Skills与自动化

把内容发布做成 AI 自动化，不是把“发布”一步自动掉，而是把取材、校验、配图、写入和读回验收拆成受控流程。

判断 Skill 靠不靠谱，不能只凭“这次看起来不错”，而要把触发、步骤、输出和回归都做成可复查的测试闭环。

多个 Skill 同时存在时，问题通常不在“模型不听话”，而在命名、描述、优先级、作用域或禁用策略没有提前收好边界。

Skill 负责流程和规则，MCP 负责把 AI 连到真实数据与工具；两者配合，才会从“会说”真正走到“能稳定做事”。

重复工作并不等于马上写 Skill，先找出稳定部分、验证标准和真实输入输出，再沉淀成可维护的流程，效果会好得多。

真正好用的 Skill 往往不是只有一页说明，而是把脚本、模板和参考资料分层组织，让模型按需读取、按需执行。

第一次写 Claude Code Skill，关键不是堆很多说明，而是先写对目录、前置元数据、适用场景和最小验证闭环。

安装 Codex Skills 不只是把文件放进去，还包括选择作用域、启停管理、更新方式，以及什么时候该从本地 Skill 升级成插件。

高质量 Skill 不只是一个名字好听的 SKILL.md，而是把触发条件、步骤、参考资料、脚本和模板边界都写清楚的可复用包。

把 AI Skill、普通提示词和 MCP 分开理解，才能知道什么时候该写规则、什么时候该接工具、什么时候只需要一句好提示。