赵枰（枰先森）
做完一次，能不能留下下一次的办法？
很多人用AI的方式是：遇到问题就问，拿到答案就结束。下一次碰到类似的工作，还是从头解释背景、重新调整要求。我更在意的是，这次做对了什么，能不能留下来，下一次直接用。
把方法提炼成Skill，就是把任务需要的步骤、资料和判断规则整理成一套可调用的技能。它既可以来自自己做过的工作，也可以来自书籍、论文、访谈和深度播客中能够验证的方法。这里讨论的是经验和方法的整理，不是重新训练一个模型。
对企业AI落地来说，这件事的价值很具体：原来只有骨干记得的处理办法，有机会变成团队可以使用、可以检查的工作材料。
先想清楚，你到底想从资料里提取什么
读一本工具书，我会先找它解决什么问题、需要哪些条件、按什么顺序处理。如果是非工具书，我更关注作者怎样拆解问题、依据什么作判断。这两类内容，整理成Skill时的重点不一样。
不要把整本书压缩成摘要就算完成。摘要帮助你记住内容，而可复用的方法要回答：碰到什么情况时该调用，开始前要准备什么，哪一步可能出错，最后怎么判断结果是否合适。
仓颉Skill项目侧重从书籍、长视频和播客中提炼方法论；女娲Skill项目侧重依据人物资料提炼思维方式和决策方法。相关项目可在GitHub查看：kangarooking/cangjie-skill、alchaincyf/nuwa-skill。人物方法的整理只能作为分析参考，不能等同于本人判断或本人背书。
学习方法也要尊重资料的使用范围。自己的材料、获得授权的材料，可以按约定整理；别人的书和课程，不应整本复制后对外分发。提炼时记下出处和适用条件，后面才有依据核对。
自己的工作经验，可以这样整理成Skill
第一步，和AI完整做一遍你经常要做的任务。先用真实工作走通流程，把中途补充的条件、修改过的要求和最终采用的结果保留下来。
第二步，让AI总结这次任务的全部工作环节。除了“做了什么”，还要写清“为什么这样做”：为什么先问这个问题，什么情况下换一种方案，哪一步需要你亲自判断。
第三步，从这些环节里提取最有价值的方法，形成Skill。把任务入口、必要输入、处理步骤、交付结果和检查标准说清楚。下一次调用时，才能知道它是不是适合当前的业务。
比如，准备客户方案时，需要确认哪些需求、哪些产品资料必须核实、哪些承诺要交给负责人。这样的规则，比一句“帮我写个好方案”更容易复用。这里是方法示例，具体条件仍要由企业按自己的业务确认。
持续更新，要留下依据和版本
我自己在用Skill时，会让AI在任务结束后整理反馈，提出可以更新的方法：这一次哪里走了弯路，增加什么条件，下次能少返工。
更新建议要先核对，再放进下一版。客户要求变了，资料过期了，或者这次只是特殊情况，都不能直接变成以后通用的规则。每次修改留下原因和版本，必要时能够退回原来的方法。
试一试的方法也很简单：用同类任务再跑一次，看看是否少解释了背景、漏项是否减少、结果是否仍符合业务要求。只有经得住复用的方法，才值得继续推广给团队。
让Skill进入中小实体企业的日常业务
在尚易至尚科技集团的企业AI辅导中，我，赵枰（枰先森），更希望把企业已经做得好的方法留下来。集团已有13年辅导企业成长的积累，累计服务200多家企业成长，并形成连接品牌、电商、新媒体、团队辅导、渠道和仓储物流的完整产业生态链。这些积累帮助我们从实际业务看AI应该接在哪一段。
中小实体企业AI整体落地，可以从一个反复出现的任务开始。FDE企业AI落地应用工程师侧重场景实现、系统集成与交付；FDC企业AI落地应用教练侧重AI企业内训、团队学习、应用和复盘。技术接进去之后，还要让同事知道什么时候用、怎样检查，企业AI陪跑才有持续改进的依据。
先选一件你和AI已经做成的事，把其中最有用的判断整理出来。下一次再遇到它，你就有了一份可以继续打磨的方法。