如何把一个重复性任务拆成可执行的工作流？以内容生成和资料整理为例
如何把一个重复性任务拆成可执行的工作流？
这道题考的是怎么把经验变成可复用的工作流。核心就一件事：把你做某类任务的方法论封装成 Skill，让 AI 能照着执行，而不是每次都重新描述需求。
Skill 是什么？
把 Skill 想象成餐厅的「标准作业手册」——不是临时写的便签，而是挂在墙上所有人都能照着执行的操作指南。
具体来说，Skill 是一个可复用、可共享的工作流包，包含指令、示例和代码。它的标准结构是四个组件：
Skill/
├── SKILL.md ← 核心文档：描述这个技能怎么用
├── references/ ← 参考资料：模板、案例、文档
├── scripts/ ← 自动化脚本：代码片段或执行逻辑
└── assets/ ← 资源文件：图片、图标、样式文件SKILL.md 是入口，references 存放执行时需要的参考资料，scripts 放自动化代码，assets 放静态资源。四个组件各司其职，缺一不可。
好 Skill 的六条军规
不是随便写个文档就能叫 Skill。一个好 Skill 必须满足六条标准：
触发清楚：别人知道什么时候该用这个 Skill。不是所有任务都适合用 AI，得说清楚「这个 Skill 适合 X 场景，不适合 Y 场景」。
输入明确：需要提供什么信息？格式是什么？默认值是什么？像招聘 JD 写任职要求一样，把输入条件列清楚。
流程稳定：同样的输入，必须产出同样的输出。不能这次输出 500 字，下次输出 1000 字。流程必须稳定可预期。
输出固定：最终产出是什么形态？是报告、表格、还是代码？必须明确界定。
边界清楚：这是最容易忽略的一点。AI 不能猜、不能编、不能夸大。必须明确告诉它「遇到 X 情况怎么处理」「哪些事情绝对不能做」。
资源合理：依赖的工具、API、文件都要列清楚，不能有隐藏依赖。
Prompt 与 Skill 的本质区别
很多人分不清 Prompt 和 Skill 的区别。简单说：Prompt 是临时工，Skill 是正式工。
Prompt 像是外卖电话——打一次用一次，用完就忘。下次需要同样的服务，你得重新描述一遍需求。
Skill 像是签约的私人厨师——常住家里，知道你的口味偏好，知道你的禁忌，做事有章法，能持续迭代。
具体区别体现在三个维度：
| 维度 | Prompt | Skill |
|---|---|---|
| 生命周期 | 临时，一次性 | 持久，可迭代 |
| 复用方式 | 复制粘贴 | 自动发现，版本控制 |
| 协作能力 | 单文件，无法协作 | 多文件，支持团队共享 |
Prompt 只能复制粘贴，换个对话就消失了。Skill 有版本控制，能追踪每次修改，能被其他 Skill 引用，能团队共享。
四步构建法：从零到跑通的工作流
怎么从零开始构建一个 Skill？分四步走：
第一步：打磨 Prompt。这是最花时间的阶段。先用普通对话把任务跑通，优化到输出稳定可预期。这一步就像装修前画草图。
第二步：安装工具。跑通 Prompt 需要什么依赖？Python 库、API key、浏览器插件，全部列出来并安装好。这一步像买装修材料。
第三步：初始化 Skill。把打磨好的 Prompt 整理成标准结构，加上 references、scripts、assets。这一步是硬装软装，把散落的东西收纳进标准文件夹。
第四步：持续优化。上线后发现问题，更新 SKILL.md；发现更高效的方法，更新脚本。这是通风入住后的小修小补。
案例一：内容生成工作流
以每周发一篇公众号文章为例，工作流是这样的：
- 输入：本周选题、关键词、目标受众
- 处理：AI 按模板生成大纲 → 展开正文 → 按评分标准自检
- 审核：人工检查敏感词、事实核查
- 输出：终稿文章 + 配图建议
评分标准必须量化，比如「每 800 字至少一个案例」「标题不超过 20 字」「开头必须抛出一个问题」。没有量化标准，AI 的输出就像开盲盒。
案例二：资料整理工作流
以整理会议纪要为例，工作流分五层：
- 目标：把 2 小时会议录音转成结构化纪要
- 输入：原始录音 + 参会人名单 + 议程
- 处理：语音转文字 → 关键信息提取 → 结构化重组
- 审核：检查是否有遗漏的关键决策
- 输出：待办事项 + 决策记录 + 问题清单
这里有个技巧：给 AI 提供「上一份纪要的格式示例」，让它学习你的风格偏好，而不是每次都重新描述格式要求。
面试怎么答
基础版（100-200字）：
Skill 是可复用、可共享的工作流包，标准结构包含 SKILL.md、references、scripts、assets 四个组件。好 Skill 的评判标准有六条：触发清楚、输入明确、流程稳定、输出固定、边界清楚、资源合理。
比如做客户反馈分析，我会先打磨 Prompt 确认输出稳定，然后把输入条件、评分标准、边界禁区整理成文档，最后加上自动化的数据提取脚本。
加分版：
除了基本定义，我会强调 Skill 与 Prompt 的本质区别——Skill 是持久化的结构化资产，支持版本控制和团队协作，而 Prompt 只是临时对话。
这背后是「一人公司」的工作流思维：把重复任务封装成 Skill，让 AI 承担具体执行，你自己专注决策和优化。目前 Claude Code、Cursor 等 33+ 产品已采纳 Skill 规范，说明这是行业趋势。
一句话总结
把经验封装成 Skill，让 AI 照着执行，你只需要负责决策和优化。