Prompt 工程走到了尽头

过去两年，行业在 Prompt 工程上投入了巨量的智力资源。从零样本到少样本，从思维链到思维树，从角色扮演到结构化输出——我们几乎把 Prompt 这个媒介榨干了。

但有个问题一直没解决：Prompt 是一次性的。

你花 30 分钟调出一套完美的 Prompt，这周六用了一次，下周再用就忘了。即使你保存在某个文档里，每次也要复制粘贴、根据新场景微调、担心模型版本更新后 Prompt 失效。

这就像一个厨师每次做菜都要重新写菜谱。菜谱应该是一次写好，反复使用，持续迭代。

Skills 就是这个菜谱系统。

三个层次的 AI 交互进化

我们可以把人类与 AI 的交互分成三个层次：

第一层：裸对话。 你打开 ChatGPT，直接说「帮我写个 PRD」。AI 基于通用知识生成一份中规中矩的输出。问题是：AI 不知道你是哪个公司的、你的 PRD 模板长什么样、你的老板偏好什么格式。

第二层：Prompt 工程。 你精心编写了一段 Prompt——包含角色设定、输出格式、注意事项、反例说明。效果比裸对话好多了。但每次都要重新写，而且随着对话变长，早期 Prompt 的约束力会衰减。

第三层：Skills 预装。 你把团队的知识和工作流封装成一个 Skill，安装到 Agent 中。Agent 在启动对话时自动加载这些指令。不需要每次交代背景，不需要重复风格要求，不需要担心指令衰减。

这三个层次不是替代关系，是叠加关系。裸对话是最低门槛的入门方式，Prompt 工程是深度使用者的优化手段，Skills 是组织级的系统化方案。

为什么说这是一场「静默革命」

「静默」是因为它发生得太平滑了。

用户不需要学习新界面，不需要改变使用习惯，甚至不需要知道 Skills 的存在。Agent 只是突然变得更懂你的领域、更遵守你的规则、更少犯低级错误。

但「革命」是因为它改变了 AI 协作的权力结构。

在 Prompt 时代，控制权在模型方。你只能通过文字指令去「建议」AI 怎么做事。模型有自己的判断，你的 Prompt 只是一条参考信息。

在 Skills 时代，控制权在用户方。Skill 不是「建议」，是「预装规则」。Agent 在启动时就加载了 Skills，在执行任务时必须遵循 Skill 中的约束。

这就像从「口头交代」变成了「书面规章」。前者依赖对方的理解和意愿，后者有系统的强制执行。

PM 视角：Skills 如何重新定义产品体验

对一个 AI PM 来说，Skills 的引入会改变产品设计的三个核心维度：

第一，Onboarding 不再靠「新人指南」。

传统 SaaS 的 Onboarding 靠引导页、视频教程、文档中心。AI 产品的 Onboarding 可以靠 Skills——用户首次使用时，Agent 自动加载「产品使用引导」Skill，在对话中自然引导用户完成关键动作。

不是「请阅读我们的帮助文档」，而是「我注意到你还没有连接数据源，要不要我帮你配置一下？」

第二，个性化从「用户手动设置」变成「Skill 自动匹配」。

用户不需要在设置页里选择「我是设计师」还是「我是工程师」。系统根据用户的行为自动推荐和加载对应的 Skills——设计师自动获得 design-system 和 figma-to-code，工程师自动获得 code-reviewer 和 tdd。

个性化的颗粒度从「用户画像」细化到了「任务画像」。

第三，产品质量从「模型能力」转向「Skill 质量」。

当所有产品底层接入的是同级别的模型时，差异化从何而来？Skill 的丰富度和精准度。

一个 AI 写作助手的价值不在于接入了 GPT-5，而在于它有 50 个不同行业的写作模板、100 种品牌语调的微调方案、一套自动事实核查的工作流。这些都是 Skills。

Skills 时代 PM 的三个新问题

问题一：你是在设计「能力」还是在设计「约束」？

传统 PM 的工作是设计功能——产品能做什么。Skills PM 的工作中有很大一部分是设计约束——AI 不能做什么。哪些输出格式不被接受？哪些表述方式不符合品牌规范？哪些决策 AI 不能自主做？

好的 Skill 不是「AI 可以做很多事」，而是「AI 在这些边界内把事做对」。

问题二：Skills 应该「通用」还是「专属」？

通用 Skill（如 code-reviewer、seo-analyzer）受众广但差异化弱。专属 Skill（如「我们团队的 PRD 写作规范」）差异化强但受众窄。

PM 需要做的判断：哪些能力用通用 Skill 就够，哪些必须自建专属 Skill？建了专属 Skill 后，维护成本谁来承担？更新频率怎么定？

问题三：Skills 是功能还是产品？

一个 Skill 能解决的问题够大吗？大到可以独立成为产品吗？

copywriting 是一个 Skill，也可能是一整个营销文案 SaaS 的核心引擎。resume-parser 是一个 Skill，也可能是一个 HR SaaS 的关键模块。

区分标准：如果用户为了用这个 Skill 需要一个完整的工作界面（管理、历史记录、协作、导出），那这个 Skill 应该成为产品。如果用户只是在 Agent 中偶尔调用，那它作为一个 Skill 就够了。

一个思考框架：Skill 成熟度模型

借鉴 SaaS 的产品成熟度模型，我试着提出一个 Skill 的成熟度分级：

等级 特征 举例
L1 指令型 一套固定的提示词模板 「用 AIDA 公式写营销文案」
L2 流程型 多步骤的决策树工作流 「先分析目标受众→选公式→写文案→自检→输出」
L3 学习型 根据使用反馈自动优化 「记住用户偏好→调整输出风格→积累行业术语库」
L4 生态型 可与其他 Skill 组合编排 「copywriting + brand-guidelines + seo-analyzer 联动」

当前大多数 Skill 停留在 L1-L2。L3-L4 是接下来的进化方向，也是 PM 的设计空间所在。

结语

Prompt 让 AI 听懂人话。Skills 让 AI 理解工作。

从 Prompt 到 Skills 的迁移，不是技术升级，是协作关系的根本变化——AI 不再是一个等待指令的助手，而是一个加载了你的方法论、遵循你的规范、按照你的工作流运转的协作者。

这对 PM 来说意味着什么？意味着你的工作成果不再只是一份 PRD 或一个功能上线。你现在可以把团队的隐性知识、最佳实践、决策逻辑封装成 AI 可以执行的指令。

你的方法论，就是你的产品。

行动建议：今晚花 20 分钟，把你工作中最熟练的一个任务——比如「写周报」「做竞品分析」「审核设计稿」——拆解成结构化的步骤。然后问自己：如果要把这个步骤教给一个新同事，我需要写一份什么样的操作手册？这份操作手册，就是你第一个 Skill 的雏形。