兰 亭 墨 苑

标题 *

URL 别名 *

内容 * (支持 Markdown 格式) 前两天，一个做跨境电商的朋友问我： 最近在学 n8n，想配合 Claude 的 MCP 搞定一些工作流，你怎么看？ 我说了一句话，把他吓了一跳。 "n8n？那已经是上个时代的产物了。" 说实话，半年前要是有人跟我说这话，我也不信。 我学过RPA，学过扣子，学过n8n，但是每次都是学了两天之后就坚持不下去了。 这些东西用起来真的很痛苦——拖节点、配参数、调接口，而且不小心少一个符号可能都报错失败，感觉 ai 时代，把生命浪费在这些细枝末节真是没有意义。 直到我开始用Claude Code，开始接触Skills， 我发现生命都开始美好起来。 我现在越来越意识到一件事： 一个人，加上一个Codex，再加几百个Skills，就是一家公司，一个工厂。 你可能觉得这是夸张。 但有一个人已经用事实证明了这句话。 刘小排，被圈内叫做"Claude Code榜一大哥"。 2025年7月，Anthropic官方发了一条Twitter，说后台发现有用户7x24小时在跑Claude Code，消耗量极其惊人。 Claude全球消耗榜上，过去30天消耗了超过5万美金的token，断崖式排第一。 他之前在猎豹移动工作了十年，2024年底离职创业。 做了三个AI产品——Raphael AI、AnyVoice、Fast3D。 公司只有六七个人。 但收入有多少呢？他自己的原话："按照市场价格，养三五十个人没问题。" 六七个人，干出了三五十个人的活。 他怎么做到的？ 比如他的AI绘画产品需要做900个风格的Prompt模板和对应图标。 如果用人工，每个风格要搜索参考、理解风格特征、构建模板、调模型绘画、筛选图片，一个风格至少一小时。 900个就是900小时。 他的做法是把整个流程交给Claude Code。 搜索、理解、构建、绘画、筛选，全自动。 一夜就全部跑完了。 "我睡觉，但是我的Claude Code不睡觉。" 他在播客"十字路口"的访谈里说："AI是人类历史上最重要的一次变革。看AI产品榜单你会发现，80%的产品是你根本没听过的团队做的，往往只有几个人，甚至一个人。AI造就的是一个极度放大个人能力的时代。" 小宇宙播客「十字路口 Crossing」 六七个人的团队，年入近千万。 这就是我说的"一个人加几百个Skills就是一家公司"。 正在发生。 01 先搞清楚这些工具到底是什么 市面上的自动化工具——RPA、扣子、n8n、Dify——名字不一样，本质是同一代东西。 RPA 模拟你的鼠标键盘，网页改个按钮就崩了。 n8n 用节点连接 API，少画一步就卡住。 扣子能搭 bot，但搭出来的东西只能在扣子上跑。 Dify 更灵活，但门槛也更高。 它们的共同点是什么？本质是什么？ 本质都是："我来设计流程，机器来执行流程"。 我把每一步想好，画成流程图，机器按图一步步走。 没覆盖到的情况，它就不会处理。 说人话就是：都是雇了一个只会按说明书干活的实习生。 说明书写了什么，他就做什么。 说明书没写的，他就停住不动。 而 Skills，是完全不同的一代东西。 Anthropic 官方博客 02 Skills到底是什么 一句话：Skills就是给AI写的一本员工手册。 不是流程图，不是节点，不是配置表。 是一段自然语言的描述，告诉AI： 什么情况下，用什么方式，按什么标准，完成什么任务。 技术层面特别简单。 一个Skill就是一个文件夹，里面放一个SKILL.md文件。 用markdown写，普通人都看得懂。 AI不会一次性加载所有Skills。 它先扫描每个Skill的名字和描述，大概只花100个token。 判断当前任务跟哪个Skill相关，才加载那个Skill的完整内容。 Claude Skills 管理界面 什么意思？ 意思是我可以同时有上百个Skills，不会拖慢AI。 就像电脑里装了几百个软件，但每次只打开需要的那几个。 举个我自己的例子。 我最近做了一个电商主图的Skills。 给它一张产品图片，它自动做出四五张电商主图，而且保持风格一致。 核心其实很简单——就是让AI作图。 但作图最核心的是什么？ 是作图的提示词要怎么写。 只要把这些方法论琢磨透了，封装到一个Skills里面，以后它就能批量生产。 这才是 Skills 的本质——把一个工作的方法论，固化成 AI 能理解的语言，然后反复执行、反复输出。 从"流程驱动"到"意图驱动"。 03 和n8n到底差在哪 核心区别就一句话： n8n解决的是"怎么做"的问题——我告诉机器每一步怎么走。 Skills解决的是"做什么"的问题——我告诉AI我要什么结果，它自己想办法。 当我们连"做什么"都能用自然语言表达的时候，"怎么做"就不需要我们操心了。 差距最大的地方在容错能力。 n8n的节点图，只要有一个环节出意外——API返回格式变了、网页结构改了、某个条件没覆盖到——整个流程就挂了。 Skills不一样。 AI有理解能力。遇到没见过的情况，它不会直接崩，它会根据手册里的原则去判断该怎么处理。 还有一个关键区别：迁移成本。 在n8n上搭的工作流，只能在n8n上跑。 在扣子上做的bot，只能在扣子上用。 我们的时间和精力，被锁死在某一个工具里。 Skills是跨平台的。 2025年底，Anthropic把Skills发布为开放标准。 现在OpenAI的Codex、Google的Gemini CLI、Cursor、VS Code Copilot，30多个工具全都兼容同一个SKILL.md格式。 Django联合创始人Simon Willison写了一篇文章说"Skills可能比MCP更重要"。 他的逻辑是：MCP解决了"AI能连接什么工具"的问题，Skills解决了"AI拿到工具之后该怎么用"的问题。 Simon Willison 博客 我在Claude Code上写的Skill，拿到Codex上也能用，拿到Cursor上也能用。 一次投入，全平台复用。 这在n8n和扣子的世界里，不可想象。 当然，如果是完全不需要判断力的简单数据搬运，n8n依然好用。 但只要涉及到需要理解、需要判断、需要灵活处理的工作，Skills都是更好的选择。 现实是，我们工作中90%的流程，都不是简单的数据搬运。 04 Skills + 龙虾：大脑和手脚的分工 有朋友问：你的Claude Code、Codex和小龙虾（OpenClaw），怎么配合的？ 逻辑很简单。 Claude Code和Codex，是用来探索和开发Skills的。 龙虾，是用来跑已经成熟的Skills的。 我会先在Claude Code或Codex上面，和AI反复聊、反复试。 聊到满意了，流程跑通了，再把这个Skill固化下来。 这个探索过程可能要好几天。中间会有很多试错、调整、优化。 但一旦Skill打磨好了，龙虾的价值就来了。 龙虾适合什么？ 适合有固定SOP、固定Skills的任务，让它自动跑。 所以： 用Claude Code或Codex来探索、开发、打磨Skills。 用龙虾来自动执行已经成熟的Skills。 前者是大脑，后者是手脚。 龙虾本身不是最重要的。 Skills才是。 因为Skills是方法论、是SOP。。 但如果Skills已经打磨得很熟练了，放到龙虾上自动跑，效率提升是非常恐怖的。 就像培训好了一个员工，然后让他 7x24 小时不停干活。 05 我的方法论：不要自己发明流程 这是我最想分享的经验。 很多人觉得做Skills很难，要自己想流程、写规则、搞半天。 不需要。 我的核心做法就一句话：任何事情，先让AI去搜。 比如我想做一个电商主图的Skills。 我不会自己去琢磨"好的电商主图应该怎么做"。 我会直接跟AI说：你去搜一下，有没有现成的Skills做这个事。 没有的话，有没有人写过类似的代码、总结过类似方法论？你先搜过来给我看。 核心技巧在哪里？ 你想做的事情，大概率世界上已经有人做过了。 如果你对一个东西不懂，不要一开始自己给AI方法论，因为你的方法论可能是错的。 为什么不直接去学那些最厉害的人的方法论呢？ 所以做任何事情之前，先问一句：有没有现成的Skills？没有现成的，能不能去学习现成的方法论？学完了先汇报回来。 然后在这个基础上，看怎么优化成自己需要的。 怎么办？ 不需要重新写一个Skills。在原来的基础上，告诉AI新需求，让它帮我优化。 加几句描述就搞定了。 这就是Skills的精髓：站在别人的肩膀上，然后定制成自己的。 Anthropic 官方 Skills 仓库 · GitHub 排版优化→视觉规划→真实新闻图片取证→AI配图生成→图片质检→微信封面制作→发布。 一共7个环节，每个环节是一个独立的Skill。 然后我做了一个"父Skill"，专门负责调度这7个环节——什么时候走哪一步，什么条件没满足不能往下走，什么环节可以跳过。 其中配图的部分，是基于别人已经做好的配图Skills改造的。 发布的部分，也是基于一个已有的微信发布流程做的定制。 封面的部分，是我先做了一个通用封面Skill，然后再做了一个微信专用版。 每一步都是"找到现有的→学习它→优化成自己的"。 说到这里，你可能会问：为什么要拆成这么多个Skill？写一个大的不行吗？ 还真不行。 有一个叫花叔的内容创作者，他写了一篇万字长文分享自己的Skills实践。 他的Skills目录里有50多个Skills，其中10个专门为写作项目创建。 在用Skills之前，他把所有写作规则写在一个CLAUDE.md文件里——那个文件有3000多行，大约4万个token。 每次开对话都要烧4万token，不管这次聊的是不是写作。 后来他把写作流程拆成了十几个独立的Skill，分三个优先级：P0核心Skills每篇文章必用，P1常用Skills大多数文章会用，P2偶尔用的。 拆分的逻辑很关键：大而全的Skill，description写不准确。 "用于写作"太模糊了——选题算写作吗？改错别字算写作吗？ AI判断不了什么时候该触发。 小而专的Skill就不一样了。 比如他的"AI味审校"Skill，触发条件写得很精准：审校文章、初稿完成后、用户说"太AI了"、"没人味"的时候。 AI一看就知道什么时候该用。 后来他把自己的自动化写作流程做成Skill发布到扣子的技能商店，不到一天就获得了1200次使用——成了整个技能商店里使用量最高的（除了一个官方绘本技能）。 他说了一句话："用Claude Code自己构建Skills的人是一小撮，但想用AI解决实际问题、又没能力从零创建工作流的人，才是更大的群体。" 这就是Skills的魅力。 不要自己发明流程。 我自己想的流程，大概率是不 OK 的。很多人已经做过类似的事情了。先把别人的方法论学过来，再变成自己的。 最好的流程不是自己发明的，是"偷"来的。 然后把"偷"来的，打磨成自己的。 06 为什么说Skills是资产 和朋友聊天的时候他说了一句话："Skills才是属于个人和公司的资产。" 我非常认同。 第一，Skills会越用越值钱。 它现在对我的风格、排版习惯、审美偏好，比大多数合作过的设计师了解得还清楚。 这种东西是积累出来的。 别人拿不走。 n8n的工作流搭完就定型了。要改就得重新拖节点。 业务变化的时候，整个工作流可能要推倒重来。 Skills是活的。因为是自然语言写的，修改就像改一段话一样简单。 第二，Skills是可移植的。 同一个SKILL.md文件，30多个工具已经兼容。 我的劳动成果不被锁死在任何一个平台上。 第三，Skills是组织的知识沉淀。 我之前写过一句话：用文件来管理人，用文件来指导人。因为人会走，会离开，但文件就是公司的资产，永远被留下来。 Skills就是AI时代的SOP。 而且是一种会自己执行的SOP。 一个公司沉淀了200个Skills，新人入职不需要培训三个月。 把Skills库给他，第一天就能输出老员工水平的成果。 日本乐天就是用Skills把原来需要一整天的财务报告流程压缩到了一小时。 还有一家B2B SaaS公司的财务负责人说："光是对账那个Skill，每个月就省了15个小时，以前那些手动才能发现的数据不匹配，现在自动就捞出来了。" 资产不仅限于金钱化的产品。 知识和技能、管理方法、流程文档，这些有沉淀的、像土壤一样能持续孕育出果实的，都是资产。 Skills就是这样的资产。 07 普通人怎么开始 你可能会想：道理我都懂了，但我不是程序员，能用吗？ 2026年1月，Skills在非技术用户中突然火了。 社交媒体上涌现出大量案例：市场营销专员用Skills自动生成每周报告并分发给客户，学术研究者用Skills整理文献、生成文献综述，小型企业主用Skills处理客户咨询和订单管理。 这些人有一个共同点：没有编程背景。 Skills最大的特点就是会说话就能写。 第一步，今天就做：想想自己最重复的工作是什么。 找到那个每次都要跟 AI 解释一遍的事情。 那就是你的第一个 Skill。 第二步，这周就做：别自己想，让 AI 帮你找。 直接说：你去搜一下，有没有现成的 Skills 做这件事。 没有的话，有没有类似的方法论、最佳实践。先搜过来给我看看。 站在别人的肩膀上，永远是最快的开始方式。 第三步，持续做三个月：用起来，持续优化。 第一版一定不完美。没关系。用的过程中发现不满意的地方，改两句描述就好了。 三个月后，你会拥有一套只属于你的 Skills 库。 回头看我之前在n8n上拖节点、在扣子上搭bot的日子，感觉就像2005年还在用手写账本。 时代变了。 AI不会马上代替人类，但是会代替大量不会使用AI工具的人。 而 Skills，可能是目前最被低估的一件事。 三十年前，会用 Excel 的人，重新定义了"办公"。 今天，会写 Skills 的人，正在重新定义"工作"。 Skills 不是一个工具。它是你把自己的方法论，变成 AI 能理解的语言。 这，就是 AI 时代的 SOP。

配图 (可多选)

标签