别写步骤了，写结果
我写过一些Skill，过程中发现 AI 的思考解决问题的能力有时候会比人类强很多。
一开始我 AI把当做一个实习生，这个事情怎么做，我教你 12345。
后来发现 AI 按照你的步骤去做，因为环境问题或者网络问题，不一定能走通，它有时候会自己想办法去走通，我盯着他看，去监督过程，实际上对人的浪费是很大的。
反而
让我比较 Aha的时候是我给了个任务没有给太多的要求，然后去上厕所了，回来之后 AI 完成的很好，我只需要 review 一下结果，和部分的过程。
这个过程中，我会发现AI 做事的方法，和人类并不一样，它太全面了，而且太快了，所以我开始放手让 AI 去做。
过程让 AI 自己发挥，往往比人规定的更好。
AI 能毫秒级检索、并行处理、不会觉得枯燥。你规定的"第一步第二步"，对它反而是束缚。
Skill 该定义的，只有结果。
三件事
实用的 Skill 只需要写清楚：
1. 成功标准（必须达成）
用清单写，不要用"尽量"这种虚词。
2. 红线（绝对不能碰）
告诉 AI 什么不能做，比"怎么做"更重要。
例子：
- 不能编造数据（没有就标"未找到"）
- 不能超出提供的材料范围
- 不能用专业术语而不解释
3. 验收方式（怎么检查）
让 AI 自己验收，别等用户来发现。
最简单的：
生成后问自己：
- 满足所有成功标准了吗？
- 碰红线了吗？
- 如果我是用户，会对哪里不满意？
有答案就返工。
什么时候才要规定过程？
三种情况：
- 安全/合规（如：医疗建议必须先问症状）
- 依赖特定工具（如：查海关编码必须先下载官方 PDF）
- 用户有固定 SOP（如：财务报销必须按审批流）
判断标准：跳过会导致"结果对但没法用"，就必须规定。
直接用的模板
# Skill: [任务名称]
## 结果
[一句话，如：一份可直接发给客户的产品对比报告]
## 成功标准（必须满足）
- [ ] 标准 1
- [ ] 标准 2
- [ ] 标准 3
## 红线（绝对不能）
- [ ] 红线 1
- [ ] 红线 2
## 验收（生成后检查）
1. 满足所有成功标准？
2. 碰红线了吗？
3. 用户会对哪里不满意？
有"否"就返工或问用户。
## 自由发挥
- 信息收集方式
- 内容结构
- 表达方式
再往后看一步
当 AI 的主观能动性足够强，优化方向会发生根本性转移：
从"教 AI 做事"变成"给 AI 搭环境"。
现在我们在做的——写好 Skill、编排 Agent 流程、给 Agent 做好用的工具——这些都还是在"教"的层面。但当 AI 自己能规划、能试错、能迭代，瓶颈就不再是"它会不会做"，而是"它能不能做"。
浏览器能不能用？文件系统能不能访问？API 有没有权限？执行环境够不够稳定？
这才是下一个阶段的核心问题。关于这个话题，我会单独写一篇文章来展开。