绝大多数的 Skill 都不值得安装

自从 Claude Code 的 Skill 机制火起来，GitHub 上各种 Skill 仓库如雨后春笋。动辄上百个 Skill 的合集，点个 Star，一键安装，看起来像在给自己的 AI 装满军火库。

但真正用了一段时间之后，你会发现一个反直觉的结论：

绝大多数公开的 Skill，对你个人来说都不值得安装。

这不是说那些 Skill 写得不好，而是它们解决的问题不是你的问题。

---

一、Skill 的价值高度依赖个人上下文

一个 Skill 为什么好用，从来不是因为它功能齐全、文档精美，而是因为它完美契合某个具体的工作流——而这个工作流属于写这个 Skill 的人，不是你。

举个例子：wechat-publisher 这个 Skill 如果你根本不运营公众号，装它毫无意义；irs-tax-forms 如果你不是美国 LLC 持有人，装它就是白白占地方。甚至看起来人人都用得上的 notebooklm-skill，如果你压根没有 NotebookLM 账号，它就是一段装饰。

Skill 的底层逻辑是"替特定流程加速"，流程不对口，Skill 就是负资产。

---

二、装得越多，触发越乱

Skill 靠描述里的关键词自动激活。当你装了 80 个 Skill，每个 Skill 都有自己的触发关键词，结果就是：

• 你说"帮我写个文档"，结果触发了某个你从没用过的 docx 插件
• 你说"做个视频"，结果在 HyperFrames、Remotion、video-creator 之间反复横跳
• 你说"发布"，结果可能触发 WeChat、X、ScheduleTrigger 的任意一个

触发词污染是装 Skill 最容易被忽略的代价。Claude 触发一个错误的 Skill 比不触发任何 Skill 糟糕得多——它会按错误的流程跑下去，你还得花时间纠正。

Skill 数量和使用体验之间，大概率是一个倒 U 型曲线。超过某个阈值（根据我的经验，大约 20-30 个），每多装一个，体验开始下滑。

---

三、哪些 Skill 真的值得装

我把值得安装的 Skill 分成三类：

① 能力型 Skill：提供你本地没有的基础能力

比如 pdf、xlsx、docx、pptx 这些处理文件格式的 Skill。它们封装了一堆 Python 库和模板脚本，你自己写要花一天。这类 Skill 的价值在于提供了你没法轻易复刻的底层能力。

② 环境型 Skill：打通外部服务

比如把 MCP 接入到 Gmail、Google Drive、R2 上传——这类 Skill 本质是一层薄薄的粘合剂，把你已经在用的服务连进来。装一次，长期受益。

③ 参考型 Skill：包含高质量参考资料

比如 brand-guidelines（Anthropic 的品牌规范）、claude-api（最新 SDK 用法）——这些 Skill 的价值是信息，不是流程。把它们装好，相当于在 Claude 身边放了一本经过筛选的参考书。

其他大多数基于流程的 Skill——公众号发布、推文写作、特定风格的图片生成——几乎都应该自己写，而不是装别人的。

---

四、为什么自己沉淀的 Skill 更值得投入

你自己沉淀出来的 Skill 有三个不可替代的好处：

① 它匹配你的真实流程

你的公众号发布流程有哪些特殊的排版偏好？你写推文的时候喜欢什么句式？你发视频号时图片要放水印吗？这些细节只有你自己知道，也只有你自己能写进 Skill。

② 你能随时改它

别人的 Skill 升级或废弃，你毫无控制权。自己的 Skill 今天嫌麻烦了，晚上就改。这种零摩擦迭代是 Skill 变好用的关键。

③ 它会越用越准

每用一次，你都会发现几个小问题。改几个字，下次体验立刻提升。三个月之后，它会变成你专属的、别人复刻不出来的工作流武器。

---

五、比装 Skill 更重要的事：改进你和 AI 的工作流

真正的效率红利，其实不在 Skill 本身，而在你和 AI 协作的整体工作流。

一个常见的错误认知：以为把 AI 用好 = 装一堆 Skill + 写一堆长 Prompt。真正用得好的人，大多把精力放在下面这些地方：

① 观察自己的"卡点"

每次和 AI 协作时，留意自己在哪些环节感到"卡"——是每次都要重复解释背景？是输出总是不合格式？是 AI 老忘记项目约定？

这些卡点的位置，决定了你该改什么：

卡点	改什么
每次都要重复背景	写进 CLAUDE.md 或 memory
输出总是格式错	抽成 Skill
AI 经常忘记项目约定	做成 always-loaded 的参考文件
每次要手动审核多个步骤	做 Hook，在关键节点自动校验

工作流的改进永远从观察卡点开始，而不是从"我想用某个新功能"开始。

② 管理 AI 的记忆

AI 没有长期记忆，记忆完全来自你提供的上下文。你得主动决定：

• 哪些事实应该写进全局 CLAUDE.md？（项目背景、偏好、硬性规则）
• 哪些应该写进 memory？（用户角色、反馈、项目动态）
• 哪些只在当前对话里说一遍就够？

乱堆记忆会污染每一次响应。清晰的记忆分层比装 Skill 更能影响长期体验。

③ 把"交接点"设计好

你和 AI 之间的每次交接，都是一个潜在的风险点：

• AI 完成任务后，你怎么快速验证？
• 它跑偏的时候，你怎么尽早发现？
• 长任务中断了，怎么让它能从断点继续？

这些问题的答案，往往比"装什么 Skill"重要得多。设计好交接点，一次协作的可靠性能翻倍。

④ 少装，多写

我自己的习惯是：每个月清理一次 Skill 库。上个月没触发过的 Skill，全部卸载。腾出来的空间，用来写自己的 Skill，或者改进自己的 CLAUDE.md。

一年下来，Skill 库里留下的几乎都是经过实战筛选的、真正有用的东西。

---

六、一条可操作的建议

如果你今天只想带走一条建议：

关掉应用商店，打开你自己的编辑器。

与其刷 Skill 市场、囤 Star 数靠前的 Skill，不如做下面这件事：

1. 挑一件你本周做过三次以上的事
2. 观察其中有多少步骤是重复的
3. 想想你和 AI 协作的时候，哪一步最费脑子
4. 把重复部分写成 Skill，把费脑子的部分改进到工作流里

一个月后，你手上会有 3-5 个真正好用的自定义 Skill，一套逐渐顺滑的 AI 协作流程。这个东西的价值，比装 500 个别人的 Skill 高得多。

---

结尾

Skill 市场会继续繁荣，新 Skill 会越来越多。但对于真正想提升效率的人来说，核心工作始终是两件事：

• 沉淀属于自己的 Skill
• 研究和改进自己的工作流

别人的 Skill 是别人流程的化石，你的 Skill 才是你生产力的延伸。工作流的每一次改进，都会在未来的每一次对话里复利回来。

少一点收藏欲，多一点观察力。你会发现，最强大的 Skill 库，始终长在自己的工作习惯里。