🇺🇸English
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：
- 问领域：这个任务属于什么领域？
- 问场景：具体在什么情况下使用？
- 问约束：有什么限制条件？
- 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：
-
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？
-
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？
-
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：
-
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
-
先说怎么做，再说为什么
-
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
-
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。
- 拿一个黄金案例，看skill是否能产出类似质量的结果
- 故意触发一个失败模式，看skill是否能避免
- 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）
- 搜索"active listening methodology"
- 找到卡尔·罗杰斯的三原则
- 找到厚生劳动省的傾聴指南
- 提取原则，生成skill
- 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）
- 搜索"employee care conversation example"
- 搜索"what makes people feel heard"
- 搜索"bad listening examples"
- 搜索"therapist response good vs bad"
- 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
- 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
- 生成skill，包含大量"这样说 vs 不要这样说"的对比
- 结果 ：skill有温度，用户感觉被关心
核心记住
- 找做得最好的人，不是写书的人 — 实践专家 > 理论专家
- 先案例，后理论 — 理论只是辅助解释
- 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
- 对比是最有价值的 — "这样做 vs 那样做"的对比最直观
- Skill是干活的 — 生成的应该是"实战高手"，不是"读过很多书的人"
Weekly Installs
538
Repository
gbsoss/skill-fr…-masters
GitHub Stars
1.3K
First Seen
Jan 20, 2026
Security Audits
Gen Agent Trust HubPassSocketPassSnykWarn
Installed on
opencode470
gemini-cli408
codex397
claude-code395
cursor342
github-copilot338
