钩子

很多人做 AI 工作流，第一步是写 prompt，第二步是补 prompt，第三步是把几十上百个 skill 全塞进 system prompt。结果不是模型更聪明，而是越来越像一个塞满文件的抽屉:什么都有，真用时什么都找不准。

问题不在 skill 多，而在没有架构

skill 多本身不是坏事。内容选题、课程打磨、客服回复、资料整理、短视频脚本，本来就需要不同能力。真正的问题是把所有能力都放在同一层，让 AI 每次都背着整本手册出门。

一个好用的 AI 系统，system prompt 不该是百科全书，而应该是总控台。它只保留三类东西:身份边界、决策规则、调用索引。具体方法、模板、案例、检查清单，应该放在外部知识库或独立 skill 里，按需读取。

把“大 prompt”拆成三层

第一层是核心规则。比如:你是谁、服务谁、什么不能说、输出要面向谁、遇到不确定怎么处理。这一层要短，但要硬。

第二层是路由规则。也就是让 AI 判断“现在该用哪个 skill”。每个 skill 不要写成长篇教程，先写成一张卡:适用场景、触发词、输入要求、输出格式、禁区。模型先选路，再拿详细说明。

第三层是执行手册。真正的 SOP、案例、模板、质量标准，都放到被调用的 skill 或知识库页面里。这样 system prompt 负责指挥，skill 负责干活，知识库负责沉淀。

普通人也能照着改

可以按这个清单重构:

  1. 先列出所有 skill，按用途分组:内容、销售、教研、运营、客服、数据。
  2. 每个 skill 只保留一句话定位:它解决什么问题。
  3. 给每个 skill 补 3 个触发条件:什么时候该用，什么时候不该用，缺什么信息要先问。
  4. 把重复能力合并。比如“写小红书标题”“写短视频标题”“写朋友圈标题”，可能都属于“标题生成”，只是渠道参数不同。
  5. 给高风险 skill 加边界。涉及价格、承诺、隐私、客户信息、内部路径，一律不能让 AI 自由发挥。
  6. 用 10 个真实任务测试路由。看 AI 有没有选错 skill、漏问关键信息、输出变啰嗦。

对内容和教育行业的启发

内容和教育从业者最容易掉进“模板越多越好”的坑。其实模板只是表层，真正值钱的是判断链路。

比如做一条课程宣传内容，不该直接让 AI 写文案，而是先判断:目标人群是谁、痛点在哪、当前信任程度如何、这条内容是拉新还是转化、适合讲案例还是讲方法。判断清楚后，再调用脚本 skill、标题 skill、审校 skill。

这就是从“提示词仓库”升级成“工作流系统”。它不追求一次性把所有答案塞给模型，而是让模型在正确时间拿正确工具。

最小可用版本

如果你现在只有一个大 prompt，可以先做一个最小改造:把它拆成“总控 prompt + skill 目录 + 详细模板”三份文档。总控 prompt 只写规则和选择逻辑；skill 目录只写索引；详细模板放到后面按需调用。

判断系统有没有变好，看三个指标:输出是否更稳定，修改是否更容易，新人是否能看懂。能满足这三点，AI 工作流才不是玄学，而是可以持续运营的生产系统。