Skill From Masters

Skill From Masters

创建像实战专家一样的skill，而不是像书呆子一样的skill。

核心理念

Skill是干活的。干活的知识来自实践，不是来自理论。

实践专家 vs 理论专家

我们要找的是实践专家——做得最好的人。理论专家只是辅助解释。

写书的人擅长总结和教学，但不一定是做得最好的。真正的高手往往不写书，但他们的案例、做法、踩过的坑，才是最有价值的。

所以：

❌ 错误：找写书的人 → 提取他们的理论 → 生成skill
✅ 正确：找做得最好的人 → 学习他们怎么做的 → 用理论辅助解释

工作流程

Step 1: 理解和收窄任务

确保任务足够具体。太宽泛的任务无法找到有效案例。

收窄方法：

1. 问领域：这个任务属于什么领域？
2. 问场景：具体在什么情况下使用？
3. 问约束：有什么限制条件？
4. 问案例：能描述一个你实际遇到的情况吗？

收窄标准：

• 能找到这个具体场景的真实案例吗？
• 能判断什么是"做得好"什么是"做得差"吗？

如果答案是否，继续收窄。

Step 2: 找案例（最重要的步骤）⚠️

这是整个流程的核心。先找案例，不要先找理论。

2.1 找黄金案例（做得最好的人怎么做的）

关键：找实践中做得最好的人，不是写书的人。

搜索策略：

"[具体任务] top performer"
"[具体任务] how the best do it"
"[具体任务] real example from [top company]"
"[角色] who is the best at [任务]"
"[具体任务] interview with [practitioner]"
"[具体任务] behind the scenes"

目标：找到3-5个实践中公认做得好的真实案例。

识别实践专家的信号：

• 有具体的成果/数据（"成交率提升X%"、"客户满意度最高"）
• 被同行认可（"团队里大家都学他"）
• 有真实的案例细节，不是泛泛的原则

对于每个黄金案例，记录：

• 这个人具体是怎么做的？
• 和普通人做法有什么不同？
• 有什么具体的细节让他做得更好？

2.2 找失败案例（什么是做得差的）⚠️ 同样重要

搜索策略：

"[具体任务] common mistakes"
"[具体任务] what not to do"
"[具体任务] fails"
"[具体任务] I learned the hard way"
"[具体任务] before after comparison"
"why [具体任务] doesn't work"

目标：找到常见的失败模式和踩过的坑。

对于每个失败案例，记录：

• 具体做错了什么？
• 为什么这样做是无效的？
• 应该怎么做才对？

2.3 找对比（有效 vs 无效）

搜索策略：

"[具体任务] good vs bad example"
"[具体任务] before after"
"[具体任务] do this not that"
"[具体任务] comparison"

对比是最有价值的素材，因为它直接展示了差异。

案例收集标准：

• 找到至少3个黄金案例了吗？
• 找到至少5个常见失败模式了吗？
• 找到有效/无效的直接对比了吗？
• 案例足够具体，能看到实际细节吗？

如果任何一项答案是否，继续搜索。

Step 3: 归纳有效/无效模式

从案例中提炼规律，而不是从理论中推导。

归纳方法：

1. 列出所有黄金案例的共同点

   • 它们都做了什么？
   • 它们有什么共同的特征？
   • 为什么这些做法是有效的？

2. 列出所有失败案例的共同点

   • 它们都犯了什么错？
   • 这些错误的根源是什么？
   • 如何避免这些错误？

3. 形成对比表格

| 有效做法 | 无效做法 | 为什么 |
|----------|----------|--------|
| [具体做法A] | [对应的错误做法] | [原因] |
| [具体做法B] | [对应的错误做法] | [原因] |
| ... | ... | ... |

归纳标准：

• 每个有效做法都有对应的无效做法对比吗？
• 能用一句话说清楚"做这个，不要做那个"吗？
• 这些规律来自案例，而不是来自理论假设吗？

Step 4: 用理论辅助解释（可选）

理论专家（写书的人）在这一步才登场，作为辅助。

理论的作用是解释为什么实践专家的做法有效，而不是指导怎么做。

搜索策略：

"why [有效做法] works"
"[领域] psychology behind"
"[理论专家名] explains [现象]"

理论的价值：

• 给实践规律提供"为什么"的解释
• 帮助用户理解背后的逻辑
• 增加可信度

注意：

• 理论是辅助，不是主体
• 如果找不到理论解释，也没关系——实践专家的案例本身就是最好的证据
• 不要让理论盖过实践。Skill的核心应该是"做得最好的人怎么做"，而不是"书上怎么说"

Step 5: 生成Skill

将案例中归纳的规律转化为skill指令。

生成原则：

1. 用案例说话

   • 每个规则都要有具体的"这样做"和"不要这样做"的例子
   • 例子来自真实案例，不是编造的

2. 先说怎么做，再说为什么

   • 用户首先需要知道该怎么做
   • 理论解释放在后面

3. 失败案例和黄金案例同等重要

   • 知道"不要做什么"往往比知道"要做什么"更实用
   • 专门设置"常见错误"或"避免这样做"的章节

4. 保持具体

   • 避免抽象的原则（如"要有同理心"）
   • 用具体的做法替代（如"当用户说X时，回应Y而不是Z"）

调用skill-creator生成：

Use the Skill tool with: skill: "skill-creator:skill-creator"

确保：

• 添加 model: opus（如果是需要判断力的skill）
• 包含黄金案例和失败案例的对比
• 用命令式语气写作

Step 6: 用案例测试

用真实案例测试生成的skill。

1. 拿一个黄金案例，看skill是否能产出类似质量的结果
2. 故意触发一个失败模式，看skill是否能避免
3. 让用户用自己的真实场景测试

如果测试失败，回到Step 2找更多案例。

搜索策略对比

❌ 旧的（偏理论）

"[domain] best practices expert"
"[domain] framework methodology"
"[expert name] methodology"
"[domain] principles"

这些搜索会返回书籍摘要、学术框架、抽象原则——都是"书本知识"。

✅ 新的（偏实践）

"[task] real example"
"[task] case study"
"[task] common mistakes"
"[task] what not to do"
"[task] before after"
"[task] I learned the hard way"
"how [company] does [task]"

这些搜索会返回真实案例、失败教训、对比——都是"实战知识"。

质量检查清单

在完成skill之前，确认：

案例质量：

• 找到了足够多的黄金案例（至少3个）？
• 找到了足够多的失败案例（至少5个常见错误）？
• 案例来自真实实践，不是理论假设？
• 案例足够具体，能看到实际细节？

归纳质量：

• 有效/无效做法形成了清晰的对比？
• 每个规则都有"做这个"和"不要做那个"的配对？
• 规律是从案例中归纳的，不是从理论中推导的？

Skill质量：

• Skill中包含了具体的例子，而不只是抽象原则？
• 失败案例和黄金案例都被体现了？
• 用真实案例测试过了？

最终检验：

• 这个skill像一个"做过无数次的老手"，还是像一个"读过很多书的人"？

示例：员工关怀Skill的正确做法

❌ 错误做法（旧流程）

1. 搜索"active listening methodology"
2. 找到卡尔·罗杰斯的三原则
3. 找到厚生劳动省的傾聴指南
4. 提取原则，生成skill
5. 结果：skill很学术，用户反馈"没有被关怀的感觉"

✅ 正确做法（新流程）

1. 搜索"employee care conversation example"
2. 搜索"what makes people feel heard"
3. 搜索"bad listening examples"
4. 搜索"therapist response good vs bad"
5. 找到大量真实对话对比：
   • ❌ "您感到疲惫了呢" → 冷漠，像回音壁
   • ✅ "怎么了？最近发生什么事了？" → 温暖，有兴趣
6. 归纳规律：
   • 不要オウム返し（回音壁式重复）
   • 要表现出真正的好奇心和关心
   • 具体追问，而不是泛泛共情
7. 生成skill，包含大量"这样说 vs 不要这样说"的对比
8. 结果：skill有温度，用户感觉被关心

核心记住

1. 找做得最好的人，不是写书的人 — 实践专家 > 理论专家
2. 先案例，后理论 — 理论只是辅助解释
3. 黄金案例 + 失败案例 — 知道什么不能做，比知道什么能做更实用
4. 对比是最有价值的 — "这样做 vs 那样做"的对比最直观
5. Skill是干活的 — 生成的应该是"实战高手"，不是"读过很多书的人"