从 Prompt 到 Skill:产品经理的 AI 工具进化论
你有没有过这样的经历——
周一早上,你打开 Claude 或者 Gemini,花了 15 分钟组织了一段 Prompt,让 AI 帮你写了一份还不错的 PRD 初稿。你很满意,甚至截图发了朋友圈。
周二,产品评审会结束,你需要把会议纪要整理成飞书文档。你又打开 AI,重新组织了一段 Prompt,描述了角色、背景、格式要求……又花了 10 分钟。
周三,老板突然要竞品分析。你再一次打开 AI,再一次从零开始组织 Prompt。
到了周五,你回头看这一周——AI 确实帮你提升了效率,但你发现自己花在**"教 AI 怎么干活"**上的时间,可能比省下来的还多。
这就是大多数产品经理用 AI 的现状:每一次对话,都是一次从零开始的手动操作。
如果说 Prompt 是手动挡——每次都要踩离合、换挡、给油,那有没有一种方式,能让 AI 变成自动挡?
有的。它叫 Skill。
一、Prompt 时代的天花板
先说清楚,我不是在否定 Prompt 的价值。过去两年,"会写 Prompt"几乎成了产品经理的新基本功。我自己也在公众号里分享过大量的提示词框架和模板——角色定义、任务描述、背景信息、输出格式,这套结构化 Prompt 方法论确实管用,帮不少人节省了 50% 以上的文档编写时间。
但用得越深,你越会撞上 Prompt 的天花板。它有几个绕不过去的硬伤:
1. 一次性消耗,无法复用
你精心调试了半小时的 Prompt,生成了一份完美的战略规划文档。然后呢?下一次要写,你得重新组织。哪怕你聪明地存到了笔记里,下次粘贴过来还得改——因为上下文变了、需求变了、背景信息变了。
Prompt 本质上是一次性对话指令。它存在于对话窗口里,对话关了就没了。
2. 上下文依赖,难以迁移
一段好的 Prompt 往往高度依赖当次对话的上下文。你在对话里上传了产品文档、贴了用户反馈数据、描述了公司背景——这些信息不会自动带到下一次对话中。
换句话说,Prompt 是有状态的,但这个状态只存在于一次对话的生命周期里。
3. 纯文本生成,没有执行力
Prompt 能让 AI 帮你"写"东西,但不能让 AI 帮你"做"事情。它不能帮你创建一个飞书文档、不能帮你发一条消息提醒、不能帮你往多维表格里写入数据、不能帮你把生成的报告自动归档到知识库。
AI 生成了一份漂亮的会议纪要,然后呢?你还得手动复制、手动粘贴、手动发送、手动归档。
生成内容只是开始,执行落地才是终点。
4. 个人经验,难以协作
每个产品经理都有自己的 Prompt 风格和习惯。你调出来的好 Prompt,发给同事用,效果可能完全不同——因为他的表达方式不一样、上下文不一样、甚至用的模型都不一样。
Prompt 高度依赖个人经验,这让它很难变成团队的标准化能力。
产品经理的典型困境
把上面四个硬伤放到产品经理的日常里,你会发现问题有多具体:
写 PRD:每次打开 AI,都要重新描述产品背景、用户画像、技术约束。上次那段写得很好的 Prompt 找不到了,就算找到了,新项目的背景完全不一样,照搬也没用。
做竞品分析:你花了 20 分钟组织了一段超详细的 Prompt,让 AI 从功能、定价、用户体验三个维度做对比。结果很好。下个月换了一组竞品,你又要从头来一遍。
整理会议纪要:AI 确实帮你把录音转成了文字、提炼了要点。但然后呢?你得手动打开飞书文档、手动粘贴、手动艾特相关人、手动创建后续任务。AI 做了 30% 的活,你手动完成了剩下的 70%。
场景越高频、流程越复杂,Prompt 的局限性就越明显。
说到这里,问题就很清楚了:
有没有办法,把这些"好用的 Prompt"变成"随时可调用、自动能执行、团队能共享"的能力?
答案就是 Skill。
二、Skill 是什么——AI 的能力扩展包
一句话定义
Skill 是一种工程化的、可复用的工具指令集。 装在 AI Agent 上,就像给手机装 App。
装之前,你的 AI 只会聊天。装之后,它能直接操作飞书文档、能管理你的日程、能读写表格、能发消息通知——从一个"只会说话的助手"变成一个"能干活的数字员工"。
Skill vs Prompt:核心对比
这张表我建议你截图保存,因为这是理解两者区别的关键:
维度 | Prompt(提示词) | Skill(技能) |
|---|---|---|
本质 | 一次性对话指令 | 工程化的工具包 |
存储 | 对话窗口里,关了就没了 | 本地文件系统,持久化保存 |
能力范围 | 纯文本生成 | 可执行命令、API 调用、文件操作 |
复用性 | 每次重新输入或粘贴 | 安装一次,随时调用 |
协作性 | 个人经验,难以标准化 | 规范化定义,全团队共享 |
上下文 | 依赖当次对话 | 自带执行逻辑和参数定义 |
学习曲线 | 低(人人能写) | 中(需要理解怎么装、怎么用) |
执行力 | ❌ 只能生成内容 | ✅ 能直接操作外部系统 |
类比 | 手动挡汽车 | 自动挡汽车 |
Skill 生态的三个关键特征
特征一:可安装
Skill 不是你脑子里的经验,是一个标准化的"安装包"。它有明确的名称、描述、使用说明。你不需要理解底层原理,安装了就能用——就像你不需要懂 HTTP 协议也能用微信一样。
特征二:可组合
单个 Skill 解决单个问题。但多个 Skill 可以串联起来,组成复杂的工作流。比如:读取飞书文档 → 提取关键信息 → 写入多维表格 → 发送消息通知——这四个步骤分别对应四个 Skill,串在一起就是一条完整的自动化流水线。
特征三:可分享
你创建的 Skill 可以分享给团队、分享到社区。别人创建的 Skill 你也可以直接安装。这就形成了一个Skill 市场——类似 App Store,只不过这次装的不是手机 App,而是 AI 的能力模块。
类比理解:Skill 市场 = AI 的 App Store
如果你用过 iPhone,就很容易理解:
裸机 iPhone = 没装 Skill 的 AI Agent(只能打电话发短信 = 只能聊天)
App Store = Skill 市场(Cola 的 skill marketplace、GitHub 社区)
装了微信、支付宝、美团 = 装了飞书 Skill、日历 Skill、文档 Skill
装了 100 个 App 的 iPhone = 装了一堆 Skill 的 AI Agent = 一个无所不能的数字员工
区别在于:手机 App 需要你自己操作,而 AI Agent + Skill 是 AI 替你操作。
你告诉 AI"帮我创建一个飞书文档记录今天的评审结论",它不是生成一段文字让你自己去贴——而是真的帮你在飞书里创建了一篇文档,写好了内容,设好了格式。你要做的就是审阅一下,确认发布。
三、Skill 生态实战——产品经理能装什么
说了这么多概念,你可能会问:现在到底有哪些 Skill 可以用?能解决什么实际问题?
下面这些,都是我(Marvin)自己日常在用的、已经跑通的真实案例——不是概念演示,是每天实打实在提升我工作效率的能力。
案例一:飞书全家桶 Skill——AI 直接操作你的飞书
这是我目前用得最多的一组 Skill,也是对产品经理最有价值的。
飞书官方开源了 Lark-CLI,配套提供了一整套 AI Skill,覆盖了飞书的几乎所有业务模块。我自己装了 17 个飞书相关的 Skill,包括:
Skill 名称 | 核心能力 | 我的使用场景 |
|---|---|---|
lark-doc | 创建、编辑、读取飞书文档 | 让 AI 直接创建 PRD 文档并写入飞书 |
lark-sheets | 操作飞书电子表格 | 自动写入数据、生成报表 |
lark-base | 操作飞书多维表格 | 需求管理、数据统计 |
lark-calendar | 管理飞书日历和日程 | 查看今日安排、创建会议 |
lark-task | 管理飞书任务 | 创建待办、追踪进度 |
lark-im | 收发飞书消息 | 发送项目通知、查询聊天记录 |
lark-minutes | 获取飞书妙记内容 | 提取会议录音的摘要和待办 |
lark-drive | 管理飞书云空间文件 | 上传下载文件、整理文档目录 |
feishu-cli-write | 向飞书文档写入内容 | 支持 Mermaid 图表、批量更新 |
feishu-cli-msg | 发送飞书消息通知 | 自动发送卡片消息、加急提醒 |
实际效果是什么?
以前:我用 AI 生成了一份 PRD,然后手动复制到飞书文档,手动调格式,手动 @ 相关同事,手动创建关联任务。
现在:我对 AI 说"帮我根据这些需求创建一份 PRD,写入飞书文档,然后在群里通知开发团队"——一句话,AI 自动完成全流程。
举个真实的操作例子。当我说"帮我查一下今天的日程安排",AI 会自动调用 lark-calendar 的 +agenda 命令,直接返回我今天的所有会议和待办。不需要我打开飞书 App,不需要我切换页面。
再比如,整理完会议纪要后,我说"把这份纪要发到产品组群里",AI 会调用 lark-im 的消息发送能…