skill-from-masters

skill-from-masters

Populer

通过真实案例创建高质量skill。先找黄金案例和失败案例,归纳什么有效什么无效,再用理论解释为什么。skill是干活的,要从实践中学习,不是从书本中学习。触发词:"帮我创建一个skill"、"我想做一个skill来..."

1.1Kbintang
118fork
Diperbarui 2/9/2026
SKILL.md
readonlyread-only
name
skill-from-masters
description

通过真实案例创建高质量skill。先找黄金案例和失败案例,归纳什么有效什么无效,再用理论解释为什么。skill是干活的,要从实践中学习,不是从书本中学习。触发词:"帮我创建一个skill"、"我想做一个skill来..."

Skill From Masters

创建像实战专家一样的skill,而不是像书呆子一样的skill。

核心理念

Skill是干活的。干活的知识来自实践,不是来自理论。

实践专家 vs 理论专家

实践专家 理论专家
做得最好的人 写书的人
销售冠军 销售方法论作者
让客户感动的客服 客服培训师
招到好人的面试官 面试技巧书作者
让人想继续倾诉的倾听者 心理咨询教授

我们要找的是实践专家——做得最好的人。理论专家只是辅助解释。

写书的人擅长总结和教学,但不一定是做得最好的。真正的高手往往不写书,但他们的案例、做法、踩过的坑,才是最有价值的。

所以:

❌ 错误:找写书的人 → 提取他们的理论 → 生成skill
✅ 正确:找做得最好的人 → 学习他们怎么做的 → 用理论辅助解释

工作流程

Step 1: 理解和收窄任务

确保任务足够具体。太宽泛的任务无法找到有效案例。

收窄方法:

  1. 问领域:这个任务属于什么领域?
  2. 问场景:具体在什么情况下使用?
  3. 问约束:有什么限制条件?
  4. 问案例:能描述一个你实际遇到的情况吗?

收窄标准:

  • 能找到这个具体场景的真实案例吗?
  • 能判断什么是"做得好"什么是"做得差"吗?

如果答案是否,继续收窄。


Step 2: 找案例(最重要的步骤)⚠️

这是整个流程的核心。先找案例,不要先找理论。

2.1 找黄金案例(做得最好的人怎么做的)

关键:找实践中做得最好的人,不是写书的人。

搜索策略:

"[具体任务] top performer"
"[具体任务] how the best do it"
"[具体任务] real example from [top company]"
"[角色] who is the best at [任务]"
"[具体任务] interview with [practitioner]"
"[具体任务] behind the scenes"

目标:找到3-5个实践中公认做得好的真实案例。

识别实践专家的信号:

  • 有具体的成果/数据("成交率提升X%"、"客户满意度最高")
  • 被同行认可("团队里大家都学他")
  • 有真实的案例细节,不是泛泛的原则

对于每个黄金案例,记录:

  • 这个人具体是怎么做的?
  • 和普通人做法有什么不同?
  • 有什么具体的细节让他做得更好?

2.2 找失败案例(什么是做得差的)⚠️ 同样重要

搜索策略:

"[具体任务] common mistakes"
"[具体任务] what not to do"
"[具体任务] fails"
"[具体任务] I learned the hard way"
"[具体任务] before after comparison"
"why [具体任务] doesn't work"

目标:找到常见的失败模式和踩过的坑。

对于每个失败案例,记录:

  • 具体做错了什么?
  • 为什么这样做是无效的?
  • 应该怎么做才对?

2.3 找对比(有效 vs 无效)

搜索策略:

"[具体任务] good vs bad example"
"[具体任务] before after"
"[具体任务] do this not that"
"[具体任务] comparison"

对比是最有价值的素材,因为它直接展示了差异。

案例收集标准:

  • [ ] 找到至少3个黄金案例了吗?
  • [ ] 找到至少5个常见失败模式了吗?
  • [ ] 找到有效/无效的直接对比了吗?
  • [ ] 案例足够具体,能看到实际细节吗?

如果任何一项答案是否,继续搜索。


Step 3: 归纳有效/无效模式

从案例中提炼规律,而不是从理论中推导。

归纳方法:

  1. 列出所有黄金案例的共同点

    • 它们都做了什么?
    • 它们有什么共同的特征?
    • 为什么这些做法是有效的?
  2. 列出所有失败案例的共同点

    • 它们都犯了什么错?
    • 这些错误的根源是什么?
    • 如何避免这些错误?
  3. 形成对比表格

| 有效做法 | 无效做法 | 为什么 |
|----------|----------|--------|
| [具体做法A] | [对应的错误做法] | [原因] |
| [具体做法B] | [对应的错误做法] | [原因] |
| ... | ... | ... |

归纳标准:

  • [ ] 每个有效做法都有对应的无效做法对比吗?
  • [ ] 能用一句话说清楚"做这个,不要做那个"吗?
  • [ ] 这些规律来自案例,而不是来自理论假设吗?

Step 4: 用理论辅助解释(可选)

理论专家(写书的人)在这一步才登场,作为辅助。

理论的作用是解释为什么实践专家的做法有效,而不是指导怎么做。

搜索策略:

"why [有效做法] works"
"[领域] psychology behind"
"[理论专家名] explains [现象]"

理论的价值:

  • 给实践规律提供"为什么"的解释
  • 帮助用户理解背后的逻辑
  • 增加可信度

注意:

  • 理论是辅助,不是主体
  • 如果找不到理论解释,也没关系——实践专家的案例本身就是最好的证据
  • 不要让理论盖过实践。Skill的核心应该是"做得最好的人怎么做",而不是"书上怎么说"

Step 5: 生成Skill

将案例中归纳的规律转化为skill指令。

生成原则:

  1. 用案例说话

    • 每个规则都要有具体的"这样做"和"不要这样做"的例子
    • 例子来自真实案例,不是编造的
  2. 先说怎么做,再说为什么

    • 用户首先需要知道该怎么做
    • 理论解释放在后面
  3. 失败案例和黄金案例同等重要

    • 知道"不要做什么"往往比知道"要做什么"更实用
    • 专门设置"常见错误"或"避免这样做"的章节
  4. 保持具体

    • 避免抽象的原则(如"要有同理心")
    • 用具体的做法替代(如"当用户说X时,回应Y而不是Z")

调用skill-creator生成:

Use the Skill tool with: skill: "skill-creator:skill-creator"

确保:

  • 添加 model: opus(如果是需要判断力的skill)
  • 包含黄金案例和失败案例的对比
  • 用命令式语气写作

Step 6: 用案例测试

用真实案例测试生成的skill。

  1. 拿一个黄金案例,看skill是否能产出类似质量的结果
  2. 故意触发一个失败模式,看skill是否能避免
  3. 让用户用自己的真实场景测试

如果测试失败,回到Step 2找更多案例。


搜索策略对比

❌ 旧的(偏理论)

"[domain] best practices expert"
"[domain] framework methodology"
"[expert name] methodology"
"[domain] principles"

这些搜索会返回书籍摘要、学术框架、抽象原则——都是"书本知识"。

✅ 新的(偏实践)

"[task] real example"
"[task] case study"
"[task] common mistakes"
"[task] what not to do"
"[task] before after"
"[task] I learned the hard way"
"how [company] does [task]"

这些搜索会返回真实案例、失败教训、对比——都是"实战知识"。


质量检查清单

在完成skill之前,确认:

案例质量:

  • [ ] 找到了足够多的黄金案例(至少3个)?
  • [ ] 找到了足够多的失败案例(至少5个常见错误)?
  • [ ] 案例来自真实实践,不是理论假设?
  • [ ] 案例足够具体,能看到实际细节?

归纳质量:

  • [ ] 有效/无效做法形成了清晰的对比?
  • [ ] 每个规则都有"做这个"和"不要做那个"的配对?
  • [ ] 规律是从案例中归纳的,不是从理论中推导的?

Skill质量:

  • [ ] Skill中包含了具体的例子,而不只是抽象原则?
  • [ ] 失败案例和黄金案例都被体现了?
  • [ ] 用真实案例测试过了?

最终检验:

  • [ ] 这个skill像一个"做过无数次的老手",还是像一个"读过很多书的人"?

示例:员工关怀Skill的正确做法

❌ 错误做法(旧流程)

  1. 搜索"active listening methodology"
  2. 找到卡尔·罗杰斯的三原则
  3. 找到厚生劳动省的傾聴指南
  4. 提取原则,生成skill
  5. 结果:skill很学术,用户反馈"没有被关怀的感觉"

✅ 正确做法(新流程)

  1. 搜索"employee care conversation example"
  2. 搜索"what makes people feel heard"
  3. 搜索"bad listening examples"
  4. 搜索"therapist response good vs bad"
  5. 找到大量真实对话对比:
    • ❌ "您感到疲惫了呢" → 冷漠,像回音壁
    • ✅ "怎么了?最近发生什么事了?" → 温暖,有兴趣
  6. 归纳规律:
    • 不要オウム返し(回音壁式重复)
    • 要表现出真正的好奇心和关心
    • 具体追问,而不是泛泛共情
  7. 生成skill,包含大量"这样说 vs 不要这样说"的对比
  8. 结果:skill有温度,用户感觉被关心

核心记住

  1. 找做得最好的人,不是写书的人 — 实践专家 > 理论专家
  2. 先案例,后理论 — 理论只是辅助解释
  3. 黄金案例 + 失败案例 — 知道什么不能做,比知道什么能做更实用
  4. 对比是最有价值的 — "这样做 vs 那样做"的对比最直观
  5. Skill是干活的 — 生成的应该是"实战高手",不是"读过很多书的人"

You Might Also Like

Related Skills

apple-notes

apple-notes

179Kproductivity

Manage Apple Notes via the `memo` CLI on macOS (create, view, edit, delete, search, move, and export notes). Use when a user asks OpenClaw to add a note, list notes, search notes, or manage note folders.

openclaw avataropenclaw
Ambil
apple-reminders

apple-reminders

179Kproductivity

Manage Apple Reminders via the `remindctl` CLI on macOS (list, add, edit, complete, delete). Supports lists, date filters, and JSON/plain output.

openclaw avataropenclaw
Ambil
bear-notes

bear-notes

92Kproductivity

Create, search, and manage Bear notes via grizzly CLI.

moltbot avatarmoltbot
Ambil
voice-call

voice-call

88Kproductivity

Start voice calls via the Moltbot voice-call plugin.

moltbot avatarmoltbot
Ambil
spotify-player

spotify-player

88Kproductivity

Terminal Spotify playback/search via spogo (preferred) or spotify_player.

moltbot avatarmoltbot
Ambil
video-frames

video-frames

88Kproductivity

Extract frames or short clips from videos using ffmpeg.

moltbot avatarmoltbot
Ambil