会先扫描这些 Skill 的描述信息如果判断当前任务和某个 Skill 匹配就会自动加载它。我写的简化版 SKILL.md 大概长这样--- name: video-production-guide description: 主动引导用户完成视频制作全流程适合小红书、抖音、B站短视频创作者从选题到发布全链路覆盖 --- # 视频制作主动引导 Skill ## 触发场景 - 用户需要制作一条完整的视频 - 用户不知道视频该从哪里开始做 - 用户需要从零开始梳理短视频的选题、脚本、分镜和发布策略 ## 工作流程 1. 开场信息收集确认平台、时长、主题、素材情况和个人风格偏好 2. 选题阶段生成 3 个候选选题用户选择后进入下一步 3. 脚本阶段生成带钩子的口播脚本输出后要逐段请用户确认 4. 分镜阶段基于确认的脚本生成分镜表包含景别、画面、字幕、道具 5. 拍摄清单阶段汇总所有分镜需要的拍摄资源 6. 剪辑阶段提供粗剪和精剪的检查节点建议 7. 封面标题阶段生成 5 个标题候选和 3 套封面文案 8. 发布检查阶段输出最终检查表包含话题、标签、发布时间建议 ## 重要原则 - 每个阶段输出后必须给用户【继续 / 修改 / 跳过】三个选项 - 用户说“跳过”时使用默认配置不要反复追问 - 用户修改需求时只调整对应阶段的内容不要重写整套流程 - 全程使用口语化表达避免书面语这个文件不需要很长但要精准。它的作用就是告诉 AI 一个骨架让 AI 在实际运行时有章可循。3.3 第三步设计主动引导的对话逻辑这是灵魂SKILL.md 只定义了“做什么”主动引导式的灵魂在于“怎么问、什么时候停、怎么根据回答改变节奏”。我的做法是把它设计成一个“带着确认点的线性流程”核心逻辑是每走一步都让用户拥有选择权。我用一段非常简化的伪代码来说明def main(): # 开场只问4个问题绝不问第5个 context ask_init_info( platform小红书, duration60秒以内, topicNone, material_source无现成素材 ) step topic_select while step ! done: if step topic_select: topics generate_topics(context) show(topics) user_choice ask_user(输入1/2/3选择选题输入4重新生成) if user_choice 4: continue context[topic] topics[int(user_choice) - 1] step script elif step script: script write_script(context) show(script) action ask_user(输入1继续丨输入2修改钩子丨输入3修改正文丨输入4重写) if action 2: script[hook] revise_hook(context) continue elif action 3: script[body] revise_body(context) continue elif action 4: continue context[script] script step storyboard elif step storyboard: storyboard generate_storyboard(context) show(storyboard) action ask_user(输入1确认丨输入2修改分镜表) if action 2: storyboard revise_storyboard(context) continue context[storyboard] storyboard step shooting_list # 后续阶段依此类推 # ... elif step done: print(全部完成最终交付物已生成)这段逻辑的核心不是代码写得多高级而是始终保持着“用户可干预”的状态。每生成一版内容用户都有机会修改修改之后不会从头开始跑而是在当前阶段继续。这样用户会觉得自己被这套 Skill 带着走又不会觉得自己失去了控制权。你要特别注意“跳过”这个选项。很多人做引导式流程时会犯一个错误非要用户答完所有问题才放行。真实用户是很没耐心的他想跳过拍细节的时候你要允许他跳。在他的信息不充足的情况下就用一个合理的默认值顶上。比如用户说“没有素材”那你就在分镜表里标注“全部需要新拍”用户说“不知道风格”你就说“那我先用干货解说型推进后面可以随时换”。这里的原则非常明确永远不要阻塞流程。3.4 第四步给脚本阶段写一个“会引导”的核心指令在 Skill 的脚本文件里真正让 AI 输出高质量内容的是每个阶段内部那段“给模型看的指令”。它和普通的 Prompt 模板很像但它会嵌入在 Skill 的流程节点里并且会自动带上用户在之前阶段提供的上下文信息。我拿脚本阶段举一个例子。当用户选定了选题方向Skill 会从模板库里调用脚本生成指令。这段指令我会这样写你是有五年短视频编导经验的资深创作者。现在需要基于以下信息创作一条口播视频脚本 - 发布平台小红书 - 目标时长60秒以内 - 视频主题年轻人拒绝加班 - 目标观众25-35岁职场人 - 内容风格干货情绪混合型 要求 1. 先写出一个开场钩子必须在前3秒制造反差或提问让人有听下去的欲望。 2. 正文只围绕一个核心观点展开用两个真实的或高可信度的案例支撑。 3. 结尾必须给出一个明确的互动引导可以是提问、评论引导或收藏提示。 4. 全部使用口语化表达不要出现书面语和宏大的词。 5. 不要一次输出太长正文控制在350字以内。 输出后按以下步骤与用户确认 - 请问开场钩子是否需要保留如果需要替换给出两个新的钩子方向。 - 请问正文案例是否需要更换如果需要请告诉我你想加入的案例主题。 - 请问结尾互动引导是否足够直接如果用户说“温和一点”就改成提问式引导。为什么这段指令要这样设计核心在于“输出后一定要确认”。如果你只是一次性生成脚本用户可能看一眼觉得还行就走但他对脚本并没有真正参与感而当你带着问题和他确认时他才会开始思考“我的钩子能不能更好”“我的案例是不是不够有说服力”。这个过程实际上是在帮用户提高对内容质量的判断力也在帮 Skill 调整出更贴合他需求的作品。其他阶段也是同样的思路。分镜阶段要带表格输出拍摄清单阶段要检查“有没有漏拍风险”封面标题阶段要输出 A/B 选项。每一个阶段都遵循同一套节奏先给方案再让用户选择最后带着用户的反馈进入下一个阶段。3.5 第五步测试、打磨、迭代把 Skill 文件写好不意味着它就合格了。我第一版做出来的时候自己觉得逻辑非常完美结果拿给朋友一试当场翻车朋友说“我想做一条美食视频”结果 Skill 跑出来的脚本一股职场干货味把朋友看得一愣一愣。后来我总结出测试期一定要做三件事。第一找 3 个不同背景的人来试跑。最好是找一个完全不懂视频的朋友、一个做过视频的半专业人士、一个做技术又做内容的同行。不懂视频的人负责测试“引导是否足够清晰”半专业人士负责测试“流程是否有专业漏洞”同行负责测试“方案是否有认知惊喜”。三类人给出来的反馈完全不同但合并在一起就是一份非常完整的优化清单。第二记录卡住的位置。每一次试跑我都会要求测试者至少说一句“哪个位置你不知道怎么回答”。卡住的位置通常就是引导信息不足的地方。比如有人就问过我“你问我希望用情绪型还是干货型可我不知道这两种风格有什么区别啊。”所以后来我在 Skill 里加了一条规则当用户表示对选项不理解时用一句简单的话解释选项并给出一个匹配人群的建议。第三给 Skill 加退出和重入机制。加一个/exit命令能随时中止流程加一个/restart命令能从头开始再加一个/help命令展示全程流程预览。这些机制在演示时特别有用因为用户在收藏你的帖子后第一次试用时往往不知道会经历什么提前给他看到一共有几个阶段能大大降低他的焦虑感。4. 复盘那个爆贴为什么这样发就能火4.1 帖子内容设计过程感就是流量密码那个爆贴的正文其实非常简单总共三张截图加一小段说明文字。第一张截图是 Skill 的开场对话用户输入“我想做一条关于年轻人为什么拒绝加班的小红书视频”Skill 自动列出需要确认的四个信息并且给出了建议选项。第二张截图是脚本生成页Skill 基于用户确认的信息先给出了三个选题方向用户选择了其中一个然后 Skill 输出了一段带开场钩子的口播脚本还在后面追加了一个“是否保留钩子”的确认问题。第三张截图是最终交付页从分镜表到拍摄清单再到封面标题候选全部在一屏里展示出来看起来就像是一份打包好的“视频制作全案”。我现在回看这条帖子其实它什么都没教它只是在展示一种可能性“原来视频可以这样被做出来。”这种过程感和结果可见性比满屏干货截图更有冲击力。用户看到的是一个完整的、可复现的流程而不是一堆碎片化的知识点。4.2 数据的三个关键引爆点标题、展示、钩子这条帖子能在一天之内涨粉四千我复盘之后发现有三个引爆点缺一不可。第一个引爆点是标题里强调了“主动引导式”这个词。这个说法在当时还不算烂大街很多用户看到后会本能地产生好奇什么是主动引导和 AI 聊天有什么区别好奇心驱动点击点击率一高系统就会给更多推荐。第二个引爆点是截图里展示了 Skill 的完整输出链。我一直觉得工具类的帖子最怕只讲概念、不见实物。三张截图直接告诉用户“这东西真的能用”没有啰嗦的介绍没有复杂的技术名词用户一眼就看懂了它能干什么。第三个引爆点是帖子的最后一行话“想要这个 Skill 的运行演示全流程和文件模板评论区留个脚印我整理后发你。”这一条转化钩子特别有效。很多用户不仅自己收藏了还会转发给身边需要的人。转发多了之后你的帖子就出了小圈层进入更大流量池。4.3 一天涨粉四千粉丝里面到底是谁涨粉四千听起来很爽但你必须冷静下来分析这些粉丝是谁否则后期的内容策略会完全跑偏。我看后台数据时发现这批粉丝大致可以分为四类第一类是短视频新手占比最多他们想学工具、想解决自己的内容生产问题第二类是内容操盘手和运营他们更关心这套流程能不能复制到自己的账号和项目里第三类是 AI 工具的学习者他们对 Skill 这个新概念非常敏感到处搜相关教程第四类是同行博主他们关注你是想看你下一步还会不会发新的 Skill有没有可以借鉴的点。这四类人群的需求是完全不同的。你要是一直发“视频制作 Skill”相关的内容第一类和第二类人群会继续关注你但第三类和第四类人群可能会很快流失。所以涨粉之后最重要的事情不是开心而是想清楚你的内容定位到底要服务谁。我当时选择了围绕“AI 自动化内容创作”这个大方向持续输出把视频制作 Skill 作为第一个爆款案例后面又陆续拆了 PPT Skill、文章写作 Skill、以及去 AI 味的 Humanizer Skill形成一个完整的系列。一个爆贴能带来的不只是数字更是一张清晰的用户画像和一条可持续的内容主线。如果你的 Skill 方向足够明确那么一个爆贴之后你后续的内容素材也基本有了制作思路复盘、文件结构解析、常见问题答疑、新场景适配教程每一条都可以再发一轮。5. 常见问题与避坑指南5.1 什么样的流程适合做成 Skill什么样的不适合做了视频制作 Skill 之后我一度很上头想把所有东西都封装成 Skill但踩过几次坑之后发现不是所有东西都适合这么做。适合做成 Skill 的任务有三个特征高频发生、流程明确、结果有验收标准。比如视频制作、PPT 制作、公众号文章写作、日志分析、店铺运营数据复盘这些都属于典型的高频流程化任务。它们每一步都有清晰的依赖关系做成 Skill 之后能给用户节省大量重复思考的时间。不适合做成 Skill 的也有三类。一是纯闲聊或情绪陪伴场景比如“帮我起个网名”“陪我说说话”这种任务的价值就是多样性做成固定流程反而会显得生硬。二是高度依赖个人灵感创作的任务比如写现代诗、做抽象艺术设计这类任务很难用结构化流程约束模型在固定流程下产出的东西往往非常平庸。三是我自己还没有形成稳定方法论的任务比如当时我对某个平台的新算法规则还完全不了解这时候强行封装 Skill只会把错误的方法固化下来。记住一个判断标准如果一件事你每次做的时候方法都会因为情况不同而发生很大变化那它暂时不适合做成 Skill如果一件事你每次做的时候都在重复同样的步骤只有细节参数在变那它就是一个天然的 Skill 候选。5.2 主动引导式 Skill 最常踩的四个坑第一个坑问题轰炸。我第一版 Skill 在开场一次性问了用户 8 个问题试跑时朋友们集体崩溃。你要理解主动引导的“引导”不是“审问”开场信息收集最好控制在 3 到 5 个问题以内并且要给每个问题提供可选答案让用户只需要做选择题而不是填空和思考。第二个坑信息丢失。用户在脚本阶段说了一句“我要口语化一点”结果到了分镜阶段Skill 又用非常书面化的语言写分镜描述用户就会觉得这玩意很蠢。解决方案是在每个阶段交接时把用户以前强调过的偏好作为上下文传递给下一个阶段尤其是在 SKILL.md 里明确写上“所有阶段必须沿用用户在前期设定的风格参数”。第三个坑没有退出机制。有些用户只是好奇想看一下 Skill 的输出能力但他一旦触发了流程就必须走完这种体验非常糟糕。后来我给 Skill 加了/exit和/help并且在开场就告诉用户“随时输入 /exit 可以退出输入 /help 查看完整流程”。第四个坑模板化太严重。模型一旦按照固定节奏输出很容易出现每一条脚本都有同样的转折句、同样的结尾引导。这会让用户觉得 AI 生成的东西“有种 AI 味”。解决方案是在每个阶段留出风格参数入口让用户可以选择“冷静理性风”“热血鸡汤风”“案例叙事风”等不同风格同时要求模型在输出时变化句式结构避免重复。5.3 让 Skill 更好用的几个细节技巧我最后再分享几个实测下来很有用的细节。技巧一给 Skill 加一个“演示模式”。很多用户第一次看到 Skill 时并不知道它能干什么如果你在 SKILL.md 里写了“如果用户输入 demo就展示一遍完整流程的输出示例”这个 Skill 的打开率会高很多。它相当于给用户一个预期管理看完演示他就知道后面会发生什么了。技巧二阶段性输出要提醒保存。我在测试时发现用户走到第五个阶段时如果网络断了或者对话超时前面所有输入可能就丢了。后来我在每个阶段输出末尾加一行“建议将当前分镜表复制保存到本地”虽然简单但能减少很多用户的崩溃时刻。技巧三把模板和脚本分开维护。SKILL.md 只放流程定义把具体的脚本模板放到 templates 目录里。这样你后期想调整脚本风格时只需要改一个模板文件不需要动整个 Skill 逻辑。我现在每个 Skill 都维护了三个模板版本新手版、标准版、快速版分别应对不同深度的需求。技巧四版本号里带上迭代说明。哪怕只是改了一句提示词也建议在版本说明里写清楚改了什么。做 Skill 这件事特别容易出现“改了几天之后忘了这版和上一版有什么区别”的情况。我是从 v1.0 一直迭代到 v1.4每次改完都写一行更新日志后面复盘时才能知道哪个改动真正提升了用户体验。关于要不要把 Skill 做成产品收费我的看法是先别急着想商业化先把你自己的流程梳理明白。这个视频制作 Skill 给我带来的最大收获不是那四千多个粉丝而是逼着我把过去靠直觉和经验积累的隐性知识全部变成了能写出来、能教给别人、能跑出稳定结果的标准流程。如果你手里也有那种“每次都需要重新带新人”的重复工作我非常建议你试着做一次 Skill 封装。先不用管文件格式不用管代码结构就在一张白纸上一步不落地把你的流程写下来。画完那一刻你会发现你的经验比你以为的值钱得多。