生活中 90%的事情都应该用 Skills 来解决

简介/背景

最近我在做一个改简历的智能体。一开始用的是 Spring-AI-Alibaba（SAA），但实践下来迭代慢、效果也不稳定。后来我用 Codex 写 Skills，很快就把流程打通了，效果明显好很多。这件事让我坚定一个想法：生活里 90% 的事情都应该用 AI 来提效。

核心要点

• 绝大多数日常事务其实是 SOP，AI 比人更擅长稳定执行
• 人的价值更在“判断与目标”，而不是重复性动作
• Skills 是把经验变成可复用流程的最好方式之一
• 不要只看模型强不强，关键是“能不能落地成流程”

对程序员和学生的具体用法

程序员：把“需求拆解、方案对比、接口文档、单测补全、发布检查”变成 AI 可执行清单。
学生：把“课程复盘、错题归纳、面试题整理、项目总结”变成 AI 输出模板。
一句话总结：你负责方向与评判，AI 负责整理与执行。

我为什么会这么想

1. SOP 任务的瓶颈不是“聪明”，而是“重复” 我改简历的需求很标准：识别问题、给建议、输出改写。SAA 在处理上很慢，而且每次要重讲一次上下文，效果还不稳。反过来 Skills 更像“经验模板”，它把流程固定下来，让 AI 每次都按同一套路走。

打个广告：欢迎私信我，找我改简历!!!

2. AI 的效率优势来自“结构化流程” 模型再强，如果没有流程，输出就会像随机发挥。Skills 的价值是把“怎么做”固化下来，让 AI 更像稳定产线。

3. 人应该把时间放在“目标”上 比如：你到底想让简历变成什么样？你是要进大厂还是要稳妥转行？这些是人需要决定的。AI 应该去做整理、改写、补全、检查这种“体力活”。

这次经历的几个具体体会

• “会用”比“会写”更重要 我不需要在 SAA 里写复杂链路，只要能把流程写成 Skill，让 AI 执行就够了。

• 模型不是瓶颈，流程才是 同一个模型，在没有流程时就是散的；有了 Skill，就像上了轨道。

• 可复用才是效率的本质 技能一旦写好，以后再改简历几乎就是“复用”而不是“重做”。

适用范围与反例

这里不是说“AI 可以替代一切”。

1. 不适合的场景

• 需要高价值决策（比如职业规划的最终方向）
• 需要深度情感支持（比如安慰人、共情时刻）
• 需要强责任背书的输出（比如法律/医疗最终结论）

2. 适合的场景

• 文本整理、总结、改写
• SOP 流程执行（如：简历优化、面试题整理）
• 信息结构化（整理知识库、写学习笔记）

未来怎么落地“90% AI 提效”

1. 先把重复任务列出来 比如：简历、面试准备、学习笔记、周报、沟通稿。

2. 给每个任务写一个 Skill 技能不是炫技，而是把经验流程化。只要能把 SOP 写出来，就能快速复用。

3. 不断迭代“你的个人 AI 工作流” Skill 一开始不完美，但每次使用后都可以补充和优化。

4. 设一个可执行的小目标 比如“本周把简历优化和周报写作交给 AI”，先让 2-3 个高频场景跑起来。

给自己留“非输入的深度思考时间”

我很认同一个实践：每周至少拿出 1-3 小时，关闭一切输入，用纸笔完成独立思考。
不刷资料，不看屏幕，不被消息打断，只做“结构化外化”。

具体做法很朴素，但很有效：

• 纸、笔、便签、胶带是最便宜也最好用的工具
• 把问题拆成块写在纸上，拆解清楚你每天要做什么
• 不追求整洁，先把思路画出来，再拼成完整视图
• 尝试像拼图一样，逐个把事情解决，让他AI化

这段时间的价值是：让你真正知道“问题到底是什么”，而不是被信息流拖着走。
AI 能替你跑 SOP，但目标与问题的框架，仍然要由你来定。

你们猜我这个文章是怎么写的？

我是用 Codex + Skills 写的，我和 AI 进行深度沟通，沟通环节中我输入一些我的想法，AI 自动总结并输出文 Md 文件，然后自动发布牛客。耗时 3 分钟

收尾

我相信 AI 不是要替代人，而是帮人省掉大量重复劳动，让我们有时间去做更重要的判断和选择。希望这篇碎碎念能对你有用。

如果你有不同看法，欢迎讨论。