原文標題：《普通人實現 AI 能力躍遷的三個框架》
原文作者：KK.aWSB，CarbonSilicon AI 聯創

用 AI 的人分兩種人：一種每天打開 Claude，輸入一大段背景描述，得到回答，關掉頁面。第二天再來，重新輸入同樣的描述。30 天後，他的效率跟第一天一模一樣。

另一種同樣用 Claude，但 30 天後，他的 AI 已經變成了一個完全不同的東西——自動用他的語氣寫作，自動按他的格式輸出，自動調用他教過的方法論。而且他每天花在「指導 AI」上的時間反而越來越少。

同一個工具，同一個模型，同一個價格。差距是怎麼產生的？

不是技巧的差距。是認知框架的差距。

今天分享三個框架。理解它們，你對 AI 的使用方式會發生根本性的改變。

框架一：三層進化論——你在哪一層？

用 AI 有三個層級。絕大部分人永遠停在第一層。

第一層：Prompt

Prompt 就是你在對話框裡臨時輸入的指令。「你是一個資深文案」「用簡潔的風格」「給我三個方案」。

它在當下有效。對話關閉就消失。

這就像每天早上跟一個失憶的天才解釋你是誰。它確實很聰明，但明天它又不認識你了。你的語氣偏好、品牌規範、輸出格式、行業術語——全部歸零，全部要重新解釋。

30 天下來是什麼樣的？第 1 天寫了個好 Prompt，得到好結果。第 15 天你已經重複輸入了大致相同的上下文 15 次。第 30 天你的生產力跟第 1 天一模一樣。零積累。

而且在疲倦的那天你會漏掉細節，輸出品質下降。在忙碌的那天你干脆跳過上下文，Claude 給你一個泛泛的通用版本。

你自己就是瓶頸。每一次對話都是。

第二層：Project

你在 Project 裡上傳了參考文檔、風格說明、系統指令。這個 Project 裡的每次對話都知道你的上下文。

這就像給新員工一份入職手冊。比天天口頭交代強多了。

但還有一個問題：你得記得打開正確的 Project。你的知識被鎖在特定的 Project 裡，換一個場景又得從頭來。

第三層：Skill

Skill 是一個結構化的文件——你寫一次、裝一次，之後 Claude 自動在識別到相關任務時觸發。

不需要你打開特定的 Project。不需要你輸入任何提示詞。Claude 就是知道該怎麼做。

這就像培訓一個員工，培訓一次，永遠生效。

三個層級用的是同一個 Claude。但第一層是聊天工具，第三層是工作系統。

那麼，理解了這個分層之後，怎麼從第一層跳到第三層？這就需要第二個框架。

框架二：交易思維 vs 複利思維

這是三個框架中最重要的一個。它不是一個工具使用技巧，而是一個認知模型。

Prompt 是交易。 你投入時間寫一段指令，得到一次產出。下次再投入，再得到一次。投入和產出是 1:1 的線性關係。你停止投入，產出立刻歸零。

Skill 是複利。 你第一天投入 10 分鐘寫一個 Skill，第二天它已經在起作用了。第 15 天你累積了 3 個 Skill，每個都在之前的基礎上疊加。第 30 天你的 Claude 跟所有人的都不一樣。

搭建成本是第一周分散投入的一小時。回報是此後每一次對話都在更高的基線上運行。

第一周的工作，在第六個月還在產生回報。這就是複利。

交易思維的人每天問：「今天怎麼用 AI 做好這件事？」

複利思維的人問的是：「我怎麼讓 AI 永遠知道該怎麼做這件事？」

一字之差。但如果你用複利思維去使用 AI，30 天後你會發現一件神奇的事：你花在「教 AI」上的時間越來越少，AI 幫你完成的工作越來越多。因為你之前教過的每一個 Skill 都在持續生效。

這就引出了一個實操問題：Skill 到底該怎麼寫？該把什麼放進去、什麼不放？這就是第三個框架。

框架三：Thin Harness, Fat Skills——把 90% 的精力花在對的地方

這個框架來自 YC 控門人 Garry Tan，他把它提煉成了一個極其精煉的架構原則：薄 Harness，厚 Skills。

什麼意思？

你在用 AI 工作時，實際上在搭建一個三層系統——不管你有沒有意識到：

最上層：Skills。 你教給 AI 的操作手冊——流程、判斷標準、領域知識。這是價值的 90% 所在。

中間層：Harness。 運行 AI 的那個程序或環境——調用模型、管理上下文、讀寫文件。保持極薄。

最底層：確定性工具。 資料庫查詢、程式碼編譯、數學計算——輸入一樣、輸出一樣、每次都一樣的操作。

原則是：把智能推到 Skills 裡。把執行推到確定性工具裡。中間的 Harness 越薄越好。

反模式是什麼？厚 Harness、薄 Skills。 你見過那種情況：花了大量時間調試工具鏈、配置各種插件、優化 API 調用，但真正教給 AI「怎麼做好這件事」的內容——一個字都沒寫。

結果就是：工具鏈很漂亮，但 AI 產出的品質跟裸聊沒有本質區別。因為你優化了管道，但管道裡流的還是自來水。

模型的智能已經足夠了。它失敗不是因為不夠聰明，而是因為不理解你的具體情況——你的規範、你的慣例、你的問題的特殊形狀。Skill 解決的就是這個問題。

這個框架的另一個重要推論是：當下一個更強的模型發布時，你所有的 Skill 都會自動變得更好。

因為 Skill 定義的是流程和標準，底層判斷力的提升會讓這些流程執行得更精準。你不需要重寫任何東西。模型升級對你來說不是「又要重新學」，而是「我的系統免費升級了」。

Skill 是永久資產。

三個框架怎麼串起來用

第一步：用三層進化論定位自己。

你現在在哪一層？如果你每次對話都在重新輸入上下文——你在第一層。如果你在用 Project 但沒有 Skill——你在第二層。知道自己在哪，才知道該往哪走。

第二步：用複利思維找到你的 Skill 候選清單。

回想過去一個月跟 AI 的對話。哪些指令你重複說過？哪些上下文你反覆解釋過？哪些格式要求你每次都得提醒？哪些流程你一步步手動引導過？

如果你重複超過三次，那就是一個 Skill 在等著被創建。

還有一條更激進的原則：如果你讓 AI 做了一件事，而且這件事將來還會再做——第一次就應該變成 Skill。手動做第一次，看看輸出，滿意就立刻編碼成 Skill 檔案。

檢驗標準：如果你需要第二次要求同樣的事，說明系統失敗了。

第三步：用 Thin Harness, Fat Skills 決定該把精力花在哪。

不要花三天調試工具鏈然後用裸 Prompt 跑任務。反過來——花三天寫好你的核心 Skill，工具鏈用最簡單的就行。

一個 Skill 到底長什麼樣？極其簡單，就是一個文本檔案：

名字——叫什麼。描述——幹什麼（一句話）。這是最關鍵的部分——Claude 靠這句話判斷什麼時候自動觸發。指令——怎麼做（具體步驟）。約束——什麼不能做。

Skill 不是告訴 AI「做什麼」——那是 Prompt 的事。Skill 告訴 AI 的是「怎麼做」。

Prompt 說：「幫我寫一份競品分析。」Skill 說：「做競品分析時，先鎖定 3-5 個核心競品，按功能/定價/市場定位三個維度對比，輸出 SWOT 格式，每個結論附數據來源，最後給 3 條可執行建議。」

Prompt 提供任務。Skill 提供方法論。兩者配合時，AI 才從「等你告訴它每一步該做什麼的實習生」變成「知道怎麼幹活的員工」。

而且同一個 Skill 可以被不同的輸入反覆調用——輸入一家競品公司，你得到競品分析；輸入一個行業趨勢，你得到趨勢報告；輸入一個投資標的，你得到盡調簡報。同樣的流程，不同的對象，完全不同的產出。

這不是 Prompt 工程。這是用 Markdown 做軟件設計。

你的第一個 Skill 怎麼建

最快的方式：讓 AI 幫你建。

Claude 內置了一個「Skill Creator」——一個能創建 Skill 的 Skill。你只需要說：「幫我創建一個 Skill，用來做 [你的具體任務]。」

Claude 會採訪你，提煉流程，輸出一個結構化的 .md 檔案。你存下來就能用。

一個下午，你可以搭好整個人的 Skill 體系。每個花 10 到 15 分鐘。寫作風格、競品分析、會議紀要、郵件回覆、報告生成、內容日曆——加起來不到兩小時。

這兩小時的複利回報沒有上限。

最後

三個框架，三句話：

三層進化論： 從 Prompt 到 Project 到 Skill，同一個 AI，三種完全不同的體驗。你在哪一層？

交易 vs 複利： Prompt 是每天歸零的交易。Skill 是每天增值的資產。你選哪個？

Thin Harness, Fat Skills： 不要把精力花在工具鏈上。把 90% 的注意力花在寫好 Skill 上——那才是價值所在。

你建的每一個 Skill，都是對你 AI 系統的永久升級。它不退化，不遺忘，模型更新時自動變強。

Prompt 是口頭指令。Skill 是 SOP 手冊。一個每天歸零，一個每天複利。

從今天開始：找到你重複超過三次的那個任務。花 10 分鐘，寫你的第一個 Skill。

然後你就再也不想回到只用 Prompt 的日子了。

原文連結

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia