两天剪完 15 个视频，一个人完成字幕校对、错误修正、章节切分、配图生成、标题优化——不是粗剪，每个环节都过了一遍。这背后跑着 70 多个 Claude Skills，分布在六条业务链路上。但真正值得聊的不是数量，而是这套系统从单点工具演化成自运转流水线的过程。
Claude Skills 本质上是用英语写的程序
一个 Skill 就是一份纯文本文件，写清楚你希望 AI 怎么工作、遵循什么规则、产出什么结果。不需要 Python，不需要 IDE，不需要编程经验，你只需要会描述自己的工作方式。
2025 年 10 月 Claude 正式推出 Skills 功能。五个月后，70 多个 Skill 覆盖了六条链路：内容创作（28 个）、视觉与设计（14 个）、知识管理（7 个）、商业运营（6 个）、开发者基建（13 个）、工具类（6 个）。
但这些 Skill 不是一夜之间冒出来的，它们经历了三个清晰的演化阶段。
阶段一：单点突破——解决一个具体痛点
第一个 Skill 用来校对视频字幕。AI 转录的字幕错误率不低，专业术语基本全错，人名产品名经常变成同音字，断句位置也经常有问题。手动校对一条视频要一两个小时，枯燥、重复、还容易漏。
把校对规则写成文本文件，告诉 AI 怎么对照参考文档修正术语、统一人名、调整断句。20 分钟搭建，校对时间从一两个小时降到几分钟审阅。
没什么花哨的，一个输入一个输出。但它验证了一个判断：任何你每周重复做的工作，只要能把规则写清楚，就可以变成 Skill。
字幕解决了，然后是字幕转文章、标题优化、描述生成、封面配图。单个 Skill 越积越多，问题也随之而来——它们之间完全独立，没有任何协作。
阶段二：共享记忆——让多个 Skill 风格统一
用 AI 写内容的人都有一个共同体验：生成的文字"正确但没有灵魂"。更麻烦的是不统一——系统里有 9 个创作类 Skill，分别负责 Newsletter、视频脚本、推文、文章评审等场景。在 Newsletter Skill 里调了一下午语气，切到推文 Skill 又是一股标准 AI 味。
解决方案是建一个独立的风格学习 Skill。它只做一件事：从手动修改中提取偏好，持续更新一份共享的风格档案。每次在任何 Skill 的输出上改一句话，风格学习 Skill 就从修改中提取信号更新档案。下一次，9 个 Skill 的输出风格都会更接近。
这个设计很实用。Skill 不再各自为政，它们有了共享记忆。
阶段三：系统自运转——Skill 调度 Skill
风格统一了，但每次还得手动一个一个触发。Skill 多了之后，光是记住该用哪个、按什么顺序跑，本身就成了体力活。
两天剪完 15 个视频，背后跑的是一条流水线：字幕 Skill 先自动校对转录错误；HighlightCut 根据字幕内容识别章节边界辅助粗剪；后期 Skill 串联五个环节，一条命令完成从字幕校对到封面生成的全部后期工作；配图 Skill 为每个视频生成课程 PPT 和缩略图。
每个 Skill 各管一个环节，上一个的输出是下一个的输入。人只需要做两件事：在关键节点审阅质量，和做最终的发布决策。
这套系统有一个总入口，告诉它要做什么，它自己判断该调哪些 Skill、按什么顺序跑。一个人运营 YouTube 频道、Newsletter、X、课程、社群，同时还在写书。按传统方式，编辑、设计、剪辑、运营、社交媒体，每条线至少一个人，加起来 5 到 8 人的团队规模。
更进一步：AI 调度 AI
如果说系统总入口是 Skill 调度 Skill，那还可以更进一步——AI 调度 AI。
通过结对协作 Skill，可以组建一个异构 AI 团队：Claude 负责创作，OpenAI Codex 负责审查逻辑和事实，Google Gemini 负责审查可读性和风格。三个不同公司的 AI 模型，在同一个工作流里各司其职，互相审阅对方的输出。
真正让人兴奋的从来不是某个模型有多强，而是不同模型之间可以互相补位，形成比单一模型更可靠的系统。
踩过的坑
不是每个 Skill 都活了下来，有些已经被淘汰。两个典型教训：
两个 Skill 做同一件事。 早期做了一个专门生成 Newsletter B 版的 Skill，和主 Newsletter Skill 并行跑。听起来分工明确，实际维护时改一个就得同步改另一个，改着改着两边就不一致了。最终合并成一个 Skill 加模式切换，维护成本直接减半。
一个 Skill 想管太多事。 在只有三四个视觉类 Skill 的时候就做了一个「品牌视觉统一生成器」，想一步到位管所有视觉产出。结果每次新增一个视觉 Skill，这个生成器就得跟着改，最后它自己变成了最大的维护负担。砍掉之后让每个视觉 Skill 各自引用一份共享色板，反而更稳定。
共同教训：系统的清晰度比 Skill 的数量重要。这一点容易踩坑，尤其是在 Skill 数量快速增长的阶段。
怎么开始
不需要 70 个 Skill，甚至不需要 10 个。第一个 Skill 20 分钟就能写完，三个月后可能积累 5 到 10 个，覆盖最常重复的工作，这就够了。
找一件你每周至少做一次、每次花超过 30 分钟、而且已经形成固定套路的工作，把套路写成一份纯文本文件告诉 AI 该怎么做——这就是你的第一个 Skill。
从第 1 个到第 70 个，中间差的不是时间，是一套设计系统的方法论：哪些能力该独立成 Skill，哪些该合并？Skill 之间怎么传递信息？风格怎么统一？质量怎么控制？核心命题不是"怎么写 Skill"，而是"怎么设计一个 AI 协作系统"。第一个 Skill 可能只要 20 分钟，但第 70 个背后那套设计体系，才是真正的壁垒。