公司的第一套 AI 战略：技能库
企业的 AI 优势，不只取决于接入了多少数据，更取决于能否把团队里可重复的判断、流程和经验做成可复用的技能库。
观察一家公司的优秀员工足够久，你会发现一件事：他们都有自己的模式。
优秀的销售在准备一次重要电话时，知道哪些信息最关键。他会翻出上一次沟通，识别真正的购买决策人，找到没有说出口的异议，还会追踪三周前某个承诺为什么没有出现在记录里。
强的客服负责人看客户升级问题时，也和别人不一样。他看到的不只是工单本身，还会看语气、历史、账户价值、产品痛点，以及那些提示“小问题可能很快变大”的细微信号。
财务负责人不会只看表格里的数字。他知道哪些波动重要，哪些只是噪音，哪些需要在董事会前讲清楚背后的故事。
这些工作，很多公司每天都依赖。但它们往往很难被捕捉、整理和学习。
人们会把它叫作经验、判断、品味，或者组织知识。可在实践里，这些说法有时也会变成一层漂亮包装，用来合理化既有假设和偏好。
AI 公司现在开始把它叫作技能。
我会在周五太平洋时间上午 10 点做一场直播，把这件事讲清楚。如果你想看更实操的版本，可以报名 Skills 101 。
什么是 Skill，它适合放在哪里，以及怎样不再一次次向 Claude 和 ChatGPT 解释同一套工作。 Skills 101 可以免费报名。
工作本来就有方法
每家公司做事都有自己的方法，而且通常比自己意识到的更具体。
销售如何准备续约。
产品团队怎样把客户反馈转成优先级。市场团队如何判断一次活动是否真的有效。客服什么时候决定升级一个问题。工程团队怎样评审高风险变更。财务如何理解业务里的变化。
其中一部分被写了下来。更多内容散落在文档、 Slack 讨论、模板、旧演示稿、入职沟通，以及那些待得足够久、知道该怎么看的人脑子里。
这些知识平时被当成背景，但它很快会变成基础设施。
Agent 只有理解任务背后的做事方法，才会真正有用。它们需要理解的不只是任务本身。
接入只是简单的部分
谈到 AI，人们通常先从数据接入开始。
把 Agent 连到 CRM，接入 Slack，开放 Google Drive，连上 GitHub，再和数据仓库打通。
这些都重要。没有接入能力的 Agent，大多只能猜。
但接入不会自动带来高质量工作。一个 Agent 可以读完所有销售记录，却仍然看不出一笔交易的形状。
它可以搜索所有客服工单，却识别不出哪个客户需要立刻处理。模型可以打开每一份产品文档，写出一份听起来正确、但错过关键决策的 PRD 。
难点不在于继续扩大 Agent 能访问的信息，而在于帮助它理解你的公司怎样处理这些工作。
这就是技能重要的地方。
Skill 是一种可复用的工作方式
Skill 不只是 Prompt 。
Prompt 告诉 Agent 在某个具体时刻做什么；Skill 捕捉的是一种可重复的工作方法。
有了 Skill，Agent 在遇到同类任务时，就能沿用同一套处理方式。
它可以包含指令、例子、模板、检查清单、脚本、参考资料和经验规则。技术形态可以不同。 Anthropic 的版本是一个简单文件夹，里面有一个 SKILL.md 文件，以及可选的辅助文件。其他系统会有自己的格式。
Skill 打包的是流程。
它记录某个人会怎么做，以及他在过程中使用的判断。它也会写下需要注意的边界情况，以及预期的质量标准。
销售电话准备 Skill 可以说明如何阅读账户历史、暴露哪些风险、怎样组织开放式问题，以及一份有用的简报应该是什么样。
事故复盘 Skill 可以说明如何重建时间线，如何区分原因和症状，如何避免归责式写法，以及如何把经验转成行动。
董事会材料 Skill 可以说明哪些指标重要，如何解释变化，什么内容应该放进附录，以及叙事通常会在哪里断掉。
Skill 就是被做成可复用形态的方法。
数据、连接器、技能，以及插件的演化
AI 系统遇到的第一个问题是接入。
模型需要触达真正发生工作的地方：文档、数据库、应用和业务记录。于是出现了连接器、 MCP 、 API 和数据集成。
这一步很必要。但单有接入，并不会产生有用的行为。
连接器可以暴露 Salesforce，却不能教会 Agent 你的团队怎样做销售预测评审。
Google Drive 也可以接上，但它不会告诉 Agent 哪份旧董事会材料值得借鉴，哪份应该跳过。
API 可以返回客服工单，却无法解释你们最有效的客服经理怎样判断哪些问题真的紧急。
技能就在这里进入系统。
数据和连接器提供上下文。
技能提供判断、流程，以及可重复的工作方式。
插件其实是两者的组合：它把系统接入、行动能力和工作流执行打包在一起。
从这个角度看，插件也是演化的一部分。
先有数据和连接器。
再有技能。
下一代系统会把两者组合起来：既能访问信息，又能理解工作如何完成，还能采取行动。
这也是我周五直播要展开讲的部分。接入让 Agent 进入工作，技能教它工作该怎么做。
我会展示这套栈、工作流，以及可以从哪里开始。
可以预留 Skills 101 的席位。
这种模式比 AI 更早
计算机领域一直在重复这件事。
Unix 命令让有用操作可以复用。
Shell 脚本让一组步骤可以复用。
库让代码可以复用。
API 让服务可以复用。
工作流让业务过程可以复用。
技能让判断可以复用。
这就是需要关注的部分。
AI 没有发明“把专业能力打包”的需求。软件一直在朝这个方向发展。
变化发生在执行者身上。
过去几十年，人必须读完手册，再自己应用。现在，Agent 可以加载手册、使用工具、检查文件、运行脚本，并继续推进。
工作手册可以变成主动运行的东西。
这会改变“记录工作如何完成”这件事的价值。
技能库会成为资产
想象两家公司使用同一个前沿模型。
一家公司把模型接入自己的系统。
另一家公司也接入系统，同时给模型一座技能库，里面沉淀的是公司最好员工的工作方式。
第二家公司拥有的是另一种资产。
它的 Agent 知道公司怎样准备销售电话、审合同、写发布简报、调查 Bug 、处理升级、总结研究、解释财务表现。
它不会完美，也不会神奇。
但会稳定到足够产生影响。
每个 Skill 都是一小块运营杠杆。
好的 Skill 可以避免同一个错误被反复纠正。
更好的 Skill 可以抬高所有使用者的下限。
优秀的 Skill 可以捕捉过去需要多年才能建立的判断。
所以，技能库会变成一份 Agent 真能使用的公司操作手册。
最好的技能会是私有的
未来会有公开的技能市场。
其中一些会有用，大多数会很通用。
最有价值的技能会留在公司内部，因为最有价值的方法通常很具体。
你的客户升级流程、销售资格判断框架、产品评审标准。
你的董事会更新格式、法务谈判里的退让位置，以及定义品牌的表达方式。
甚至包括你们如何决定什么才重要。
这些知识，竞争对手下载不到。
通用 Agent 可以带着销售、客服、财务、产品和工程的广泛知识进入公司。
让它在你的公司里有用的，是它学会团队长期积累下来的具体流程、决策方式和经验。
从工作开始
所以，每家公司的第一套 AI 战略都应该是一座技能库。
在选择平台之前，先梳理重复发生的工作。
找到那些有经验的人持续比别人做得更好的流程。
寻找那些需要判断、不能只靠投入精力完成的任务。
销售电话、客户研究、客服升级、 PRD 、事故复盘、合同、预测、发布、竞品分析、发布说明。这些都包裹在工作周围，决定了工作质量。
然后问：团队里最强的人到底哪里做得不同？其他人通常会漏掉什么？
他们最先注意到什么？
什么最容易被忽略？
哪些例子塑造了他们的做法？
哪些问题会反复出现？
他们想避免哪些错误？
他们怎样定义成功？
这些就是原料。把它做成 Skill，投入使用，持续改进，并让负责人始终贴近实际工作。
一家公司需要先有几项技能，让重要工作变得更稳定。
技能库可以从这里开始生长。
真正的 AI 战略
公司要从 Agent 身上获得最大价值，就不能把 AI 当成一层撒在业务上的通用智能，而要把它深嵌进那些能产生真实结果的工作流里。
做得更实际一点。
教会 Agent 业务到底怎么运转。
把重复出现的判断，转成可复用系统。
让优秀员工的方法更容易被应用，更容易被改进，也更不容易丢失。
变化就在这里。
一家公司的 AI 优势，会来自它教会模型做好的工作，而不只是它选择了哪个模型。
每家公司都有自己的运转方式。
大多数时候，它是隐形的。
技能让它可见。
技能库让它可复用。
你的公司已经有技能了。
它们藏在旧文档、 Slack 讨论、客户电话、评审机制、入职材料，以及那些真正知道工作怎么完成的人脑子里。
周五太平洋时间上午 10 点，我会直播讲 Skills 101 。
我会展示怎样减少对 Claude 和 ChatGPT 的重复解释，把指令打包起来，让 AI 能再次按你的方式完成任务。
可以预留周五 Skills 101 直播的席位。